NASA nutzt KI und Satellitendaten zur Erkennung schädlicher Algenblüten

Hinweis: Bericht aus einer einzigen Quelle; Bestätigung steht noch aus.

NASA-Wissenschaftler haben ein KI-Tool entwickelt, um die Erkennung schädlicher Algenblüten in den Ozeanen zu verbessern. In einer in AGU Earth and Space Science veröffentlichten Studie kombinierte das KI-Tool Daten mehrerer Satelliten, um Algenblüten im Westen Floridas und im Süden Kaliforniens zu identifizieren.

Diese massiven Algenblüten stellen erhebliche Gesundheitsrisiken und wirtschaftliche Folgen für die Küstengemeinden der USA dar. Orte in Florida wie Tampa Bay und Sarasota sind seit Jahrzehnten immer wieder von diesen Problemen betroffen. Beispielsweise verursacht die Art Karenia brevis im Golf von Mexiko schädliche Algenblüten, die Wildtiere töten, Strände verschmutzen und bei Badegästen Krankheiten auslösen. An der Westküste haben Algenblüten der Art Pseudo-nitzschia Delfine, Seelöwen und andere Meerestiere vergiftet. Die Toxine können sich auch in der Luft verbreiten und die Atemwege von Menschen schädigen.

Gesundheitsbehörden führen Wasserproben durch und geben Warnungen oder Strandsperrungen heraus. Dieser Prozess erfordert jedoch manuelle Probenahme und Laboranalysen, was die Reaktion verzögern kann. Es bleibt schwierig, die optimalen Testgebiete zu bestimmen, bevor sich eine Algenblüte ausbreitet. Die Erdbeobachtungssatelliten der NASA ermöglichen eine großflächige Überwachung und helfen so, Algenblüten zu verfolgen. Das neue KI-Tool könnte diese Bemühungen durch gezielte Wasserproben unterstützen.

Laut Michelle Gierach, Wissenschaftlerin am Jet Propulsion Laboratory der NASA und Mitautorin der Studie, könnte das KI-Tool anzeigen, wann und wo Wasserproben entnommen werden sollten, wenn Algenblüten auftreten, die Zusammenarbeit zwischen Experten fördern und die Entscheidungsfindung unterstützen.

Zu den Satelliten gehören der NASA-Satellit PACE, der mit einem Hyperspektralsensor Algengemeinschaften charakterisiert, und Instrumente wie TROPOMI, das die schwache rote Fluoreszenz von Arten wie K. brevis während der Photosynthese detektiert. Die Forschung kombinierte Beobachtungen von fünf Missionen bzw. Instrumenten, um den KI-gestützten Detektionsansatz zu entwickeln.