Identificatiefouten begrijpen in Pl@ntNet

Pl@ntNet herkent in 2026 ongeveer 85.000 soorten. In sommige gevallen kan een identificatiefout zichzelf na verloop van tijd versterken: een algemene soort wordt regelmatig verward met een zeldzame soort die erop lijkt, en deze nieuwe waarnemingen dragen vervolgens bij aan het in stand houden van de verwarring.

Sinds enkele jaren sporen ervaren leden van de gemeenschap, de zogenaamde veilleurs (wakers), deze situaties op en documenteren ze.

De kruising van hun werk met een statistische analyse stelt ons in staat het fenomeen beter te begrijpen en een eerste orde van grootte te geven: ongeveer 1.500 soorten zouden betrokken kunnen zijn, van de ongeveer 85.000 soorten die door Pl@ntNet worden herkend. Deze schatting blijft onzeker en hangt af van verschillende hypothesen.

Hoe een afwijking kan ontstaan

Het identificatiesysteem van Pl@ntNet steunt met name op waarnemingen die door de gemeenschap zijn gevalideerd. Hoe meer gegevens beschikbaar en correct geïdentificeerd zijn, hoe meer ze kunnen bijdragen aan de verbetering van het model.

Maar wanneer er verwarring ontstaat tussen twee nauw verwante soorten, kan dit mechanisme een fout ook versterken.

Neem een algemene soort, vertegenwoordigd door duizenden waarnemingen, en een zeldzame soort die erop lijkt. Als het model de zeldzame soort te vaak begint voor te stellen in plaats van de algemene soort:

worden sommige waarnemingen van de algemene soort geregistreerd onder de naam van de zeldzame soort;
deze waarnemingen vergroten de hoeveelheid gegevens die geassocieerd wordt met de zeldzame soort;
het model leert geleidelijk deze verwarring aan en kan de zeldzame soort nog vaker voorstellen.

Omdat er van zeldzame soorten over het algemeen minder waarnemingen zijn, kan een relatief kleine hoeveelheid foutieve gegevens een groot effect hebben op hun weergave.

De wakers spreken dan van een identificatie-drift (dérive d’identification): een fout die niet incidenteel blijft, maar zichzelf in stand kan houden.

De rol van de wakers

De wakers zijn ervaren gebruikers (ervaren botanici of zeer deskundige amateurs) die de afwijkingen opsporen en deelnemen aan de correctie ervan via het systeem van gezamenlijke validatie.

In de loop der jaren heeft hun werk het mogelijk gemaakt een catalogus van gedocumenteerde gevallen aan te leggen: soorten die met elkaar verward worden, de evolutie van het probleem en de uitgevoerde correcties. Ongeveer 190 soorten zijn in detail bestudeerd.

Deze expertise is bijzonder belangrijk omdat een ongebruikelijke statistische ontwikkeling op zichzelf niet volstaat om te bewijzen dat er sprake is van een afwijking. De interpretatie van de gegevens vereist kennis van de soorten en hun context.

Sources, sinks en underdogs

De wakers gebruiken verschillende termen om de verschillende tegengekomen gevallen te beschrijven.

Een source (bron) is meestal een algemene soort die minder vaak correct wordt herkend. De waarnemingen ervan worden geleidelijk toegeschreven aan een andere soort.

Een sink (put) is de soort die deze waarnemingen ten onrechte ontvangt. Het gaat vaak om een zeldzame soort, waarvan de database met waarnemingen snel kan worden beïnvloed door deze fouten.

Een underdog is eveneens een zeldzame en onder-herkende soort, maar zonder dat er noodzakelijkerwijs sprake is van een afwijking. Er kunnen simpelweg te weinig waarnemingen zijn of de soort is moeilijk te identificeren.

De wakers geven vaak de voorkeur aan een aanpak die asymmetrische curatie wordt genoemd: zij schonen met prioriteit de gegevens van de sink op. Het corrigeren van een kleine, sterk vervuilde database kan effectiever zijn dan het direct corrigeren van een grote database met waarnemingen.

Wat de statistische analyse laat zien

Een onafhankelijke analyse bestudeerde 795 soorten met meer dan 500 waarnemingen, wat neerkomt op ongeveer 2,5 miljoen waarnemingen tussen 2017 en 2024.

Voor elke soort schat de analyse of de kans dat deze door gebruikers wordt gedetecteerd in de loop der tijd toeneemt of afneemt. Deze evolutie wordt weergegeven door een helling:

een negatieve helling geeft aan dat de soort steeds minder vaak wordt gedetecteerd;
een positieve helling geeft aan dat deze steeds vaker wordt gedetecteerd.

De hypothese is dat een source eerder een negatieve helling zou moeten vertonen, terwijl een sink een positieve helling zou kunnen vertonen.

De kruising met de gevallen die al bekend waren bij de wakers geeft een gemengd resultaat.

Voor de sources lijken negatieve hellingen een goed detectiemiddel te zijn: ongeveer 80% van de bekende sources verschijnt in deze lijst, met een geschatte zuiverheid van ongeveer 74%.

Voor de sinks is het resultaat veel minder nuttig. Slechts ongeveer 13% van de bekende sinks wordt teruggevonden. De belangrijkste reden is dat sinks vaak zeldzaam zijn en minder dan 500 waarnemingen hebben: ze worden dus vanaf het begin uit de analyse uitgesloten.

De hellingen kunnen dus helpen bij het prioriteren van de te onderzoeken soorten, maar ze vervangen de expertise van de wakers niet.

Waarom correcties de analyse soms bemoeilijken

De curatie zelf kan de statistieken veranderen die worden gebruikt om afwijkingen te detecteren.

Wanneer een sink wordt opgeschoond, wordt een deel van de verwijderde waarnemingen vaak opnieuw gevalideerd als behorend tot de source. De source wint dan waarnemingen terug, terwijl de sink er verliest.

Na verloop van tijd kan dit hun respectieve hellingen veranderen:

een reeds gecorrigeerde source verschijnt mogelijk niet langer als een soort in verval;
een opgeschoonde sink kan daarentegen verschijnen tussen de soorten met een negatieve helling.

Het is daarom belangrijk om de geschiedenis van correcties bij te houden. Een soort die al als source is geïdentificeerd, kan kwetsbaar blijven voor nieuwe afwijkingen, zelfs na correctie.

Hoe groot zou het fenomeen kunnen zijn?

Door de door de wakers gedocumenteerde gevallen te combineren met de resultaten van de statistische analyse, worden de volgende schattingen verkregen:

ongeveer 450 sources;
ongeveer 1.000 sinks, met een onzekerdere schatting tussen 600 en 1.300 afhankelijk van de methode;
ongeveer 1.500 betrokken soorten in totaal bij een identificatie-drift.

Ter vergelijking: Pl@ntNet herkent ongeveer 85.000 soorten.

Deze cijfers moeten met voorzichtigheid worden geïnterpreteerd. De catalogus van de wakers is geen aselecte steekproef en richt zich voornamelijk op de Europese flora. De statistische analyse beslaat alleen soorten met ten minste 500 waarnemingen en is gebaseerd op een periode van 2017 tot 2024.

Deze resultaten geven dus een orde van grootte en geen definitieve meting van het fenomeen.

Verschillende vragen blijven open.

Kan een soort een source zijn in de ene regio en een sink in de andere? Kunnen we het precieze moment identificeren waarop een afwijking begint? Is het mogelijk om de sinks te vinden op basis van de reeds bekende sources?

Op de langere termijn zou het doel kunnen zijn om tools te ontwikkelen die automatisch soorten kunnen signaleren die beginnen af te wijken. Deze tools zouden de menselijke expertise niet vervangen, maar zouden de wakers kunnen helpen om problemen eerder op te sporen.

Identificatie-drifts zijn een reëel fenomeen dat een beperkt deel van de door Pl@ntNet herkende soorten treft.

Het werk van de wakers is essentieel om ze op te sporen, te begrijpen en te corrigeren. De statistische analyse biedt van haar kant een extra middel om soorten te identificeren die bijzondere aandacht verdienen.

Door botanische expertise en data-analyse te combineren, heeft Pl@ntNet een betere basis om deze afwijkingen te volgen en in te grijpen voordat ze omvangrijker worden.