Die umfangreiche Erfassung von Biodiversitätsdaten verbessert Ökosystemvorhersagen

Ein Team der Universität Córdoba bestätigt, dass große Biodiversitätsdatenbanken, in denen Bürger Beobachtungen der Flora aufzeichnen, in der Lage sind, gemeinsame Artenverteilungsmodelle zu kalibrieren, selbst wenn sie einzeln durchgeführt werden, vorausgesetzt, dass mehr als 50 % der Arten in dem Gebiet erfasst wurden .

Im aktuellen Kontext des Klimawandels beschäftigen sich Institutionen und die wissenschaftliche Gemeinschaft mit der Frage, wie sich neue klimatische Bedingungen auf wildlebende Pflanzenarten auswirken werden. Wie werden sich beispielsweise die Populationen der Spanischen Tanne (Abies Pinsapo) verändern? Dabei handelt es sich um eine vom Aussterben bedrohte Art, die von der Junta de Andalucía (Regionalregierung) im Rahmen von Schutzplänen verfolgt wird.

Um vorherzusagen, ob die Spanische Tanne in Zukunft in höhergelegenen Bergregionen wachsen wird als denen, in denen sie jetzt vorkommt, muss das Wetter berücksichtigt werden. Damit diese Vorhersagen jedoch genauer sind, müssen auch die Beziehungen zwischen verschiedenen Arten berücksichtigt werden in den mathematischen Modellen, die zur Vorhersage dieser Zukunftsszenarien verwendet werden. Die positiven oder negativen Beziehungen zwischen verschiedenen Arten werden entscheidend für die Vorhersage ihrer zukünftigen Verbreitung sein.

Daher verlagert sich die Forschungsgemeinschaft von mathematischen Modellen der Artenverteilung, die nur Umweltvariablen (Klima, Bodentyp) berücksichtigen, hin zu Gemeinschaftsmodellen, die Karten anbieten, die sowohl klimatische Variablen als auch Beziehungen zwischen Pflanzen berücksichtigen. Das heißt, sie gehen von einem individualistischen Ansatz zu einem gemeinschaftlichen Ansatz über, um bessere Vorhersagen zu treffen. Allerdings gibt es nur wenige Daten zur Flora, einschließlich der Zusammensetzung der biologischen Gemeinschaften, mit denen diese Modelle erstellt werden könnten, da die Erfassung auf der Aufzeichnung einzelner Pflanzen basiert.

Angesichts dieses Problems führten die Forscher Diego Nieto und Daniel Romera von der Gruppe für Grundlagen- und Angewandte Pflanzenbiologie der Universität Córdoba eine erste Analyse der Verwendung opportunistischer Biodiversitätsdatenbanken (unstrukturierte Datenbanken, die individuelle Daten aus Bürgerbeobachtungen enthalten) in gemeinsamen Artenverteilungsmodellen durch . Das Papier ist veröffentlicht im Tagebuch Ökographie.

„Im Prinzip sollten diese Datenbanken nicht zur Kalibrierung von Gemeinschaftsmodellen verwendet werden, da sie einzelne Beobachtungen enthalten, die die Verwandtschaft zwischen Arten nicht berücksichtigen. Wir fragten uns jedoch, ob sie mit Milliarden von Datensätzen funktionieren könnten, um die Modelle zu erhalten.“ um uns Vorhersagen über die Beziehungen zwischen Arten zu geben“, erklärte Forscher Nieto.

Nach der Kalibrierung des Modells mit dieser Art von Einzeldaten mit unterschiedlichen Abdeckungsarten (wodurch mehr oder weniger Aufzeichnungen über die Realität der Arten in einem Gebiet simuliert wurden) erhielten sie zwei Ergebnisse: Das Modell machte trotz allem genaue Vorhersagen über die Verteilung nach klimatischen Variablen Es liegen nur wenige Daten vor und es gelang ihm auch, Wechselwirkungen zwischen Arten vorherzusagen, solange 50 bis 75 % der Arten erfasst wurden.

Wie haben sie das überprüft?

Berücksichtigt man, dass die verwendeten realen Datenbanken wie GIBIF, das mehr als drei Milliarden Einheiten an Biodiversitätsdaten enthält, die über Anwendungen wie iNaturalist erfasst werden, nicht immer gut erfasst sind und es nicht bekannt ist, ob dies Teil der Realität ist Da die aufgezeichneten Daten verloren gehen, erstellten die Forscher für das Experiment eine künstliche Datenbank, um anschließend zu überprüfen, ob das Modell korrekt funktionierte.

Nieto erklärte: „Wir haben ein Untersuchungsgebiet, die Verbreitung von 10 verschiedenen Arten, erstellt und unterschiedliche Abdeckungsgrade der tatsächlichen Verbreitung jeder einzelnen Art simuliert. In einem Szenario wurden 10 % aller Orte, an denen die Art gefunden wird, beprobt; in andere, 25 %, 50 %, 90 % und 100 %, also mit den unterschiedlichen Möglichkeiten, wie gut die Realität anhand der in diesen Datenbanken erfassten Daten dargestellt würde.

Durch die Arbeit mit diesen generierten Daten konnten sie die Reaktion des Modells sehr gut ermitteln und diese dann mit den vorhandenen Einzeldatenbanken verwenden.

Das Modell berechnet die Wechselwirkungen zwischen Arten, sofern es bereits mindestens 50 bis 75 % der Gesamtstandorte der Arten besitzt, und kann genaue Vorhersagen darüber liefern, wie sich Artengemeinschaften angesichts zukünftiger Klimawandelszenarien verhalten werden.

„Die Ergebnisse sind ermutigend, da das Modell in der Lage ist, Wechselwirkungen auch dann zu berechnen, wenn man nicht 100 % der aufgezeichneten Daten über die Art hat“, schlussfolgerten die Forscher.

Woher wissen sie, ob diese Datenbanken mindestens 50 % der Aufzeichnungen über die Realität der Art enthalten? Dazu verwendeten sie eine Methode, die die Integrität realer Daten auf Pixelebene anhand einer Fallstudie von Waldbäumen in Europa bewertet und dabei die Anzahl der Beobachtungen in einem Pixel der Datenbank mit der Gesamtzahl der in diesem Pixel beobachteten Arten vergleicht . Wenn es für wenige Arten viele Beobachtungen gibt, deutet dies darauf hin, dass diese besser beprobt wurden. Je höher der Datenstand, desto besser bildet er die Realität ab.

Diese Analyse stellt einen Mechanismus dar, um auszuwählen, welche Informationen aus den Datenbanken verwendet werden sollen, um diese Gemeinschaftsmodelle zu kalibrieren und bessere Vorhersagen über Wildpflanzenartenmuster zu treffen.