Projekte laden...
Projekte laden...
Dieses Pilotprojekt zeigt, wie akustisches Monitoring und automatische Klassifikation die Rufaktivität von Waldkäuzen effizient erfassen können. Drei Logger an unabhängigen Standorten zeichneten gezielt rund um Sonnenaufgang und Sonnenuntergang auf. Ein Random-Forest-Modell identifiziert Waldkauz-Gesang automatisch und ermöglicht Aussagen zu Anwesenheit, Aktivitätsmustern und Nachweiswahrscheinlichkeiten – mit nur wenigen Tagen Aufnahme pro Standort. Das Verfahren spart Zeit, reduziert Personalaufwand und liefert belastbare Grundlagen für Naturschutz- und Planungsaufgaben.
Der Einsatz akustischer Logger in Kombination mit automatischer Klassifikation ermöglicht es, Rückschlüsse auf die Anwesenheit oder Abwesenheit von Arten zu ziehen, ohne dass jede Nacht manuell ausgewertet werden muss. In diesem Pilotprojekt wurden drei akustische Logger vom Typ Audiomoth an räumlich voneinander unabhängigen Standorten installiert. Analysiert wurden jeweils ein Monat im Februar 2025 sowie ein Monat im September 2024.
Die Aufnahmen erfolgten gezielt in biologisch besonders relevanten Zeitfenstern rund um Sonnenaufgang und Sonnenuntergang. Erfasst wurden jeweils 90 Minuten vor bis 30 Minuten nach Sonnenaufgang sowie 30 Minuten vor bis 90 Minuten nach Sonnenuntergang – Zeiträume, in denen Waldkäuze besonders aktiv sind. Dieses Aufnahmeschema erfasst die Hauptaktivität der Eulen effizient und reduziert gleichzeitig die entstehende Datenmenge im Vergleich zu durchgehenden Nachtaufnahmen deutlich.
Die akustischen Daten wurden automatisiert über Arbimon verarbeitet und mit einem speziell trainierten Random-Forest-Modell klassifiziert, das Waldkauz-Gesang zuverlässig erkennt. Das Modell erkennt anhand akustischer Merkmale Waldkauz-Rufe und unterscheidet sie zuverlässig von anderen Geräuschen. Mit einer Validierungsgenauigkeit von ca. 88% kann das Modell Vorhandensein oder Abwesenheit der Art bestimmen. Dadurch lassen sich tägliche Aktivitätsmuster, saisonale Unterschiede (Phänologie) sowie Nachweiswahrscheinlichkeiten für einzelne Standorte quantifizieren.
Auf Basis der täglichen Detektionsraten wurden sogenannte Power-Kurven berechnet. Diese zeigen, wie lange ein Logger durchschnittlich betrieben werden muss, um mit hoher Sicherheit einen Nachweis zu erbringen. Im Februar wird bereits nach etwa zwei Tagen eine Nachweiswahrscheinlichkeit von 95 % erreicht, im September nach rund drei Tagen. Selbst bei geringerer Aktivität liefern Aufnahmen über maximal zehn Tage hinweg an allen Standorten nahezu sichere Nachweise.
Wir entwickeln massgeschneiderte Monitoring- und Analyse-Lösungen für Ihre ökologischen Fragestellungen.