现在注册

登录

忘记密码

忘记密码? 请输入您的电子邮件地址. 您将收到一个链接,将创建通过电子邮件新密码.

添加后

你必须登录后添加 .

添加问题

您必须登录才能提问.

登录

现在注册

欢迎Scholarsark.com! 您的注册将授予您访问使用该平台的更多功能. 你可以问问题, 做出贡献或提供答案, 查看其他用户以及更多的个人资料. 现在注册!

机器学习有助于预测全球植物保护重点

有许多企业监控濒危物种,如大象和老虎, 但对数以百万计的其他物种在地球上的东西 - 那些大多数人从来没有听说过或不考虑? 科学家怎样评价的威胁级别, 说, 该褶rocksnail, 加勒比龙虾或托里松树? 一种新的方法,在美国俄亥俄州立大学合作开发采用数据分析和机器学习,预测的更多的保护状况比 150,000 全球工厂. 结果表明,超过 15,000 品种可能有资格作为近威胁, 弱势, 濒危或严重濒危.

该方法将使保护主义者和研究人员能够识别最危险的物种, 并且还查明其中那些物种高度集中的地理区域. 这项研究发表在在线 (十二月. 3, 2018) 在日记 国家科学学院院刊. “植物形成的所有物种基本靠栖息地, 因此它是有道理的,开始与植物,”布赖恩·卡斯滕斯说, 进化教授, 生态学和生物学有机体俄亥俄州立.

“很多时候在保护, 人集中在大, 有魅力的动物, 但它实际上是栖息地的事项. 我们可以保护所有的狮子, 老虎和大象,我们希望, 但他们必须有住的地方。”目前,, 国际联盟自然保护 - 这将产生世界上最全面的濒危物种的清单 (在“红名单”) - 对一个物种的品种基础上或多或少的作品, 需要更多的资源和专门的工作比可用来节约型风险类别准确地分配给每个物种. 的近 100,000 在红色名录目前物种, 植物是表示其中的最, 只 5 所有目前已知的物种%的占.

由 Carstens 和主要作者 Tara Pelletier 共同开发的新方法, 前俄亥俄州立大学研究生谁现在是生物在瑞德福大学助理教授, 旨在扩大包括植物物种的数量.

该研究小组利用从开放获取数据建立了自己的预测模型 全球生物多样性信息基金 和 TRY 植物性状数据库. 从与红色名单的来源他们的算法比较的数据找到栖息地特征的风险模式, 天气模式, 物理特性和可能把物种灭绝的危险其他标准.

数据地图显示,面临风险的植物物种往往聚集在本地生物多样性高的地区, 如澳大利亚西南部, 中美洲的热带雨林和美国东南沿海, 其中更多的物种竞争资源.

“这是什么使我们能够做的基本上是做什么种类的保护风险是由人都没有上完成这些详细的评估物种面临预测,”卡斯滕说:“这不是更详细的评估的替代品, 但它是第一次通过,这可能有助于确定应优先考虑在那里人们应将其注意力的物种。”

卡斯滕说,最大的挑战是在如此大规模的收集数据, 并指出它采取的质量控制检查,以确保团队的几个月与可靠的数字工作. 这项新技术被创造是由其他科学家重复, 无论是在像这样的研究在全球范围内或同一个属或生态系统.


资源: HTTP://news.osu.edu

关于 玛丽

发表评论