Um die Trends der biologischen Vielfalt zu überwachen, werden weltweit größere Anstrengungen unternommen, um die biologischen Vielfaltsmuster über große Skalen zu bewerten. Zu diesem Zweck stützen sich Wissenschaftler auf Artenverteilungsmodelle (SDMs), die Vorhersagen der geografischen Bereiche der Arten basierend auf Artendaten und Umweltvariablen machen. Mit diesen Modellen können Wissenschaftler Vorhersagen über die Eignung von Lebensräumen im Rahmen verschiedener globaler Veränderungsszenarien sowie die Anbietung von Management- und Erhaltungsbemühungen entsprechend machen.
Die internationale Gruppe über Erdenbeobachtungen Biodiversitätsbeobachtungsnetzwerk (Geo Bon), das Ressourcen und Forscher aus der ganzen Welt bündet, hat kürzlich „Essential Biodiversity Variablen“ konzipiert, um die Sammlung und Koordination von Biodiversitätsdaten zu standardisieren, und viele dieser Variablen können hergestellt werden mit SDMs.
Die meisten hochmodernen SDM-Techniken sind in R implementiert, eine beliebte statistische Programmiersprache, und in den letzten Jahren sind viele neue Tools in Form von R-Paketen aufgetaucht. Aber Forscher werden oft von der Fülle von R -Paketen da draußen überwältigt und fragen sich: „Welches soll ich für meine Forschung verwenden?“
In einer neuen Zeitung argumentiert Jamie M. Kass, Associate Professor und Leiter des Makroökologie -Labors an der Graduate School of Life Sciences der Tohoku University, dass SDM -Workflows von der Verwendung mehrerer Pakete stark profitieren. Kass, der geholfen hat, mehrere R-Pakete für SDMs zu entwickeln-darunter Enmeval (die feinstunte maschinell-lernende SDMs) und Wallace (eine benutzerfreundliche Anwendung für SDM-Workflows)-mit Experten weltweit zusammengefasst, um einen Leitfaden für die Verwendung mehrerer R zu erstellen, um mehrere R zu verwenden Paket -Tools effektiv und auf innovative Weise.
Die Ergebnisse sind veröffentlicht in der Zeitschrift Ökographie.
Das Team führte ein neues R-Meta-Package namens SDMverse ein, das R-Pakete für SDMs durch die von ihnen angebotenen Funktionen katalogisiert und visualisierende Funktionen bietet, um den Forschern zu verstehen, wie sie sich miteinander beziehen. Sie trugen auch drei reale Fallstudien bei R bei, in denen die Kombination von Tools die Vielfalt der möglichen Analysen erweitern und dazu beitragen kann, mehr methodische Standards für das Feld zu erfüllen.
„Neue Tools helfen der Wissenschaft, sich voranzutreiben, aber sie können auch überwältigend sein“, sagt Kass. „Wir wollten eine Roadmap erstellen, die den Forschern zeigt, wie sie diese Tools navigieren und sie zusammen für eine bessere Modellierung der biologischen Vielfalt verwenden.“
Durch die Befolgung ihres Ansatzes können Forscher die Genauigkeit verbessern, ein breiteres Spektrum von Fragen in Angriff nehmen und weltweit zu stärkeren Bewertungen der biologischen Vielfalt beitragen. Wenn die Umweltherausforderungen wachsen, ist es wichtig, die besten verfügbaren Tools zu verwenden, um Trends in der biologischen Vielfalt zu verfolgen und die Natur zu schützen.
Weitere Informationen:
Jamie M. Kass et al., Erreichen höherer Standards in der Artenverteilungsmodellierung durch Nutzung der Vielfalt der verfügbaren Software, Ökographie (2024). Doi: 10.1111/ecog.07346