Leichteres Lawinen-Monitoring dank Technologie.
Forschende des Instituts für Schnee- und Lawinenforschung (SLF) in Davos GR haben eine Methode entwickelt, mit der sich Lawinen auf Satellitenbildern automatisch erkennen und kartieren lassen.
Mit Satellitenbildern lasse sich der ganze Alpenraum großflächig abbilden, teilte das SLF am Dienstag mit. Diese Vogelperspektive sei besonders aufschlussreich. Denn sie ermögliche Antworten dazu, in welchen Gebieten wiederholt Lawinen vorkämen, wie häufig dies passiere und welchen Weg die Lawinen nähmen.
Bisher ist die Kartierung mühsame Handarbeit: Man muss die Aufnahmen auf dem Bildschirm von Auge nach Lawinen absuchen und deren Umriss manuell nachzeichnen, wie das SLF schrieb.
Die Doktorandin Elisabeth Hafner und ihre Kollegen entwickelten daher eine auf Machine-Learning basierte Bildanalysemethode. Dazu kartierte Hafner zunächst basierend auf Satellitenbildern vom 24. Jänner 2018 und dem 16. Jänner 2019 mehr als 24.000 Lawinen.
Diese manuelle Kartierung bildete die Grundlage, um den Computer zu trainieren - ihm also beizubringen, was in der Aufnahme eine Lawine ist und was nicht. Dabei wurden neben den optischen Daten auch topografische Informationen verwendet. Denn Lawinen entstehen praktisch nur in Hängen, die steiler sind als 30 Grad.
Die ersten Ergebnisse waren nach Aussage Hafners "nicht sehr zufriedenstellend". Die Forschenden vermuteten allerdings, dass dies daran liegen könnte, dass sich selbst Fachleute bei der Existenz und den Umrissen von Lawinen nicht immer einig sind.
Hafner ließ in der Folge ein Satellitenbild von fünf Lawinenexpertinnen und -experten manuell kartieren und verglich deren Übereinstimmung. Dabei stellte sich heraus, dass in besonnten, gut sichtbaren Gebieten die Übereinstimmung höher war als in schattigen Bereichen.
Insgesamt erkannten die Expertinnen und Experten gleich viel Lawinenfläche wie das Modell. Dies zeige, dass der Computer Lawinen praktisch genauso verlässlich erkenne wie verschiedene Fachleute.
In einem nächsten Schritt wird Hafner untersuchen, wie Fachleute bei der manuellen Kartierung vorgehen und warum sie die Aufnahmen in bestimmten Fällen unterschiedlich bewerten. "Wenn wir diese Unsicherheiten ermitteln, haben wir eine Chance, unser Modell entsprechend anzupassen", wurde die Doktorandin in der Mitteilung zitiert.
