Leipzig / Jena / Ilmenau. Mobile Apps wie Flora Incognita, die die automatische Identifizierung von Wildpflanzen ermöglichen, können nicht nur Pflanzenarten identifizieren, sondern auch großräumige ökologische Muster aufdecken. Diese Muster ähneln überraschend denen, die aus Langzeitinventardaten der deutschen Flora abgeleitet wurden, obwohl sie über viel kürzere Zeiträume erhalten wurden und vom Nutzerverhalten beeinflusst werden. Dies eröffnet neue Perspektiven für die schnelle Erkennung von Veränderungen in der biologischen Vielfalt. Dies sind die wichtigsten Ergebnisse einer Studie, die von einem Forscherteam aus Mitteldeutschland durchgeführt wurde und kürzlich in veröffentlicht wurde Ökographie.
Heutzutage können Pflanzenarten mit künstlicher Intelligenz mit hoher Genauigkeit klassifiziert werden. Smartphone-Anwendungen verwenden diese Technologie, um Benutzern die einfache Identifizierung von Pflanzenarten auf dem Feld zu ermöglichen und Laien den Zugang zur biologischen Vielfalt zu ermöglichen. Vor dem Hintergrund des Klimawandels, des Verlusts von Lebensräumen und der Änderung der Landnutzung könnten diese Nutzungen einer anderen Nutzung dienen: Durch das Sammeln von Informationen über die Standorte identifizierter Pflanzenarten werden wertvolle Datensätze erstellt, die Forschern Informationen über sich ändernde Umweltbedingungen liefern können.
Aber sind diese Informationen zuverlässig – genauso zuverlässig wie die Informationen, die durch Daten bereitgestellt werden, die über lange Zeiträume gesammelt wurden? Ein Forscherteam des Deutschen Zentrums für Integrative Biodiversitätsforschung (iDiv), des Fernerkundungszentrums für Erdsystemforschung (RSC4Earth) der Universität Leipzig (UL) und des Helmholtz-Zentrums für Umweltforschung (UFZ), des Max-Planck-Instituts für Die Biogeochemie (MPI-BGC) und die Technische Universität Ilmenau wollten eine Antwort auf diese Frage finden. Die Forscher analysierten die zwischen 2018 und 2019 in Deutschland gesammelten Daten mit der mobilen App Flora Incognita und verglichen sie mit der FlorKart-Datenbank des Bundesamtes für Naturschutz (BfN). Diese Datenbank enthält langfristige Inventardaten, die von mehr als 5.000 Floristen in mehr als 70 Jahren gesammelt wurden.
Mobile App zeigt makroökologische Muster in Deutschland
Die Forscher berichten, dass die in nur zwei Jahren gesammelten Flora Incognita-Daten es ihnen ermöglichten, makroökologische Muster in Deutschland zu entdecken, die denen ähneln, die aus Langzeitinventardaten der deutschen Flora abgeleitet wurden. Die Daten spiegelten daher auch die Auswirkungen verschiedener Umweltfaktoren auf die Verteilung verschiedener Pflanzenarten wider.
Ein direkter Vergleich der beiden Datensätze ergab jedoch große Unterschiede zwischen den Flora Incognita-Daten und den Langzeitinventardaten in Regionen mit geringer Bevölkerungsdichte. „Wie viele Daten in einer Region gesammelt werden, hängt natürlich stark von der Anzahl der Smartphone-Nutzer in dieser Region ab“, sagte der jüngste Autor Dr. Jana Wäldchen von MPI-BGC, einer der Entwickler der mobilen App. Abweichungen in den Daten waren daher in ländlichen Gebieten stärker ausgeprägt, mit Ausnahme bekannter Touristenziele wie der Zugspitze, dem höchsten Berg Deutschlands, oder Amrum, einer Insel an der Nordseeküste.
Das Nutzerverhalten beeinflusst auch, welche Pflanzenarten von der mobilen App registriert werden. „Die mit der App durchgeführten Pflanzenbeobachtungen spiegeln wider, was Benutzer sehen und interessiert sind“, sagte Jana Wäldchen. Häufige und auffällige Arten wurden häufiger erfasst als seltene und unauffällige. Trotzdem ermöglicht die große Anzahl von Pflanzenbeobachtungen die Rekonstruktion bekannter biogeografischer Muster. Für ihre Studie hatten die Forscher Zugriff auf mehr als 900.000 Dateneingaben, die innerhalb der ersten zwei Jahre nach dem Start der App vorgenommen wurden.
Die automatisierte Artenerkennung hat ein großes Potenzial
Die Studie zeigt das Potenzial dieser Art der Datenerfassung für die Biodiversitäts- und Umweltforschung auf, die bald in langfristige Bestandsstrategien integriert werden könnte. „Wir sind davon überzeugt, dass die automatisierte Artenerkennung ein viel größeres Potenzial als bisher angenommen hat und zur schnellen Erkennung von Veränderungen der biologischen Vielfalt beitragen kann“, sagte der Hauptautor Miguel Mahecha, Professor an der UL und Mitglied von iDiv. In Zukunft könnte eine wachsende Anzahl von Nutzern von Apps wie Flora Incognita dazu beitragen, Veränderungen des Ökosystems weltweit in Echtzeit zu erkennen und zu analysieren.
Die Flora Incognita Mobile App wurde gemeinsam von Dr. Jana Wäldchen am MPI-BGC und die Gruppe von Professor Patrick Mäder an der TU Ilmenau. Es ist die erste Pflanzenidentifikations-App in Deutschland, die in diesem Zusammenhang tiefe neuronale Netze (Deep Learning) nutzt. Genährt von Tausenden von Pflanzenbildern, die von Experten identifiziert wurden, kann es bereits mehr als 4.800 Pflanzenarten identifizieren.
„Als wir Flora Incognita entwickelten, stellten wir fest, dass es ein enormes Potenzial und ein wachsendes Interesse an verbesserten Technologien zur Erkennung von Daten zur biologischen Vielfalt gibt. Als Informatiker möchten wir gerne sehen, wie unsere Technologien einen wichtigen Beitrag zur Erforschung der biologischen Vielfalt leisten“, sagte Co-Co Autor Patrick Mäder, Professor an der TU Ilmenau.
###
Haftungsausschluss: AAAS und EurekAlert! sind nicht verantwortlich für die Richtigkeit von Pressemitteilungen, die auf EurekAlert veröffentlicht werden! durch beitragende Institutionen oder zur Nutzung von Informationen über das EurekAlert-System.
