Graslandflächen in montanen Gebieten (Schweizer Alpen, Voralpen sowie Juragebirge) können stark betroffen sein von Erosionsprozessen. Dies ist zurückzuführen auf die steile Topographie kombiniert mit extremen Klimabedingungen (Schneeprozesse, Frost, Starkregen). Der Klimawandel wirkt sich durch höhere Temperaturen und extremere Dürreperioden aus. Die bisherigen Forschungsergebnisse der Forschungsgruppe Umweltgeowissenschaften an der Universität Basel konzentrierten sich auf alpine Grassländer; sie haben gezeigt, dass erosionsbedingte Bodendegradation in den letzten Jahren deutlich zugenommen hat (Meusburger et al. 2008, 2009; Zweifel et al., 2019). Dies steht im Einklang mit anderen Studien im Alpenraum (Blechschmidt, 1990; Latsch und Baum, 1976; Schauer, 1975; Tasser et al., 2003, 2005; Wiegand und Geitner, 2013). Dabei wurden in einem ersten Schritt Erosionsformen mit einer objekt-basierten Bildanalyse (engl. OBIA) semi-automatisch auf Luftbildern kartiert und die vorwiegende Erosionsprozesse den Objekten zugeordnet (Zweifel et al. 2019). Das Ziel des Projektes ist es, anhand des Deep Learning Modells (U-Net) Erosionsprozesse auf montanen Grünlandflächen in der Schweiz automatisiert zu kartieren. Hierfür werden alle zur Verfügung stehenden historischen RGB Luftbilder verwendet (SWISSIMAGE ab 1998, siehe Kapitel «Datensätze»), wodurch eine Kartierung der zeitlichen Trends ermöglicht wird. So wird es möglich sein, die generelle Dynamik der Erosionsprozesse auf Graslandflächen zu verstehen, indem sowie zeitliche wie auch räumliche Analysen von Erosionsgebieten durchgeführt werden. Gefährdete Gebiete werden somit identifiziert und die Erosionsprozesse, welche zur Zunahme geführt haben, können anhand der Klassenzuweisung nachvollzogen werden.