从部分观察预测物种分布模式

ICLRMar, 2024

Predicting species occurrence patterns from partial observations

Hager Radi Abdelwahed, Mélisande Teng, David Rolnick

TL;DR为了解决生物多样性和气候危机之间的相互联系，我们需要了解物种的分布情况以及这些模式的变化。本研究介绍了使用卫星图像和其他物种的已知数据来预测物种分布模式的问题，并提出了 R-Tran 模型，该模型能够利用局部的观测数据进行预测。研究发现，R-Tran 模型在预测物种遭遇率方面表现优于其他方法，无论是在同一类群（鸟类）内还是跨类群（鸟类和蝴蝶）中。该方法为通过对物种丰富数据进行建模，将洞察力转化到稀缺数据的其他物种中，打开了新的视角。

Abstract

To address the interlinked biodiversity and climate crises, we need an understanding of where species occur and how these patterns are changing. However, observational data on most species remains very limited, a

biodiversity climate crises species occurrence patterns satellite imagery r-tran

发现论文，激发创造

SatBird：借助遥感和公民科学数据的鸟类分布建模

通过从卫星图像预测物种遇到率将鸟类物种与其栖息地进行地图绘制，SatBird 提供了美国地区的卫星数据集，并考虑了夏季（繁殖）和冬季，同时提供了肯尼亚代表性的低数据区域数据集。

Nov, 2023

利用遥感和公民科学数据的鸟类分布建模

应用计算机视觉和遥感数据，以及少量地面公民科学数据，预测物种在美国的分布，拓展全球生态系统属性的可扩展建模方法。

May, 2023

iWildCam 2020 比赛数据集

利用摄像头监控野生动物的数量，使用自动物种分类技术与公民科学数据和遥感数据拓展摄像头在不同地理位置的应用，为此我们提出了一种挑战性分类问题。

Apr, 2020

气候适应：从不平衡卫星数据中可靠地预测