Das glaube ich nicht
Die Rote Liste der gefährdeten Arten dokumentiert, welche Tiere und Pflanzen auf unserem Planeten vom Aussterben bedroht sind – doch sie ist bis heute lückenhaft. Denn den Gefährdungsgrad einer Spezies zu bestimmen, ist ein aufwändiger und langwieriger Prozess. Wissenschaftler haben nun jedoch eine Methode entwickelt, die dies zumindest bei Pflanzen künftig beschleunigen könnte. Dabei berechnet ein Algorithmus das Risikopotenzial automatisch – und hilft so dabei, potenziell besonders gefährdete Arten und Regionen schnell zu identifizieren.
Tausende Tier- und Pflanzenarten sind weltweit vom Aussterben bedroht – und es werden immer mehr, wie ein Blick auf die Rote Liste der Weltnaturschutzunion (IUCN) eindrücklich zeigt. Seit den 1960er Jahren dokumentiert diese Liste, welche Wesen auf unserem Planeten besonders gefährdet sind. Gesetzgebern und Forschern soll sie auf diese Weise dabei helfen, bei den Bemühungen zum Erhalt der Artenvielfalt die richtigen Prioritäten zu setzen. Tatsächlich wüssten wir ohne die regelmäßig aktualisierten Gefährdungsberichte der IUCN heute viel weniger über das anhaltende Artensterben und seine Ausmaße. Trotzdem weist die Rote Liste eine entscheidende Schwäche auf: Nur ein Bruchteil aller bekannten Spezies taucht dort überhaupt auf.
Besonders extrem ist dies bei den Pflanzen. So sind lediglich fünf Prozent aller Arten bisher durch die IUCN bewertet worden. Das bedeutet, dass wir von etlichen Pflanzen gar nicht wissen, ob sie bedroht sind oder nicht. Der Hauptgrund für diese Defizite: Die Bewertung des Aussterberisiko einer Spezies ist extrem aufwändig und kostet viele Ressourcen. Mitunter kommt es daher sogar vor, dass eine Pflanzenart stirbt, bevor sie jemals auf der Roten Liste erschienen ist. Um dies in Zukunft zu ändern, haben Tara Pelletier von der Radford University und ihre Kollegen nun ein nützliches Werkzeug entwickelt. Sie kreierten einen Computeralgorithmus, der das Gefährdungspotenzial einer Pflanze automatisch bestimmen soll.
Automatische Risikoberechnung
Dabei machten sich die Wissenschaftler die Möglichkeiten des maschinellen Lernens zunutze: Mithilfe frei zugänglicher Daten fütterten sie ihren Algorithmus zunächst mit wesentlichen Informationen über mehr als 150.000 Landpflanzen aus allen Teilen der Welt – darunter deren Verbreitungsgebiet, ökologische Ansprüche sowie morphologische Merkmale. Mithilfe der wenigen bereits von der IUCN in eine von fünf Gefährdungskategorien eingeordneten Arten trainierten sie ihn dann, anhand dieser Informationen das Aussterberisiko einer Spezies abzuschätzen. Als der Algorithmus gut genug geworden war, wendeten sie ihn in einem zweiten Schritt auf die tausenden noch nicht bewerteten Pflanzen an.
Das Ergebnis: 15.000 der untersuchten Arten sind den Prognosen zufolge mindestens potenziell gefährdet – das sind rund zehn Prozent der Stichprobe. Dabei zeichneten sich deutliche geographische Trends ab, wie Pelletier und ihr Team berichten. Risikoarten kommen demnach gehäuft in Regionen vor, die für ihre große Biodiversität bekannt sind: zum Beispiel die Regenwälder Zentralamerikas oder Südwest-Australien. Zudem zeigte sich, dass endemische Spezies besonders häufig gefährdet sind. Denn das Verbreitungsgebiet dieser Arten ist lokal eng begrenzt. Doch nicht nur die Biodiversitäts-Hotspots der Erde erwiesen sich als Heimat zahlreicher womöglich gefährdeter Pflanzen. Auch einige bisher in diesem Kontext eher weniger beachtete Regionen rückten durch die Arbeit des Algorithmus in den Fokus der Forscher. So scheint es unter anderem entlang der südlichen Küste der Arabischen Halbinsel sehr viele gefährdete Arten zu geben.
Unterstützendes Werkzeug
“Manche der am stärksten gefährdeten Regionen haben bisher nicht genug Aufmerksamkeit durch die Wissenschaft erfahren”, sagt Mitautorin Anahí Espíndola von der University of Maryland in College Park. Sie und ihre Kollegen hoffen, dass ihr neuer Ansatz diese Wissenslücken künftig zügig füllen kann. “Unsere Methode soll die formale Bewertung durch die IUCN nicht ersetzen”, betont die Forscherin. “Es ist ein Werkzeug, das helfen kann, diesen Prozess zu priorisieren – indem es kalkuliert, wie hoch das Risiko ist, dass eine Art womöglich gefährdet ist.” Dies könne vor allem für Pflanzen aus bisher kaum erforschten Regionen sinnvoll sein, schreibt das Team. Prinzipiell lässt sich das Vorhersagemodell ihnen zufolge aber auf jede Pflanzengruppe und jedes beliebige geographische Gebiet anwenden – vom gesamten Globus bis hin zum kleinen Stadtpark.
Quelle: Tara Pelletier (Radford University, Radford) et al., Proceedings of the National Academy of Sciences, doi: 10.1073/pnas.1804098115
