Neues Flora Incognita Update

Unser neues Relase bringt euch ein modernes und vereinfachtes Nutzererlebnis, und eine ganze Reihe neuer Funktionen, mit denen ihr noch mehr Freude an euren Pflanzenfunden haben könnt:

Pflanzen bestimmen:

  • Die neue Benutzeroberfläche ist moderner und übersichtlicher.
  • Es ist jetzt einfacher, eine Pflanze in der Natur aufzunehmen und zu bestimmen.
  • Ihr könnt mit einer neuen Kamerafunktion den Autofokus deaktivieren, um viel einfacher kleine Objekte scharf zu fotografieren.

Pflanzenfunde sammeln:

  • Ihr könnt nachträglich Bilder zu einer Beobachtung hinzufügen.
  • Ihr könnt mit eigenen Schlagworten eure Pflanzenfunde leichter sortieren und filtern.
  • Ihr könnt eure Pflanzenfunde jetzt auf einer Karte ansehen und filtern.
  • Ihr könnt durch zahlreiche Filter die allgemeine Artenliste leichter ansehen.

Verfügbarkeit:

  • Auch ohne ein persönliches Profil könnt Ihr eure Daten auf ein neues Gerät übertragen.
  • Ihr könnt Flora-Incognita-Bilder in eurer Galerie speichern.

Steckbriefe:

  • Wir haben umfangreiche Informationen zu invasiven Arten in Mitteleuropa ergänzt.

Unsere Flora Incognita App geht mit MS Wissenschaft auf Tour

Das Ausstellungsschiff MS Wissenschaft startete am 03.05.2022 auf Deutschlandtour, auch mit Flora Incognita an Bord. Die Flora Incognita App ist eines von 25 ausgewählten Exponaten, die Menschen jeden Alters in dem schwimmenden Science Center zum Entdecken, Ausprobieren und Mitmachen einladen. Nicht nur junge Menschen ab etwa zwölf Jahren können hinter die Forschungskulissen schauen und werden so neugierig auf Wissenschaft und Forschung gemacht. Auf ihrer viereinhalbmonatigen Fahrt bis zum 16. September legt die MS Wissenschaft, eine Initiative des Bundesministeriums für Bildung und Forschung, in 31 Städten an, unter anderem an Spree, Rhein, Neckar, Mosel und Saar.

Flora Incognita, die App zur automatischen Pflanzenbestimmung, ist mit mehr als fünf Millionen Installationen überaus erfolgreich. Aber welche Technik steckt dahinter? Welche Methoden haben die Wissenschaftlerinnen und Wissenschaftler bei der Entwicklung der App angewendet? Was motivierte sie, die App zu entwickeln? Und welchen Beitrag können Privatpersonen zur Überwachung der Biodiversität und damit zum Schutz der Natur leisten? Antworten auf diese Fragen erhalten die Besucherinnen und Besucher an Bord der MS Wissenschaft – und dabei ist Anfassen ausdrücklich erlaubt. Im Bauch des umgebauten Frachtschiffs wird die Flora Incognita auf einem Touchscreen simuliert. So können Naturbegeisterte auf einer virtuellen Wiese verschiedene Pflanzenarten auswählen. Sie erfahren dabei, wie die Pflanzen heißen und welche Bedeutung sie für den Naturschutz und für die Wissenschaft haben. Anhand von Karten und Videos wird gezeigt, wie die Flora Incognita einen wichtigen Beitrag zur Dokumentation der Pflanzenvielfalt leistet.

Auf der MS Wissenschaft ist die Flora Incognita in der Regel täglich von 10 bis 19 Uhr zu erleben, Schulklassen sind schon ab 9 Uhr willkommen. Zusätzlich zur Ausstellung gibt es in vielen Städten entlang der Route ein Rahmenprogramm mit Diskussionsveranstaltungen, wissenschaftlichen Filmabenden und Workshops für Schulklassen. Der Eintritt zur Ausstellung ist frei.

 

Link: MS Wissenschaft

Bildquelle: Ilja C. Hendel/Wissenschaft im Dialog, CC BY-SA 4.0

Zier- und Kulturpflanzen: Die Grenzen der Bestimmbarkeit

In der Beschreibung von Flora Incognita weisen wir an mehreren Stellen darauf hin, dass die App „nur“ Wildpflanzen bestimmen kann. Warum beschränken wir uns eigentlich darauf? Weltweit geht man von etwa 300.000 „natürlichen“ Blütenpflanzenarten aus. Bedenkt man, dass aus fast jeder wilden Art eine Vielzahl von Variationen gezüchtet werden kann, gibt das einen ersten Eindruck, warum das Beschränken sinnvoll ist.

Was sind Wildpflanzen?

Sich darauf festzulegen, wie viele Arten allein in Deutschland „wild“ vorkommen ist nicht so einfach. Selbst Experten und Expertinnen der Taxonomie sind sich nicht immer einig, welche Art denn nun wirklich Artstatus besitzt und welche lediglich Unterarten einer Art sind.

In der Standardliste der Farn- und Blütenpflanzen Deutschlands (Wisskirchen & Haeupler, 1998) werden über 4000 Arten (ohne Algen und pflanzliche Einzeller)  angegeben.

Einige Gattungen (z.B. Brombeeren oder Habichtskräuter) bilden regelrechte Artenschwärme, welche eine große Anzahl von ineinander übergehenden Kleinarten umfassen.  Wohlweißlich bestimmen wir diese Gattungen mit Flora Incognita aktuell nicht genauer als bis zur Gattung.

Zudem gibt es bei einer Reihe von Arten sogenannte Hybride, welche Übergangsformen zwischen zwei Arten bilden. Bekannt sind hier vor allem die Orchideen. Hybride können letztlich häufiger sein als die Elternarten selbst. Auch diese vielfältigen Hybriden berücksichtigen wir vorerst nicht.

Zu Unterarten, Hybriden und Artenschwärmen heimischer Arten kommen jedoch auch Zuwanderer aus anderen Regionen dieser Erde. Sie breiten sich entlang von Eisenbahnlinien aus, sind an Wasser- und Flughäfen zu finden – oder entstammen Versandhauskatalogen und verbreiten sich fleißig aus Gartenanlagen. Manche dieser Arten können hier gut gedeihen. Sie können sogar sehr häufig werden.

Seit 1492 dürften mehrere zehntausend gebietsfremde Zier- und Nutzpflanzen nach Deutschland beabsichtigt eingeführt worden sein. Von diesen konnten sich bisher ca. 220 Arten fest etablieren und weitere 1600 Arten kommen unbeständig vor.

Ein weiterer Aspekt kommt zur Anzahl heimischer Wildpflanzen hinzu: In Deutschland sterben auch Arten aus. Bislang sind bereits 47 Pflanzenarten ausgestorben (außerdem sind 291 gefährdet, 118 stark gefährdet und 89 extrem selten).

Wie viele Arten gibt es also in Deutschland?  Aufgrund all dieser Schwierigkeiten beziehen wir uns auf die oben genannte Standardliste der Pflanzen Deutschlands. ALLE Arten auf dieser Liste soll Flora Incognita sicher bestimmen können.

Was sind Zierpflanzen?

Zier- und Kulturpflanzen sind Pflanzen, die von Menschen angebaut, kultiviert und züchterisch bearbeitet werden.

Wir wissen, dass viele Nutzer Flora Incognita voller Enthusiasmus zunächst an dem ausprobieren, was sie als erstes die Linse bekommen: ihre Zimmerpflanzen.

Aus diesem Grund haben wir auch ein paar der häufigsten Zierpflanzen mit in unserer Liste erfasst. Allerdings ist „die häufigsten“ nicht das, was wir mit dem Flora Incognita Projekt anstreben. Wir streben nach Vollständigkeit.

Wenden wir dieses Ziel auf Zier- und Kulturpflanzen an, gibt es ein großes Problem: Prinzipiell kann ein Großteil der weltweit vorkommenden Pflanzen unter geeigneten Bedingungen als Zierpflanze kultiviert werden. Der Standortfaktor als Teil der Bestimmungsgenauigkeit fiele dann weg.

Durch Züchtung werden zudem ursprünglich einheitlich aussehende Arten sehr stark verändert. Allein die Anzahl verschiedener Rosensorten  geht in die Tausende – jede sieht anders aus und muss von den zahlreichen Wildarten (und -hybriden) abgegrenzt werden. Beispiele für kultivierte Nutzpflanzen sind z.B. Brokoli und Kohlrabi – beide gehören zur Art Brassica oleracea. Durch züchterische Auslese kann also innerhalb einer Art eine enorme visuelle Vielfalt erzeugt werden (siehe Abbildung)!

 

 

 

Wir erinnern uns: Die  über hundert Arten der Gattung Brombeere sind für ungeübte Augen fast nicht unterscheidbar.

Das biologische Artkonzept ist bei Züchtungen und vielfachen künstlichen Hybridisierungen wenig hilfreich und wird die Erwartungen der Nutzer in vielen Fällen vermutlich auch enttäuschen. Ein Beispiel:

In der letzten Saison erreichten uns zahlreiche empörte Anfragen, dass der auffällige „Rotdorn“, so oft er auch fotografiert wurde, immer wieder als Weißdorn erkannt wurde. Dass Rotdorn lediglich eine Züchtungsform des Weißdorns (Crataegus laevigata) darstellt, und gar keine eigene Art ist, bedarf während seiner Blühzeit einiges an Überzeugungsarbeit auf jedem Kommunikationskanal.

 

Wir können mit Sicherheit sagen: Flora Incognita kennt ALLE in Deutschland wild vorkommenden Arten (mit Ausnahme einiger schwieriger Artkomplexe, die wir aktuell wissentlich nicht bis auf die Art bestimmen). Um sagen zu können, dass Flora Incognita auch die Pflanzen in allen Botanische Gärten, Tropenhäusern, alle Kakteensammlungen, Dahliensorten und Rosenzüchtungen in Deutschlands bestimmen kann, müssten wir die gesamte Flora der Welt trainieren. Alle etwa 300.000 Arten, davon viele mit ungeklärter oder widersprüchlicher Taxonomie. Hinzu kommt eine unbekannte Zahl an Züchtungen. Wie viele Zuchtsorten es gibt können wir nur schätzen – sicherlich noch einmal so viele – und jedes Jahr kommen neue hinzu.

Wie kann ich als Laie Wild- von Zierpflanzen unterscheiden?

Das ist in der Tat oftmals nicht ganz einfach, aber ein paar Anhaltspunkte, Zierpflanzen zu erkennen, gibt es doch:

  • Die Pflanze wächst in einem Blumentopf.
  • Die Pflanze wurde angepflanzt, z.B. in einer Rabatte.
  • Die Pflanze steht in einem Garten.
  • Die Pflanzen wächst im Haus
  • Die Pflanze ist Teil eines künstlich angesäten Ackerrandstreifens.

Natürlich können Sie unsere App auch gern an diesen Pflanzen ausprobieren.

Die Ergebnisse sollten Sie allerdings mit Vorsicht betrachten. Auch unser Algorithmus kann nur erkennen, was er schon einmal (oder 3 Millionen Mal) gesehen hat.

Fazit

Flora incognita kann auch viele Zier- und Kulturpflanzen erkennen.

Aber bei weitem noch nicht alle. Denn an diesem Punkt müssten alle Pflanzen dieser Welt bestimmbar sein. Aber wir werden mit kommenden Updates den Arten-Pool weiter vergrößern und häufige Zier- und Kulturpflanzen mit berücksichtigen. Aktuell trainieren wir mit 1.7 Mio. hoch vertrauenswürdigen Bildern von knapp 5000 Arten. Wollten wir die gleiche Qualität auch für ALLE Zierpflanzen erreichen, bräuchten wir ca. 1 Milliarde wenigstens einigermaßen balancierter Trainingsbilder, sowie die Expertise, alle 300.000 potenziell in Frage kommenden Arten auf diesen Bildern korrekt bestimmt zu haben.

P.S.: Übrigens, gekaufte Küchenkräuter sind meist keine Wildpflanzen. (Nein, auch Rosmarin nicht.)

[Neues Paper veröffentlicht] Deep Learning in der phänologischen Pflanzenforschung: Eine systematische Literaturübersicht

Negin Katal hat gemeinsam mit ihrem Team einen Übersichtsartikel über aktuelle Forschungsansätze welche tiefe Lernverfahren (Deep Learning) in der Pflanzenphänologieforschung verwenden verfasst. Die Veröffentlichung gibt einen Überblick über die wichtigsten Ergebnisse aus 24 ausgewählten, von Experten begutachteten Studien, die in den letzten fünf Jahren (2016-2021) veröffentlicht wurden.

Die Phänologie von Pflanzen befasst sich mit der Veränderung des im Jahreverlauf periodisch wiederkehrenden Entwicklungsstufen von Pflanzen (z.B.: Blüte, Blattaustrieb, Blattfall, etc.). Forschungsarbeiten zur Phänologie haben zunehmend an Bedeutung gewonnen, da Klima-schwankungen und -veränderungen Einfluss auf die Phänologie von Pflanzen nehmen. Eine der größten Herausforderungen dabei ist die Entwicklung von Werkzeugen zur effizienten Analyse großer Datenmengen. Tiefe neuronale Netze können bei der Bildverarbeitung massiv unterstützen, dabei helfen Muster zu erkennen und machen es überhaupt erst möglich große Mengen an Bildmaterial effizient auszuwerten.

„[…]Deep Learning soll vor allem die bisher sehr zeit- und kostenintensiven, direkten phänologischen Messungen und Beobachtungen vereinfachen.“

Unser Artikel beschreibt die verwendeteten Methoden, die nach den untersuchten phänologischen Stadien, dem Vegetationstyp, dem räumlichen Maßstab und der Datenerfassung kategorisiert sind.

Einzelbeobachtungen sind beispielsweise menschliche Beobachtungen von Pflanzen, unter dem Kronendach installierte Kameras oder auch Herbarmaterial welches über Jahrhunderte und rund um den Globus gesammelt wurde.

Oberflächennahe Messungen beispielsweise mit PhenoCams, oberflächennahen Digitalkameras, die knapp über dem Kronendach angebracht sind oder mit Drohnen durchgeführt. Über Satelliten-Fernerkundung werden beispielsweiseIndices wie der Spektrale Vegetationsindex (VI) oder der erweiterten Vegetationsindex (EVI) bestimmt.

Außerdem werden Forschungstrends aufgezeigt und diskutiert sowie  vielversprechende zukünftige Richtungen aufgezeigt. Der Artikel  ist hier frei verfügbar: https://www.frontiersin.org/articles/10.3389/fpls.2022.805738/full

Die wichtigsten Ergebnisse:

Die untersuchten Studien wurden in elf verschiedenen Ländern und in verschiedenen Vegetationstypen (Grasland, Wald, Buschland, landwirtschaftliche Flächen) durchgeführt. Die überwiegende Mehrheit der Primärstudien untersucht phänologische Stadien an einzelnen Individuen. Zehn Studien untersuchten die Phänologie auf regionaler Ebene. Keine einzige Studie arbeitet auf globaler Ebene. Tiefe Lernverfahren sollen in erster Linie die bisher sehr zeit- und kostenintensiven direkten phänologischen Messungen vereinfachen.

Im Allgemeinen sind die wichtigsten phänologischen Stadien das Aufbrechen der Blattknospen, Austrieb der Blätter, Blühbeginn, Erscheinen der Früchte, Seneszenz (Laubfärbung) und das Abwerfen der Blätter. Unter den untersuchten Studien beschäftigte sich mehr als die Hälfte entweder mit den Blattaustrieb oder mit dem Blühbeginn.

Dabei wurden unterschiedliche Methoden verwendet, um Trainingsmaterial für die Lernalgorhitmen zu gewinnen. Zwölf Studien verwendeten Bilder aus digitalen Wiederholungsaufnahmen und analysierten diese. Die Publikation enthält ausführliche Informationen über verschiedenen Arten von digitaler Fotografie, die sich besonders für die Bereitstellung dieser Trainingsdaten eignen.

Darüber hinaus in unserem Paper die Deep-Learning-Methoden, welche beim phänologischen Monitoring eingesetzt werden, kategorisiert, verglichen und diskutiert. Wir haben  festgestellt, dass Klassifizierungs- und Segmentierungsmethoden sich als sehr vorteilhaft erwiesen haben und am häufigsten angewendet werden, insbesondere weil sie mühsame und fehleranfällige manuelle Aufgaben ersetzen oder unterstützen können.

Es gibt unterschiedliche Methoden die Phänologie der Pflanzen zu beobachten.

Zukünftige Trends in der phänologischen Forschung durch den Einsatz von Deep Learning

Methoden des maschinellen Lernens benötigen große Datenmengen, um trainiert zu werden. Daher ist die Erhöhung der absoluten Zahl an gesammelten Daten eine der größten Herausforderungen – insbesondere in Regionen oder Ländern, in denen es bisher keine traditionellen phänologischen Beobachtungsnetze gibt. In dem Papier werden Methoden und Instrumente beschrieben, die sich als wichtige Hebel zur Unterstützung dieser Art von Forschung erweisen werden, zum Beispiel:

Die Installation von Kameras unter dem Kronendach, die automatisch Bilder aufnehmen und über lange Zeiträume hinweg übermitteln.

PhenoCams erweisen sich als neuer und vielversprechender Weg, um die Forschung voranzutreiben: Über indirekte Methoden, welche die Veränderungen in Bildern nachverfolgen, indem sie beispielsweise Veränderung der grünen oder roten Farbkoordinaten aus PhenoCam-Bildern bestimmen und dann dann mittels Algorithmen den Zeitpunkt phänologischer Ereignisse abzuleiten. Wir erwarten, dass in Zukunft viele weitere Studien erscheinen werden, die PhenoCam-Bilder über die bisher berechneten Vegetationsfarbindizes hinaus auswerten.

Citizen Science-Daten aus Pflanzenbestimmungs-Apps wie Flora Incognita erweisen sich als langfristige Quelle für Vegetationsdaten. Diese Bilder sind mit einem Zeitstempel und Standortinformationen versehen und können daher ähnlich wie Herbarmaterial wichtige Informationen, z. B. über Blütezeiten, liefern.

Es wird deutlich, dass Deep-Learning-Methoden in der Phänologieforschung erfolgreich angewendet und genutzt können und die traditionelle Erfassung und Auswertung von Daten verbessern und beschleunige können. Wir, als Forschungsteam, freuen uns darüber, ein Teil davon zu sein und laden Sie herzlich dazu ein, selbst eine wichtige Rolle zu spielen – indem Sie Flora Incognita nutzen, um die Vielfalt und den Wandel der Biodiversität um Sie herum zu beobachten und zu dokumentieren.

Wenn Sie Fragen zu unserer Forschung haben, zögern Sie nicht, uns zu kontaktieren! Sie finden Negin Katal zum Beispiel auf Researchgate und Twitter (@katalnegin).

 

Publikation

Katal, N., Rzanny, M., Mäder, P., & Wäldchen, J. (2022). Deep learning in plant phenological research: A systematic literature review. Frontiers in Plant Science, 13. https://doi.org/10.3389/fpls.2022.805738

Lassen sich Süßgräser über Smartphone-Bilder automatisch bestimmen?

Quecke oder Weidelgras? Gräser gelten als schwer zu bestimmende Arten. Die Quecke (Agropyron repens) wird in Gärten gefürchtet und bekämpft. Das Weidelgras (Lolium perenne) hingegen ist Grundlage vieler Rasenmischungen und ein wertvolles Futtergras. Nur welches ist welches?

In unserer gerade erschienenen Publikation haben wir untersucht ob sich Gräser trotz ihrer großen Ähnlichkeit automatisch erkennen und unterscheiden lassen. Dabei wollten wir wissen welche Perspektiven sich eignen und ob das sogar ohne Blüte möglich ist. Wir haben 31 Arten untersucht und dabei Aufnahmen des Blütenstandes, der Blätter und des Blatthäutchens verwendet. Dabei zeigte sich, dass eine Kombination verschiedener Perspektiven das Ergebnis verbessert. Der Blütenstand lieferte dabei die meiste Information. Sind keine Blüten vorhanden so sind Bilder des Blatthäutchens aus Richtung des Blattes am besten geeignet um die Grasarten zu unterschieden. Alle Bilder wurden mit verschiedenen Smartphones angefertigt.

 

Was lernen wir daraus für Flora Incognita? Auch schwierigere Gruppen lassen sich gut automatisch bestimmen, vorausgesetzt man fotografiert die richtigen Pflanzenteile. Diese neu gewonnenen Erkenntnisse werden in die Weiterentwicklung unserer App einfließen. In unserem Experiment erreichten wir für die 31 Arten eine Genauigkeit von > 96%.  Dabei haben wir auch viele Trainingsbilder gewonnen, die der Verlässlichkeit der Flora Incognita App bei Gräsern zukünftig deutlich verbessern werden.

 

Originalpublikation

Rzanny M, Wittich HC, Mäder P, Deggelmann A, Boho D & Wäldchen J (2022) Image-Based Automated Recognition of 31 Poaceae Species: The Most Relevant Perspectives. Front. Plant Sci. 12:804140. https://doi.org/10.3389/fpls.2021.804140

 

 

 

 

NutzerInnenumfrage. Helfen Sie uns, Flora Incognita noch besser zu machen.

Wie verwende Sie eigentlich Flora Incognita? Allein beim Spazieren oder für die Bestimmung von Wildkräutern auf dem Feld? Diese und ähnliche Fragen beschäftigen uns brennend. Aktuell wird unser Projekt aus verschiedenen Blickwinkeln evaluiert, und in dem Zug bitten wir Sie, diese Umfrage auszufüllen. Die Ergebnisse werden uns helfen, unsere App zu dem zu machen, was Ihr wirklich braucht. Vielen Dank!

——–

Die Flora Incognita App wird durch das Institut IMPULSE – Evaluation und Organisationsberatung (www.impulse.at) extern evaluiert und wir bitten Sie um Ihr Feedback als Nutzer*in. Die Befragung ist anonym.

Sollten Sie die App kennen, aber noch nicht oder nur wenig genutzt haben, bitten wir Sie trotzdem um ihre Einschätzungen zu Pflanzenbestimmungs-Apps.

Wir freuen uns auf Ihre Rückmeldungen.

https://s2survey.net/impulse-flora-incognita/?r=WE

 

Digitales Imkern zum Lernen und Spielen

Mit der App „beeactive“ des Vereins Bienenforschung Würzburg können Kinder und Jugendliche spielend mehr über Bienen und die Biodiversität verschiedener Wildpflanzen in ihrer Umgebung lernen. Das Ziel soll sein, den Natur- und Artenschutz in den Fokus zu rücken und ihr Bewusstsein dafür zu erweitern. Flora Incognita stellt hierbei die automatische Bestimmung der Pflanzenarten als wichtigen Spielinhalt von „beeactive“ zur Verfügung.

Das Kernprinzip der App „beeactive“ ist die spielerische Begleitung der virtuellen Imkerin Melli Fera und damit die Begründung und Versorgung von digitalen Bienenvölkern. Die Nutzer*innen können einzelne Bienenstöcke auf einer interaktiven Landkarte platzieren und in einem bestimmten Umkreis die reale Umgebung des Bienenvolkes nach blühenden Pflanzen absuchen. Die gefundenen Pflanzen werden anschließend direkt mit der App automatisch bestimmt. Somit wird das virtuelle Bienenvolk mit Pollen und Nektar versorgt und die Nutzer*innen können gleichzeitig ihre Artenkenntnisse erweitern. Je höher die Anzahl der gefundenen Pflanzenarten ist, desto besser entwickelt sich das digitale Bienenvolk und es dürfen neue Bienenstöcke hinzugefügt werden. Damit können Nutzer*innen auch zur Aussaat eigener bienenfreundlicher Blühwiesen motiviert werden. Zusätzlich unterstützen sie mit den zahlreichen Pflanzenaufnahmen die Erstellung von lokalen und regionalen Blühkarten. Ergänzt wird das Spiel durch vielfältige Informationen über die Ökologie von Honig- und Wildbienen, sowie zu Grundlagen von ökologischen Zusammenhängen. Ein integriertes Quiz ermöglicht eine direkte Anwendung des neuen Wissens und festigt das Gelernte.

Weitere Informationen finden Sie auf folgender Webseite: https://beeactive.app/.

 

Die App „beeactive“ wurde von Porf. Tautz und Florian Schimpf entwickelt und aus Mitteln der Bayerischen Sparkassenstiftung finanziert. Sie ist kostenlos im Google Play Store und im App Store von Apple erhältlich.

Findet unsere Baumriesen

#Krautschau: Die Pflanzen der Pflasterritzen entdecken

Die Pflanzen in Städten sind wahre Überlebenskünstler – sie können Tritt- und Fahrbelastungen, Hitze, Bodenverdichtung und Verschmutzung trotzen und sind deshalb wertvolle Mikro-Ökosysteme für zahlreiche Insekten und andere Organismen.  Leider werden die Pflanzen, die aus dem Asphalt oder aus den Mauerritzen ragen von vielen Menschen entweder gar nicht oder oft nur als „Unkraut“ wahrgenommen.

Die Stadtbotanik-Aktion #Krautschau wollte mit einen bundesweiten Aktionstag am 17. Juli mehr Bewusstsein für die Präsenz von Wildpflanzen im urbanen Raum und für die Bedeutung von Natur in den Städten schaffen. Die Aktion wurde von Julia Krohmer vom Senckenberg Museum in Frankfurt/Main gemeinsam mit Alexandra-Maria Klein von der Universität Freiburg koordiniert. An der bundesweiten Aktion, die erstmals in dieser Form stattfindet, beteiligten sich etliche weitere Institutionen und Botaniker*innen in mehreren deutschen Städten.

Mit einem Stück Kreide und mit unserer „Flora Incognita“ App  gingen viele Menschen in ihren Heimatstädten auf die Suche nach Pflanzen. Zwischen Mauerritzen, Pflastersteinen und Gehwegen konnten verschiedenste Pflanzenarten entdeckt werden. Nach der erfolgreichen Bestimmung wurden die Pflanzennamen mit der Kreide an die nächstgelegene Häuserwand oder Gehwegplatte geschrieben. Anschließend wurden die Bilder unter den Hashtags #Krautschau und #MehrAlsUnkraut  in den sozialen Netzwerken geteilt – so erhielten die „pflanzlichen Kämpfernaturen“ vor Ort und im Netz Aufmerksamkeit.

#Krautschau ist eine schönes Beispiel wie man auf die pflanzliche Vielfalt aufmerksam machen kann. Und mit unserer App war es auch für botanische Laien möglich, den Pflanzen einen Namen zu geben.

Diese Aktion lässt sich auch wunderbar in den Unterricht integrieren. Auf der Seite des Landesinstituts für Pädagogik und Medien in Saarland stellt dafür  Lehrmaterialen zur Verfügung.

 

Weitere Artikel:

Lehrmaterialen:

Automatische Pflanzenbestimmung mit der Flora Helvetica App

Wir freuen uns über eine erfolgreiche Zusammenarbeit mit dem Haupt Verlag.  Seit der Version 2.3 enthält die Flora Helvetica App eine Funktion zur automatischen bildbasierten Bestimmung der Pflanzen, die im Rahmen des Flora Incognita Projektes zur Verfügung gestellt wird. Somit ist es erstmals möglich mit einer einzigen App die Pflanzen automatisch wie auch manuell mit dem integrierten Bestimmungsschlüssel zu bestimmen.

Weitere Informationen zur Flora Helvetica App finden Sie auf folgender Seite:

https://www.flora-helvetica.ch/app