MASSIVE

Machine learning zur Ableitung der Oberflächenmassenbilanz von Gletschern anhand der Schneedecke, In-situ Messungen und Volumenänderungen aus der Erdbeobachtung

  • Deutsch
  • English
  • Italiano

Veränderungen in der Fläche, Höhe und Masse von Gletschern sind wichtige Indikatoren für den Klimawandel und werden von der Weltorganisation für Meteorologie als "wesentliche Klimavariablen" bezeichnet. Das MASSIVE-Projekt wird sich auf die Entwicklung von Methoden des maschinellen Lernens zur Erkennung der Schneedecke über vergletscherten Gebieten und zur Schätzung der Gletschermassenbilanz konzentrieren und dabei verschiedene Quellen von Satellitendaten nutzen. Dazu gehören hoch- und mittelauflösende Multispektralbilder (z.B. Sentinel-2 und Sentinel-3) sowie Radardaten mit synthetischer Apertur (z.B. Sentinel-1). Die Methodik wird an in-situ überwachten Gletschern in Norwegen, Svalbard und den europäischen Alpen entwickelt und getestet. Anschließend wird die Übertragbarkeit auf vergletscherte Regionen mit weniger verfügbaren Bodendaten getestet. Das Projekt wird es ermöglichen, eine konsistente Zeitreihe der Massenbilanz der Gletscheroberfläche und der Flächenveränderung zu erstellen und automatisch zu aktualisieren. Dies sind äußerst wertvolle Daten für die Wasserkraftindustrie, Regierungsbehörden und die Forschungsgemeinschaft, z.B. zur Verbesserung der Abflussvorhersage für ein verbessertes Wassermanagement (z.B. Trinkwasser, Wasserkraft, Landwirtschaft) und zur Erweiterung des Wissens über Gletscher als Klimavariable, ihren Schwund in einem sich erwärmenden Klima und ihren Beitrag zum globalen Meeresspiegelanstieg.

Kontaktperson: Mattia Callegari
E-Mail: mattia.callegari@eurac.edu


Publications
Annual glacier mass balance estimation through ASTER DTMs and snowlines extracted from Landsat and Sentinel-2 image
Casarotto C, Callegari M (2024)
Vortrag

Conference: EGU 2024 | Vienna | 14.4.2024 - 19.4.2024

Project Partners
1 - 2