生物多樣性預測的數位孿生

 (https://www.nature.com/articles/s41559-025-02966-3)

 數位孿生是指創建現實世界系統的數位對應物。在生態學中，數位孿生可以理解為基於持續更新的觀測數據，建構物種分佈或生態系狀態的動態更新數字模型。數位孿生最初應用於工程領域，用於模擬和優化物理系統，如今在生物多樣性研究中也日益受到關注，因為它有助於近乎實時地整合數據、模型和專家知識。這種方法有望改善生態預測並支持及時的環境決策。然而，生物多樣性數位孿生（DT）的開發仍然是一個複雜且新興的研究領域，其發展受到自然生態系統複雜性、需要整合異構數據源以及生成和處理實時生物多樣性數據流的技術挑戰等諸多因素的限制。

這篇論文利用芬蘭的一個大型數據集，展示了即使是無法自行識別鳥類的公民也能為鳥類分佈的即時預測做出貢獻。研究透過數位孿生模型實現了這一點，該模型將基於智慧型手機的公民科學數據與長期累積的知識相結合，並持續更新。該應用程式將原始音訊提交給後端，後端利用機器學習對鳥類進行分類，從而降低數據品質的波動，並透過不斷改進分類器來實現驗證和重新分類。研究還透過間隔錄音和永久性定點計數網路來抵消時空採樣偏差。兩年多來，該應用程式產生了1500萬條鳥類檢測記錄。獨立測試數據表明，基於數位孿生模型的鳥類時空分佈預測更為準確。由於研究的方法具有高度可擴展性，並且即使在研究不足的地區也有潛力產生生物監測數據，因此它可以加快可靠的生物多樣性資訊的流動，並提高公民科學計畫的包容性。