Leibniz Universität

Flüsse, Seen und Ufer: Forschungsteam sucht Fotos

Das Forschungsprojekt RiverSnap am Ludwig-Franzius-Institut der Leibniz Universität entwickelt und erprobt KI-basierte Analysemethoden für Gewässer und bittet Wissenschaftler und Bürger, dafür entsprechende Bilder, Videos und andere Medien zur Verfügung zu stellen.

Blick von einer Brücke auf einen Fluss. — Das Projekt RiverSnap arbeitet mit freiwillig von Nutzern bereitgestellte Smartphone-Bildern und anderen Mediendaten wie Drohnenbildern oder Videos.

Wie hoch ist der Wasserstand eines Gewässers? Welche Flächen sind überflutet? Wie entwickelt sich das Hochwasserereignis in den nächsten Tagen? Fragen wie diese stehen im Mittelpunkt des Forschungsprojekts RiverSnap, das am Ludwig-Franzius-Institut für Wasserbau und Ästuar- und Küsteningenieurwesen der Leibniz Universität Hannover (LUH) angesiedelt ist. Ziel des Forschungsvorhabens ist die Entwicklung robuster, intelligenter, kostengünstiger und effizienter KI-basierter Analyseansätze und deren Erprobung im realen Umfeld. Dafür wollen die Wissenschaftler unter Leitung von Dr.-Ing. Mario Welzel und Dr. Armin Moghimi insbesondere durch Bürger aufgenommene Fotos und Videos von Gewässern in Ihre Arbeit mit einbeziehen. RiverSnap ist ein Teilprojekt des Zukunftslabor Wasser am Zentrum für digitale Innovationen Niedersachsen, das vom Niedersächsischen Ministerium für Wissenschaft und Kultur und der VolkswagenStiftung gefördert wird.

Freiwillig von Nutzern bereitgestellte Bilder und Medien

Im Forschungsprojekt RiverSnap werden freiwillig von Nutzern bereitgestellte Smartphone-Bilder und andere Mediendaten wie Drohnenbilder oder Videos von Flüssen mit im Feld und an offiziellen Pegelstellen erhobenen Daten ausgewertet und beurteilt. Anhand dieser gewonnenen Daten entwickelt und erprobt das Projekt innovative Bildanalysemethoden zur Bestimmung hydraulischer bzw. flussbezogener Parameter, die auf dieser Plattform geteilt und mit zusätzlichen Informationen, z.B. zur aktuellen Lage und Entwicklung eines Hochwassers, ergänzt werden.

KI-Überflutungsvorhersagemodelle

Um dieses Ziel zu erreichen, werden modernste Methoden des maschinellen Lernens und der künstlichen Intelligenz eingesetzt, um die präzise Bestimmung verschiedener hydraulischer Parameter wie z.B. Wasserstand oder Überflutungsflächen zu ermitteln. Hierzu wird die ermittelte Wasserfläche (mittels Algorithmen zur Segmentierung) mit einer Georeferenzierung oder einer anderen Referenzierung wie der Wassertiefe kombiniert. Zusätzlich wird untersucht, wie solche Daten zur Unterstützung und Weiterentwicklung von KI-Überflutungsvorhersagemodellen beitragen können. Die gewonnenen Erkenntnisse werden im Anschluss an verschiedene Nutzergruppen weitergegeben, um auf Basis der erhobenen und mittels KI prozessierten Erkenntnisse ein wertvolles Handlungswissen für fundierte Entscheidungen zu ermöglichen und Ressourcen effektiv einzusetzen.

Wissenschaftler, Community-Mitglieder sowie Bürger können sich beteiligen, indem sie mit ihren Smartphones oder Fotokameras an einer offiziellen RiverSnap-Messtelle Bilder oder Videos von Gewässern aufnehmen (zukünftig kommen weitere hinzu). Eine weitere Möglichkeit ist die Aufnahme von Fotos an einem beliebigen Ort (insbesondere hilfreich im Hochwasserfall). Um diese Bilder bestmöglich zu nutzen, sind wiederholte Aufnahmen zu unterschiedlichen Zeitpunkten am selben Ort für das Forschungsteam optimal.

Über das Zukunftslabor Wasser

Das Niedersächsische Ministerium für Wissenschaft und Kultur und die VolkswagenStiftung fördern das Zukunftslabor Wasser am Zentrum für digitale Innovationen Niedersachsen (ZDIN). Mit 3,7 Millionen Euro Fördervolumen soll innerhalb von fünf Jahren die Digitalisierung des Wassermanagements auf exzellentem wissenschaftlichem Niveau weiter erforscht und anwendbar gemacht werden. Das Projektkonsortium des Zukunftslabors Wasser umfasst unter anderem die Disziplinen Wasserwirtschaft, Wasserbau, Hydrologie, Küsteningenieurwesen, Umweltsystemwissenschaft, Informatik, Sensorik sowie Planungs- und Politikwissenschaften.