Чтобы эффективно защищать биоразнообразие в эпоху изменения климата, экологи сначала должны знать, где находятся виды животных и растений, а затем быть в состоянии предсказать, какие места обитания будут доступны для них в будущем. Чтобы помочь им в решении этих задач, ученые используют модели распространения видов, которые определяют места обитания видов на основе данных наблюдений и климатических сценариев.

Проблема в том, что эти модели часто сильно ограничены. Они часто не позволяют учесть неопределенность: если вид описан недостаточно хорошо, если соответствующие климатические условия плохо изучены или если модель просто не очень точна, то модели, как правило, оказываются неточными.

Поэтому, когда они используются для определения государственной политики или оценки эффективности принятия решений, становится крайне важным определить, когда их прогнозы могут оказаться ошибочными. Это методологическая проблема, которую рассматривает Тимоти Пуазо, профессор факультета биологических наук Университета Монреаля.

В исследовании, опубликованном в журнале Advances in Ecological Research, он адаптирует хорошо зарекомендовавший себя метод машинного обучения, который еще не использовался в исследованиях биоразнообразия, - конформное прогнозирование — чтобы предложить новый подход к отображению неопределенности сценариев биоразнообразия.

Как? Используя данные наблюдений довольно необычного (и причудливого) вида: снежного человека (также известного как саскватч), крупного, волосатого мифического существа, которое, как говорят, обитает в лесах Северной Америки, особенно на северо-западе Тихого океана.

Продолжение