Drohnen und KI kartieren Götterbaum unter dem Kronendach
Ein Forschungsteam der JLU Gießen hat mit Drohnen und Künstlicher Intelligenz erstmals die invasive Baumart Götterbaum auch unter dem Kronendach eines Waldes kartiert. Über 40 Prozent des tatsächlichen Befalls wären dabei mit herkömmlichen Luftbildmethoden unentdeckt geblieben.
Bild: Mojdeh Safaei
Ein Forschungsteam der Justus-Liebig-Universität Gießen (JLU) hat erstmals eine Methode entwickelt, mit der sich die invasive Baumart Götterbaum (Ailanthus altissima) auch unter dem Kronendach eines Waldes kartieren lässt. Mit handelsüblichen Drohnen, Schrägluftbildern aus mehreren Blickwinkeln und Künstlicher Intelligenz gelang dies in einem dürregeschädigten Wald in Südhessen. Die Ergebnisse erschienen im „ISPRS Open Journal of Photogrammetry and Remote Sensing“.
Das blinde Feld gängiger Luftbildkarten
Invasive Arten wie der Götterbaum können heimische Ökosysteme erheblich verändern, weshalb ihr Monitoring aus der Luft wichtig ist. Gängige Verfahren stoßen dabei jedoch an Grenzen, da sie sogenannte Orthomosaike auswerten, also aus vielen Einzelbildern zusammengesetzte Karten aus der Vogelperspektive. Was sich unter den Baumkronen verbirgt, bleibt so systematisch unsichtbar, obwohl gerade dort ein erheblicher Teil des Bestands wächst.
Genau dort setzt die neue Studie an. Statt der üblichen Orthomosaike werteten die Forschenden die unbearbeiteten Originalaufnahmen der Drohne mit Künstlicher Intelligenz aus und verknüpften die Ergebnisse zu einem dreidimensionalen Modell des Waldes. Das Ergebnis fiel deutlich aus: Über 40 Prozent des Götterbaum-Befalls lagen verborgen unter dem Kronendach und wären mit herkömmlichen Methoden unentdeckt geblieben.
Neue Methode und ihre Erkenntnisse für die Praxis
„Ein erheblicher Teil dieser Invasion spielt sich im Verborgenen ab, unter dem Kronendach“, erläutert PD Dr. André Große-Stoltenberg, Letztautor der Studie an der Professur für Landschaftsökologie und Landschaftsplanung der JLU. Erst die Kombination aus Schrägluftbildern und Künstlicher Intelligenz mache diese versteckte Invasion sichtbar und liefere ein realistisches Bild ihres tatsächlichen Ausmaßes.
Überraschend war zudem, dass die KI-Modelle genauer arbeiteten, wenn sie mit den unbearbeiteten Originalaufnahmen trainiert wurden statt mit den aufwendig zusammengesetzten Orthomosaiken. Das vereinfache den Arbeitsablauf und mache die Methode für die Praxis attraktiv, so Erstautor Marcel Dogotari. Der Ansatz liefert genauere Karten und lässt sich voraussichtlich gut auf andere Gebiete übertragen. Da er sich auch auf vorhandene Bilddatensätze anwenden lässt, eröffnet er nach Einschätzung der Forschenden neue Möglichkeiten für das Monitoring invasiver Arten und die Vegetationsforschung.
An der Publikation waren neben der JLU auch Forschende der Hochschule Rhein-Waal beteiligt. Die Arbeit entstand im Projekt MonA zum Monitoring naturschutzrelevanter Arten per Fernerkundung, gefördert vom Hessischen Biodiversitätsforschungsfonds des HLNUG.
Quelle: https://www.uni-giessen.de/de/ueber-uns/pressestelle/pm/pm100-26invasivergoetterbaummitkikartiert