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

• Combining Observational Data and Language for Species Range Estimation [63.65684199946094]
  我々は,数百万の市民科学種の観察とウィキペディアのテキスト記述を組み合わせた新しいアプローチを提案する。 我々のフレームワークは、場所、種、テキスト記述を共通空間にマッピングし、テキスト記述からゼロショット範囲の推定を可能にする。 また,本手法は観測データと組み合わせることで,少ないデータでより正確な距離推定を行うことができる。
  論文  参考訳（メタデータ） (2024-10-14T17:22:55Z)
• Harnessing Artificial Intelligence for Wildlife Conservation [0.0937465283958018]
  保護AIは、視覚スペクトルと熱赤外線カメラを使用して、動物、人間、密猟に関連する物体を検出し、分類する。 このプラットフォームは、このデータを畳み込みニューラルネットワーク(CNN)とTransformerアーキテクチャで処理し、種を監視する。 ヨーロッパ、北アメリカ、アフリカ、東南アジアの事例研究は、このプラットフォームが種の識別、生物多様性の監視、密猟防止に成功していることを強調している。
  論文  参考訳（メタデータ） (2024-08-30T09:13:31Z)
• 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)
• 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)

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。