https://creativecommons.org/licenses/by-sa/4.0/deed.en

Neue Studie präsentiert Methode zur Erfassung phänologischer Informationen aus Bildern

/in /von
Wir freuen uns, Euch unsere neueste Forschungsarbeit vorstellen zu dürfen! Anhand der Pflanzenbeobachtungen von Flora Incognita haben wir eine neue und effiziente Methode entwickelt, die zukünftige Forschungsfragen der Pflanzenphänologie und dessen Monitoring vereinfachen könnte.

Warum Phänologie studieren?

Die Pflanzenphänologie – also der zeitliche Ablauf wiederkehrender Lebensprozesse wie Knospenaufbruch, Blüte, Fruchtbildung und Laubfärbung – spielt für viele ökologische Prozesse eine zentrale Rolle. Sie beeinflusst die Gesundheit der Pflanzen, die Beziehungen zwischen Pflanzen und Tieren sowie übergreifende Prozesse, wie den Nährstoffkreislauf.

Phänologische Stadien von Sambucus nigra: Knospe, Blüte, unreife Frucht, reife Frucht (von links nach rechts)

 

Die Herausforderung

Pflanzenbestimmungs-Apps haben zu einer explosionsartigen Zunahme von Daten zu Pflanzenvorkommen geführt. Da diese Datensätze in der Regel mit Bildern versehen sind, bieten sie ein enormes Potenzial für die Gewinnung detaillierter phänologischer Informationen. Der Haken daran? Die manuelle Annotation jedes einzelnen Bildes mit einem phänologischen Stadium ist äußerst zeitaufwendig.

Unsere Lösung

Frühere Studien haben bereits gezeigt, dass Beobachtungen von Flora Incognita starke phänologische Signale aufzeigen können – beispielsweise den Beginn der Blüte bei Arten mit einer kurzen und auffälligen Blütezeit. Nähere Informationen hierzu findest du im folgendem Artikel: Phänologie-Monitoring mit Flora-Incognita-Pflanzenbeobachtungen.

Unsere neueste Arbeit geht noch einen Schritt weiter: Wir haben mithilfe einer eigens trainierten KI einen ressourcenschonenden, leicht zu handhabenden Klassifizierungsprozess entwickelt, mit dem wir Tausende von Bildern, die von Flora Incognita-Nutzer:innen aufgenommen wurden, automatisch annotiert haben. Auf diese Weise konnten wir für einige Arten in unseren Daten mehrere phänologische Stadien identifizieren, nicht nur den Beginn der Blüte. Während beispielsweise der Deutsche Wetterdienst in der Regel phänologische Karten für Holunder für zwei Stadien (Beginn der Blüte und erste reife Früchte) bereitstellt, ermöglicht unsere Methode vier Stadien: Knospenaufbruch, Blüte, Fruchtansatz und Fruchtreife. Auf diese Weise können wir weitaus detailliertere phänologische Verlaufskurven und Karten erstellen.

Beobachtungen von Holunder (Sambucus nigra) in Deutschland ermöglichen eine detaillierte Überwachung der phänologischen Stadien. Oben: Automatisch annotierte Pflanzenbeobachtungen von Flora Incognita; unten: systematisch erfasste Stadien durch den Deutschen Wetterdienst (DWD). aus: Katal et al., 2025


Das Fazit

Wir konnten zeigen, dass die automatische Annotation phänologischer Stadien nicht nur möglich, sondern auch äußerst zuverlässig ist, während der manuelle Aufwand für die Kennzeichnung auf ein Minimum reduziert wird. Bei einer ausreichenden Anzahl von Bildern kann unser KI-basierter Workflow Pflanzenfotos in verschiedene phänologische Stadien klassifizieren. Die daraus resultierenden gekennzeichneten Beobachtungen zeigen (abhängig von der Art) oft starke phänologische Signale.

Dieser Ansatz ermöglicht es, eine Vielzahl ökologischer Fragen einfacher als je zuvor zu beantworten.

Die Studie wurde im Rahmen der Dissertation von Negin Katal durchgeführt und ist unter folgender Adresse frei verfügbar: Expanding phenological insights: automated phenostage annotation with community science plant images.

Wie immer danken wir unseren Nutzer:innen für ihre Neugier und ihre Beiträge – Ihre Beobachtungen (die mit Standortdaten) haben diese Forschung erst möglich gemacht!

Titelbild: Schwarzer Holunder [File:00 3769 Schwarzen Holunder (Sambucus nigra).jpg], von W. Bulach, Deutschland, CC BY-SA 4.0, via Wikimedia Commons.