Rahmenwerk für maschinelles Lernen zur Vorhersage des globalen Gefahrenstatus von Süßwasserfischen
Von Sean Nealon
Die Forscher haben fünf Jahre lang ein KI-basiertes Modell entwickelt, um Süßwasserfische auf der ganzen Welt vor dem Aussterben zu schützen. Dabei lag der Schwerpunkt insbesondere auf der Erkennung von Bedrohungen für Fische, bevor sie gefährdet werden.
„Manchmal greifen Menschen ein, um Arten zu schützen, wenn es bereits zu spät ist“, sagte Ivan Arismendi, außerordentlicher Professor in der Abteilung für Fischerei, Wildtiere und Naturschutzwissenschaften der Oregon State University. „Mit unserem Modell können Entscheidungsträger Ressourcen im Voraus einsetzen, bevor eine Art gefährdet wird.“
Die Ergebnisse wurden kürzlich in der Fachzeitschrift Nature Communications veröffentlicht.
Fast ein Drittel der Süßwasserfischarten sind vom Aussterben bedroht und bedrohen die Nahrungsversorgung, die Ökosysteme und die Erholung im Freien. Das neue Modell nutzt ein Framework für maschinelles Lernen, um potenzielle Bedrohungen für mehr als 10.000 Süßwasserarten weltweit zu identifizieren. Der Großteil der im Modell berücksichtigten Arten könnte noch gerettet werden, bevor sie bedroht werden.
Das Modell identifiziert Bedrohungen, die über herkömmliche Bewertungen hinausgehen, indem es 52 Variablen analysiert, darunter Staudammbau, Lebensraumzerstörung, Umweltverschmutzung, Wirtschaftlichkeit und invasive Arten. Durch die Nutzung öffentlich verfügbarer Daten kann das Tool die Identifizierung und den Schutz von Süßwasserfischen kostengünstiger gestalten.
„Dabei werden neue Messgrößen verwendet, um herauszufinden, was verhindert, dass Arten in die Liste aufgenommen werden“, sagte Christina Murphy, stellvertretende Abteilungsleiterin des U.S. Geological Survey für die Maine Cooperative Fish and Wildlife Research Unit und Assistenzprofessorin an der University of Maine. „Manager könnten möglicherweise viele Fische schützen.“
Das Tool ermöglicht einen proaktiveren Schutz, indem es die ökologischen, ökologischen und sozioökonomischen Muster erkennt, die für Fische funktionieren, und Wildtierschützern dabei hilft, gezielte Schutzmaßnahmen umzusetzen, die mehreren Arten gleichzeitig zugute kommen.
„Die wichtigsten Erkenntnisse sind die sozioökonomischen Auswirkungen auf das Schutzpotenzial und die Tatsache, dass wir besser erkennen können, was für Arten funktioniert als was nicht“, sagte Murphy. „Manager können neue Schutzprogramme auf der Grundlage dessen umsetzen, was in der Vergangenheit funktioniert hat, denn viele Arten teilen, was funktioniert hat.“
Die Forscher bezogen Daten aus 12 öffentlich zugänglichen Quellen ein, die meisten davon von der International Union for Conservation of Nature.
Sie entwickelten und trainierten ein künstliches Intelligenzsystem, das in der Lage ist, Millionen nichtlinearer Beziehungen zwischen Arten zu analysieren, um unmittelbar gefährdete Arten und die Faktoren zu identifizieren, die diese Bedrohungen verursachen. Die Plattform ermöglicht es Benutzern, Bedingungen zu untersuchen, die zur Gefährdung beitragen, und zu beurteilen, ob ähnliche Risiken möglicherweise Arten betreffen, die noch nicht dringend gefährdet sind. Das Forschungsteam validierte das Modell auch anhand bestehender Naturschutzbewertungen.
Sie glauben, dass ihr Tool bei Naturschutz- und Regionalplanungsbemühungen eingesetzt werden kann, und hoffen, dass es zur Entwicklung neuer Modelle zum Schutz von Vögeln, Bäumen und anderer Flora und Fauna eingesetzt werden kann.
„Unsere Ergebnisse deuten darauf hin, dass Naturschutz wie die menschliche Gesundheit funktioniert: ‚Wohlbefindens‘-Signale sind oft kohärenter als die vielen Krankheitswege“, sagte J. Andres Olivos, Postdoktorand an der Oregon State. „Für Süßwasserfische sind die Sicherheitsbedingungen in der Regel vorhersehbar, während das Risiko des Aussterbens durch unzählige Kombinationen von Bedrohungen entstehen kann.“
Murphy begann das Projekt im Jahr 2020 als Postdoktorandin an der Oregon State, wo sie mit Arismendi und Olivos in Zusammenarbeit mit Wissenschaftlern des USGS, des US Forest Service und der Universität Girona in Katalonien, Spanien, zusammenarbeitete.
Lesen Sie das Buch vollständig
Umwelt, Taxonomie und Sozioökonomie sagen eine Nichtgefährdung von Süßwasserfischen voraus. Christina A. Murphy, J. Andres Olivos, Ivan Arismendi, Emili García-Berthou, Sherri L. Johnson und Jason Dunham Naturkommunikation.
Oregon State University
