KI basiertes Monitoring des Blütenangebots in der Agrarlandschaft

KI basiertes Monitoring des Blütenangebots in der Agrarlandschaft - KIMono

Die Integration von KI in den openVHB-Kurs "Biodiversitätsfördernde Maßnahmen" stellt eine inhaltliche Erweiterung des Kurses um eine Monitoringmethode dar. Die aktuelle Frage des Blütenangebots in der Agrarlandschaft als Nahrungsgrundlage für blütenbesuchende Insekten, hier v.a. für Wildbienen, wird mit einem KI-basierten Ansatz bearbeitet, der eine rasche und zuverlässige quantitative Einschätzung der Flächen erlauben soll. Das Blütenangebot und seine Verteilung im Raum sowie die Entwicklung im Laufe des Jahres einzuschätzen und abzubilden ist sehr zeitaufwändig und schwer objektivierbar. KI wird hier mit dem Ziel eingesetzt, in Bildern die Blütenmengen pro 1m² zu ermitteln - sofern möglich mit einer Zuordnung zu Pflanzengattungen, da Insekten oft an einen bestimmten Blütentyp angepasst sind, der innerhalb der Gattungen über verschiedene Arten hinweg sehr ähnlich ist. Die Bilder werden mit handelsüblichen Handys angefertigt, vorher sollte ein 1m²-Rahmen ausgelegt werden. Zum Beurteilen einer Wiese sind wenigstens 10 Fotos von verschiedenen Stellen auf der Wiese erforderlich. Die KI soll die Blüten im Bild erkennen und nach Typ (entsprechend des Trainings) zuordnen. Damit lässt sich sehr rasch mit in der Breite verfügbarer Technik die Blütendichte quantitativ abschätzen und so das Monitoring umsetzen. Dieses Monitoring ist sinnvoll nach der Umsetzung biodiversitätsfördernder Maßnahmen, wie z.B. Grünlandrenaturierung oder der Anlage von Blühstreifen, um die Wikrkung einschätzen zu können und zu dokumentieren. Gezielte Verstärkung des Blütenangebots in der Agrarlandschaft kann auf dieser Grundlage entwickelt werden. Derzeit arbeiten wir mit den open data Annotation-Plattformen CVAT und Roboflow. Weitere Analyseschritte erfolgen im Statistikprogramm R, Web-Applikationen bevorzugt in shiny von RStudio. Auch Python-Skripte kommen via Q-GIS zum Einsatz, wenn es um serielle Verarbeitung eines Satzes von mehreren Bildern geht. Zunächst wird ein regional verwendbarer Trainigsdatensatz bereitgestellt (West-Mittelfranken). Eine Ausweitung auf andere Regionen und eine Validierung stehen noch an.

Erste Versuche mit Drohnen ergaben noch keine für das Blütenmonitoring auswertbaren Bilder. Wir wollen die Möglichkeit, mit Drohnenaufnahmen ganze Wiesen einzuschätzen, weiterverfolgen, setzen aber hauptsächlich auf Handy-Photos. Diese Technik steht so gut wie allen Bürgerinnen und Bürgern zur Verfügung und ist daher niedrigschwellig erreichbar.

Neue Lehr-/Lerninhalte ergeben sich aus der Anwendung von KI für einen Monitoringansatz im Kontext des Kurses. Hier soll gezeigt werden, wie KI gewinnbringend eingesetzt werden kann, was die spezifischen Anforderungen für diese Anwendung sind und wo ihre Grenzen liegen. Zur Klarstellung sei hier darauf verwiesen, dass die Aufgaben sich von denen der heute verfügbaren Pflanzenbestimmungs-Apps, wie z.B. Flora incognita, weitgehend unterscheiden. Es soll durchaus auch das Spektrum der vorhandenen blühenden Arten bzw. Gattungen mit erhoben werden. Der Fokus liegt aber auf einer rasch umsetzbaren, verlässlichen Einschätzung der Blütendichte bzw. -menge.

Die Lernenden sollen einen Einblick in das Vorgehen des Monitorings mit Hilfe von KI bekommen. Das beginnt beim Training der KI, einer kurzen Darstellung der Technik und führt bis zur Anwendung auf erstellte Photos und die Umrechnung der ermittelten Blütendichten auf Blütenmengen für die untersuchte Wiese. Mögliche Fehlerquellen und Unschärfen werden thematisiert, um die Verlässlichkeit der Technik passend einschätzen zu können.