Monitoring von Bestäubern durch automatisierte Kameras in Agrarlandschaften
(2) Sabine Brachmann, Landesanstalt für Landwirtschaft, Institut für Agrarökologie und Ökologischen Landbau, Lange Point 12, 85354 Freising
(3) Peer Urbatzka, Landesanstalt für Landwirtschaft, Institut für Agrarökologie und Ökologischen Landbau, Lange Point 12, 85354 Freising
(4) Larsia Irlbeck, Hochschule Weihenstephan-Triesdorf, Biomasse-Institut, Steingruberstr.2, 91746 Weidenbach
(5) Michael Rudner, Hochschule Weihenstephan-Triesdorf, Biomasse-Institut, Steingruberstr.2, 91746 Weidenbach
(6) Carmen Nebauer, Technische Universität München, School of Life Sciences, Hans-Carl-von-Carlowitz-Platz 2, 85354 Freising
(7) Sara Leonhardt, Technische Universität München, School of Life Sciences, Hans-Carl-von-Carlowitz-Platz 2, 85354 Freising
Abstract
Monitoring von Bestäubern durch automatisierte Kameras in Agrarlandschaften
Zusammenfassung
In der Studie wurde eine kontinuierliche Erfassung von Bestäubern in unterschiedlichen Habitatstrukturen mittels automatisierter Kameraüberwachung und künstlicher Intelligenz durchgeführt, um deren Einfluss auf die Abundanz und die taxonomische Artenvielfalt zu bewerten. Die Ergebnisse zeigen die Bedeutung vielfältiger Lebensräume sowie Chancen und methodische Grenzen der kamerabasierten Überwachung.
Fragestellung
Wie genau sind KI-basierte lebend-Kamerafallen zur Erkennung von verschiedenen Bestäuberinsektengruppen?
Welche Abundanz (Aktivität) zeigen unterschiedliche Bestäubergruppen der Insekten in verschiedenen Lebensraumstrukturen?
Methode
Im Rahmen des APART-Projekts (Agrarpflanzen für Bestäuber) wurden im Jahr 2025 DIY-Kamerafallen nach Sittinger et al. 2024 für eine automatisierte Insektenüberwachung (Version 2023) eingesetzt. Diese KI-basierte lebend-Kamerafallen, wurden in verschiedenen Lebensraumstrukturen (Randstrukturen/Blühstreifen, Weizenfeld) an zwei bayerischen Standorten (Viehhausen, Triesdorf) aufgestellt, um die Bestäuberabundanz zu erfassen. Die Aufnahmen erfolgten von Mai bis Juli in vier täglichen Intervallen zu je 40 Minuten. Anschließend wurden die Bestimmungen evaluiert.
Ergebnisse
Sehr gute KI‑Erkennungsgenauigkeit von über 95% wurden bei Schwebfliegen und Wespen erreicht. Eine mittlere Genauigkeit erzielte die KI bei Wildbienen mit etwa 86% (hier erschwert die hohe Artenvielfalt eine eindeutige Klassifizierung) und bei Honigbienen mit 64 %. Die Erkennungsgenauigkeit bei Tagfaltern und Hummeln, die Trefferquote lag unter 50 %, war niedrig. Häufig wurden Schattenbilder oder Blätter/Gräser mit Tagfaltern verwechselt.
Wildbienen und Schwebfliegen sind in beiden Habitatstrukturen die häufigsten Taxa. Aufgrund des vielfältigeren Blütenangebots und dem strukturreichen Mikrohabitats ist die Abundanz der Wildbienen in der Randstruktur höher als im Weizen.
Fazit
Das Kamerafallen-System zeigt ein hohes Potenzial für ein standardisiertes Bestäubermonitoring in landwirtschaftlichen Umgebungen. Die Selektivität des aktuellen Designs der Blumenplattform könnte jedoch die Zusammensetzung der Gemeinschaft verzerren. Anpassungen beim floralen Lockmittel könnten die taxonomische Repräsentativität verbessern.
If this happens again, please get in touch with us.