Nest Lokalisierung

Wie funktioniert das Lokalisieren der Hornissen-Nester mit den Lock-Stationen?

Es steht die Annahme, dass die Hornissen den Locktopf wahrnehmen, anfliegen und nach genug Futteraufnahme direkt zum Nest zurückfliegen. Hornissen sind nicht wie Bienen „Blütenstet“, lohnende Stellen werden von ihnen aber immer wieder aufgesucht und so haben sie oftmals eine recht große Ortsstetigkeit¹². Sie sind zwar primär Jäger von anderen Insekten als Protein-Quelle zur Ernährung ihrer Brut (besonders die asiatische Hornisse), sie benötigen aber auch zuckerhaltige Flüssigkeiten, also Kohlenhydrate, als hauptsächliche Nahrungsquelle erwachsener Tiere³. Wir versuchen also mit den Lock-Stationen die ungefähre An- und Abflugrichtung zu erhalten und machen uns in letzter Konsequenz die Masse der Daten zu Nutze, um einen möglichst genauen Mittelwert von Clustern-Richtungen zu ermitteln, welche anschließend auf einer Karte mittels Triangulation durch mehrere Stationen den ungefähren Standort aufzeigen. Reichweite einer Hornisse kann je nach Jahreszeit stark variieren⁴ und kann durch einen Regler manuell justiert werden.

Anfang Mai beginnt die Hornissen Königin mit dem Nestbau, sodass Anfang Juni die ersten Arbeiterinnen schlüpfen⁵. Dies ist der Zeitpunkt, in dem wir spätestens die Lock-Stationen ausbringen, um möglichst früh die Primärnester ausfindig machen zu können. Diese werden mittels eines Kompasses nach Norden ausgerichtet und mit einem WLAN verbunden. Eine Bau-Anleitung und die genaue Funktion findet sich hier: Lock-Station bauen

Alle Sichtungen werden von dem Raspberry Pi durch ein zuvor trainierte Yolo5 KI Modell klassifiziert und bei einem positiven Hornissen Befund (Events) inklusive An- und Ab-Flugwinkel, einigen Meta-Informationen und dem Beweisbild zu Supabase hochgeladen und in eine SQL-Datenbank bzw. einem Storage-Bucket abgelegt. Hornet-Radar.com extrahiert diese Daten und visualisiert sie auf einer interaktiven Karte mit nachfolgenden Schritten.

– Dies ist erstmal noch eine Überlegung und muss noch final getestet werden –

Cluster und Mittelwert-Berechnung

Die große Herausforderung ist nun Cluster (also vermutliche Nester) zu erkennen und einen Mittelwert (Weg dorthin) aus allen Events einer Lock-Station zu berechnen. Wir müssen von einer hohen Streuung ausgehen (wenige werden direkt zurückfliegen) und auch mit einigen Ausreißern (unzufriedene Gäste, welche weiter und nicht zum Nest zurückfliegen) rechnen. Auch ist das klassische arithmetische Mittel bei Winkelberechnung nicht zielführend:

 \frac {10°+350°}{2} = 180°

→ Aus irgendwo im Norden wird auf einmal Süden.

Die Idee: Gleitende Winkelwerte und DBSCAN Cluster Ermittlung

1.) Jeder gemessene Winkel θ wird in einen Einheitsvektor umgerechnet und damit als Punkt auf dem Einheitskreis geometrisch vergleichbar.

v_i = {x_i \choose y_i} = { cos(θ) \choose sin(θ)}

2.) Aus diesen einzelnen Vektoren θ der letzten x Wochen werden zeitlich gleitende Mittel-Vektoren.
Für beispielsweise Fenstergröße w = 10

W_k = \{v_k, v_{k+1},...,v_{k+w-1}\}  \\ \ \\ \bar v_k​={\bar x_k \choose \bar y_k} =\frac 1w \sum _{i=k}^{k+w-1} {\bar x_i \choose \bar y_i}

Das Ergebnis ist eine reduzierte Menge geglättet Mittel-Vektoren:

\phi = \{\bar v_1, \bar v_2,..., \bar v_w   \}

3.) Zusätzlich erhalten wir mit der Kohärenz r ein Qualitätsmaß für die Flüge:

r = \frac {\sqrt {\bar x^2 + \bar y^2}} {n}  

r ≈ 1 → sehr gerichtet Flug
r ≈ 0 → Chaos / Suchflug

4.) Die Clusterermittlung übernimmt anschließend der Density-Based Spartial Clustering of Applications with Noise Algorithmus (DBSCAN)⁶. Da wir die Anzahl der Cluster nicht kennen, hat dieser Algorithmus einen entscheidenden Vorteil gegeben über beispielsweise K-Means und kann außerdem Ausreißer (Noise) ausschließen oder gesondert zurückgeben.

Von Chire – Eigenes Werk, CC BY-SA 3.0, https://commons.wikimedia.org/w/index.php?curid=17045963

Zur Bestimmung von Kernobjekten (Rot) muss lediglich eine geeignete Nachbarschaftslänge ${\displaystyle \epsilon }$ (Kreis-Radius) und ein Wert (minPts) definiert werden, der angibt, ab wie vielen Nachbarn ein Objekt dicht genug ist, um ein Kernobjekt (Rot) und nicht nur ein Dichte-erreichbares Objekt (Gelb) zu sein. Ausreisewerte (Blau), die weiter als die Nachbarschaftslänge ${\displaystyle \epsilon }$ entfernt sind, werden herausgefiltert.

5.) Es werden zuerst die zirkuläre Distanzen zweier geglätteter Mittel-Vektoren berechnet

d_{ij} = arccos (\bar v_i \cdot \bar v_j)

6.) Anschließend die ${\displaystyle \epsilon }$-Nachbarschaft überprüft

N_\epsilon(i) = \{j | d_ij \le \epsilon \}

7.) Ein Punkt ist ein Kernpunkt, wenn:

| N_\epsilon(i)| \ge minPts

8.) Ein Cluster C ist dann die maximale Menge von Punkten, für die gilt:
Jeder Punkt ist ein

• Kernpunkt oder
• erreichbar von einem Kernpunkt
  

9.) Nun wird noch der Clustermittel-Vektor aus der Anzahl aller Vektoren eines Clusters ermittelt und normalisiert, um ihn auf eine einheitliche Länge zu bringen, da für uns nur die Richtung relevant ist.

\bar v_C = \frac {1}{\vert C\vert} \sum_{i \in C} \bar v_i   \\ \ \\ \hat c_C = \frac {c_C}{||c_C||} = \Biggl(\frac{x}{\sqrt {x^2 +y^2}},\frac{y}{\sqrt {x^2 +y^2}}\Biggl)

10.) Mit dem zweiparametrigen Arkustangens (atan2) aus dem geglätteten und normalisierten Clustervektor wieder ein Clusterwinkel, der über alle vier Quadranten hinweg nutzbar ist und auf der Karte mit einer festen Länge (der durchschnittlichen Flugreichweite einer Hornisse) eingezeichnet.⁷

\bar θ_C=atan2 (\bar c_y​,\bar c_x)

11.) Zum Schluss wird noch die Breite der Flugkorridore auf der Karte aus den 80% / 20% Quantilen aller Vektoren in einem Cluster errechnet. Eine hohe Streuung bewirkt transparente Fächer, eine niedrige kräftig ausgefüllte Fächer auf der Karte.

Was mache ich mit den Informationen, die hier gezeigt werden?

hornet-radar.com ist ein reines Monitoring und soll helfen, Nester zu lokalisieren. Die Entscheidung, ob z.B. ein Nest der invasiven Asiatischen Hornisse zerstört werden soll, muss nach wie vor von geschulten Imkern und Experten getroffen werden. Allerdings kann jeder bei der zeitaufwendigen Suche nach den Nestern helfen und bei Sichtungen ein Foto des Nestes bei den Meldeplattformen der Bundesländer einreichen. Eine Übersicht gibt es auf der offiziellen bayrischen Meldeplatzform Beewarned: https://beewarned.de/index.php#openModal

Quellen: