Der vollständige Blogbeitrag wurde auf geoawesome veröffentlicht.
Die Bewältigung von Siedlungsabfällen stellt insbesondere Regionen mit unzureichender Abfallwirtschaft vor eine große Herausforderung. Vor allem in Afrika gelten mehrere Regionen als kritische Hotspots für Fehlmanagement von Abfällen. Im Jahr 2012 wurden in ganz Afrika lediglich 55% aller Siedlungsabfälle gesammelt, von denen nur 4% recycled wurden, wenngleich 70-80% dieser Abfälle eigentlich wieder verwertbar wären. Die dadurch entstehende Ansammlung von Abfällen auf illegalen Mülldeponien, insbesondere an Flussufern, führt zu weitreichenden Problemen wie Umweltverschmutzung, Gesundheitsrisiken und vermehrten Überschwemmungen.
Um dieses Problem zu lösen, hat eine Team von Geoinformatiker:innen der Universität Heidelberg und HeiGIT in Zusammenarbeit mit OpenDataDevelopment Tansania einen neuartigen Workflow entwickelt, der Drohnen zur Erfassung der Abfälle nutzt (vgl. UAV-Assisted Municipal Solid Waste Monitoring for Informed Disposal Decisions | Proceedings of the 2024 International Conference on Information Technology for Social Good ). Durch die Verwendung dieser Drohnen stehen hochauflösende Luftbilder zur Verfügung, die die Qualität der öffentlich zugänglichen Satellitendaten übertreffen. Dadurch können sowohl große als auch kleinere Abfallsammlungen präzise identifiziert werden.
In Dar es Saleem, Tansania, wurde eine Fallstudie durchgeführt, die sich vor allem auf die Region rund um den Msimbazi-Fluss konzentriert, eines der am stärksten verschmutzen Flussbetten in Ostafrika. Die unzureichende Abfallwirtschaft führt dort zu Umweltprobleme und einem erhöhten Überschwemmungsrisiko, da Abfälle die Entwässerungssysteme verstopfen. Die Forschenden haben einen Objekt-Erkennungs-Algorithmus entwickelt, der die Drohnen-Bilder zur Erkennung der Abfälle nutzt und dabei eine hohe Genauigkeit in der Identifikation der Abfälle aufweist.
Der Workflow zeigt bereits vielversprechende Ergebnisse für die Erkennung von Siedlungsabfällen, jedoch bleiben weiterhin auch Schwierigkeiten bestehen. Gerade Abfallhaufen, die schwer abgrenzbar sind, stellen den Algorithmus vor Herausforderungen. Zukünftige Verbesserungen, wie die Anwendungen von Bildklassifikations- oder Segmentierungstechniken auf kleineren Bildkacheln, können die Präzision in der Erkennung weiter steigern.
Die dabei entstehenden Karten können kommunale Entscheidungsprozesse unterstützen, indem sie dabei helfen, Prioritäten in der Abfallsammlung zu setzen und optimale Standorte für neue, umweltgerechte Deponien zu identifizieren. Dadurch lassen sich Risiken, die im Zusammenhang mit Überschwemmungen und Krankheitsausbrüchen stehen, langfristig minimieren.
