Heute ist der 23.05.2025
Datum: 23.05.2025 - Source 1 (https://www.kleinezeitung.at/service/newsticker/chronik/19713461/ki-hilft-bei-schlamm-und-schilfmanagement-am-neusiedler-see):
- Ziel: Entwicklung eines KI-basierten Tools zur Planung und Vorbereitung des jährlichen Bauprogramms der Seemanagement GmbH.
- Geschäftsführer: Erich Gebhardt.
- Forschungskoordinator: Martin Zloklikovits.
- Tool soll die Entwicklung des Schilfbestandes sowie Schlamm- und Sedimenttransporte im See simulieren und prognostizieren.
- Schilfgürtel: 180 Quadratkilometer groß.
- Drohnen werden eingesetzt, um den Schilfgürtel abzufliegen.
- Drohnen sind mit Kameras ausgestattet, die reflektiertes Licht von Pflanzen in Spektren zerlegen.
- Datenanalyse ermöglicht Abschätzung der Altersstruktur und des Zustands des Schilfs sowie Lokalisierung von Bruchschilfbereichen.
- Sedimenttransporte werden mit Sonargeräten erfasst, die Schallwellen nutzen.
- Simulationsmodelle sollen Prognosen über Ablagerungsorte des Sediments ermöglichen.
- Erste zwei- und dreidimensionale Karten werden in fünf bis sechs Monaten erwartet.
- Möglichkeit zur Erweiterung des Projekts zur Erfassung von Brutstätten am Neusiedler See wird in Betracht gezogen.
Source 2 (https://www.nationalparksaustria.at/de/news-detail-aktuelles/klassifikation-heterogener-vegetations-strukturen-mittels-airborne-laserscan-daten-und-machine-learning-am-beispiel-der-schilfbestaende-des-neusiedler-sees.html):
- Automatisierte Detektion von Bruchschilf möglich durch Laserscan-Daten.
- Bruchschilf ist homogen strukturiert im Vergleich zu vitalen Schilfbeständen.
- Untersuchungsgebiet umfasst ca. 101 km² Schilffläche in Österreich.
- 17 km² wurden automatisiert als Bruchschilf klassifiziert.
- Bruchschilf befindet sich hauptsächlich an seeseitigen Randbereichen des Schilfgürtels.
- Oft hinter vitalem Jungschilf, das an der direkten Seegrenze vorkommt.
- Ergebnisse und Kartierungen werden an Institutionen wie Birdlife Österreich, Nationalpark Neusiedler See-Seewinkel und Land Burgenland weitergegeben.
- Ziel: Unterstützung bei Maßnahmenentwicklung und Entscheidungsgrundlage.
Source 3 (https://www.igd.fraunhofer.de/de/forschung/oeffentliche-projekte/biooekonomie/drohnen-und-ki-fuer-nachhaltige-gruenlandwirtschaft.html):
- Einsatz von Machine Learning und KI-Algorithmen zur Erkennung und Lokalisierung von Pflanzenarten aus Drohnenbildern und Sensordaten.
- Zentimetergenaue Identifikation und Lokalisierung von bestimmten Individuen oder Gruppen von Pflanzenarten.
- Erstellung von Karten mit der Verteilung der Pflanzenarten im beflogenen und gescannten Feld.
- Relevanz der Erkennung für agrarisch wichtige Arten, wie nahrhafte Futterpflanzen und Schad- oder Giftpflanzen.
- Bedeutung der Arterkennung für das Biodiversitätsmonitoring von Grünlandflächen, sowohl intensiv als auch extensiv bewirtschaftet.
- Extensiv bewirtschaftetes Grünland fördert die pflanzliche Artenvielfalt, was positive Auswirkungen auf Insekten- und Vogelpopulationen hat.
- Neue Öko-Regelungen der EU-Gemeinsamen Agrarpolitik (GAP) seit 2023 ermöglichen Landwirten die Förderung von Extensivgrünland.
- Fraunhofer IGD trainiert spezifische Arterkennungsmodelle mittels KI-Algorithmen zur Erkennung und Lokalisierung von Kennarten für artenreiches Grünland.
- Geplante Zertifizierung der Anwendung als Nachweis für staatliche Förderung in naher Zukunft.