ATLAS SOUTERRAIN

Spécifications techniques

Résolution native : 30 arc-secondes (1 km)

Étendue spatiale: Mondiale

Zone masquée: Couverture terrestre non végétalisée provenant d'ensembles de données de télédétection (par exemple, habitats rocheux, glaciaires et désertiques) et couverture terrestre fortement urbaine/bâtie.

Unités: Richesse = nombre d'espèces / 100 m2 ; Endémisme = richesse pondérée par la rareté (importance relative, sans unité) ; Incertitude = coefficient de variation (sans unité) ; Extrapolation du modèle = %.

Description

Les produits de données cartographiques mycorhiziennes présentés ici sont des interpolations spatiales à haute résolution issues de modèles d'apprentissage automatique d'ensemble. Ces modèles prédictifs sont entraînés sur des métriques de diversité fongique mycorhizienne à partir d'une base de données mondiale de champignons du sol, comprenant 2,8 milliards de séquences d'ADN fongique provenant de 25 000 échantillons de sol dans 130 pays, et des dizaines de couches environnementales libres sur les conditions climatiques, la végétation, la topographie, les propriétés du sol et les facteurs humains (par exemple, le pourcentage de couverture du sol modifiée par l'homme). Les modèles ont été construits comme des modèles de régression de forêt aléatoire à validation croisée k-fold, les prédictions finales étant calculées comme une moyenne d'ensemble des 10 modèles les plus performants sur 100 exécutions bootstrapped.

Chaque pixel de la carte représente une prédiction de la diversité fongique mycorhizienne par 100 m2 - en d'autres termes, la diversité mycorhizienne attendue (combinée à partir de plusieurs sous-échantillons couvrant une zone de 100 m2) dans chaque pixel d'un kilomètre. Les prévisions de "richesse" proviennent de calculs au niveau de l'échantillon du nombre total d'espèces fongiques uniques à l'aide d'un estimateur de raréfaction/extrapolation CHAO. Les prévisions d'"endémisme" sont basées sur des calculs de richesse pondérés en fonction de la rareté, en utilisant la somme des scores de rareté des espèces au niveau de l'échantillon. Il convient de noter que les "espèces" de champignons mycorhiziens se réfèrent ici à des unités taxonomiques opérationnelles groupées similaires à 97 %, ce qui constitue une méthode standard de délimitation des taxons fongiques dans les ensembles de données de séquençage de l'ADN électronique.

Chaque prédiction au niveau du pixel s'accompagne de deux types d'incertitude statistique : le coefficient de variation et une estimation de l'extrapolation du modèle. Le coefficient de variation mesure la dispersion relative des valeurs prédites autour de la moyenne de prédiction, et est calculé en utilisant l'écart-type divisé par la moyenne de prédiction pour toutes les séries bootstrappées. Les zones où l'incertitude est plus élevée indiquent un intervalle de confiance plus large autour des prédictions du modèle. L'extrapolation est estimée à l'aide d'une approche par composantes principales afin de déterminer le degré de représentation géographique et environnementale des pixels dans les données d'apprentissage. Les zones où l'extrapolation est élevée indiquent que les pixels sont uniques du point de vue de l'environnement et/ou qu'ils sont éloignés des sites échantillonnés à proximité.

Pour plus de détails sur l'approche technique et les procédures de validation croisée, voir l'article publié ici [Lien vers l'article de Nature] et les ressources de code supplémentaires ici [Lien vers GitHub].

À propos de

Ces produits de données ont été développés conjointement par les contributeurs suivants (par ordre d'auteur de l'article de recherche) :

Michael E. Van Nuland

(Société pour la protection des réseaux souterrains (SPUN), Dover, DE, USA)

Colin Averill

(Institut de biologie intégrative, Département de science des systèmes environnementaux, ETH Zürich, Zürich, Suisse ; Funga Public Benefit Corporation, Austin TX USA)

Justin D. Stewart

(Society for the Protection of Underground Networks (SPUN), Dover, DE, USA ; Amsterdam Institute for Life and Environment (A-LIFE), Section Ecology & Evolution, Vrije Universiteit Amsterdam, Amsterdam, Pays-Bas)

Oleh Prylutskyi

(Réserve de biosphère de Falz-Fein "Askania Nova", Oblast de Kherson, Ukraine)

Adriana Corrales

(Société pour la protection des réseaux souterrains (SPUN), Dover, DE, USA)

Laura G. van Galen

(Société pour la protection des réseaux souterrains (SPUN), Dover, DE, USA ; Institut de biologie intégrative, Département des sciences des systèmes environnementaux, ETH Zürich, Zürich, Suisse)

Bethan F. Manley

(Société pour la protection des réseaux souterrains (SPUN), Dover, DE, USA)

Clara Qin

(Société pour la protection des réseaux souterrains (SPUN), Dover, DE, USA)

Thomas Lauber

(Institut de biologie intégrative, Département de science des systèmes environnementaux, ETH Zürich, Zürich, Suisse)

Vladimir Mikryukov

(Centre de mycologie et de microbiologie, Université de Tartu, Tartu, Estonie)

Olesia Dulia

(Centre de mycologie et de microbiologie, Université de Tartu, Tartu, Estonie)

Giuliana Furci

(Fungi Foundation, Brooklyn, NY, USA)

César Marín

(Amsterdam Institute for Life and Environment (A-LIFE), Section Ecology & Evolution, Vrije Universiteit Amsterdam, Amsterdam, Pays-Bas ; Centro de Investigación e Innovación para el Cambio Climático (CiiCC), Universidad Santo Tomás, Valdivia, Chili)

Merlin Sheldrake

(Society for the Protection of Underground Networks (SPUN), Dover, DE, USA ; Amsterdam Institute for Life and Environment (A-LIFE), Section Ecology & Evolution, Vrije Universiteit Amsterdam, Amsterdam, Pays-Bas)

James Weedon

(Amsterdam Institute for Life and Environment (A-LIFE), Section Systems Ecology, Vrije Universiteit Amsterdam, Amsterdam, Pays-Bas)

Kabir G. Peay

(Département des sciences du système terrestre, Université de Stanford, Stanford, CA, États-Unis ; Département de biologie, Université de Stanford, Stanford, CA, États-Unis)

Charlie K. Cornwallis

(Département de biologie, Université de Lund, Lund, Suède)

Tomáš Větrovský

(Laboratoire de microbiologie environnementale, Institut de microbiologie de l'Académie tchèque des sciences, République tchèque)

Petr Kohout

(Laboratoire de microbiologie environnementale, Institut de microbiologie de l'Académie tchèque des sciences, République tchèque)

Petr Baldrian

(Laboratoire de microbiologie environnementale, Institut de microbiologie de l'Académie tchèque des sciences, République tchèque)

Leho Tedersoo

(Centre de mycologie et de microbiologie, Université de Tartu, Tartu, Estonie ; Collège des sciences, Université du Roi Saud, Riyad, Arabie Saoudite)

Stuart A. West

(Département de biologie, Université d'Oxford, Oxford, Royaume-Uni)

Thomas W. Crowther

(Institut de biologie intégrative, Département de science des systèmes environnementaux, ETH Zürich, Zürich, Suisse)

E. Toby Kiers

(Society for the Protection of Underground Networks (SPUN), Dover, DE, USA ; Amsterdam Institute for Life and Environment (A-LIFE), Section Ecology & Evolution, Vrije Universiteit Amsterdam, Amsterdam, Pays-Bas)

Consortium de cartographie SPUN

Johan van den Hoogen

(Société pour la protection des réseaux souterrains (SPUN), Dover, DE, USA ; Institut de biologie intégrative, Département des sciences des systèmes environnementaux, ETH Zürich, Zürich, Suisse)

L'élaboration de ce projet a été financée en partie par les fonds suivants :

• SPUN : Jeremy and Hannelore Grantham Environmental Trust, Paul Allen Family Foundation, Schmidt Family Foundation, Quadrature Climate Foundation et Bezos Earth Fund.
• Kiers : NWO-VICI (202.012), NWO-Spinoza (SPI.2023.2) et HFSP (RGP 0029).
• Averill : Subvention Ambizione no. PZ00P3_17990 du Fonds national suisse de la recherche scientifique.
• Stewart : NOW-Gravity Grant Microp (024.004.014).
• Laboratoire Crowther : DOB Ecologie et la Fondation Bernina
• GlobalFungi : Fondation tchèque de la science (21-17749S), MEYS (LC23152, LM2023055)
• Tedersoo : Fondation estonienne pour la science (PRG632)
• Peay : Programme CIFAR Royaume fongique : Menaces et opportunités, US NSF (DEB-1845544) et DOE (DE-SC0023661)
• Marín : Projets ANID - Chili SIA No. SA77210019 (2021), Fondecyt Regular Project No. 1240186 (2024).