تحلیل روند تغییرات تنوع زیستی زنبورهای گرده افشان با کاربرد هوش مصنوعی در استان فارس

با توجه به نقش کلیدی زنبورهای گرده افشان در افزایش عملکرد و کیفیت محصولات باغی استان فارس و نگرانی ها درباره کاهش جمعیت آنها طی سال های اخیر پایش دقیق این گونه ها ضرورت دارد. در این پژوهش با بهره گیری از ترکیب داده های میدانی و تصاویر ماهواره ای روند تغییرات تنوع زیستی زنبورهای گرده افشان در استان فارس طی یک بازه زمانی ده ساله (۱۳۹۲ تا ۱۴۰۲) مورد بررسی قرار گرفت. تحلیل شاخص های اکولوژیکی شانون و غنای گونه ای در محیط نرم افزار R انجام شد و نتایج نشان دهنده کاهش ۳۶.۸ درصدی غنای گونه ای از ۳۸ به ۲۴ گونه و افت ۵۰ درصدی شاخص شانون از ۲.۴ به ۱.۲ بود. به منظور پیش بینی روند آتی از مدل سازی زمانی بر پایه شبکه های عصبی Long Short-Term Memory (LSTM) استفاده شد که دقت پیش بینی ۸۹ درصد را نشان داد. همچنین تحلیل تصاویر ماهواره ای در محیط Google Earth Engine با کمک الگوریتم های رایج پردازش تصویر از جمله مدل های مبتنی بر CNN افزایش میانگین دمای هوا به میزان ۲.۲ درجه سلسیوس و کاهش ۳۰ درصدی پوشش گیاهی (شاخص NDVI) را به عنوان عوامل بحرانی شناسایی کرد. ارزیابی تصاویر با YOLO شناسایی خودکار گونه هایی مانند Apis florea Fabricius را با دقت ۹۴ درصد ممکن ساخت که کاهش ۴۰ درصد جمعیت آن را نشان می داد. تحلیل فضایی هوشمند نیز بیشترین افت جمعیتی را در غرب استان (کازرون) نشان داد. با توجه به نتایج به دست آمده، بازنگری در سیاست های فعلی زیست محیطی و کشاورزی می تواند به بهبود وضعیت زنبورهای گرده افشان در استان فارس کمک نماید.

کلیدواژه ها:

هوش مصنوعی ، زنبورهای گرده افشان ، تنوع زیستی ، تغییر اقلیم ، پایش هوشمند