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

技术摘要：通过建筑对称性退化建模进化可塑性与蜂群崩溃风险

问题陈述
本研究旨在解决一个关键的研究空白，即理解宏观尺度气候波动如何影响微观尺度的西方蜜蜂（Apis mellifera）蜂群结构完整性。虽然六角形蜂巢在历史上被公认为是最优的设计方案，但现有文献大多将这些结构视为静态，或未能将几何偏差与特定的环境压力源联系起来。本研究提出，大规模温度变化（$\sigma_{LST}$）会干扰工蜂的运动-感觉反馈回路，导致“生态位建筑漂移”（niche architectural drift）——即结构对称性的退化。这种对称性退化是蜂群受压及潜在崩溃的早期物理指标，且有别于传统的宏观层面种群指标。

研究方法
本研究采用了一个多尺度、数据驱动的框架，整合了行星级卫星遥感技术与微观尺度的深度学习技术：

• 数据来源与范围： 研究分析了涵盖七个全球观测节点（包括寒带、温带、地中海气候和南亚热带气候）在 24 年间（2002–2026 年）的数据。环境数据（地表温度、降水量、湿度）通过 Google Earth Engine (GEE) 获取，数据源自 Sentinel-3 SLSTR、MODIS MOD11A1 和 ERA5-Land 再分析资料。
• 生物采样： 通过对 563 框标准朗斯特洛斯（Langstroth）蜂箱进行每两周一次的实证监测进行验证。共记录了 404,816 帧高分辨率蜂框，并从中筛选出 33,600 帧用于深度学习分析。
• 深度学习架构：
  • 实例分割： 使用 YOLOv11-seg 算法在 8,400 张已标注图像（按 70-20-10 比例划分）上进行训练，以分割单个六角形细胞。该模型的平均精度（mAP50）达到 0.948，边界定位精度为 0.921。
  • 姿态估计： 利用基于 VGG-19 主干网络的 OpenBeePose 追踪工蜂的关键点，通过姿态角度和运动速度来量化行为不稳定性（$I_{inst}$）。
• 定量指标：
  • 对称系数 ($S_c$)： 一个归一化的指标 [0,1]，通过内角和边长来量化与理想六角形几何形状的偏差。
  • 热力学成本 ($E_{therm}$)： 通过将机械不稳定性映射到代谢功来计算，估算因热机械振动而浪费的能量。
  • 蜡/储量比 (WSR)： 通过 3D 光度测量重建得出，用于评估材料经济效率的低下。
  • 信息熵： 使用归一化香农熵 ($H_{norm}$) 来衡量空间和行为流形的损失。
• 统计建模： 使用混合效应线性与逻辑回归（利用 R 语言中的 lme4 包）对热波动与结构对称性之间的耦合关系进行建模。生存分析采用了 Cox 比例风险回归和时间依赖型 ROC 曲线，以识别关键临界点。

主要结果

• 气候-结构耦合： 研究发现地表温度波动率与结构对称性之间存在显著负相关（$\beta_1 = -0.08495$, $p < 0.001$）。高热波动会破坏筑巢过程，导致细胞角度和边长变化增加。
• 行为与能量影响： 热应激诱发了更高的行为不稳定性（$I_{inst}$），导致由于无目的振动产生的热力学浪费支出（$E_{therm}$）增加了 3.4 倍。这种能量转移推高了蜡/储量比（WSR），表明材料分配效率降低。
• 熵与信息损失： 极端的温度变化压缩了空间和行为状态流形，导致在若干案例中归一化香农熵出现负值，这标志着结构多样性和通信能力的丧失。
• 关键临界点： 生存分析确定了一个明确的结构不稳定性阈值：$S_{crit} < 0.6214$。当对称系数低于此值时，蜂群崩溃的概率显著增加。该预测模型的曲线下面积（AUC）达到 0.9142（95% CI [0.876, 0.952]），证明其在预测不同生物地理谱系蜂群失效方面具有极高的灵敏度和特异性。
• 谱系特异性可塑性： 研究观察到不同种群之间存在明显的表型可塑性。寒带种群（如加拿大乔治王子城）表现出更高的波动性（$\sigma_{LST} \approx 6.84^\circ C$）和特定的适应模式，但所有种群在建筑退化方面都遵循相似的标度律。

意义与主张
本文声称开创了将行星级卫星遥感技术与微观尺度深度学习相结合的方法，使“生态位建筑漂移”成为一种可量化的预测性生态指标。其主要贡献包括：

1. 预警系统： 确立了微观建筑保真度（特别是 $S_c$）作为一种可量化的早期预警信号，能够在劳动力减少变得可见之前检测到蜂群崩溃。
2. 机制洞察： 提供了一个连接外部热波动与内部蜂群力学的机制性联系，证明了能量权衡（增加的 $E_{therm}$ 和 WSR）是如何驱动结构失效的。
3. 预测框架： 验证了一个稳健的、基于人工智能的框架，能够区分可逆的塑性调整与不可逆的崩溃（使用临界阈值 $S_{crit} < 0.6214$）。
4. 全球适用性： 证明了这些生物力学定律和标度不变性在不同的生物地理区域均有效，为监测加速气候变化下的传粉媒介健康提供了统一的方法。

作者总结认为，这些发现能够推动精准养蜂技术和预警系统的发展，通过在不可逆的蜂群崩溃发生前实施针对性干预，从而保障全球授粉服务和粮食安全。