Красный список угрожаемых видов Международного союза охраны природы (МСОП) является мощным инструментом для исследователей и политиков, работающих над тем, чтобы остановить волну исчезновения видов во всем мире. Но добавление в список даже одного вида – задача не из легких, требуя бесчисленных часов дорогостоящих, строгих и узкоспециализированных исследований.

Эта карта показывает прогнозируемые уровни риска для более чем 150 000 видов растений, расположенных по всему миру. Используя огромные объемы данных открытого доступа, исследователи обучили алгоритм машинного обучения, чтобы определить вероятность того, что данный вид будет иметь право на присвоение категории риска в Международном союзе по сохранению Красного списка угрожаемых видов. Более теплые цвета обозначают районы с большим количеством потенциально подверженных риску видов, тогда как более холодные цвета обозначают районы с низким общим прогнозируемым риском. Фото: Анахи Эспиндола и Тара Пеллетье

В результате этих ограничений большое количество известных видов еще не было официально оценено МСОП и отнесено к одной из пяти категорий, от наименее опасных до критически угрожаемых. Этот дефицит довольно очевиден у растений: только около 5 процентов всех известных в настоящее время видов растений включены в Красный список МСОП в любом качестве.

Новый метод, совместно разработанный Анаи Эспиндола, доцентом энтомологии в Университете Мэриленда, использует возможности машинного обучения и данных открытого доступа для прогнозирования видов, которые могут иметь право на статус риска в Красном списке МСОП. Исследовательская группа создала и обучила алгоритм машинного обучения для оценки более 150 000 видов растений со всех уголков мира, что сделало их проект одной из самых больших на сегодняшний день оценок риска для сохранения. Согласно результатам, более 10 процентов этих видов с высокой вероятностью могут претендовать на классификацию МСОП с повышенным риском.

Алгоритм представляет собой прогностическую модель, которую можно применять к любой группе видов в любом масштабе, от всего земного шара до одного городского парка. Эспиндола и ее коллеги опубликовали свои результаты в Интернете в трудах Национальной академии наук 3 декабря 2018 года.

«Наш метод не предназначен для замены формальных оценок с использованием протоколов МСОП. Это инструмент, который может помочь расставить приоритеты в процессе, вычислив вероятность того, что данный вид находится в опасности », – сказал Эспиндола. «В конечном счете, мы надеемся, что это поможет правительствам и управляющим ресурсами решить, куда направить свои ограниченные ресурсы на сохранение. Это может быть особенно полезно в регионах, которые недостаточно изучены ».

Эспиндола и ее сотрудники создали свою прогностическую модель, используя данные открытого доступа из Глобального информационного фонда по биоразнообразию (GBIF) и базы данных TRY Plant Trait. Ведущий автор Тара Пеллетье, доцент кафедры биологии в Рэдфордском университете, работала вместе с Эспиндолой для проведения анализа машинного обучения.

Затем Эспиндола и Пеллетье провели обучение модели, используя данные GBIF и TRY относительно небольшой группы видов растений, уже включенных в Красный список МСОП. Это позволило исследователям оценить и откорректировать точность модели, сверяя ее прогнозы с известным статусом риска МСОП перечисленных видов. Красный список сортирует не вымершие виды по одной из пяти классификационных категорий: наименее опасные, находящиеся под угрозой исчезновения, уязвимые, находящиеся под угрозой исчезновения и находящиеся под угрозой исчезновения.

Затем исследователи применили эту модель ко многим тысячам видов растений, которые остаются в списке МСОП. Согласно результатам, более 15 000 видов – примерно 10% от общего количества, оцененного командой – имеют высокую вероятность квалифицироваться как находящиеся под угрозой, как минимум.

Эспиндола и ее коллеги нанесли на карту данные и отметили несколько основных географических тенденций в предсказаниях модели. Виды повышенного риска, как правило, группируются в районах, уже известных своим высоким естественным биоразнообразием, таких как тропические леса Центральной Америки и юго-западная Австралия. Эта модель также помечала такие регионы, как Калифорния и юго-восток США, где обитает большое количество эндемичных видов, что означает, что эти виды не встречаются в природе нигде на Земле.

«Когда я впервые задумался об этом проекте, я подозревал, что многие регионы с большим разнообразием будут хорошо изучены и защищены. Но мы нашли обратное, чтобы быть правдой », – сказала Эспиндола. «Многие из областей с большим разнообразием соответствовали регионам с наибольшей вероятностью риска. Когда мы увидели карты, мы были удивлены, что это было так ясно. Эндемичные виды также, как правило, подвергаются большему риску, потому что они обычно ограничены меньшими территориями ».

Эта модель также помечала несколько удивительных районов, обычно не известных своим биоразнообразием, таких как южное побережье Аравийского полуострова, как имеющих большое количество видов, подвергающихся риску. По словам Эспиндолы, некоторые из наиболее уязвимых регионов не получили достаточного внимания со стороны исследователей. Она надеется, что ее метод может помочь восполнить некоторые из этих пробелов в знаниях, выявив регионы и виды, нуждающиеся в дальнейшем изучении.

«Допустим, вы хотели оценить каждый вид дикой пчелы на одном континенте. Таким образом, вы проводите оценку и обнаруживаете, что только один вид находится в опасности. Теперь вы использовали все эти ресурсы для определения области с низким уровнем риска, что все еще полезно, но не идеально, когда ресурсы ограничены. Мы хотим помочь предотвратить это », – сказала Эспиндола. «Наш анализ был глобальным, но модель можно адаптировать для использования в любом географическом масштабе. Все, что мы сделали, – это открытый доступ на 100%, что подчеркивает мощь общедоступных данных. Мы надеемся, что люди будут использовать нашу модель, и мы надеемся, что они укажут на ошибки и помогут нам исправить их, чтобы сделать их лучше ».

Исследовательский доклад «Прогнозирование приоритетов сохранения растений в глобальном масштабе» Тара Пеллетье, Брайан Карстенс, Дэвид Танк, Джек Салливан и Анаи Эспиндола была опубликована в Интернете в « Записках Национальной академии наук» 3 декабря 2018 года.

По материалам phys.org