Informatiker der University of Massachusetts Amherst haben in Zusammenarbeit mit Biologen des Cornell Lab of Ornithology kürzlich in der Zeitschrift veröffentlicht Methoden in Ökologie und Evolution ein neues Vorhersagemodell, das in der Lage ist, genau vorherzusagen, wohin ein Zugvogel als Nächstes ziehen wird – eine der schwierigsten Aufgaben in der Biologie. Das Modell heißt BirdFlow, und während es noch verfeinert wird, sollte es Wissenschaftlern innerhalb eines Jahres und schließlich der breiten Öffentlichkeit zur Verfügung stehen.
„Die Menschen versuchen schon seit langem, den Vogelzug zu verstehen“, sagt Dan Sheldon, Professor für Informations- und Informatik an der UMass Amherst, leitender Autor der Studie und begeisterter Hobby-Vogelbeobachter. „Aber“, fügt Miguel Fuentes, Hauptautor der Abhandlung und Doktorand der Informatik an der UMass Amherst, hinzu, „es ist unglaublich schwierig, präzise Echtzeitinformationen darüber zu erhalten, welche Vögel sich wo aufhalten, ganz zu schweigen davon, wo genau sie sich befinden.“ gehen. ”
Es wurden viele Anstrengungen unternommen, sowohl in der Vergangenheit als auch im Gange, einzelne Vögel zu markieren und zu verfolgen, was zu unschätzbaren Erkenntnissen geführt hat. Aber es ist schwierig, Vögel in ausreichend großer Zahl physisch zu markieren – ganz zu schweigen von den Kosten eines solchen Unterfangens – um ein ausreichend vollständiges Bild zu erstellen, um Vogelbewegungen vorhersagen zu können. „Es ist wirklich schwer zu verstehen, wie sich eine ganze Art mit Tracking-Ansätzen über einen Kontinent bewegt“, sagt Sheldon, „weil sie Ihnen die Routen mitteilen, die einige an bestimmten Orten gefangene Vögel genommen haben, aber nicht, wie sich Vögel an völlig anderen Orten bewegen könnten.“
Holzdrossel, Copyright Clara Coen, aus der Surfbirds-Galerie
In den letzten Jahren hat die Zahl der Bürgerwissenschaftler, die Sichtungen von Zugvögeln verfolgen und melden, explosionsartig zugenommen. Vogelbeobachter auf der ganzen Welt tragen über eBird, ein Projekt, das vom Cornell Lab of Ornithology und internationalen Partnern verwaltet wird, zu mehr als 200 Millionen Vogelbeobachtungen pro Jahr bei. Es ist eines der größten existierenden wissenschaftlichen Projekte im Zusammenhang mit Biodiversität und hat Hunderttausende von Benutzern, die eine hochmoderne Modellierung der Artenverteilung durch das eBird Status & Trends-Projekt des Labors ermöglichen. „Die eBird-Daten sind erstaunlich, weil sie zeigen, wo sich Vögel einer Art jede Woche in ihrem gesamten Verbreitungsgebiet aufhalten“, sagt Sheldon, „aber sie verfolgen keine Individuen, also müssen wir die Routen ableiten, die einzelne Vögel nehmen, um die Art am besten zu erklären -Level-Muster.”
BirdFlow stützt sich auf die Status & Trends-Datenbank von eBird und ihre Schätzungen der relativen Vogelhäufigkeit und lässt diese Informationen dann durch ein probabilistisches maschinelles Lernmodell laufen. Dieses Modell ist mit Echtzeit-GPS- und Satellitenverfolgungsdaten abgestimmt, sodass es „lernen“ kann, vorherzusagen, wohin sich einzelne Vögel während ihres Zugs als nächstes bewegen werden.
Die Forscher testeten BirdFlow an 11 nordamerikanischen Vogelarten – einschließlich des amerikanischen Spechts, der Drossel und des Swainson-Habichts – und stellten fest, dass BirdFlow nicht nur andere Modelle zur Verfolgung des Vogelzugs übertraf, sondern auch Zugbewegungen genau vorhersagen konnte ohne GPS- und Satellitendaten für die Verfolgung in Echtzeit, was BirdFlow zu einem wertvollen Werkzeug für die Verfolgung von Arten macht, die buchstäblich unter dem Radar fliegen können.
“Vögel erleben heute schnelle Umweltveränderungen, und viele Arten gehen zurück”, sagte Benjamin Van Doren, Postdoktorand am Cornell Laboratory of Ornithology und Mitautor der Studie. “Mit BirdFlow können wir unterschiedliche Datenquellen vereinheitlichen und ein vollständigeres Bild der Vogelbewegungen zeichnen”, fügt Van Doren hinzu, “mit spannenden Anwendungen zur Lenkung von Naturschutzmaßnahmen.”