相关实验视频
Updated: Jan 15, 2026
07:57
Necropsy-based Wild Fish Health Assessment
Published on: September 11, 2018
18.0K
利用数据科学来评估印度本土的淡水鱼类种群及其保护状况
Sanjeev Kumar Sahu1, Soma Das Sarkar1, Malay Naskar1
1ICAR-Central Inland Fisheries Research Institute, Barrackpore, Kolkata, 700120, West Bengal, India.
The Science of the total environment
|October 16, 2025
概括
一个新的数据科学框架有助于评估原生印度淡水鱼 (NIFF) 的多样性和保护状况. 这种方法加速了物种的发现,并确定了关键的威胁,改善了保护政策的规划.
科学领域:
- 鱼类学 鱼类学 鱼类学
- 数据科学数据科学数据科学
- 保护生物学 保护生物学
背景情况:
- 印度拥有高的淡水鱼类多样性,但缺乏全面的,数据驱动的保护评估.
- 现有的数据限制阻碍了对物种保护和发现工作的知情决策.
研究的目的:
- 提出一个可扩展的数据科学框架,用于评估印度的淡水鱼类种类和保护状况.
- 通过数据驱动的洞察力,促进印度原生淡水鱼 (NIFF) 的高效政策规划.
主要方法:
- 自动网络采集用于更新鱼类检查清单 (1239个NIFF物种).
- 发现分析以确定国家和地区物种发现率.
- 机器学习 (ML) 模型,特别是渐变增强树,用于威胁风险评估.
主要成果:
- 确定了全国时间发现率为18.86种/年 (1999-2024年),这是自1758年以来的最高水平.
- 印度东北地区的生物地理物种发现率最高 (8.3个物种/年).
- 76%的NIFF的种群状况不明,阻碍了IUCN红色名单的评估;ML模型在预测威胁状况方面达到84%的准确性.
结论:
- 数据科学框架使NIFF多样性和保护的有效,数据驱动的评估成为可能.
- 确定的主要威胁包括息地退化,外星人入侵和土地利用变化,这对于政策优先考虑至关重要.
- 该框架的可扩展性和可重复性为全球鱼类多样性和保护研究提供了价值.
