Herbarium 2.0: hoe gedroogde planten een databron voor de toekomst worden
Een herbarium is van oudsher een verzameling gedroogde, platgedrukte planten die op karton zijn geplakt en voorzien van een label met vindplaats, datum en naam van de verzamelaar. Musea en universiteiten bewaren wereldwijd honderden miljoenen van zulke plantenvellen, sommige meer dan tweehonderd jaar oud. Je kunt het vergelijken met een enorme fotoalbum van de plantenwereld door de eeuwen heen, alleen dan met échte plantenresten in plaats van foto's.
Wat dit onderwerp tot toekomsttechnologie maakt, is niet het inpakken van planten zelf, maar wat er de laatste jaren mee gebeurt: musea scannen hun collecties in hoge resolutie, koppelen er kunstmatige intelligentie aan om soorten te herkennen, halen er DNA uit voor genetisch onderzoek en zetten alles online in wereldwijde databanken. Een eeuwenoud herbariumvel wordt zo, dankzij digitalisering, opeens bruikbaar om klimaatverandering, biodiversiteitsverlies en zelfs de opsporing van nieuwe soorten te bestuderen.
Wat is het precies?
Het proces begint met het fysieke specimen: een plant die ooit geplukt, geperst en gedroogd is en nu op een vel karton ligt met een label. Musea zoals Naturalis in Leiden bezitten miljoenen van zulke vellen, opgeslagen in klimaatgecontroleerde archieven.
De eerste stap in digitalisering is het fotograferen van elk vel met een hogeresolutiecamera, vaak met behulp van robotarmen of lopende banden die specimens automatisch aanvoeren. Dat klinkt eenvoudig, maar bij miljoenen exemplaren is snelheid cruciaal: gespecialiseerde digitaliseringslijnen kunnen enkele duizenden vellen per dag verwerken.
Daarna volgt tekstherkenning (OCR, optical character recognition) om de vaak handgeschreven labels om te zetten naar doorzoekbare tekst: soortnaam, vindplaats, datum. Omdat oud handschrift lastig te lezen is voor software, wordt dit werk deels aangevuld door vrijwilligers via citizen-science-platforms, en steeds vaker door AI-modellen die specifiek getraind zijn op historisch handschrift.
Vervolgens worden foto's gekoppeld aan geografische coördinaten (georeferencing), zodat een vondst uit 1880 op een digitale kaart terug te vinden is. Ten slotte kan, als het specimen goed genoeg bewaard is, een klein stukje weefsel worden gebruikt om DNA te extraheren. Dat DNA is door de droging vaak sterk afgebroken, dus onderzoekers gebruiken technieken die oorspronkelijk zijn ontwikkeld voor archeologisch of 'oud' DNA-onderzoek, met korte fragmenten en foutcorrectie.
Het resultaat is een digitaal herbarium: een doorzoekbare, met beeld, tekst, locatie en soms genetische data verrijkte versie van de fysieke collectie, die via internet wereldwijd raadpleegbaar is.
Wat wil men ermee bereiken?
Het belangrijkste doel is het meetbaar maken van verandering over lange tijd. Omdat herbariumvellen vaak een exacte verzameldatum hebben, kunnen onderzoekers bijvoorbeeld precies zien wanneer een plant honderd jaar geleden bloeide en dat vergelijken met nu. Zo ontstaat bewijs voor het verschuiven van bloeitijden door klimaatverandering, iets wat met alleen hedendaagse veldwaarnemingen niet mogelijk is.
Daarnaast wil men biodiversiteitsverlies in kaart brengen: door historische vindplaatsen te vergelijken met huidige verspreidingsgebieden wordt zichtbaar welke soorten zijn achteruitgegaan of zelfs uitgestorven. Voor bedreigde planten kan dat direct beleid onderbouwen, bijvoorbeeld bij het aanwijzen van beschermde gebieden.
Een derde doel is het versnellen van soortidentificatie. Er bestaan wereldwijd nog altijd nieuwe, onbeschreven plantensoorten, en verrassend genoeg liggen sommige daarvan al decennia ongezien in herbariumladen, verkeerd geëtiketteerd of nooit grondig bestudeerd. AI-beeldherkenning helpt om dat soort verborgen ontdekkingen sneller boven water te krijgen.
Ten slotte is er de ambitie om al deze data te ontsluiten voor iedereen: onderzoekers in lage-inkomenslanden zonder eigen grote collecties, natuureducatie, en apps voor amateur-natuurliefhebbers die een plant willen determineren met hun telefoon.
Voorbeelden uit de praktijk
Naturalis Biodiversity Center (Nederland) digitaliseerde in het project 'Digitaliseren Naturalis', dat rond 2015 startte, uiteindelijk meer dan 8 miljoen specimens, waaronder een groot deel van het Nederlandse herbarium. Nederland was daarmee internationaal een van de koplopers in massale collectiedigitalisering.
Royal Botanic Gardens, Kew in Londen bezit een van 's werelds grootste herbaria met ruim 8 miljoen vellen en heeft een langlopend digitaliseringsprogramma dat de afgelopen jaren in hoog tempo is opgeschaald, mede dankzij automatisering van het fotograferen.
Het New York Botanical Garden beheert een eigen 'Virtual Herbarium' met miljoenen gedigitaliseerde vellen en was mede-organisator van de 'Herbarium'-wedstrijden op het FGVC-workshopplatform (2019-2022, samen met iNaturalist), waarbij AI-onderzoekers wereldwijd werden uitgedaagd om plantensoorten automatisch te herkennen op foto's van herbariumvellen.
Een bekend klimaatonderzoek combineerde vanaf ongeveer 2017 herbariumdata uit de omgeving van Boston (VS) met eigen veldwaarnemingen van bioloog Richard Primack en collega's, en toonde overtuigend aan dat veel plantensoorten daar aantoonbaar vroeger zijn gaan bloeien door opwarming.
GBIF (Global Biodiversity Information Facility), opgericht in 2001 met hoofdkantoor in Kopenhagen, verzamelt gedigitaliseerde data uit duizenden herbaria en andere collecties wereldwijd tot één doorzoekbare, vrij toegankelijke databank met inmiddels meer dan twee miljard waarnemingen.
Hoe ver is de techniek?
Digitalisering staat al stevig in de praktijk, maar is verre van compleet. Schattingen lopen uiteen, maar wereldwijd liggen er mogelijk 3 tot 4 miljard plantenspecimens in herbaria, waarvan tot nu toe pas een minderheid volledig gefotografeerd, ontsloten en online doorzoekbaar is. Grote, goed gefinancierde instituten als Kew, Naturalis en de Smithsonian Institution lopen voorop; veel kleinere collecties, vaak juist in biodiversiteitsrijke landen in het Zuiden, blijven achter door gebrek aan geld en apparatuur.
AI-soortherkenning op basis van herbariumfoto's werkt inmiddels behoorlijk goed voor veelvoorkomende, goed gedocumenteerde soorten, maar presteert nog aanzienlijk slechter bij zeldzame soorten, sterk gelijkende 'zustersoorten' en beschadigde of onvolledige specimens. De eerdergenoemde Herbarium-AI-wedstrijden lieten zien dat de beste modellen indrukwekkende resultaten haalden op duizenden soorten, maar met foutmarges die voor wetenschappelijk gebruik nog voorzichtigheid vereisen.
DNA-extractie uit oude, gedroogde specimens is technisch mogelijk maar blijft lastig: hoe ouder en warmer bewaard het specimen, hoe meer het DNA is afgebroken, wat de betrouwbaarheid van analyses beperkt. Ook is er nog geen wereldwijde, uniforme standaard waaraan alle instituten zich houden, al wordt de zogeheten Darwin Core-standaard steeds breder gebruikt om data onderling uitwisselbaar te maken.
Kortom: de basisinfrastructuur staat, de vooruitgang is de afgelopen tien jaar snel gegaan, maar volledige, wereldwijde dekking en waterdichte AI-herkenning zijn nog toekomstmuziek.
Wie werken eraan?
In Nederland is Naturalis Biodiversity Center in Leiden de belangrijkste speler, met een eigen digitaliseringsafdeling en samenwerkingen met Nederlandse universiteiten. Internationaal lopen Royal Botanic Gardens, Kew (Verenigd Koninkrijk), de Smithsonian Institution en het New York Botanical Garden (beide VS), en het Muséum national d'Histoire naturelle in Parijs voorop.
Op het gebied van data-infrastructuur speelt GBIF een centrale, coördinerende rol tussen duizenden aangesloten instituten wereldwijd. In de Verenigde Staten wordt veel digitaliseringswerk gefinancierd via iDigBio, een door de National Science Foundation ondersteund samenwerkingsverband van Amerikaanse universiteiten en musea. Op het vlak van AI-plantherkenning voor het bredere publiek is het Franse project Pl@ntNet (ontwikkeld door onder meer Cirad en Inria) een bekende naam, net als het burgerwetenschapsplatform iNaturalist.