Florida-Forscherin will Rotalge per KI aus PACE-Farbdaten herausfiltern

Florida-Forscherin will Rotalge per KI aus PACE-Farbdaten herausfiltern

Forschende der Florida State University (FSU) wollen künstliche Intelligenz und hyperspektrale Daten des NASA-Satelliten PACE nutzen, um die Rotalge Karenia brevis von anderem Phytoplankton zu trennen. So soll sich eine Blüte früher erkennen lassen. Die Arbeit leitet die Satellitenozeanografin Bingqing Liu, die das HyperCoast Lab der FSU führt. Eine Sekundärquelle nennt dieselbe Person Bingxin Liu. Ob es sich um einen Übertragungsfehler handelt, ist offen, weil die Originalmitteilung der FSU nicht vorliegt.

Hyperspektral bedeutet hier: Das Ocean Color Instrument (OCI) an Bord von PACE misst vom ultravioletten bis in den kurzwelligen Infrarotbereich. Die Vorgängerinstrumente SeaWiFS, MODIS und VIIRS erfassten nur wenige Wellenlängen. Nach Liu enthalten die PACE-Daten mehr Informationen über die Ozeanfarbe als die bloße Gesamtmenge an Phytoplankton. Damit lassen sich Algengruppen unterscheiden, darunter K. brevis. PACE startete im Februar 2024. Die NASA bezeichnet die Mission als Träger „revolutionärer Fähigkeiten“ und als erste mit täglichen, globalen Messungen. Das ist eine Herstellerangabe.

Belegte Leistungswerte fehlen. Weder Genauigkeit noch Falschalarmrate noch Vorlaufzeit sind für Lius Ansatz genannt. Es handelt sich bislang um eine qualitative Ankündigung. Offen bleibt, wie sich der Ansatz von bereits veröffentlichten KI-Verfahren mit Satellitendaten unterscheidet, etwa von der VIIRS-Studie von Yao et al. und von SIT-FUSE.

Hurrikan Milton und Mikroskop-Zählungen: Warum frühe Erkennung schwierig ist

An einer in Scientific Reports erschienenen Studie war Liu beteiligt. Sie untersucht, wie Extremwetter die Blüten von K. brevis rasch verstärkt, besonders Hurrikan Milton 2024. Starker Regen und Abfluss spülen demnach große Mengen Schadstoffe ins Küstenwasser. Dadurch entstehen Bedingungen, die das Wachstum der giftigen Algen begünstigen.

Das bisherige Monitoring stützt sich weitgehend auf mikroskopische Zellzählungen. Sie können K. brevis mit harmlosen Mikroalgen verwechseln. Bei sehr niedrigen Zellzahlen, also zu Beginn und am Ende einer Blüte, werden sie schwierig. Proben, die per Boot entnommen und im Labor analysiert werden, brauchen einen Tag oder länger. Forschende, die von der US-Behörde NCCOS unterstützt werden, entwickelten dafür einen qPCR-Test. Er weist schon einzelne K.-brevis-Zellen nach.

Auf dem Spiel steht einiges. K. brevis tötet Wildtiere, verschmutzt Strände und macht Schwimmer krank. Algengifte können in die Luft gelangen und Atemwegserkrankungen auslösen. Schwere Blüten kosten Küstenwirtschaften in den USA laut NASA jährlich zig Millionen Dollar.

SIT-FUSE und VIIRS-Studie: Besser dokumentierte KI-Ansätze zur Algenerkennung

Die Kombination aus KI und Satellit ist nicht grundsätzlich neu. Yao et al. erkannten 2023 K. brevis auf dem West Florida Shelf KI-gestützt mit VIIRS-Daten. Dabei berücksichtigten sie die räumliche Kohärenz.

NASA-Forschende entwickelten außerdem SIT-FUSE. Das Framework fusioniert Daten von VIIRS, MODIS, Sentinel-3 und PACE mit TROPOMI-Fluoreszenzdaten und arbeitet mit selbstüberwachtem Lernen. Validiert wurde es mit In-situ-Daten aus dem Golf von Mexiko und aus Südkalifornien, erhoben zwischen 2018 und 2025. Die Autoren berichten von starker Übereinstimmung mit Messungen, unter anderem bei K. brevis. Zahlenwerte liegen im vorliegenden Material nicht vor. Die Autoren nennen ihre Ergebnisse einen „kritischen Schritt“ hin zu skalierbarem Monitoring. Das ist eine Selbsteinschätzung, die unabhängig zu prüfen bleibt.

Ob diese Arbeiten mit Lius Ansatz zusammenhängen, ist nicht belegt.