// SCINEXX — SPAZIO & SCIENZA
Neue Bildtechnologien zeigen Veränderungen an Korallenriffen klarer
Korallenriffe lassen sich entweder großflächig oder sehr detailliert beobachten, doch beides zugleich ist schwierig. Zwei neue Verfahren verbinden nun zentimetergenaue Luftbilder mit automatisierter Auswertung von Unterwasserfotos. In Guam dokumentierte eine Methode deutliche Veränderungen nach Taifun Mawar, während die zweite Korallengrenzen und Flächenanteile mit hoher Übereinstimmung zu Expertenmessungen bestimmt.
Miami (U.S.A.). Wer den Zustand eines Korallenriffs vermessen will, muss bislang zwischen Detail und Fläche abwägen. Taucheraufnahmen zeigen einzelne Kolonien, erfassen aber nur Ausschnitte, während Satelliten und gewöhnliche Luftbilder größere Gebiete abdecken, feine Strukturen im flachen Wasser jedoch durch Wellenbrechung und begrenzte Auflösung verlieren. Zwei 2026 veröffentlichte Arbeiten setzen genau an dieser Lücke an.
Die eine Studie korrigiert optische Verzerrungen der Wasseroberfläche und verbindet die Bilder mit einer KI-gestützten Habitatklassifikation. Die zweite automatisiert die Abgrenzung einzelner Korallen in gewöhnlichen Unterwasserfotos. Gemeinsam zeigen die Arbeiten, wie Bilddaten schneller in räumlich genaue Messwerte überführt werden können, ohne die notwendige Kontrolle durch Feldbeobachtungen und Experten vollständig zu ersetzen.
Forscher der University of Miami um Soufyane Bouchelaghem haben dafür mehr als fünf Quadratkilometer Korallenriff in der Tumon Bay auf Guam aus der Luft kartiert. Das Team nutzte die sogenannte Airborne Fluid Lensing. Dabei werden viele Aufnahmen der bewegten Wasseroberfläche rechnerisch so kombiniert, dass die durch Wellen verursachten Brechungen weitgehend korrigiert werden. Unter den klaren Bedingungen der Bucht erreichten die Daten je nach Flug- und Wellenbedingungen eine effektive Auflösung von etwa 0,5 bis 3 Zentimetern und erfassten den Meeresboden bis ungefähr 15 bis 20 Meter Tiefe.
Die Forscher beflogen das Gebiet 2022 und erneut 2024. Zwischen beiden Kampagnen traf im Mai 2023 der Taifun Mawar auf Guam. Für die automatische Einteilung des Riffs in sieben Klassen nutzte das Team nur rund ein Prozent der Bilder als Trainingsmaterial, das unter anderem mit Hilfe geschulter Freiwilliger auf der NeMO-Net-Plattform beschriftet worden war. Zehn Transekten im Wasser dienten als unabhängige Kontrolle. Über alle Klassen hinweg erreichte das Modell rund 88 Prozent Pixelgenauigkeit.
Im Vergleich der beiden Jahre ging die als massive Korallen klassifizierte Fläche von 0,050 auf 0,021 Quadratkilometer zurück, was einem Minus von 59 Prozent entspricht. Die als Korallen-Vorriff klassifizierte Fläche sank um 35 Prozent. Die Algenklasse nahm rechnerisch um 105 Prozent zu. Das mit den Daten von 2022 trainierte Modell wurde ohne erneutes Training auf die Aufnahmen von 2024 angewendet, sodass beide Jahre nach demselben Klassifikationsschema ausgewertet wurden.
Die Prozentwerte sind jedoch keine fehlerfreien Inventurzahlen. Die Autoren geben für jede Klasse eigene Unsicherheiten an. Der aus der Überlappung von Modell- und Referenzflächen abgeleitete Fehler beträgt bei massiven Korallen 41 Prozent, bei Algen 67 Prozent. Gerade die starke Zunahme der Algen sollte deshalb als modellbasierte Flächenschätzung gelesen werden. Zudem ist Fluid Lensing auf klares, optisch flaches Wasser angewiesen. Jenseits von etwa 20 Metern nimmt die Bildqualität deutlich ab.
Die zweite Arbeit setzt an einem anderen Engpass an. Forscher der University of Miami um Ved Chirayath haben mit PICOGRAM ein offenes KI-System entwickelt, das Korallenkolonien in Unterwasserbildern erkennt, ihre Grenzen segmentiert und daraus Flächenanteile berechnet. Anders als viele Bildmodelle benötigt PICOGRAM für das Training keine von Hand pixelweise nachgezeichneten Korallenmasken. Stattdessen erzeugt das Verfahren zunächst automatische Pseudomasken aus Farb-, Struktur- und Kanteninformationen und lernt daraus.
Geprüft wurde das System an 137 Fotos aus dem National Coral Reef Monitoring Program der National Oceani