Wenn Forscher bisher wissen wollten, wie viele Blüten an einem bestimmten Ort für Bestäuber verfügbar sind, mussten sie aufs Feld gehen und eine Bestandsaufnahme machen. Obwohl solche Bemühungen äußerst wertvoll sind, sind sie ziemlich zeitaufwändig und schwierig in großem Maßstab umzusetzen. Um dieses Problem zu lösen, entwickelten Sookhan und seine Kollegen ein automatisiertes Computersystem, das anhand von Luftaufnahmen verschiedene Wildblumenarten identifizieren kann, wodurch es möglicherweise einfacher wird, wichtige Bestäuberhabitate zu überwachen.
Das Team ließ Drohnen in unterschiedlichen Höhen über Wiesen fliegen und machte Tausende sich überlappender Fotos, die zu detaillierten Karten zusammengefügt wurden. Anschließend analysierte ein speziell trainiertes künstliches Intelligenzprogramm diese Karten, um Blumen anhand ihrer Farben und Formen zu erkennen und zu klassifizieren.
Das automatisierte System von Sookhan und seinen Kollegen erwies sich als äußerst zuverlässig bei der Identifizierung von Blumen, insbesondere bei der Gelben Goldrute (Solidago), die in 82 % der Fälle richtig erkannt wurde. Auch andere Blumen wie weiße und violette Astern (Symphyotrichum) wurden gut identifiziert, was die Methode für die schnelle Untersuchung großer Flächen zuverlässig macht.
Mit dieser brandneuen Drohnenmethode können viel größere Gebiete in kürzerer Zeit überwacht werden. So können Veränderungen in Blütenpopulationen verfolgt und Bestäuberhabitate besser überwacht werden. Bemerkenswert ist, dass bei dieser Methode Drohnen für den Privatgebrauch zum Einsatz kommen, was auf ein hohes Potenzial für die Reproduzierbarkeit in anderen Bereichen schließen lässt.
Sookhan, N., Sookhan, S., Grewal, D. & MacIvor, J. S. (2024). Automatisierung von Feldstudien zur Blütenerfassung mithilfe von maschinellem Lernen. Ecological Solutions and Evidence, 5(1), e12393. https://doi.org/10.1002/2688-8319.12393 (OA)
