Species Observations Explorer 2018-05-03T20:28:30+00:00

SPECIES OBSERVATIONS EXPLORER

LITE VERSION

Species Observations Explorer

Vad säger egentligen data från artportalen om artförekomst för ett visst område? Beror frånvaron av en fågelart på att den verkligen inte finns där eller på att ornitologer inte finns där? Med Species Observation Explorer kan du ta reda på det.

Species Observation Explorer visar med en skala från 0 till 1 – där 0 innebär helt pålitliga data med många observatörer och 1 det motsatta – kvaliteten på artdata för olika taxonomiska grupper inom ett område. Om du vill göra en översiktlig bedömning av naturvärden, förbereda en lista över förväntade arter eller använda artdata i din analys – Använd Species Observation Explorer. Resultatet kan du enkelt ladda ner som tabeller och kartor i form av shp-filer.

LITE MER OM VERKTYGET

Mängden data på artobservationer blir allt större för varje år. Samtidigt utvecklas också de tekniska möjligheterna att lagra och hantera data. Det är frestande att tro att den stora mängden data gör att vi kan bedöma artförekomster bara genom att titta på alla tillgängliga data för ett område. Men detta säger inget om vilken kvalité den informationen håller. Frånvaron av en art kan till exempel bero både på att den inte finns och att ingen har varit där och letat.

Med hjälp av en prisbelönt algoritm (half-ignorance algorithm) kan Species Observation Explorer uppskatta vilken ansträngning som gjorts för att leta arter i ett område. Principen bakom algoritmen är att du genom att titta på data för hela artgrupper (sk Reference Taxonomic Groups) kan bilda dig en uppfattning om säkerheten för artobservationer inom gruppen. Om det finns många kärlväxtobservationer i ett område är sannolikheten större att frånvaron av en växtart betyder att den verkligen inte finns där. Species Observation Explorer uppskattar datakvaliteten på en skala från 0-1, där 0 innebär helt pålitliga data med många observatörer och 1 det motsatta. Skalan kallas för ”ignorance” för att den mäter om arter ignorerats eller om de inte hittats.

I Species Observation Explorer markerar du ett område som du är intresserad av på en karta. Du anger sedan hur många mindre rutor du vill dela in områden i för att jämföra med avseende på datakvalitet. Sedan väljer du vilken artgrupp du är intresserad av (Reference Taxonomic Group) och hur många observationer du tycker är tillräckligt för att anta att frånvaro av en art lika sannolikt beror på att arten saknas som att observatörer saknas. Detta antal observationer betecknas O0.5. Nu kan du söka och se vilken kvalitet artobservationerna i dina utvalda områden har.

Det finns en mängd olika inställningar och val i Species Observation Explorer. I Read Me and Tutorial kan du läsa mer om alla möjligheter.

Vi på Greensway hoppas att du har användning av verktyget. Kontakta oss gärna för frågor och synpunkter. Lycka till!

Species Observations Explorer

Biodiversity databases make temporally and spatially extensive primary biodiversity data (i.e. species observations) available to a wide range of users. However, because of the intrinsic nature of most of the observations (e.g. opportunistic or non-systematic and presence-only), biodiversity datasets have considerable limitations including: sampling bias in favour of recorder distribution, lack of assessment of sampling effort, and lack of coverage of the distribution of all organisms. This interactive application maps where, and for which taxonomic groups, there are enough species observations for ecological analyses in applied or theoretical contexts. It reports of the quality of the data that goes beyond the data abundance, to inform you about the sampling effort and the relevance of lack of data.

ABSENCE OF SPECIES OR ABSENCE OF OBSERVERS?

Species Observation Explorer uses the half-ignorance algorithm [1] to map the bias and lack of sampling effort inherent to the species observations, henceforth called Ignorance. This approach represents the data into a scale 0 to 1 (0 being a theoretical absolute credibility in the data and 1 being absolute ignorance). With the algorithm settings you decide at how many observations the lack of data for a species is equally likely due to absence of the species as to absence of observers (i.e. I = 0.5, defined by O0.5). Any further data in a cell builds up the trust in the data (i.e. real absences of species).

The rationale assumes that species groups share similar bias. Observations are reported by people with varied field skills and accuracy. However, observers are assumed to be fond of or specialist on one or more taxonomic groups (e.g. families, orders or even classes), rather than on individual species. Hence it is appropriate to use species’ groups as a surrogate for sampling effort (henceforth, a reference taxonomic group or RTG). It is straightforward to assume that the lack of reports of any species from the RTG e.g. birds is likely due to a lack of ornithologists, rather than to the total absence of birds. The inverse logic also holds true. That is, the larger the number of observations of species from the RTG in a grid cell, the more likely it is that absence of a particular species reflects a true absence.

This dynamic application allows you to explore any RTG at any spatial and temporal resolution. Currently, it accesses data stored in the Global Biodiversity Information Facility (GBIF), but it allows filtering by institutions that provide data to GBIF.

You can read more about Ignorance Scores here.

HOW TO USE IT

On the first tab “Map” you can explore the spatial bias of the selected reference taxonomic group, in the selected time frame (“Search Options“). On the map you will see in a scale of white-green the density of the data for the selected RTG. Beware that this is ALL the data that is available, but YOUR search will filter observations in terms of e.g. time window and Basis of Record. Unfiltered data is only shown to give you an idea of the presence and density of observations, and is not a quality report. Also, this hexagons have not the same area in the Equator than towards the poles. Your selected data and its quality will show only after you have finished your search, and the green density map will be toggled off.

To perform a search, do like this:

  1. Draw a polygon using any of the shape-buttons  on the top-left. If you chose the rectangle-shape you can click in one corner and then drag it out to appropriate size, using the pentagram-shape you can determine the shape yourself by creating points/vertices on each click with the mouse.
  2. On the panel to the left there are three tabs. The first one is called “Grid Options“. There you can choose the width of the grid cells. If you want your grid to cover the full extent of your selected study area check the “Buffer” check-box. If you want squared grid cells, uncheck the “Hexagonal grid” check-box. In this case, the grid follow the map projection and all cells will have the same (ground) area, no matter where in the map.
  3. Choose your Reference Taxonomic Group from the list. The groups shown in the lists are common taxas, but you can override this option in the tab (“Search Options“) (see below).
  4. Click the “Grid” button  (on the “Grid Options” tab). Don’t you like it? Change the options and click “Grid” again.
  5. Do you like the grid? Click the “Search” button .
  6. Now you can see the ignorance in each grid cell.

    Note that elongated grid cells towards the Poles are due to the map projection, but all have the same ground area.
  7. You can allways start over by clicking on “Clear” .
  8. Under “Ignorance Scores Assumptions” you specify how many observations you think is appropriate to define O0.5, the number of observations required per grid cell to decrease the ignorance to 0.5.
    You can calculate ignorance over “Raw Observations” (using the O0.5RTG), “Observation Indices” (i.e. the average number of observations per observed species; using the O0.5 per species), or you can choose the “Combined” ignorance score, that uses both parameters.
  9. More search options are available under the “Search Options” tab.
    1. Specifying a taxonomic ID will override the selected RTG. You will need to know the taxonomic ID to use this option, this can be found at the GBIF Taxonomic Backbone.
    2. You can select the time frame (years) of observations to be included by dragging the two start-stop points, data from 1900 to the current year are available (although the bar goes up to 2020).
    3. The basis of records to be included can be determined, e.g. if you do not want to include fossil specimen. Select more classes using the Shift + Ctrl/Cmd keys. Selecting none, selects all.
    4. Also the country of observation, publishing country and publishing organization can be chosen. In the special case of Publishing Organization you will be able to chose among the 100 most commonly looked for organizations. If you don’t find the one you are looking for, you can enter the UUID of the organization you wish. For example, ArtDatabanken-Sweden UUID is b8323864-602a-4a7d-9127-bb903054e97d, GBIF-Sweden UUID is 4c415e40-1e21-11de-9e40-a0d6ecebb8bf. For more UUIDs, check here.
  10. When you have changed any search parameters, click the “Search” button again to see the new result.
  11. Finally, after the search is performed, you can download the grid (.SHP file) and the data table (as .CSV file) by clicking the “Download” button  on the “Download” tab. At present, there are only a few Coordinate Reference Systems to choose from, but more are coming on demand. Files will be compressed in a .TAR file (for compatibility across platforms) in your default Download folder. You can open the file with 7zip.

On the second tab “Data” the data obtained for each grid cell is ploted and displayed as a table.


Author: Alejandro Ruete PhD, 2017
Greensway AB. Uppsala, Sweden.

E-mail: analys@greensway.se

[1] Ruete A. 2015. Displaying bias in sampling effort of data accessed from biodiversity databases using ignorance maps. Biodiversity Data Journal 3:e5361 (article).

Keywords: citizen-science data, open-access biodiversity database, presence-only data, primary biodiversity data, sampling effort, spatial bias, species distribution model, taxonomic bias, temporal bias


Species Observations ExplorerSurvey Designer

LITE

GRATIS
  • Interaktiv design
    (Baserade på DarwinCore parametrar)
  • Anpassningsbart rutnät
  • Alternativa algoritmer
  • Ladda ned resultat
  • Ladda ned resultat
KOM IGÅNG

PRO

Alla funktioner som ingår i Lite och dessutom:
  • Ange en komplett förfrågan till databasen
  •  Filtrering baserad på datakvalité möjlig
  • Använd egna polygoner (.shp-fil) för avgränsning
  • Använd egna eller befintliga artlistor
  • Spara dina inställda sökparametrar
  • Ladda ned resultat i önskat koordinatsystem
  • Webb-kurs för djupare förståelse
  • Support via mejl och telefon

CUSTOM

Alla funktioner som ingår i Lite och Pro och dessutom:
  • Flera användarkonton
  • Specialanpassad url
  • Support på premium nivå
  • The sky is the limit…