Künstliche Intelligenz für klimaresilientes Infrastrukturmonitoring

KI4KI - Künstliche Intelligenz für klimaresilientes Infrastrukturmonitoring wurde zwischen 2022 und 2025 als Verbundprojekt des BMWK (Bundesministerium für Wirtschaft und Klimaschutz) zwischen der Friedrich-Schiller-Universität Jena und dem Ruhrverband gefördert (Förderkennzeichen: 50EE2202A) und entwickelte KI-basierte Ansätze für multitemporale Interferometric-Aperture-Radar-Zeitreihen (MT-InSAR) zur Überwachung von Deformationen an Staubauwerken in Deutschland.

Inhalt

Die Forschungsschwerpunkte im Detail

  • 1. Eignungsanalyse verschiedener Talsperren für eine satellitenbasierte Beobachtungsstrategie

    Im ersten Teil des Projekts wurde die Eignung verschiedener Talsperrentypen (z.B. Staumauern und Staudämme) für eine satellitenbasierte Beobachtungsstrategie bewertet. Die Methodik zielte auf die Entwicklung zweier Indizes, mit denen...:

    1. die generelle Sichtbarkeit von Talsperren im Radarbild anhand von Datenverfügbarkeit, Topografie und Landbedeckung beurteilt werden kann und
    2. Deformationen in der Sichtlinie des Sensors (LOS, engl. Line-of-sight) in Deformationen in radialer Richtung zur Bauwerkskrone umgewandelt und interpretiert werden können.

    Zu diesem Zweck wurden frei verfügbare MT-InSAR-Datensätze des Bodenbewegungsdienstes Deutschland (BBD)Externer Link verwendet.

    Ascending LOS-Sensitivität (%) gegenüber radialen Verformungen in Abhängigkeit der radialen Ausrichtung der Staumauerkrone (°). Die LOS-Sensitivität wird als Anteil an der tatsächlichen radialen Verformung (mm) ausgedrückt. Orthofoto: GDI-NRW (2024), EPSG: 25832.

    Foto: Jonas Ziemer
  • 2. Multi-Sensor-Kombination verschiedener Satelliten zur raum-zeitlichen Verdichtung von Radarzeitreihen

    Segmentierung einer Staumauer nach Abschnitten unterschiedlichen Bewegungsverhaltens. Die PS-Punkte der Segmente sind in verschiedenen Farben dargestellt und zu einem mittleren Deformationsprofil über die Zeit zusammengefasst.

    Foto: Jonas Ziemer

    In einem nächsten Schritt wurden die Daten zweier verschiedener Radarsensoren mit unterschiedlichen Wellenlängen, TerraSAR-X (X-Band) und Sentinel-1 (C-Band) kombiniert, um eine räumlich und zeitlich verdichtete Zeitserie zu generieren. Dafür wurde ein neue Schnittstelle namens TSX2StaMPSExterner Link entwickelt, die es ermöglicht, hochauflösende TerraSAR-X-Daten mit der Open-Source-Software SNAP der ESA vorzuprozessieren. TSX2StaMPS ist als aktualisierte Version bereits in snap2stampsExterner Link integriert und wurde 2023 auf der Fringe-Konferenz der ESA in Leeds vorgestellt.

    Die untersuchten Talsperren wurde in verschiedene Segmente unterteilt und deren Bewegungsverhalten anhand der kombinierten TSX/S1-Zeitreihe analysiert. Durch die Kombination beider Sensoren zu einer mittleren Zeitserie pro Segment wurde es möglich zu beobachten, wie sich das Deformationsprofil je nach Lage der einzelnen Segmente unterscheidet. Des Weiteren konnten anhand von In-Situ-Daten die Treiber der Deformationen festgestellt werden.

  • 3. Vorhersage von Deformationen an Talsperren durch datengetriebene Ansätze

    Da für Talsperrenbetreiber nicht nur die Analyse vergangener Deformationen, sondern insbesondere die Vorhersage zukünftiger Bewegungen an ihren Stauanlagen von Relevanz ist, befasste sich die FSU-EO zusammen mit der FSU-CVG-Gruppe auch mit der Deformationsvorhersage mit Hilfe datengetriebener Ansätze. Ziel war es, die Vorhersagegenauigkeit bisher genutzter Modelle zu verbessern. Zum Einsatz kamen verschiedenste Algorithmen, wie Zeitserien-Vorhersage-Modelle, Ensemble-Methoden, sowie Deep-Learning-Ansätze. Durch die Implementierung der Algorithmen in bestehende Abläufe, konnte die Vorhersagegenauigkeit sowohl für die PSI-Daten, als auch für In-Situ-Messungen merklich erhöht werden.

    Links: Lotanlage (orange) und PS-Punkte (blau) an der Möhnestaumauer. Die Deformationsvorhersage (in mm) wurde für das Jahr 2020 durch eine umfassende Modellsuche ermittelt. Rechts: Türkisfarbene Punkte kennzeichnen die Trainingsdaten, graue Punkte stellen die von der Lotanlage aufgenommenen Testdaten dar (Ruhrverband, 2021). Die farbigen Linien zeigen die prognostizierte Deformation des Modells mit der besten Leistung pro Suchraum. Orthophoto: GDI-NRW (2024), EPSG: 25832.

    Foto: Jonas Ziemer
  • 4. Entwicklung einer auf elektronischen Corner-Reflektoren (ECR) basierten Überwachung von Deformationen an Talsperren

    Elektronischer Corner-Reflektor (ECR) mit Solarpanel für die Stromversorgung. Hier installiert auf der Krone des Biggedamms.

    Foto: Jonas Ziemer

    Nicht alle Talsperren weisen geeignete Ausgangsvoraussetzungen für eine satellitenbasierte Beobachtungsstrategie auf. So können ungünstige topografische Bedingungen oder vegetationsbedeckte Oberflächen die Detektion von PS-Punkten an Staubauwerken beeinflussen. Um diese Anlagen dennoch beobachten zu können, wurden im Rahmen des Projekts sechs elektronische Corner-Reflektoren (ECR) an fünf Talsperren des Ruhrverbands installiert. Über einen Beobachtungszeitraum von mehr als 2,5 Jahren lieferten die ECRs stabile Radarsignale und ermöglichten millimetergenaue Deformationszeitreihen. Die Ergebnisse wurden erfolgreich mit In-Situ-Messungen des Ruhrverbands verglichen und bestätigen die grundsätzliche Eignung von ECRs für den Betrieb an Talsperren.

  • 5. Entwicklung einer Schnittstelle zur Visualisierung der Ergebnisse für Talsperrenbetreiber

    Um die wissenschaftlichen Ergebnisse der Forschung in die operative Praxis zu überführen, wurde eine webbasierte Plattform entwickelt, die speziell auf die Bedürfnisse von Talsperrenbetreibern ausgerichtet ist. Die Anwendung bündelt ECR-gestützte Satellitenmessdaten, die unter Punkt 1) angewendeten Indizes, sowie die In-Situ-Messdaten des Betreibers in einer gemeinsamen, interaktiven Oberfläche. Zeitreihenvisualisierungen, der direkte Vergleich mehrerer Messpunkte sowie Datenexporte im Format des Ruhrverbands unterstützen die nahtlose Einbindung der Ergebnisse in bestehende Sicherheitsüberwachungsprogramme. Die Datenhoheit verbleibt vollständig beim jeweiligen Betreiber; automatisierte Skripte übernehmen die Aufbereitung neuer Datensätze und gewährleisten eine reproduzierbare Verarbeitung. Das System ist so konzipiert, dass es auf weitere Infrastrukturbetreiber und Bauwerksklassen übertragen werden kann.

    Webdienst zur Visualisierung der Deformationen an den Talsperren. Der Dienst kann durch den modularen Aufbau an die individuellen Wünsche jedes Talsperrenbetreibers angepasst werden.

    Foto: Jannik Jänichen
Hinweis

Weiterführende Informationen und Details zu den Projektergebnissen finden Sie auch auf GitHubExterner Link und auf der Projektseite des RuhrverbandsExterner Link

Kontakt

Annett Habenstein

Teamassistenz
Professur Fernerkundung
Foto von Annett Habenstein
Foto: Annett Habenstein
JenTower, Raum 26S04, 26. Etage
Leutragraben 1
07743 Jena Google Maps – LageplanExterner Link
Sprechzeiten:
Montag bis Freitag

09:00 bis 13:00 Uhr
  • FSU
  • RV
  • DLR
  • BMWK