Korallen sind auf den Bildern der Taucher mit ihren schillernden Fischen nur eine Randnotiz, doch für viele Wissenschaftler stehen sie im Vordergrund, da sie eine wichtige Rolle im Ökosystem spielen. Diese Tiere mit ihrem Kalkskelett gehören zu den vielfältigsten Ökosystemen der Welt: Obwohl sie weniger als 0,1 % der Gesamtoberfläche der Ozeane bedecken, beherbergen sie fast ein Drittel aller bekannten Meeresarten. Sie haben auch einen großen Einfluss auf das Leben der Menschen in vielen Ländern, die an Riffe angrenzen: Laut einer Studie der US-Behörde für Ozean- und Atmosphärenbeobachtung sind bis zu einer halben Milliarde Menschen weltweit von Korallenriffen abhängig, um ihre Ernährung und ihr Einkommen aus dem Tourismus zu sichern. Die Korallen, die insbesondere durch den Anstieg der Meerestemperatur und die lokale anthropogene Verschmutzung gefährdet sind, was zu ihrem Ausbleichen und Absterben führt, sind Gegenstand eingehender Studien wie die des Transnational Red Sea Center (TRSC), das die Geheimnisse der Arten des Roten Meeres lüften will, die besonders widerstandsfähig gegenüber den mit dem Klimawandel verbundenen Belastungen sind. Im Rahmen dieser von der EPFL* geleiteten Mission wurde DeepReefMap getestet, eine künstliche Intelligenz, die vom Laboratoire de science computationnelle pour l’environnement et l’ec.(ECEO) an der EPFL entwickelt wurde, mehrere hundert Meter Riffe und Korallenbänke in 3D auf der Grundlage eines Unterwasserfilms, der mit einer handelsüblichen Kamera aufgenommen wurde, in wenigen Minuten rekonstruieren kann. Sie kann auch bestimmte Merkmale von Korallen erkennen und diese quantifizieren. "Diese Methode demokratisiert die digitale Rekonstruktion von Riffen und beschleunigt ihre Überwachung, indem sie den Arbeitsaufwand, die Ausrüstung, die Logistik und die IT-Kosten verringert", betont Samuel Gardaz, Projektleiter des TRSC. Die Forschungsergebnisse werden nun in Methods in Ecology and Evolution veröffentlicht.
Einheimische Taucher können die Daten einfach erfassen.
Ein dreidimensionales Korallenriff mit den üblichen Methoden zu erhalten, ist nicht einfach: Die teuren und sehr rechenintensiven Rekonstruktionen basieren auf mehreren hundert Bildern eines einzigen Riffabschnitts von sehr begrenzter Größe (nur einige Dutzend Meter), die mit vielen verschiedenen Referenzpunkten aufgenommen wurden. Diese Faktoren schränken die Anwendung dieser Methoden in Ländern, die nicht über das nötige technische Know-how verfügen, stark ein und verhindern die Überwachung großer Riffabschnitte (Hunderte von Metern oder sogar Kilometer).Die an der EPFL entwickelte KI ermöglicht es auch nicht spezialisierten Taucherinnen und Tauchern, diese Daten problemlos zu erfassen. Mit handelsüblichen Kameras bewegen sie sich langsam über mehrere hundert Meter über einen Riffstreifen, wobei die Bildaufnahme nur durch die Batterie der Kamera oder die Luft in der Tauchflasche begrenzt ist. Um den Aufnahmebereich zu vergrößern, installierten die Wissenschaftler auf einer PVC-Struktur drei nach vorne gerichtete Kameras im Abstand von etwa 1 m sowie drei nach hinten gerichtete Kameras, die von einer einzigen Person bedient werden können. So können lokale Teams, die oft nur über geringe Mittel verfügen, dieses System zu sehr geringen Kosten und über große Teile der Riffe hinweg einsetzen. "Eine echte Revolution in der Welt der Erhaltung von Ökosystemen", betont Guilhem Banc-Prandi, Postdoktorand am Laboratorium für biologische Geochemie der EPFL und wissenschaftlicher Leiter des TRSC.
Das Ziel war wirklich, den Bedürfnissen der Wissenschaftler und Naturschutzbeauftragten, die vor Ort arbeiten, mit einem Werkzeug zu entsprechen, das weitläufig und sehr schnell eingesetzt werden kann: In Dschibuti gibt es zum Beispiel 400 km Küste.
Jonathan Sauder
Korallen nach ihrem Gesundheitszustand und ihrer Form klassifizieren
Um ihren Kollegen, den Biologen, die vor Ort arbeiten, die Arbeit noch weiter zu erleichtern, haben die Wissenschaftler semantische Segmentierungsalgorithmen eingebaut, mit denen sie Korallen nach ihrem Gesundheitszustand klassifizieren und quantifizieren können - von gesund, d. h. farbenfroh, über tot und von Algen bedeckt bis hin zuAlgen, bis hin zum Weiß der Bleiche - und die Wachstumsformen der Korallen, die in den flachen Riffs des Roten Meeres am häufigsten vorkommen, nach einer international anerkannten Hierarchie zu identifizieren - verzweigt, massiv, hart, weich usw. -. - Das Ziel war es, den Bedürfnissen von Wissenschaftlern und Naturschützern, die vor Ort arbeiten, mit einem Werkzeug zu entsprechen, das schnell und umfassend eingesetzt werden kann: In Dschibuti beispielsweise gibt es 400 km Küste", betont Jonathan Sauder, der die Entwicklung dieser KI zum Thema seiner Doktorarbeit gemacht hat. "Unsere Methode erfordert keine teure IT-Infrastruktur: Auf einem Computer mit einer einfachen Grafikprozessoreinheit können die semantische Segmentierung und die 3D-Rekonstruktion in einer Zeit erzielt werden, die der Zeit des Videos entspricht".Auf dem Weg zum digitalen Zwilling des Riffs
"Diese einfache Implementierung wird es uns ermöglichen, die Veränderungen der Riffe im Laufe der Zeit zu verfolgen, um Gebiete mit Erhaltungspriorität zu identifizieren. Eine schnelle Quantifizierung ihrer Zusammensetzung und ihres Gesundheitszustands ist entscheidend, um ihre Entwicklung in der heutigen Zeit der schnellen Umweltumwälzungen besser zu verstehen", bestätigt Guilhem Banc-Prandi. Die neue Methode der 3D-Kartierung wird anderen Wissenschaftlern eine Grundlage bieten, auf der sie Daten zur Vielfalt und zum Reichtum der Riffarten, zur Populationsgenetik, zum adaptiven Potenzial der Korallen gegenüber der Wassererwärmung und zur lokalen Verschmutzung in den Riffen hinzufügen und zu einem digitalen Zwilling tendieren können. DeeReefMapping kann auch auf andere flache Unterwasserumgebungen übertragen werden, wie z.B. auf untergetauchte Mangroven-Ökosysteme oder um die Erforschung tieferer Umgebungen zu leiten: "Der Rekonstruktionsteil unserer KI kann leicht in anderen Kontexten eingesetzt werden, allerdings muss man eine gewisse Zeit einplanen, um die neuronalen Netze für die Klassifizierung an neuen Orten zu trainieren", schließt Devis Tuia.* Labor für biologische Geochemie der EPFL und TRSC.
