Mithilfe Von Computermodellen Und eBird-Datensätzen Prognostiziert UMass Erfolgreich Den Vogelzug

Der Vogelzug ist ein faszinierendes Naturphänomen.Es ist bekannt, dass fast ein Fünftel aller Vogelarten weltweit regelmäßig zum Brüten und Überwintern in andere Vogelarten ziehen. In der Ökologie ist das Studium ökologischer Gesetze, beispielsweise der Vogelzugrouten, von großer Bedeutung für den Schutz gefährdeter Vogelarten, die Erhaltung des ökologischen Gleichgewichts und die Verhinderung der Ausbreitung von Epidemien.

In den letzten Jahren ist die Vorhersage des Vogelzugs aufgrund von Faktoren wie dem globalen Klimawandel und menschlichen Aktivitäten schwieriger geworden. Kürzlich veröffentlichten Miguel Fuentes, ein Doktorand an der University of Massachusetts Amherst, und Benjamin M. Van Doren von der Cornell University in der Zeitschrift Methods in Ecology and Evolution ein neues Wahrscheinlichkeitsmodell namens BirdFlow.Das Modell verwendet Computermodelle und eBird-Datensätze, um die Flugrouten von Zugvögeln genau vorherzusagen.

Papieradresse:

https://besjournals.onlinelibrary.wiley.com/doi/full/10.1111/2041-210X.14052

Die Forscher verwendeten Schätzungen der relativen Häufigkeit, die vom Projekt „eBird Status & Trends“ generiert wurden, um Vogelbewegungen zu simulieren. Dabei gibt es jedoch ein Problem. Informationen zur relativen Häufigkeit in der Vergangenheit können lediglich den Aufenthaltsbereich der Vögel von Woche zu Woche aufzeigen und keine Rückverfolgung einzelner Vögel ermöglichen. Daher konzentrierten sich die Forscher in dieser Studie auf die Lösung dieses Problems.Der Schlüsselprozess ist in der folgenden Abbildung dargestellt:

* Datenvorverarbeitung: Vorverarbeitung der Schätzungen der relativen Häufigkeit zur Erstellung wöchentlicher Populationsverteilungen;

* Verlustfunktion: Gibt eine Verlustfunktion an, die potenzielle Modelle anhand einer wöchentlichen Verteilung und eines Proxys für die Energiekosten bewertet;

* Modellstruktur: Wählen Sie eine Modellstruktur aus;

* Trainiertes Modell: Optimieren Sie die Verlustfunktion durch einen numerischen Prozess, um die besten Modellparameter auszuwählen.

* Validierung: Berechnen Sie die durchschnittliche Log-Likelihood und den PIT-Wert echter Vögel, um das trainierte Modell zu validieren.

BirdFlow-Modellierungsübersicht

Forscher verwenden ebird R hat Schätzungen der relativen Häufigkeit für 11 Vogelarten von eBird Status & Trends heruntergeladen., und für diese 11 Vogelarten lagen GPS- oder Satellitenortungsdaten vor.

eBird-Status und -Trends:

https://science.ebird.org/zh-CN/status-and-trends

Als nächstes definierten die Forscher eine Verlustfunktion,Die Verlustfunktion basiert auf der wöchentlichen Populationsverteilung, die aus eBird Status & Trends abgeleitet wird, den Energiekosten der Vogelbewegungen zwischen Standorten und einem Entropie-Regularisierungsterm.

Vor der Optimierung der Verlustfunktion muss eine Modellstruktur festgelegt werden. Hier haben die Forscher bewiesen, dass es sinnvoll ist, den Optimierungsprozess auf die Suche nur in Markow-Ketten zu beschränken. Daher modellierten sie die Bewegungen der Vögel als Markov-Modell und optimierten es.Beinhaltet die Verwendung von Markov-Ketten-Parametrisierungs- und Optimierungsalgorithmen.

Nach den oben genannten Schritten erhielten die Forscher ein trainiertes Modell.Und es wurden entsprechende Überprüfungen durchgeführt.

BirdFlow-Verifizierungsprozess

Der Verifizierungsprozess gliedert sich in drei Teile:Hyperparameter-Gittersuche, Entropiekalibrierung, k-Wochen-Prognose,Der konkrete Ablauf und die Testergebnisse sind wie folgt.

Hyperparameter-Rastersuche 

Um das Modell zu validieren, führten die Forscher eine Hyperparameter-Rastersuche durch und nutzten die Suchergebnisse, um zwei Fragen zu untersuchen.

Zunächst führten die Forscher eine Ablationsstudie durch.Die Auswirkungen des Entropie-Regularisierungsterms und des Distanzindex auf die Modellqualität wurden untersucht.Die Ergebnisse der Ablationsstudie sind in der folgenden Abbildung dargestellt. Es ist ersichtlich, dass alle BirdFlow-Modelle eine bessere Leistung erbringen als das Basismodell, das nur die relative Häufigkeit von Vögeln berücksichtigt.

zweite,Die Forscher untersuchten die Empfindlichkeit des Modells gegenüber der Auswahl von Hyperparametern mithilfe von zwei Methoden zur Auswahl von Hyperparametern.Die Ergebnisse sind in der folgenden Abbildung dargestellt. Bei den meisten Vogelarten ist die Leistung des Modells mit dem LOO-Parameter (ausgewählt anhand von Validierungs-Tracking-Daten anderer Vogelarten) genauso gut wie die des Modells mit dem optimierten Parameter (unter Verwendung von Validierungs-Tracking-Daten dieser Vogelart). Die Leistung wird als durchschnittliche Log-Likelihood des einwöchigen Übergangs gemessen.

Entropiekorrektur 

Die folgende Abbildung zeigt die Auswirkungen der Entropieregulierung auf die Modellkalibrierung.Das Histogramm der zufälligen Wahrscheinlichkeitsintegraltransformation (PIT) der fünf Versionen des Amerikanischen Waldschnepfenmodells bei unterschiedlichen Entropiegewichten zeigt, wie die trainierten Modelle die Ost-West-Position des Amerikanischen Waldschnepfens im Laufe der Woche vorhersagen.

Wie Sie sehen, sind die Histogramme nahezu konsistent, was darauf hindeutet, dass das Modell gut kalibriert ist.

K-Wochen-Prognose 

Die Abbildungen 5 und 6 zeigen die Modellleistung zu verschiedenen Prognosezeitpunkten (in Wochen). Die Forscher ermittelten die leistungsstärksten Modelle aus einer Hyperparameter-Rastersuche und bewerteten sie über Zeiträume von 1 bis 17 Wochen.Wie dieses beste Modell im Vergleich zum Basismodell abschneidet.

Abbildung 5(a) zeigt die Ergebnisse für jede Vogelart.Es ist ersichtlich, dass sich die Leistung des besten Modells für jeden Vogel mit der Zeit immer mehr dem Basismodell annähert.Abbildung 5(b) zeigt den Lückenvergleich zwischen dem von Woodcock abgestimmten Modell, dem LOO-Modell und dem Basismodell.Es ist ersichtlich, dass die Leistung des abgestimmten Modells und des LOO-Modells während der Vorhersagezeit besser ist als die des Basismodells.

Durch die oben genannten Experimente fanden die Forscher heraus, dass BirdFlow die wöchentlichen Schätzungen der relativen Häufigkeit von eBird nutzen kann, um die Migrationsrouten einzelner Vögel genau abzuleiten. Die Ergebnisse zeigten, dassBirdFlow sagt Ergebnisse viel besser voraus als das Basismodell.

Aufgrund dieses Ergebnisses sind die Forscher der Ansicht, dass neben der Untersuchung des natürlichen Phänomens der Vogelwanderung auchDas BirdFlow-Modell kann auch zur Untersuchung anderer Phänomene verwendet werden.Beispielsweise das Rastverhalten von Vögeln und ihre Reaktion auf den globalen Wandel.

Trotz der Erfolge des BirdFlow-Modells haben einige Forscher in Nordamerika und Europa dessen Verwendung der eBird-Datenbank in Frage gestellt und argumentiert, dass Vogelbeobachtung keine rigorose Methode zur Datenerfassung sei. In diesem Zusammenhang sagten die BirdFlow-Forscher:Das Team erwägt, weitere Daten zu integrieren, wie etwa Satelliten- oder GPS-Daten zur Standortverfolgung von Vögeln.

KI könnte zum Beschützer der Natur werden

Die Entstehung des BirdFlow-Modells bedeutet, dass der Mensch in der Vogelzugforschung eine Abkürzung zum maschinellen Lernen gefunden hat. Obwohl sich die Forschung noch in einem frühen Stadium befindet und von einer praktischen Anwendung, wie etwa im Naturschutz, noch ein weiter Weg entfernt ist, lässt sich aus dieser Forschung zweifellos ein wichtiger Trend erkennen.KI wird im Bereich des Naturschutzes häufig eingesetzt.

PAWS, entwickelt von Forschern der Carnegie Mellon University, kann eine Patrouillenroute für die Polizei erstellen, um Wilderer ins Visier zu nehmen. Merlin, entwickelt von der Cornell University, kann Arten anhand von Vogelgesängen und Bildern identifizieren. und TrailGuard AI, entwickelt von Resolve, kann Wildtiere schützen, indem es Bilder mutmaßlicher Wilderer identifiziert und Alarm auslöst.

Die Bedeutung natürlicher Ökosysteme für den Menschen ist offensichtlich und ihr Schutz ist dringend erforderlich. Mit der ZeitWelche neue Rolle wird KI spielen?Jeder ist herzlich eingeladen, abweichende Gedanken zu äußern und im Kommentarbereich zu diskutieren.