شفقنا – پژوهشگران کانادایی با ترکیب تصاویر پهپادی و هوش مصنوعی، روشی برای پایش تنوع قارچهای خاک و ارزیابی سلامت جنگلها توسعه دادهاند که میتواند نظارت بر اکوسیستمهای گسترده را سریعتر و کمهزینهتر کند.
به گزارش سرویس ترجمه شفقنا، قارچهای خاک نقش مهمی در چرخه مواد مغذی، تجزیه مواد آلی و رشد درختان دارند و تنوع آنها یکی از شاخصهای مهم سلامت جنگل به شمار میرود. با این حال، بررسی این تنوع در مناطق گسترده معمولاً به نمونهبرداری از خاک و توالییابی دیانای در نقاط متعدد نیاز دارد که فرایندی زمانبر و پرهزینه است.
پژوهشگران دانشگاه آلبرتا برای آزمایش روش جدید، یک جنگل کاشتهشده ۴۰ ساله در یک منطقه حفاظتشده در چین را بررسی کردند. آنها از محدودهای به وسعت ۲۶ هکتار، ۵۳۸ نمونه خاک جمعآوری کردند و با استفاده از توالییابی دینای گونههای مختلف قارچ را شناسایی کردند. همزمان، پهپادها تصاویری با وضوح بالا از جنگل ثبت کردند و اطلاعاتی مانند ارتفاع درختان، میزان بازتاب نور برگها، سطح کلروفیل و وضعیت آب آنها را ثبت کردند.
سپس این دادهها با استفاده از یک مدل «جنگل تصادفی» در یادگیری ماشین تحلیل شد تا مشخص شود آیا اطلاعات بهدستآمده از تصاویر هوایی میتواند تنوع قارچی خاک را پیشبینی کند یا خیر.
نتایج نشان داد گونه درختان، ویژگیهای محیطی و خصوصیات خاک در کنار یکدیگر بر الگوی تنوع قارچها تأثیر میگذارند. مدل یادگیری ماشین توانست حدود ۵۳ درصد از تغییرات تنوع قارچی میان مناطق مختلف جنگل را پیشبینی کند و در پیشبینی تنوع قارچی در هر نقطه نیز عملکرد متوسطی داشت؛ بهطوری که دقت آن بسته به شاخص مورد استفاده بین ۲۸ تا ۴۵ درصد بود.
پژوهشگران تأکید میکنند که این روش هنوز نمیتواند جایگزین کامل نمونهبرداری مستقیم از خاک شود، اما میتواند اطلاعات بهدستآمده از نقاط محدود نمونهبرداری را به مناطق وسیعتری تعمیم دهد و شناسایی الگوهای تنوع زیستی و نقاط حساس را آسانتر کند.
به گفته پژوهشگران، این فناوری میتواند در احیای جنگلها، حفاظت از تنوع زیستی و پایش بلندمدت سلامت خاک مورد استفاده قرار گیرد و به مدیران جنگلها و پژوهشگران امکان دهد مناطق وسیع را با هزینه و نیروی انسانی کمتری بررسی کنند.
این خبر را اینجا ببینید.