Forscher der University of Hawai’i (UH) in Mānoa haben mithilfe modernster künstlicher Intelligenz (KI) ein neues Schutzinstrument im Bereich der Korallenriffökologie entwickelt. Durch die Entwicklung neuartiger Deep-Learning-Algorithmen sind Korallenökologen der UH Mānoa School of Ocean and Earth Science and Technology (SOEST) nun in der Lage, Riffhalos aus dem Weltraum zu identifizieren und zu messen.
Diese Strukturen, die auch als grasende Lichthöfe oder Sandlichthöfe bezeichnet werden, bestehen aus ringförmigen Mustern aus nacktem Sand, die rund um Korallenriffe auftreten, und sind auf Satellitenbildern gut sichtbar.
„Riffhöfe können wichtige Indikatoren für die Gesundheit und Vitalität von Korallenriffen sein, aber bisher war ihre Messung und Verfolgung ein herausfordernder und zeitaufwändiger Prozess“, sagte Simone Franceschini, Hauptautorin der Studie und Postdoktorandin in der Studie Madin Lab am Hawai’i Institute of Marine Biology (HIMB) in SOEST. „Doch mit dieser neuen Methode können wir Riffhalos auf globaler Ebene in einem winzigen Bruchteil der Zeit, die ein Mensch für die Bewältigung derselben Aufgabe benötigen würde, genau identifizieren und messen.“
„Unser Ziel ist die Entwicklung eines frei verfügbaren Fernerkundungstools zur Überwachung ökologischer Prozesse in großem Maßstab, um das Verständnis und Management von Korallenriff-Ökosystemen zu verbessern“, sagte Elizabeth Madin, leitende Autorin der Studie und außerordentliche Forschungsprofessorin am HIMB. „Unsere aktuelle Forschung zeigt, dass Riffhalos eine neue Möglichkeit darstellen könnten, die Funktion von Riffökosystemen in großem Maßstab zu überwachen, auch in abgelegenen und ansonsten unzugänglichen Gebieten.“
In den letzten Jahren werden Computer-Vision-Techniken zunehmend zur Erkennung von Mustern in medizinischen und biologischen Studien eingesetzt. In der Ökologie haben Anwendungen der Bildanalyse in Verbindung mit Fortschritten in der Satellitenbildtechnologie die groß angelegte Ökosystemanalyse und den Wildtierschutz verbessert.
„Diese Arbeit basiert auf dem Verständnis unseres Teams über den aktuellen Stand der KI-Technologie und ihre möglichen Anwendungen für die Naturschutzforschung in Korallenriff-Ökosystemen“, fügte Madin hinzu.
Obwohl die KI-Technologie im Bereich der Bildanalyse hervorragende Leistungen gezeigt hat, war die Identifizierung von Halos – einem komplexen, ökologischen Muster mit vielen Variationen – eine Herausforderung, die die Kombination verschiedener Deep-Learning-Algorithmen erforderte.
„Riffhalos sind auf Satellitenbildern manchmal sehr deutlich zu erkennen, mit deutlichen Kanten und hohem Kontrast zur Hintergrundvegetation, aber manchmal sind sie ziemlich schwach und schwer zu unterscheiden – selbst für einen gut ausgebildeten Beobachter“, sagte Franceschini.
„Am Ende war es unserem Team möglich, eine Reihe von Algorithmen zu entwickeln, die in der Lage sind, die Vielfalt dieser Muster weltweit zu berücksichtigen und Halos mit überraschender Genauigkeit zu identifizieren und zu messen. Es ist für uns äußerst befriedigend, nun etwas entwickelt zu haben, das eine genaue Identifizierung ermöglicht.“ mehr als 90 % der Halos in einigen Teilen der Welt.“
Korallenriffe, eines der vielfältigsten Ökosysteme der Erde, von dem viele Millionen Menschen weltweit abhängig sind, sind durch Überfischung, Klimawandel und viele andere Faktoren bedroht. Diese Ökosysteme und insbesondere die Auswirkungen der Fischerei und der Meeresschutzgebiete auf sie sind in großen Maßstäben und über einen längeren Zeitraum bekanntermaßen schwer zu überwachen.
„Dieser Durchbruch ist ein wichtiger Schritt zur Erweiterung unserer Fähigkeit, Aspekte der Gesundheit des Korallenriff-Ökosystems zu überwachen und zu quantifizieren – sowohl räumlich als auch zeitlich“, sagte Madin. „Durch die Bereitstellung einer effizienteren und effektiveren Methode zur Messung von Korallenriffen und den sie umgebenden Lichthöfen ebnet diese neue Methode den Weg für die Entwicklung eines globalen Riffschutz- und Überwachungstools, das auf dem Phänomen der Rifflichthöfe basiert.“
Das Team möchte in naher Zukunft eine frei verfügbare Web-App entwickeln, die es Naturschutzfachkräften, Wissenschaftlern und Ressourcenmanagern ermöglicht, Aspekte der Riffgesundheit mithilfe von Satelliten- oder Drohnenbildern aus der Ferne, schnell und kostengünstig zu überwachen.
Die Studie wird in der Zeitschrift veröffentlicht Fernerkundung der Umwelt.
Mehr Informationen:
Simone Franceschini et al., Ein Deep-Learning-Modell zur weltweiten Messung von Korallenriffhalos anhand multispektraler Satellitenbilder, Fernerkundung der Umwelt (2023). DOI: 10.1016/j.rse.2023.113584