HyperAI超神经

Inhalte im Überblick:In den letzten Jahren hat sich die globale Klimaveränderung verschärft und der daraus resultierende Schmetterlingseffekt hat tiefgreifende Auswirkungen auf Mensch und Natur. In diesem Zusammenhang ist die Erfassung von Daten zu Blühmustern über Hunderte oder sogar Tausende von Kilometern hinweg, um zu verstehen, wie sich der Klimawandel auf Blütenpflanzen auswirkt, in den letzten Jahren zu einem der wichtigsten Themen der ökologischen Forschung geworden. Allerdings sind die Stichprobenerhebungen mit herkömmlichen Methoden in der Regel sehr teuer und zeitaufwändig, und auch die logistische Unterstützung ist mit zahlreichen Schwierigkeiten verbunden. Die kürzlich in der Zeitschrift Flora veröffentlichte Forschung überwindet nicht nur diese Probleme, sondern enthüllt auch beispiellose Details.

Schlüsselwörter:raumzeitliche Analyse, intelligente Ökologie, SNS-Daten

Dieser Artikel wurde zuerst auf der öffentlichen HyperAI WeChat-Plattform veröffentlicht~

Als Nationalblume Japans spielt die Kirschblüte eine wichtige Rolle in der Yamato-Kultur. Das Betrachten von Blumen (Hanami) ist ein einzigartiger Volksbrauch und hat eine jahrhundertealte Geschichte.Allerdings erstreckt sich Japan über etwa 20 Breitengrade und kann in 6 Klimazonen mit deutlichen Klimaunterschieden unterteilt werden.Daher variiert die Blütezeit der Kirschblüten. Während der Kirschblütensaison zeigen japanische Reise-Websites außerdem detailliert die Blütebedingungen an verschiedenen Orten an, damit Touristen ihren Zeitpunkt für die Blütenbewunderung planen können. In den letzten Jahren hat sich der Blütezeitpunkt der Kirschblüten in Japan aufgrund des Klimawandels kontinuierlich vorverlegt.

Um das Blühmuster der Kirschblüten in Japan zu erforschen und die Auswirkungen des Klimawandels auf die Phänologie zu verstehen, verwendete ein Forschungsteam der Monash University in Australien Python-APIs und Computer-Vision-APIs, um die Blüte der Kirschblüten in Japan anhand von Daten sozialer Netzwerke (SNS) zu überwachen und die experimentellen Ergebnisse mit der tatsächlichen Situation zu vergleichen und zu überprüfen.Die Forschungsergebnisse wurden in der Zeitschrift Flora unter dem Titel „Die räumlich-zeitliche Signatur der Kirschblütenblüte in ganz Japan wurde durch die Analyse von Bildern sozialer Netzwerke enthüllt“ veröffentlicht.

Die Forschungsergebnisse wurden in der Zeitschrift Flora veröffentlicht

Papieradresse:

https://www.sciencedirect.com/science/article/abs/pii/S0367253023001019

Experimenteller Prozess: Crawlen, Filtern und Analysieren von Datensätzen

Datensatz

Der Prozess der Datenerfassung zur Kirschblütenöffnung in diesem Experiment kann in zwei Schritte unterteilt werden:

1. Extrahieren von Bilddaten aus sozialen Netzwerken, einschließlich mehrerer verschiedener aufeinanderfolgender Schritte

2. Verwenden Sie Computer Vision API und manuelle Überprüfung, um Daten nach Relevanz zu filtern

Da die API Zeit, Raum und Text gleichzeitig filtern muss, wählten die Forscher Flickr als Datenquelle.Zunächst verwenden wir den Python-API-Client, um relevante Bilder mit geografischen Koordinaten auf Flickr zu sammeln, indem wir nach dem Schlüsselwort „Kirschblüte“ suchen.

Legen Sie als Nächstes den Begrenzungsrahmen auf 31,186°N-46,178°N, 129,173°E-145,859°E fest.Um sicherzustellen, dass die Bilder in Japan aufgenommen wurden.Der Zeitraum ist auf die Jahre 2008–2018 festgelegt, um die Auswirkungen des durch COVID-19 verursachten weltweiten Rückgangs des Tourismus auf die Daten auszuschließen.

Anschließend filterten die Forscher die Daten, indem sie sie mit den geografischen Grenzen Japans maskierten, die sie von gadm.org bezogen hatten.Schließlich wurden 80.915 Bilder erhalten.

1. Januar 2008 – 31. Dezember 2018

Durchsuchen Sie Flickr nach „Kirschblüten“-Bildern aus Japan

Januar und Februar (blau)Es bedeutet die erste Blüte der Kirschblüten vor dem Frühlingsbeginn.

März-Mai (grün)stellt die Konzentration fotografischer Daten dar, die die Hauptblütezeit der Kirschen im Frühling dokumentieren;

Oktober-Dezember (rosa)Dies zeigt ein interessantes Phänomen, das im Herbst, insbesondere im November, seinen Höhepunkt erreicht.

Obwohl Flickr-Bilder durch das Suchwort „Kirschblüte“ eingeschränkt waren, konnten SNS-Inhalte dennoch fälschlicherweise mit dem Suchbegriff verknüpft werden und mussten daher überprüft werden.

In diesem ZusammenhangDie Forscher übermittelten alle Bilder an Google Cloud Vision AI.Die API generiert für jedes Bild basierend auf seinem visuellen Inhalt beschreibende Textbeschriftungen und überprüft automatisch die Relevanz einzelner Datenpunkte.

Google Cloud Vision AI verwendet vortrainierte Modelle für maschinelles Lernen, um Bildern in vordefinierten Kategorien Beschriftungen zuzuweisen. Darüber hinaus führten die Forscher eine zusätzliche manuelle Überprüfung der Probendaten durch, wie in der folgenden Tabelle dargestellt:

Tabelle 1: Bilddaten in jeder Phase des Tokio-gefilterten Datensatzes

Spalte B:Die Suche nach „Kirschblüte“ auf Flickr liefert 28.875 Bilder, deren geografische Koordinaten alle innerhalb des Verwaltungsgebiets der Region Tokio liegen.

Spalte C:Die Textbeschriftungen und ihre relativen Häufigkeiten, die von der Computer Vision API für diesen Datensatz zurückgegeben werden. Von den vom Textbeschriftungsfilter zurückgegebenen Bildern wurden 21.908 von der Computer Vision API mit „Kirschblüte“ beschriftet. Da einige Bilder jedoch auch mit „Herbst“ oder „Ahornbaum“ beschriftet waren, wurden sie entfernt, sodass 21.633 Bilder übrig blieben.

Spalte D:Ergebnisbilder werden zufällig als Beispiele für die manuelle Überprüfung ausgewählt

Spalte E:Anzahl der Bilder, bei denen durch manuelle Überprüfung bestätigt wurde, dass es sich um Kirschblüten handelt

Spalte F:Geschätzte Genauigkeit der automatischen Verarbeitungsmethoden (Computer Vision und Etikettenanalyse) pro Monat, berechnet als E/D

Spalte G:Berechnen Sie mit dieser Genauigkeit die Gesamtzahl der im Februar, März und April aufgenommenen Kirschblütenbilder. Die Berechnungsmethode ist C*F

Bewertungsmethodik

Um das Blütedatum der Kirschblüten zu schätzen, erstellten die Forscher eine Zeitreihe von Tagen für alle Bilder im Datensatz und dannZur Verarbeitung wird der Indikator des gleitenden 7-Tage-Durchschnitts mit dreieckiger Breite verwendet. Dem Mittelpunkt wird das Gewicht 1 zugewiesen, den Punkten auf beiden Seiten wird ein Gewicht von 0,75 zugewiesen., und den nächstgelegenen Punkten werden Gewichte von 0,5 bzw. 0,25 zugewiesen, um die Schwankungen in der Fotoaktivität auszugleichen, die durch die unterschiedliche Anzahl von Menschen verursacht werden, die an Wochenenden (Freizeit, in der die Fotoaktivität deutlich zunimmt) und an Wochentagen Blumen betrachten.

Das resultierende Diagramm zeigt einen Höhepunkt der Fotoaktivität, der als Höhepunkt der Kirschblütenblüte (Mankai) identifiziert wurde.

Vergleichende Überprüfung: Die prognostizierten Ergebnisse stimmen mit den tatsächlichen Daten überein

Die ersten Aufzeichnungen über Kirschblüten in Japan stammen aus dem Jahr 812 n. Chr., und seit 1953 werden offizielle Beobachtungen aufgezeichnet. Um den analytischen Ansatz des Teams zu validieren,Das Versuchsteam wählte Daten aus zwei beliebten Städten, in denen Kirschblüten häufig beobachtet werden, nämlich Tokio und Kyoto, und verglich sie mit den Daten der Kirschblüten in voller Blüte, die jährlich von der Japan Meteorological Corporation (JMC) und der Japan National Tourism Organization (JNTO) bekannt gegeben werden, und berechnete den Fehler zwischen dem im Versuch ermittelten Datum der Kirschblüte und dem offiziellen Datum..

Durch Experimente,Das Forschungsteam sammelte visuelle räumlich-zeitliche Daten von blühenden Kirschblüten in ganz JapanVon Ende Januar (Woche 3–4) bis Ende Mai (Woche 3–4) blühen die Kirschblüten zunächst in den warmen südlichen Klimazonen, breiten sich dann allmählich nach Norden aus und ziehen sich schließlich von Süden nach Norden zurück. Wie in der Abbildung gezeigt:

Abbildung 2: Standorte der Kirschblütenfotografie in Japan von 2008 bis 2018,

Der Zeitraum jedes Diagramms entspricht zwei Wochen.

Klimaanlage:Kirschblüten sieht man in den wärmeren Regionen Südjapans, mit einer hohen Konzentration an Kirschblüten in den Stadtzentren von Tokio und Kyoto auf der Insel Honshu.

DF:Die Zahl der Kirschblüten hat zugenommen und breitet sich bis in den nördlichen Teil der Insel Honshu aus.

Magen-Darm-Trakt:Die Kirschblüten haben sich nach Norden ausgeweitet und blühen nun auch in Sapporo, Hokkaido. In Tokio und Kyoto ist die Fotografie noch immer aktiv. Die Kirschblütenfotografie konzentriert sich eher auf Hokkaido und Nord-Honshu. Schließlich nahm die Zahl der Kirschblütenfotos im ganzen Land allmählich ab, und zwar von Süden nach Norden.

Das Versuchsteam verglich und überprüfte die Spitzenwerte der verarbeiteten Zeitreihen der Kirschblüten-Fotografietage in den Gebieten Tokio und Kyoto mit den von JMC/JNTO bekannt gegebenen Daten.Die Ergebnisse zeigen, dass der RMS-Fehler im Raum Tokio 3,21 Tage und im Raum Kyoto 3,32 Tage beträgt.Wie unten gezeigt:

Abbildung 3: Vergleich der Daten der beiden Bewertungen im Raum Tokio

Linke Spalte: Die mit dieser experimentellen Methode im Laufe der Jahre geschätzten Höhepunkte der Kirschblüte in Tokio

Mittlere Spalte: JNTOs Jahresberichte zu den Höhepunkten der Kirschblüte in Tokio

Rechte Spalte: Fehler, d.h. die Differenz in Tagen zwischen den beiden

Abbildung 4: Vergleich der Zeitpunkte der beiden Bewertungen im Kyoto-Raum

Linke Spalte: Die mit dieser experimentellen Methode geschätzten Höhepunkte der Kirschblüte in Kyoto

Mittlere Spalte: JNTOs Jahresberichte zu den Höhepunkten der Kirschblüte in Kyoto

Rechte Spalte: Fehler, d.h. die Differenz in Tagen zwischen den beiden

Die Daten des Versuchsteams zeigten außerdem, dass Kirschblüten im Herbst blühen. Dies ist in den von JNTO veröffentlichten Daten nicht offiziell angegeben.Dies zeigt, dass SNS-Daten in der Lage sind, Ereignisse mit geringer Wahrscheinlichkeit zu analysieren und abnormale phänologische Phänomene aufzudecken.Dies ist äußerst wichtig, um die Verfügbarkeit aromatischer Ressourcen wie Pollen und Nektar das ganze Jahr über oder auch unter unerwarteten Umständen, wie beispielsweise nicht saisonalen Öffnungszeiten, einzuschätzen.

SNS-Daten: Neue Erkenntnisse für die ökologische Forschung

Ein im April dieses Jahres von der Weltorganisation für Meteorologie veröffentlichter Artikel zeigte, dass die globale Durchschnittstemperatur im Jahr 2022 um 1,15 °C höher sein wird als der Durchschnittswert von 1850 bis 1900. Der Mensch nimmt den Klimawandel relativ langsam wahr, Pflanzen reagieren jedoch besonders empfindlich.Unter dem Einfluss der globalen Erwärmung sind nicht nur japanische Kirschblüten, sondern auch blühende Pflanzen in vielen Teilen meines Landes betroffen.

Den Beobachtungsdaten der Universität Wuhan zufolge hat sich die Blütezeit der Kirschblüten an der Universität Wuhan seit den 1960er Jahren deutlich vorverlagert und bricht seit dem Jahr 2000 kontinuierlich Rekorde, wobei sie sich zeitweise von Ende März auf Ende Februar vorverlagerte.

Vor den 1990er Jahren konzentrierte sich die Blütezeit der Pfingstrosen in Heze, Shandong hauptsächlich auf Ende April. Um das Jahr 2010 herum wurde es auf Mitte April vorverlegt. In den letzten Jahren konnte man die Blütezeit der Blumen bereits Anfang April beobachten.

Auch beim Raps ist eine deutliche Tendenz zur Vorverlegung der Blütezeit zu beobachten. In Wuyuan in der Provinz Jiangxi begann die Rapsblüte dieses Jahres am 22. Februar, die Blütezeit erreichte ihren Höhepunkt am 13. März. Vor dreißig Jahren blühte der Raps im Allgemeinen Mitte März.

Einem von Kepios veröffentlichten Bericht zufolge wird die Zahl der Social-Media-Nutzer weltweit im April 2023 4,8 Milliarden erreichen, was 59,91 % der Weltbevölkerung entspricht. Im Durchschnitt verbringt jeder Mensch täglich 2 Stunden und 24 Minuten mit der Nutzung von Social-Media-Anwendungen.Die Generierung riesiger Datenmengen aus sozialen Netzwerken dürfte neue Erkenntnisse für die ökologische Forschung liefern.

Die von den Autoren in diesem Artikel vorgeschlagene SNS-Analysetechnologie kann die fehlenden Teile öffentlicher Daten ergänzen, Forschern helfen, die unterschiedlichen Ausmaße der Auswirkungen des Klimawandels auf Blütenpflanzen zu verstehen und hat eine positive Bedeutung für das Verständnis des Verhaltens wichtiger Bestäuber wie Bienen und Insekten.

Referenzartikel:

[1]https://www.sciencedirect.com/science/article/abs/pii/S0168192320303117

[2]https://link.springer.com/chapter/10.1007/978-4-431-66899-2_8

[3]http://sh.cma.gov.cn/sh/qxkp/qhbh/zhykp/202304/t20230425_5464832.html

[4]https://datareportal.com/social-media-users