Header Slideshow Image 1 of 13

Spacewhale

Die Erfassung von Walen ist aufgrund ihrer Verbreitungsgebiete und hohen Mobilität eine große Herausforderung. Weltweit gibt es ein großes Interesse daran wie Walpopulationen sich nach dem intensiven Walfang, der bis in die zweite Hälfte des 20. Jahrhunderts stattfand und viele Populationen erheblich dezimierte, erholen.

Für Beobachtungen und Zählungen nutzt man die Tatsache, dass die Tiere sich in bestimmten Phasen (beispielsweise zu Paarungs- und Geburtenzeiten) in hohen Konzentrationen zuverlässig in bestimmten Gebieten aufhalten. Erfassungen aus dem Flugzeug sind dabei eine effektive und gängige Methode um großräumige Bewegungen und Vorkommen von Walen nachzuweisen. Allerdings können diese Untersuchungen relativ teuer und durch die Reichweiten der Flugzeuge begrenzt sein.

Buckelwale bei der gemeinsamen Jagd in Kanada

In Zusammenarbeit mit Wissenschaftlern der Stony Brook University in New York und HiDef Aerial Surveying Ltd aus England hat BioConsult SH eine halb automatisierte Methode entwickelt, um Wale mit Hilfe von künstlicher Intelligenz und „deep learning“-Prozessen auf hoch aufgelösten Satellitenbildern zu erfassen. Zur Überprüfung der Methode wurden Bilder von Gebieten mit bekannten Walvorkommen vor Hawaii und der argentinischen Küste verwendet.

Der Algorithmus wurde mit Hilfe von herunterskalierten digitalen HiDef-Aufnahmen und Satellitenbildern trainiert, Bilder danach zu klassifizieren, ob darauf ein Wal abgebildet war oder nicht.

Zwergwal (HiDef-Aufnahme)

Das beste Modell ordnete 100 % der Bilder mit Walen und 95 % der Bilder mit nur Wasser richtig zu. Während die Bestimmung von Walen aufgrund der relativ geringen Auflösung von verfügbaren kommerziellen Satellitenbildern weiterhin eine große Herausforderung ist, können großflächige Gebiete ohne Wale mit unserem methodischen Ansatz besser ausgeschlossen werden. Damit kann die Walerfassung wesentlich beschleunigen werden.

Weitere Informationen finden Sie auch auf den Seiten der Europäischen Weltraumorganisation ESA, die das Projekt gefördert hat.


Die Methode wurde in einem Artikel in PLoS ONE beschrieben, der hier heruntergeladen werden kann:

Borowicz, A., Le, H., Humphries, G., Nehls, G., Höschle, C., Kosarev, V. & Lynch, H.J.
Aerial-trained deep learning networks for surveying cetaceans from satellite imagery.
PLoS ONE 14(10): e0212532
Download documentExternal Link


Das Projekt wird gefördert durch die Europäischen Weltraumorganisation ESA.

Anprechpartnerin:

Caroline Höschle