Megafauna und Bodenfische spielen eine wichtige Rolle in benthischen Ökosystemen. Sie verwandeln und verteilen organischen Kohlenstoff kontinuierlich und kontrollieren die Populationsdynamik kleinerer Organismen durch Bioturbation (Grabaktivitäten) und Fraßdruck. Um die Dynamik der Megafauna-Gemeinschaften erfassen zu können, setzen wir am HAUSGARTEN regelmäßig Kamerasysteme ein. Daraus resultier(t)en große Mengen an wertvollen Bilddaten, die momentan nicht zu ihrem vollen Potential ausgewertet werden können, weil die manuelle Bildanalyse zu arbeitsintensiv, zeitaufwendig und subjektiv ist. Viele Megafauna-Arten treten jedoch nur selten auf oder weisen eine fleckenhafte Verteilung auf. Um die Megafauna adäquat beschreiben zu können, müssten dementsprechend sehr große Areale (= viele Bilder) analysiert werden.

In enger Zusammenarbeit mit Informatikern der Biodata Mining & Applied Neuroinformatics Group (Universität Bielefeld) erarbeiten wir daher neue Methoden, die es uns erlauben, große Bilddatenmengen in kurzer Zeit zu analysieren. Im Rahmen des CORAMM-Projektes (Coral Risk Assessment, Monitoring and Modelling) haben wir Computer-Algorithmen entwickelt, mit denen wir automatisch die Ausdehnung von Kaltwasserkorallen auf Bildern vom Meeresboden erfassen können. Das System lernt von Experten, die Organismen oder Strukturen auf Bildern markieren. Um solche Markierungen zu sammeln, haben wir ein Web-2.0-basiertes System (Bielefeld Image Graphical Labeller and Explorer, BIIGLE) entwickelt. Wurden genug Beispiele für einen Organismus markiert, kann der Computer lernen, diese vom Rest des Bildes zu unterscheiden und sie zählen. Ist das System trainiert, kann es die erlernten Strukturen auf neuen Bildserien erfassen. Im Rahmen neuer Projekte wird unser System momentan weiterentwickelt, um eine schnelle Analyse von Bildern unserer HAUSGARTEN-Zeitreihe zu ermöglichen. Dies könnte Aufschluss über langfristige Veränderungen in der Megafauna geben.

Kontakt: M. Bergmann

Literatur:

Purser, A., Bergmann, M., Lundälv, T., Ontrup, J. & T. Nattkemper (2009). Use of machine-learning algorithms for the automated detection of cold-water coral habitats - a pilot study. Marine Ecology Progress Series 397: 241-251.