Hochaufgelöste und schnelle Eisdriftvorhersagen für die polare Schifffahrt

Die zunehmende Schifffahrt in den Polargebieten wird auch in Zukunft dem Risiko driftenden Packeises ausgesetzt sein. Erdbeobachtungsdaten und Wettermodelle können das Risiko für die Schiffe minimieren. Um diese Informationen verwertbar zu machen, muss allerdings ein sehr komplexes „big data-Problem“ schnell gelöst werden.

Vor diesem Hintergrund hatte das Projekt FAST-CAST, die Basis für eine schnelle und hochauflösende Prognose der Dynamik des driftenden Eises zu legen, um dadurch optimale Routenentscheidungen im Eis zu ermöglichen. Für diesen Zweck wurden Sentinel1 Satellitenbilder mit dem ICON Wettermodell des DWD verbunden und die Berechnungen mit Hilfe künstlicher Intelligenz beschleunigt, so dass eine nahe-Echtzeit Bearbeitung der Informationen möglich war.

Das Projekt konnte darlegen, dass Prognosen kurzzeitiger Eisdrift auf der Basis von Sentinel-1 Satellitenbildern, des globalen Wettermodells ICON und mithilfe des Einsatzes von künstlicher Intelligenz operationell erstellt werden können. Damit wurde einer der Grundsteine für einen automatisierten Routenoptimierungsdienst in den Polargebieten gelegt, der die zunehmende Schifffahrt in den Polargebieten effizienter und sicherer gestalten kann.

Die prognostizierte Eisdrift konnte im Projekt ähnlich einer Regenradarprognose einer Wetter App als eingehende Animation sich bewegender Satellitenbilder dargestellt werden. Solche Animationen können schon mittelfristig in der Eisinformations App IcySea zur Anwendung gebracht werden.

Der Einsatz von Ersatzmodellen, die mit neuronalen Netzwerken erstellt wurden, ermöglichte eine Verkürzung der Rechenzeit für Eisdriftvorhersagen auf 6 Prozent der ursprünglichen Dauer. Diese Technik kann prinzipiell in jedem numerischen Abbildungsprozess zum Einsatz kommen und bietet daher ein großes Optimierungspotential auch für andere Anwendungen neben Eisdrift.