terrabyte: Die Vermessung arktischer Gletscher

Mit terrabyte, Künstlicher Intelligenz und Satellitendaten will ein Forschungsteam der FAU die Gletscherfronten der Arktis vermessen und aufzeigen, wie diese sich zeitlich verändern: Dieses Wissen wird bestehende Modelle der Kryosphärenforschung verbessern und wichtige Daten für die Ozeanografie sowie die Klimaforschung liefern.

„Wir wollen wissen, wieviel Eis an den Gletscherfronten der Arktis durch Kalben und Schmelzen verloren geht“, beschreibt Dr. Thorsten Seehaus den Plan seines Forschungsteams. „Dazu ermitteln wir mit Hilfe von Fernerkundungsdaten, wie sich die Gletscherkanten, die ins Meer ragen, verändern. So können wir in Kombination mit der Fließgeschwindigkeit der Gletscher die Masse an Eis berechnen, die in den Ozean fließt oder abbricht.“ Zusammen mit Kolleginnen vom Lehrstuhl für Mustererkennung erkundet das Team um Seehaus am Institut für Geografie der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) die so genannte frontale Ablation, die Eisschmelze und das Kalben an den vorderen Kanten von Gletschern der Arktis. Ozeanografie und die Klimatologie benötigen dieses Wissen für genauere Klimaprognosen, die Kryosphärenforschung, die Wissenschaft ums gefrorene Wasser auf der Erde, verbessert damit ihre Modelle.

Am Beispiel der knapp 150 Gletscher von Svalbard, auch Spitzbergen genannt, einer norwegischen Inselgruppe im Nordatlantik am Übergang zum Arktischen Ozean, entwickeln und optimieren Seehaus und sein Team Mess- und Kartierungsmethoden und computergestützten Werkzeuge. Sie greifen dafür auf den Datenschatz und die Werkzeuge von terrabyte zurück, der Hochleistungsplattform zur Analyse von Erdbeobachtungsdaten, die das Deutsche Zentrum für Luft- und Raumfahrt (DLR) zusammen mit dem Leibniz-Rechenzentrum (LRZ) betreibt: Aus dem DLR-Archiv finden Forschende darauf unter anderem Synthetic Aperture Radar- oder SAR-Aufnahmen der Europäischen Weltraumorganisation (ESA). Diese stammen aus der Sentinel-1-Mission, für die Satelliten die Erdoberfläche mit elektromagnetischen Wellen abtasten und so zweidimensionale Abbildungen von Geländestrukturen erzeugen.

Künstliche Intelligenz hilft bei Kartierung

Erstmals verarbeitete die FAU-Forschungsgruppe Aufnahmen von ganzen Jahren, und zwar von 2015 bis 2024: insgesamt 7069 Aufnahmen des ganzen Gebietes oder gut 23 Terabyte an Bilddaten. Daraus wurden wiederum die Ausschnitte von Gletscherfronten extrahiert: „Die Sentinel Daten decken das Svalbard-Gebiet fast täglich ab, wir brechen diese Daten auf eine monatliche Skala herunter“, erläutert Seehaus das Verfahren. „Dazu haben wir eine deutlich höhere Datendichte, fassen diese aber für Monate zusammen, um fehlerhafte Kartierungen herauszufiltern.“ Noch gibt es zur frontalen Ablation kaum detaillierte Informationen. Bestehende Studien beschränken sich meist auf einzelne Regionen oder betrachten grobe Zeiträume von mehreren Jahren.

Zwar kalibriert und referenziert das DLR die SAR-Aufnahmen und bereitet sie für Forschungszwecke vor, doch das Erlanger Team setzt auch auf eigene Verfahren: „Für die Vor- und Nachprozessierung dieser Bilder, sowie für die Kartierung der Gletscherfronten nutzen wir eigene KI-Algorithmen “, so Seehaus. „dies ermöglicht eine effiziente Analyse der Sentinel-1-Daten auf terrabyte.“ Zur Auswertung der Geländebilder implementierten sie das eigene multitemporale Deep-Learning-Modell Tyrion-T-GRU, um den Aufwand der bislang üblichen manuellen Kartierung von 203.294 Gletscherfront-Positionen zu reduzieren. Das Modell verarbeitet acht aufeinanderfolgende Satellitenbilder gleichzeitig. Dabei erfasst es auch die Veränderungen an den Fronten im Lauf von Monaten und liefert so deutlich präzisere Ergebnisse als Anwendungen, die Einzelbilder auswerten. Auf diese Art wurden mehr als 15.000 Kalbungsfronten auf Swalbard identifiziert und deren Veränderungen dokumentiert.

Tyrion-T-GRU: Eisschmelze aufzeigen

Tyrion-T-GRU kombiniert einen auf ImageNet vortrainierten SwinV2-Encoder mit einem konvolutionellen Decoder, der aus ResBlocks und UpsampleBlocks besteht. Standard-Skip-Verbindungen verbinden Encoder und Decoder. Zeitliche Informationen werden durch bidirektionale Gated Recurrent Units (GRUs) eingeführt, die im Encoder auf den untersten drei Stufen jeweils nach einem SwinBlock eingefügt sind. Im Decoder erfolgt die zeitliche Modellierung auf denselben Ebenen mit Hilfe eindimensionaler, zeitlicher Faltungen, die jeweils nach dem entsprechenden ResBlock platziert sind. Das Modell verarbeitet Zeitreihen aus acht 512 × 512 Pixel großen SAR-Bildern und erzeugt für jeden Zeitschritt eine Segmentierungskarte identischer Größe. Es folgt dabei einer multitemporalen Strategie, die die zeitliche Auflösung über die gesamte Sequenz hinweg bewahrt. Von den 512 × 512 Vorhersagen wird nur der zentrale Bereich von 256 × 256 Pixel beibehalten, um einen ausreichenden räumlichen Kontext zu gewährleisten.

Ein Ergebnis dieser Arbeit sind Karten des Archipels, auf denen Gletscherkanten in Fjorden exakt verzeichnet sind. Linien zeigen darin außerdem, wie sich diese in den letzten zehn Jahren verändert haben. Im Winter, wenn in Svalbard oft noch das Meer zufriert, stoßen die Gletscherfronten meistens vor, während sie sich im Sommer zurückziehen. Ein Ergebnis der Langzeitanalyse: Im Vergleich zu früheren Studien hat die frontale Ablation zugenommen – eine Entwicklung, die Forschende auf den Klimawandel und die Erderwärmung zurückführen. „Für jede untersuchte Kalbungsfront können wir jetzt abschätzen, wieviel Eis von Monat zu Monat verloren ging“, berichtet Seehaus. „Information zur frontalen Ablation sind wichtig, um bestehende Gletschermodelle zu kalibrieren. Studien zeigten, dass eine Vernachlässigung des Themas zu Unsicherheiten in der Modellierung der Eismasse von bis zu 20 Prozent führt.“ Simulationen und Modelle werden dadurch ungenau, in der Folge auch die davon abgeleiteten Prognosen.

Die Karte zeigt den Hornsund Fjord im Süden von Swalbard: Die farbigen Linien in den Fjordbuchten zeigen die Fronten der Gletscher, die von 2015 (gelb) bis 2024 (violett) sukzessive abschmolzen oder abbrachen. Bildnachweis: A Decade of Monthly Frontal Ablation at 147 Tidewater Glaciers in Svalbard, Earth System Science Data (ESSD), S. 13, Dakota Pyles et al., 2026, Preprint, CC BY 4.0 License

Bessere Karten, bessere Modelle

Doch nicht nur die Kryosphärenwissenschaft profitiert von den Ergebnissen der Erlanger. Mit weiteren Daten der NASA zum Eisabfluss sowie zur Eisdicke schätzte das FAU-Team dazu noch ab, wieviel Süßwasser durch die Schmelze und das Kalben den nördlichen Ozeanen dauerhaft zufloss – Informationen, die nicht nur Glaziologinnen interessieren, sondern auch die Ozeanografie oder Meteorologie: „Fließt immer mehr Süßwasser ins Meer, wirkt sich das auf den Salzgehalt in den verschiedenen Wasserschichten aus“, meint Seehaus. „In Svalbard ist dieser Beitrag relativ gering, aber auf Grönland sehr viel ausgeprägter.“ Er beeinflusst wiederum Meeresströmungen und damit auch das Klima. Laut Potsdamer Klima-Institut (PKI) schwächt der Eintrag von Süßwasser die Atlantic Meridional Overturning Circulation (AMOC), ein Strömungssystem, das warmes, salziges Oberflächenwasser aus den Tropen in den Norden und umgekehrt das kalte Tiefenwasser in den Süden transportiert und unter anderem für das vergleichsweise milde Klima in West- und Nordeuropa sorgt. Nicht umsonst will das Erlanger Forschungsteam seine Studie nun mit Hilfe von terrabyte auf die gesamte Arktis ausweiten: „Auf terrabyte haben wir Archivdaten und die Infrastruktur zum Prozessieren direkt beieinander“, beschreibt Seehaus die Vorteile. „Es müssen keine großen Datenmengen verschoben oder kopiert werden, dazu kommt die große Rechenkraft. Das ist sehr effizient." vs | LRZ