“Флора России” на платформе iNaturalist: большие данные о биоразнообразии большой страны

Seregin, Alexey P.; Bochkov, Dmitry A.; Шнер, Ю. В.; Garin, E. V.; Майоров, С. Р.; Голяков, П. В.; Большаков, Б. В.; Prokhorov, Vadim; Маллалиев, М. М.; Vinogradov, Georgy M; Ebel, Aleksandr L; Каширина, Е.С.; Бирюкова, О. В.; Курякова, О. П.; Mirvoda, Sergey V; Khimin, Alexander N; Муртазалиев, Р. А.; Zelenkova, Viktoriya N; Dudov, Sergey V.; Gorbunova, Marina S; Герасимов, С. В.; Эбель, Алексей Л.; Травкин, В. П.; Чернягина, О. А.; Разина, Е. А.; Zyrianov, Alexey P; Третьякова, Д. В.; Lednev, Sergey; Теплоухов, В. Ю.; Кузменкин, Д. В.; Кривошеев, М. М.; Popov, E. S.; Sultanov, Rinat R; Басов, Ю. М.; Dudova, Ksenia V.; Tishin, Denis V.; Яковлев, А. А.; Данилевский, Ю. В.; Pospelov, Igor N.; Kandaurova, Alesya N; Kutueva, Svetlana B; Юмагулов, Д. А.; Samodurov, Konstantin V; Смирнова, Л. Я.; Бурый, В. В.; Юсупов, В. Е.; Епихин, Д. В.; Репина, Т. Г.; Богинский, Е. И.; Dubynin, Alexander; Коробков, А. В.; Нестеркова, Д. В.; Полуянов, А. В.; Danilin, Andrei Vladimirovich; Ефремов, А. Н.; Пожидаева, Л. В.; Verkhozina, Alla V.; Постников, Ю. А.; Линник, Е. А.; Kobuzeva, Irina A; Prokopenko, S.V.; Shumikhina, Elena A; Кушунина, М. А.; Kuzmin, Igor V.; Разран, Л. М.; Сухова, Д. В.; Попов, А. В.

doi:10.31857/s0044459620030070

Cited by 5 publications

(5 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Moreover, Russia is the leading country on iNaturalist amongst the top ten with regard to the proportion of confirmed observations amongst all tracheophyte records. As we showed in 2019 (Seregin et al 2020), the number of unconfirmed plant observations in Russia usually rapidly increases from May to August and decreases from September to April, when experts most intensively work with the backlog of unprocessed observations. To facilitate further accumulation of the project's data into the GBIF, we ask our observers to specify open Creative Commons Licences, such as CC0 (http://creativecommons.org/ publicdomain/zero/1.0/), 2) CC-BY (http://creativecommons.org/licenses/by/4.0/) and Table 3.…”

Section: Countrymentioning

confidence: 87%

“…In 2018, most images of plants and animals from any part of the world were likely to receive from the system an identification of species inhabiting North America. Over the course of 2019 and 2020, AI has almost stopped suggesting incorrect identifications for plants within European Russia (Seregin et al 2020). It still works somewhat worse with photos from Asian Russia and the Caucasus.…”

Section: Design Description: Main Features Of Inaturalist As a Data Cmentioning

confidence: 99%

“…Many research papers focus on the employment of iNaturalist data as a primary source (Heberling and Isaac 2018, Seregin et al 2020). For instance, iNaturalist includes dozens of metadata fields for every observation and was employed as a case study in the theory of long-tailed datasets (Cui et al 2019).…”

Section: Introductionmentioning

confidence: 99%

See 2 more Smart Citations

"Flora of Russia" on iNaturalist: a dataset

Seregin¹,

Bochkov²,

Shner³

et al. 2020

BDJ

View full text Add to dashboard Cite

The "Flora of Russia" project on iNaturalist brought together professional scientists and amateur naturalists from all over the country. Over 10,000 people were involved in the data collection. Within 20 months, the participants accumulated 750,143 photo observations of 6,857 species of the Russian flora. This constitutes the largest dataset of open spatial data on the country’s biodiversity and a leading source of data on the current state of the national flora. About 87% of all project data, i.e. 652,285 observations, are available under free licences (CC0, CC-BY, CC-BY-NC) and can be freely used in scientific, educational and environmental activities.

show abstract

Section: Countrymentioning

confidence: 87%

Section: Design Description: Main Features Of Inaturalist As a Data Cmentioning

confidence: 99%

See 1 more Smart Citation

"Flora of Russia" on iNaturalist: a dataset

Seregin¹,

Bochkov²,

Shner³

et al. 2020

BDJ

View full text Add to dashboard Cite

show abstract

“…The project "Flora of Russia", which includes all verified ("research-grade") observations of vascular plants from the country, was launched by the Moscow University team on 9 Jan 2019 to support data collection for the "Atlas of the Russian flora" (Seregin et al 2020).…”

Section: Introductionmentioning

confidence: 99%

Figure 6d from: Seregin AP, Bochkov DA, Shner JV, Garin EV, Pospelov IN, Prokhorov VE, Golyakov PV, Mayorov SR, Svirin SA, Khimin AN, Gorbunova MS, Kashirina ES, Kuryakova OP, Bolshakov BV, Ebel AL, Khapugin AA, Mallaliev MM, Mirvoda SV, Lednev SA, Nesterkova DV, Zelenova NP, Nesterova SA, Zelenkova VN, Vinogradov GM, Biryukova OV, Verkhozina AV, Zyrianov AP, Gerasimov SV, Murtazaliev RA, Basov YM, Marchenkova KYu, Vladimirov DR, Safina DB, Dudov SV, Degtyarev NI, Tretyakova DV, Chimitov DG, Sklyar EA, Kan

Seregin,

Bochkov,

Shner

et al. 2020

View full text Add to dashboard Cite

“…Существуют автоматизированные платформы, позволяющие проводить определение видов растений по фотографиям, например INaturalist (https://www.inaturalist.org/) и Plant-Net (https://plantnet.org/). Однако точность фенотипирования зависит от объема накопленного фотоматериала (количества и качества фотографий, выполненных в разные фазы вегетации растений), частоты встречаемости определяемого вида в изучаемой местности, а также фактического подтверждения его идентификации при натурных наблюдениях (23,24). Таким образом, при использовании автоматизированных платформ можно определить виды растений при достаточной наполненности базы, но не удается оценить модификационную изменчивость морфологических признаков, а также определять сорта.…”

unclassified

ОЦЕНКА ТОЧНОСТИ ФЕНОТИПИРОВАНИЯ МОРФОЛОГИЧЕСКИХ ПРИЗНАКОВ Syringa vulgaris L. С ПОМОЩЬЮ ЛАЗЕРНОГО 3D-СКАНЕРА PlantEye F500 В ЗАВИСИМОСТИ ОТ РАСПОЛОЖЕНИЯ РАСТЕНИЙ НА СКАНИРУЕМОЙ ПОВЕРХНОСТИ

ТРЕТЬЯКОВ¹

2022

S-h. biol.

View full text Add to dashboard Cite

Так как методические приемы прямой генетики применимы только для моногенных признаков, свойства полученного селекционного материала, линии или сорта должны быть проверены в полевых условиях, поскольку присутствие в геноме желательного гена, подтвержденное молекулярными методами, не всегда приводит к формированию ценного для селекции признака. Системы на основе технологий 3D изображений позволяют получить модель растения, а также информацию о морфологических параметрах. Однако крайне мало внимания уделяется составлению протоколов проведения феноскрининга. Целью настоящего исследования была сравнительная оценка точности определения морфологических характеристик у растений сирени традиционными методами и с использованием технологии машинного зрения в зависимости от расположения объекта на сканируемой поверхности. В качестве модели для отработки методики феноскрининга выбрали микроклоны сирени (Syringa vulgaris L.) сорта Милосердие. Микроклоны характеризуются высокой степенью морфологической однородности и небольшие по размеру, что позволяет проводить измерения и сопоставлять полученные данные в достаточно больших выборках, нормализуя их к средним значениям. Учеты выполняли после окончания адаптации растений и культивирования в течение 1 мес в тепличных боксах. При традиционной морфометрии выборка составляла 10 микроклонов, у которых измеряли высоту мерной линейкой, площадь поверхности каждого листа -контурным методом. При сканировании (3D-сканер PlantEye F500, «Phenospex B.V.», Нидерланды) каждое из 10 отобранных растений располагали в пяти разных точках сканируемой поверхности и в одном и том же положении проводили не менее пяти повторных сканирований. При применении технологии машинного зрения определяли 3D площадь листьев, проецируемую площадь листьев, цифровую биомассу, высоту, максимальную высоту, наклон листьев, угол наклона листьев, глубину проникновения света. Установлено, что для получения объективных и сопоставимых результатов при использовании 3D-сканера оптимально располагать растения в центре сканируемой поверхности в одном и том же положении, а в качестве морфологических параметров для идентификации сортов и фиксации приростов можно рекомендовать следующие параметры: площадь листа, проекционная площадь листа, высота, угол наклона листа. Для каждого вида растений необходимо проводить первичные морфологические исследования традиционными методами, а затем сравнивать полученные данные с результатами сканирования, чтобы внести поправочные коэффициенты и подтвердить информативность используемого набора признаков, тем самым повышая точность данных, полученных в результате использования технологии машинного зрения.

show abstract

“Флора России” на платформе iNaturalist: большие данные о биоразнообразии большой страны

Cited by 5 publications

References 8 publications

"Flora of Russia" on iNaturalist: a dataset

"Flora of Russia" on iNaturalist: a dataset

Contact Info

Product

Resources

About