Un algoritmo identifica miles de nuevas plantas amenazadas
El modelo también ha puesto de manifiesto varias tendencias geográficas importantes, como que las especies en riesgo tienden a agruparse en áreas ya conocidas por su alta biodiversidad nativa
La Lista Roja de Especies Amenazadas de la Unión Internacional para la Conservación de la Naturaleza (UICN) es una herramienta poderosa para contener la pérdida de especies en todo el mundo.
Pero agregar una sola especie a la lista no es tarea fácil, ya que exige innumerables horas de investigación costosa, rigurosa y altamente especializada.
Como resultado de estas limitaciones, un gran número de especies conocidas aún no han sido evaluadas formalmente por la UICN y clasificadas en una de las cinco categorías , desde la de «menor preocupación» hasta la de «peligro crítico» de extinción. Este déficit es bastante evidente en las plantas: solo alrededor del 5% de todas las especies de plantas conocidas actualmente aparecen en la Lista Roja de la UICN.
Un nuevo método desarrollado conjuntamente por Anahí Espíndola, profesor asistente de Entomología en la Universidad de Maryland (Estados Unidos), utiliza el poder del aprendizaje automático y los datos de acceso abierto para predecir las especies que podrían ser candidatas a entrar en la Lista Roja de la UICN.
El equipo de investigación creó y entrenó un algoritmo de aprendizaje automático para evaluar más de 150.000 especies de plantas de todos los rincones del mundo, haciendo de su proyecto una de las evaluaciones más grandes de riesgos de conservación hasta la fecha. De acuerdo con los resultados, más del 10% de estas especies es «altamente probable» que se clasifique en el apartado de riesgo de la UICN.
El algoritmo es un modelo predictivo que se puede aplicar a cualquier agrupación de especies en cualquier escala, desde todo el mundo hasta un solo parque de la ciudad . Espíndola y sus colegas detallan sus hallazgos en un artículo que se publica en la edición digital de este lunes de la revista Proceedings of the National Academy of Sciences.
El algoritmo ayudará a los gestores a decidir dónde dedicar los limitados recursos para la conservación de especies, sobre todo en regiones poco estudiadas
«Nuestro método no pretende reemplazar las evaluaciones formales que utilizan los protocolos de la UICN. Es una herramienta que puede ayudar a priorizar el proceso , al calcular la probabilidad de que una determinada especie esté en riesgo», dice Espíndola. «En última instancia, esperamos que ayude a los gobiernos a decidir dónde dedicar los limitados recursos para la conservación. Esto podría ser especialmente útil en las regiones que están poco estudiadas», añade.
Espíndola y sus colaboradores construyeron su modelo predictivo utilizando datos de acceso abierto de la Instalación de Información de Biodiversidad Global (GBIF , por sus siglas en inglés) y la Base de Datos de Características de las Plantas TRY .
Mapa
Espíndola y sus colegas trazaron un mapa de los datos y señalaron varias tendencias geográficas importantes en las predicciones del modelo. Las especies en riesgo tendían a agruparse en áreas ya conocidas por su alta biodiversidad nativa, como las selvas tropicales de América Central y el suroeste de Australia. El modelo también señala regiones como California y el sureste de Estados Unidos, que albergan una gran cantidad de especies endémicas, lo que significa que estas especies no se encuentran naturalmente en ningún otro lugar de la Tierra.
El modelo también identificó algunas áreas sorprendentes que no son conocidas por su biodiversidad, como la costa sur de la península Arábiga , por tener un alto número de especies en riesgo. Algunas de las regiones más en peligro no han recibido suficiente atención de los científicos, según Espíndola.
Noticias relacionadas
