La incertidumbre es la cuantificación de lo desconocido, un proceso clave en la ciencia. Cuantificar la incertidumbre y cómo se propaga a través de nuestra pila de datos hasta nuestras capas de predicción es importante para identificar la fuente de incertidumbre. La investigación de SPUN se guía por la incertidumbre, lo que nos ayuda a cartografiar los ecosistemas menos explorados de la Tierra, es decir, aquellos en los que los entornos y las ecorregiones no están incluidos en nuestra base de datos actual, en los que nuestras predicciones son de alta incertidumbre, pero no son únicas desde el punto de vista medioambiental, y en los que hay errores de subpíxel cuando la información es inferior a la resolución de nuestras predicciones

A mycorrhizal fungi uncertainty map is a spatial or predictive model used to visualize the statistical margin of error, data gaps, or reliability of global fungal biodiversity predictions.

We get this done by combining large geo-located databases of mycorrhizal diversity and ecological variables to generate spatial predictions of mycorrhizal diversity. This allows us to quantify and map the uncertainty of these model predictions and identify under-sampled ecoregions and help guide future mycorrhizal research across the globe.

Mapping mycorrhizal fungi involves feeding billions of DNA sequences and environmental data into machine-learning algorithms. Mapping these hidden networks involves significant uncertainty because over 70% of global ecosystems remain unsampled. SPUN is mapping this statistical uncertainty, with metrics like the coefficient of variation, to identify sampling gaps and guide conservation priorities.