KI-Modell TerraMind verbessert weltweite Flutkartierung in Echtzeit

In einem neuen Forschungsbericht zeigen Wissenschaftler, dass das multimodale Geospatial Foundation Model (GFM) TerraMind von ESA-IBM die Genauigkeit der Flutkartierung weltweit deutlich steigern kann. Durch die Kombination von Sentinel‑1‑Radar- und Sentinel‑2‑Optikdaten aus dem FloodsNet‑Datensatz – der 85 Flutereignisse auf fünf Kontinenten abdeckt – wurde TerraMind speziell für die Erfassung von Überschwemmungen angepasst.

Die Studie untersuchte vier Varianten des Modells, darunter Basis‑ und Großmodelle sowie feste und unfeste Backbones. Die Basis‑unfeste Konfiguration erwies sich als die effizienteste Lösung: Sie liefert ein ausgewogenes Verhältnis von Genauigkeit, Präzision und Rückrufrate bei deutlich geringerer Rechenbelastung als das große Modell. Das große unfeste Modell erzielte die höchste Rückrufrate, während Modelle, die auf FloodsNet trainiert wurden, die Beispiel‑Performance von Sen1Floods11 in Bezug auf Rückrufrate übertrafen, ohne die Gesamtgenauigkeit zu verlieren.

Ein zusätzliches U‑Net‑Netzwerk, das sowohl FloodsNet als auch Sen1Floods11 nutzt, erreichte die höchste Rückrufrate aller getesteten Modelle, jedoch mit leicht geringerer Genauigkeit und Präzision. Die Ergebnisse verdeutlichen, dass die Integration von multimodalen Daten und das Feintuning eines GFMs die Near‑Real‑Time‑Flutkartierung auf globaler Ebene erheblich verbessern können – ein entscheidender Fortschritt für die Frühwarnung und Katastrophenhilfe.