Zuwendungsgeber: Dieses Projekt wurde vom Forschungs- und Innovationsprogramm Horizon 2020 der Europäischen Union im Rahmen der Finanzhilfevereinbarung Nr. 869178-AquaticPollutants gefördert.
Förderkennzeichen: 03F0901A - Bundesministerium für Bildung und Forschung
Förderzeitraum: 1.09.2021- 31.08.2024
Projektpartner: Technologische Universität Dublin, Irland (Koordinator); Universität Südböhmen in České Budějovice, Tschechische Republik; Helmholtz-Zentrum Potsdam - Deutsches GeoForschungsZentrum GFZ, Deutschland; Universität für Wissenschaft und Technologie, Norwegen; International Iberian Nanotechnology Laboratory - INL, Portugal; Universidad Autónoma de Madrid, Spanien; Universität Santiago de Compostela, Spanien 

Die Eutrophierung von Gewässern und die globale Erwärmung in Europa tragen dazu bei, dass sich Cyanobakterien übermäßig vermehren und schädliche Algenblüten (Harmful Algal Blooms; HABs) verursachen. Die Erscheinungsformen von HABs sind mit erheblichen Auswirkungen auf sozioökonomische Systeme und die menschliche Gesundheit verbunden. Zu den wichtigsten betroffenen Sektoren gehören das Gesundheitswesen, die kommerzielle Fischerei, der Tourismus, Freizeitaktivitäten, sowie die Überwachung und das Management von Gewässern. HABs verursacht erhebliche Kosten für die Tourismusindustrie, wobei die höchsten nicht-marktbezogenen Kosten von Freizeitnutzern getragen werden.

Fischsterben, Krankheiten, die durch den Verzehr von kontaminierten Meeresfrüchten verursacht werden oder die Zurückhaltung der Verbraucher beim Kauf von Fisch während des Auftretens von Algenblüten sind weitere wirtschaftliche Auswirkungen von HABs. Daher ist die Überwachung und frühzeitige Erkennung von HABs von entscheidender Bedeutung für die Umsetzung angemessener wasserwirtschaftlicher Maßnahmen. Die KI-gestützte Vorhersage schädlicher Algenblüten (AI-powered Forecast for Harmful Algal Blooms; AIHABs) ist eine innovative, multidisziplinäre Initiative. Sie zielt darauf ab, ein integriertes Bewertungssystem zur Vorhersage von Risiken zu entwickeln, die sich aus dem Vorhandensein von neu auftretenden Cyanotoxinen in Binnen- und Küstenökosystemen ergeben. Die Innovation dieses Projekts besteht in der Kombination von Werkzeugen wie neuester KI-Verfahren (Künstliche Intelligenz), Fernerkundung, Nanosensoren, hydrodynamischer Modellierung und umfangreicher genetischer Sequenzierung. Sie hat das Ziel, Entscheidungsträgern ein Frühwarnsystem in Bezug auf das Risiko für die Bevölkerung zur Verfügung zu stellen. Die Vorhersagemodellierung wird eine rechtzeitige Maßnahmenergreifung ermöglichen, wenn die Gewässerneigung zu toxischer Cyanobakterienblüte zu groß wird und die Risiken aus Ernährungsnutzung von Gewässern oder deren Nutzung als Freizeitressource minimiert werden müssen. Anschließend wird im Rahmen dieses Projekts eine KI-basierte Software zur Vorhersage der Wasserqualität von Binnen- und Küstengewässern entwickelt.

AIHABs ist ein Konsortium von sieben europäischen Partnern. Der deutsche Anteil des Projekts wird vom Helmholtz-Zentrum Potsdam - Deutsches GeoForschungsZentrum GFZ beigesteuert. Das GFZ leitet die Entwicklung neuartiger KI-basierter Algorithmen zur Extraktion von visuellen, spektralen und zeitlichen Merkmalen von HABs aus hyperspektralen (z.B. HICO, CHRIS, PRISMA und DESIS), multispektralen räumlich hochauflösenden (z.B. Sentinel-2, Landsat-8) und räumlich moderat auflösenden (z.B. MODIS und Sentinel-3) Satellitensystemen. Zusätzlich wird das GFZ die Entwicklung eines HAB-Frühwarnsystems unter Verwendung von maschinellen/Deep-Learning-Algorithmen und Zeitreihenanalyse-Verfahren leiten.