Veranstaltungsprogramm

-

Der quartäre Vulkankomplex Olkaria ist ein Hochtemperatur-Geothermiesystem im zentralen Kenya Rift, das sich in einer strukturellen Übergangszone zwischen den eruptiven Zentren des Mt. Longonot und Mt. Eburru befindet. Diese Region ist durch lang anhaltende krustale Deformation und Bodensenkung geprägt. Vertikale Bodenbewegungen stehen im Zusammenhang mit Prozessen im Maßstab der Erdkruste, einschließlich magmatischer Intrusion und Eruption sowie Abschiebungen und Transferstörungen. Darüber hinaus ist die Region durch Fluidentnahme im Zusammenhang mit der geothermischen Energiegewinnung beeinflusst worden. In den letzten 20 Jahren wurden verstärkt Reinjektionsstrategien implementiert, um den Druckabfall zu verlangsamen und damit eine exponentielle Bodensenkung zu mindern. Obwohl bereits 1983 ein umfangreiches Referenznetz zur Überwachung der Oberflächendeformation eingerichtet wurde, machte das Fehlen nachfolgender präziser Messungen die Anwendung moderner geodätischer Methoden erforderlich, um Ausmaß und zeitliche Entwicklung der Bodenverformung zu quantifizieren und die Rolle tektonischer sowie anthropogen bedingter Veränderungen der Landoberfläche besser zu verstehen.

Hier präsentieren wir neue radarinterferometrische Beobachtungen aus dem vergangenen Jahrzehnt, die Sentinel-1-Daten (2016–2026) und TerraSAR-X-Daten (2024–2026) kombinieren, um vertikale Oberflächenbewegungen mit hoher räumlicher und zeitlicher Auflösung zu bestimmen. Diese InSAR Zeitreihen werden durch Messungen eines lokalen GNSS-Netzwerks ergänzt, das auf und um den Olkaria-Dom installiert wurde. Unsere Ergebnisse zeigen, dass sich die seit 2016 beobachtete schnelle Subsidenz um etwa 2020 deutlich verlangsamt hat und seitdem weitgehend stagniert. Hochauflösende X-Band- sowie Persistent-Scatterer-C-Band-Daten zeigen, dass lokal begrenzte Subsidenz in der Nähe von Fluidentnahmestellen weiterhin besteht, während die regionalen Subsidenzraten im Bereich des Vulkankomplexes um etwa eine Größenordnung abgenommen haben. Unabhängige, statistisch robuste Analysen von GNSS-Zeitreihen bestätigen diese Beobachtungen. Darüber hinaus bewerten wir verschiedene InSAR-Verarbeitungsstrategien und heben die entscheidende Bedeutung einer sorgfältigen atmosphärischen Korrektur hervor, insbesondere aufgrund des Einflusses hoher saisonaler Feuchtigkeitsverfügbarkeit.

Insgesamt zeigt unsere Analyse, dass die vertikale Deformation der Landoberfläche in der Olkaria Region auf jährlichen Zeitskalen primär durch tiefreichende magmatische Prozesse gesteuert wird, während die geothermische Energiegewinnung nur lokal durch Fluidentnahme zur Subsidenz beiträgt.

-

Das International Continental Scientific Drilling Program (ICDP) unterstützt internationale Forschungsteams, die kontinentale wissenschaftliche Bohrungen durchführen möchten, finanziell und operativ. So wurden in den letzten 30 Jahren ca. 60 Projekte gefördert, bei denen mehr als 100 km Gestein geborgen wurden.

Da Bohren ein sehr teures Unterfangen ist – so kostet beispielsweise ein Meter Gestein bei einer 800 Meter tiefen Bohrung zwischen 500 und 1 000 Euro – muss das Maximum aus den Proben und Daten herausgeholt werden. Um dies zu gewährleisten, folgt ICDP den FAIR-Prinzipien. Alle in der aktiven Phase des Projekts gesammelten Daten bilden den operativen Datensatz, auf den alle Mitglieder des wissenschaftlichen Teams während der Bohr- und Probenahmephase des Projekts sowie die gesamte wissenschaftliche Gemeinschaft nach Ablauf des Moratoriums Zugriff haben. Für die Datenerfassung und Probenverwaltung nutzt und entwickelt das ICDP ein eigenes Datenmanagementsystem, das mobile Drilling Information System (mDIS). Dabei handelt es sich um eine Open Source Software (GPL 2.0) in der unter anderem Daten und Metadaten zu geologischen Proben, dem Bohrprozess und der Lithologie erfasst werden. Außerdem können Bilder und Dokumente direkt einem Datensatz zugeordnet werden und Datenreports und Probenlabel exportiert und gedruckt werden. Um die Auffindbarkeit der Proben nach dem Ende des Moratoriums sicher zu stellen wird jeder Probe automatisch ein persistenter Identifier zugewiesen, die International Generic Sample Number (IGSN).

Technisch gesehen ist mDIS eine auf einer relationalen Datenbank basierende Webanwendung, die auf einem LAMP-Stack (Linux, Apache, MariaDB, PHP) aufbaut. Auf der Client-Seite basiert mDIS auf einem JavaScript-Framework (VueJS), das in Verbindung mit dem PHP-Framework Yii eine reaktive bidirektionale Datenbindung ermöglicht. Auf mobilen Geräten kann mDIS als Progressive Web App (PWA) ausgeführt werden, die fast wie eine native App funktioniert. mDIS verfügt über REST-Anwendungsprogrammierschnittstellen (APIs) für Drittanbieter von Anwendungen und externe Datenanbieter.

Die starke Zunahme von Erdbeobachtungsdaten – durch internationale Raumfahrtagenturen wie ESA und NASA sowie einer Vielzahl kommerzieller Anbieter – eröffnet großes Potenzial für ein weites Anwendungsfeld unter anderem in Umweltmonitoring, Landwirtschaft, Naturschutz, Stadtplanung und Infrastrukturüberwachung. Trotz der dynamischen Entwicklung des „New Space“-Sektors bleibt aber die Überführung aktueller Fernerkundungsforschung in die operationelle Anwendung eine zentrale Herausforderung. Insbesondere öffentliche Einrichtungen auf verschiedenen Verwaltungsebenen und NGOs stehen vor erheblichen Hürden bei der Nutzung von EO-Daten in ihrer täglichen Arbeit. Diese resultieren aus der großen Vielfalt heterogener Datenquellen, sich schnell weiterentwickelnden Analysemethoden sowie der Komplexität neuer Datentypen wie hyperspektraler Daten und Drohnenbasierter Daten sowie dem Wissen diese Vielfalt zielgerichtet anwendbar zu machen.

FERN.Lab, am GFZ Helmholtz-Zentrum für Geoforschung, adressiert diese Lücke, indem es als Schnittstelle zwischen Wissenschaft und Anwendung fungiert. Ziel ist es, Fernerkundungsdaten und -methoden „transferfähig“ zu machen – also zugänglich, anwendbar und an den Bedarfen unterschiedlicher Akteure ausgerichtet. Durch die enge Zusammenarbeit eines interdisziplinären Teams aus Wissenschaft, Softwareentwicklung und Wissenstransfer mit Partnern aus Verwaltung, Wirtschaft und Zivilgesellschaft entstehen praxisnahe Lösungen.

Im Zentrum steht ein iterativer Co-Design-Ansatz, der Nutzeranforderungen systematisch in operationelle Werkzeuge und Dienste überführt und dabei auf agile Entwicklungsprozesse sowie nachhaltige Softwarearchitekturen setzt. Parallel dazu entwickelt FERN.Lab innovative Methoden weiter – insbesondere in den Bereichen hyperspektraler Fernerkundung, maschinelles Lernen und multisensoraler und multiskaliger Datenintegration – um sicherzustellen, dass wissenschaftliche Fortschritte effektiv in realen Anwendungskontexten nutzbar werden. Ergänzend fördern zielgerichtete Trainings-, Outreach- und adaptive Lernformate den Kompetenzaufbau bei Anwenderinnen und Anwendern und unterstützen die eigenständige Integration EO-basierter Lösungen in Entscheidungsprozesse.

Dieser integrierte Ansatz zeigt sich in verschiedenen aktuellen Transferprojekten, darunter Unterstützung klimawandelangepasster Landwirtschaft durch effizientere Erfassung der Ressource Wasser mittels X-Band Wetterradaren, urbanes Grünflächenmanagement mittels Fernerkundungsdaten von Drohnen bis hin zu Satelliten, Integration von Hyperspektraldaten in operationelle Bodenkohlenstoffquantifizierungen, sowie die Verwendung von Fernerkundungsdaten zur verbesserten Risikobewertung und Prognose von Schaderregern in der Landwirtschaft. Dabei kombiniert FERN.Lab offene und kommerzielle EO-Daten, um spezifische Anforderungen unterschiedlicher Nutzergruppen zu erfüllen und deren Integration in bestehende Arbeitsabläufe zu ermöglichen.

Durch die systematische Verknüpfung von Forschung, Technologieentwicklung und Nutzerbeteiligung trägt FERN.Lab dazu bei, die Lücke zwischen EO-Wissenschaft und praktischer Anwendung zu schließen. Die Arbeiten verdeutlichen die zentrale Rolle von Wissens- und Technologietransferstrukturen für die erfolgreiche Nutzung von Erdbeobachtungsdaten und für fundierte Entscheidungen auf regionaler und institutioneller Ebene.

-

Seit mehreren Jahrzenten werden am Deutschen Zentrum für Luft- und Raumfahrt e.V. (DLR), Institut für Weltraumforschung, digitale Kamerasysteme entwickelt, gebaut und betrieben. Angefangen mit der ADS40, der ersten kommerziellen digitalen Luftbildkamera der Welt, wurde in den letzten Jahren MACS (Modular Aerial Camera Systems) entwickelt, eine Systemfamilie von luftgestützten Kamerasystemen mit einzigartigen technischen Fähigkeiten. Kennzeichnend für MACS ist der modulare Ansatz, der es ermöglicht, Kamerasysteme auf unterschiedlichste bemannte und unbemannte Trägersysteme wie z.B. Kleindrohnen, Motorsegler, Helikopter, High Altitude Platforms (HAP), Jets und Luftschiffe, zu integrieren. Der modulare Ansatz ermöglicht es auch, für den jeweiligen Anwendungsfall einen oder mehrere Sensoren in unterschiedlichen Sichtgeometrien und/oder passenden Spektralbereichen zu integrieren, wie z.B. RGB, Infrarot, kurzwelliges Infrarot (Short Wave InfraRed, SWIR) oder Thermalinfrarot (TIR). Gemeinsam ist allen MACS, dass sie mit einer einheitlichen Kamerasteuerung und Auswertekette ausgestattet sind und alle Bilddaten hochgenau mit Lage und Positionsdaten synchronisiert werden. Dadurch ist es für alle MACS möglich, schon während des Fluges die Bilddaten auf ein Oberflächenmodell zu projizieren und in Echtzeit zu georeferenzieren. Mittels des patentierten TAC-Verfahrens (Terrain Aware Clipping) werden aufeinanderfolgende Bilder, die aufgrund hoher Aufnahmefrequenzen in der Regel eine hohe Überlappung besitzen, so beschnitten, dass nur die neue Bildinformation bestimmt, übermittelt und damit sukzessive ein Bildmosaik aufgebaut wird. Durch die Beschneidung und gleichzeitige Kompression ist es möglich, die Bilddaten über integrierte Funk-, LTE- oder Satellitenkommunikation zum Boden zu senden und dort in Echtzeit ein schritthaltendes Bildmosaik auf dem MACS-Live Server zu erstellen. Durch angepasste Servertechnologien kann dieses aktuelle Lagebild weltweit über verschiedene Schnittstellen wie z.B. WMS von Endnutzern in ihre Anwendungen (GIS, digitale Lagebilder) integriert und auf mobilen Endgeräten abgerufen werden. Mit fortschreitender Befliegung wird die Bildkarte kontinuierlich aktualisiert und gegebenenfalls in Zeitscheiben abgelegt. Aus den ebenfalls abgespeicherten Originaldaten mit hoher Bildüberlappung kann innerhalb kurzer Zeit ein zu den Bildmosaiken passendes bildbasiertes 3D-Modell abgeleitet werden. Auch eine Interpretation der Bilddaten z.B. mittels einer KI, ist schon auf der Trägerplattform möglich, so dass z.B. im Anwendungsfall maritimer Seeüberwachung es nicht notwendig ist, umfangreiche Bilddaten zu übermitteln, sondern abgeleitete Informationen wie Position, Lage und Objekttyp.

Die Nutzung der Echtzeit-Geodaten erfolgt häufig im Anwendungsbereich zivile Sicherheit, das DLR kooperiert weltweit mit verschiedenen Behörden und Organisationen mit Sicherheitsaufgaben (BOS). Konkrete Einsätze waren unter anderem die Flut im Ahrtal (2021), das Erdbeben in der Türkei (2023) im Rahmen der UN oder der Waldbrand in Lübtheen (2019). Die Koordination, Operationalisierung und Weiterentwicklung dieser Aktivitäten erfolgt gemeinsam mit Partnern aus Industrie und Behörden unter Federführung des Innovation Lab OPTSAL (Optical Technologies for Situational Awareness Lab, www.optsal.de).

Weiterhin kommt MACS auch an Bord der Polarflugzeuge des Alfred-Wegener Instituts in der Polarforschung zum Einsatz.

-

-

-

Das Liegenschaftskataster ist ein zentrales Element des Eigentumssicherungssystems der Bundesrepublik Deutschland (BRD) und stellt als Teil des amtlichen Geobasisinformationssystems hohe Anforderungen an die geometrische Genauigkeit der Liegenschaften. Die geometrische Qualität des Liegenschaftskatasters und des heutigen ALKIS-Datenbestandes ist aufgrund historischer Entwicklungen sehr heterogen. Daraus ergibt sich ein erhöhter Bedarf an Verfahren zur Qualitätsverbesserung (QL), um die geometrische Genauigkeit langfristig sicherzustellen.

Die Ausgleichungsrechnung stellt hierfür einen geeigneten methodischen Ansatz dar. Eine zentrale Rolle spielt dabei die Wahl des stochastischen Modells, da dieses die Gewichtung der Beobachtungen festlegt und somit direkten Einfluss auf die berechneten Koordinaten sowie auf die Aussagekraft von Genauigkeits- und Zuverlässigkeitsmaßen hat. Anhand eines fiktiven Referenzbeispiels wird gezeigt, dass eine ungeeignete Modellwahl zu inkorrekten Ergebnissen führen kann, während eine realistische Modellierung konsistente und verlässliche Aussagen ermöglicht.

Darüber hinaus werden typische Problemstellungen des Liegenschaftskatasters betrachtet und geeignete Lösungsansätze mittels Ausgleichungsrechnung aufgezeigt, insbesondere durch den Einsatz der dynamischen Netzausgleichung.

An einem praxisnahen Anwendungsbeispiel wird der Einsatz der Ausgleichungsrechnung im Kontext der Qualitätsverbesserung des Liegenschaftskatasters (QL) demonstriert. Dabei zeigt sich, dass durch die Anwendung dieser Methode eine signifikante Verbesserung der Übereinstimmung zwischen Katasterzahlen- und Kartenwerk erreicht werden kann.

Die Ergebnisse verdeutlichen, dass die Ausgleichungsrechnung ein leistungsfähiges Werkzeug zur Analyse, Bewertung und Verbesserung der geometrischen Qualität im Liegenschaftskataster darstellt.

-

Der GeoAI-Workshop im Rahmen des Neubrandenburger Geosymposiums 2026 bietet einen fundierten Einblick in die Anwendung von Künstlicher Intelligenz in der Geoinformatik mit ArcGIS als zentraler Plattform. Im Mittelpunkt stehen innovative Ansätze zur Verarbeitung und Analyse georeferenzierter Daten aus verschiedenen Quellen: tabellarische Daten zur Wohnraumplanung, Textdaten aus Dokumenten mithilfe von Large Language Models sowie Bilddaten zur Landbedeckungsklassifikation. Ergänzt wird das Programm durch praxisnahe Workflows im Bereich Deep Learning für die Humangeografie und eine Einführung in die Nutzung von AI-Assistenten und Agenten innerhalb von ArcGIS. Ziel ist es, die Teilnehmenden mit modernen GeoAI-Technologien vertraut zu machen und deren Potenzial für Forschung und Praxis aufzuzeigen.

Das Referat "Weiterentwicklung Geoinformation und Fernerkundung" am Bundesamt für Kartographie und Geodäsie (BKG) bearbeitet und koordiniert zahlreiche Fernerkundungsprojekte, insbesondere im Bereich der Landbedeckung. Dabei ist das Ziel, innovative Verfahren der Auswertung von Fernerkundungsdaten in operationelle Geodatenprodukte zu überführen. Derzeit ist eines der Fokusthemen die Entwicklung von Verfahren zur automatisierten Auswertung von Erdbeobachtungsdaten mit Hilfe von Deep Learning Methoden. Dies geschieht unter anderem in den Projekten Ecosystem Accounting (dt. Ökosystemrechnungen) und EO4ConStat (Earth Observation and AI for Construction Statistics), welche genauer vorgestellt werden sollen.

-

-

Mit EO4Nature entsteht bis 2027 eine nationale, webbasierte Plattform für das Monitoring innerhalb des Aktionsprogramms Natürlicher Klimaschutz (ANK). Im Zentrum steht ein Portal, das ANK-relevante Indikatoren zu Mooren, Flüssen und Auen, Wäldern, Böden sowie Siedlungs- und Verkehrsflächen einheitlich, reproduzierbar und bundesweit bereitstellt.
Technisch kombiniert EO4Nature skalierbare Prozessierungsketten in CODE-DE mit einer modularen Toolbox, die auf Sentinel-Daten, weitere Fernerkundungsdaten und nationale Referenzdaten zurückgreifen. Auf dieser Basis werden Referenzzustände, Trends und Effekte von ANK-Maßnahmen quantifiziert und für Verwaltung, Fachbehörden, Kommunen und NGOs nutzbar gemacht.
Ein geschützter Bereich ermöglicht registrierten Nutzenden das Einbinden eigener Geodaten, individuelle Analysen und automatisierte Berichte. Ein öffentlicher Bereich stellt aufbereitete Indikatorprodukte, Statistiken und ein WebGIS zur interaktiven Visualisierung bereit und unterstützt damit Transparenz und Beteiligung. Die Entwicklung erfolgt im Co-Design mit zukünftigen Anwendenden. Umfangreiche Schulungsangebote senken Einstiegshürden für die Nutzung von Erdbeobachtungsdaten in Monitoring und Planung.
Der Beitrag zeigt anhand erster Dienste und dem bisherigen Design der Plattform, wie EO4Nature nationale Copernicus-Angebote ergänzt, welche Anforderungen aus der Praxis in die Systemarchitektur eingeflossen sind und welche Potenziale sich für ein langfristig tragfähiges, prozessorientiertes Umweltmonitoring in Deutschland ergeben.

Die Zentralanden gehören zu den tektonisch und geomorphologisch aktivsten Regionen der Erde. Die orografische Barriere zwischen dem östlichen Vorland und dem Zentralanden-Plateau bewirkt einen starken Ost-West-Klimagradienten, wobei die höchsten Niederschlagsmengen an den steilen, nach Osten ausgerichteten Hängen auftreten. Häufige Regenfälle während des südamerikanischen Sommermonsuns in Verbindung mit durch Verwerfungen geschwächten Gesteinsformationen treiben Massenbewegungsprozesse wie Erdrutsche und periglaziale Kriechprozesse in großen Höhen an. Die Überwachung dieser Instabilitäten über große Gebiete und lange Zeiträume hinweg ist jedoch mit herkömmlichen CPU-basierten Methoden rechnerisch sehr aufwendig.

Wir haben einen leistungsstarken, GPU-basierten Workflow unter Verwendung der optischen Subpixel-Bildkorrelation (Pixeltracking) implementiert, um 20-jährige Zeitreihen aus dem Landsat-7/8/9-Datenarchiv im Bereich von 22° bis 27° südlicher Breite zu verarbeiten.Der Workflow besteht aus zwei Hauptschritten: (1) Identifizierung von Untersuchungsgebieten durch Oversampling der Szenen vor der Korrelation mit einer groben, aber ausreichend dichten Schrittweite und (2) Subpixel-Matching zur präzisen Ableitung von Verschiebungen innerhalb der erfassten Regionen. Um die Datenintegrität sicherzustellen, bilden wir die Korrelationspaare basierend auf der Geometrie des Sonnenstands und filtern anschließend die Pixel nach Wolkenbedeckung, Schnee, Vegetationsveränderungen und topografischen Schatten. Zusätzlich haben wir einen kinematischen Filter angewendet, um Verschiebungen auszuschließen, die nicht mit der Hangausrichtung vereinbar sind. Durch das Stacking von Bilddaten aus mehreren Jahrzehnten konnten wir die Signal-to-Noise-Ratio (SNR) verbessern und Geschwindigkeiten im Bereich von weniger als 0,5 m/Jahr bis zu mehreren Metern pro Jahr erfolgreich nachweisen.

Unsere Ergebnisse verdeutlichen das Ausmaß der Permafrostprozesse und den Einfluss des Ost-West-Klimagradienten auf die Dynamik von Massenbewegungen, indem sie den Übergang vom feuchten Vorland zu den trockenen Hochebenen erfassen. Die Stacking-Methode entfernt effektiv Ausreißersignale, die durch vorübergehende Schneebedeckungen in höheren Lagen verursacht wurden.

Diese 20-jährige Datenserie liefert eine wichtige Grundlage für das Verständnis, wie Prozesse an den Hängen der Anden auf ein sich veränderndes Klima reagieren und inwiefern sie von bereits bestehenden, durch tektonische Spannungen geschwächten lithologischen Bedingungen abhängen. Das GPU-beschleunigte Framework ermöglicht den Übergang von der lokalen Überwachung zur großräumigen kinematischen Analyse in Gebieten mit starkem Relief.

-

Der zunehmende Druck auf die Landwirtschaft, die Produktivität und Ernährungssicherheit zu erhöhen und gleichzeitig Umweltbelastungen zu reduzieren, erfordert einen effizienteren Ein-satz von Wasser und Nährstoffen. Die Präzisionslandwirtschaft (Precision Agriculture) begegnet dieser Herausforderung durch teilflächenspezifische Bewirtschaftung, bei der Betriebsmittel entsprechend der räumlichen und zeitlichen Variabilität von Boden-, Pflanzen- und Umweltbedingungen ausgebracht werden. Diese Dissertation untersucht die Entwicklung von Algorithmen und einer räumlichen Dateninfrastruktur (Spatial Data Infrastructure, SDI) für informationsgetriebene Bewässerung und Düngung, auch bekannt als Variable Rate Fertigation (VRFI).

Ein zentrales Ergebnis dieser Arbeit war die Konzeption und Umsetzung einer cloud basierten SDI auf Basis der Open-Source-Plattform GeoNode. Die SDI integriert Sensordaten, räumliche Datensätze und Entscheidungsunterstützungsergebnisse innerhalb eines standardisierten OGC/ISO-Rahmens. In-situ LoRaWAN-Bodenfeuchtesensoren, Wetterdienste sowie Boden- und Pflanzenkarten wurden angebunden, um einen automatisierten Datenaustausch zwischen einem Decision Support System (DSS) und der Feldtechnik zu ermöglichen. Algorithmen zur Berechnung von Bewässerungs- und Düngermengen sowie zur automatischen Generierung teilflächenspezifischer Applikationskarten wurden entwickelt und in einem cloud basierten, Python-gestützten DSS implementiert. Dieses arbeitet vollautomatisch, erzeugt Applikations-karten innerhalb weniger Sekunden und stellt sie direkt für ein Schlauchwagen-Bewässerungssystem (HIS) bereit.

Das integrierte ICT-System aus Sensornetzwerk, SDI und DSS wurde an Versuchsstandorten in Deutschland, Frankreich und der Türkei eingesetzt. Im abschließenden Feldversuch in der Türkei wurde das System erfolgreich unter Praxisbedingungen betrieben und seine technische Umsetzbarkeit nachgewiesen.

Die Ergebnisse zeigen, dass heterogene Datenquellen innerhalb einer standardisierten SDI automatisiert zu fertigen Applikationskarten zusammengeführt werden können, die direkt von der Feldtechnik genutzt werden. Der entwickelte Ansatz bietet einen praxisnahen Weg zur Umsetzung von VRFI im Ackerbau und verdeutlicht das Potenzial von Open-Source-Technologien und offenen Standards für eine skalierbare Präzisionslandwirtschaft.

-