Alles open! – Immer richtig?
Geoinformationen im Spannungsfeld zwischen der Open-Data-Philosophie und den aktuellen Sicherheitsanforderungen

Geoinformationssicherheit | Open-Data | digitaler Zwilling | NGIS 2.0 | kritische Infrastruktur

geoinformation security | open data | digital twin | NGIS 2.0 | critical infrastructure

• Ausgabe: HN 134, Seite 22–23
• DOI: 10.23784/HN134-04
• Autor/en: Paul Becker

A healthy ocean with all
Transdisciplinary approaches to ocean sustainability

ocean | transdisciplinarity | sustainability | blue economy | citizen science

Ozean | Transdisziplinarität | Nachhaltigkeit | Blue Economy | Bürgerwissenschaft

• Ausgabe: HN 134, Seite 20
• DOI: 10.23784/HN134-03
• Autor/en: Toste Tanhua, Steffen Knodt

AI-driven detection of quartzite blocks in the River Rhine using CNN U-Net with backscatter and bathymetric data

Submerged quartzite blocks in shallow inland waterways present a significant hazard to navigation, particularly in high-traffic rivers such as the River Rhine. Conventional detection methods rely on manual interpretation of multibeam echo sounder (MBES) data, which is time-consuming, subjective and difficult to scale. This study evaluates the application of deep learning for automated detection of submerged rock features using bathymetric and backscatter data. A U-Net convolutional neural network with a ResNet-50 encoder was trained on a dataset comprising over 8,000 manually digitised rock features from a 7.5 km section of the Rhine. In addition to single bathymetry and backscatter inputs, derivative features were generated and combined using a principal component analysis to form composite datasets. Model performance was assessed using Intersection over Union (IoU), precision, recall and F1-score. The best results were achieved using a composite dataset integrating backscatter, slope and roughness, yielding an IoU of 0.492 and an F1-score of 0.659. The model demonstrated strong agreement with manual annotations and identified additional potential features not previously mapped. The results highlight the value of combining acoustic intensity and terrain derivatives in deep-learning workflows. This study demonstrates a scalable and objective approach to submerged hazard detection, with implications for improving hydrographic survey efficiency and navigational safety.

boulder detection | inland water mapping | autonomous data processing | backscatter data | CNN | PCA

Untergetauchte Quarzitblöcke in flachen Binnengewässern stellen eine erhebliche Gefahr für die Schifffahrt dar, insbesondere in stark befahrenen Flüssen wie dem Rhein. Herkömmliche Detektionsmethoden basieren auf der manuellen Auswertung von Fächerecholotdaten (MBES), was zeitaufwendig, subjektiv und schwer skalierbar ist. Diese Studie evaluiert die Anwendung von Deep Learning zur automatisierten Detektion untergetauchter Felsformationen mit Hilfe bathymetrischer Daten und Rückstreudaten. Ein U-Net-Faltungsnetzwerk mit einem ResNet-50-Encoder wurde mit einem Datensatz trainiert, der über 8000 manuell digitalisierte Felsformationen eines 7,5 km langen Rheinabschnitts umfasst. Zusätzlich zu den Rohdaten aus Bathymetrie und Rückstreuung wurden abgeleitete Merkmale generiert und mittels Hauptkomponentenanalyse zu zusammengesetzten Datensätzen kombiniert. Die Modellleistung wurde anhand von Intersection over Union (IoU), Präzision, Trefferquote und F1-Score bewertet. Die besten Ergebnisse wurden mit einem kombinierten Datensatz erzielt, der Rückstreuung, Neigung und Rauheit integrierte und einen IoU-Wert von 0,492 sowie einen F1-Score von 0,659 ergab. Das Modell zeigte eine hohe Übereinstimmung mit manuellen Annotationen und identifizierte zusätzliche, bisher nicht kartierte potenzielle Merkmale. Die Ergebnisse unterstreichen den Nutzen der Kombination von akustischer Intensität und Geländederivaten in Deep-Learning-Workflows. Diese Studie demonstriert einen skalierbaren und objektiven Ansatz zur Erkennung von Unterwassergefahren mit Implikationen für die Verbesserung der Effizienz hydrographischer Vermessungen und der Sicherheit der Schifffahrt.

Quarzitblockerkennung | Binnengewässerkartierung | autonome Datenverarbeitung | Rückstreudaten | CNN | PCA

• Ausgabe: HN 134, Seite 14–19
• DOI: 10.23784/HN134-02
• Autor/en: Eric Idun

Hydrographie als Schlüsseltechnologie
Beiträge zu Sicherheit, Nachhaltigkeit und maritimer Infrastruktur

Hydrographie | Klimawandel | Meeresspiegelanstieg | digitaler Zwilling

hydrography | climate change | sea level rise | digital twin

• Ausgabe: HN 134, Seite 12–13
• DOI: 10.23784/HN134-01
• Autor/en: Harald Sternberg

»Die letzten ›weißen Flecken‹ unserer Erde liegen unter Wasser«

Dr. Tanja Dufek hat den Hydrographentag in Lübeck-Travemünde, der in Kooperation mit dem DVW veranstaltet wird, mitorganisiert. Sie war lange als wissenschaftliche Mitarbeiterin an der HafenCity Universität (HCU) in Hamburg angestellt. Heute arbeitet sie bei der Fugro Germany Marine GmbH in Bremen und beschäftigt sich mit der Kartierung von Seegras. Im Interview berichtet sie von ihrer Zeit an der Uni und macht sich Gedanken, wie es gelingen könnte, mehr Nachwuchs für die Hydrographie zu begeistern. Zugleich bringt sie ihre Begeisterung für die Praxis zum Ausdruck.

DVW | DHyG | Hydrographentag | Forschung und Lehre | Promotion | HCU

Dr. Tanja Dufek co-organised the DHyG event (Hydrographentag) in Lübeck-Travemünde, which is held in collaboration with the DVW. She was employed for many years as a research assistant at HafenCity University (HCU) in Hamburg. She now works at Fugro Germany Marine GmbH in Bremen, where she specialises in seagrass mapping. In this interview, she talks about her time at university and reflects on how we might succeed in inspiring more young people to take an interest in hydrography. At the same time, she expresses her enthusiasm for the practical side of things.

DVW | DHyG | Hydrographentag | research and teaching | doctorate | HCU

• Ausgabe: HN 134, Seite 6–11
• DOI: 10.23784/HN134-00
• Autor/en: Tanja Dufek, Lars Schiller, Patrick Westfeld