論文の概要: AI-based Mapping of the Conservation Status of Orchid Assemblages at
Global Scale
- arxiv url: http://arxiv.org/abs/2401.04691v1
- Date: Tue, 9 Jan 2024 17:38:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-10 15:15:16.133799
- Title: AI-based Mapping of the Conservation Status of Orchid Assemblages at
Global Scale
- Title(参考訳): AIを用いた世界規模におけるオーキッド集合体の保存状況のマッピング
- Authors: Joaquim Estopinan, Maximilien Servajean, Pierre Bonnet, Alexis Joly,
Fran\c{c}ois Munoz
- Abstract要約: そこで,本研究では,14Kラン種100万件の個体群を世界規模および数キロメートルの分解能で予測するために,新しい深部種分布モデルを導入する。
本研究では、スマトラ島におけるこれらの指標の変動を世界規模および現在保護されている地域との関係で明らかにし、分析する。
最も高い脅威はマダガスカル島と近隣の島々である。
- 参考スコア(独自算出の注目度): 2.874893537471256
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Although increasing threats on biodiversity are now widely recognised, there
are no accurate global maps showing whether and where species assemblages are
at risk. We hereby assess and map at kilometre resolution the conservation
status of the iconic orchid family, and discuss the insights conveyed at
multiple scales. We introduce a new Deep Species Distribution Model trained on
1M occurrences of 14K orchid species to predict their assemblages at global
scale and at kilometre resolution. We propose two main indicators of the
conservation status of the assemblages: (i) the proportion of threatened
species, and (ii) the status of the most threatened species in the assemblage.
We show and analyze the variation of these indicators at World scale and in
relation to currently protected areas in Sumatra island. Global and interactive
maps available online show the indicators of conservation status of orchid
assemblages, with sharp spatial variations at all scales. The highest level of
threat is found at Madagascar and the neighbouring islands. In Sumatra, we
found good correspondence of protected areas with our indicators, but
supplementing current IUCN assessments with status predictions results in
alarming levels of species threat across the island. Recent advances in deep
learning enable reliable mapping of the conservation status of species
assemblages on a global scale. As an umbrella taxon, orchid family provides a
reference for identifying vulnerable ecosystems worldwide, and prioritising
conservation actions both at international and local levels.
- Abstract(参考訳): 生物多様性に対する脅威の増大は広く認識されているが、種群が危険にさらされているかどうかを示す正確なグローバルマップは存在しない。
そこで我々は,象徴的ラン科の保存状態を数キロメートルの解像度で評価し,地図化し,複数の尺度で得られた知見について議論する。
そこで,本研究では,14Kラン種100万件の個体群を世界規模および数キロメートルの分解能で予測するために,新しい深部種分布モデルを導入する。
集合体の保存状態の2つの主要な指標を提案する。
(i)絶滅危惧種の割合、及び
(ii)群集の中で最も絶滅危惧種の地位
スマトラ島の現在保護されている地域と世界規模におけるこれらの指標の変動を解析した。
オンラインで利用可能なグローバルでインタラクティブな地図は、あらゆる規模で鋭い空間変化を持つランの集合体の保存状態を示す。
最も高い脅威はマダガスカル島と近隣の島々である。
スマトラでは,保護地域と指標との良好な対応がみられたが,現在のIUCN評価と現状予測を補完することで,島内における種の脅威レベルを脅かす結果となった。
深層学習の最近の進歩は、地球規模で種の群集の保存状態の信頼できるマッピングを可能にする。
傘の分類群として、ラン科は世界中の脆弱な生態系を識別し、国際レベルでも地域レベルでも保護行動に優先する基準を提供している。
関連論文リスト
- Deep learning for multi-label classification of coral conditions in the
Indo-Pacific via underwater photogrammetry [24.00646413446011]
本研究はインド太平洋におけるサンゴの一般的な条件と関連するストレスを表わしたデータセットを作成する。
既存の分類アルゴリズムを評価し、サンゴの条件を自動的に検出し、生態情報を抽出する新しいマルチラベル手法を提案した。
提案手法はサンゴの条件を, 健康, 危害, 死, 汚物として正確に分類する。
論文 参考訳(メタデータ) (2024-03-09T14:42:16Z) - Modelling Species Distributions with Deep Learning to Predict Plant
Extinction Risk and Assess Climate Change Impacts [2.874893537471256]
種別IUCNの分類法について検討した。
本手法は, フレキシブルSDM機能に依存しながら, 最先端の分類性能に適合する。
絶滅危惧種の比率は世界中で増加しており、アフリカ、アジア、南米で臨界率が高い。
論文 参考訳(メタデータ) (2024-01-10T15:24:27Z) - LD-SDM: Language-Driven Hierarchical Species Distribution Modeling [9.620416509546471]
我々は,世界規模の存在のみのデータを用いた種分布モデリングの問題に焦点をあてる。
種間の強い暗黙の関係を捉えるため,大きな言語モデルを用いて,種の分類学的階層を符号化した。
そこで本研究では,種分布モデルの評価が可能な近接認識評価指標を提案する。
論文 参考訳(メタデータ) (2023-12-13T18:11:37Z) - SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。
ケニアでは低データのレシエーションを表すデータセットも提供しています。
リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文 参考訳(メタデータ) (2023-11-02T02:00:27Z) - Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。
従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。
本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
論文 参考訳(メタデータ) (2023-06-05T03:36:01Z) - Neuroevolution-based Classifiers for Deforestation Detection in Tropical
Forests [62.997667081978825]
森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。
監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。
本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
論文 参考訳(メタデータ) (2022-08-23T16:04:12Z) - Ensembles of Vision Transformers as a New Paradigm for Automated
Classification in Ecology [0.0]
データ効率のよい画像変換器(DeiTs)のアンサンブルが従来のSOTA(SOTA)よりも大幅に優れていたことを示す。
テストしたすべてのデータセットに対して、新しいSOTAを実現し、以前のSOTAの18.48%から87.50%の誤差を削減した。
論文 参考訳(メタデータ) (2022-03-03T14:16:22Z) - Country-wide Retrieval of Forest Structure From Optical and SAR
Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。
本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。
ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
論文 参考訳(メタデータ) (2021-11-25T16:21:28Z) - SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to
Generate an Improved Ocean Model [72.3183990520267]
シーライス分散と分布を効率的に推定するためのシーライス適応格子追跡手法を提案する。
具体的には、局所的な海洋特性に基づいて、オーシャンモデルの格子グラフにノードをマージすることで、適応的な空間メッシュを生成する。
提案手法は, 変動する気候下での海洋ライス寄生圧マップの予測モデルにより, 積極的養殖管理の促進を約束するものである。
論文 参考訳(メタデータ) (2021-06-24T17:29:42Z) - Two-View Fine-grained Classification of Plant Species [66.75915278733197]
本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。
シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
論文 参考訳(メタデータ) (2020-05-18T21:57:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。