Detektion von Munition im Meer und Qualitätskontrolle der Messdaten

Die meisten geophysikalischen Meeresuntersuchungen folgen einem ähnlichen Arbeitsablauf, wie in Abbildung 1 dargestellt. Datenqualitätsprüfungen sind eine wichtige Aufgabe während oder zwischen fast allen in Abbildung 1 dargestellten Schritten. Die Datenqualitätsprüfungen werden jedoch häufig manuell durchgeführt und basieren auf Interpretationen der Vermessungsingenieure oder externen Berater (Kundenvertreter). Daher sind sie sowohl subjektiv als auch qualitativ. Daher ist eine objektivere und quantitativere Datenqualitätsprüfung wünschenswert. In dem Forschungsartikel „Offshore Unexploded Ordnance Detection and Data Quality Control – A Guideline“ beschreiben Wehner und Frey einen Arbeitsablauf, der eine eher quantitative Methode zur Datenqualitätskontrolle für den Anwendungsfall der Erkennung von nicht explodierten Kampfmitteln (UXO) im Meer umfasst.

Abbildung 1: Typischer Arbeitsablauf bei geophysikalischen Meeresuntersuchungen. Datenqualitätsprüfungen können bei jedem Schritt durchgeführt werden. Der Schritt, bei dem die Datenqualitätsprüfung hier angegeben ist, bezieht sich auf den Inhalt dieses Blogs und den entsprechenden Forschungsartikel.  

Die Erkennung alter versenkter Munition, die sich auf oder unter dem Meeresboden befindet, ist eine wichtige Vorbereitungsarbeit für Offshore-Projekte. Die am häufigsten verwendeten Sensortypen für die Erkennung sind Multibeam-Echolot, Seitensichtsonar, Subbottom-Profiler und Magnetometer. In der Forschungsarbeit werden diese Sensoren und ihre Funktionsprinzipien beschrieben. Darüber hinaus werden quantitative Datenqualitätsfaktoren für alle vier Sensortypen definiert. Die Datenqualitätsfaktoren sind messbare Eigenschaften, die bestimmen, ob die Vermessungsdaten für die Erkennung eines bestimmten Referenzobjekts (Munitionsobjekt) geeignet sind. Die Definition dieser Datenqualitätsfaktoren wurde durch die folgenden Schritte erreicht:

(1) Recherche zu bestehenden Richtlinien, Standards, technischen Dokumenten und Forschungsartikeln sowie Erstellung einer ersten Liste von Datenqualitätsfaktoren.

(2) Verteilung eines Fragebogens an Interessengruppen aus Industrie und Wissenschaft, der auf der Grundlage der eingegangenen Antworten zu einer aktualisierten Liste von Datenqualitätsfaktoren führte.

(3) Online- und Vor-Ort-Workshops mit Interessenvertretern aus Industrie und Wissenschaft, um Details zu besprechen und die erforderlichen Datenqualitätsfaktoren weiter zu aktualisieren.

(4) Die Datenqualitätsfaktoren wurden an alle beteiligten Interessenvertreter zur abschließenden Überprüfung verteilt.

Zusätzlich zu der obigen Liste werden Schwellenwerte empfohlen, die auf den Eigenschaften des angegebenen nachweisbaren Referenzobjekts basieren. Die empfohlenen Schwellenwerte wurden auch während der oben beschriebenen Schritte definiert. Es ist möglich, alle Datenqualitätsfaktoren für jeden Datenpunkt der Vermessungsdaten zu berechnen, d. h. für die Punktwolke und nicht für die interpolierten Rasterdaten. Anschließend können sie in Bezug auf den definierten Schwellenwert ausgewertet werden. Datenqualitätsfaktoren für das Fächerecholot sind z. B. der Datenpunktabstand und die Schallkeulenfläche. Die Schallkeulenfläche ist eine Kombination aus der Schallkeulenfläche quer zur Fahrspur und entlang der Fahrspur, die im Forschungsartikel beschrieben wird. Die Verwendung der Datenqualitätsfaktoren wird anhand von Beispielen für Fächerecholotdaten (Bathymetrie) in Abbildung 2 veranschaulicht. Sie zeigt die Datenqualität für zwei Referenzobjekte und die zuvor erwähnten Datenqualitätsfaktoren. Der Vorteil der Datenqualitätsfaktoren besteht darin, dass der Benutzer die Datenqualität leicht verstehen kann. Sie ermöglichen es zu beurteilen, ob das definierte Referenzobjekt in den Daten erkennbar ist oder nicht. Da die Datenqualitätsfaktoren für jeden Datenpunkt berechnet werden, kann außerdem eine Datenfilterung auf der Grundlage der definierten Schwellenwerte leicht durchgeführt werden.

Abbildung 2: Beispielhafte Verwendung von Datenqualitätsfaktoren für einen Multibeam-Echolot-Datensatz (Bathymetrie), zwei Referenzobjekte und beispielhaft ausgewählte Datenqualitätsfaktoren. (angepasst von https://doi.org/10.1121/2.0001492).

Zusammengefasst sind die Vorteile der beschriebenen Datenqualitätsfaktoren:

• Objektive und quantitative Bewertung der Datenqualität
• Schnelle Bewertung der Datenqualität durch visuelle Inspektion (Abbildung 2)
• Ermöglicht Datenfilter- und -extraktionsvorgänge auf der Grundlage berechneter Datenqualitätsfaktoren (z. B. als Datenvorbereitung für KI-Anwendungen) 

Um die Effizienz und Zuverlässigkeit geophysikalischer Meeresuntersuchungen weiter zu verbessern, kann der Einsatz fortschrittlicher digitaler Tools wie der Geodata Processing Engine von TrueOcean eine entscheidende Rolle spielen. Wie in unserem Artikel hervorgehoben "Streamline Ocean Data with TrueOcean's Geodata Processing Engine", diese Cloud-basierte Plattform ist für die Verarbeitung, Verwaltung und Visualisierung großer Mengen georäumlicher Daten ausgelegt. Durch die Integration solcher Plattformen in Arbeitsabläufe können Gutachter Datenqualitätsprüfungen automatisieren und so objektive und quantitative Bewertungen mit beispielloser Geschwindigkeit und Genauigkeit durchführen.

Bild: Die Ozeandaten-Plattform von north.io präsentiert ihre Geodatenverarbeitungsmaschine in Aktion.

Durch die Kombination der im Forschungsartikel erörterten Datenqualitätsfaktoren mit den skalierbaren Verarbeitungsfähigkeiten von TrueOcean kann die Erkennung von Seeminen präziser, effizienter und bereit für KI-gestützte Erkenntnisse werden, wodurch Projektrisiken reduziert und die Einhaltung von Branchenstandards sichergestellt werden.