Den Grund aus dem All lesen: warum wir Satellitentiefe (noch) nicht überall ausrollen

Die Tiefe ist vielleicht das Wichtigste, was ein Angler wissen will — und das am wenigsten Verfügbare. Für eine Handvoll großer Gewässer gibt es gemessene Bathymetrie; für die Tausenden Polderseen, Kanäle und Torfstiche dazwischen nicht. Die Frage, die wir uns stellten: Lässt sich Tiefe aus kostenlosen Satellitenbildern gewinnen, für die gesamten Niederlande?

Die Standardmethode — und woher sie kommt

Der klassische Ansatz heißt satellite-derived bathymetry (SDB). Er nutzt das Log-Verhältnis des blauen und grünen Bandes von Sentinel-2 — die Methode, die Stumpf 2003 veröffentlichte. Tieferes Wasser dämpft Blau und Grün unterschiedlich, und dieses Verhältnis sollte die Tiefe verraten. Auf klarem Küstenwasser bei Ameland erreichte Deltares damit ein R² von 0,92. Wir reproduzierten genau diese Methode und kalibrierten sie gegen die Multibeam-Messungen von Rijkswaterstaat: das Algemeen Dieptebestand IJsselmeergebied, mit 5 Meter Auflösung.

Wo es scheiterte

Auf niederländischem Binnengewässer kippte die Methode. Auf dem IJsselmeer wies der Zusammenhang in die eine Richtung, auf dem Markermeer in die andere — ein Vorzeichenwechsel zwischen zwei vergleichbaren Seen. Ein echtes Tiefensignal würde in beiden in dieselbe Richtung zeigen. Dass es das nicht tat, ist der eindeutige Beweis: Was das Modell aufgriff, war nicht die Tiefe, sondern die Wassersäule selbst — Schwebstoffe, Huminsäuren, die Farbe des Wassers.

Zurück zu den ersten Prinzipien

Als die fertige Methode kippte, warfen wir nicht einfach ein größeres Modell darauf. Wir gingen zurück zur Physik und bauten es von Grund auf auf: Was passiert genau mit einem Lichtstrahl, der ins Wasser eintritt? Jede Ebene, die wir wirklich verstanden, brachte die Vorhersage einen Schritt näher.

1. Was der Satellit wirklich sieht

Was der Sensor aufnimmt, ist keine Tiefe, sondern eine Summe aus drei Dingen: an der Oberfläche reflektiertes Licht, von der Wassersäule zurückgestreutes Licht (Schlamm, Algen, gelöste Stoffe) und der kleine Rest, der den Grund erreichte und abgeschwächt zurückkam. Nur dieser Rest trägt Tiefe. Das ganze Spiel besteht darin, ihn herauszufischen.

2. Farbe ist ein Tiefenmesser

Wasser schluckt nicht jede Farbe gleich schnell. Rotes Licht ist innerhalb eines Meters weg; Grün und Blau reichen am tiefsten. Das Verhältnis, in dem Blau und Grün verblassen, verrät also die Tiefe — das ist die Idee hinter der klassischen Methode. Nahinfrarot dringt kaum ins Wasser ein, was es zur perfekten Referenz macht für 'was ist Oberfläche und Dunst und was ist Wasser'.

3. Nur wo das Licht den Grund erreicht

Daraus folgt die entscheidende Grenze: Tiefe lässt sich nur dort zurückrechnen, wo Bodenphotonen zurückkommen. In klarem, flachem Wasser ist das überall; in trübem oder tiefem Wasser fast nirgends. Die Trennlinie, die zählt, ist also nicht 'See versus Fluss', sondern das Tiefenregime. Gleichmäßig flaches Wasser (1–4 m) ist dort, wo die Physik mitspielt — und genau deshalb klappt es an den Veluwe-Randseen und nicht im tiefen, wechselhaften IJsselmeer-Becken.

4. Nicht eine Formel, sondern das ganze Spektrum

Die klassische Methode presst alles in ein Verhältnis — eine einzige starre Projektion, die den Großteil des Signals wegwirft. Aus ersten Prinzipien ist die Tiefe über mehrere Bänder zugleich mit der Wasserfarbe verwoben. Also geben wir einem Modell alle sichtbaren Bänder plus Nahinfrarot, jedes eine Sonde in einer anderen Tiefenreichweite, und lassen es Boden von Wassersäule selbst trennen. Deshalb schlägt unser Modell auf den rohen Bändern das Verhältnis — und deshalb machte es das Modell schlechter, das alte Verhältnis wieder hinzuzunehmen.

5. Mehr als das Bild: die Form des Gewässers

Ein Satellitenbild ist nicht alles, was die Physik eines Gewässers festhält. Die Form selbst sagt schon viel: ein langer schmaler Graben ist fast überall flach, ein runder Sandsee ist in der Mitte tief. Also fügten wir mehr hinzu als die Farben — die Geometrie jedes Gewässers (Fläche, Länglichkeit, Inseln, die Polygongrenze), die Position im Raster, die Krümmung und Neigung des Grundes, wo wir sie kennen, die LIDAR-Höhe der Ufer, sogar die Strömung in Flüssen.

Und hier lernten wir die wichtigste Lektion: mehr Physikdaten sind nicht automatisch besser. Als wir Schichten unkritisch aufeinanderstapelten, sank die Generalisierung sogar. Die ersten Prinzipien waren der Schiedsrichter — behalte, was das Signal physikalisch trägt, schneide den Rest weg. Die Position leistet lokal die meiste Arbeit (Tiefe ist räumlich autokorreliert); die Form des Polygons setzt das Regime und hält das Training sauber (wir trainieren nur auf echtem Wasser, nicht auf der Aue daneben); und die Krümmung und Rinnenränder speisen wir nicht ein, sondern ziehen sie als eigene Ebene heraus — dazu gleich mehr.

6. Miss die Form, nicht die Meter

Das letzte Prinzip betrifft das, was für den Angler zählt. Ein Fisch schert sich nicht um 4,2 Meter; er schert sich um die Abbruchkante, den Rinnenrand, die Kuppe. Struktur ist eine Gradienten-Eigenschaft — weit robuster zurückzugewinnen als absolute Meter. Also bewerten wir das Modell danach, ob seine Abbrüche an der richtigen Stelle liegen, und ziehen eine deterministische Strukturebene — Hang, Krümmung, Rinnenränder — direkt aus der gemessenen Tiefe. Diese Verschiebung, von 'wie tief genau' zu 'wo ändert sich der Grund', machte das Ergebnis auf dem Wasser erst nützlich.

Wir dachten, wir könnten es besser

Statt einer starren Formel gaben wir einem Gradient-Boosting-Modell die rohen Sentinel-2-Bänder und ließen es die Zusammenhänge selbst finden. Dieselben Kalibrierdaten, ein strikter räumlicher Train/Test-Split, damit benachbarte Pixel nicht in beiden landen.

Auf ungesehenen Messpunkten erreichte es ein R² von 0,53, eine Spearman-Rangkorrelation von 0,75 und einen RMSE von 0,58 Metern — während die klassische SDB hier nicht einmal den Mittelwert schlägt (R² um null, auf dem Markermeer sogar leicht negativ). Mehr noch: Den Stumpf-Index als zusätzliches Merkmal hinzuzunehmen machte das Modell schlechter. Das starre Log-Verhältnis wirft Information weg, die das lernende Modell tatsächlich nutzt.

Und dann versuchten wir, uns selbst zu widerlegen

Eine gute Zahl ist kein gutes Modell. Die eigentliche Frage lautet: generalisiert es? Wir trainierten auf einer Reihe von Gewässern und ließen jeweils eines vollständig weg — leave-one-water-out, der strengste Test, den es gibt.

Für die absolute Tiefe in Metern scheiterte die Generalisierung. Ein Modell, das auf vier Gewässern trainiert wurde, sagt das fünfte nicht in Metern voraus. Was sich überträgt, ist die Rangfolge — flach versus tief — aber nicht die Kalibrierung. Das Modell weiß, wo es flacher wird, nicht um wie viel.

Wo es funktioniert

Eine Gewässerfamilie besteht glänzend: die Veluwe-Randseen — Veluwemeer, Wolderwijd, Nuldernauw, Eemmeer, Gooimeer. Flach, ähnlich in der Form. Dort erreicht dasselbe Modell ein R² um 0,6 und ein Spearman um 0,84, geprüft per leave-one-out gegen RWS-Wahrheit. Nicht weil diese Seen magisch sind, sondern weil sie gleichmäßig flach sind — genau das Regime, in dem die Physik mitspielt.

Was wir letztlich ausrollen

Die Schlussfolgerung lautet nicht 'Satellitentiefe funktioniert nicht'. Sie ist differenzierter, und genau diese Differenzierung ist der Punkt:

• Wo Rijkswaterstaat gemessene Bathymetrie hat, nutzen wir sie direkt — kein Modell, das eine schlechtere Version nachbaut.
• Darüber legen wir eine deterministische Strukturebene: Hänge, Abbrüche, Rinnenränder und Flachwasser, direkt aus der gemessenen Tiefe abgeleitet.
• Für die Veluwe-Randseen rollen wir die modellierte Tiefe aus, per leave-one-out validiert.
• Jede Tiefenkarte ist gekennzeichnet: 'gemessen' oder 'modelliert'. Wir verkaufen das eine nie als das andere.

Deshalb zeigen die Seen-Seiten Tiefe dort, wo wir sie verantworten können, und schweigen, wo das nicht geht. Eine leere Stelle ist ehrlicher als eine erfundene Zahl.

Status: abgeschlossen. Der klassische SDB-Code bleibt als Benchmark im Repository — schlägt ihn eine künftige Methode, wissen wir es sofort.

Aktualisiert: 9. Juli 2026