Understanding the adequacy and representativeness of species distribution data
Notice bibliographique
Résumé
Aim: Species occurrence data provides the basis for any analysis of species distributions, biodiversity patterns and change, and progress towards biodiversity targets. Yet whilst data has grown exponentially over the last decade, there have been no assessments of how representative this growth is, spatially or taxonomically. We provide the first global comparison of all major distribution databases, systematically analyze how biases vary spatially and taxonomically, assess the taxonomic completeness for different regions, and explore where we are and are not seeing representative growth.,Location: Global,Time Period: 2007-2025,Major Taxa Studied: All taxa,Methods: We collated data from all major species distribution and monitoring databases including GBIF, OBIS, BIEN, BioTime, Predicts and the Living Planet. We assessed spatial and taxonomic coverage within each dataset, as well as how data coverage and representativeness has changed over time.,Results: Despite increasing data volumes, most of the world's most biodiverse regions still lack data. Overall, whilst countries such as Japan and South Korea have seen expansions of spatial data coverage by over 60% over the last decade, major parts of the world including North Africa, Central Asia, and the High-Seas have not witnessed comparable growth. Furthermore, growth in these regions is not sufficiently representative, and in some cases is driven by single research projects on a single taxon. Where representative growth has been witnessed it is underpinned by government efforts, whereas growth in many other areas comes from citizen science data.,Main Conclusions: Different databases display different biases, often reflecting different strategies and priorities in data mobilization. Whilst citizen science has increased spatial coverage, this data is dominated by birds, from accessible regions in high-income economies. Overcoming these biases requires efforts to mobilise, consolidate, and standardise existing data, including published data, and museum and government records, emulating the strategies of countries which successfully remedied previous data coverage challenges.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,180 | 0,589 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,012 | 0,013 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,009 | 0,016 |
| Science ouverte | 0,006 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».