Exploiter la technologie pour protéger la biodiversité
L'engagement communautaire grâce à la tech booste la collecte de données sur la biodiversité et les efforts de conservation.
― 8 min lire
Table des matières
- Le rôle de la technologie dans la collecte de données sur la biodiversité
- Crowdsourcing et science citoyenne
- L'application Biome
- Fonctionnement de l'appli Biome
- Comprendre les Modèles de distribution des espèces
- La contribution des données communautaires
- Évaluer la performance des modèles
- La qualité et la quantité des données de Biome
- Défis et directions futures
- Implications plus larges de la science communautaire
- Conclusion
- Source originale
La nature est super importante pour la vie humaine, elle nous fournit des ressources et des services essentiels. Mais bon, plein d'écosystèmes sont en danger et leur déclin change rapidement. Pour régler ce problème, un plan global a été mis en place pour protéger la Biodiversité d'ici 2030, avec l'objectif de sauvegarder 30% des terres et des océans. Les entreprises sont encouragées à évaluer et à partager leur impact sur la biodiversité, ce qui mène à des actions de Conservation nécessaires.
Pour réussir ces objectifs, on doit vraiment bien évaluer la biodiversité, en regardant où vivent les espèces et comment elles interagissent avec leur environnement. Avant, cette info était rassemblée par des experts grâce à des enquêtes sur le terrain, mais ce n’est pas toujours pratique à cause du temps et des ressources.
Le rôle de la technologie dans la collecte de données sur la biodiversité
Avec l'arrivée des appareils numériques et d'internet, le grand public peut maintenant partager des observations de plantes et d'animaux en utilisant des photos et des vidéos. Ces données collectées par la communauté ont énormément enrichi notre compréhension des écosystèmes, aidant les scientifiques à étudier comment le changement climatique affecte les espèces, suivre la propagation des espèces envahissantes et identifier des schémas dans la biodiversité.
Les communautés peuvent utiliser leurs données pour faire des prédictions sur le comportement futur des espèces. Ces infos sont super importantes pour bien gérer les écosystèmes. En utilisant des technologies comme l'apprentissage machine, les analyses peuvent donner des idées sur comment les espèces interagissent et la stabilité des écosystèmes. Ça nous aide à anticiper les changements dus au changement climatique.
Crowdsourcing et science citoyenne
Les smartphones avec GPS permettent aux gens de prendre des photos d'organismes et de partager leurs emplacements et horaires. Des plateformes comme eBird et iNaturalist ont utilisé avec succès ces données collectées par la communauté pour suivre les espèces et étudier l'écologie. Les gens contribuent souvent parce qu'ils veulent aider la science et aiment utiliser la technologie.
Créer des expériences amusantes grâce à la gamification peut encourager encore plus de monde à participer au partage de données biologiques. Mais bon, les méthodes actuelles de collecte de données peuvent être biaisées, ce qui complique l'interprétation des données. Améliorer la conception des plateformes d’enquêtes communautaires et intégrer de meilleures méthodes statistiques peut vraiment améliorer la qualité des données sur la biodiversité.
L'application Biome
Pour encourager l'engagement des communautés dans les enquêtes sur la biodiversité, on a lancé une appli appelée ‘Biome’ au Japon. Biome aide les utilisateurs à identifier les espèces en suggérant des correspondances potentielles grâce à l'intelligence artificielle et incite à la participation communautaire. Les utilisateurs peuvent gagner des points en contribuant des enregistrements et en aidant les autres à identifier des espèces, rendant l'appli plus engageante.
Depuis son lancement, Biome a accumulé plus de 6 millions d’enregistrements d’occurrences d’espèces. Ces données soutiennent non seulement les évaluations de biodiversité, mais aident aussi les entreprises à répondre aux exigences de divulgation financière concernant leur impact environnemental.
Fonctionnement de l'appli Biome
Les utilisateurs peuvent télécharger des photos prises avec leurs smartphones ou importer des images d'autres sources. Ils choisissent le type d'organisme-plante ou animal-pour activer la fonctionnalité d'identification des espèces. L'IA analyse la photo et fournit une liste des espèces possibles.
Les utilisateurs peuvent demander de l'aide pour identifier l'espèce ou en choisir une dans la liste. Ils peuvent également inclure des notes sur leurs observations, comme le stade de vie de l'animal ou s'il est sauvage ou captif.
Modèles de distribution des espèces
Comprendre lesLes modèles de distribution des espèces (MDE) analysent la biodiversité à des endroits précis. Ces modèles utilisent des enregistrements d'occurrence et des données environnementales pour prédire où les espèces pourraient prospérer. Ils sont cruciaux pour planifier des efforts de conservation et comprendre comment l'utilisation des terres et le changement climatique impactent les espèces.
Alors que les enquêtes conçues par des experts fournissent des données limitées, les observations collectées par la communauté peuvent combler cette lacune. Utiliser des méthodes comme MaxEnt permet aux scientifiques d'utiliser des données de présence uniquement, qui sont abondantes, pour prédire efficacement les distributions des espèces. Ces modèles peuvent aussi tenir compte des biais d'échantillonnage, menant à des prédictions plus précises quand les observations communautaires sont intégrées.
La contribution des données communautaires
En utilisant les données de l'appli Biome, on a évalué la qualité des enregistrements collectés par la communauté. On a regardé combien d’enregistrements étaient valides et identifiaient correctement les espèces. La communauté de l'appli a été vigilante pour identifier les erreurs, ce qui aide à améliorer l'exactitude des identifications au fil du temps.
L'analyse montre que, généralement, la qualité des données est bonne, mais les erreurs se produisent plus souvent avec les espèces rares. C'est un problème courant dans la Science communautaire, où l'identification experte est souvent nécessaire pour certains taxons difficiles.
Évaluer la performance des modèles
En comparant les MDE construits avec des données d'enquête traditionnelles à ceux intégrant des données de Biome, les modèles utilisant les deux types de données ont mieux fonctionné. La présence des données de Biome a mené à des prédictions plus précises, nécessitant souvent moins d'enregistrements pour atteindre une haute précision.
Pour les espèces menacées, les bénéfices étaient encore plus marqués. Les modèles incluant des données de Biome ont atteint des seuils de haute précision avec moins d'enregistrements que ceux se basant uniquement sur des données traditionnelles.
La qualité et la quantité des données de Biome
Depuis juillet 2023, Biome a collecté des millions d'enregistrements à travers des milliers d'espèces. Le rythme de soumission des données a régulièrement augmenté à mesure que plus d'utilisateurs s'engagent avec l'appli. La distribution de ces données montre un équilibre à travers diverses conditions environnementales, contrairement aux données d'enquête traditionnelles qui tendent à se concentrer davantage sur les zones naturelles.
Biome a prouvé sa capacité à rassembler d’importantes quantités de données utiles qui peuvent informer les évaluations de biodiversité et la planification de la conservation. Cependant, il y a encore besoin d'améliorer continuellement la qualité des données en perfectionnant la façon dont les utilisateurs soumettent et classifient leurs observations.
Défis et directions futures
La qualité des données collectées via Biome varie, surtout pour les taxons difficiles à identifier. Pour y remédier, on vise à améliorer l'appli pour encourager les utilisateurs à documenter plusieurs caractéristiques des organismes, aidant à une identification précise.
On reconnaît les limites de nos évaluations actuelles, notamment l'absence d'un ensemble de données de test indépendant. Les futures améliorations permettront de mieux comprendre les changements temporels dans la distribution des espèces.
Au fur et à mesure que les données continuent de s'accumuler, on peut perfectionner nos modèles et faire de meilleures prédictions sur les futurs schémas de biodiversité. Ça aidera non seulement la conservation, mais aussi aidera les parties prenantes à prendre des décisions éclairées sur l'utilisation et la gestion des terres.
Implications plus larges de la science communautaire
Incorporer des données communautaires diverses dans la planification de la conservation aide à créer des stratégies plus robustes pour protéger les écosystèmes. Engager divers groupes, y compris les communautés locales et les entreprises, favorise la collaboration et encourage la responsabilité partagée pour la nature.
Cette approche inclusive peut mener à de meilleures prises de décision et à sensibiliser sur l'importance de la biodiversité. Quand les gens ont l'occasion d'interagir avec la nature, ils deviennent plus investis dans son bien-être.
Conclusion
L'appli Biome est plus qu'un simple outil de collecte de données ; elle représente un changement dans notre approche du suivi de la biodiversité. En tirant parti de la puissance de la participation communautaire et de la technologie, on peut permettre aux individus de contribuer à des efforts de conservation de manière significative.
En avançant, on vise à améliorer la qualité des données collectées tout en élargissant notre compréhension de la biodiversité grâce à une collaboration continue entre scientifiques et le public. Ça soutiendra finalement le développement durable et la protection des ressources naturelles de notre planète.
Titre: Boosting biodiversity monitoring using smartphone-driven, rapidly accumulating community-sourced data
Résumé: Comprehensive biodiversity data is crucial for ecosystem protection. The Biome mobile app, launched in Japan, efficiently gathers species observations from the public using species identification algorithms and gamification elements. The app has amassed >6M observations since 2019. Nonetheless, community-sourced data may exhibit spatial and taxonomic biases. Species distribution models (SDMs) estimate species distribution while accommodating such bias. Here, we investigated the quality of Biome data and its impact on SDM performance. Species identification accuracy exceeds 95% for birds, reptiles, mammals, and amphibians, but seed plants, mollusks, and fishes scored below 90%. Our SDMs for 132 terrestrial plants and animals across Japan revealed that incorporating Biome data into traditional survey data improved accuracy. For endangered species, traditional survey data required >2,000 records for accurate models (Boyce index [≥] 0.9), while blending the two data sources reduced this to around 300. The uniform coverage of urban-natural gradients by Biome data, compared to traditional data biased towards natural areas, may explain this improvement. Combining multiple data sources better estimates species distributions, aiding in protected area designation and ecosystem service assessment. Establishing a platform for accumulating community-sourced distribution data will contribute to conserving and monitoring natural ecosystems.
Auteurs: Shogoro Fujiki, K. Atsumi, Y. Nishida, M. Ushio, H. Nishi, T. Genroku
Dernière mise à jour: 2024-05-13 00:00:00
Langue: English
Source URL: https://www.biorxiv.org/content/10.1101/2023.09.13.557657
Source PDF: https://www.biorxiv.org/content/10.1101/2023.09.13.557657.full.pdf
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à biorxiv pour l'utilisation de son interopérabilité en libre accès.