Über FAST-CAST2
Die Schifffahrtsroute durch die Arktis ist im Vergleich zur Suezkanalroute eine signifikante Abkürzung zwischen Asien und Europa, wodurch in der Zukunft des globalen Handels Zeit und Treibstoff eingespart werden können. Hierzu bedarf es einer verlässlichen Einschätzung der Eissituation, auf deren Grundlage Navigationsentscheidungen getroffen werden können. Eisrelevante Daten des Copernicus-Programms der EU, wie z.B. tagesaktuelle Satellitenbilder und Modellprognosen, sind aber in der Größenordnung von Terabyte, verlieren aufgrund der schnellen Veränderung des Eises mit jeder Stunde an Wert, und können daher von einer einzelnen Person an Bord nicht schnell genug in Navigationsentscheidungen umgesetzt werden. Die vollautomatische und schnelle Berechnung einer Route erfordert Hochleistungsrechner, und die dafür notwendigen Algorithmen müssen noch entwickelt werden.
Das Projekt FAST-CAST 2 zielt darauf ab, eine optimierte Prozessierungsstruktur zu entwickeln und zu erproben. Daten aus satellitenbasierter Erdbeobachtung und Wettervorhersage sollen auf Anfrage eines Schiffes nutzbar gemacht werden und in Routenvorschläge durch eisbedeckte Gebiete münden. Als Pilotanwendung soll zum Ende des Projektes eine Expedition des Forschungsschiffes Polarstern mit automatisierten Routenvorschlägen über die App IcySea unterstützt werden.
Als Grundlage für dieses Projekt dient das Vorläuferprojekt FAST-CAST, welches sich mit der Optimierung von Prozessen zur Erzeugung hochaufgelöster und schneller Eisdriftvorhersagen für die polare Schifffahrt beschäftigte. Zu den Herausforderungen in diesem Anschlussprojekt zählen die Weiterentwicklung von KI, Auswertealgorithmen von Erdbeobachtungsdaten, der Aufbau einer operationellen Prozesskette und die Auswertung von AIS-Daten zur Bestimmung von Geschwindigkeitsprofilen im Eis. Die benutzten Eisdriftmodelle werden anhand von aufeinanderfolgenden Satellitendaten validiert. Um die Routenvorschläge auf der Polarstern graphisch darstellen zu lassen, muss die IcySea-App um die Eingabe von Routenwünschen und die Visualisierung von Routenberechnungen erweitert werden. Damit diese Berechnungen schnell genug erfolgen können, muss im Projekt ein 4D-Datenraum (Länge/Breite/ Zeit/Eisklasse) aus klassifizierten und prognostizierten Eisinformationen für das Testgebiet kontinuierlich erneuert und bereit gehalten werden.
Verbundkoordinator
Universität Bremen
Projektpartner
Deutsches Zentrum für Luft- und Raumfahrt e.V.
DriftNoise GmbH
EOMAP GmbH & Co. KG