Modeling of Evolutionary Plasticity and Colony Collapse Risk Via Architectural Symmetry Degradation in Global Apis Mellifera Using YOLO-Seg, Sentinel-3 and Google Earth Engine Telemetry

ملخص تقني: نمذجة اللدونة التطورية ومخاطر انهيار المستعمرات عبر تدهور التماثل المعماري

بيان المشكلة
تتناول هذه الدراسة فجوة حرجة في فهم كيفية تأثير تقلبات المناخ على النطاق الكلي (macro-scale) في السلامة الهيكلية للميكروية (micro-scale) لمستعمرات نحل العسل (Apis mellifera). وبينما يُنظر تاريخياً إلى قرص العسل السداسي كنموذج مثالي لكفاءة المواد، فإن الأدبيات الحالية تتعامل مع هذه الهياكل ككيانات ثابتة أو تفشل في ربط الانحرافات الهندسية بضغوط بيئية محددة. وتفترض الدراسة أن التباينات الحرارية واسعة النطاق ($\sigma_{LST}$) تؤدي إلى تعطيل حلقات التغذية الراجعة الحسية-الحركية لدى النحل العامل، مما يؤدي إلى "انزياح معماري في النيش" (niche architectural drift)—وهو تدهور في التماثل الهيكلي يعمل كمؤشر فيزيائي مبكر لتعثر المستعمرة واحتمالية انهيارها، وهو أمر متميز عن مقاييس تعداد السكان التقليدية على المستوى الكلي.

المنهجية
تستخدم الدراسة إطار عمل متعدد المقاييس يعتمد على البيانات، يدمج بين القياسات عن بُعد للأقمار الصناعية الكوكبية والتعلم العميق على المقياس الميكروي:

• مصادر البيانات والنطاق: تحلل الدراسة بيانات تمتد لـ 24 عاماً (2002–2026) عبر سبعة عقد رصد عالمية تشمل مناخات بوريال (شمالية)، ومعتدلة، ومتوسطية، واستوائية في جنوب آسيا. تم استقاء البيانات البيئية (درجة حرارة سطح الأرض، الهطول، الرطوبة) من مستشعرات Sentinel-3 SLSTR، وMODIS MOD11A1، وإعادة تحليل ERA5-Land عبر Google Earth Engine (GEE).
• أخذ العينات البيولوجية: تضمن التحقق التجريبي 563 مستعمرة من نوع "لانجستروث" المعيارية التي تمت مراقبتها كل أسبوعين. تم فهرسة ما مجموعه 404,816 إطاراً من هياكل الشمع عالية الدقة، مع استخدام مجموعة مختارة ومنقحة تضم 33,600 إطار لتحليل التعلم العميق.
• بنية التعلم العميق:
  • تجزئة النسخ (Instance Segmentation): تم تدريب خوارزمية YOLOv11-seg على 8,400 صورة موسومة (بتقسيم 70-20-10) لتجزئة الخلايا السداسية الفردية. حقق النموذج متوسط دقة (mAP50) قدره 0.948 ودقة تحديد الحدود بلغت 0.921.
  • تقدير الوضعية (Pose Estimation): استخدم نموذج OpenBeePose، الذي يعتمد على بنية VGG-19، لتتبع النقاط المفتاحية للنحل العامل بهدف قياس عدم الاستقرار السلوكي ($I_{inst}$) من خلال زوايا القوام وسرعة الحركة.
• المقاييس الكمية:
  • معامل التماثل ($S_c$): مقياس معياري [0,1] يحدد الانحراف عن الهندسة السداسية المثالية بناءً على الزوايا الداخلية وأطوال الأضلاع.
  • التكلفة الديناميكية الحرارية ($E_{therm}$): تُحسب عبر ربط عدم الاستقرار الميكانيكي بالعمل الأيضي، لتقدير الطاقة المهدرة في الاهتزازات الثرموميكانيكية.
  • نسبة الشمع إلى التخزين (WSR): مشتقة من عمليات إعادة البناء التصويري ثلاثي الأبعاد لتقييم عدم كفاءة اقتصاد المواد.
  • الاعتلاج المعلوماتي (Information Entropy): استُخدم اعتلاج شانون المعياري ($H_{norm}$) لقياس فقدان المتشعبات المكانية والسلوكية.
• النمذجة الإحصائية: قامت نماذج الانحدار الخطي واللوجستي ذات التأثيرات المختلطة (باستخدام lme4 في لغة R) بنمذجة الاقتران بين التقلب الحراري والتماثل الهيكلي. كما استُخدم تحليل البقاء باستخدام انحدار المخاطر النسبية لـ "كوكس" ومنحنيات خصائص التشغيل المستقلة عن الزمن (ROC) لتحديد نقاط التحول الحرجة.

النتائج الرئيسية

• الاقتران المناخي-الهيكلي: وُجد ارتباط سلبي قوي بين تقلب درجة حرارة سطح الأرض والتماثل الهيكلي ($\beta_1 = -0.08495$، $p < 0.001$). حيث يؤدي التقلب الحراري العالي إلى تعطيل عملية البناء، مما يؤدي إلى زيادة التباينات في زوايا الخلايا وأطوال الأضلاع.
• الأثر السلوكي والطاقي: أدى الإجهاد الحراري إلى ارتفاع عدم الاستقرار السلوكي ($I_{inst}$)، مما نتج عنه زيادة بمقدار 3.4 ضعف في هدر التكلفة الديناميكية الحرارية ($E_{therm}$) بسبب الاهتزازات غير الهادفة. أدى هذا التحويل في الطاقة إلى تضخم نسبة الشمع إلى التخزين (WSR)، مما يشير إلى عدم كفاءة تخصيص المواد.
• الاعتلاج وفقدان المعلومات: أدت التغيرات الحرارية القصوى إلى ضغط المتشعبات الحالة المكانية والسلوكية، مما دفع اعتلاج شانون المعياري إلى قيم سالبة في عدة حالات، مما يشير إلى فقدان التنوع الهيكلي والقدرة التواصلية.
• نقطة التحول الحرجة: حدد تحليل البقاء عتبة عدم استقرار هيكلي واضحة عند $S_{crit} < 0.6214$. وتحت معامل التماثل هذا، تزداد احتمالية انهيار المستعمرة بشكل كبير. حقق النموذج التنبئي مساحة تحت المنحنى (AUC) بلغت 0.9142 (بفاصل ثقة 95% [0.876, 0.952])، مما أظهر حساسية ونوعية عالية في التنبؤ بفشل المستعمرات عبر مختلف السلالات الجغرافية الحيوية.
• اللدونة النوعية للسلالات: لاحظت الدراسة تبايناً في اللدونة المظهرية عبر المجموعات؛ حيث أظهرت المجموعات البوريال (مثل برينس ألبرت، كندا) تقلباً أعلى ($\sigma_{LST} \approx 6.84^\circ C$) وأنماط تكيف محددة مقارنة بالعقد الاستوائية (مثل نيروبي، كينيا)، ومع ذلك، اتبعت جميعها قوانين قياس متشابهة فيما يتعلق بالتدهور المعماري.

الأهمية والادعاءات
تزعم الورقة أنها رائدة في دمج القياسات عن بُعد للأقمار الصناعية على مستوى الكوكب مع التعلم العميق على المقياس الميكروي لعملية "الانزياح المعماري في النيش" كإشارة بيئية تنبؤية. وتشمل مساهماتها الأساسية ما يلي:

1. نظام إنذار مبكر: إثبات أن الدقة المعمارية الميكروية (تحديداً $S_c$) تعمل كإشارة إنذار مبكر قابلة للقياس لانهيار المستعمرة، ويمكن اكتشافها قبل أن يصبح نقص العمالة مرئياً.
2. الفهم الآلي: تقديم رابط ميكانيكي بين التقلب الحراري الخارجي وميكانيكا المستعمرة الداخلية، وتوضيح كيف تؤدي المقايضات الطاقية (زيادة $E_{therm}$ وWSR) إلى الفشل الهيكلي.
3. إطار تنبؤي: التحقق من إطار عمل قوي مدعوم بالذكاء الاصطناي distinguishes (يميز) بين التعديلات اللدنة القابلة للانعكاس والانهيار غير القابل للانعكاس باستخدام عتبة حرجة ($S_{crit} < 0.6214$).
4. القابلية للتطبيق العالمي: إثبات أن هذه القوانين الميكانيكية الحيوية وقوانين القياس الثابتة تظل صالحة عبر مناطق جغرافية حيوية متنوعة، مما يقدم نهجاً موحداً لمراقبة صحة الملقحات في ظل تسارع تغير المناخ.

وتخلص الدراسة إلى أن هذه النتائج تمكن من تطوير أساليب تربية النحل الدقيقة وأنظمة الإنذار المبكر، مما قد يحمي خدمات التلقيح العالمية والأمن الغذائي من خلال السماح بتدخلات مستهدفة قبل وقوع انهيار المستعمرة غير القابل للانعكاس.