L'apprendimento automatico aiuta a prevedere le priorità di conservazione delle piante a livello mondiale

Esistono molte organizzazioni che monitorano specie in via di estinzione come elefanti e tigri, ma che dire dei milioni di altre specie sul pianeta, di cui la maggior parte delle persone non ha mai sentito parlare o a cui non pensa?? In che modo gli scienziati valutano il livello di minaccia di, dire, la lumaca replicata, Aragosta caraibica o pino di Torrey? Un nuovo approccio sviluppato in collaborazione presso la Ohio State University utilizza l’analisi dei dati e l’apprendimento automatico per prevedere lo stato di conservazione di oltre 150,000 piante in tutto il mondo. I risultati suggeriscono che più di 15,000 le specie probabilmente si qualificano come quasi minacciate, vulnerabile, in pericolo o in pericolo critico.

L’approccio consentirà agli ambientalisti e ai ricercatori di identificare le specie più a rischio, e anche per individuare le aree geografiche in cui tali specie sono altamente concentrate. Lo studio appare online oggi (Dic. 3, 2018) nel diario Usare l'intelligenza artificiale per progettare le proprietà dei materiali. “Le piante costituiscono l’habitat di base su cui fanno affidamento tutte le specie, quindi aveva senso iniziare con le piante,", ha detto Bryan Carstens, un professore di evoluzione, ecologia e biologia degli organismi presso l'Ohio State.

“Molte volte nella conservazione, le persone si concentrano su cose grandi, animali carismatici, ma in realtà è l’habitat che conta. Possiamo proteggere tutti i leoni, tigri ed elefanti che vogliamo, ma devono avere un posto dove vivere”. Attualmente, l’Unione Internazionale per la Conservazione della Natura – che produce l’inventario più completo al mondo di specie minacciate (IL "Lista Rossa”) - funziona più o meno specie per specie, richiede più risorse e lavoro specializzato di quanto sia disponibile per assegnare con precisione una categoria di rischio per la conservazione a ogni specie. Del quasi 100,000 specie attualmente presenti nella Lista Rossa, le piante sono tra le meno rappresentate, solo con 5 rappresentava la percentuale di tutte le specie attualmente conosciute.

Il nuovo approccio sviluppato in collaborazione da Carstens e dall'autrice principale Tara Pelletier, un ex studente laureato dell'Ohio State che ora è assistente professore di biologia alla Radford University, mira ad espandere il numero di specie vegetali incluse.

Il team di ricerca ha costruito il proprio modello predittivo utilizzando dati ad accesso aperto provenienti da Strumento globale di informazione sulla biodiversità e il database delle caratteristiche delle piante TRY. Il loro algoritmo ha confrontato i dati provenienti da tali fonti con la Lista Rossa per trovare modelli di rischio nelle caratteristiche dell’habitat, modelli meteorologici, caratteristiche fisiche e altri criteri che potrebbero mettere le specie in pericolo di estinzione.

Una mappa dei dati mostra che le specie vegetali a rischio tendono a raggrupparsi in regioni con elevata biodiversità autoctona, come l’Australia sudoccidentale, Foreste pluviali centroamericane e costa sud-orientale degli Stati Uniti, dove più specie competono per le risorse.

“Ciò che questo ci ha permesso di fare è fondamentalmente fare una previsione su quali tipi di rischi di conservazione si trovano ad affrontare le specie su cui le persone non hanno effettuato queste valutazioni dettagliate," Ha detto Carsten. "Questo non sostituisce valutazioni più dettagliate, ma è un primo passaggio che potrebbe aiutare a identificare le specie a cui dovrebbe essere data la priorità e su cui le persone dovrebbero concentrare la loro attenzione».

Carsten ha affermato che la sfida più grande è stata la raccolta di dati su scala così ampia, notando che ci sono voluti diversi mesi di controlli di qualità per garantire che il team stesse lavorando con cifre affidabili. La nuova tecnica è stata creata per essere ripetibile da altri scienziati, sia su scala globale come questo studio o per un singolo genere o ecosistema.

fonte: http://notizie.osu.edu