AMoKI

Autonomes Abgrabungsmonitoring für ein nachhaltiges Flächenmanagement

Motivation

Die gegenwärtig in vielen Bundesländern praktizierten Methoden zur Erfassung von Abgrabungsflächen und -statistiken genügen den Anforderungen an eine zeitgemäße Entscheidungsgrundlage für ein nachhaltiges Flächenmanagement nicht. Sie weisen Schwachstellen wie mangelnde Transparenz, Nachvollziehbarkeit und ein hohes Digitalisierungspotenzial auf. Um auch in Zukunft eine nachhaltige, sichere und heimische Rohstoffversorgung gewährleisten zu können, ist ein integriertes Flächenmanagement erforderlich, welches die Rohstoffsicherung ausreichend berücksichtigt. Ein nachhaltiges Flächenmanagement und eine nachhaltige Rohstoffsicherung müssen Hand in Hand erfolgen, um Flächennutzungskonflikte proaktiv zu adressieren und die heimische Gewinnung systemrelevanter Infrastrukturrohstoffe sicherzustellen. Dazu ist eine standardisierte, transparente und belastbare Entscheidungsgrundlage erforderlich, die regionale quantitative Aussagen über die Versorgungsreichweite einzelner Planungsbezirke ermöglicht.

Ansatz

Das Ziel des Projektes besteht in der Erforschung und Entwicklung eines KI-basierten Überwachungssystems, welches auf Grundlage hochaktueller Satellitendaten automatisiert abgegrabene Volumina erkennt und bestimmt. Die Implementierung eines effektiven Überwachungssystems erfordert zunächst die Identifizierung und Auswahl der am besten geeigneten Satellitendaten. Der Auswahlprozess wird von einer Reihe von Schlüsselfaktoren wie Auflösung, Abdeckung, Zugänglichkeit und Kosten geleitet. Dadurch soll sichergestellt werden, dass die ausgewählten Daten den Anforderungen des Projekts entsprechen. Auf Basis der identifizierten und selektierten Satellitendaten erfolgt die Entwicklung robuster Methoden und Algorithmen, welche die automatisierte Identifizierung sowie eine präzise Volumenberechnungen von Abgrabungen erlaubt. Im Anschluss an die Implementierung der Methoden und Algorithmen erfolgt eine Validierung der Ergebnisse des maschinellen Lernens (ML) durch Abgleich mit bestehenden Daten des Geologischen Dienstes Nordrhein-Westfalen (GD NRW) sowie zusätzlich mit hochauflösenden Drohnendaten. Der finale Schritt umfasst die Konzeption eines Prototyps zur Visualisierung der Ergebnisse, welcher alle Komponenten des Überwachungssystems integriert und eine umfassende sowie benutzerfreundliche Schnittstelle bereitstellt, welche eine effektive Analyse und Interaktion mit den Daten durch die Benutzer ermöglicht.

 Projektziele und Fragestellungen

• Identifikation relevanter Satellitendaten in Bezug auf Auflösung, temporärer Abdeckung, Aufnahmewinkel, Zugang und Kosten für den Betrieb eines autonomen Abgrabungsmonitorings
• Erforschung der autonomen Flächenerfassung und -zuordnung (aktiver Abbau, Rückverfüllung, Rekultivierung, Stockpile). Berechnung von Abbau-, Abraum- und Rückverfüllungsvolumina einzelner Betriebe
• Validierung des ML-Modells mit Ergebnissen des bestehenden Abgrabungsmonitorings des geologischen Dienstes NRW (GD NRW) und Ergebnissen von photogrammetrischer Drohnenvermessung, um die Übertragbarkeit auf Betriebe anderer Bundesländer (nicht NRW) darzustellen
• Aufbau eines Demonstrators zur praktischen Anwendung der Projektergebnisse

Arbeitspakete

• AP1 – Identifikation und Analyse relevanter Datenquellen für die Integration in das ML-Modell
• AP2 – Annotation von Erdbeobachtungsdaten, Entwicklung des ML-Modells und Datenbasis von Standorten
• AP3 – Adaption und Evaluation der ML-Modelle für HiRes Datenquellen und HQ-Volumenprofilen
• AP4 – GIS-Integration und User-Interface
• AP5 – Projektkoordination, Projektmanagement, Berichtswesen