De nombreuses espèces d’oiseaux migrent sur de grandes distances à travers le monde et ce mouvement fait partie intégrante de leur comportement, de leur survie et de leur reproduction. Il est important de comprendre où et quand ils vont, afin que des mesures de conservation efficaces puissent être mises en œuvre, mais il n’est pas possible de suivre des millions d’oiseaux lorsqu’ils voyagent depuis et vers des endroits partout dans le monde. Les oiseaux migrateurs dépendent d’une série prévisible de ressources variant selon les saisons et les régions et sont donc sensibles aux changements globaux du climat et des conditions météorologiques qui sont de plus en plus courants.
Bien que les schémas de déplacement d’oiseaux individuels puissent être déduits de la recapture ou du rétablissement d’oiseaux bagués ou marqués, ces techniques nécessitent beaucoup de main d’œuvre et ne peuvent pas être appliquées à un grand nombre d’oiseaux. De plus, le poids et la forme des dispositifs de suivi les rendent impropres à la plupart des oiseaux, et ils sont souvent trop coûteux pour être utilisés sur plus d’une poignée d’individus.
Cependant, le monde regorge d’ornithologues passionnés qui aiment surveiller et signaler la présence d’oiseaux migrateurs. Par exemple, les scientifiques citoyens contribuent à plus de 200 millions d’observations annuelles d’oiseaux grâce à eBird, un projet géré par le Cornell Lab of Ornithology et des partenaires internationaux. Des ensembles de données comme celui-ci fournissent d’énormes quantités de données sur la présence des oiseaux sur une base hebdomadaire, mais ne suivent pas les individus jusqu’aux points finaux de leurs migrations.
En collaboration avec des informaticiens de l’Université du Massachusetts Amherst, l’équipe de Cornell a développé un nouveau modèle prédictif utilisant ces deux types de données différents sur les mouvements des oiseaux migrateurs. Dans leur article, publié dans la revue Méthodes en écologie et évolutionles scientifiques affirment que leur modèle, appelé BirdFlow, est capable de prévoir avec précision où ira ensuite un oiseau migrateur, l’une des tâches les plus difficiles en biologie.
« Les humains tentent de comprendre la migration des oiseaux depuis très longtemps », a déclaré le professeur Dan Sheldon, auteur principal de l’étude et passionné d’observation des oiseaux. « Mais il est incroyablement difficile d’obtenir des informations précises et en temps réel sur les oiseaux, et encore moins sur leur destination exacte », a noté le dernier auteur de l’étude, Miguel Fuentes.
De nombreux efforts ont été déployés, tant dans le passé qu’en cours, pour marquer et suivre des oiseaux individuels et, bien que les données de cette approche aient produit des informations importantes, elles ne peuvent pas donner une image complète pouvant être utilisée pour prédire les mouvements des oiseaux.
« Il est vraiment difficile de comprendre comment une espèce entière se déplace à travers le continent avec des approches de suivi, car elles vous indiquent les itinéraires suivis par certains oiseaux capturés dans des endroits spécifiques, mais pas comment des oiseaux dans des endroits complètement différents pourraient se déplacer », a déclaré le professeur Sheldon.
Le nouveau modèle combine les données des oiseaux marqués et bagués avec les millions d’observations effectuées par les passionnés d’oiseaux du monde entier via eBird. Il s’agit de l’un des plus grands projets scientifiques existants liés à la biodiversité. La base de données comprend plus d’un milliard d’observations d’oiseaux dans le monde, fournies par des centaines de milliers d’utilisateurs. Il facilite la modélisation de pointe de la répartition des espèces grâce au projet eBird Status & Trends du laboratoire.
« Les données eBird sont étonnantes car elles montrent où se trouvent les oiseaux d’une espèce donnée chaque semaine dans toute leur aire de répartition, mais elles ne suivent pas les individus, nous devons donc déduire les itinéraires que suivent les oiseaux individuels pour mieux expliquer les modèles au niveau de l’espèce. » a expliqué le professeur Sheldon.
Le modèle BirdFlow s’appuie sur la base de données Status & Trends d’eBird et sur ses estimations de l’abondance relative des oiseaux, puis exécute ces informations via un modèle probabiliste d’apprentissage automatique. Ce modèle est optimisé avec des données de suivi GPS et satellite en temps réel afin de pouvoir « apprendre » à prédire où les oiseaux individuels se déplaceront ensuite lors de leur migration. Le modèle est encore en cours de perfectionnement, mais devrait être mis à la disposition des scientifiques d’ici un an, et à terme également accessible au grand public.
Les chercheurs ont testé BirdFlow sur 11 espèces d’oiseaux d’Amérique du Nord, dont la bécasse d’Amérique, la grive des bois et la buse à dos Swainson, et ont découvert que non seulement BirdFlow surpassait les autres modèles de suivi de la migration des oiseaux, mais qu’il prédisait avec précision les flux migratoires. sans les données de suivi GPS et satellite en temps réel, ce qui fait de BirdFlow un outil précieux pour suivre les espèces qui peuvent littéralement passer inaperçues.
Le nouveau modèle permet aux scientifiques de surveiller les mouvements des oiseaux et la manière dont ceux-ci réagissent aux changements climatiques globaux. Rien qu’en Amérique du Nord, on estime que trois milliards d’oiseaux ont été perdus au cours du dernier demi-siècle, ce qui représente près d’un tiers de l’avifaune du continent. Selon les chercheurs, le cadre BirdFlow a le potentiel de « renforcer les connaissances acquises grâce aux études de suivi direct et de remplir un certain nombre de fonctions appliquées dans les domaines de la conservation, de la surveillance des maladies, de l’aviation et de la sensibilisation du public ».
« Les oiseaux subissent aujourd’hui des changements environnementaux rapides et de nombreuses espèces sont en déclin », a déclaré Benjamin Van Doren, co-auteur de l’étude. « Grâce à BirdFlow, nous pouvons unir différentes sources de données et dresser un tableau plus complet des mouvements des oiseaux, avec des applications passionnantes pour guider les actions de conservation. »
—
Par Alison Bosman, Espèces-menacées.fr Rédacteur
0 réponse à “L’apprentissage automatique pourrait résoudre le mystère des mouvements des oiseaux”