27.8.2024: Forschung CH

Genaue Verbreitungskarten dank Citizen Science und KI

Cartes de répartition précises grâce aux sciences citoyennes et à l’IA


Philipp Brun et al.

Ein neues Berechnungstool zeigt, wo Pflanzenarten in der Schweiz heute und in Zukunft vorkommen. Es benutzt unter anderem Millionen von gemeldeten Beobachtungen aus der Bevölkerung. Die Kombination dieser riesigen Datenmenge mit lernfähigen Algorithmen führt zu einer noch nie dagewesenen Genauigkeit von Verbreitungskarten.

Un nouvel outil de calcul montre où les espèces végétales sont présentes en Suisse aujourd’hui et le seront à l’avenir. Il utilise entre autres des millions d’observations annoncées par la population. La combinaison de cette immense quantité de données et d’algorithmes à auto-apprentissage mène à une précision des cartes de répartition sans précédent.


In den letzten zehn Jahren sind immer mehr Citizen-Science-Plattformen gegründet worden. Diese Entwicklung hat zu einem exponentiellen Anstieg der Beobachtungsdaten geführt und liefert detaillierte Informationen nicht nur über die Standorte von Artenbeobachtungen, sondern auch über deren zeitliche Dynamik. Solche Informationen sind wertvoll, weil Biodiversitätsmuster und deren zugrunde liegende Treiber besser verstanden werden können. Durch das Erfassen des bevorzugten Lebensraums einer Art, also ihrer ökologischen Nische, sowie den örtlichen Umweltgegebenheiten, können mithilfe von Algorithmen beispielsweise Verbreitungskarten erstellt werden.
Auf der Basis von 6,7 Millionen Beobachtungen, die Info Flora gemeldet wurden, und durch den Einsatz von Künstlicher Intelligenz haben Forschende ein Biodiversitätsmodell entwickelt, das die Verbreitung von 2477 Pflanzenarten in der Schweiz berechnet. Es zeigt auf 25 m genau und Tag für Tag, welche Pflanzen wo beobachtet werden können und wie sich dies über die Saison entwickelt. Für gewisse Arten kann man damit zum Beispiel auch abschätzen, wann sie voraussichtlich blühen werden.
Die Studie zeigt, dass dieses Deep-Learning-Biodiversitätsmodell im Vergleich zu den bisher gängigen Ansätzen die Verbreitung der Arten und insbesondere die Zusammensetzung von Artgemeinschaften genauer vorhersagt. So kann das Berechnungstool zum Beispiel aufzeigen, welche Baumart in welchem Wald am ehesten zu erwarten ist. Auch durch den Klimawandel erwartete Veränderungen finden Eingang in die Berechnungen. So lässt sich mit dem Tool prognostizieren, ob eine Art an einem Ort verschwindet, erhalten bleibt oder neu vorkommen könnte.

Quelle: WSL

Keywords:
Pflanzenvielfalt, Citizen Science, Künstliche Intelligenz, Verbreitungskarten

Art der Publikation:
Fachpublikation

Literatur:
Brun P. et al. (2024): Multispecies deep learning using citizen science data produces more informative plant community models. Nature communications 15/4421, DOI: 10.1038/s41467-024-48559-9


Zur Studie (freier Zugang)

Kontaktadresse:
Philipp Brun
Eidg. Forschungsanstalt für Wald, Schnee und Landschaft WSL
Zürcherstrasse 111
CH-8903 Birmensdorf
philipp.brun@wsl.ch
Tel: +41 (0)44 739 25 33


Zurück zur Liste