Descrizione del progetto
Una nuova soluzione di apprendimento automatico per la valutazione del rischio di estinzione
Il rapido aumento della minaccia alla biodiversità globale causata dai cambiamenti climatici indotti dall’uomo ha sollecitato urgenti appelli per l’attuazione di nuove politiche e azioni volte a migliorare e sviluppare gli sforzi di conservazione. La valutazione del rischio di estinzione contemporanea delle specie è fondamentale per quantificare la crisi della biodiversità e orientare le misure di conservazione; tuttavia, a causa di distorsioni a livello tassonomico, molti taxa poco studiati, in particolare quelli che abitano gli ambienti d’acqua dolce, ricevono valutazioni inadeguate e una protezione minima. Il progetto PROTECT, finanziato dal programma di azioni Marie Skłodowska-Curie, utilizzerà tecnologie innovative come l’apprendimento automatico al fine di identificare i fattori predittivi del rischio di estinzione contemporanea negli habitat d’acqua dolce, prestando particolare attenzione alle specie di hydrobiidae. Gli sforzi che ne deriveranno aumenteranno la comprensione dei predittori di tale rischio, miglioreranno l’integrazione dei quadri di riferimento per la conservazione e rafforzeranno i metodi di categorizzazione.
Obiettivo
"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."
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP.
- scienze naturaliscienze biologicheecologiaecosistemi
- scienze agricoleagricoltura, silvicoltura e pescaagricoltura
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Parole chiave
Programma(i)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Meccanismo di finanziamento
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsCoordinatore
28006 Madrid
Spagna