Le choix de l’éditeur pour notre Numéro d’octobre est ‘Utiliser l’apprentissage automatique pour relier le climat, la phylogénie et la floor foliaire des eucalyptus grâce à une multiplication par 50 des ensembles de données sur les caractéristiques des feuilles‘, par Karina Guo et al.
Feuille ID NSW370638, collectée en 1992 dans le Queensland, en Australie. Herbier nationwide de Nouvelle-Galles du Sud (CC-BY 4.0)
La floor foliaire varie au sein et entre les espèces, et des travaux antérieurs ont lié cette variation à l’environnement et à l’histoire de l’évolution. Cependant, de nombreuses études antérieures ne parviennent pas à examiner ces deux facteurs et sont souvent limitées en données. Pour résoudre ce problème, Karina Guo et al. a développé un nouveau flux de travail utilisant l’apprentissage automatique pour automatiser l’extraction de la floor foliaire des collections d’herbiers d’eucalyptus australiens (Eucalyptus, Angophora et Corymbia). Cet ensemble de données comprenait 136 599 mesures, multipliant par environ 50 les données existantes sur la floor foliaire de ce taxon.
Les chercheurs ont pu confirmer les relations globales positives actuelles entre la floor foliaire et la température et les précipitations annuelles moyennes. De plus, ils sont allés plus loin et ont examiné remark cela évolue au fil du temps. Ils ont constaté qu’il y a environ 5 à 12 tens of millions d’années, dans l’arbre phylogénétique, la pente trait-climat commençait à montrer beaucoup moins de variation.
Dans l’ensemble, l’étude montre le potentiel de l’apprentissage automatique en écologie, avec de nouvelles découvertes potentielles passionnantes liées à son utilisation.
Lire l’article complet en ligne : Utilisation de l’apprentissage automatique pour relier le climat, la phylogénie et la floor foliaire des eucalyptus grâce à une multiplication par 50 des ensembles de données sur les caractéristiques des feuilles
