AERO-BAY: Mit KI und Fernerkundungsdaten Rohstoffabbau in Bayern erfassen

Rohstoffgewinnung verändert die Landschaft: Abbauflächen entstehen oder vergrößern sich, andere Bereiche werden verfüllt, stillgelegt oder auf andere Weise weitergenutzt. Diese Veränderungen müssen für die Dokumentation und Planung regelmäßig nachvollzogen werden.

AERO-BAY untersucht, wie entsprechende Flächen automatisiert in Fernerkundungsdaten erkannt und unterschiedlichen Kategorien zugeordnet werden können. KI-basierte Bildanalyse und geodätische Verfahren sollen dabei helfen, relevante Strukturen zuverlässig voneinander zu unterscheiden.

Für die Fachplanung reicht eine Momentaufnahme nicht aus. Entscheidend ist auch, wie sich eine Fläche zwischen verschiedenen Erfassungszeitpunkten verändert hat.

AERO-BAY entwickelt deshalb Methoden zur automatisierten Veränderungserkennung. Daten aus unterschiedlichen Zeitpunkten werden miteinander verglichen, um Veränderungen von Abbauflächen systematisch zu erfassen und ihre Entwicklung nachvollziehbar zu dokumentieren.

Für die Analyse stehen verschiedene Geodaten des Freistaats Bayern zur Verfügung. Dazu gehören unter anderem hochauflösende Luftbilder, digitale Gelände- und Oberflächenmodelle sowie Informationen zur Landnutzung.

AERO-BAY untersucht, welchen Beitrag diese unterschiedlichen Datenquellen zur automatisierten Erkennung leisten und wie sie sinnvoll miteinander kombiniert werden können. Ergänzende Drohnenaufnahmen können besonders hochaufgelöste Daten für ausgewählte Untersuchungsgebiete liefern und zur Validierung der entwickelten Methoden beitragen.

Aktuelle Informationen über Rohstoffabbauflächen sind unter anderem für den Fachbeitrag Bodenschätze und die Fortschreibung von Regionalplänen relevant.

Ein automatisiertes Verfahren kann dazu beitragen, Daten regelmäßiger und nach einheitlichen Kriterien fortzuschreiben. Veränderungen werden dadurch besser vergleichbar und die Dokumentation weniger abhängig von manueller Einzelfallauswertung.

Zu Beginn des Projekts werden unterschiedliche Methoden daraufhin untersucht, wie zuverlässig sie Rohstoffabbauflächen und deren Veränderungen erkennen können.

Dabei betrachtet AERO-BAY sowohl etablierte Verfahren der Fernerkundung und Geodatenanalyse als auch Ansätze des maschinellen Lernens und Deep Learnings. Dazu können beispielsweise objekt- und spektralbasierte Bildanalysen, Verfahren zur Veränderungserkennung sowie KI-basierte Bildsegmentierung gehören.

Die vergleichende Evaluation soll zeigen, welcher Ansatz sich für die Anforderungen des LfU besonders eignet.

Rohstoffabbau zeigt sich nicht nur durch unterschiedliche Farben oder Strukturen auf Luftbildern. Er verändert auch die Geländeoberfläche – beispielsweise durch Abbaukanten, Böschungen oder Terrassierungen.

AERO-BAY untersucht deshalb multimodale Ansätze, die Bildinformationen mit digitalen Gelände- und Oberflächenmodellen verbinden. Dadurch sollen sowohl visuelle als auch geometrische Merkmale einer Fläche in die Analyse einfließen können.

Für sehr spezifische geowissenschaftliche Anwendungen stehen häufig weniger Trainingsdaten zur Verfügung als für allgemeine Aufgaben der Bilderkennung.

Das Projekt untersucht deshalb auch Methoden, die mit begrenzten Trainingsdaten umgehen können. Welche KI-Verfahren tatsächlich zum Einsatz kommen, wird im Rahmen der ersten Projektphase anhand ihrer Genauigkeit, Robustheit und Praxistauglichkeit bewertet.

Damit ein automatisiertes Verfahren später im Arbeitsalltag eingesetzt werden kann, muss seine Qualität nachvollziehbar bewertet werden.

Die automatisch erkannten Flächen werden deshalb mit vorhandenen Daten und fachlichen Einschätzungen des LfU verglichen. Gemeinsam mit den Fachleuten werden Qualitätskriterien definiert und die entwickelten Methoden iterativ überprüft und weiterentwickelt.