Yu Feng, Doktorand am Institut für Kartographie und Geoinformatik an der Leibniz Universität in Hannover hat in seiner Doktorarbeit analysiert, wie Bilder in Sozialen Medien dazu beitragen können, das Ausmaß einer Hochwasserkatastrophe zu verstehen und einzuschätzen. Auf der INTERGEO CONFERENCE wird Yu Feng seine Ergebnisse präsentieren.
Die Hochwasserkatastrophe entlang der Flüsse in Nordrhein-Westfalen und Rheinland-Pfalz zeigt eindringlich, wie sehr die Klimaveränderung auch in Deutschland extreme Wetterereignisse hervorbringt. Rechtzeitige Warnungen übermittelte das europäische System für Flutwarnungen EFAS (European Flood Awareness System), das nach den Hochwassern an Elbe und Oder im Jahr 2002 als Teil des Europäischen Erdbeobachtungssystem COPERNICUS etabliert wurde. Doch die Melde- und Warnkette kam nicht bei den Betroffenen an. Die britische Forscherin und Mitbegründerin von EFAS Hannah Cloke spricht in diesem Zusammenhang in einem Interview mit der Sunday Times von eklatentem Systemversagen.
Um Hochwasserereignisse besser zu verstehen, hat das Institut für Kartographie und Geoinformatik an der Leibniz Universität Hannover bereits im Jahr 2017 ein Forschungsprojekt durchgeführt. Mithilfe automatisierter Verfahren auf Basis künstlicher Intelligenz hat Yu Feng in seiner Doktorarbeit eine Methode erarbeitet, die Höhe des Wasserstands bei einer Flut auf Basis von Social Media-Feeds zu ermitteln. Yu Feng spricht auf dem INTERGEO Kongress über seine Doktorarbeit: “Flood severity mapping from Volunteered Geographic Information by interpreting water level from images containing people: A case study of Hurricane Harvey”.
Herr Feng, was ist der Hintergrund Ihrer Doktorarbeit?
Es gibt reichlich offizielle Informationen, wenn sich ein Hochwasser ereignet. Sensordaten entlang der Flüsse und Satellitendaten werden von den Behörden genutzt. Wir wollten Möglichkeiten ausloten, wie soziale Medien in die Warnungen bei Sturzfluten und Hochwassern mit einbezogen werden können. Und wie sie helfen können, eine Hochwasserlage im Nachgang besser zu verstehen, um Wiederholungen zu verhindern.
Und welche Informationen haben Sie aus soziale Medien über Hochwasser herausfiltern können?
Wir haben Bilder analysiert, die beim Hurricane Harvey im Jahr 2017 von Betroffenen gepostet wurden. Ich habe darauf aufbauend eine Methode entwickelt, wie mit Hilfe künstlicher Intelligenz Wasserstände abgeleitet werden können: das System erkennt, wie tief Menschen im Wasser stehen – bis zum Knöchel, Knie, Hüfte oder zur Brust. Daraus kann dann der Wasserstand grob bestimmt werden. Das Ganze ist als Ergänzung gedacht, wo es keine offiziellen Daten aus genauen Sensoren gibt.
Kann diese Abschätzung des Wasserpegels in Meldeketten von Hilfsorganisationen eingebaut werden?
Posts aus Twitter oder Instagram können sicher als zusätzliche Informationsquelle zu den offiziellen Informationen aus den zuständigen Behörden dienen. Vielleicht kann man diese Methode in Lagesoftware mit einbauen, um somit automatisch aktuelle Daten und mit den Bildern aus visuelle Eindrücke zu bekommen. Bisher ist mir aber ein solches Vorgehen nicht bekannt.
Herr Feng, wir bedanken uns für das Gespräch. Das Interview führte Monika Rech-Heider.
Yu Feng ist Doktorand am Institut für Kartographie und Geoinformatik an der Leibniz Universität in Hannover. Auf der INTERGEO CONFERENCE spricht er am 21.9.2021 von 16.20 Uhr bis 16.40 Uhr zu diesem Thema.
Klassifikationsergebnisse zur Wasserstandsschätzung
Überblick über die Hochwasserstärke für Hurrikan Harvey in Houston, USA 2017.
