Muy BIEN: Next steps in a global workflow for integrating plant botanical observations
Notice bibliographique
Résumé
This is my talk given at the 2018 Ecological Society of America meeting in New Orleans, USA. This talk was part of a symposium ' SYMP 9: Ecoinformatics Advances: Building Technosocial Systems for Open Data and Big Science' Wednesday, August 08, 2018 https://eco.confex.com/eco/2018/meetingapp.cgi/Session/14041 https://eco.confex.com/eco/2018/meetingapp.cgi/Paper/70083 Muy BIEN: Next steps in a global workflow for integrating plant botanical observations Brian J. Enquist1, Cory Merow2, Brian J. McGill3, Brad Boyle4, Nathan Casler5, Xiao Feng6, Brian S. Maitner1, Jeanine McGann7, Daniel Park8, Patrick Roehrdanz9 and Lee Hannah10, (1)Ecology and Evolutionary Biology, University of Arizona, Tucson, AZ, (2)Department of Ecology and Evolutionary Biology, Yale University, New Haven, CT, (3)School of Biology and Ecology / Mitchell Center for Sustainability Solutions/Mitchell Center for Sustainability Solutions, University of Maine, Orono, ME, (4)Ecology and Evolutionary Biology Department, University of Arizona, Tucson, AZ, (5)Planet Labs, San Francisco, (6)Ecology and Evolutionary Biology, University of Arizona, AZ, (7)Dept. of Ecology and Evolutionary Biology, University of Arizona, Tucson, AZ, (8)Organismic and Evolutionary Biology, Harvard University, Cambridge, MA, (9)Conservation International, Washington DC, DC, (10)Conservation International, Washington DC Background/Question/MethodsOur goal is to develop, and make freely available, a generic pipeline capable of (i) linking biodiversity occurrence data to species ranges and (ii) forecasting and hindcasting those distributions. While such links for one or a few species is now trivial (indeed a few lines of code is all that is needed), scaling these computations to forecast species distributions 1000s or 100,000s of species remains logistically prohibitive for most researchers. A lack of appropriate tools and a failure to combine tools into an integrated pipeline prevent such scaling. Key challenges include: 1) appropriately scrubbing data to remove taxonomic and geographic errors, 2) identifying clear best practice methods for range modelling applicable across diverse species, 3) innovating range modelling methods that integrate diverse data such as presence only museum collections and abundance-based plot data 4) scaling computationally-intensive range modelling in an HPC environment, and 5) placing the outputs of the products in a phylogenetic context, which is increasingly important to conservation efforts. The talk will focus on our progress toward developing such a pipeline using the Botanical Information and Ecology Network (BIEN) , which has assembled a database of 110,000,000 observations of 300,000+ species of plants and the new world. The BIEN project provides a pre-existing user community spanning museum directors, plot ecologists, trait data, and biodiversity scientists.Results/ConclusionsThe BIEN project contains enough data and ecoinformatics tools to demonstrate scalability, and is used to test key assumptions in conservation biology about the phylogenetic conservatism of species climatic niches and the geographic constancy of diversity hotspots over time.The ongoing research is striving to contribute to (i) scientific infrastructure through the development of a scientific codebase for integrating and standardizing heterogeneous sources of observation data in biodiversity science and (ii) to the production of high-quality species ranges from primary biodiversity data. Refinements of the BIEN pipeline will further the development and enable the public release of a massive and freely accessible database compiling occurrence, community, phylogeny, and trait data for all plants. These products are increasingly becoming available online and will benefit both basic and applied research in biodiversity science particularly in conservation and application to citizen science.
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 | 0,018 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,009 | 0,013 |
| Science ouverte | 0,006 | 0,015 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,039 | 0,028 |
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 ».