Das Team am iDiv wird zunächst statistische Instrumente entwickeln, um den beteiligten Institutionen und den Projektpartnern zuverlässige Abundanzschätzungen der von KI identifizierten Arten zu liefern, z.B. durch die Vermeidung von Mehrfachzählungen. Anhand dieser Daten wird es dann die Auswirkungen der Urbanisierung und der direkten Umweltfaktoren an jedem Standort in den acht untersuchten Städten statistisch analysieren. Darüber hinaus wird es die anderen Projektteile unterstützen, indem es die Trainingsdaten für weitere Insekten (wie Wanzen und Schnaken) liefert, so dass das System ein breiteres Artenspektrum überwachen kann.

Methoden zur Berechnung der Artenvielfalt
Bevor die gesammelten Daten zur Beantwortung ökologischer Fragen ausgewertet werden können, müssen wir aus den KI-Identifizierungen nützliche Kennzahlen für die biologische Vielfalt berechnen. Angesichts der großen Datenmengen, die von den KLFs erzeugt werden, ist dies nicht ganz einfach. Daher müssen zunächst entsprechende Instrumente entwickelt werden. Insbesondere müssen wir berücksichtigen, dass die KI möglicherweise einzelne Falter mehr als einmal zählt, wenn sie sich zwischen den Fotos bewegen. Mit diesen korrigierten Zahlen können wir verschiedene Aspekte der Artenvielfalt berechnen. Diese werden dann für die statistische Analyse des Urbanisierungsgradienten und andere ökologische Fragen verwendet.
Ökologische Analyse des Urbanisierungsgradienten
Wir werden in acht deutschen Städten Fallen entlang eines Gradienten vom Naturwald zur Innenstadt aufstellen. Damit können wir die Auswirkungen der Verstädterung auf Nachtfalter anhand von Millionen von Beobachtungen von Hunderten von Arten untersuchen. Wir werden Informationen über die Umweltbedingungen in der Umgebung jeder Falle aus Karten, Satellitenbildern und Freilandmessungen zusammenstellen. Wir werden klassische statistische Methoden und neue KI-basierte Methoden einsetzen, um die Auswirkungen der gemessenen Umweltvariablen und der Verstädterung auf die Mottenvielfalt zu analysieren.
Andere Insekten
Um möglichst viele Insektenarten überwachen zu können, werden wir auch Daten über andere Insekten als Motten sammeln, die von den Fallen angezogen werden. Damit werden wir die KI so trainieren, dass sie auch diese Arten erkennt. Mit Hilfe von taxonomischen Sachverständigen werden wir die Arten anhand von Fotos und von in den Fallen gesammelten Insekten identifizieren, nachdem die Kamera ein Foto von ihnen gemacht hat. Diese Insekten werden dann identifiziert und im Phyletischen Museum Jena aufbewahrt. Wir werden uns auf die folgenden Insektengruppen konzentrieren, die häufig in Lichtfallen gefunden werden: Köcherfliegen, Käfer (insbesondere Laufkäfer, Marienkäfer und Kurzflügelkäfer), Zikaden, Wanzen, Schnaken, Zuckmücken, Stechmücken und Netzflügler.



Erfassung der biologischen Vielfalt, wenn die Arten unbekannt sind
Nicht überall auf der Erde wird die KI-Identifizierung funktionieren wie in Deutschland, da es möglicherweise keine Experten gibt, die die KI trainieren können, oder die dort vorkommenden Arten noch nicht von Wissenschaftlern beschrieben wurden. Daher werden wir zusammen mit der Universität Jena ein Verfahren zur Schätzung der biologischen Vielfalt entwickeln, wenn die Arten der KI unbekannt sind. Wir werden dies anhand der zuverlässig identifizierten Nachtfalter in Deutschland testen, bevor es an Orten angewendet werden kann, an denen (noch) keine Trainingsdaten verfügbar sind oder an denen eine große Anzahl von Arten für die Wissenschaft neu ist, wie z. B. in den Tropen.