PNAS | 人工智能+公众科学+遥感影像：实现“物种+米级”水平的植物多样性监测

文章预览

写在前面 植物多样性正面临着全球性威胁，气候变化和人类活动导致了物种分布的迅速改变（ Newbold et al. 2016 ）。随着栖息地破坏加剧和全球气温升高，物种迁移速度越来越快（ Parmesan & Yohe 2003 ）。然而，当前的技术手段难以在时间和空间上高精度地监测这些变化。近期 PNAS 上发表的一篇文章以“人工智能 + 公众科学 + 遥感影像”多相结合的方式，进行了快速、高精度植物多样性监测的新探索。文章题目为 Deep learning models map rapid plant species changes from citizen science and remote sensing data 。研究人员来自斯坦福大学和加州大学。 文章简介 本研究以美国加州为研究区域。使用了该区域内 65 万余条公众科学数据（主要来自 iNaturalist ），覆盖了 2221 种维管束植物（ 878 个属、 253 个科）。研究人员首先从全球生物多样性信息机构（ GBIF ）中筛选出高质量的观 ………………………………