Экология, 2021, № 1, стр. 3-11
Возможности использования данных глобального портала о биоразнообразии GBIF в экологических исследованиях
Н. В. Иванова a, *, М. П. Шашков a, b
a Институт математических проблем биологии — филиал Института прикладной математики
им. М.В. Келдыша РАН
142290 г. Пущино, ул. проф. Виткевича, 1, Россия
b Институт физико-химических и биологических проблем почвоведения РАН – ФИЦ ПНЦБИ РАН
142290 г. Пущино, ул. Институтская, 2, Россия
* E-mail: Natalya.dryomys@gmail.com
Поступила в редакцию 14.04.2020
После доработки 23.05.2020
Принята к публикации 04.06.2020
Аннотация
Глобальный портал GBIF является крупнейшим источником открытых научных данных о биоразнообразии России – на май 2020 г. стало доступно >4.3 млн записей о находках видов, среди них наиболее многочисленны сведения о находках сосудистых растений (>1.9 млн) и встречах птиц (>900 тыс.). Репрезентативность данных для остальных таксономических групп и большинства регионов страны пока остается низкой, хотя объем доступной информации продолжает увеличиваться за счет мобилизации данных научных коллекций и личных архивов исследователей, а также систем любительских наблюдений iNaturalist и eBird. Доступные через GBIF сведения представляют большой интерес для экологов, работающих с методами моделирования пространственного распространения видов. Однако существующие пробелы в данных для территории России ограничивают возможности их повторного использования, а для получения корректных результатов необходимо привлечение дополнительных источников информации.
Развитие информационных технологий привело к появлению нового подхода в проведении научных исследований, в рамках которого решение прикладных и фундаментальных задач основано не на результатах новых наблюдений или экспериментов, а на анализе массивов ранее собранных данных, полученных из разных источников. Это позволяет не только проводить исследования макрорегионального и глобального охвата, но и повышает их эффективность за счет повторного использования данных [1]. В области биологического разнообразия существует множество глобальных и региональных проектов, обобщающих сведения о распространении видов и предоставляющих к ним открытый доступ [2–6]. В России инициативы, направленные на обобщение и/или анализ объединенных данных, пока единичны [7], хотя в последние годы объем открытых данных о биоразнообразии значительно возрос [8], преимущественно в результате оцифровки отечественных научных биологических коллекций [9–11].
В настоящей работе описаны возможности использования данных глобального портала GBIF в экологических исследованиях с учетом представленности информации для территории РФ.
МИРОВЫЕ ТЕНДЕНЦИИ В ОБЛАСТИ УПРАВЛЕНИЯ ЦИФРОВЫМИ ДАННЫМИ О БИОРАЗНООБРАЗИИ
По мере развития информационных технологий и накопления опыта работы с цифровыми данными о биоразнообразии в научной среде формируется представление о том, что исходные полевые данные сами по себе являются научным продуктом. Будучи собранными один раз, они должны быть многократно использованы для анализа в составе объединенных массивов. В рамках этого подхода широкое развитие получила FAIR-концепция [12], согласно которой массивы данных должны быть легко обнаружимыми через Интернет (Findable), доступными для исследователей (Accessible), совместимыми (Interoperable) друг с другом и используемыми многократно (Reusable). FAIR-концепция предполагает, что данные необходимо хранить в надежных репозиториях, в формате, понятном не только компьютеру, но и человеку, однозначно указывать их авторов и правила повторного использования (лицензию).
Разработка стандартов, методов и инструментов для оцифровки, хранения и управления данными о биоразнообразии является динамично развивающейся областью мировой науки [13, 14], получившей название “информатика биоразнообразия” (Biodiversity informatics) [15]. Одна из ключевых задач, решаемых в этом направлении, — мобилизация накопленных данных о биоразнообразии, т.е. обеспечение свободного доступа к ним через сеть Интернет.
Крупнейшим ресурсом, предоставляющим доступ к открытым интегрированным данным о находках биологических видов, сегодня является Глобальный портал о биоразнообразии GBIF.org (Global Biodiversity Information Facility) [3, 14, 16]: в мае 2020 г. было доступно >1.4 млрд. записей о находках >4.5 млн видов, организованных в >52 тыс. наборов данных. GBIF — это распределенная инфраструктура, состоящая из сети взаимосвязанных национальных “узлов” (national nodes) стран-участниц и таких крупных международных сообществ, как Европейское агентство по окружающей среде (European Environment Agency), рабочая группа Сохранение флоры и фауны Арктики (Conservation of Arctic Flora and Fauna, CAFF) и др. Благодаря использованию общих стандартов представления данных, портал GBIF индексирует содержимое многих тематических информационных систем (табл. 1).
Таблица 1.
Информационная система | Общее число записей | Из них для территории России | Экспорт данных в GBIF |
---|---|---|---|
GBIF https://www.gbif.org | 1 410 467 770 | 4 328 442 | |
iDigBio — портал цифровых научных коллекций https://www.idigbio.org | 121 428 342 | 171 310 | Да |
eBird — сеть любительских наблюдений за птицами https://ebird.org | 561 852 542 | 171 034 | Да |
OBIS — информационная система о распространении морских видов https://obis.org | 58 920 363 | 57 344 | Да |
Сеть любительских наблюдений iNaturalist https://www.inaturalist.org | 36 418 528 | 623 050 | Да |
VertNet — информационная система о позвоночных животных http://www.vertnet.org | 21 580 767 | 17 989 | Нет |
Canadensys — информационная система о канадских биологических коллекциях https://community.canadensys.net |
5 816 085 | 4499 | Да |
Edaphobase — почвенно-зоологическая информационная система https://portal.edaphobase.org | 373 877 | 1383 | Да |
Через портал GBIF для повторного использования доступны метаданные (структурированные описания) наборов данных (resource metadata), таксономические списки для определенных территорий или групп организмов (checklist data), данные о находках видов (occurrence data), а также данные описаний, учетов или сборов, выполненных на пробных площадях, маршрутах или трансектах (sampling-event data). Интерес для экологов представляют прежде всего сведения о находках видов, имеющие точные географические координаты, содержащиеся в occurrence и sampling-event наборах данных. Сведения о методах проведения исследований и оценке обилия видов, обнаруженных на учетных площадях (маршрутах, трансектах), доступны только в sampling-event наборах данных, содержащих первичные сведения каждого учета как единого целого, что открывает возможности для последующего сопоставления результатов, полученных одинаковыми методами на разных территориях и/или в разное время. Сегодня sampling-event данные еще мало востребованы для комплексного повторного анализа. Как правило, исследователи используют только сведения о точках находок видов, учтенных в сборах или описаниях. На наш взгляд, это связано с тем, что sampling-event формат представления данных в GBIF появился всего несколько лет назад, и объем опубликованной информации (всего чуть менее 1.5 тыс. наборов данных, или ~3% от их общего числа) пока не позволяет проводить корректные сопоставления результатов. Например, набор данных о растительности Дании [20] содержит 675 000 геоботанических описаний, выполненных с 1868 г. по 2017 г. С момента его публикации в GBIF эти данные использованы в 106 научных статьях, посвященных в основном анализу экологических особенностей отдельных видов.
Открытая публикация первичных данных в GBIF способствует повышению эффективности научных исследований, создавая условия для оптимизации анализа и оценки качества данных, делает возможным проверку и оценку результатов исследований, тем самым противодействуя фальсификациям. Правила использования всех опубликованных данных однозначно описываются лицензиями Creative Commons. Каждому опубликованному в GBIF набору данных присваивается уникальный идентификатор цифрового объекта — DOI (Digital Object Identifier), что позволяет защитить результаты интеллектуальной деятельности авторов.
ИСПОЛЬЗОВАНИЕ ДАННЫХ ПОРТАЛА GBIF В НАУЧНЫХ ИССЛЕДОВАНИЯХ
Согласно статистике глобального портала, с 2003 г. в рецензируемых научных журналах вышло 4429 статей, содержащих результаты анализа объединенных данных, полученных через GBIF, и число таких публикаций возрастает с каждым годом (рис. 1). Начиная с 2017 г. каждый день в мире выходит в среднем 2 научные статьи, основанные на анализе данных GBIF. Ежегодно Секретариат GBIF публикует обзоры, в которых представлены наиболее значимые статьи.
Нами проанализированы публикации из обзоров 2017–2019 гг. (всего более 240 статей) [18–20]. Обнаружено, что в работах экологической тематики данные GBIF чаще всего используются для моделирования пространственного распространения отдельных видов или групп видов. Современные модели позволяют учитывать не только абиотические факторы, но и конкуренцию между видами, а также комплекс других биотических взаимодействий, что делает их мощным инструментом анализа экологических данных [21 и цитируемые работы]. Сведения портала GBIF позволяют проводить такие исследования не только на региональном, но и глобальном уровнях благодаря большому объему доступных данных о точках находок видов. Например, D. Righetti et al. [22] построены глобальные модели видового разнообразия сообществ фитопланктона, учитывающие влияние температуры и некоторых других абиотических факторов. Основой исследования стали 1 056 363 записи о находках 1298 видов, полученных из открытых источников, в т.ч. портала GBIF и информационной системы OBIS [2].
Построение моделей распространения видов на основе данных GBIF позволяет решать актуальные задачи в различных областях экологической науки. Важным направлением является оценка влияния глобальных изменений климата на распространение видов. Так, M.K. Dyderski et al. [23] с использованием более 1.8 млн записей GBIF построены модели распространения 12 европейских видов деревьев при разных сценариях изменения климата и выделены виды, ареалы которых могут значительно сократиться. B.R. Ribeiro et al. [24] разработали стратегию сохранения млекопитающих в бассейне р. Амазонка с учетом изменений климата. На основе данных GBIF ими построены модели экологических ниш 256 видов и выявлены территории с высоким и низким рисками исчезновения целевых видов.
GBIF является важным источником данных для модельного изучения факторов, способствующих расселению инвазивных видов. Например, C.S. Jarnevich et al. [25] исследованы факторы, влияющие на распространение инвазивного злака Cenchrus ciliaris L. в глобальном масштабе и в региональном — в национальном парке Сагуаро (Аризона, США). Выяснено, что глобальное распространение в большей степени лимитируется зимними температурами, в то время как на локальном уровне более важен фактор крутизны склона. L. Cardador и T.M. Blackburn [26] по данным GBIF построены модели распространения 776 чужеродных видов птиц и показано, что близость населенных пунктов является важным стимулом расширения их ареалов.
Особенно актуальна сегодня практическая задача в области экологии человека, которую позволяют решить данные GBIF, — это оценка рисков распространения опасных заболеваний на основе модельных прогнозов ареалов их переносчиков. Например, C.L. Moyes et al. [27] показано, что риски заражения малярией в Малайзии выше в районах с интенсивным лесопользованием. D.M. Pigott et al. [28] на основе модельной оценки распространения переносчиков лихорадки Эбола в Западной Африке выделили страны, наиболее подверженные риску заражения.
Очевидно, что все эти исследования были бы невозможны без использования объединенных данных портала GBIF. В то же время надежность полученных результатов зависит от объема доступных сведений о находках видов, а репрезентативность данных GBIF значительно различается для разных регионов [16]. Поэтому на следующем этапе нами проанализирована представленность информации, доступной через глобальный портал для территории России.
ДАННЫЕ О БИОРАЗНООБРАЗИИ РОССИИ, ДОСТУПНЫЕ ЧЕРЕЗ GBIF
На 2 мая 2020 г. в GBIF для территории России доступны сведения о 4 328 442 находках видов, из которых 2 523 014 записей (58.3%) опубликованы отечественными исследователями, 3 677 733 записи (84.9%) имеют географические координаты. Значительный объем данных происходит из США (606 412 записи), Великобритании (229 330), Эстонии (177 865) и Нидерландов (111 889).
Число записей о находках растений (Plantae) несколько выше, чем животных (Animalia), — 49.4 и 41.7% соответственно (см. табл. 1). Сведения о сосудистых растениях (Tracheophyta) составляют 93.1% от всех данных о Plantae, 1 593 964 записи имеют географические координаты. Из 10 крупнейших наборов данных о сосудистых растениях России 8 опубликованы отечественными исследователями. Более половины находок сосудистых растений (55.0%) происходят из четырех наборов данных: 1) “Цифровой гербарий МГУ им. М.В. Ломоносова” — 376 127 геопривязанных записей [29]; 2) “Наблюдения “исследовательского” уровня системы iNaturalist” [6] — 247 108 геопривязанных записей [30]; 3) “Находки видов из “Флоры Сибири” (1987–1997 гг.)” — 169 854 геопривязанные записи [31]; 4) “Сеточное картографирование сосудистых растений Владимирской области” — 123 054 геопривязанные записи [32].
Данные о растениях в формате sampling-event для территории России весьма ограничены. Отечественными исследователями опубликованы всего 4 набора данных этого типа, 3 из которых представляют собой геоботанические описания. В то же время в Европейском архиве данных о растительности EVA [33] хранится >46 000 геоботанических описаний российских исследователей. Доступ к ним возможен только с разрешения авторов данных. Публикация этих описаний в открытом репозитории GBIF могла бы способствовать их более интенсивному повторному анализу и значительно повысить репрезентативность информации в масштабах страны.
Анализ пространственного распределения данных о находках сосудистых растений показал, что более высокая плотность записей отмечается в центре Европейской России: в Москве (24.6 записи/км2), Владимирской (5.3) и Московской (2.7) обл. (рис. 2а). По мере удаления от Москвы плотность записей уменьшается, но затем несколько увеличивается в южных субъектах РФ. Так, в Республике Адыгея она составляет 1.3 записи/км2, в Республике Крым — 1.2, в г. Севастополе — 14.5. В азиатской части страны плотность записей низкая: в Республике Алтай отмечено 0.4 записи/км2, в Бурятии — 0.3, в Приморском крае — 0.2, еще меньше в других субъектах Урала, Сибири и Дальнего Востока. В целом в 76 из 85 субъектов РФ плотность записей о находках сосудистых растений на 1 км2 составляет <1. При этом важно отметить, что по абсолютному числу записей объем информации для азиатской части России весьма значителен и составляет 563 638 (34.3% от всех имеющихся).
Чуть более половины (51.9%) данных о находках животных на территории России, доступных через GBIF, происходит из зарубежных источников (табл. 2). Среди них наиболее представлены данные о встречах птиц (Aves), 71.6% которых опубликованы российскими исследователями. Крупнейший набор данных — “Онлайн дневники наблюдений птиц” Зоологического музея МГУ им. М.В. Ломоносова [34], содержащий 331 393 записи с географическими координатами находок птиц в России. Значительный объем данных происходит из международных сетей любительских наблюдений eBird [6, 33] и iNaturalist [28], а также “Атласа гнездящихся птиц Европы” [35]. Таким образом, доступные через GBIF данные о встречах птиц в России собраны в основном любителями, а не профессиональными орнитологами. В то же время российскими учеными накоплен большой объем данных учетов птиц. В большинстве своем эти сведения остаются неоцифрованными и хранятся в личных архивах. В GBIF российскими исследователями опубликовано только 3 набора первичных данных учетов птиц.
Таблица 2.
Таксономическая группа | Число записей, доступных через GBIF.org | ||
---|---|---|---|
всего | из них для территории России | из них опубликовано российскими организациями | |
Animalia | 1 065 586 600 | 1 805 263 | 867 334 |
В том числе: | |||
Chordata: | 915 116 993 | 1 302 217 | 774 446 |
Aves | 853 035 930 | 985 441 | 705 349 |
Actinopterygii | 30 525 833 | 58 399 | 23 403 |
Mammalia | 16 762 112 | 207 254 | 7934 |
Reptilia | 6 380 942 | 6031 | 1151 |
Amphibia | 5 747 325 | 39 456 | 36 469 |
Arthropoda: | 123 798 598 | 370 576 | 76 883 |
Insecta | 109 844 295 | 206 603 | 15 414 |
Malacostraca | 4 778 105 | 20 508 | 1227 |
Arachnida | 3 977 520 | 26 991 | 16 885 |
Collembola | 487 139 | 44 233 | 42 870 |
Sarcoptiformes | 225 474 | 10 585 | 9066 |
Plantae | 287 758 965 | 2 138 776 | 1 574 686 |
В том числе: | |||
Tracheophyta | 271 832 949 | 1 992 528 | 1 461 647 |
Bryophyta | 9 628 695 | 102 868 | 83 818 |
Marchantiophyta | 2 309 973 | 34 144 | 28 449 |
Fungi | 19 389 961 | 178 073 | 63 490 |
Bacteria | 14 533 384 | 34 318 | 2531 |
Chromista | 12 577 963 | 103 565 | 265 |
Protozoa | 1 142 534 | 29 569 | 12 499 |
Archaea | 266 318 | 328 | 0 |
Viruses | 43 869 | 407 | 0 |
incertae sedis | 9 168 176 | 38 144 | 2209 |
Примечание. Названия таксономических групп приводятся в соответствии с таксономическим справочником GBIF — GBIF Backbone [39], порядок — по убыванию общего числа записей.
Анализ пространственного распределения доступных сведений о встречах птиц показал, что находки в основном приурочены к крупным городам и густонаселенным регионам, что объясняется большой долей любительских наблюдений (рис. 2б). Наибольшая плотность записей отмечена в Москве (45.7 встреч/км2) и Санкт-Петербурге (12.8), а также в Московской обл. (3.1). В остальных субъектах РФ, за исключением Республик Адыгея (1.7) и Чувашия (1.5), плотность записей <1 на 1 км2. По абсолютному числу записей, помимо Московской обл. (135 686 записи) и Москвы (117 064), выделяются также Алтайский (54 163) и Краснодарский (40 320) края.
Второй по представленности данных группой позвоночных животных в GBIF для России являются земноводные (Amphibia) – 82.5% записей происходят из набора данных “Земноводные бывшего СССР” [37], опубликованного Институтом проблем экологии и эволюции им. А.Н. Северцова РАН (32 561 геопривязанная запись). Доступные в GBIF сведения о находках других групп позвоночных животных для территории России весьма ограничены.
Число записей о беспозвоночных невелико (см. табл. 2). Обращает на себя внимание крайне низкое число записей о находках насекомых (Insecta). Основная часть доступных сведений происходит из системы iNaturalist (22.8% записей) и зарубежных коллекций. Данные отечественных исследователей составляют лишь 7.5% записей и представлены в основном материалами Летописей природы российских заповедников, оцифрованными в рамках международного проекта “Летопись природы Евразии” [7].
Большой интерес для повторного анализа представляют опубликованные российскими исследователями первичные данные о сборах почвенных беспозвоночных — ногохвосток (Collembola), панцирных клещей (Oribatida), дождевых червей (Lumbricidae) и моллюсков (Gastropoda).
Доступные в GBIF данные о находках видов остальных крупных таксономических групп на территории России в основном происходят из зарубежных источников (см. табл. 2).
В целом, несмотря на значительный объем доступных через GBIF данных, репрезентативность сведений для большинства таксономических групп и регионов РФ остается низкой. На карте глобального биоразнообразия плотность находок видов в России составляет 0.24 записи/км2, в то время как в странах с высоким уровнем оцифровки данных о биоразнообразии она значительно выше. Например, в Швеции на 1 км2 карты GBIF приходится 144.4 записи, в Германии — 105.8, в Канаде, сопоставимой с Россией по территории и с меньшей плотностью населения, — 7.1. Недостаток данных затрудняет их повторный анализ и может привести к неверной интерпретации получаемых результатов.
В то же время с 2014 г. наблюдается непрерывный рост числа зарегистрированных в GBIF российских организаций и опубликованных ими наборов данных (рис. 3), поэтому стоит ожидать дальнейшего увеличения объема доступной информации. На май 2020 г. российскими исследователями опубликовано 344 набора данных (3 016 696 записей): 28 таксономических списков, 272 набора данных о находках видов и 39 samling-event наборов данных, охватывающих 190 стран и территорий.
Безусловно, при отсутствии национальной информационной системы портал GBIF сегодня является крупнейшим, хотя и не исчерпывающим источником данных о биоразнообразии России. Заполнению существующих пробелов может способствовать оцифровка отечественных научных биологических коллекций. По нашей оценке [38], в российских гербарных коллекциях хранится не менее 15 млн листов (из них ~6 млн в фондах БИН РАН и ~1 млн в МГУ им. М.В. Ломоносова), а в зоологических — более 65 млн образцов. К настоящему времени оцифровано и доступно только чуть более 1% от всех имеющихся образцов. Мобилизация еще не оцифрованных данных не только позволит сохранить научное наследие, накопленное многими поколениями отечественных ученых, но и повысит востребованность коллекций (в т.ч. региональных).
Большой вклад в пополнение данных GBIF вносят проекты по сбору любительских наблюдений (iNaturalist, eBird и др.). Возможности и ограничения использования таких данных в научных исследованиях неоднократно обсуждались в литературе [6]. По нашему опыту надежность этого источника информации определяется квалификацией экспертов, подтвердивших определение видов.
Таким образом, открытые данные портала GBIF, безусловно, необходимо использовать в анализе объединенных массивов. Тем не менее для корректной интерпретации результатов важно учитывать их неполноту для многих таксономических групп и регионов России.
ЗАКЛЮЧЕНИЕ
Объединенные данные о распространении видов становятся сегодня важным (а иногда основным) источником информации в исследованиях биоразнообразия. Они позволяют проводить на макрорегиональном уровне исследования ключевых функций экосистем с использованием современных методов статистического и пространственного анализа. Несмотря на то, что объем данных, доступных через глобальный портал GBIF для территории России, весьма значителен и составляет >4.3 млн записей, репрезентативность информации для большинства таксономических групп и регионов страны остается низкой. Это затрудняет повторное использование данных в научных исследованиях и может привести к неверной интерпретации получаемых результатов. Для заполнения существующих пробелов в данных необходимо дальнейшее развитие проектов, направленных на оцифровку и мобилизацию научных биологических коллекций и личных архивов исследователей.
Список литературы
Newman M.E.J. Coauthorship networks and patterns of scientific collaboration // Proceedings of the National Academy of Sciences. 2004. V. 101. P. 5200–5205. https://doi.org/10.1073/pnas.0307545100
Grassle J.F., Stocks K.I. A Global Ocean Biogeographic Information System (OBIS) for the Census of Marine Life // Oceanography. 1999. V. 12(3). P. 12–14. https://doi.org/10.5670/oceanog.1999.03
Wheeler Q.D. What if GBIF? // Bioscience. 2004. V. 54. P. 717. https://doi.org/10.1641/0006-3568(2004)054[0718: WIG]2.0.CO;2
Constable H., Guralnick R., Wieczorek J. et al. VertNet: A New Model for Biodiversity Data Sharing // Plos ONE. 2010. V. 8. № 2. P. E1000309. https://doi.org/10.1371/journal.pbio.1000309
Burkhardt U., Russell D.J., Decker P. et al. The Edaphobase project of GBIF-Germany — A new online soil-zoological data warehouse // Applied Soil Ecology. 2014. V. 83. P. 3–12. https://doi.org/10.1016/j.apsoil.2014.03.021
Chandler M., See L., Copas K. et al. Contribution of citizen science towards international biodiversity monitoring // Biological Conservation. 2017. V. 213. P. 280–294. https://doi.org/10.1016/j.biocon.2016.09.004
Ovaskainen O., Meyke E., Lo K. et al. Chronicles of nature calendar, a long-term and large-scale multitaxon database on phenology // Scientific Data. 2020. V. 7(47). https://doi.org/10.1038/s41597-020-0376-z
Филиппова Н.В., Филиппов И.В., Щигель Д.С. и др. Информатика биоразнообразия: мировые тенденции, состояние дел в России и развитие направления в Ханты-Мансийском автономном округе // Динамика окружающей среды и глобальные изменения климата. 2017. Т. 8. №. 2. С. 46–56. https://doi.org/10.17816/edgcc8246-56
Серегин А.П. Цифровой гербарий МГУ — крупнейшая российская база данных по биоразнообразию // Изв. РАН. Серия биол. 2017. № 6. С. 30–36. https://doi.org/10.7868/S0002332917060042
Калякин М.В. Итоги и перспективы развития коллекционного дела в МГУ имени М.В. Ломоносова: зоологические коллекции // Зоологические исследования. 2018. № 20. С. 52–29.
Kovtonyuk N.K., Han I.V., Gatilova E.A. Digitization of vascular plant herbarium collections at the Central Siberian Botanical Garden, Novosibirsk, Russia // Skvortsovia. 2018. V. 4(3). P. 100–111.
Wilkinson M.D., Dumontier M., Aalbersberg I.J. et al. The FAIR Guiding Principles for scientific data management and stewardship // Scientific Data. 2016. V. 3. https://doi.org/10.1038/sdata.2016.18
Pennisi E. Boom in digital collections makes a muddle of management // Science. 2005. V. 308. P. 187–189. https://doi.org/10.1126/science.308.5719.187
Edwards J.L. Research and societal benefits of the Global Biodiversity Information Facility // Bioscience. 2004. V. 54. P. 485–486. https://doi.org/10.1641/0006-3568(2004)054[0486: RASBOT]2.0.CO;2
Bisby F.A. The quiet revolution: Biodiversity informatics and the Internet // Science. 2000. V. 289. P. 2309–2312. https://doi.org/10.1126/science.289.5488.2309
Yesson C., Brewer P.W., Sutton T. et al. How global is the Global Biodiversity Information Facility? // PLOS ONE. 2007. V. 2(11). P. e1124. https://doi.org/10.1371/journal.pone.0001124
Hennekens S. Dutch Vegetation Database. Alterra, Wageningen UR. Sampling event dataset. 2018. https://doi.org/10.15468/ksqxep (22.03.2020).
GBIF Science Review 2017. Copenhagen: GBIF Secretariat, 2017. 55 p. https://doi.org/10.15468/EAH0-3E08
GBIF Science Review 2018. Copenhagen: GBIF Secretariat, 2018. 47 p. https://doi.org/10.15468/VA9B-3048
GBIF Science Review 2019. Copenhagen: GBIF Secretariat, 2019. 39 p. https://doi.org/10.15468/QXXG-7K93
Санданов Д.В. Современные подходы к моделированию разнообразия и пространственному распределению видов растений: перспективы их применения в России // Вестн. Томского гос. ун-та. Биология. 2019. № 46. https://doi.org/10.17223/19988591/46/5
Righetti D., Vogt M., Gruber N. et al. Global pattern of phytoplankton diversity driven by temperature and environmental variability // Science Advances. 2019. V. 5. № 5. eaau6253. https://doi.org/10.1126/sciadv.aau6253
Dyderski M.K., Paź S., Frelich L.E. et al. How much does climate change threaten European forest tree species distributions? // Global Change Biology. 2018. V. 24. I. 3. P. 1150–1163. https://doi.org/10.1111/gcb.13925
Ribeiro B.R., Sales L.P., Loyola R. Strategies for mammal conservation under climate change in the Amazon // Biodiversity Conservation. 2018. V. 27. P. 1943–1959. https://doi.org/10.1007/s10531-018-1518-x
Jarnevich C.S., Young N.E., Talbert M. et al. Forecasting an invasive species’ distribution with global distribution data, local data, and physiological information // Ecosphere. 2018. V. 9. I. 5. e02279. https://doi.org/10.1002/ecs2.2279
Cardador L., Blackburn T.M. Human-habitat associations in the native distributions of alien bird species // Journal of Applied Ecology. 2019. V. 56. P. 1189–1199. https://doi.org/10.1111/1365-2664.13351
Moyes C.L., Shearer F.M., Huang Z. et al. Predicting the geographical distributions of the macaque hosts and mosquito vectors of Plasmodium knowlesi malaria in forested and non-forested areas // Parasites & Vectors. 2016. V. 9. https://doi.org/10.1186/s13071-016-1527-0
Pigott D.M., Millear A.I., Earl L. et al. Updates to the zoonotic niche map of Ebola virus disease in Africa // eLife. 2016. V. 5. e16412. https://doi.org/10.7554/eLife.16412
Seregin A. Moscow University Herbarium (MW). Occurrence dataset. Version 1.124. Lomonosov Moscow State University, 2020. https://doi.org/10.15468/cpnhcc (22.03.2020).
iNaturalist Research-grade Observations. Occurrence dataset. iNaturalist.org, 2020. https://doi.org/10.15468/ab3s5x (22.03.2020).
Artemov I., Egorova A. Locations of plants on dot distribution maps in the Flora of Siberia (Flora Sibiraea, 1987–1997). Occurrence dataset. Central Siberian Botanical Garden SB RAS, 2020.https://doi.org/10.15468/jb84wg (22.03.2020).
Seregin A.P. A grid-based database on vascular plant distribution in the Meshchera National Park, Vladimir Oblast, Russia. Occurrence dataset. Lomonosov Moscow State University, 2014.https://doi.org/10.15468/ahunho (22.01.2019).
Chytrý M., Hennekens S.M., Jiménez-Alfaro B. et al. European Vegetation Archive (EVA): an integrated database of European vegetation plots // Applied Vegetation Science. 2016. V. 19. P. 173–180. https://doi.org/10.1111/avsc.12191
Ukolov I., Kalyakin M., Voltzit O. RU-BIRDS.RU, Birds observations database from Russia and neighboring regions. Occurrence dataset. Zoological Museum of M.V. Lomonosov Moscow State University. Version 1.4. Lomonosov Moscow State University, 2019. https://doi.org/10.15468/5cjx70 (22.03.2020).
Levatich T., Padilla F. EOD — eBird Observation Dataset. Cornell Lab of Ornithology. Occurrence dataset. 2019. https://doi.org/10.15468/aomfnb (22.03.2020).
Hagemeyer W., Blair M., Loos W. EBCC Atlas of European Breeding Birds. Occurrence dataset. Version 1.3. European Bird Census Council (EBCC), 2016. https://doi.org/10.15468/adtfvf (22.03.2020)
Petrosyan V., Kuzmin S. Amphibians of the Former USSR. Occurrence dataset. Version 1.11. A.N. Severtsov Institute of Ecology and Evolution, RUSSIAN ACADEMY OF SCIENCES, 2017. https://doi.org/10.15468/wxz3yj (22.03.2020).
Ivanova N., Shashkov M., Buyvolov Y. How much data do Russian biological collections contain? // Abstracts of the conference “Information Technologies in the Research of Biodiversity”. Irkutsk: ISDCT SB RAS, 2018. P. 75–76.
GBIF Backbone Taxonomy. Checklist dataset. GBIF Secretariat, 2019.https://doi.org/10.15468/39omei (22.03.2020).
Дополнительные материалы отсутствуют.