کاربرد هوش مصنوعی در پایش غیرتهاجمی تنوع زیستی دریایی با تاکید بر متابار کدگذاری DNA محیطی و تصویربرداری نوری زیرآب

پایش موثر تنوع زیستی دریایی یکی از ارکان اصلی حفاظت و مدیریت پایدار اکوسیستم های دریایی به شمار می رود. روش های سنتی پایش زیستی، عمدتا متکی بر نمونه برداری های فیزیکی و شیمیایی مورفولوژیکی هستند که علاوه بر نیاز به نیروی انسانی متخصص، در بسیاری از موارد ماهیتی تهاجمی داشته و می توانند موجب اختلال در زیستگاه های حساس دریایی شوند. در سال های اخیر، توسعه رویکردهای نوین غیرتهاجمی نظیر متابار کدگذاری DNA محیطی (eDNA) و تصویربرداری نوری زیرآب با وضوح بالا، افق های جدیدی را در پایش زیستی گشوده است. متابار کدگذاری eDNA با استخراج و تحلیل مواد ژنتیکی موجود در نمونه های محیطی، امکان شناسایی همزمان طیف گسترده ای از گونه ها، از جمله گونه های نادر، مرموز و یا مهاجم را بدون نیاز به مشاهده مستقیم فراهم می کند. در مقابل، تصویربرداری نوری زیر آب قادر است اطلاعات دقیق قضایی، رفتاری و ساختاری جوامع زیستی را به صورت غیرمخرب ثبت نماید. با این حال، حجم بالای داده های حاصل از این دو رویکرد، تحلیل و تفسیر آن ها را با چالش های جدی مواجه ساخته است. در این میان، هوش مصنوعی و به ویژه الگوریتم های یادگیری ماشین و یادگیری عمیق، نقش کلیدی در پردازش، یکپارچه سازی و تحلیل داده های چند منبعی ایفا می کنند. استفاده از هوش مصنوعی می تواند دقت شناسایی گونه ها، سرعت تشخیص زودهنگام تغییرات زیستی و قابلیت پیش بینی الگوهای گسترش مهاجم را به طور قابل توجهی افزایش دهد. در این مقاله، با مروری تحلیلی بر پیشرفت های اخیر، نقش تلفیقی هوش مصنوعی، متابار کدگذاری eDNA و تصویربرداری نوری زیرآب در توسعه سامانه های پایش غیرتهاجمی محیط های دریایی بررسی می شود. همچنین چالش ها، محدودیت ها و چشم اندازهای آینده این رویکردهای نوین در حفاظت از تنوع زیستی دریایی مورد بحث قرار می گیرد.

کلیدواژه ها:

پایش تنوع زیستی دریایی ، هوش مصنوعی ، DNA محیطی (eDNA) ، متابار کدگذاری ، تصویربرداری نوری زیرآب ، گونه های مهاجم