Экология, 2021, № 1, стр. 3-11

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).

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.

Рис. 1.

Число научных статей, основанных на анализе данных, полученных через портал GBIF, опубликованных в рецензируемых журналах. По данным [20] и портала GBIF.

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).

Рис. 2.

Плотность записей о находках сосудистых растений (а) и птиц (б), доступных через глобальный портал о биоразнообразии GBIF для территории России.

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.

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.

Рис. 3.

Мобилизация данных о биоразнообразии через глобальный портал GBIF российскими исследователями: а — публикационная активность, б — динамика роста числа российских участников (publishers) сети GBIF.

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.