研究发现有更多的爬行动物物种可能要面临灭绝风险（濒危物种）

在国际自然保护联盟(IUCN)公布的标志性的濒危物种红色名录中，面临灭绝风险的物种被确认。一项新研究提出了一个新机器学习工具来评估灭绝风险，然后用这个工具来表明因缺乏评估或数据而未被列入清单的爬行动物比被评估的物种更有可能受到威胁。

这项研究由以色列内盖夫本古里安大学的Gabriel Henrique de Oliveira Caetano及其同事进行，并于5月26日发表在《PLOS Biology》上。
IUCN的濒危物种红色名录是对物种灭绝风险的最全面评估，另外还为世界各地的保护政策和实践提供参考。然而，对物种进行分类的过程是耗时的、费力的且会有偏差，另外它还严重依赖人类专家的手工整理。因此，许多动物物种没有被评估或缺乏足够的数据，并造成了保护措施上的空白。
为了评估以前无法优先保护的4369种爬行动物并开发评估模糊物种灭绝风险的准确方法，这些科学家创建了一个机器学习计算机模型。该模型为世界上40%的爬行动物分配了世界自然保护联盟(IUCN)的灭绝风险类别，这些爬行动物在研究时缺乏公开的评估或被列为“DD（数据不足）” 。研究人员验证了该模型的准确性，并将其跟红色名录中的风险分类进行了比较。
研究人员发现，受威胁物种的数量比IUCN红色名录中反映的要多得多，“NE（未评估）”和数据缺陷的爬行动物比评估物种更有可能受到威胁。未来的研究需要更好地了解受威胁的爬行动物类群的灭绝风险的具体因素，以此来获得关于不明显的爬行动物类群的更好的数据并建立包括新识别的受威胁物种的保护计划。
研究人员称：“总的来说，我们的模型预测，爬行动物的保护状况比目前估计的要差得多，必须立即采取行动以避免爬行动物生物多样性的消失。在新的评估和保护规划中，我们确定的可能受到更多威胁的地区和分类群应得到更多关注。最后，我们在这里提出的方法可以很容易地实施以帮助弥补对其他不太知名的分类群的评估差距。”
研究论文的共同作者Shai Meiri补充道：“重要的是，被我们的模型确定为受威胁的额外爬行动物并不是随机地分布在全球或爬行动物进化树上。我们增加的信息强调，有更多的爬行动物物种处于危险之中--特别是在澳大利亚、马达加斯加和亚马逊流域--这些地方的爬行动物多样性很高，应该成为额外保护工作的目标。此外，物种丰富的群体如壁虎和眼镜蛇可能比全球爬行动物评估报告目前强调的威胁更大，这些群体还应该成为更多保护工作的重点。
另一位共同作者Uri Roll补充称：“我们的工作可能对帮助全球努力优先保护处于危险中的物种非常重要--如使用IUCN的红名单机制。我们的世界正面临着生物多样性危机以及生态系统和物种的严重人为变化，但分配给保护的资金却非常有限。因此，关键是我们要把这些有限的资金用在可以提供最大利益的地方。先进的工具--如我们在这里采用的工具加上不断积累的数据可以大大减少评估灭绝风险所需的时间和成本，从而为更明智的保护决策铺平道路。”