論文の概要: How Environment and Urbanization Shape Bird Diversity in Sri Lanka

• arxiv url: http://arxiv.org/abs/2607.00582v2
• Date: Mon, 06 Jul 2026 20:41:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-08 14:37:42.95483
• Title: How Environment and Urbanization Shape Bird Diversity in Sri Lanka
• Title（参考訳）: スリランカにおける環境と都市化の鳥の多様性
• Authors: Dilusha Chandrasiri, Maneesha Herath, Yasith Hewarathna, Muditha Herath, Gishan Bandara, Madara Mendis, Nathali Athukorala, Nisansa de Silva, Sandareka Wickramanayake,
• Abstract要約: 本研究では,スリランカにおける鳥類の多様性について,空間的,時間的,環境的データを総合的に分析した。 ランドカバー型は、温度のみのような個々の連続変数よりも鳥の多様性の予測が強い。 都市化はスケール依存的な効果を示し、総じて豊かさを減らしながら、少数のジェネラリスト種の大量生産を支えている。
• 参考スコア（独自算出の注目度）: 1.5580028162261483
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study presents a comprehensive analysis of bird diversity across Sri Lanka by integrating spatial, temporal, and environmental data. Bird observation records were combined with environmental variables, including weather conditions, air pollution, the Normalized Difference Vegetation Index (NDVI), land cover, elevation, and Artificial Light At Night (ALAN), and rigorously preprocessed to ensure data quality. Spatial analyses were conducted on multiple grid scales (2 km, 5 km, 10 km) to evaluate patterns in species richness while minimizing sampling bias through spatial thinning. Temporal trends were assessed using effort-corrected metrics including rarefied richness and occupancy rates to account for variations in observation effort over time. Environmental drivers of bird diversity were examined using multivariate statistical models, including Poisson Generalized Linear Models (GLMs) and correlation analyses, to identify key associations between ecological factors and species richness. Additionally, community structure, dominance patterns, and beta diversity were analyzed to understand variations in species composition across regions and time. The study found that land-cover type is a stronger predictor of bird diversity than individual continuous variables such as NDVI or temperature alone. Urbanization, measured by ALAN, exhibits nuanced scale-dependent effects, supporting high abundances of a few generalist species while reducing overall richness. The findings provide actionable insights into the patterns and drivers of avian diversity in Sri Lanka, offering a scalable and reproducible framework for biodiversity research and conservation planning.
• Abstract（参考訳）: 本研究では,スリランカにおける鳥類の多様性について,空間的,時間的,環境的データを総合的に分析した。 鳥の観察記録は、気象条件、大気汚染、正規化差植生指数(NDVI)、土地被覆、標高、人工光夜(ALAN)などの環境変数と組み合わせられ、データ品質を確保するために厳密に前処理された。 2km, 5km, 10km) の多層グリッドで空間解析を行い, 空間的薄層化によるサンプリングバイアスを最小化しつつ, 種多様性のパターンを評価する。 時間的傾向は、希薄な豊かさと占有率を含む努力補正指標を用いて、時間の経過とともに観察努力の変化を考慮に入れた。 Poisson Generalized Linear Models (GLMs) などの多変量統計モデルを用いて, 鳥類の多様性に関する環境要因を調査し, 生態要因と種多様性の主な関連性を明らかにする。 さらに,地域間・地域間における種組成の多様性を理解するため,地域構造,優占パターン,ベータ多様性を分析した。 調査では、土地被覆型は、NDVIや温度のみのような個々の連続変数よりも鳥の多様性の予測因子であることがわかった。 ALANによって測定された都市化は、数種のジェネラリスト種を多量に支持し、全体的な富度を低下させながら、微妙なスケール依存効果を示す。 この発見は、スリランカにおける鳥類の多様性のパターンと要因に関する実用的な洞察を与え、生物多様性の研究と保護計画のためのスケーラブルで再現可能な枠組みを提供する。

関連論文リスト

• Modeling Habitat Shifts: Integrating Convolutional Neural Networks and Tabular Data for Species Migration Prediction [0.0]
  本研究では,鳥種が特定の生息地に存在するかどうかを正確にモデル化する手法を提案する。 本手法では, 衛星画像と環境特徴を利用して, 様々な気候における鳥の存在を予測する。 どちらのシステムも、鳥の分布を平均85%の精度で予測しており、鳥の移動を理解するためのスケーラブルで信頼性の高い方法を提供している。
  論文  参考訳（メタデータ） (2025-07-15T05:17:58Z)
• Continental-scale habitat distribution modelling with multimodal earth observation foundation models [0.0]
  ハビタットは、生物多様性を支援し、人々の自然への貢献を維持する、無生物的な条件、植生の構成、構造を統合する。 現在の生息地マップは、しばしばテーマや空間分解能において不足している。 我々は,高分解能リモートセンシング(RS)データと人工知能(AI)ツールが生息地マッピングをどのように改善するかを評価した。
  論文  参考訳（メタデータ） (2025-07-13T18:11:26Z)
• Multi-scale species richness estimation with deep learning [0.0]
  我々はサンプリング理論と深層学習を組み合わせて、任意に大きなサンプリング領域内の局所的な種多様性を予測する。 我々の深部SARモデルが、鍵となる生物多様性プロセスのマルチスケール効果に関する基礎的な洞察をいかに得るかを示す。
  論文  参考訳（メタデータ） (2025-07-08T19:42:33Z)
• Feedforward Few-shot Species Range Estimation [61.60698161072356]
  特定の種が地球上でどこで発見できるかを知ることは、生態学の研究と保全に不可欠である。 正確な射程推定は 知られている全ての種の 比較的小さな割合でしか 利用できない 我々は、限られたデータから種の範囲を正確に推定するという課題に対処するために、数発の種範囲推定の新しいアプローチを概説する。
  論文  参考訳（メタデータ） (2025-02-20T19:13:29Z)
• 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)
• 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)
• 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)

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。