當我們首次介紹「生物分布地理模型(geomodel)」時,我們提到它有助於顯示不尋常的觀察紀錄。今天,我們很高興分享實現這一願景的第一步,我們內部稱其為「異常偵測器(Anomaly Detector)」。
對於生物分布地理模型涵蓋超過九萬種物種,如下圖所示的橫帶人面蜘蛛(Trichonephila clavata),我們根據相對的地理分數(Geo score)排序其觀察紀錄的「異常程度」。橫帶人面蜘蛛原產於亞洲,現在已快速地在美國東南部蔓延。
在未設定門檻值的 Geomodel 地圖中,觀察紀錄(橙色點)出現在較淺藍色區域的,表示其地理分數較低,因而被視為異常的觀察紀錄。例如,最不尋常的橫帶人面蜘蛛觀察紀錄位於奧克拉荷馬州,其次是波士頓的兩筆觀察紀錄——這兩個地點的發現最近還上了新聞。
您現在可以在「鑑定工具」中使用新的篩選器來搜尋這些異常的觀察紀錄。操作方式如下:
異常的觀察紀錄通常分為兩類:錯誤(例如錯誤鑑定或位置不精確)和有趣的發現(例如橫帶人面蜘蛛抵達波士頓)。目前,大多數顯示的異常觀察紀錄屬於錯誤的類型。
請使用此工具來修正這些錯誤!
然而,並非所有異常的觀察紀錄都是錯誤的。例如波士頓的橫帶人面蜘蛛,這可能是一個重要的發現。因此,謹慎評估每一個案例十分重要。若有任何疑問,請禮貌地與觀察者及社群討論以釐清問題點。
需要注意的是,生物分布地理模型並非完美的。例如,儘管在德國有一個文獻記載的義大利洞穴蠑螈引進的族群(有超過 60 筆觀察紀錄),生物分布地理模型仍未學會這個範圍,並將這些觀察紀錄標記為「不在預期範圍內」且地理分數偏低。我們正在積極改進生物分布地理模型的預測準確性,但目前的限制可能會影響觀察紀錄的顯示。
我們希望此工具能夠在《愛自然》上突顯出不尋常的觀察。在短期內,它可能主要幫助標記不準確的位置和修正錯誤鑑定——這些都是提升 《愛自然》 資料集品質的關鍵任務。但從長遠來看,我們相信這一功能有可能演變成一個令人興奮且強大的早期偵測系統,幫助我們更快地發現重要發現,例如橫帶人面蜘蛛在新區域的入侵,這最終有助於保育學者和入侵物種管理者能更有效地做出應對。
感謝所有幫助改進資料品質並挖掘重要發現的人!
評論
新增評論