Nutzung von künstlicher Intelligenz und individuenbasierter Modellierung in der Tierseuchenbekämpfung
Motivation:
Dass Wildtierpopulationen ein Risiko für die Übertragung von Krankheiten auf Haus-und Nutztiere oder auch Menschen darstellen können, ist spätestens seit COVID 19 im öffentlichen Bewusstsein angelangt. Die Afrikanische Schweinepest (ASP) ist für Menschen nicht ansteckend, führt aber bei Wild-und Hausschweinen in den meisten Fällen innerhalb von zwei Wochen zum Tod. Je höher die Wildschwein-Populationsdichte ist, desto schneller kann sich die Krankheit ausbreiten. ASP-Ausbrüche können zu hohen wirtschaftlichen Einbußen in Schweinemastbetrieben führen. Da das ASP-Virus mehr als fünf Monate in Kadavern und deren Umgebung infektiös bleiben kann, ist es sehr schwer ein Gebiet wieder seuchenfrei zu bekommen nachdem sich die Krankheit etabliert hat. Deshalb ist ein rasches Eingreifen nach dem Auftreten der ersten Infektionen sehr wichtig, insbesondere neben der Suche von Kadavern eine rasche Absenkung der Populationsdichte. Eine entscheidende Grundlage hierfür ist die möglichst rasche Schätzung der Populationsdichte um den Ist-Zustand zu erfassen und den Erfolg von Bekämpfungsmaßnahmen zu überprüfen. Darüber hinaus ist es von großer Bedeutung im Vorhinein Empfehlungen über die Effektivität dieser Bekämpfungsmaßnahmen, wie z.B. verschiedener Jagdstrategien und dem Bau von Zäunen, abgeben zu können.
Projektziele:
Ziel des Projektes ist es, die Effizienz der Bekämpfung der ASP zu erhöhen. Hierzu ist es geplant mit Hilfe von Künstlicher Intelligenz die Arbeitsabläufe zu optimieren und beschleunigen, mit denen die Populationsdichte aus Kamerafallendaten geschätzt werden kann. So soll es beispielsweise möglich werden, dass die beobachteten Tiere verlässlich automatisch einer Tierart zugeordnet werden. Darüber hinaus soll ein praxistaugliches individuenbasiertes Modell entstehen, mit dessen Hilfe virtuell verschiedene Management-Szenarien simuliert werden können. So soll es möglich werden die Auswirkungen von Jagdintensität und -art und dem Aufstellen von Zäunen auf Populationsentwicklung und Infektionsgeschehen für ein bestimmtes Gebiet zu evaluieren.
Untersuchungsdesign:
Für die Evaluierung der automatisierten Prozessierung von Fotofallendaten stehen mehrere große Fotofallendatensätze, die im dem Nationalpark Bayerischer Wald in den letzten Jahren erhoben wurden, zur Verfügung. Zusätzlich stehen Datensätze aus anderen Großschutzgebieten in Deutschland hierfür zur Verfügung. Auch das Verhalten der virtuellen Wildschweine im individuenbasierte Modell wird sowohl auf GPS-Telemetriedaten aus dem Nationalpark als auch aus vielen anderen Projektgebieten aus ganz Europa, die über die EUROBOAR-Datenbank zugänglich sind, basieren.
Finanzierung:
- Bayerisches Staatsministerium für Umwelt und Verbraucherschutz
- Bayerisches Landesamt für Gesundheit und Lebensmittelsicherheit (LGL)
Ansprechpartner:
Dr. Maik Henrich
Wissenschaftlicher Mitarbeiter
maik.henrich@npv-bw.bayern.de
Dr. Elodie Wielgus
Wissenschaftliche Mitarbeiterin
elodie.wielgus@npv-bw.bayern.de
Prof. Dr. Marco Heurich
Sachgebietsleiter
marco.heurich@npv-bw.bayern.de
Kooperationspartner:
- Bayerisches Landesamt für Gesundheit und Lebensmittelsicherheit (LGL) https://www.lgl.bayern.de/
