Publication
Maschinelle Lernverfahren zur Verarbeitung von Satellitendaten als Grundlage eines digitalen Zwillings der Nordsee
Andre Miedtank; Christoph Manss; Janina Schneider; Oliver Zielinski
In: Umweltinformationssysteme - Vielfalt, Offenheit, Komplexität - Tagungsband des 29. Workshop "Umweltinformationssysteme" (UIS 2022)" des Arbeitskreises "Umweltinformationssysteme" der Fachgruppe "Informatik im Umweltschutz" der Gesellschaft für Inform. Workshop des Arbeitskreises "Umweltinformationssysteme" (UIS-2022), May 11-13, Germany, Pages 3-14, ISBN 978-3-658-39795-1, Springer Vieweg, Wiesbaden, 3/2022.
Abstract
Satellitendaten können einen großen Beitrag zur Überwachung der Meere leisten. Jedoch bringen sie auch verschiedene Herausforderungen mit sich. Diese liegen unter anderem in der Validierung der Satellitendaten, der Interpolation der Daten und der Erweiterung in tiefere Meeresschichten. Diese Arbeit stellt ein Konzept vor, um diesen Herausforderungen zu begegnen. Nach diesem Konzept wurden zuerst Satellitendaten in einem festen Raster abgebildet, um gleichbleibende Punkte und eine höhere Auflösung zu bekommen. Dafür wurden verschiedene Methoden zur Interpolation – Gaußsche Prozesse, k-nächste Nachbarn (kNN) und Lineare Regression – evaluiert. Die Gaußschen Prozesse erreichten die besten Ergebnisse. Für die Validierung der Satellitendaten wurde, da noch nicht genug In-situ-Daten zur Verfügung standen, ein hydrographisches Modell verwendet. Für die Validierung wird die Abweichung zwischen diesem hydrographischen Modell und den Satellitendaten berechnet. Die Verarbeitung der Satellitendaten ist ein erster Schritt, um diese Daten weiter zu nutzen, zum Beispiel im Kontext eines digitalen Zwillings der Nordsee. Ein solcher digitaler Zwilling soll Möglichkeiten zur Datenarchivierung, -visualisierung und Vorhersage bieten.