Bislang fehlte ein Programm zur Erfassung der Insektenfauna in Deutschland, das bundesweit gültige Aussagen zur Langzeitentwicklung der Insektenbestände ermöglicht. Im Rahmen von zwei durch das Bundesamt für Naturschutz (BfN) geförderten Forschungs- und Entwicklungsvorhaben (F + E-Vorhaben) wurde ein solches Programm entwickelt. Im vorliegenden Beitrag werden das grundlegende Konzept und die Erfassungsbausteine des modular aufgebauten bundesweiten Insektenmonitorings (IM) vorgestellt. Das Bausteinset besteht aus zwei Säulen: Monitoring häufiger Insekten (Säule 1) und Monitoring seltener Insekten (Säule 2). In Säule 1 des IM sind Erfassungen von Insektenzönosen in der Gesamtlandschaft vorgesehen. In Säule 2 stehen hingegen Erfassungen von Insektenzönosen seltener Lebensräume (Säule 2a) sowie gezielte Erfassungen ausgewählter und aus Naturschutzsicht wertvoller (z. B. bestandsgefährdeter) Arten (Säule 2b) im Fokus. Verschiedene der mit den Naturschutzfachbehörden der Bundesländer abgestimmten Bausteine werden bereits in unterschiedlichem Umfang von zahlreichen Bundesländern umgesetzt. Für die Weiterentwicklung des IM ist u. a. die Entwicklung eines digitalen Eingabetools und von Auswertungsstandards für verschiedene Bausteine und Fragestellungen geplant. Weiterhin sollen Methodenstandards für weitere Bausteine erarbeitet werden.
<p>The dataset contains data on arthropods which was derived from DNA metabarcoding. The DNA metabarcoding was performed for samples from coloured canopy Malaise traps, caterpillar traps, branch sampling and blue and white pan traps. The traps were selected to capture predominantly flying insects, especially butterflies and hoverflies. They were placed as a defined set in four different habitat types: 'Forest (Beech and oak)', 'Centre of a short rotation coppice', 'Margin of a short rotation coppice' and 'Maize field'. There existed three replicates of each habitat type. The coloured canopy Malaise traps were equipped with blue, yellow and white cotton cloth panels (50 x 35 cm) and hung in a wooden frame four metres above ground. The caterpillar traps consisted of a dark-green plastic tarpaulin, which was stretched between trees and tapered towards the ground. At its lowest point, insects were collected with a capture bottle, which was attached to the tarpoulin with a fine gauze. The branch sampling was conducted by tabbing 100 tree branches and shaking ten trees at each site. In the corn fields, the shaking was replaced by another interval of tabbing. The blue and white pan traps were placed next to each other on a wooden table, one metre above ground. The pans were enlarged at the top with fine gauze to prevent from overfloating in the case of rain. All insects were captured and stored in 96.6% ethanol. The traps were operated in 15-day sampling intervals, each in June, July and August 2021. For DNA metabarcoding, the samples of each sampling interval and method were compiled. The DNA metabarcoding was performed following the method of Hausmann et al (2020): 'Toward a standardized quantitative and qualitative insect monitoring scheme. Ecology and Evolution, 10, 4009–4020'. Briefly, a lysis volume of 5-10 ml of the dried and homogenized composite samples was used for DNA extraction. The mitochondrial Cytochrome c Oxidase subunit I gene (COI) was amplified for species identification (see Leray et al. (2013): 'A new versatile primer set targeting a short fragment of the mitochondrial COI region for metabarcoding metazoan diversity: application for characterizing coral reef fish gut contents. Frontiers in Zoology, 10, 34' and Morinière et al. (2016): 'Species Identification in Malaise Trap Samples by DNA Barcoding Based on NGS Technologies and a Scoring Matrix. PLOS ONE, 11, e0155497'. The resulting metabarcoding data contains the OTU sequences from the samples and their corresponding identities from the Barcode of Life database (BOLD, Ratnasingham and Hebert 2007), the database of the National Center for Biotechnology Information (NCBI) and the Ribosomal Database Project (RDP) classifier. For the two databases, the overlap between the OTU sequence and the database entry determined the determination depth (97-100%: species, 95-97%: genus; 90-95%. family, 85-90%: order, 80-85%: class, 75-80%: phylum, <75%: domain). Each taxonomic determination level of the RDP-classifier is additionally displayed with a bootstrap value. The table also provides data on the red list Germany and Bavaria for each entry.</p><p>The dataset is used in: Hoffmann, L. & Stoll, S. (2025) Catch effectiveness, complementarity and costs of five sampling techniques for flying insects across different land use types. Insect Conservation and Diversity, 1–12. Available from: https://doi.org/10.1111/icad.12839</p>
Die Landesanstalt für Umwelt Baden-Württemberg (LUBW) wurde von der Landesregierung Baden-Württemberg im Rahmen des „Sonderprogramms zur Stärkung der biologischen Vielfalt“ mit der Etablierung eines Insektenmonitorings im Offenland beauftragt. Vorgestellt wird der Baustein zur Erfassung der Biomasse flugaktiver Insekten („Biomasse – Luft“). Bei diesem werden seit 2018 insgesamt 40 Standorte in Baden-Württemberg mithilfe von Malaise-Fallen untersucht. Neben der Biomasse werden Wildbienen, die Vegetation im Umfeld der Fallen sowie eine Vielzahl weiterer Parameter − z. B. vorherrschende Biotoptypen, Niederschlagsmengen und Temperaturverläufe − erfasst und ausgewertet. Bislang ist bezüglich der Biomasse kein statistisch signifikanter Unterschied zwischen Naturschutzgebieten und der Normallandschaft nachweisbar. Auswertungen der gefangenen Wildbienen zeigen jedoch, dass der Artenreichtum und der Naturschutzwert der Artengemeinschaften dieser Gruppe in Naturschutzgebieten signifikant höher sind. Gründe dafür sind die dort noch häufiger anzutreffenden strukturreichen Lebensräume mit einer größeren Vielfalt an Blütenpflanzen. Die Ergebnisse werden diskutiert und weitere Projekte, die mit Proben aus dem Biomasse-Monitoring fliegender Insekten durchgeführt wurden, vorgestellt.
Insekten und Grasländer sind wegen ihrer großen Vielfalt, ihrer Empfindlichkeit gegenüber Umwelteinflüssen und ihrer Bedeutung für zahlreiche Ökosystemfunktionen intensiv untersuchte ökologische Modelle. In den Biodiversitätsexploratorien und andernorts wurde ein erheblicher Rückgang der Insektenabundanz und -vielfalt dokumentiert und die Intensivierung der Landnutzung wurde als eine der wichtigsten Ursachen für den weltweiten Artenverlust ermittelt. Die Intensivierung der Grünlandbewirtschaftung führt nachweislich zu einer Verringerung der Abundanz und Vielfalt von Arthropoden, aber die Auswirkungen variieren je nach Landnutzungskomponente und untersuchter Arthropodengruppe. Ein mechanistisches Verständnis dieser Variabilität wird durch die fehlende räumliche und zeitliche Auflösung des Insektenmonitorings behindert, die aufgrund der Arbeitsintensität etablierter Monitoring-Methoden und durch die beschränkte Ressourcenverfügbarkeit bedingt ist. Daher sind neue Methoden für das Insektenmonitoring erforderlich, um die erforderlichen hochauflösenden Daten zu generieren und unser Verständnis der Auswirkungen der Landnutzung auf Insektengemeinschaften zu verbessern. Digitales Monitoring auf der Grundlage von Fotos und KI-gestützter Bilderkennung sind vielversprechende Techniken, die dies ermöglichen. Das vorliegende Projekt zielt darauf ab, fliegende Insekten in den Grünlandflächen der Biodiversitätsexploratorien mit sehr hoher zeitlicher Auflösung zu dokumentieren. Wir werden verfügbare RGB-Kamera-Fallensysteme verwenden und Deep-Learning-Algorithmen entwickeln, um die Abundanz der Insekten, die Diversität von Morphogruppen und die Verteilung der Körpergrößen zu quantifizieren. Wir werden auf den vorhandenen Insektendaten aus den Biodiversitätsexploratorien aufbauen, um Trainingsdaten zu erhalten und die Leistung der KI-Bilderkennung zu überprüfen. Durch den Einsatz eines eingebetteten Sensorsystems mit mobiler Konnektivität zum Monitoren von Insekten wollen wir kontinuierliche in-situ-Messungen in den Grünlandflächen der drei Regionen der Biodiversitätsexploratorien vor, während und nach verschiedenen Landmanagementaktivitäten durchführen. Aufgrund der hohen zeitlichen Auflösung unserer Daten können wir untersuchen, wie sich Landnutzungsaktivitäten auf die Dynamik und Stabilität der Insektengemeinschaften auswirken, indem wir den Referenzzustand, Störungseffekte und Erholungsphasen direkt quantifizieren. Wir werden zwischen demografischen Prozessen und (Wieder-)Besiedlungsprozessen als Reaktion auf Störungen durch die Landnutzung unterscheiden und dabei ausnutzen, dass demografische und verhaltensbasierten Prozesse auf unterschiedlichen Zeitskalen ablaufen; z. B. ist die Wiederbesiedlung viel schneller als die Reproduktion. Durch die hier vorgeschlagene Forschung wird dieses Projekt die verfügbare Technologie für das Insektenmonitoring und das mechanistische Verständnis der Auswirkungen der Landnutzung auf Insektengemeinschaften vorantreiben.