Der Bedarf und theoretische Nutzen von Passive Audio Monitoring Systems (PAMS) als kosteneffiziente Umweltüberwachungssysteme ist groß. Die praktische Anwendung dieser Systeme ist jedoch unzureichend erforscht und der Einfluss von Vegetation auf die Klassifikation und Lokalisation bisher unbekannt. Dieser Beitrag untersucht die Zusammenhänge zwischen PAMS-Algorithmen zur Klassifikation und Lokalisation sowie schallverschattenden Objekten, der Schallausrichtung und In-vitro-Vogellauten von drei verschiedenen Vogelarten. Im Detail werden vier Hypothesen geprüft.Zur Untersuchung wurde ein aus Raspberry Pi bestehendes PAMS installiert und eingemessen. An fünf Lautsprecherpositionen wurden Vogellaute von drei verschiedenen Arten (Phylloscopus collybita, Alauda arvensis, Carduelis carduelis) abgespielt. Insgesamt konnten 15.412 Vogellaute detektiert werden. Hierbei sind ~ 14,8 % der Phylloscopus collybita, ~ 15,5 % der Alauda arvensis sowie 100 % der Carduelis carduelis Detektionen falsch klassifiziert worden. Die Lokalisation ergab Abweichungen vom Signal zum verortetem Punkt von x--34,96 ±19,49 m (min: 1,1 m, max: 95,8 m), mit Häufungen bei 10 und 45 m Abweichung zu unterschiedlicher Zeit und an verschiedenen Abspielpositionen. Das verwendete PAMS kann die Erfolge bei Klassifikation und Lokalisation in der Literatur nicht bestä-tigen. Hiermit ist das verwendete PAMS nicht für die Beantwortung der Forschungsfragen nutzbar. Als Gründe dieser Abweichung wer-den sechs Faktoren diskutiert. Keine der genannten Faktoren kann eindeutig als Ursache identifiziert werden.
Schlüsselwörter: Energiebedarfe, CityGML, 3DCityDB, ALKIS