Effects of modelling choices on early invasive risk assessments: lessons from the psyllid vectors of Citrus Huanglongbing
تُظهر هذه الدراسة أن البيانات المنسقة من قبل الخبراء، وإدراج سجلات النطاق المكتسب، واستخدام مقاييس تقييم خاصة بالغزو، تُعد أموراً حاسمة لتحسين دقة نماذج توزيع الأنواع ذات الصلة بالسياسات والمستخدمة لتقييم مخاطر الغزو المبكر لناقلات حشرة بسس الحمضيات.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
عندما يصل نوع جديد من الكائنات إلى مكان لم يعش فيه من قبل، يكون السؤال الأول للعلماء والمزارعين بسيطاً ولكنه ملحّ: أين سيذهب بعد ذلك؟ وللإجابة على هذا، يستخدم الباحثون نماذج حاسوبية تعمل مثل توقعات الطقس للكائنات الحية. فبدلاً من التنبؤ بالمطر أو الرياح، تتنبأ هذه النماذج بمكان قدرة النبات أو الحيوان على البقاء بناءً على درجة الحرارة، وهطول الأمطار، والظروف الأخرى للأرض. ويُسمى هذا المجال من الدراسة بنمذجة توزيع الأنواع. وقد أصبح أداة حيوية لوقف الغزوات البيولوجية، وهي الأنواع غير الأصلية التي تنتشر بسرعة وتسبب أضراراً بمليارات الدولارات في الزراعة والنظم البيئية كل عام. والهدف هو رصد مناطق الخطر مبكراً، حتى تتمكن السلطات من مراقبتها عن كثب أو التحرك قبل أن يتمكن الغازي من الاستقرار. ومع ذلك، فإن دقة هذه التوقعات تعتمد كلياً على كيفية بناء هذه النماذج الحاسوبية؛ فإذا كانت البيانات التي تُغذى بها النموذج غير منظمة أو إذا كانت الطريقة المستخدمة لبنائه بسيطة للغاية، فقد يكون التوقع خاطئاً تماماً، مما يترك مناطق خطيرة دون مراقبة أو يهدر الموارد في مناطق آمنة.
لقد وضع بحث حديث أجراه بيدرو نونيس وزملاؤه في عدة معاهد بحثية في فرنسا وأوروبا هذه المشكلة قيد الاختبار. فقد ركزوا على نوعين من الحشرات الصغيرة، وهما "بسيلا الحمضيات الآسيوية" و"بسيلا الحمضيات الأفريقية". هذه الحشرات ليست مجرد آفات، بل هي حاملة لبكتيريا تسبب مرض "هوانغ لونغ بينغ"، المعروف أيضاً باسم "تخضير الحمضيات". هذا المرض مدمر لصناعة الحمضيات العالمية، وهو قادر على قتل الأشجار وإتلاف محاصيل بأكملها. ولأن هذه الحشرات تنتشر بالفعل في أجزاء جديدة من العالم، كان على الباحثين معرفة أي استراتيجيات النمذجة الحاسوبية ستعطي الخريطة الأكثر موثوقية للمكان الذي قد تضرب فيه لاحقاً. وقد قارنوا بين الطريقة "الأفضل ممارسة" لبناء هذه النماذج وبين الطريقة "السريعة والسهلة" التي غالباً ما تُستخدم عندما يضيق الوقت وتندر البيانات.
وضع الفريق مقارنة صارمة باستخدام نوعين مختلفين من البيانات وعدة مناهج للنمذجة. ففي أحد طرفي الطيف، بنوا نموذجاً مرجعياً عالي المعايير؛ استخدم هذا الإصدار قائمة مفحوصة بعناية لأماكن تواجد الحشرات، جمعها خبراء تحققوا من كل سجل، بل وتضمنت بيانات من المناطق الجديدة التي غزتها الحشرات. وفي الطرف الآخر، بنوا نموذجاً افتراضياً باستخدام أبسط البيانات المتاحة من قواعد البيانات العامة عبر الإنترنت، والتي غالباً ما تحتوي على أخطاء وتفتقر إلى التحقق من الخبراء. كما اختبروا تنويعات أخرى، مثل استخدام البيانات من الموائل الأصلية للحشرات فقط مقابل تضمين البيانات من الأماكن التي غزتها بالفعل، واستخدام خوارزمية حاسوبية واحدة مقابل دمج نتائج عدة خوارزميات مختلفة.
وكشفت النتائج عن فجوة واضحة ومثيرة للقلق بين ما يبدو جيداً على الورق وما يعمل في العالم الحقيقي. فعندما نظر الباحثون في الدرجات المعيارية التي تقيس مدى ملاءمة النموذج للبيانات عبر العالم بأكمله، وجدوا أن العديد من النماذج الأبسط أدت بشكل جيد تقريباً مثل النموذج المعقد المنسق من قبل الخبراء. فالنموذج المبني ببيانات سريعة وغير موثقة وخوارزمية واحدة غالباً ما سجل درجات عالية في هذه الاختبارات العامة. ومع ذلك، عندما نظر الباحثون تحديداً في مدى قدرة النماذج على التنبؤ بوجود الحشرات في المناطق التي غزتها بالفعل، تغيرت القصة تماماً. فقد فشلت النماذج البسيطة والسريعة في تحديد جزء كبير من المناطق المكتشفة للغزو. وبالنسبة لـ "بسيلا الحمضيات الآسيوية"، أغفل النموذج الأساسي أكثر من ربع المواقع المؤكدة التي استقرت فيها الحشرة بالفعل. وفي المقابل، نجح النموذج عالي المعايير، الذي استخدم بيانات مدققة من الخبراء وتضمن سجلات من النطاق المغزو، في تحديد جميع هذه المواقع تقريباً بشكل صحيح.
كما وجد البحث أن اختيار البيانات كان أكثر أهمية من اختيار الخوارزمية الحاسوبية. فاستخدام البيانات من الموائل الأصلية للحشرات فقط، وهو ممارسة شائعة عند ندرة بيانات الغزو، أدى إلى نماذج قللت من تقدير الأماكن التي يمكن للحشرات البقاء فيها. وهذا يشير إلى أن هذه الحشرات قد تكيفت مع ظروف جديدة أو أن موطنها الأصلي كان محدوداً بعوامل لا توجد في الأقاليم الجديدة. علاوة على ذلك، اكتشف الباحثون أن الدرجات المعيارية المستخدمة للحكم على هذه النماذج كانت مضللة؛ إذ يمكن لنموذج أن يحصل على درجة عالية تشير إلى أنه "جيد" بينما يفشل في التنبؤ بالمناطق المكتشفة الأكثر خطورة. ولإصلاح ذلك، قدم الفريق طريقة جديدة لقياس النجاح تركز تحديداً على الفرص الضائعة في النطاق المغزو. وهذا المقياس الجديد، الذي يحصي عدد مواقع الغزو المعروفة التي فشل النموذج في التنبؤ بها، ثبت أنه ضروري لرصد النماذج الضعيفة التي فاتتها الاختبارات المعيارية.
أظهرت الخرائط التي أنتجتها النماذج المختلفة اختلافات صارخة في العالم الحقيقي. فبينما اتفقت جميع النماذج على أماكن عيش الحشرات في مناطقها الأصلية، اختلفت بشدة حول أماكن انتشارها المحتمل. فقد حددت النماذج عالية المعاييد مساحات واسعة في أماكن مثل البرتغال وأمريكا الجنوبية كمناطق مناسبة للحشرات، وبالفعل وُجدت هذه الحشرات هناك. أما النماذج الأبسط، فقد أغفلت هذه المناطق تماماً في كثير من الأحيان، متوقعة أن الحشرات لن تستطيع البقاء هناك. وعلى العكس من ذلك، تنبأت بعض النماذج البسيطة بإمكانية عيش الحشرات في مناطق جافة شاسعة في أفريقيا لم تُشاهد فيها من قبل، مما خلق إنذاراً كاذباً. وتبرز هذه التباينات أن النموذج الذي يبدو مثالياً إحصائياً يمكن أن يقدم خريطة غير دقيقة بشكل خطير لصناع القرار.
في نهاية المطاف، تثبت الدراسة أن الجهد المبذول في تنظيف وتحقيق البيانات يؤتي ثماره في دقة التوقعات النهائية. إن الاعتماد على البيانات الخام غير الموثقة من الإنترنت أو تجاهل السجلات من الأماكن التي غزتها الأنواع بالفعل يؤدي إلى نماذج تفشل في حماية المناطق الضعيفة. ويقترح الباحثون أنه لتقييم مخاطر الغزو المبكر، فإن أفضل نهج هو استخدام بيانات منسقة من قبل الخبراء، وتضمين جميع السجلات المتاحة من كل من النطاقات الأصلية والمغزوة، واستخدام مزيج من خوارزميات النمذجة المختلفة لتقليل عدم اليقين. كما يجادلون بضرورة توقف العلماء عن الاعتماد فقط على درجات الأداء العامة، وبدلاً من ذلك استخدام مقاييس تتحقق تحديداً مما إذا كان النموذج يغفل مواقع الغزو المعروفة. ومن خلال اعتماد هذه المعايير الأكثر وضوحاً، يمكن للسلطات توقع مكان ظهور التهديد التالي بشكل أفضل، مما يضمن توجيه الموارد إلى الأماكن التي تحتاج إليها حقاً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.