Machine learning helpt voorspellen wereldwijd prioriteiten installatie-behoud

Er zijn veel organisaties het bewaken van bedreigde soorten zoals olifanten en tijgers, maar hoe zit het met de miljoenen andere soorten op de planeet - degenen die de meeste mensen nog nooit van hebben gehoord of niet na te denken over? Hoe wetenschappers beoordeelt het dreigingsniveau van, zeggen, de plicate rocksnail, Caribbean langoest of Torrey pijnboom? Een nieuwe benadering van co-ontwikkeld aan de Ohio State University maakt gebruik van data-analyse en machine learning aan de staat van instandhouding van meer voorspellen dan 150,000 fabrieken wereldwijd. De resultaten suggereren dat er meer dan 15,000 species waarschijnlijk in aanmerking komen als Bijna met uitsterven bedreigd, kwetsbaar, bedreigd of ernstig bedreigd.

Dankzij deze aanpak kunnen natuurbeschermers en onderzoekers de soorten identificeren die het meeste risico lopen, alsmede de geografische gebieden waar deze soorten sterk geconcentreerd lokaliseren. De studie verschijnt vandaag online (december. 3, 2018) in het tijdschrift Proceedings of the National Academy of Sciences. “Planten vormen de basis leefgebied dat alle soorten afhankelijk zijn van, dus was het logisch om te beginnen met planten,”Zei Bryan Carstens, een professor van de evolutie, ecologie en organismaal biologie op Ohio State.

“Vaak in conservatie, mensen richten zich op grote, charismatische dieren, maar het is eigenlijk leefgebied dat telt. We kunt alle leeuwen, tijgers en olifanten we willen, maar ze hebben een plek om te wonen in hebben.”Op dit moment, de Internationale Unie voor het behoud van de natuur - dat 's werelds meest uitgebreide inventarisatie van bedreigde soorten produceert (de "rode Lijst”) - min of meer werken op een soort-van-soort basis, die meer middelen en specialistische werk dan is beschikbaar voor een categorie conservatie-risico nauwkeurig toewijzen aan elke soort. Van de bijna 100,000 soorten die momenteel op de Rode Lijst, planten tot de minst vertegenwoordigde, met alleen 5 procent van alle op dit moment bekende soorten verantwoord.

De nieuwe aanpak mede ontwikkeld door Carstens en hoofdauteur Tara Pelletier, een voormalig Ohio State graduate student die nu een assistent-professor in de biologie aan de Universiteit Radford, heeft tot doel het aantal plantensoorten opgenomen uitbreiden.

Het onderzoeksteam bouwden hun voorspellend model met behulp van open-toegang tot de gegevens van de Global Biodiversity Information Facility en PROBEER Plantenkenmerken Database. Hun algoritme vergeleken gegevens uit de bronnen met de Rode Lijst van risico patronen in habitatkenmerken vinden, weer patronen, fysieke kenmerken en andere criteria waarschijnlijk soorten die dreigen uit te sterven.

Een kaart van de gegevens laat zien dat risicoplantensoorten de neiging hebben om te clusteren in regio's met een hoge inheemse biodiversiteit, zoals het zuidwesten van Australië, Midden-Amerikaanse regenwouden en zuidoostelijke kust van de Verenigde Staten, waar meer soorten strijden om resources.

“Wat dit liet ons toe om te doen is in feite een voorspelling over wat voor soort behoud risico's worden geconfronteerd met soorten die mensen deze gedetailleerde evaluaties niet op hebben gedaan,”Aldus Carsten.“Dit is geen vervanging voor meer gedetailleerde evaluaties, maar het is een first-pass die kunnen helpen identificeren van soorten die prioriteit moet krijgen en waar mensen hun aandacht moeten richten.”

Carsten zei dat de grootste uitdaging is het verzamelen van gegevens op zo'n grote schaal, opmerkend Het duurde enkele maanden van de kwaliteitscontrole te controleren om het team te garanderen werd het werken met betrouwbare cijfers. De nieuwe techniek is gemaakt herhaalbare door andere wetenschappers te zijn, of op een wereldwijde schaal, zoals deze studie of voor een enkele soort of een ecosysteem.

Bron: http://news.osu.edu