Potentials of data science for advancing the modelling of biodiversity impacts

Abstract

The unsuccessful and recently expired Aichi targets triggered a call for measurable, sciencebased targets in the post-2020 global biodiversity framework. Multiple tools and modelling approaches aim to support the endeavor of halting biodiversity loss by tracking progress of these targets and highlighting trade-offs across impacts. Among these tools are for example Life Cycle Assessment, Ecological Risk Assessment, and Environmentally Extended Input-Output analysis. However, assessing the state of biodiversity is hampered by a range of uncertainties. For instance, the lack of species distribution maps for some taxonomic groups and the incomplete availability of extinction risk categories inhibits attempts to map the location or severity of anthropogenic impacts. In addition, to date, not all significant impact categories are covered in tools such as Life Cycle Assessment because underlying methodologies are either not developed or not operationalized, as is for example the case for impacts from invasive alien species and plastic pollution. However, if not all relevant impacts are considered, or their quantification is inadequate, the inferences of subsequent impact assessments may be incomplete. The increasing computational power and digital storage capacities, as well as the large-scale data collection by members of the general public, foster the development of new concepts to monitor the state of biodiversity. As part of the Digital Transformation initiative in the project Transforming Citizen Science for Biodiversity, this PhD thesis aimed to develop tools to advance biodiversity impact assessment modelling by integrating abundantly available openaccess biodiversity data within, but not limited to, the framework of Life Cycle Impact Assessment. In particular, the chapters of this thesis contribute toward tackling data limitations, addressing uncertainties, and providing a methodology to consider the previously disregarded impacts of alien species introductions within Life Cycle Assessment. In chapter 2, a largely automatized workflow was developed to transform open-access biodiversity occurrence data into coarse-scale habitat suitability maps for 27,208 red-listed vascular plant species. This newly generated dataset is already being used in a range of applications, highlighting the utility and need for the generated data. Chapter 3 highlights potential flaws in previous modelling approaches that require the numeric conversion of species extinction risk categories. Abundantly available data were used in a machine learning classifier to predict the extinction risk of Data Deficient species within relevant taxonomic groups. The predictions suggest that more than half of Data Deficient species may be threatened by extinction and their level of threat is likely to differ within and across taxonomic groups, as well as in space. Besides ranking the species for a future allocation of resources, this study aims to trigger a debate about the appropriate use of Data Deficient species within modelling approaches. Finally, invasive alien species have long been recognized as a serious threat to global biodiversity. Their current distribution and future spread are powered by worldwide transportation networks that essentially eliminate natural biogeographical barriers. However, while transportation is a fundamental part of any attempt aiming to holistically assess the environmental consequences within Life Cycle Assessment of, for instance, a product, impacts caused by invasive alien species cannot be accounted for due to a lacking impact model. Chapter 4 proposes a globally applicable methodology for the first time, compatible with current developments within the life cycle initiative hosted by UN environment. The quantified impacts are of similar magnitude as climate change impacts, implying that neglecting invasive alien species substantially underestimates the overall environmental consequences of transporting commodities. The transition into a sustainable world requires innovative approaches that guarantee more accurate, sound, and robust quantitative tools to support policy- and decision-making while keeping up with accelerating global changes. This thesis highlights potentials in data science that can stimulate future advances in next-generation biodiversity impact assessment models, supporting the quest to achieve global biodiversity targets.

Sammendrag At verden ikke nådde Aichi målene skapte grobunn for å utvikle nye kvantifiserbare og forskningsbaserte mål for det globale post-2020 rammeverket for biologisk mangfold. Flere verktøy og modelleringsmetoder er siktet mot å støtte forsøket på å stoppe tap av biologisk mangfold ved å spore fremskrittene mot målene og å tydeliggjøre eventuelle avveininger på tvers av miljøpåvirkninger. Eksempler på slike verktøy er livsløpsanalyser, økologiske risikovurderinger, og miljøutvidete kryssløpsanalyser. Likevel er slike evalueringer sterkt påvirket av mange usikkerheter. Mangelen på distribusjonskart samt vurdering av risiko for utryddelse av arter på tvers av mange taksonomiske grupper, for eksempel, gjør det utfordrende å beregne påvirkningen av menneskelige aktiviteter. Samtidig er ikke alle signifikante påvirkningskategorier dekket enda, fordi den underliggende metoden enten ikke er utviklet eller operasjonalisert, slik som for eksempel for fremmede arter og plastforurensing. Dersom ikke alle relevante påvirkningskategorier dekkes eller kvantifiseringen av disse ikke er god nok, vil også evalueringer av miljøpåvirkninger lide som følge av dette. Økende datakraft og digitale lagringsmuligheter, i tillegg til storskala datainnsamling fra borgerforskere skaper muligheter for å utvikle nye konsepter for å overvåke tilstanden til biologisk mangfold. Som en del av prosjektet «Transforming Citizen Science for Biodiversity», en del av «Digital Transformation»-initiativet, sikter denne avhandlingen mot å utvikle verktøy for å forbedre modellering av miljøpåvirkninger på biologisk mangfold ved å integrere åpne data på biologisk mangfold innenfor, men ikke begrenset til, livsløpsanalyser. Kapitlene i avhandlingen bidrar til å takle databegrensninger, adressere usikkerhet, og å tilby en metodikk for å vurdere en tidligere oversett miljøpåvirkning innenfor miljøpåvirkningsevalueringer for biologisk mangfold. I kapittel 2 ble en automatisert arbeidsflyt utviklet for å transformere åpne data på forekomster av biologisk mangfold til grov-skala kart over habitatsegnethet for 27 208 plantearter. Dette nylig genererte datasettet er allerede i bruk i flere applikasjoner, noe som tydeliggjør nytteverdien og behovet for slike data. Kapittel 3 fremhever potensielle mangler i tidligere modelleringsforsøk som avhenger av numerisk konvertering av kategorier for arters risiko for utryddelse. Rikelig tilgjengelige data ble brukt i kombinasjon med maskinlæring for å forutsi risikoen for utryddelse for arter med datamangel innenfor relevante taksonomiske grupper. Resultatene tyder på at risikoen trolig varierer både innenfor og på tvers av taksonomiske grupper, i tillegg til lokasjon. I tillegg til å rangere arter for fremtidig ressursallokering, tydeliggjør studiet behovet for en debatt rundt riktig modellering av arter med mangelfullt datagrunnlag. Til slutt rettes fokuset på fremmede arter som lenge er blitt anerkjent som en seriøs trussel mot biologisk mangfold globalt. Deres nåværende distribusjon og fremtidig spredning drives frem av verdensomspennende transportnettverk som visker ut tidligere naturlige biogeografiske barrierer. Mens transport utgjør en grunnleggende del av alle forsøk på helhetlig modellering av miljøkonsekvenser innenfor livsløpsanalyser av, for eksempel, produkter, så er miljøpåvirkninger av fremmede arter ikke mulig å evaluere på grunn av manglende modelleringsmetoder. Kapittel 4 legger frem den første utviklede metodikken for globale evalueringer av miljøpåvirkninger fra fremmede arter som er kompatibel med «life cycle initiativet» av FNs miljøprogram. De kvantifiserte resultatene antyder at å neglisjere fremmede arter vil gi en betydelig underestimering av de totale miljøpåvirkningene på biologisk mangfold fra transporterte produkter. Overgangen til en bærekraftig verden behøver innovative tilnærminger som kan garantere mer nøyaktige og robuste kvantitative verktøy for å støtte politikk og beslutningstaking, og som samtidig holder tritt med akselererende globale endringer. Denne avhandlingen fremhever potensialet i datavitenskap som kan stimulere fremtidige forbedringer i den neste generasjonen av evalueringsmodeller for miljøpåvirkninger.