Projektbeschreibung

In den letzten Jahren zeigten Reedereien verstärkt Interesse an der Nutzung von Schifffahrtswegen durch die Arktis. Derzeit für die Navigation herangezogene Eiskarten besitzen jedoch für die Fahrt durch das Eis oft eine zu geringe Auflösung. Zudem ist eine hohe Aktualität notwendig, da Meereis ständigen Veränderungen durch Wind und Strömungen unterliegt. Die europäische Sentinel-Satellitenserie bietet mit ihrer einmaligen Kombination aus optischen/thermalen Sensoren und Radarsensoren die Möglichkeit, die Meereis-Lageinformationen erheblich zu verbessern.

Ergebnisse und Wirkungen

Im Projekt wurde ein neues Verfahren entwickelt, welches erstmals optisch/thermale Daten von Sentinel-3 (klassifiziert von König & Partner, Fernerkundung GbR) und Radardaten von Sentinel 1 miteinander verknüpft. Mittels einer neuen Deep-Learning-Methode wird aus den verknüpften Daten das Meereis zuverlässiger als zuvor und in Nahe-Echtzeit hinsichtlich des Eis-Entwicklungszustandes klassifiziert. Dieser liefert wertvolle Informationen zur Navigierbarkeit und bildet die Basis zur Routenplanung von Schiffen in hohen geografischen Breiten. Die Ergebnisse wurden umfangreich validiert und der Mehrwert erfasst.

In einer im Projekt aufgebauten Prozesskette werden die Daten vollautomatisiert beschafft, klassifiziert und in die Endkundensoftware IcySea (https://icysea.app) integriert. Diese Software sowie die Klassifikationsprodukte wurden im Projekt auf mehreren gewerblichen und wissenschaftlichen Schiffspassagen erfolgreich erprobt, beispielsweise auf der S.A. Agulhas II während der Endurance22-Expedition.

Durch die Verfügbarkeit der klassifizierten Eisinformationen, eingebaut in die nutzerfreundliche Software, können polar operierende Schiffe effizienter navigieren, wodurch Zeit, Kosten und Emissionen minimiert werden sowie die Sicherheit von Schiff und Besatzung erhöht wird. Im nächsten Schritt soll die Prozesskette als kommerzieller Dienst dauerhaft angeboten werden.