Schwere Regenfälle und Überflutungen können nicht nur Lebensbedrohlich sein, sondern verursachen darüber hinaus auch immense wirtschaftliche Schäden. 2021 hat ein Starkregenereignis in Deutschland verheerende Schäden angerichtet, die auf über 40 Billionen Dollar geschätzt werden. [1]
Satellitenbilder können Echtzeitdaten dazu liefern, welche Gebiete überflutet sind und können so Einsatzpersonal bei der Identifikation von Hotspots und der Priorisierung von Einsätzen helfen. Hierzu sind Informationen, ob ein Bereich in einem Satellitenbild überflutet ist oder nicht, ebenso wichtig wie Informationen zu der Höhe des Wasserstandes und dem Status von kritischer Infrastruktur wie Straßen und Brücken. Machine Learning Methoden können auf Satellitenbildern automatisiert erkennen, ob ein Bereich überflutet ist. Diese Aufgabe wäre sonst ein signifikanter manueller Aufwand.
Wir beschäftigen uns damit die automatisierte Erkennung von überfluteten Bereichen in Satellitenbildern zu verbessern, indem wir neueste Machine Learning Methoden wie unüberwachtes Lernen (unsupervised learning) nutzen oder weitere Datenquellen wie multi-spektrale Satellitenbilder oder digitale Höhenmodelle mit einbeziehen.
[1]https://www.bloomberg.com/news/articles/2022-01-10/german-floods-cost-a-record-40-billion-munich-re-estimates