Une équipe de recherche dirigée par le Centre allemand de recherche intégrative sur la biodiversité (iDiv) et l’Université de Leipzig a développé un algorithme qui analyse les données d’observation de l’application Flora Incognita. La nouvelle approche décrite dans Methods in Ecology and Evolution peut être utilisée pour dériver des modèles écologiques qui pourraient fournir des informations précieuses sur les effets du changement climatique sur les plantes.
On sait que les plantes réagissent aux changements saisonniers par le bourgeonnement, la floraison et la floraison. Alors que le changement climatique risque de modifier ces étapes dites phénologiques du cycle de vie des plantes, l’accès aux données sur les changements phénologiques – provenant de nombreux endroits différents et dans différentes plantes – peut être utilisé pour tirer des conclusions sur les effets réels du changement climatique. . Cependant, mener de telles analyses nécessite une grande quantité de données et une collecte de données à cette échelle serait impensable sans l’aide de scientifiques citoyens. « Le problème est que la qualité des données souffre lorsque moins de personnes s’engagent en tant que scientifiques citoyens et arrêtent de collecter des données », explique la première auteure Karin Mora, chercheuse à l’Université de Leipzig et à iDiv.
Des applications mobiles comme Flora Incognita pourraient aider à résoudre ce problème. L’application permet aux utilisateurs d’identifier des plantes sauvages inconnues en quelques secondes. « Lorsque je prends une photo d’une plante avec l’application, l’observation est enregistrée avec le lieu (exact) ainsi qu’un horodatage », explique la co-auteure Jana Wäldchen de l’Institut Max Planck de biogéochimie (MPI-BGC). qui a développé l’application avec des collègues de la TU Ilmenau. « Des millions d’observations de plantes horodatées provenant de différentes régions ont déjà été collectées. » Bien que les données satellitaires enregistrent également la phénologie d’écosystèmes entiers depuis le ciel, elles ne fournissent pas d’informations sur les processus qui se déroulent sur le terrain.
Les plantes montrent une réponse synchronisée
Les chercheurs ont développé un algorithme qui s’appuie sur près de 10 millions d’observations de près de 3 000 espèces de plantes identifiées entre 2018 et 2021 en Allemagne par les utilisateurs de Flora Incognita. Les données montrent que chaque plante individuelle a son propre cycle quant au moment où elle commence une phase de floraison ou de croissance. En outre, les scientifiques ont pu montrer que le comportement de groupe découle du comportement des individus. À partir de là, ils ont pu déduire des modèles écologiques et étudier comment ceux-ci évoluent avec les saisons. Par exemple, les écosystèmes riverains des rivières diffèrent de ceux des montagnes, où les événements phénologiques commencent plus tard.
L’algorithme tient également compte des tendances observationnelles des utilisateurs de Flora Incognita, dont la collecte de données est loin d’être systématique. Par exemple, les utilisateurs enregistrent davantage d’observations le week-end et dans les zones densément peuplées. « Notre méthode peut automatiquement isoler ces effets des modèles écologiques », explique Karin Mora. « Moins d’observations ne signifie pas nécessairement que nous ne pouvons pas enregistrer la synchronisation. Bien sûr, il y a très peu d’observations en plein hiver, mais il y a aussi très peu de plantes observables pendant cette période. »
On sait que le changement climatique provoque des changements saisonniers : par exemple, le printemps arrive de plus en plus tôt. La manière dont cela affecte la relation entre les plantes et les insectes pollinisateurs et donc potentiellement la sécurité alimentaire fait encore l’objet de recherches plus approfondies. Le nouvel algorithme peut désormais être utilisé pour mieux analyser les effets de ces changements sur le monde végétal.
Cette étude a été financée par la Fondation allemande pour la recherche (DFG ; FZT-118) et l’iDiv Flexpool.
10/07/2024
Comment une application végétale aide à identifier les conséquences du changement climatique
Une équipe de recherche dirigée par le Centre allemand de recherche intégrative sur la biodiversité (iDiv) et l’Université de Leipzig a développé un algorithme qui analyse les données d’observation de l’application Flora Incognita. La nouvelle approche décrite dans Methods in Ecology and Evolution peut être utilisée pour dériver des modèles écologiques qui pourraient fournir des informations précieuses sur les effets du changement climatique sur les plantes.
On sait que les plantes réagissent aux changements saisonniers par le bourgeonnement, la floraison et la floraison. Alors que le changement climatique risque de modifier ces étapes dites phénologiques du cycle de vie des plantes, l’accès aux données sur les changements phénologiques – provenant de nombreux endroits différents et dans différentes plantes – peut être utilisé pour tirer des conclusions sur les effets réels du changement climatique. . Cependant, mener de telles analyses nécessite une grande quantité de données et une collecte de données à cette échelle serait impensable sans l’aide de scientifiques citoyens. « Le problème est que la qualité des données souffre lorsque moins de personnes s’engagent en tant que scientifiques citoyens et arrêtent de collecter des données », explique la première auteure Karin Mora, chercheuse à l’Université de Leipzig et à iDiv.
Des applications mobiles comme Flora Incognita pourraient aider à résoudre ce problème. L’application permet aux utilisateurs d’identifier des plantes sauvages inconnues en quelques secondes. « Lorsque je prends une photo d’une plante avec l’application, l’observation est enregistrée avec le lieu (exact) ainsi qu’un horodatage », explique la co-auteure Jana Wäldchen de l’Institut Max Planck de biogéochimie (MPI-BGC). qui a développé l’application avec des collègues de la TU Ilmenau. « Des millions d’observations de plantes horodatées provenant de différentes régions ont déjà été collectées. » Bien que les données satellitaires enregistrent également la phénologie d’écosystèmes entiers depuis le ciel, elles ne fournissent pas d’informations sur les processus qui se déroulent sur le terrain.
Les plantes montrent une réponse synchronisée
Les chercheurs ont développé un algorithme qui s’appuie sur près de 10 millions d’observations de près de 3 000 espèces de plantes identifiées entre 2018 et 2021 en Allemagne par les utilisateurs de Flora Incognita. Les données montrent que chaque plante individuelle a son propre cycle quant au moment où elle commence une phase de floraison ou de croissance. En outre, les scientifiques ont pu montrer que le comportement de groupe découle du comportement des individus. À partir de là, ils ont pu déduire des modèles écologiques et étudier comment ceux-ci évoluent avec les saisons. Par exemple, les écosystèmes riverains des rivières diffèrent de ceux des montagnes, où les événements phénologiques commencent plus tard.
L’algorithme tient également compte des tendances observationnelles des utilisateurs de Flora Incognita, dont la collecte de données est loin d’être systématique. Par exemple, les utilisateurs enregistrent davantage d’observations le week-end et dans les zones densément peuplées. « Notre méthode peut automatiquement isoler ces effets des modèles écologiques », explique Karin Mora. « Moins d’observations ne signifie pas nécessairement que nous ne pouvons pas enregistrer la synchronisation. Bien sûr, il y a très peu d’observations en plein hiver, mais il y a aussi très peu de plantes observables pendant cette période. »
On sait que le changement climatique provoque des changements saisonniers : par exemple, le printemps arrive de plus en plus tôt. La manière dont cela affecte la relation entre les plantes et les insectes pollinisateurs et donc potentiellement la sécurité alimentaire fait encore l’objet de recherches plus approfondies. Le nouvel algorithme peut désormais être utilisé pour mieux analyser les effets de ces changements sur le monde végétal.
Cette étude a été financée par la Fondation allemande pour la recherche (DFG ; FZT-118) et l’iDiv Flexpool.
Source link
Articles similaires