BALTZOS - Mapping of Zostera meadows in the western Baltic

Das Projekt beinhaltet die grundlegende Kartierung der Zostera-Wiesen in der westlichen Ostsee zur Bewertung und Analyse der Verbreitung. Die Daten tragen zu Karten, Veröffentlichungen, öffentlicher Kommunikation und Management-Entscheidungen, sowie zu groß angelegten Berechnungen des CO2-Bindungspotentiales der Seegraswiesen bei.

Laufzeit: seit 2009

Kontakt am GEOMAR: Philipp Schubert; pschubert(at)geomar.de, Prof. Thorsten Reusch; treusch(at)geomar.de

Verwendete Daten-Typen: RGB video and nmea-Daten von geschleppten Kamera-Systemen

PlanktonID

Die globale Aufnahme von In-situ-Bildern mit dem Underwater Vision Profiler 5 (UVP5) liefert große Mengen an In-situ-Plankton- und Partikelbildern. Mit PlanktonID kombinieren wir hochmoderne Deep-Learning-Bilderkennungsalgorithmen mit einem Ansatz der Einbeziehung von Citizen Scientists, um den Durchsatz an Bildannotation zu erhöhen, der für einen effizienten Sensor-zu-Information-Weg erforderlich ist. Die Einbindung von Citizen Scientists führt auch zu einer direkten Verbreitung der Ergebnisse an die breite Öffentlichkeit und trägt zu unseren Outreach-Aktivitäten bei.

Laufzeit: seit 2016

Kontakt: Dr. Rainer Kiko; rkiko(at)geomar.de

Verwendete Daten-Typen: Plankton- und Partikelbilddaten, die vor Ort mit dem Underwater Vision Profiler gewonnen wurden, Annotationen von Planktonbildern durch Citizen Scientists

ARENA 2 laboratory

Das allgemeine Ziel ist es, Werkzeuge bereitzustellen, die den wissenschaftlichen Arbeitsablauf durch die Erleichterung der visuellen Datenexploration direkt verbessern.

Laufzeit: seit 2018

Kontakt am GEOMAR: Dr. Tom Kwasnitschka; tkwasnitschka(at)geomar.de

Verwendete Daten-Typen: 2-4D Daten, Modellrechnungen, Videos, Fotos

Trassen verfolgende seismoakustische 3D Seekabeldetektion Sensor und Navigationsentwicklung für CATRA: Entwurf und Bau einer ultrahochauflösenden seismischen 3D-Mehrkanal-Erfassungsplattform, die in der Lage ist, kleine Objekte (> 20 cm) zu erkennen, die bis zu 2 m tief in Meeressedimenten vergraben sind.

Laufzeit: 2020-2023

Kontakt am GEOMAR: Dr. Jörg Bialas jbialas(at)geomar.de

Verwendete Daten-Typen: Seismische Daten (8 kHz)

Untersuchung des veränderten Einflusses der großräumigen atmosphärischen Zirkulation auf die regionale Klimavariabilität der Ostsee für den Zeitraum 1950-2022.

Laufzeit: 2022 - 2024

Kontakt am GEOMAR: Dr. Andreas Lehmann; alehmann(at)geomar.de

Verwendete Daten-Typen: Ozeanographische und atmosphärische Zeitserien-Rasterdaten; Observational data (ERA5 data; Model-Data, INDEX Data)

Eine der ersten umfassenden photogrammetrischen Vermessungen eines gesamten hydrothermalen Feldes im nordöstlichen Lau-Becken.

Laufzeit: 2016-2024

Kontakt am GEOMAR: Dr. Tom Kwasnitschka; tkwasnitschka(at)geomar.de

Verwendete Daten-Typen: Videos, Fotos, Photogrammetrie-Modelle, geologische & Habitat-Karten, Analyse-Ergebnisse

In-situ-Messungen der wichtigsten physikalischen Parameter bei pyroklastischen Eruptionen mit Hilfe von UAVs und widerstandsfähigen Sensorpaketen.

Laufzeit: 2018-2024

Kontakt am GEOMAR: Dr. Tom Kwasnitschka; tkwasnitschka(at)geomar.de

Verwendete Daten-Typen: Vehicle-Telemetrie, In-situ-Daten

Visuelle Kartierung und quantitatives maschinelles Sehen in der Tiefsee. Insbesondere wird das Projekt die automatisierte visuelle Kartierung des Meeresbodens anhand von Fotos oder Videos vorantreiben, einschließlich der Schritte Kamera-Kalibrierung, Auffinden korrespondierender Punkte in Unterwasserbildern, Unterwasser-Multi-View-Geometrie, Bildregistrierung, visuelle Lokalisierung, Schätzung der Oberflächengeometrie des Meeresbodens und originalgetreue Farbkorrektur, um die nächste Generation von Meereskartierungs- und Messanwendungen zu erleichtern.

Laufzeit: 2019-2024

Kontakt am GEOMAR: Dr. Kevin Köser; kkoeser(at)geomar.de

Verwendete Daten-Typen: Marine Bilddaten

TechOceanS wird neun innovative Technologien und Methoden für die Tiefsee-Sensorik, die Probenahme und die Analyse an Bord sowie die KI-gesteuerte Bildverarbeitung und -übertragung entwickeln.

Laufzeit: 2020-2024

Kontakt am GEOMAR: Dr. Kevin Köser; kkoeser(at)geomar.de

Verwendete Daten-Typen: Marine Bilddaten, Daten verschiedener (neuartiger) Sensoren

CASCADIA CO2 unterstützt Voruntersuchungen für eine mögliche CO2-Speicherung in marinen Basaltkomplexen. Basierend auf vier Komponenten von Ozeanboden-Seismometer-Untersuchungen ergänzt das Projekt fehlende Informationen über Scherparameter in marinen Basaltkomplexen.

Laufzeit: 2022-2024

Kontakt am GEOMAR: Dr. Jörg Bialas jbialas(at)geomar.de

Verwendete Daten-Typen: Marine Weitwinkel-Seismik-Daten ( Kompressions- und umgewandelte Scherwellen )

Mit Marispace-X soll ein digitaler maritimer Datenraum geschaffen werden, der auf der Datenhoheit, Sicherheit, Interoperabilität und Modularität von Gaia-X basiert. Marispace-X bietet neue Wege in der maritimen Big-Data-Verarbeitung und in der Analyse von Sensordaten über Edge-, Fog- und Cloud-Computing. Das GEOMAR fokussiert sich in MARISPACE auf die Entwicklung von smarten AUVs die Bilddaten automatisch auswerten können und dazu 3D Informationen erstellen und nutzen.
 

Laufzeit: 2021 - 2024

Kontakt am GEOMAR: Dr. Timm Schoening; tschoening(at)geomar.de

Verwendete Daten-Typen: Bathymetrie, Bilder & Videos, Fernerkundung (Fotos & Radar), Zeitseriendaten

ProBaNNt zielt darauf ab, die Entscheidungsfähigkeit auf verschiedenen Ebenen zu verbessern und ein umfassendes Instrument zur Unterstützung von Offshore-Kampagnen zur Kampfmittelbeseitigung (EOD) zu entwickeln. Das Projekt integriert die nachhaltige Konvergenz, Nutzung und Analyse vorhandener EOD-Daten mit neuen Datenerfassungstechniken wie der 3D-Photogrammetrie. All diese Informationen werden in die EOD-Entscheidungssoftware integriert, um die praktikabelste Räumungsoption für ein bestimmtes Munitionsobjekt an einem bestimmten Ort vorzuschlagen.

Laufzeit: 2021 - 2024

Kontakt am GEOMAR: Torsten Frey; tfrey(at)geomar.de

Verwendete Daten-Typen: Marine image data (photomosaics and digital terrain models), high frequency sonar “camera” data, munition clearance data

Das Projekt Ghostnetbusters befasst sich mit der automatischen Aufspürung verloren gegangener Fanggeräte, so genannter Geisternetze, anhand von Meeresbodendaten. Diese Daten werden als Training für eine KI zur automatischen Identifizierung von Geisternetzen verwendet, um die Suche nach verlorenen Fanggeräten und damit deren Bergung erheblich zu beschleunigen.

Laufzeit: 2023 - 2024

Kontakt am GEOMAR: Mia Schumacher; mschumacher(at)geomar.de

Verwendete Daten-Typen: Hydroakustische Daten (Side Scan, MBES), Satelliten-Bilder

Immersive Visualisierung von hyperpolarisierten MRT-Scans.

Laufzeit: 2022-2025

Kontakt am GEOMAR: Dr. Tom Kwasnitschka; tkwasnitschka(at)geomar.de

Verwendete Daten-Typen: MRT Scans, Annotationen, Interaktive Benutzer-Daten

Munition im Meer stellt eine Bedrohung für das Leben und die Arbeit von Menschen in Küstenregionen weltweit dar. Mit seinen intelligenten und autonomen Navigationsroutinen, die auf magnetischen In-situ-Messungen beruhen, hat SAM das Potenzial, die Räumung von UXO (UneXploded Ordnance) auf See zu beschleunigen.

Laufzeit: 2023-2025

Kontakt am GEOMAR: Dr. Marc Seidel; mseidel(at)geomar.de

Verwendete Daten-Typen: 3D magnetische Daten, Zeitserien-Daten, AUV Navigations-Daten

Ziel ist die Verwendung von KI-Modellen zur effektiven Quantifizierung von Beziehungen zwischen verschiedenen Planktonbildern,um die Vergleichbarkeit zwischen verschiedenen Bildgebungssystemen zu erleichtern.

Laufzeit: 2023-2026

Kontakt am GEOMAR: Veit Dausmann; vdausmann(at)geomar.de, Jan Taucher; jtaucher(at)geomar.de

Verwendete Daten-Typen: Marine Bilddaten (Zooplankton)

Seismische und elektromagnetische Charakterisierung und Überwachung einer CO2-Sequestrierungsstelle in marinen Basaltkomplexen. Seismische und elektromagnetische 2D- und 3D-Untersuchungen des Meeres werden in einer gemeinsamen Analyse und Untersuchung hinsichtlich einer möglichen Lagerstätte für Giga-Tonnen CO2 eingesetzt.

Laufzeit: 2023-2026

Kontakt am GEOMAR: Dr. Jörg Bialas jbialas(at)geomar.de

Verwendete Daten-Typen: 2D and 3D Multikanal und vier-Komponenten marine seismische Daten, 2D and 3D kontrollierte elektromagnetische Daten

Wir legen die Annahme zugrunde, dass weltweit verfügbare Geodaten zu Oberflächenmerkmalen (z. B. digitale Höhenmodelle, Landoberflächenmodelle, Schelfbathymetrie und GRACE-Datensätze) in Verbindung mit Klimadaten zur Vorhersage des weitgehend verborgenen Offshore-Vorkommens von Süßwasser-Aquiferen an der Küste genutzt werden können. Unser Ziel ist es, ein zuverlässiges maschinelles Lernverfahren zu entwickeln, das den komplexen hydrologischen Mechanismus der Offshore-Grundwasserentstehung und -erhaltung berücksichtigt. Am Ende erwarten wir ein Instrument, mit dem wir globale Wahrscheinlichkeitskarten für die Lage der Süß-/Salzwassergrenze an der Küste (ein Ersatz für OFG) erstellen können, die an zukünftige Klimaszenarien angepasst werden können.

Laufzeit: 2023-2026

Kontakt am GEOMAR: Dr. Laura Haffert; lahaffert(at)geomar.de

Verwendete Daten-Typen: 2D hydrogeologische Modell-Daten, DEM, LSM, GRACE, Klima-Daten

Der globale Wandel wirkt sich auf die Verteilung und Aktivität von Meereslebewesen auf lokaler Ebene bis hin zu ganzen Meeresbecken aus, was erhebliche Folgen für die Sauerstoffdynamik im Ozean, die Nährstoffkreisläufe und den Transfer von Kohlendioxid aus der Atmosphäre in die Tiefsee hat. Im Rahmen von IOChange nutzen wir erweiterte Bildbeobachtungen, die autonome Kamera- und Umweltsensorsysteme mit modernsten Lösungen der künstlichen Intelligenz und ökophysiologischen Ansätzen verbinden, um ein neuartiges Bild der Dynamik von Zooplankton und Detritalpartikeln (Z&P) in einem sich verändernden Ozean zu erhalten.

Laufzeit: 2022 - 2027

Kontakt am GEOMAR: Dr. Rainer Kiko; rkiko(at)geomar.de

Verwendete Daten-Typen: Plankton- und Partikel-Bilddaten

Das Projekt ValidITy zielt darauf ab, eine Software zu entwickeln, die künstliche Intelligenz und Klassifikationswörterbücher für das Terrain nutzt, um Objekte in bathymetrischen Messdaten zu erkennen. Ziel ist es, die Kosten der Datenanalyse deutlich zu senken.

Laufzeit: 2023 - 2025

Kontakt am GEOMAR: Prof. Jens Greinert; jgreinert(at)geomar.de

Verwendete Daten-Typen: MBES-Daten

KIMERA - Künstliche Intelligenz für die Kartierung des Meeresbodens und marine Raumplanung

Entwicklung eines Verfahrens zur Vorhersage der Beschaffenheit des Meeresbodens mittels maschinellen Lernens als Grundlage für die marine Ressourcen-Abschätzung und zur Habitat-Erkundung.

Laufzeit: 2023 - 2026

Kontakt am GEOMAR: Dr. Philipp Brandl; pbrandl(at)geomar.de, Dr. Sven Petersen; spetersen(at)geomar.de

Verwendete Daten-Typen: MBES und geologische Daten

SpotKI- Digitale Zwillinge, Robotik, KI und Sensorik für die Überwachung großtechnischer Anlagen - Safety as a Service

Einsatz eines „Roboterhunds“ SPOT der Firma Boston Dynamics, eine agile autonome Plattform, die für Überwachungsaufgaben optimiert und deren Software-Framework für die Anbindung von zusätzlichen Sensoren vorbereitet ist. GEOMAR ergänzt diese Fähigkeit mit Sensorik zur hochauflösenden Detektion von Spurengasen und der Einbindung von digitalen Zwillingen von ChemParks (NorthDocks GmbH).

Laufzeit: 2023 - 2026

Kontakt am GEOMAR: Roberto Benavides; rbenavides(at)geomar.de

Verwendete Daten-Typen: Umwelt-Messdaten (vor allem Gase)

Die "Helmholtz School for Marine Science" (MarDATA) is ein Konzept für eine Graduiertenschule der Helmoltz-Gemeinschaft. MarDATA hat das Ziel, eine neue Art von Meereswissenschaftlern zu definieren und auszubilden. Dabei sollen Nachwuchswissenschaftler aus den Computer- und Mathemantikwissenschaften direkt in die Meereswissenschaften integriert werden. Wissenschaftler vom GEOMAR und AWI bilden zusammen mit den jeweiligen Partneruniversitäten Doktoranden aus.

Laufzeit: 2022 - 2027

Kontakt am GEOMAR: Prof. Dr. Arne Biastoch; abiostoch(at)geomar.de; Dr. Enno Prigge; eprigge(at)geomar.de

In diesem Projekt werden Methoden entwickelt, die AUV-Sensordaten wie Temperatur, Salzgehalt, Sauerstoff und Trübung des Wassers in (nahezu) Echtzeit analysieren, um das AUV in die gewünschten Regionen zu steuern und die Datenerfassung und -qualität zu verbessern. Auf diese Weise soll der Grad der Autonomie der GEOMAR Girona500 AUVs erhöht werden.

Laufzeit: 2019 - 2023

Kontakt am GEOMAR: Tim Benedikt von See; tsee(at)geomar.de

Verwendete Daten-Typen: Echtzeit AUV Sensor - Daten

Entwicklung eines Verfahrens zur Erfassung, zum Vergleich und zur Verbreitung von räumlich immersiven Visualisierungsworkflows, wie sie im ARENA2-Labor praktiziert werden.

Laufzeit: 2021 - 2024

Kontakt am GEOMAR: Armin Bernstetter; abernstetter(at)geomar.de

Verwendete Daten-Typen: Bathymetrische Daten, Zeitserien, Bilddaten, Analyse-Ergebnisse, Annotationen, Benutzer-Interaktions-Daten

Mithilfe verschiedener Deep-Learning-Techniken wollen wir eine globale Sedimentationsraten-Karte aus In-situ-Messungen und Vorhersagerrastern erstellen, die die Sedimentationsraten beeinflussen könnten.

Laufzeit: 2021 - 2024

Kontakt am GEOMAR: Naveen Kumar Parameswaran;  nparameswaran(at)geomar.de

Verwendete Daten-Typen: Vorhersage-Raster (räumliche Daten), Sedimentationsraten-Analysen

Ziel des Projekts ist es, geeignete statistische Verfahren zu entwickeln, die eine Korrelation zwischen den vulkanischen Aufzichnungen (binär: Ausbruch-kein Ausbruch) und Klimavariablen erlaubt, um die Hypothese zu testen, dass das Klima den Vulkanismus beeinflusst.

Laufzeit: 2021 - 2024

Kontakt am GEOMAR: José Kling;  jkling(at)geomar.de

Verwendete Daten-Typen: Eruptions - Aufzeichnungen, Zeitserien von Klimavariablen

Dieses Projekt zielt darauf ab, die Merkmale des Erscheinungsbildes von Unterwasserbildern zu identifizieren und zu analysieren, insbesondere in der Tiefsee, wo kein natürliches Licht mehr vorhanden ist. Es werden spezielle Algorithmen für den Abgleich von Merkmalen entwickelt, die sich robust an die Unterwasserbedingungen anpassen, wobei sowohl datengesteuerte Methoden als auch Methoden zur Modellierung der Physik des Unterwasserbildes berücksichtigt werden. Ziel ist es, Algorithmen zu entwickeln, die die Erkennung von Schleifenschlüssen in AUV-Tracks ermöglichen, die Drift in der inertialen Unterwassernavigation visuell korrigieren oder die Anwendung von Struktur-aus-Bewegung in schwierigen Unterwasserumgebungen verbessern.

Laufzeit: 2021 - 2024

Kontakt am GEOMAR: Patricia Schöntag;  pschoentag(at)geomar.de

Verwendete Daten-Typen: Marine Bilddaten (Simulationen und Fotos), Zeitserien-Daten (Navigationsdaten und andere Sensordaten: optsiche Messungen, zB.: Trübung, Streuung, Absorption)

Innerhalb dieses Projektes soll ein generischer Arbeitsablauf und die dazugehörige Software für die Klassifizierung von geologischen, biologischen und anthropogenen Informationen aus Bildern entwickelt werden. Darauf aufbauend sollen Algorithmen für die automatische Analyse, Segmentierung und Klassifizierung großer mariner Bilddatensätze gebildet werden.

Laufzeit: 2019 - 2023

Kontakt am GEOMAR: Benson Mbani; bmbani(at)geomar.de

Verwendete Daten-Typen: Marine Bilddaten

Dieses Promotionsprojekt befasst sich mit der Analyse und Echtzeit-Realisierung von kognitiven akustischen Multi Input Multi Output (MIMO) Systemen zur Detektion von z.B. Gasblasen unter Wasser.

Kontakt am GEOMAR: Christian Kanarski; ckanarski(at)geomar.de

Verwendete Daten-Typen: Sensordaten