新颖的机器学习方法可生成550种鸟类的详细种群趋势图

康奈尔大学鸟类学实验室的科学家们开发了一种新方法来模拟 500 多种鸟类的数量是增加还是减少。该方法通过考虑收集数据的人们行为的逐年变化，解决了一个棘手的统计问题。其结果是每个物种的详细趋势图，半径可达八英里，这对当地的保护工作来说是一个重大推动。科学家们使用了一种称为双机器学习的方法。详细信息发表在《生态学与进化方法》杂志上。

“改变人类行为给志愿者收集的数据进行统计分析带来了问题，”康奈尔实验室的主要作者 Daniel Fink 解释道。“例如，某个地区的某个特定物种是否真的在减少——或者与过去几年相比，在该鸟喜欢的栖息地进行观察的人数是否减少了?”

当人们采用新工具、更好地识别鸟类或去新地区观鸟时，观鸟行为可能会发生变化。人类行为的变化成为所谓的“混杂”因素。混杂因素会影响正在研究的主要问题并可能扭曲现实。在这种情况下，记录的鸟类丰度的变化可能是真实的，也可能是由于观察过程随时间的变化而出现的假象。

双机器学习应用于康奈尔实验室全球 eBird 计划收集的鸟类观测数据，然后通过详细地图进行可视化。通过双机器学习，可以“学习”两种类型的模式，然后在数据中进行识别。一种模式是报告的鸟类数量的变化。第二种模式反映了观鸟者行为的变化。然后行为模式的影响被消除，只留下实际记录的鸟类丰度的变化。

芬克说：“现在，我们有一种方法来分析这些数据，即使对于没有严格监测计划的物种和/或地区，也可以对种群变化做出可靠的估计。” “在考虑公民科学数据固有的混杂因素的同时估计趋势的能力有可能填补重要的信息空白。”