Regional steinbreanalyse ved bruk av dyp læring og objektbasert bildeanalyse (OBIA)

Prosjektbeskrivelse
Steinbreer er en viktig komponent i kryosfæren og er en av de mest synlige manifestasjonene av permafrost. Mens betydningen av steinbrebidrag for strømføring fortsatt er usikker, vil bidraget sannsynligvis være viktig for visse deler av verden. De halvtørre Andesfjellene i Chile inneholder en overflod av steinbreer, og grove estimater anslår bidraget så høyt som 14 %. Som sådan er det viktig å lage og vedlikeholde oppdaterte bilder av steinbreene for å studere effektene av klimaendringer og vurdere fremtidige vannressurser.

Bergbreer er vanskelige å kartlegge spektralt fra satellittbilder. Derfor må kunstig intelligens og maskinlæring brukes til å identifisere steinbreer ved å gjenkjenne pikselmønstre. En studie av Robson et al (2020) viste at brukt en kombinasjon av dyp læring og objektbasert bildeanalyse (OBIA) kunne brukes til å identifisere steinbreer nøyaktig, og dermed redusere mengden manuell digitalisering som trengs.

Målet med dette masterprosjektet vil være å bygge videre på denne artikkelen og anvende metoden i en regional skala innenfor de halvtørre Andesfjellene i Chile. Prosjektet vil basere på den nye "TanDEM World" Digital Elevation Model, sammen med European Space Agencys Sentinel-satellittkonstellasjon.

De vitenskapelige problemene kan være sentrert rundt både metodiske spørsmål

• Hvor godt kan metoden fungere over et større landskap?
• Kan bildeklassifiseringen brukes til å synliggjøre landformer av hydrologisk betydning?

men også fra et klimaendringssynspunkt

• Finnes det en regional trend i fjellbreskifte?

For å validere arbeidet i dette prosjektet kan vi sammenligne med funnene fra en annen student som arbeider med interferometrisk radar (InSAR) data som er i stand til å oppdage overflatedeformasjoner i centimeterskala. Dette kan også brukes til å skille ut hvilke landformer som deformerer mest og kan inneholde den største iskonsentrasjonen. Vi vil bruke skybasert prosessering for dette prosjektet.

Proposed course plan during the master's degree (60 ECTS):
GEO316

Særskilte krav for opptak til prosjektet 
Noe erfaring med GIS fra tidligere (bestått GEOV205/GEO215 eller tilsvarende)

Eksterne data 
Gratis tilgjengelige jordobservasjonsdata.

Felt- lab- og analysearbeid 
Størstedelen av prosjektet vil være skrivebordsbasert. Studenten skal utvikle skript og protokoller for å laste ned, forhåndsbehandle og sortere gjennom store datamengder. Selve behandlingen vil være skybasert ved hjelp av Google Earth Engine eller Microsoft Planetary Computer.