Einführung in Landslide Susceptibility Assessment Tools, das BGR Werkzeug für (Rutschungs-)Empfindlichkeitsanalysen

Einleitung

Landslide Susceptibility Assessment Tools – Project Manager Suite (LSAT PM) Logo Quelle: BGR

Geogefahren gefährden Menschenleben und verursachen große infrastrukturelle Schäden weltweit. Dieser Trend dürfte sich im Zuge des Klimawandels (häufigere Wetterextreme) und der Bevölkerungszunahme (zunehmender Druck auf nutzbare Naturräume) weiter verstärken. Deshalb ist es wichtig, diese Gefahrenpotenziale frühzeitig zu erkennen und bei der Planung zu berücksichtigen.

Gleichzeitig erleben wir eine zunehmende Digitalisierung in allen geowissenschaftlichen Bereichen mit einem bis dato nie dagewesenen Angebot an Erdbeobachtungsdaten. Können wir vom Einsatz des Maschinellen Lernens (ML) zur Bewertung dieser Gefahrenpotenziale profitieren?

Im Kolloquium geben wir einen Überblick über praktische Methoden zur Bewertung von ingenieurgeologischen Gefährdungspotenzialen und gehen dabei verstärkt auf die Anwendung von ML-Methoden ein. Darauf aufbauend wird die für diesen Zweck intern entwickelte Softwarelösung vorgestellt.

Jewgenij Torizin, Michael Fuchs, Nick Schüßler: Methoden des Maschinellen Lernens in Ingenieurgeologischen Gefährdungsanalysen – Beispiele aus Projektarbeit

Das Maschinelle Lernen (ML) ist heutzutage allgegenwärtig und hat einen erheblichen Einfluss auf unseren Alltag. Von personalisierter Werbung bis hin zu KI-Assistenten deckt die Palette der Anwendungen ein breites Spektrum ab. Auch in den Naturwissenschaften haben sich die Methoden des ML etabliert und verhalfen bereits zu signifikanten Durchbrüchen in der Biologie, Chemie und Mathematik.

In Geowissenschaften erhalten Methoden des ML zunehmend Einzug in allen Teilbereichen wo große Datenmengen erhoben und ausgewertet werden müssen.

In ingenieurgeologischen Gefährdungsanalysen wird vor allem im akademischen Bereich ML verstärkt eingesetzt z.B. um die regionale Empfindlichkeit gegenüber Massenbewegungen zu bewerten. Dabei wird versucht datengetrieben Zusammenhänge zwischen möglichen Einflussparametern und Massenbewegungsereignissen zu ermitteln ohne die physikalischen Prozesse explizit zu modellieren und so quantitative Aussagen über die regionale Verteilung der Gefahren zu erhalten. Im praktischen Anwendungsbereich wird solchen Modellen jedoch mit großer Skepsis begegnet, da diese oft als nicht transparent angesehen werden.

Mit Beispielen aus unterschiedlichen Projekten versuchen wir die Herausforderungen des Einsatzes von ML in ingenieurgeologischen Gefährdungsanalysen, sowie Bedarfe aufzudecken und die damit verbundenen Chancen zu ermitteln..

Nick Schüßler, Jewgenij Torizin, Michael Fuchs: Einführung in Landslide Susceptibility Assessment Tools, das BGR Toolkit für (Rutschungs-) Empfindlichkeitsanalysen

Landslide Suseptibility Assessment Tools – Project Manager Suite (LSAT PM) ist ein quelloffenes, modulares, nutzerfreundliches Pythonprogramm. Es wurde primär für die Bewertung der Rutschungsempfindlichkeit entwickelt, kann jedoch für jede Art der räumlichen binären Klassifizierung verwendet werden. Es ist auf allen modernen Betriebssystemen lauffähig.

Das Hauptaugenmerk lag bei der Entwicklung auf einem effizienten und interaktiven Datenmanagment. Dabei nutzt LSAT PM Standard-GIS-Datenformate, um eine Kompatibilität zu allen Geoinformationssystemen zu gewährleisten.
Ein weiterer Schwerpunkt ist die Erfassung von Modellunsicherheiten und Modellevaluierung. Dadurch wird die Software zu einem praktischen Werkzeug, um (auch extern erzeugte) Rutschungsempfindlichkeitsmodelle zu vergleichen und zu bewerten.

Mit Analytischem Hierarchieprozess (AHP), der Methode der gewichteten Evidenzen (WoE), der Logistischen Regression (LR) und dem Künstlichen Neuronalen Netz (Mehrlagiges Perzeptron; KNN) sind wissens- und datengetriebene Modellierungsmethoden in LSAT PM implementiert.

Die Software wurde über Jahre in BGR Projekten eingesetzt, weiterentwickelt und getestet. Das Softwarepaket, eine umfassende Dokumentation und ein Testdatensatz sind unter
github.com/BGR-EGHA/LSAT frei verfügbar. Dadurch wird LSAT PM mit Unterstützung der Nutzer aktiv weiterentwickelt.

Über den Meeting-Link beitreten:
https://bgr-bund.webex.com/bgr-bund/j.php?MTID=m8557cb1ce1ae2210718e6ec7fddd8bd1 , Meeting-Kennnummer (Zugriffscode): 2741 585 6495, Meeting Passwort: heVhppJu254