Wir setzen auf kosmische Strahlen

Und da Wasserstoffatome im Boden hauptsächlich in Wasser vorkommen, hatte irgendwann jemand die zündende Idee: Was wäre, wenn wir die „zurückkehrenden“ Neutronen messen, um daraus Informationen über das Vorhandensein von Wasser im Boden abzuleiten? Je feuchter der Boden, desto weniger Energie kehrt in den Weltraum zurück...

Hochauflösende Satellitenbilder haben sich als unverzichtbare Hilfe erwiesen, um das ganze Bild zu vervollständigen und das Modell zum Wasserhaushalt der Region weiter zu verbessern.
Das Team von Eurac Research hat die im Fachjargon genannte „Bildklassifizierung“ beigesteuert, d. h. es hat Satellitenbilder verarbeitet, um immer genauere Karten zu erstellen. „Ausgehend von den Daten des Sentinel-2-Satelliten haben wir einen Algorithmus entwickelt, der das Bild klassifiziert, indem er eine Karte der Schneedecke (snow cover fraction) erstellt, d.h. eine Karte, in der jedes Pixel des Bildes dem Prozentsatz der mit Schnee bedeckten Fläche entspricht“, erklären Ludovica De Gregorio und Giovanni Cuozzo von Eurac Research. „Der verwendete Algorithmus basiert auf Techniken der künstlichen Intelligenz, und durch ein 'Training' des Modells haben wir das Schätzen der snow cover fraction im Vergleich zum Copernicus-Referenzprodukt verbessert, das heißt der Karte, die vom Erdbeobachtungsprogramm der Europäischen Union erstellt wurde und als Vergleich dient.“

_{Links: ein optisches Bild, wenn auch mit verzerrten Farben, von Tirol und Südtirol, das vom Satelliten Sentinel 2 gesendet wurde (optisches Bild bedeutet, dass es von optischen Sensoren aufgenommen wurde, d.h. mit einer Technologie, die der von Fotokameras ähnelt, aber ausgefeilter ist. Die andere große Gruppe sind die Radarsensoren). Dies ist das Ausgangsbild. In der Mitte: das von Eurac Research klassifizierte Bild. Gelb sind die Werte für die snow cover fraction, d. h. die mit Schnee bedeckten Flächen. Rechts: die vom Erdbeobachtungsprogramm Copernicus der Europäischen Union erstellte Karte, die als Referenz dient. Der Vergleich zeigt, wie das Copernicus-Bild die schattigen Bereiche (dunklere Teile des ersten Bildes) unterschätzt, indem es sie als schneefrei ausweist. Dem von Eurac Research entwickelten Algorithmus gelingt es gut, das Vorhandensein von Schnee auch in den schattigen Bereichen zu erfassen.}

Um die Validität und Qualität der erstellten Karte zu überprüfen, wurden dann Bilder mit sehr hoher räumlicher Auflösung (etwa zwei Meter) verwendet, die ebenfalls klassifiziert und als Vergleich herangezogen wurden. Die Bilder mit sehr hoher Auflösung stammen vom WorldView-Satelliten.

_{Hochauflösendes Satellitenbild, mit klassifizierter Version rechts. Das Bild wurde am 27. November 2020 im Testgebiet rund um die Dresdner Hütte am Stubaier Gletscher in Tirol aufgenommen.}

Das Forschungsteam nutzte auch Satellitenbilder als Hilfsmittel, um zu ermitteln, wie viel Feuchtigkeit am Boden ist, insbesondere Sentinel-1-Mikrowellenbilder und optische Landsat-8-Bilder, die ebenfalls mit auf künstlicher Intelligenz basierenden Algorithmen klassifiziert wurden.

_{Karte zur Bodenfeuchte vom 18. September 2021. Das Blau in verschiedenen Intensitäten zeigt die Bodenfeuchte an. Die roten Konturen grenzen Nordtirol, Südtirol und Osttirol ab. Es ist zu erkennen, dass in den westlichen Tälern und dem Unterland, mit Ausnahme der Eisacklinie, helle Farben vorherrschen, was trockeneren Gebieten entspricht.}

„Die Forschung und auch die öffentlichen Verwaltungen investieren zunehmend in diese hybriden Formen der Überwachung und in Sonden für kosmische Strahlung, um die natürlichen Ressourcen in einem Gebiet besser zu überwachen“, erklären De Gregorio und Cuozzo. „Außerdem sind unsere Karten dank ihrer Fähigkeit, die topografischen Merkmale des Geländes in hoher Auflösung darzustellen, auch nützlich bei der Wahl des idealen Standorts für die Sensoren.“