Aktuelle Projekte

Projekte | Interdisziplinäres Monitoring

• Großflächige InSAR-Deformationsüberwachung mittels realitätsnaher, simulationsbasierter Training eines Deep-Learning-Modells

  Die großräumige Überwachung von Landoberflächenverformungen mittels interferometrischem Synthetic-Aperture-Radar (InSAR) erfordert eine zuverlässige Erkennung von Veränderungen in langfristigen Verformungstrends. Die genaue Erkennung von Wendepunkten (Change Points, CP) stellt jedoch aufgrund der komplexen Eigenschaften von InSAR-Zeitreihen, darunter saisonale und quasi-periodische Komponenten sowie Rauschen, nach wie vor eine Herausforderung dar. Klassische statistische Methoden und viele bestehende Deep-Learning-Ansätze stützen sich auf restriktive Annahmen oder Trainingsdaten, die reale InSAR-Zeitreihen nicht vollständig abbilden, was zu einer eingeschränkten Generalisierungsfähigkeit und Skalierbarkeit für großräumige operative Anwendungen führt. Diese Studie konzentrieren sich auf den Einsatz von Deep-Learning-Modellen, um der Herausforderungen zu begegnen.

  Leitung: Prof. Dr.-Ing. Ingo Neumann, Dr.-Ing. Mohammad Omidalizarandi

  Team: Kourosh Shahryarinia, M. Sc.

  Jahr: 2024

  Förderung: DAAD Research Grant

  Laufzeit: 10/2024 - 09/2027

  © GIH
• Deformationsanalyse auf der Grundlage von terrestrischen Laserscanner-Messungen (TLS-Defo, FOR 5455): Unsicherheit der Oberflächenannäherung

  Bei geodätischen Verformungsanalysen werden geometrische Veränderungen in zwei oder mehr Zuständen statistisch untersucht. Um das volle Potenzial etablierter oberflächenbasierter Messverfahren wie dem terrestrischen Laserscanning (TLS) zu nutzen, ist eine kontinuierliche lokale und globale Modellierung der überwachten Oberfläche erforderlich. Das Projekt "Unsicherheit der Oberflächenannäherung" konzentriert sich auf die Untersuchung der Interaktion zwischen Mess- und Modellunsicherheiten im Zusammenhang mit der Auswahl von Oberflächenmodellen. Diese Komponenten sind eng miteinander verbunden, da die Höhe der Modellunsicherheit direkt von der Wechselwirkung zwischen der Komplexität des gemessenen Objekts, wie Rauheit und scharfe Kanten, und der räumlichen Dichte der Messpunkte über das Objekt beeinflusst wird. Um dies zu berücksichtigen, unterscheidet das Projekt zwischen drei Unterthemen: TLS-Unsicherheitsbudget, Modellunsicherheit und die Anwendung der fraktalen Geometrie als methodisches Werkzeug zur Erreichung des primären Projektziels.

  Leitung: Ingo Neumann, Mohammad Omidalizarandi

  Team: Jan Hartmann

  Jahr: 2023

  Förderung: DFG

  Laufzeit: 10/23 – 09/27