Liebe Leser:innen und Fledermausfreund:innen,
In den letzten Wochen habe ich gemeinsam mit meinem KI-Partner Gemini intensiv daran gearbeitet, meine Fledermaus-Forschung auf ein neues Level zu heben. Unser Ziel: eine vollautomatische „Fabrikstraße“ im Computer, die stundenlange Aufnahmen meines TeensyBat-Decoders blitzschnell auswertet – und diese Daten mit den Umweltdaten meiner NEXUS-Sensorik verknüpft.
Hier ist die Geschichte, wie wir in sieben Schritten zur finalen Version V8 gelangt sind:
Phase 1: Aufräumen und Basis schaffen (V1–V3)
Ordnung muss sein (V1 – Der Teiler): Meine Aufnahmen sind oft stundenlang – doch die Spezialsoftware BatDetect2 arbeitet am besten mit kurzen, überschaubaren Clips. Der erste Schritt: Die langen WAV-Dateien in 2-Sekunden-Häppchen zerlegen.
Der kritische Übersetzungsfehler (V3 – Die Korrektur): Die Software lieferte Detektionslisten – doch es gab ein Problem: Die Rufe wurden manchmal mit der falschen Einheit (kHz statt Hz) ausgezeichnet. Das führte zu falschen Artenzuordnungen! Nach der Code-Korrektur konnte die Pipeline endlich garantieren, dass jede Fledermaus der richtigen Art (z. B. Pipistrellus oder Myotis) nach ihrer Frequenz zugeordnet wurde.
Phase 2: Die Detektive für Statistiken und Bilder (V4–V6)
Wer dominiert? (V4 – Die Pareto-Analyse): Um schnell zu erkennen, welche Arten am häufigsten unterwegs waren, wandten wir die an. Das Ergebnis: Ein Diagramm, das sofort zeigt, welche Arten 80 % aller Rufe ausmachen – die „Hauptdarsteller“ des Abends.
Wann ist Jagdzeit? (V5 – Die Aktivitätsanalyse): Die Pipeline liest die Uhrzeit aus den Dateinamen und erstellt einen stündlichen Aktivitäts-Plot. So sehen wir, zu welcher Uhrzeit welche Art die höchste Ruffrequenz hatte – entscheidend, um die tatsächliche Aktivität im Feld zu verstehen.
Die visuelle Kontrolle (V6 – Die Spektrogramme): Als Naturfotograf weiß ich: Bilder sind unverzichtbar. Die Pipeline generiert für jeden Ruf ein hochauflösendes Spektrogramm (das „Frequenzbild“ des Rufs) mit zwei Funktionen:
- „Highlight“: Extrem sicher erkannte Rufe werden markiert.
- „Myotis-Check“: Zweifelsfälle – besonders bei den schwer unterscheidbaren Myotis-Arten – werden für die vorgemerkt.
Phase 3: Die Brücke zur Umwelt (V7–V8 – Der Erfolg)
Der GPS-Link (V7 – Die KML-Datei): Mein TeensyBat-Decoder speichert GPS-Koordinaten direkt in den Tondateien. Die Pipeline liest diese aus und erstellt eine KML-Datei – den magischen Moment: Diese Datei lässt sich in öffnen, um alle Aufnahmepunkte auf einer Karte zu sehen. So weiß ich genau, wo ich meine mit den Fledermaus-Rufen abgleichen muss.
Der finale Umwelt-Faktor (V8 – Die Temperatur): Der größte Erfolg: Die Pipeline extrahiert nun auch das Feld „Temperature Ext“ (die externe Temperatur zum Aufnahmezeitpunkt) aus dem TeensyBat-Header. Warum ist das so wichtig? Weil die der Fledermäuse maßgeblich beeinflusst!
Fazit: Ein hochpräzises Werkzeug
Mit Version V8 ist die Fledermaus-Analyse-Pipeline nun ein , das nicht nur für Ordnung und korrekte Artenbestimmung sorgt, sondern meine akustischen Aufnahmen direkt mit den entscheidenden Orts- und Klimadaten verknüpft.
Ich werde einen Durchlauf starten - von unserer letzten Aufnahmen.
Insgesamt sind es 123 Wave-Dateien, Aufnahmebeginn 18:55:06 Uhr, Aufnahmeende 20:37:17 Uhr.
Hier die Ergebnisse .....
Ich habe einen Video-Mitschnitt gemacht. Das ist die Originalgeschwindigkeit, mit der mein Script die 123 Dateien mit Hilfe von BatDetect2 auswertet.
Ich werde die Spektrogramme und Auswertungen in meine Cloud hochladen, damit jeder Interessierte nachschauen kann, wie die Ergebnisse aussehen.
 |
| Das Aktivitätsprotokoll - wann flog was in der Luft. Ist Interessant für Aufnahmen größer 5 Stunden. |
 |
| Hier bedeutet die Konfidenz größer gleich 0.7, das weniger wichtige Rufe (DT=0.9) analysiert werden. |
 |
| Dies hier ist kein MUSS, sondern eine Schätzung von BatDetect2! |
 |
| Und schließlich das Pareto-Diagramm, welche Fledermaus aus allen analysierten Rufe am meisten vorkam. |
Ich habe alle Spektrogramme, die die Pipeline erstellt hat, in einen Ordner meiner Cloud geladen.
Über den Link 👉LINK ZUR CLOUD 👈können die Bilder angeschaut werden.
An interessierte Fachleute:
Sollten Sie die Daten gegenprüfen möchten, können Sie sich gerne über das Kontaktformular bei mir melden. Ich sende Ihnen dann die gewünschten WAV-Dateien zu.
Keine Kommentare:
Kommentar veröffentlichen