Fernerkundung - Umweltanalyse
Leitung: Prof. Dr. Anette Eltner, Dr. Marc Rußwurm, Katrin Krzepek

Der Arbeitskreis Fernerkundung - Umweltanalyse widmet sich der Erfassung, Modellierung und Analyse der Erdoberfläche und ihrer dynamischen Prozesse an der Schnittstelle von Geowissenschaften, Ökologie, Ingenieurwesen und Informationstechnologie. Während in den Anfängen des Arbeitskreises primär die klassische Satelliten- und Luftbildauswertung im Vordergrund stand, spiegelt unsere Arbeit heute einen methodischen und technologischen Brückenschlag von globalen Satelliten-Zeitserien bis hin zur zentimetergenauen Naherkundung (Close-Range Sensing) mittels Drohnen (UAVs) und terrestrischen Systemen wider.

Die moderne angewandte Fernerkundung zeichnet sich durch einen skalenübergreifenden, hochfrequenten und datengetriebenen Ansatz aus. Durch die nahtlose Verknüpfung lokaler UAV-Naherkundung mit globalen Satelliten-Zeitreihen werden dynamische Umweltprozesse kontinuierlich in 4D erfassbar. Die Bewältigung dieser massiven und heterogenen Datenmengen gelingt durch den gezielten Einsatz maschinellen Lernens und künstlicher Intelligenz auf Cloud-Computing-Infrastruktur, um raumzeitliche Rohdaten in skalierbare, nutzbare Repräsentationen von Umweltprozessen zu überführen. Dieser interdisziplinäre Ansatz mit Sensorik, Fernerkundung und KI-gestützten Analyseverfahren schafft die Entscheidungsgrundlagen für drängende Herausforderungen wie die Klimaanpassung, den Wasserbau, die Naturgefahrenprävention und eine nachhaltige Stadtentwicklung.

dgpf

Der Arbeitskreis fokussiert sich auf die operationelle Anwendung skalenübergreifender Fernerkundungsdaten und deren datengetriebene Analyse mittels KI, um drängende ökologische und gesellschaftliche Fragen des globalen Wandels zu beantworten. Im Zentrum stehen dabei das prozessnahe Monitoring von Umweltsystemen, die Analyse dynamischer Räume im Anthropozän sowie die Überwachung von Naturgefahren, Geomorphodynamiken und Landschaftssystemen unter dem Druck des Klimawandels. Durch die Integration moderner Sensorik vom terrestrischen System, Drohnen, und Satellitendaten mit modernen räumlichen Analyseverfahren liefern wir unverzichtbare Geoinformationen für ein nachhaltiges Umwelt-, Ressourcen- und Risikomanagement.

DOP peatland MV

Der Arbeitskreis versteht sich als dynamische Plattform für den wissenschaftlichen Austausch, die Vernetzung von Forschung und Praxis sowie die Förderung des wissenschaftlichen Nachwuchses. Wir befürworten Open Science, die Bereitstellung offener Forschungsdaten (Open Data) und Source Codes sowie reproduzierbare Auswertungspipelines, um die drängenden gesellschaftlichen Fragen des globalen Wandels mit fundierten Geoinformationen zu beantworten.

Der Fokus unseres Arbeitskreises liegt auf der zielgerichteten Anwendung und dem operativen Einsatz moderner Fernerkundungsverfahren:

  • Umweltmonitoring mittels UAV- und Naherkundung (Close-Range Sensing): Im Zentrum steht der Transfer moderner Drohnen- und Naherkundungstechnologien in den ökologischen und geowissenschaftlichen Forschungsalltag. 
  • Entwicklung und Anwendung des Machinellen Lernens und KI zur Geodatenauswertung: Ein weitere Fokus liegt auf modernen Werkzeugen der Künstlichen Intelligenz und des Repräsentationslernens, um die rasant wachsenden Datenvolumen an heterogenen Rohdaten in deskriptive Repräsentationen zu transformieren um sie effizient und automatisiert für Fachanwendungen auszuwerten.
  • Cloud-Computing und Open Science in der Praxis: Die Verarbeitung massiver Datenmengen (Big Data) wird von lokalen Rechnern in skalierbare Cloud-Infrastrukturen verlagert, um großräumige Analysen überhaupt erst zu ermöglichen.
  • Operative Nutzung moderner Satellitensysteme: Der Arbeitskreis widmet sich der Integration der Daten der neuesten Satellitengenerationen in operationelle Monitoring- und Früherkennungssysteme.
  • Integration und Nutzung von In-situ-Daten in der Umweltanalyse: Eine zentrale Voraussetzung für belastbare Fernerkundungsanwendungen ist die systematische Einbindung von In-situ-Daten als Referenz für Training, Kalibrierung und Validierung.
  • Fernerkundung zur Bewältigung gesellschaftlicher Herausforderungen: Unser primäres Ziel ist es, mit Fernerkundungsdaten fundierte Antworten auf die drängenden Fragen der Klimakrise und des globalen Wandels zu liefern.

Arbeitsgebiete – Terms of Reference

  • Satellitengestütztes Umweltmonitoring
  • UAV- und bodengestützte Naherkundung (Close-Range Sensing)
  • Auswertung skalenübergreifender Zeitreihen (Multitemporale und multimodale Analyse)
  • Anwendung von Big-Data- und Cloud-Computing-Plattformen
  • KI und Machine Learning in der Geodatenauswertung
  • Fernerkundung in Hydrologie und Gewässermorphologie
  • Urbane Fernerkundung und Siedlungsdynamik
  • Monitoring von Naturgefahren und Geomorphodynamiken
  • Monitoring von Verschmutzung auf Land und in Wasserstraßen
  • Anwendungen im Forst-, Agrar- und Ökosystemmanagement
  • Praktische Umsetzung von Open Science und reproduzierbaren Workflows

Charakterisierung aktueller Forschungsfelder

  • Operationelle Nutzung von Copernicus-Satellitendaten (Sentinel-Missionen)
  • Einsatz von NewSpace- und CubeSat-Konstellationen für hochfrequente Analysen
  • Anwendung hyperspektraler Satellitendaten (z. B. EnMAP, PRISMA)
  • UAV-gestützte SfM-Photogrammetrie und LiDAR im Continuous Monitoring
  • Einsatz und Entwicklung von CNNs, RNNs und Transformer zur semantischen Bildsegmentierung oder Zeitserienanalyse
  • Räumliches Repräsentationslernen und Earth Embeddings
  • Automatisierte Klassifizierung und Filterung von 3D-Punktwolken für Fachanwendungen
  • Cloud-basierte Großraum- und Kontinentalanalysen (z. B. Google Earth Engine, CDSE)
  • 4D-Erfassung von Gewässerstrukturen, Fließgeschwindigkeiten und Renaturierungen
  • Analyse städtischer Mikroklimata, Hitzeinseln und Versiegelungsgrade
  • Klimafolgenmonitoring (Dürre detektion, Waldschäden, Gletscherschmelze)
  • Integration von Fernerkundungsdaten in hydrologische und geowissenschaftliche Modelle
  • Entwicklung und Bereitstellung von Open-Source-Auswertungspipelines (Python/R)