Using machine learning to link climate, phylogeny and leaf area in eucalypts through a 50-fold expansion of leaf trait datasets

IF 5.3 1区环境科学与生态学 Q1 ECOLOGY Journal of Ecology Pub Date : 2024-07-14 DOI:10.1111/1365-2745.14354

Karina Guo, William K. Cornwell, Jason G. Bragg

引用次数: 0

Abstract

Abstract Image

查看原文

微信好友朋友圈 QQ好友复制链接

本刊更多论文

通过将叶片特征数据集扩大 50 倍，利用机器学习将桉树的气候、系统发育和叶面积联系起来

叶面积在物种内部和物种之间都存在差异，以前的研究将这种差异与环境和进化史联系起来。然而，以前的许多研究未能同时研究这两个因素，而且往往数据有限。为了解决这个问题，我们的研究开发了一种新的工作流程，利用机器学习从标本馆收藏的澳大利亚桉树（Eucalyptus、Angophora 和 Corymbia）中自动提取叶面积。该数据集包括 136,599 次测量，将该分类群叶面积的现有数据扩大了约 50 倍。我们的方法通过实地标准精度指标进行验证，并与本研究和现有数据集的人工测量结果进行比较。通过桉树支系的数据集，我们观察到叶面积与年平均气温和降水量之间存在正相关关系，这与全球植物区系的相关报道类似。然而，在物种内部并没有持续观察到这些关系，这可能是由于基因流动抑制了当地的适应性。当我们在不同的系统发育水平上考察这些关系时，在较浅的系统发育尺度上（5-12 MY），种系内的性状-气候相关性斜率向桉树的整体斜率靠拢，这表明基因流的影响仅在物种水平上有所放松。在种内水平之外的进化尺度上，性状与气候相关性的加强可能代表了不同性状和类群之间的普遍现象。未来的研究可以利用机器学习产生的新性状数据集的更大样本量来揭示这些关系。综述。利用机器学习，研究人员能够证实当前叶面积与年平均气温和降水量之间的全球正相关关系。此外，他们还进一步研究了这种关系在不同时期的变化情况。他们发现，在系统发生树中，大约距今 5-1200 万年前，性状-气候斜率开始出现明显较小的变化。总之，这项研究显示了机器学习在生态学中的潜力，其使用可能带来令人兴奋的新发现。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文去求助

来源期刊

Journal of Ecology 环境科学-生态学

CiteScore

10.90

自引率

5.50%

发文量

207

审稿时长

3.0 months

期刊介绍： Journal of Ecology publishes original research papers on all aspects of the ecology of plants (including algae), in both aquatic and terrestrial ecosystems. We do not publish papers concerned solely with cultivated plants and agricultural ecosystems. Studies of plant communities, populations or individual species are accepted, as well as studies of the interactions between plants and animals, fungi or bacteria, providing they focus on the ecology of the plants. We aim to bring important work using any ecological approach (including molecular techniques) to a wide international audience and therefore only publish papers with strong and ecological messages that advance our understanding of ecological principles.