PANOPS – Erfassung der globalen funktionellen Biodiversität durch Citizen Science

• Antragsteller: Dr. Teja Kattenborn
• Fachliche Zuordnung: Ökologie und Biodiversität der Pflanzen und Ökosysteme ; Physische Geographie
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 504978936

Unser Wissen zur globalen, terrestrischen Verteilung funktioneller Pflanzenmerkmale und deren Diversität ist hinsichtlich geographischer Abdeckung, Taxa, Merkmale und ihre ökologischen Funktionen begrenzt. Dies schränkt unser Verständnis zu Diversitäts-Umweltbeziehungen im Erdsystem als auch Prognosen zu Auswirkungen des globalen Wandels ein. Mehrere Studien extrapolierten in Datenbanken gesammelten Pflanzenmerkmale (TRY-Datenbank) mit global und räumlich kontinuierlichen Umweltvariablen. Allerdings weisen solche Produkte große Unsicherheiten und wenig Übereinstimmung auf. Auch die Erdbeobachtung mit Satelliten hat in dieser Hinsicht nur ein begrenztes Potenzial, da die "Vogelperspektive" primär Informationen über die obersten Kronenschichten und einige funktionelle Merkmale liefern kann. Um eine repräsentativere Untersuchung von Biodiversitäts-Umweltbeziehung zu ermöglichen, wählt PANOPS eine völlig andere "Perspektive": Millionen über den Globus verteilte Pflanzenfotos von Bürgerwissenschaften. Gemäß "Form folgt Funktion", können in Fotos sichtbare morphologischen Pflanzeneigenschaften Aufschluss über funktionelle Merkmale von Pflanzen geben. Vorläufige Studien des Antragstellers verknüpften bereits tausende Pflanzenfotos (iNaturalist) und Pflanzeneigenschaften (TRY-Datenbank) mit Verfahren des Deep-Learning und der Computer-Vision (Convolutional Neural Networks, CNN). Dies ermöglichte nicht nur die Abschätzung zur Quantifizierung der funktionellen Diversität essentielle Pflanzenmerkmale (z. B. Blattmasse, Blattfläche, Wuchshöhe) aus einzelnen Fotos, sondern sogar deren globale Verteilung durch die Aggregation tausender solcher Vorhersagen mittels der Geokoordinaten der Fotos. Die Kombination von Pflanzenfotos aus Bürgerwissenschaften und Pflanzenmerkmale der herkömmlichen Wissenschaft mittels Deep Learning bietet folglich ein äußerst leistungsfähiges und synergetisches Instrumentarium zur Untersuchung von Fragen, die derzeit im Mittelpunkt der makroökologischen Forschung stehen. Diese Vision wird in PANOPS durch vier zentrale Ziele untermauert: (1) Identifizierung der Pflanzenmerkmale, die aus Pflanzenfotos und zusätzlichen Geodaten abgeleitet werden können. (2) Bewertung der Übertragbarkeit von Modellen über verschiedene Bildeinstellungen, Wuchsformen und Biome hinweg, sowie die Untersuchung der in den Modellen erlernten Mechanismen. (3) Erstellung und Evaluation globaler Geoprodukte zu funktionellen Pflanzenmerkmale und Diversitätsmetriken aus räumlich aggregierten Pflanzenmerkmalsvorhersagen. (4) Erkenntnisgewinn über Diversitäts-Umweltbeziehungen, im Sinne der geografischen Konvergenz von Pflanzenmerkmalen, des räumlicher Zusammenhangs zwischen der funktionellen Diversität, funktioneller Merkmale, abiotischen Umwelteigenschaften und Ökosystemfunktionen, sowie der Einfluss zur funktionellen Vielfalt auf die Resilienz und Stabilität funktioneller Ökosystemeigenschaften.

• DFG-Verfahren: Emmy Noether-Nachwuchsgruppen