Description: Die effektive Überwachung mariner Schutzgüter erfordert eine kontinuierliche Optimierung der Erfassungsmethoden. Insbesondere die zunehmende Offshore-Windenergienutzung stellt die traditionelle Erfassung mariner Wirbeltiere, v. a. mit Hilfe von Beobachterinnen und Beobach-tern in Flugzeugen und manueller Datenauswertung, vor neue Herausforderungen. Das Bundesamt für Naturschutz (BfN) setzt daher digitale Monitoringmethoden in Form von flugzeuggestützten Luftbildaufnahmen ein und entwickelt im Rahmen eines aktuellen Forschungsprojekts eine automatisierte Detektion mariner Tierarten mittels Machine Learning. Der vorliegende Artikel beschreibt die Entwicklung und Evaluierung innovativer digitaler Verfahren zur Klassifikation von Seevögeln und Meeressäugern in Luftbildern. Durch den Einsatz von heuristischen Ansätzen und Deep-Learning-Technologien kann zukünftig eine effiziente und kostengünstige Erfassung ermöglicht werden, um langfristig belastbare Datensätze zu Größen und zur räumlichen und zeitlichen Verteilung der Populationen mariner Wirbeltiere sowie zur Bewertung menschlicher Einflüsse auf marine Ökosysteme zu gewinnen. Zudem wird die zukünftige Rolle automatisierter Erfassungsmethoden untersucht.
Global identifier:
UrnNbn(
"urn:nbn:de:hbz",
"b219-20968",
)
Origins: /Bund/BfN/Publikationen
Tags: Meeressäugetier ? Seevogel ? Offshore-Windenergie ? Biodiversitätsmonitoring ? Flugzeug ? Marines Ökosystem ? Tierart ? Wirbeltier ? Anthropogener Einfluss ? Künstliche Intelligenz ? Luftbild ? Forschungsprojekt ? Klassifikation ? Naturschutz ?
License: other-closed
Language: Deutsch
Issued: 2026-03-01
Time ranges: 2026-03-01 - 2026-03-01
Accessed 1 times.