Ich sammle derzeit eine Liste von Exemplaren aus Datenbanken verschiedener Naturkundemuseen für weitere Forschungen. Ein bekanntes Problem im Zusammenhang mit den meisten historischen Daten ist jedoch das Fehlen eines angemessenen Breiten- und Längengrads, der die Verwendung dieser Daten verhindert.
Es gab Möglichkeiten, diese Daten zu überwinden, z. B. einen Puffer um eine Region zu zeichnen und eine Reihe von Unsicherheiten bereitzustellen, die mit diesem Standort verbunden sind.
Zum Beispiel automatisiert die Funktion - Biogeomancer aus dem Paket 'räumlich' in R den Prozess der Georeferenzierung, vorausgesetzt, es gibt einige Textbeschreibungen wie "2 Meilen westlich von XYZ". Siehe Dokumentation hier.
Mein Hauptanliegen ist jedoch die Verwendung eines solchen Protokolls für Regionen mit einer Größe von bis zu 200 Quadratkilometern. Gibt es eine Möglichkeit, dieses Problem zu lösen? Ich würde diesen reichen Fundus an Museumsdaten gerne nutzen, vorausgesetzt, ich kann mit der mit seinem Standort verbundenen Unsicherheit umgehen.
Ein Beispiel für einige Exemplare in meinem Datensatz ist unten dargestellt. Bitte beachten Sie, dass viele von ihnen mit Erwähnungen der Höhe kommen, aber die meisten Aufzeichnungen sind sehr vage.
BEARBEITEN
In den Kommentaren erwähnte einer von Ihnen den Zweck dieser Frage und was ich damit tendenziell erreiche.
1. Ich bin daran interessiert, wie einmal der Unsicherheitsradius von einem wirklich breiten polygonalen Bereich auf einen kleineren Unsicherheitsradius (wenn möglich) reduziert werden kann.
2. Diese Informationen werden mir helfen, zukünftige räumliche Analysen durchzuführen, wie zum Beispiel Artenverteilungsmodellierung / Belegungsmodellierung.
quelle
Antworten:
Berücksichtigen Sie die Daten der Ereignisse und versuchen Sie, eine Karte der Straßen, Eisenbahnlinien, Brücken und Städte (Dörfer, Bahnhöfe) zu erhalten (bauen, georeferenzieren), die zu diesem Zeitpunkt für die Region bekannt oder verfügbar waren, von denen Naturforscher normalerweise abreisten ein bekanntes Dorf und nutzen zumindest teilweise eine vorhandene Straße oder Eisenbahn, um zu den Gebieten zu gelangen, in denen sie die Exemplare erhalten haben. Manchmal reduziert es wirklich den wahrscheinlichen Bereich der Sammlung / des Auftretens. Wenn es weitere ökologische Informationen zu der Art gibt, können Sie Gebiete ausschließen, z. offen gegen Waldgebiete, Feuchtgebiete gegen Trockengebiete, auch mit einigen zusätzlichen Informationen über die historische Verbreitung dieser Ökosysteme.
Obwohl ich diese Standorte definitiv nicht zum Trainieren des SDM-Modells verwenden würde, könnten Sie die Modellergebnisse verwenden, um die Standortunsicherheit dieser stark georeferenzierten Vorkommen in Kombination mit den oben genannten Daten zu verringern.
Einige neuere Veröffentlichungen befassen sich mit dem Verzerrungseffekt dieser unsicheren Standorte und können bei Verwendung zusammengefasster Umweltdaten verwendet werden, um diesen unscharfen Standort zu kompensieren:
Wo ist Positionsunsicherheit ein Problem für die Modellierung der Artenverteilung? https://onlinelibrary.wiley.com/doi/pdf/10.1111/j.1600-0587.2013.00205.x
Quantifizierung des Grads der Verzerrung durch die Verwendung von Daten auf Kreisebene bei der Modellierung der Artenverteilung: Kann eine Erhöhung der Stichprobengröße oder die Verwendung von Kreis-gemittelten Umweltdaten die Überprognose der Verteilung verringern? https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5551104/
quelle