Aus Bildern von Drohnen, angefertigt beim Überfliegen von Wäldern, können Forscher der University of Alberta neuerdings schliessen, welche Pilze dort wachsen, obwohl diese gar nicht zu sehen sind. Das gelingt ihnen, weil sie eine Software mit Bildern von Baumkronen trainiert haben, unter denen bestimmte Pilze wachsen. Diese hatten sie zuvor durch Bodenproben identifiziert.
Die Kombination von Drohnenbildern und KI-gestütztem maschinellem Lernen sorgt künftig dafür, dass der Zustand von Wäldern regelmässig überprüft werden kann. Die gängige Praxis der mühsamen, zeitaufwändigen Entnahme von Bodenproben, um aus der Pilzverteilung auf die Gesundheit der Bäume zu schliessen, wird damit überflüssig.
"Um Muster in der gesamten Landschaft zu verstehen, ist man stark auf manuelle Bodenprobenahmen und DNA-Sequenzierungen an vielen Standorten angewiesen, was arbeitsintensiv und teuer ist", erläutert Cameron Carlyle von der University of Alberta. "Durch die Integration von Fernerkundungsdaten – also Informationen, die von Drohnen erfasst werden – mit Bodenmessungen und maschinellem Lernen haben wir eine kostengünstigere und skalierbare Methode zur Kartierung der Pilzvielfalt im Boden entwickelt."
"Bodenpilze spielen eine zentrale Rolle für die Waldfunktionen und beeinflussen den Nährstoffkreislauf, die Zersetzung und das Baumwachstum", so Carlyles Fachkollegin Wanwan Yu. "Ohne diese Überwachung laufen wir Gefahr, wichtige Informationen über Biodiversitätsmuster, die Stabilität des Ökosystems und die Fähigkeit zur effektiven Bewirtschaftung und Erhaltung von Wäldern zu verlieren – insbesondere angesichts des Umweltwandels."
Die Forscher untersuchten in einem 40 Jahre alten Wald in einem Naturschutzgebiet in China die so genannte Alpha-Diversität, also die Anzahl der Pilzarten, die an einem bestimmten Ort leben sowie die Beta-Diversität, das heisst, wie stark sich die Artenzusammensetzung der Pilze von einem Bereich zum anderen im Wald verändert.
Das Team entnahm zudem 38 Bodenproben aus dem 26 Hektar grossen Gebiet und identifizierte die verschiedenen vorhandenen Pilzarten mittels DNA-Sequenzierung. Parallel dazu liessen sie Drohnen über den Wald fliegen, um hochauflösende Bilder zu gewinnen, die Baumhöhen zu messen und zu erfassen, wie viel Licht die Blätter reflektieren, um so Faktoren wie den Chlorophyllgehalt und den Wassergehalt zu bestimmen.
Die kürzlich im Fachjournal "Forest Ecology and Management" publizierten Forschungsergebnisse belegen, dass die Baumarten, die Landschaft und die Bodeneigenschaften gemeinsam die Pilzmuster prägen. Die Vielfalt der Bodenpilze variiert erheblich - je nach Baumart und auch zwischen Bäumen derselben Art, da diese unterschiedliche Mikroumgebungen schaffen, die die Pilzgemeinschaft prägen.
Dabei zeigte sich, dass maschinelles Lernen 53 Prozent der Beta-Diversität der Pilze erfolgreich vorhersagen konnte. Bei der Vorhersage der Alpha-Diversität gab es mit einer Quote von 28 bis 45 Prozent – je nach verwendeter Messmethode – nur ein mässiges Ergebnis. Daher könne der kombinierte Hightech-Ansatz die detaillierten, ortsspezifischen Informationen, die durch praktische Bodenprobenahmen vor Ort gewonnen werden, nicht vollständig ersetzen. Doch könne er die Abdeckung und Effizienz der Überwachung allgemeiner Diversitätsmuster in riesigen, vielfältigen Waldgebieten verbessern, so Yu. Zudem sei zu erwarten, dass die neue Methode noch verbessert wird.
