众包数据提供准确的生物多样性图片以帮助保护工作

一项新研究表明，人们在智能手机上记录野生动物所收集的数据可以改善生物多样性监测，并有助于防止全球自然损失。

这项研究今天作为经过审查的预印本发表在eLife上，被编辑描述为一项重要的研究，它利用公民科学生成的多样性记录和定量方法来改进物种分布估计。

这种领域、技术和方法的结合是可靠的，并改善了以前仅基于科学家使用传统调查收集的有限数据的物种分布图。

这项研究将引起对公民科学和生物多样性大数据新来源感兴趣的研究人员以及探索地球上物种分布的生物地理学家的兴趣。

近年来，生态系统及其对人类社会的直接和间接贡献一直在迅速下降。为了解决这个问题，联合国昆明-蒙特利尔全球生物多样性框架(KM-GBF)的目标是到2030年(30x30)保护地球30%的陆地和海洋面积，并要求企业监测并透明地披露其对生物多样性的影响。为此，必须准确评估生物多样性在空间和时间上的状况，并提供足够的分辨率来支持保护规划。

“传统上，我们对物种分布的了解是由专家进行现场调查获得的，但如果我们仅依靠有限的人力资源，收集具有足够时空分辨率的分布数据是一项挑战，”主要作者、数据科学家KeisukeAtsumi博士解释道。BiomeInc，日本京都。

“自从数字设备和互联网出现以来，人们一直通过图像和录音分享他们对自然世界的观察，提供众包数据。我们想看看这些数据是否可以改进用于预测影响的现有统计模型气候变化和土地利用变化。”

BiomeInc.首席执行官、资深作者ShogoroFujiki表示：“2019年，我们在日本推出了移动应用程序Biome，以推动社区参与生物多样性调查和环境教育。Biome使用人工智能来帮助用户识别物种，但还有一个游戏元素，玩家可以通过帮助他人识别物种来赚取积分。”

自推出以来，Biome吸引了大批公民科学家，他们总共收集了600万条不同物种的发生记录，是全球生物多样性信息设施在日本同期积累的记录数量的四倍。该数据的来源。研究人员不知道的是，这些数据是否与通过传统手段收集的数据一样好?

为了测试这一点，他们使用传统的调查数据(即专家)评估了生物群落数据的物种识别准确性。在过滤众包数据中的无效记录并排除非野生个体物种后，他们发现两栖动物、爬行动物、鸟类和哺乳动物的物种识别准确率大于95%，种子植物的物种识别准确率大于90%。这促使他们测试结合两个数据源是否可以更好地预测特定地点的生物多样性。

物种分布模型(SDM)是评估特定地点生物多样性的有效统计工具。他们利用物种发生记录和环境条件来估计物种的潜在地理范围和合适的栖息地。研究人员构建了两个SDM，一个仅使用传统的生物多样性调查，另一个使用传统调查数据加上众包数据。

当每个数据集具有相同数量的物种发生记录时，使用这两个数据集的SDM比仅使用传统调查数据的SDM更准确。与仅使用传统调查数据的SDM相比，使用这两个数据集的SDM总体上用较少的数据实现了较高的准确性。

尽管存在一些限制，例如仅使用来自日本的数据，并且只能包含有关物种存在的数据，而不能包含有关物种存在或丰富的数据，但众包生物多样性数据的快速积累可以为更有效的生物多样性建模做出重大贡献和濒危物种。

藤木总结道：“让更广泛的利益相关者参与对于有效的生物多样性评估、自然管理规划和自然相关行业信息披露至关重要。”“我们相信，社区科学可以通过培养社会对自然的积极意识并提供支持有效行动的数据工具，为创建可持续发展的社会做出重大贡献。”