Visual Change Detection in Multi-Temporal Vegetation Transects of Alpine Plants

Aufgrund der offensichtlichen Auswirkungen des Klimawandels auf die Ökosysteme der Erde ist es wichtiger denn je, die Flora und Fauna in den betroffenen Regionen, z. B. in den Berggebieten oberhalb der Baumgrenze, zu beobachten. Im alpinen Ökosystem, und nicht nur dort, spielt die Vegetation eine grundlegende Rolle und ist Gegenstand dieser Studie. Ziel der Arbeit ist die Entwicklung von Algorithmen zur Erkennung kleinwüchsiger alpiner Pflanzen aus Nahsichtbildern. Im Idealfall sollten automatisierte Algorithmen zur Bewertung der Pflanzendecke den Wissenschaftlern objektiv dabei helfen, den Zustand des Pflanzenökosystems über eine lange Zeitreihe zu beobachten und zu interpretieren. Ziel war es daher, Visualisierungen zu erstellen, die Pflanzenwachstum und -verschiebung (Translokation) genau beschreiben. Darüber hinaus war die Erfassung von Veränderungen der biologischen Vielfalt beabsichtigt. In dieser Arbeit werden multitemporale Daten, bestehend aus RGB-Bildern und Multilabel-Masken, verwendet, um die vorgenannte Aufgabe zu erfüllen. Die evaluierten Methoden umfassen den Maskenvergleich, die Schätzung des optischen Flusses, die Erkennung einzelner Pflanzen und die deskriptive statistische Analyse von Bildmerkmalen. Die Tests mit dem gegebenen Datensatz zeigen, dass alle Methoden mit Ausnahme der optischen Flussschätzung ein großes Potenzial haben. Die Methode des Maskenvergleichs hat das Wachstum und die Verlagerung von Pflanzen am zufriedenstellendsten erfasst. Die Erkennung einzelner Pflanzen und die statistische Analyse halfen außerdem bei der Bewertung von Veränderungen der biologischen Vielfalt. Kombiniert man die vorgeschlagenen Methoden, erhält man einen unmittelbaren Überblick über relevante Veränderungen in den multitemporalen Transekten, was bisher für Nahaufnahmen alpiner Pflanzen noch nicht der Fall war.