Descripción del proyecto
Novedosa solución de aprendizaje automático para evaluar el riesgo de extinción
El rápido aumento de la amenaza a la biodiversidad mundial provocado por el cambio climático antropogénico ha hecho que se reclame con urgencia la aplicación de nuevas políticas y acciones para mejorar y ampliar las iniciativas de conservación. Evaluar el riesgo de extinción contemporánea (REC) de las especies es fundamental para cuantificar la crisis de la biodiversidad y orientar las medidas de conservación. Sin embargo, debido a los sesgos taxonómicos, muchos taxones poco estudiados, sobre todo los que habitan en entornos de agua dulce, siguen estando poco evaluados y reciben una protección mínima. El equipo del proyecto PROTECT, financiado por las acciones Marie Skłodowska-Curie, utilizará tecnologías innovadoras como el aprendizaje automático para identificar predictores del REC en hábitats de agua dulce, con especial atención a las especies de «Hydrobiidae». Las iniciativas resultantes permitirán comprender mejor los factores de predicción del REC, mejorar la integración de los marcos de conservación y perfeccionar los métodos de categorización.
Objetivo
"Accurate assessments of species contemporaneous extinction risk (CER) are vital to quantifying the current biodiversity crisis and prioritising conservation efforts. However, the most comprehensive global dataset of CER - the IUCN Red List of Threatened Species - is taxonomically biased due to the lengthy assessment process, leaving understudied taxa, such as those in freshwaters, under no formal PROTECTion. Prediction-based models based on novel machine learning methods enable large-scale automated assessments of CER, reducing data deficits rapidly. The main goal of this project is to identify predictors of CER in freshwater habitats, focusing on the largest family of freshwater gastropods, the Hydrobiidae. First, we will use a deep-learning approach to automatically predict the Red List status of hundreds of hydrobiid species from multiple regions and ecosystems that have not been evaluated yet, basing the predictions on ecological and macroevolutionary data. Second, high-throughput sequencing methods will be conducted for the first time in this taxon to compare microevolutionary diversity with population trends derived from long-term field surveys. Last, by establishing a multifactorial prediction-based method, the project will identify which features (ecological, macro-, microevolutionary or all) are meaningful to inferring CER in freshwater organisms. The implications of this proposal are threefold and relevant to scientific, technological and societal concerns. Our findings may provide a basis for comparing predictors of CER across taxa. They will also open up a more integrative framework for conservation actions, moving beyond species-by-species categorisation. Focussing on the ""Natural Resources, Agriculture & Environment"" area from HORIZON 2021-2027, this project addresses knowledge gaps in species threats and safeguards freshwater resources, illustrating this with understudied taxa."
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
- ciencias naturalesciencias biológicasecologíaecosistemas
- ciencias agrícolasagricultura, silvicultura y pescaagricultura
Para utilizar esta función, debe iniciar sesión o registrarse
Palabras clave
Programa(s)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Régimen de financiación
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsCoordinador
28006 Madrid
España