UniReport online

Biodiversitäts-„Zeitmaschine“ nutzt KI, um aus der Vergangenheit zu lernen

Sedimentarchive dienen als Basis für das „Zeitmaschinen-Framework“ (Foto: Rhododendrites/CC BY-SA 4.0)

Experten könnten entscheidende Entscheidungen über das zukünftige Biodiversitätsmanagement treffen, indem sie künstliche Intelligenz einsetzen, um aus vergangenen Umweltveränderungen zu lernen. Dies schlägt ein internationales Forscherteam vor, zu dem Dr. Sarah Crawford von der Goethe-Universität Frankfurt gehört.

Das von der University of Birmingham geleitete Team hat ein „Zeitmaschinen“-Konzept vorgeschlagen, das Sedimentarchive aus Wassereinzugsgebieten verwendet, um ursächliche Verbindungen zwischen abiotischem Wandel und systemischem Verlust an Biodiversität, Ökosystemfunktionen und -dienstleistungen herzustellen.

Das Konzept wird Entscheidungsträgern helfen, die Zusammenhänge zwischen Biodiversität, Verschmutzungsereignissen und Umweltveränderungen wie zum Beispiel den Klimawandel vergangener Zeiten zu beobachten und die Auswirkungen zu sehen, die diese Faktoren auf Ökosysteme hatten.

In einem neuen Aufsatz legt das Team dar, wie diese Erkenntnisse genutzt werden können, um die Zukunft von Ökosystemleistungen wie Klimaschutz, Nahrungsmittelversorgung und sauberes Wasser vorherzusagen.

Das Management der Biodiversität bei gleichzeitiger Gewährleistung der Bereitstellung von Ökosystemleistungen ist aufgrund begrenzter Ressourcen, konkurrierender Ziele und der Notwendigkeit wirtschaftlicher Rentabilität ein komplexes Problem. Es ist unmöglich, jede Art zu schützen. Das Konzept bietet eine Möglichkeit, Erhaltungsansätze und Eindämmungsmaßnahmen zu priorisieren.

Die Arbeit stützt sich auf die Expertise von Biologen, Ökologen, Umweltwissenschaftlern, Informatikern und Ökonomen. Sie ist das Ergebnis einer interdisziplinären Zusammenarbeit zwischen der University of Birmingham, dem Alan Turing Institute, der University of Leeds, der University of Cardiff, der University of California Berkeley, der American University of Paris und der Goethe-Universität Frankfurt.

Publication: Niamh Eastwood, William A.Stubbings, Mohamed A. Abou-Elwafa Abdallah, Isabelle Durance, Jouni Paavola, Martin Dallimer, Jelena H.Pantel, Samuel Johnson, Jiarui Zhou, J. Scott Hosking, James B. Brown, Sami Ullah, Stephan Krause, David M. Hannah, Sarah E. Crawford, Martin Widmann, Luisa Orsini: The Time Machine framework: monitoring and prediction of biodiversity loss. Trends in Ecology and Evolution The Time Machine framework: monitoring and prediction of biodiversity loss – ScienceDirect

Quelle: Biodiversity ‘time machine’ uses artificial intelligence to learn from the past (birmingham.ac.uk)

Relevante Artikel

Öffentliche Veranstaltungen