Georeferenzierungsmuseumsproben mit schlechten Ortsbeschreibungen


10

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.

Geben Sie hier die Bildbeschreibung ein

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.


Hast du von GBIF gehört? gbif.org Möglicherweise hat es bereits das, wonach Sie suchen.
GISKid

@ GISKid Ja, das sind die Daten von GBIF. Leider fehlt den meisten dieser Daten eine gute Georefernung.
Vijay Ramesh

Interessante Frage! Es ist jedoch ein wenig unklar, was Sie tun möchten - die Elemente sind bereits georeferenziert, da sie Standortinformationen enthalten, wenn auch für polygonale Regionen. Könnten Sie bearbeiten und erweitern, wie Sie mit dem Problem der großen Polygone umgehen möchten? Soll es bei einer räumlichen Analyse helfen?
Simbamangu

1
Welche Methode verwenden Sie für Ihr SDM? Und wie groß ist das Untersuchungsgebiet? Abhängig von diesen beiden - ich würde denken, dass ein großer Unsicherheitsbereich den Nutzen eines SDM persönlich verringern würde. Ich würde stattdessen die Daten eliminieren, die ein großes Polygon der Unsicherheit aufweisen, und mich an die Verwendung von Ereignissen halten, die "genauer" sind. Besonders wenn die
Anzahl

2
Es scheint, dass Sie möglicherweise einige Lokalitätsdaten von Fall zu Fall eingrenzen können - z. B. mithilfe von Rasterhöhendaten von 3500 ± 250 Zoll, um innerhalb des Santhapara-Polygons zu maskieren. Ohne "Detektivfähigkeiten" und zusätzliche Daten zu verwenden, müssen Sie den Schwerpunkt des Polygons nicht nehmen - und (aus Erfahrung) ist dies gefährlich! Warum? Jetzt haben Sie , was aussieht wie eine genaue Punktdaten, aber es ist nicht, und dies kann bei Austausch oder Analyseschritte verloren gehen.
Simbamangu

Antworten:


2

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/


Vielen Dank für Ihre Antwort Priscilla. Ich versuche derzeit, historische Landbedeckungskarten und Daten zu erhalten, die Informationen zu Straßen und Gemeinden liefern. Die Hoffnung besteht darin, diese Informationen mit Tags von historischen Museumsexemplaren zu vergleichen, um sie besser georeferenzieren zu können. Obwohl der SDM-Aspekt kein großes Problem darstellt, möchte ich sie wirklich genau georeferenzieren, da ich diese Proben für die genetische Analyse entnehmen möchte. Irgendwelche Gedanken zu letzterem?
Vijay Ramesh
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.