Wasser Monitoring System

Surface Water Inventory and Monitoring (SWIM)
Die in naher Echtzeit abgeleiteten Wassermasken der Sentinel-1 und Sentinel-2 Satellitendaten sind frei über den EOC Geoservice des DLR beziehbar.

Das Deutsche Fernerkundungsdatenzentrum des DLR betreibt ein System zur Detektion und zum Monitoring von Wasserflächen in naher Echtzeit. Es besteht aus vollautomatischen Prozessketten zur Ableitung des Ausmaßes von Wasserflächen basierend auf Erdbeobachtungsdaten von Radar- und optischen Satelliten, UAVs und flugzeuggetragenen Sensoren.

Zur automatischen Segmentierung der Wasserflächen kommen Verfahren aus dem Bereich der Künstlichen Intelligenz zum Einsatz, die durch umfangreiche Referenzdatensätze trainiert wurden.

Die abgeleiteten Wasserflächen werden primär für das ad-hoc Hochwassermonitoring verwendet. Während systematisch aufgenommene Daten von beispielsweise Sentinel-1 und Sentinel-2 ein kontinuierliches Hochwassermonitoring entsprechend des vordefinierten Aufnahmeplans der Europäischen Weltraumorganisation (ESA) erlauben, werden die Hochwasserprozessketten höher auflösender Sensoren aktiviert, sobald entsprechende Daten über den betroffenen Gebieten programmiert werden (beispielsweise im Rahmen unterschiedlicher Mechanismen zur Katastrophenbewältigung wie der Internationalen Charta „Space and Major Disasters“).

Frei verfügbar sind die Resultate des Surface Water Inventory and Monitoring (SWIM) Produkts des DLR. Dieses beinhaltet derzeit die in naher Echtzeit abgeleiteten Wassermasken der Sentinel-1 und Sentinel-2 Satellitendaten über Europa. Die Wassermasken sind über den EOC Geoservice des DLR beziehbar. SWIM wird kontinuierlich zu einem globalen Service erweitert.

Referenzen

Bereczky, M., Wieland, M., Krullikowski, C., Martinis, S., Plank, S., 2022. Sentinel-1-based water and flood mapping: Benchmarking Convolutional Neural Networks against an operational rule-based processing chain. IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens., 15, 2023–2036.

Groth, S., Wieland, M., Martinis, S., 2025. Surface Water Inventory and Monitoring (SWIM): Hands-on examples for improved flood mapping and water resource monitoring. ESA Living Planet Symposium, 2025, 23-27 June 2025, Vienna, Austria.

Martinis, S., Twele, A., Voigt, S., 2009. Towards operational near real-time flood detection using a split-based automatic thresholding procedure on high resolution TerraSAR-X data. Nat. Hazards Earth Syst. Sci. 9, 303-314.

Martinis, S., Kersten, J., Twele, A., 2015. A fully automated TerraSAR-X based flood service. ISPRS J. Photo. Remote Sens. 104, 203-212.

Martinis, S., Groth, S., Wieland, M., Knopp, L., Rättich, M., 2022. Towards a global seasonal and permanent reference water product from sentinel-1/2 data for improved flood mapping. Remote Sens. Environ. 278, 113077.

Wieland, M., Martinis, S., 2019. A modular processing chain for automated flood monitoring from multi-spectral satellite data. Remote Sens., 11 (19), 2330.

Wieland, M., Fichtner, F., Martinis, S., Groth, S., Krullikowski, C., Plank, S., Motagh, M., 2023. S1S2-Water: A global dataset for semantic segmentation of water bodies from Sentinel-1 and Sentinel-2 satellite images. IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens., 17, 1084-1099.

Wieland M., Martinis S., Kiefl R., Gstaiger V., 2023. Semantic segmentation of water bodies in very high-resolution satellite and aerial images. Remote Sens. Environ., 287.