AIHABs - Auf Künstlicher Intelligenz basierende Vorhersagen schädlicher Algenblüten; nationaler Projektantrag "Fernerkundungs- und KI-basierte Frühwarnung vor Algenblüten"

Abstract

Das AIHABs-Projekt ("Artificial Intelligence-powered Forecast for Harmful Algal Blooms") ist eine Antwort auf den dringenden Bedarf nach zuverlässigen Frühwarnsystemen, um die Auswirkungen von schädlichen Algenblüten (HABs), die durch Cyanobakterien verursacht werden, zu vermindern. Diese Blüten, die aufgrund des Klimawandels und der Eutrophierung immer häufiger auftreten, bedrohen die öffentliche Gesundheit, aquatische Ökosysteme und sozioökonomische Aktivitäten wie Fischerei und Tourismus. Das Projekt bringt ein multidisziplinäres Konsortium aus sieben europäischen Institutionen zusammen, welches die neuesten Fortschritte in der Fernerkundung, der Entwicklung von Nanosensoren, der hydrodynamischen Modellierung, der genetischen Analyse und der künstlichen Intelligenz nutzt. Das Helmholtz-Zentrum Potsdam Deutsches GeoForschungsZentrum GFZ spielte eine zentrale Rolle innerhalb des Konsortiums. Die wichtigsten Beiträge des GFZ konzentrierten sich auf die Fernerkundung und die KI-basierte Vorhersagemodellierung. Konkret leitete das GFZ die Aufgaben der Hyperspektraldatenverarbeitung und Merkmalsextraktion (T5.4) sowie die Entwicklung eines KI-basierten Frühwarnsystems (T5.6) und leistete beratende Unterstützung bei der Entwicklung der Cloud-Infrastruktur (T5.1). Die Arbeiten konzentrierten sich auf die Extraktion optischer Signaturen schädlicher Algenarten mit Hilfe von hyperspektralen und multispektralen Satellitenbildern, unterstützt durch UAV-basierte In-situ- Kampagnen, und die Entwicklung von Deep-Learning-Algorithmen für die Vorhersage von Algenblüten. Im Rahmen des Projekts wurden fortschrittliche Methoden zur Unterscheidung zwischen toxischen und nicht-toxischen Algenblüten mit Hilfe von hyperspektraler Bildgebung und maschinellem Lernen entwickelt, wodurch die Operationalisierung von KI für die Umweltrisikobewertung vorangetrieben wurde. Aufgabe 5.4, die sich mit der Extraktion von Merkmalen aus Hyperspektraldaten befasst, wurde erfolgreich abgeschlossen und lieferte robuste Methoden und Werkzeuge für die Spektralanalyse und Merkmalscharakterisierung. Auch bei der Entwicklung der Cloud-Infrastruktur und der Schaffung eines modularen KIRahmens für die Integration von Umwelt-, optischen und hydrologischen Datensätzen wurden bedeutende Fortschritte erzielt. Es ist jedoch anzumerken, dass einige Ergebnisse zum Zeitpunkt der Berichterstattung noch nicht vollständig abgeschlossen waren. Insbesondere die vollständige Integration und abschließende Validierung des KI-gestützten Frühwarnsystems (T5.6) ist noch nicht abgeschlossen, da die abschließende Modellvalidierung und der Feldtest des Systems für die letzten Monate des Projekts geplant sind. Trotz dieses noch ausstehenden Elements zeigen die Projektergebnisse bereits jetzt ein großes Potenzial, die Frühwarnmöglichkeiten für schädliche Algenblüten erheblich zu verbessern. AIHABs leistet einen direkten Beitrag zu den Zielen der europäischen Umweltpolitik und zu den umfassenderen Bemühungen um eine nachhaltige Wasserbewirtschaftung, den Schutz der öffentlichen Gesundheit und die Widerstandsfähigkeit gegenüber dem Klimawandel. Eine erste Version des entwickelten Vorhersagesystems ist bereits unter http://160.217.162.143:8080/ verfügbar; die finale produktive Bereitstellung ist für Ende 2025 unter https://rwqforecast.com geplant.