KI-gestützte Kartierung zeigt massive Korallenverluste nach Taifun Mawar

KI-gestützte Kartierung zeigt massive Korallenverluste nach Taifun Mawar

Forschende der University of Miami Rosenstiel School’s Aircraft Center for Earth Studies haben mit zwei KI-gestützten Bildgebungssystemen die Folgen von Taifun Mawar für das Korallenriff in der Tumon Bay auf Guam quantifiziert. Die Studien wurden in Frontiers in Marine Science veröffentlicht. Demnach kartierte das Team 2022 und 2024 mehr als fünf Quadratkilometer des Riffs. Der Vergleich vor und nach dem Taifun der Kategorie 4, der im Mai 2023 über Guam zog, zeigt deutliche ökologische Verschiebungen: Die Bedeckung mit massiven Korallen ging um 59 Prozent zurück, das Vorriff-Habitat schrumpfte um 35 Prozent, während konkurrierende Algen deutlich zunahmen. Möglich wurde die Erhebung durch Airborne Fluid Lensing, eine luftgestützte Bildgebung, die Wellenverzerrungen überwindet, sowie ein Deep-Learning-Modell zur Klassifikation der Aufnahmen. Die Forschenden sehen darin einen Weg, die Gesundheit von Korallenriffen schnell und präzise zu erfassen, um Schutzmaßnahmen rascher einzuleiten. Da die luftgestützte Kartierung große Flächen in kurzer Zeit abdeckt und die KI-Klassifikation die Bilddaten ohne manuelle Sichtung auswertet, können Veränderungen am Riff schneller erkannt werden als mit herkömmlichen Tauchkartierungen oder manueller Bildanalyse. Dadurch lassen sich Schutzmaßnahmen gezielter und zeitnaher einleiten. Statt auf zeitaufwändige manuelle Analysen angewiesen zu sein, werden die Bilddaten automatisiert ausgewertet: Das mit manuell gelabelten Daten trainierte Deep-Learning-Modell klassifiziert die Aufnahmen selbstständig und muss für Folgeerhebungen nicht neu trainiert werden. Die Zahlen stammen aus dem Vergleich der Kartierungen vor und nach dem Sturm; sie belegen, wie stark ein einzelner Taifun die Riffstruktur verändern kann.

Airborne Fluid Lensing überwindet Wellenverzerrungen für Zentimeterauflösung

Airborne Fluid Lensing nimmt tausende schnelle Bilder auf und rekonstruiert daraus rechnerisch den Meeresboden. Dadurch lassen sich Verzerrungen durch Ozeanwellen ausgleichen, die herkömmliche Luftaufnahmen unbrauchbar machen. Nach Angaben der Forschenden erreicht das Verfahren eine Auflösung im Zentimeterbereich bis in zwanzig Meter Wassertiefe. Für die Auswertung der Bilddaten wurde ein Deep-Learning-Modell trainiert. Als Trainingsgrundlage dienten manuell gelabelte Daten, die Freiwillige und Meeresbiologen erstellt hatten. Das Modell erreichte über das gesamte kartierte Gebiet eine Klassifikationsgenauigkeit von 88 Prozent. Für die Folgeerhebung 2024 musste es nicht neu trainiert werden, was den Aufwand für wiederholte Kartierungen senkt. Die hohe Genauigkeit bezieht sich auf das gesamte kartierte Gebiet, nicht nur auf eine kleine Testfläche. Ergänzend zu den luftgestützten Erhebungen führt eine zweite Studie ein System namens PICOGRAM ein. PICOGRAM ist ein offenes System zur Korallenriff-Überwachung, das die luftgestützten Erhebungen ergänzt und eine Erfassung auf anderen räumlichen Skalen ermöglicht. Damit decken die beiden Ansätze nach Darstellung der Forschenden unterschiedliche räumliche Skalen ab und tragen gemeinsam zu einem umfassenderen Monitoring bei.