Marie Rousseau
Dans une première mondiale, des scientifiques de l’UNSW et des jardins botaniques de Sydney ont formé l’IA pour déverrouiller les données de tens of millions de spécimens de plantes conservés dans des herbiers du monde entier, afin d’étudier et de combattre les impacts du changement climatique sur la flore.
“Les collections d’herbiers sont d’étonnantes capsules temporelles de spécimens de plantes”, déclare l’auteur principal de l’étude, le professeur agrégé Will Cornwell. “Chaque année, in addition de 8000 spécimens sont ajoutés au seul Herbier national de la Nouvelle-Galles du Sud, il n’est donc plus achievable de parcourir les choses manuellement.”
En utilisant un nouvel algorithme d’apprentissage automatique pour traiter additionally de 3000 échantillons de feuilles, l’équipe a découvert que contrairement aux modèles interspécifiques fréquemment observés, la taille des feuilles n’augmente pas dans les climats moreover chauds au sein d’une seule espèce.
Publiée dans l’American Journal of Botany, cette recherche révèle non seulement que des facteurs autres que le climat ont un effet vital sur la taille des feuilles d’une espèce végétale, mais démontre également remark l’IA peut être utilisée pour transformer des collections de spécimens statiques et pour documenter rapidement et efficacement le changement climatique. effets.
Les collections d’herbier passent au monde numérique
Les herbiers sont des bibliothèques scientifiques de spécimens de plantes qui existent depuis au moins le XVIe siècle.
“Historiquement, un effort and hard work scientifique précieux consistait à sortir, à collecter des plantes, puis à les conserver dans un herbier. Chaque enregistrement a une heure et un lieu, un collecteur et une identification d’espèce putative”, explique A / Prof. Cornwell, chercheur à la School of BEES et membre du UNSW Data Science Hub.
Il y a quelques années, pour faciliter la collaboration scientifique, il y a eu un mouvement pour transférer ces collections en ligne.
“Les collections d’herbier étaient enfermées dans de petites boîtes à des endroits particuliers, mais le monde est très numérique maintenant. Donc, pour fournir des informations sur tous les spécimens incroyables aux scientifiques qui sont maintenant dispersés à travers le monde, il y a eu un effort pour scanner le spécimens pour en produire des copies numériques haute résolution. »
Le additionally grand projet d’imagerie d’herbier a été entrepris dans les jardins botaniques de Sydney lorsque additionally d’un million de spécimens de plantes de l’herbier national de la Nouvelle-Galles du Sud ont été transformés en photographs numériques haute résolution.
“Le projet de numérisation a duré additionally de deux ans et peu de temps après son achèvement, l’un des chercheurs – le Dr Jason Bragg – m’a contacté depuis les jardins botaniques de Sydney. Il voulait voir remark nous pourrions intégrer l’apprentissage automatique à certaines de ces systems à haute résolution. images numériques des spécimens de l’herbier.”
“J’étais ravi de travailler avec le professeur intérimaire Cornwell pour développer des modèles permettant de détecter les feuilles dans les photographs de plantes, puis d’utiliser ces grands ensembles de données pour étudier les relations entre la taille des feuilles et le climat”, déclare le Dr Bragg.
La “vision par ordinateur” mesure la taille des feuilles
En collaboration avec le Dr Bragg des jardins botaniques de Sydney et Brendan Wilde, étudiant honoraire de l’UNSW, A / Prof. Cornwell a créé un algorithme qui pourrait être automatisé pour détecter et mesurer la taille des feuilles d’échantillons d’herbier numérisés pour deux genres de plantes – Syzygium (généralement connu sous le nom de lillipillies, brush cherrys ou satinas) et Ficus (un style d’environ 850 espèces d’arbres ligneux, arbustes et vignes).
“Il s’agit d’un kind d’IA appelé réseau neuronal convolutif, également connu sous le nom de eyesight par ordinateur”, explique le professeur A/Prof. Cornwell. Le processus apprend essentiellement à l’IA à voir et à identifier les composants d’une plante de la même manière qu’un humain le ferait.
“Nous avons dû créer un ensemble de données d’entraînement pour enseigner à l’ordinateur, ceci est une feuille, ceci est une tige, ceci est une fleur”, explique le professeur A/. Cornwell. “Nous avons donc essentiellement appris à l’ordinateur à localiser les feuilles, puis à en mesurer la taille.
“Mesurer la taille des feuilles n’est pas nouveau, vehicle beaucoup de gens l’ont fait. Mais la vitesse à laquelle ces spécimens peuvent être traités et leurs caractéristiques individuelles peuvent être enregistrées est un nouveau développement.”
Une rupture dans les schémas fréquemment observés
Une règle générale dans le monde botanique est que dans les climats plus humides, comme les forêts tropicales humides, les feuilles des plantes sont plus grandes que dans les climats additionally secs, comme les déserts.
“Et c’est un modèle très cohérent que nous voyons dans les feuilles entre les espèces à travers le monde”, explique A / Prof. Cornwell. “Le leading check que nous avons fait était de voir si nous pouvions reconstruire cette relation à partir des données apprises par la device, ce que nous pouvions. Mais la deuxième query était, parce que nous avons maintenant tellement in addition de données qu’auparavant, voyons-nous la même selected au sein des espèces ? »
L’algorithme d’apprentissage automatique a été développé, validé et appliqué pour analyser la relation entre la taille des feuilles et le climat au sein et entre les espèces pour les plantes Syzygium et Ficus.
Les résultats de ce test ont été surprenants : l’équipe a découvert que si ce modèle peut être observé entre différentes espèces de plantes, la même corrélation n’est pas observée au sein d’une seule espèce à travers le monde, probablement parce qu’un processus différent, connu sous le nom de flux de gènes, opère au sein des espèces. Ce processus affaiblit l’adaptation des plantes à l’échelle locale et pourrait empêcher la relation taille des feuilles-climat de se développer au sein des espèces.
Utiliser l’IA pour prédire les réponses futures au changement climatique
L’approche d’apprentissage automatique utilisée ici pour détecter et mesurer les feuilles, bien qu’elle ne soit pas parfaite au pixel près, a fourni des niveaux de précision adaptés à l’examen des liens entre les features des feuilles et le climat.
“Mais parce que le monde improve assez rapidement et qu’il y a tellement de données, ce variety de méthodes d’apprentissage automatique peut être utilisé pour documenter efficacement les effets du changement climatique”, déclare A / Prof. Cornwell.
De additionally, les algorithmes d’apprentissage automatique peuvent être formés pour identifier des tendances qui pourraient ne pas être immédiatement évidentes pour les chercheurs humains. Cela pourrait conduire à de nouvelles connaissances sur l’évolution et les adaptations des plantes, ainsi qu’à des prédictions sur la façon dont les plantes pourraient réagir aux effets futurs du changement climatique.
