27 окт 2023 113

Как метод «Робин Гуда» поможет спасти биологическое разнообразие

Можно ли оценить состояние и перспективы видов, о которых почти ничего не известно? Учёные из Мичиганского государственного университета предложили новый подход, основанный на анализе данных от более изученных и распространённых животных. Этот метод может помочь в сохранении биоразнообразия мира.

Богатые и бедные данными

Биоразнообразие играет важную роль в поддержании экологического равновесия. Однако оно находится под угрозой из-за человеческой деятельности, такой как уничтожение среды обитания, загрязнение, изменение климата и инвазивные виды.

Для того чтобы защитить биоразнообразие, необходимо знать, какие виды существуют, где они живут, сколько их и как они взаимодействуют друг с другом. Однако эта информация не всегда доступна. Согласно Международному союзу охраны природы (МСОП), около одного из семи видов классифицируются как не обладающие достаточными данными для определения их статуса сохранения и угроз, с которыми они сталкиваются.

Есть так много видов, где у нас нет данных, чтобы точно сказать нам, что происходит. Нам нужна более быстрая и эффективная оценка этих видов, если мы хотим выяснить, как защитить и сохранить их

— Элиз Ципкин, доцент кафедры интегративной биологии в Мичиганском государственном университете (МГУ) и директор программы MSU Ecology, Evolution and Behavior (EEB).

Ципкин и её коллеги разработали своего рода подход «Робин Гуда», чтобы решить эту проблему. Они используют информацию от хорошо оцененных животных, чтобы раскрыть информацию о менее распространённых, трудно наблюдаемых видах. То есть, они берут информацию от богатых данными и дают бедным данным.

Интегрированные модели сообщества

Подход Ципкин и её команды основан на так называемых интегрированных моделях сообщества. Это статистические модели, которые позволяют анализировать данные из различных источников, описывающих несколько видов в одном регионе или экосистеме. Например, это могут быть данные из переписей населения, мониторинга распространения, меток или колец на животных, ДНК-анализа или дистанционного зондирования.

Используя эти модели, учёные могут оценить тенденции и демографические показатели видов в пространстве и времени, а также их взаимосвязи с другими видами и факторами среды. Кроме того, они могут использовать информацию от наиболее характерных видов в сообществе для оценки других членов группы, о которых мало что известно.

Мы заимствуем силу у видов, которые имеют наибольшую информацию или наиболее распространены. Это позволяет нам получить оценки уровня видов для всех членов сообщества, а также всестороннее понимание того, что происходит с сообществом в целом

— Элиз Ципкин.

Например, в одном из своих исследований Ципкин и её коллеги использовали интегрированную модель сообщества для оценки состояния лесных птиц на северо-востоке США. Они объединили данные из двух разных программ мониторинга: Breeding Bird Survey (BBS) и Monitoring Avian Productivity and Survivorship (MAPS). BBS предоставляет данные о распространении и обилии птиц, а MAPS — о выживаемости и размножении.

Учёные обнаружили, что данные от BBS и MAPS дополняют друг друга и улучшают точность оценок. Они также смогли получить информацию о более редких или скрытных видах птиц, используя данные от более обычных или заметных видов. Например, они использовали данные от красноголового дятла, чтобы оценить состояние каролинского дятла, которого сложнее наблюдать.

Доступные методы

Ципкин и её команда поделились своими методами с более широким сообществом исследователей и охраны природы в журнале Journal of Animal Ecology. Кроме того, компьютерный код, лежащий в основе этой методологии, находится в свободном доступе на странице группы в GitHub.

Мы так быстро теряем биоразнообразие, что больше не можем спрашивать, что происходит с каждым видом в отдельности. В то же время у нас есть беспрецедентные объёмы данных и вычислительной мощности. Мы должны более стратегически думать о том, как использовать эти данные, чтобы ответить на трудные вопросы

— Элиз Ципкин.

Метод «Робин Гуда» представляет собой новый и эффективный способ изучения биоразнообразия с помощью интегрированных моделей сообщества. Он позволяет получить более полное и целостное представление о состоянии и динамике сообщества в целом.

Однако он требует наличия достаточного количества данных о хотя бы некоторых видах в сообществе, а также предполагает, что данные от разных источников согласованы и сравнимы. Он также зависит от выбора видов, которые используются в качестве «доноров» информации, а также от того, насколько они похожи на «получателей» информации. Кроме того, он не может учитывать все возможные факторы, которые могут влиять на популяции видов, такие как конкуренция, хищничество, болезни и т. д.

Поэтому метод «Робин Гуда» не может заменить традиционные методы изучения биоразнообразия, а лишь дополнять и улучшать их. Он может быть полезным инструментом для быстрой и эффективной оценки статуса сохранения видов и сообществ, но он также требует критического анализа и проверки своих результатов.