Muitas vezes há muito barulho sobre o potencial de projetos de ciência cidadã, mas isso reflete o exagero ou a realidade? Andrew Gaier e Julian Resasco estudaram a contribuição em um artigo intitulado “A adição de observações científicas da comunidade aos registros do museu melhora a modelagem de distribuição de uma planta endêmica rara?" publicado em Ecosphere. Em uma rara derrota para Lei das manchetes de Betteridge, a resposta é sim".

Os cientistas que buscam entender e proteger espécies ameaçadas geralmente desenvolvem modelos que preveem onde uma espécie é mais provável de ser encontrada com base em fatores como clima, terreno e habitat. Esses modelos de distribuição de espécies requerem grandes quantidades de dados sobre onde as espécies foram realmente observadas. Construir modelos precisos pode ser desafiador para espécies raras com registros de observação limitados.

No entanto, o surgimento de plataformas de ciência cidadã oferece novas oportunidades. Aplicativos e sites como o iNaturalist permitem que naturalistas amadores documentem observações de plantas e animais. Embora muitas vezes considerados de qualidade inferior às pesquisas profissionais, esses registros de ciência cidadã podem aumentar significativamente os dados disponíveis para espécies raras e ameaçadas de extinção.

Gaier & Resasco investigaram esta abordagem para o Telesonix jamesii, James's False Saxifrage, uma rara planta de alta altitude com poucas observações documentadas. É uma saxífraga pequena, de até 20 cm de altura, que cresce em fendas em as Montanhas Rochosas do Colorado e Novo México. Sua história natural precisa ser mais bem conhecida, e há alguma incerteza sobre sua distribuição.

O botânico desenvolveu cinco modelos diferentes para prever a distribuição da planta, incluindo modelos estatísticos e algoritmos de aprendizado de máquina. Incorporando registros de ciência cidadã de INaturalista dobrou os dados disponíveis para a espécie.

Os pesquisadores descobriram que um modelo de aprendizado de máquina “floresta aleatória”, treinado em dados de ciência profissional e cidadã, teve o melhor desempenho, com uma precisão de 98% (medida como a pontuação da “área sob a curva”). Todos os principais modelos se basearam fortemente em variáveis ​​climáticas, como temperatura média e precipitação durante a estação de crescimento, sugerindo que esta planta está em risco em um clima mais quente.

A validação dos modelos contra observações independentes também mostrou os benefícios dos dados da ciência cidadã. Os modelos baseados apenas em registros profissionais de museus e herbários tiveram pior desempenho quando comparados com os registros do iNaturalist do que aqueles que incluíram dados do iNaturalist durante o treinamento. Gaier & Resasco escrevem em seu artigo:

Existe uma ampla utilidade potencial para a abordagem de integração de dados mostrada neste estudo para a conservação e manejo de espécies raras. Mostramos que os dados científicos da comunidade podem ser confiáveis ​​e aumentar substancialmente o número de registros utilizáveis ​​aproveitados para modelar distribuições. Tanto os registros do museu quanto os registros do iNaturalist requerem exame para determinar a confiabilidade taxonômica e de localização. O uso do modelo aprimorado de dados do iNaturalist se ajusta apenas ligeiramente. A escolha do algoritmo de modelagem mostrou mais variação em nossos resultados do que a escolha da fonte de dados. Muitas das informações necessárias para modelar com precisão T. jamesii distribuição já foi capturada nos dados do herbário. Portanto, especulamos que essa estrutura pode ser mais útil para uma espécie com mais observações iNaturalistas em novos habitats. É importante considerar que este é um estudo espécie-específico, e maiores percepções podem ser obtidas por meio de uma abordagem multiespécie. Um próximo passo potencial seria avaliar como essa abordagem de integração de dados difere entre espécies que exibem diferentes padrões de raridade (Rabinowitz, 1981). Não obstante essas ressalvas, as informações obtidas de nossas projeções de modelos podem auxiliar na conservação de T. jamesii para apoiar futuras pesquisas direcionadas (Williams et al., 2009), ajudam a identificar as populações em maior risco e preveem como as distribuições podem ser afetadas pelas mudanças climáticas futuras (Franklin, 2013).

Gaier & Resasco 2023 See More

LEIA O ARTIGO

Gaier, AG e Resasco, J. (2023) “A adição de observações científicas da comunidade aos registros do museu melhora a modelagem de distribuição de uma planta endêmica rara?" Ecosphere, 14(3). Disponível em: https://doi.org/10.1002/ecs2.4419.