// SCINEXX — SPAZIO & SCIENZA
KI erkennt Erdrutsche mit weniger Daten schneller
Satellitenmodelle zur Kartierung von Erdrutschflächen arbeiten oft mit vielen Spektral-, Gelände- und Zusatzdaten. Eine neue Studie zeigt, dass acht gezielt ausgewählte Eingangskanäle auf dem Landslide4Sense-Testdatensatz ähnlich genaue Segmentierungen liefern wie 30 Kanäle, dabei aber mehr als doppelt so viele Bildkacheln pro Sekunde verarbeiten.
Cardiff (Wales). Nach Erdrutschen können Satellitenaufnahmen zeigen, wo Vegetation verschwunden ist und Boden oder Gestein freigelegt wurden. KI-Modelle markieren solche Flächen pixelgenau, doch dafür werden häufig zahlreiche Spektralbänder, Geländedaten und daraus berechnete Zusatzmerkmale kombiniert. Je größer dieser Eingangsstapel wird, desto schwieriger lässt sich nachvollziehen, welche Informationen die Vorhersage tatsächlich tragen.
Der Landslide4Sense-Datensatz bündelt dafür Satelliten- und Geländedaten aus vier Regionen in Japan, Indien, Nepal und Taiwan. Die von 2015 bis 2021 erfassten Beispiele unterscheiden sich in Landschaft und Auslösern der Rutschungen. Gleichzeitig sind Erdrutschpixel selten, denn sie machen nur rund 2,5 Prozent aller Bildpunkte aus. Damit wird eine saubere Trennung von Rutschungsflächen und Hintergrund besonders anspruchsvoll.
Forscher der Cardiff University um Arsalaan Ahmad haben untersucht, welche Eingangsdaten für diese Aufgabe wirklich nötig sind. Ausgangspunkt waren 14 Basiskanäle, darunter zwölf Spektralbänder aus Sentinel-2-Aufnahmen sowie Hangneigungs- und Höhendaten von ALOS PALSAR. Dazu kamen 16 berechnete Merkmale, darunter Vegetations-, Feuchte- und Wasserindizes sowie Kanten- und Helligkeitsinformationen. Insgesamt standen damit 30 mögliche Eingangskanäle zur Auswahl.
„Als ich zwischen den Bergen lebte, entwickelte ich ein echtes Interesse an Erdrutschen“, erinnert sich Arsalaan Ahmad.
Für die Auswahl nutzte das Team eine Methode namens Sequential Forward Floating Selection. Dabei wird ein zunächst leeres Merkmalsset schrittweise erweitert, während bereits gewählte Kanäle wieder entfernt werden können, wenn sie im Zusammenspiel keinen zusätzlichen Nutzen bringen. Ein kompaktes U-Net++ diente während dieser Suche als Vergleichsmodell. Die endgültige Auswahl wurde anschließend auf dem zurückgehaltenen Testteil des Datensatzes bewertet.
„Ich wandte mich an einige Professoren mit der Idee, an etwas zur Erdrutschsegmentierung zu arbeiten, aber die meisten waren ziemlich skeptisch“, sagt Arsalaan Ahmad.
Am Ende blieben acht Kanäle übrig. Mit U-Net++ erreichte diese Auswahl eine vergleichbare oder leicht bessere Segmentierungsleistung als Konfigurationen mit 23 oder 30 Kanälen. Für die acht Kanäle lagen Präzision und Trefferquote im Mittel bei 78,0 beziehungsweise 74,0 Prozent, die Überschneidung zwischen vorhergesagten und tatsächlichen Erdrutschflächen bei 61,2 Prozent.
Der Unterschied zeigt sich besonders bei der Rechenlast. Unter derselben Inferenzkonfiguration verarbeitete das Acht-Kanal-Modell 119,8 Bildkacheln pro Sekunde. Mit allen 30 Kanälen waren es 45,0. Zugleich sank der Rechenaufwand von 71,0 auf 57,8 Milliarden Gleitkommaoperationen pro Durchlauf. Die kleinere Eingangsdimension sparte damit Rechenleistung, ohne die Kartierungsqualität zu verschlechtern.
Eine zusätzliche Analyse zeigt, warum das Ausdünnen funktionieren kann. Viele der 30 Kandidaten enthalten stark überlappende Informationen, weil mehrere Indizes aus denselben ursprünglichen Spektralbändern berechnet werden. Im ausgewählten Acht-Kanal-Set war das rote Spektralband B4 am wichtigsten. Danach folgten die Hangneigung und eine aus den sichtbaren Bändern berechnete Graustufeninformation.