教師なし手法による種の一般的性質と分布域の推定

科学分野:

• 生態学
• 生物多様性情報学
• 計算生物学

背景:

• 種の分布域は生態学的ニッチモデル（ENM）にとって不可欠であるが、特に希少種においてはデータの制約から推定が困難である。
• 種の分布と環境との関連性を理解するためには、正確な分布データが不可欠である。

研究 の 目的:

• 生態学的ニッチモデル（ENM）のための種の分布域を推定するための、データ駆動型で教師なしの方法論を開発および検証すること。
• 特に発生データが限られている種に対して、客観的で堅牢な分布域推定値を提供すること。

主な方法:

• 多種にわたる教師なしアプローチのために、Global Biodiversity Information Facilityの発生記録を活用しました。
• 種の一般的性質の分類のために、クラスタリング手法、深層学習モデル、およびアンサンブルモデリングを利用しました。
• 分類を分布確率に変換し、専門家の評価と比較して評価しました。

主要な成果:

• 提案された方法論は、マッサチュッコリ湖盆地の161種にわたる種の分布域を分類することに成功しました。
• すべてのモデルで高い精度が実証され、深層学習モデルが最も高い精度（81-90%）を達成しました。
• このアプローチは、スケーラブルで再現性があり、信頼性の高い分布域推定値の生成に効果的であることが証明されました。

結論:

• 開発された方法論は、種の分布域を推定するためのスケーラブルで再現性のあるソリューションを提供し、生態学的ニッチモデルを強化します。
• このデータ駆動型アプローチは、生物多様性保全と生態学的研究に不可欠な、客観的な分布確率を提供します。
• この結果は、生態学的研究におけるデータ制約を克服するための計算方法の使用を支持します。