論文の概要: Modelling Species Distributions with Deep Learning to Predict Plant Extinction Risk and Assess Climate Change Impacts

• arxiv url: http://arxiv.org/abs/2401.05470v1
• Date: Wed, 10 Jan 2024 15:24:27 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-13 02:18:46.547486
• Title: Modelling Species Distributions with Deep Learning to Predict Plant Extinction Risk and Assess Climate Change Impacts
• Title（参考訳）: 深層学習による植物の絶滅リスク予測と気候変動影響評価のための種分布のモデル化
• Authors: Joaquim Estopinan, Pierre Bonnet, Maximilien Servajean, Fran\c{c}ois Munoz, Alexis Joly
• Abstract要約: 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。
• 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: The post-2020 global biodiversity framework needs ambitious, research-based targets. Estimating the accelerated extinction risk due to climate change is critical. The International Union for Conservation of Nature (IUCN) measures the extinction risk of species. Automatic methods have been developed to provide information on the IUCN status of under-assessed taxa. However, these compensatory methods are based on current species characteristics, mainly geographical, which precludes their use in future projections. Here, we evaluate a novel method for classifying the IUCN status of species benefiting from the generalisation power of species distribution models based on deep learning. Our method matches state-of-the-art classification performance while relying on flexible SDM-based features that capture species' environmental preferences. Cross-validation yields average accuracies of 0.61 for status classification and 0.78 for binary classification. Climate change will reshape future species distributions. Under the species-environment equilibrium hypothesis, SDM projections approximate plausible future outcomes. Two extremes of species dispersal capacity are considered: unlimited or null. The projected species distributions are translated into features feeding our IUCN classification method. Finally, trends in threatened species are analysed over time and i) by continent and as a function of average ii) latitude or iii) altitude. The proportion of threatened species is increasing globally, with critical rates in Africa, Asia and South America. Furthermore, the proportion of threatened species is predicted to peak around the two Tropics, at the Equator, in the lowlands and at altitudes of 800-1,500 m.
• Abstract（参考訳）: 2020年以降のグローバル生物多様性フレームワークは、野心的で研究に基づく目標を必要としている。 気候変動による絶滅リスクの加速を推定することが重要である。 国際自然保護連合(IUCN)は、種の絶滅リスクを測定する。 下位評価分類群のiucn状態に関する情報を提供する自動手法が開発されている。 しかし、これらの補償法は現在の種の特徴、主に地理的な特徴に基づいており、将来の予測での使用を妨げている。 本稿では,深層学習に基づく種分布モデルの一般化力の恩恵を受ける種のiucnを分類する新しい手法について評価する。 本手法は,生物の環境嗜好を捉えるフレキシブルなsdmに基づく特徴に依拠しながら,最先端の分類性能に適合する。 クロスバリデーションは、ステータス分類では 0.61 とバイナリ分類では 0.78 の平均アキュラシーを与える。 気候変動は将来の種分布を変えるだろう。 種環境均衡仮説の下では、sdm射影は将来予測可能な結果を近似する。 種散布能力の極端は2つあり、無制限かヌルかである。 予測された種分布はIUCN分類法に適合する特徴に変換される。 最後に 絶滅危惧種の傾向は 時間とともに分析され 一 大陸により、平均的な機能として 二 緯度又は緯度 iii) 高度。 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。 さらに、絶滅危惧種の比率は、赤道、低地、標高800-1500mの2つの熱帯付近でピークに達すると予測されている。

関連論文リスト

• Evolutionary Dispersal of Ecological Species via Multi-Agent Deep Reinforcement Learning [0.0]
  本研究は,多エージェント強化学習(MARL)と深度Q-networks(DQN)を用いて,単一種と捕食者-捕食者の相互作用をシミュレートする。 我々のシミュレーションでは、進化的分散戦略を明らかにし、種分散機構の洞察を与え、伝統的な数学的モデルを検証する。
  論文  参考訳（メタデータ） (2024-10-24T10:21:23Z)
• 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)
• AI-based Mapping of the Conservation Status of Orchid Assemblages at Global Scale [2.874893537471256]
  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。
  論文  参考訳（メタデータ） (2024-01-09T17:38:19Z)
• 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)
• Inter and Intra-Annual Spatio-Temporal Variability of Habitat Suitability for Asian Elephants in India: A Random Forest Model-based Analysis [1.370633147306388]
  インドにおけるアジアゾウの種分布を推定するランダムフォレストモデルを構築した。 好適な生息地の季節的減少は、アジアゾウの出現パターンと人・エレファント紛争の増加を説明する可能性がある。
  論文  参考訳（メタデータ） (2021-07-22T06:42:54Z)
• Solving Long-tailed Recognition with Deep Realistic Taxonomic Classifier [68.38233199030908]
  ロングテール認識は、現実世界のシナリオにおける自然な非一様分散データに取り組む。 モダンは人口密度の高いクラスではうまく機能するが、そのパフォーマンスはテールクラスでは著しく低下する。 Deep-RTCは、リアリズムと階層的予測を組み合わせたロングテール問題の新しい解法として提案されている。
  論文  参考訳（メタデータ） (2020-07-20T05:57:42Z)
• Survival Cluster Analysis [93.50540270973927]
  異なるリスクプロファイルを持つサブポピュレーションを特定するために、生存分析には未解決の必要性がある。 このニーズに対処するアプローチは、個々の成果のキャラクタリゼーションを改善する可能性が高い。
  論文  参考訳（メタデータ） (2020-02-29T22:41:21Z)

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。