AI赋能iNaturalist以空前精确度绘制加州植物分布图

利用来自加州大学伯克利分校的先进人工智能和iNaturalist应用程序的公民科学数据，研究人员开发了迄今为止展示加利福尼亚植物物种分布的一些最详细的地图。

iNaturalist是一款广泛使用的手机应用程序，最初由伯克利加州大学的学生开发，允许人们上传植物、动物或其他任何遇到的生命体的照片及其地理位置数据，并通过群众外包来确定这些生物的身份。目前该应用在全球拥有超过800万用户，他们共上传了超过2亿条观察记录。

研究人员使用了一种名为的人工智能类型卷积神经网络，这是一个深度学习模型将加州植物的公民科学数据与高分辨率数据相关联遥感卫星或飞机拍摄的该州图像。该网络发现了相关性，然后用于预测目前范围为2,221的某项指标。植物种类遍及整个加利福尼亚州，细至几平方米的范围。

植物学家通常通过仔细记录某一区域内的所有植物种类来构建高质量的物种分布图，但这在除少数几个小自然保护区或国家公园之外的地方是不可行的。相反，一种名为Deepbiosphere的人工智能模型利用了来自iNaturalist平台和覆盖整个地球的遥感飞机或卫星的免费数据。只要有足够多的公民科学家提供的观察记录，该模型就可以部署在缺乏详细植物分布和栖息地科学数据的国家中，用于监测植被变化，例如森林砍伐或野火后的再生长。

研究结果被发表9月5日在期刊上美国国家科学院院刊由加州大学伯克利分校整合生物学助理教授莫伊塞斯“Moi”埃克斯波西托-阿尔翁、斯坦福大学计算机科学博士生、本文第一作者劳伦吉列斯皮以及他们的同事撰写。目前，吉列斯皮获得了富布莱特美国学生项目奖学金，旨在使用类似的技术在巴西检测植物多样性的模式。

“在我在巴西的这一年里，我们见证了有记录以来最严重的干旱和有记录以来最严重的火灾季节，” Gillespie 说。“迄今为止，遥感数据能够告诉我们这些火灾发生在何处或哪里的干旱最为严重，借助深度学习方法如 Deepbiosphere 的帮助，很快它将能告诉我们地面上个别物种的情况。”

“那是一个目标——将其扩展到许多地方，”Expósito-Alonso 说道。“现在世界上几乎人人都有智能手机了，所以也许人们会开始拍摄自然栖息地的照片，并且这项工作可以在全球范围内展开。在某个时候，这将使我们在 Google 地图上显示所有物种分布的图层成为可能，这样我们就可以保护它们。这就是我们的梦想。”

除了免费和覆盖地球大部分地区外，遥感数据还比其他信息来源（如区域气候地图，其分辨率通常为几公里）更加详细且更新频率更高。使用公民科学数据与遥感图像相结合——仅用基本的红外图提供图片和温度信息——可以实现对难以追踪的地表变化进行日常监测。

这样的监测可以帮助保护专家发现变化热点或确定亟需保护的物种丰富区域。

“借助遥感技术，几乎每隔几天就会有新的地球图片，分辨率为1米。”Expósito-Alonso说。“这些图像现在使我们有可能实时追踪植物分布的变化、生态系统分布的变化。如果人们在亚马逊的偏远地区砍伐森林，他们无法逃避这种行为——通过这个预测网络会被发现并标记出来。”

埃克波索托-阿尔隆索今年早些时候从斯坦福大学搬到加州大学伯克利分校，他是一名进化生物学家，对植物如何通过基因进化来适应气候变化感兴趣。

“我感到有必要有一个可扩展的方法来了解植物的位置以及它们是如何变化的，”他说。“我们已经知道它们正试图迁移到更凉爽的地区，正努力适应当前所面临的环境。我们实验室的核心部分是理解这些变化及其影响，并且探讨植物是否会进化以适应这些变化。”

在研究中，研究人员通过从AI训练集中排除一些iNaturalist数据来测试Deepbiosphere，然后要求AI模型预测被排除区域中的植物。该AI模型识别物种存在的准确率为89%，而先前方法的准确率仅为27%。他们还将它与其他用于预测加利福尼亚州植物生长位置以及这些植物如何随着温度上升和降雨变化而迁移的模型进行了比较。其中一个模型是最大熵模型在美国自然历史博物馆开发的，使用气候网格和地理参考植物数据的。Deepbiosphere的表现显著优于Maxent。

他们还将Deepbiosphere与该州一些公园创建的详细植物地图进行了对比测试。它在预测加州北部红木国家公园中红杉的位置时准确率为81.4%，并且准确地捕捉到了（R值）²等于2013年优胜美地国家公园里里姆大火造成的烧伤严重程度的0.53倍。

“劳伦提出的这个模型令人难以置信的地方在于，你只需用人们不断通过手机上传的公开数据对其进行训练，就能提取足够的信息来创建高质量的高分辨率地图，”Expósito-Alonso说。“在我们了解了地理影响之后，接下来的问题是：‘植物能否适应？’”

梅根·拉夫利也是斯坦福卡内基科学研究所的合著者。