Аннотация результатов, полученных в 2023 году
В текущем отчетном году выполнено обобщение доступных литературных данных о точках находок дождевых червей, оценках их обилия и характеристиках местообитаний. В результате оцифровки и стандартизации данных из 159 литературных источников о находках дождевых червей получен и опубликован через глобальный портал о биоразнообразии GBIF набор данных, включающий 5304 записи. Методом точка-радиус геолоцировано 3897 записей (310 с авторскими координатами и 3587 ручных геопривязок по текстовым описаниям). Средняя погрешность координат (радиус) в массиве данных составила 6632.2 м, для 74.5% записей погрешность координат была менее 10 000 м, а для 49.9% – менее 5000 м. Собранные данные относятся к территории 27 стран и охватывают период с 1868 по 2022 г. Набор данных включает сведения о находках 117 видов люмбрицид. Каждая запись имеет ссылку на источник, из которого она получена с указанием автора публикации, а также информации об особенностях местообитаний, обилии и онтогенетических состояниях люмбрицид (если эта информация была доступна). Стандартизированные библиографические сведения об обработанных источниках опубликованы через репозиторий Zenodo. Глобальный таксономический справочник GBIF Backbone расширен списком видов из работ ведущего отечественного систематика люмбрицид Т.С. Перель, что позволило полностью сопоставить авторскую таксономию из обработанной литературы с современными названиями. Таким образом, обобщенные в ходе проекта литературные данные представляют собой уникальную сводку, отражающую основные результаты отечественных исследователей по изучению биоразнообразия и экологии люмбрицид Северной Евразии. Публикация в открытых репозиториях объединенных данных о распространении дождевых червей и библиографических описаний источников способствует адекватному отражению вклада отечественных ученых и отечественных научных изданий в мировую науку. Для проведения модельных экспериментов подготовлены входные данные точек находок целевых видов люмбрицид (Aporrectodea caliginosa, Dendrobaena octaedra, Lumbricus rubellus, L. terrestris, Octolasion lacteum) в районе исследования. Обобщенные из литературы сведения дополнены другими данными GBIF (включая наблюдения iNaturalist). Для данных iNaturalist разработаны и апробированы дополнительные к общепринятым критерии для оценки качества данных. Показано, что разработанный подход позволяет эффективно отбраковывать некачественные наблюдения даже для сложной в определении по фотографиям группы. Подготовленные входные данные для моделирования включают 222 записи о точках встреч Aporrectodea caliginosa, 277 - о Dendrobaena octaedra, 202 - о Lumbricus rubellus, 104 - о L. terrestris и 98 - об Octolasion lacteum. Разработана новая методика и алгоритм на языке R для построения растровых слоев предикторов из метеорологических данных, доступных через через информационную систему "Всероссийского научно-исследовательского института гидрометеорологической информации - Мировой центр данных" – ВНИИГМИ-МЦД. Первичные данные метеонаблюдений и географические координаты метеостанций импортированы в специально разработанную базу данных в СУБД SQLite. Рассчитаны среднемесячные многолетние и среднегодовые температуры почвы на разных глубинах с учетом полноты и качества исходных данных, а также среднемесячные значения мощности снежного покрова. Интерполяция полученных значений по всей территории интереса выполнена при помощи алгоритма Thin plate splines (TPS). В результате построено 39 слоев средемесячных и среднегодовых значений температуры почвы на трех глубинах и 7 слоев со среднемесячными значениями мощности снежного покрова c октября по апрель. Слои имеют пространственное разрешение 0.01 углового градуса (примерно 1 км на местности), что сопоставимо со слоями WorldClim. Набор скриптов, написанных для обработки данных, опубликован в виде проекта GitHub (https://github.com/MaxCarabus/soilClimCover). Для района исследования загружены слои WorldClim, SoilGrid250, классификация территорий 1-km Consensus Land Cover, Агроэкологического атласа России и сопредельных стран. Все входные данные для моделирования и программный код размещены в репозитории GitHub (https://github.com/MaxCarabus/EarthwormSDM). Проведены предварительные модельные эксперименты методами логистической регрессии (GLM) и максимальной энтропии (MaxEnt). Выявлены наиболее значимые предикторы среди общепринятого набора пространственных переменных WorldClim. Среди предикторов почвенного климата, разработанных в ходе выполнения проекта, выбраны пространственные слои проявляющие наимельншую коллинеарность. Наиболее производительная модель была получена для вида Lumbricus terrestris обоими методами.