通过智能手机驱动,快速积累社区来源的数据来加强生物多样性监测

科学领域:

• 生态生态学 生态生态学
• 保护生物学 保护生物学
• 生物信息学是一种生物信息学.

背景情况:

• 综合生物多样性数据对于有效的生态系统保护和管理至关重要.
• 社区来源的数据,就像来自Biome应用程序的数据一样,提供了大量的观察结果,但可能包含偏见.
• 物种分布模型 (SDM) 是理解和预测物种范围的重要工具.

研究的目的:

• 评估生物组移动应用程序中的物种识别质量.
• 评估将生物群数据纳入传统调查数据对物种分布模型 (SDM) 性能的影响.
• 调查数据源的结合如何影响SDM的准确性和数据要求,特别是对于危物种.

主要方法:

• 在Biome应用程序中,对各种分类群的物种识别准确性进行了评估.
• SDMs是使用传统调查数据和传统和生物组数据的组合开发的,用于日本132种陆地物种.
• 模型性能使用诸如博伊斯指数等指标进行评估,比较准确预测的数据要求.

主要成果:

• 生物应用程序在鸟类,爬行动物,哺乳动物和两动物中实现了超过95%的物种识别准确度,但在种子植物,软体动物和鱼类中则低于90%.
• 纳入生物组数据显著提高了对测试物种的SDM准确性.
• 对于危物种,准确的SDM (Boyce指数≥0.9) 所需的记录数量从仅使用传统数据的2000多个减少到包括生物群数据时的约300个.
• 与传统数据相比,生物群数据在城市-自然梯度上提供了更统一的覆盖范围.

结论:

• 生物组应用程序是收集生物多样性数据的宝贵工具,对关键的脊椎动物群体具有很高的识别准确性.
• 将来自Biome应用程序的社区来源数据与传统调查数据相结合,大大提高了物种分布建模的准确性和效率.
• 这种综合方法对于建模危物种和改进保护规划,保护区指定和生态系统服务评估特别有益.