یادگیری ماشین زیستگاه پنهان سخت‌پوستان زیرزمینی را در منطقه معادن سنگ‌آهن استرالیا آشکار کرد
در زیر رشته‌کوه‌های سرخ‌رنگ و ناهموار منطقه پیلبارا در استرالیای غربی، دنیایی پنهان از سخت‌پوستان ریز زندگی می‌کند که بیشتر انسان‌ها هرگز آن‌ها را نخواهند دید. آمفی‌پودهای آب زیرزمینی، جانوران کوچکی شبیه میگو هستند که زندگی آن‌ها به آبخوان‌ها محدود می‌شود. این موجودات به‌ویژه به دلیل برداشت آب زیرزمینی برای پایین آوردن سطح آب و دسترسی به ذخایر سنگ‌آهن، با فشار فزاینده فعالیت‌های معدنی روبه‌رو هستند. پژوهشی تازه که در مجله علمی Subterranean Biology منتشر شده، به پرسشی پرداخته که پاسخ دادن به آن برخلاف ظاهر ساده‌اش دشوار است: دانشمندان چگونه می‌توانند محل زندگی این جانوران پنهان در زیر زمین را پیش‌بینی کنند، در حالی که بسیاری از آن‌ها هنوز حتی به‌طور رسمی شناسایی و نام‌گذاری نشده‌اند؟ پژوهشگران با استفاده از یادگیری ماشین و هزاران رکورد ثبت‌شده از چاه‌های حفاری، پراکندگی آمفی‌پودها را در رشته‌کوه همرزلی به‌طور هم‌زمان در سه سطح رده‌بندی زیستی مدل‌سازی کردند؛ از کل راسته آمفی‌پودها تا یک گونه با نام‌گذاری موقت. نتایج این پژوهش دیدگاه تازه‌ای درباره پراکندگی جغرافیایی این جانوران ارائه می‌دهد که می‌تواند به برنامه‌ریزی برای حفاظت از تنوع زیستی در یکی از مهم‌ترین مناطق تولید سنگ‌آهن جهان کمک کند.
اهمیت این مسئله بسیار زیاد است. استرالیای غربی در گذشته سومین تولیدکننده بزرگ سنگ‌آهن جهان بوده و حدود ۱۷ درصد عرضه جهانی این ماده معدنی را تأمین کرده است؛ بیش از ۹۵ درصد این تولید نیز از منطقه پیلبارا به دست می‌آید. استخراج سنگ‌آهن عمدتاً از طریق معادن روباز انجام می‌شود و دسترسی به ذخایر معدنی اغلب مستلزم پایین آوردن چشمگیر سطح آب زیرزمینی است. سازمان حفاظت محیط زیست استرالیای غربی خطر احتمالی این فعالیت‌ها برای جوامع بی‌مهرگان آب زیرزمینی، موسوم به استیگوفونا، را به رسمیت شناخته و شرکت‌های متقاضی اجرای پروژه‌های معدنی را موظف کرده است آثار فعالیت‌های خود بر این جانوران را در فرایند ارزیابی اثرات زیست‌محیطی بررسی کنند. با این حال، شناخت ناکافی از محل واقعی زندگی گونه‌های استیگوفونا، عدم قطعیت زیادی در تصمیم‌گیری‌های زیست‌محیطی ایجاد کرده است؛ وضعیتی که به تأخیر در صدور مجوز پروژه‌ها و اعمال شروط نظارتی سخت‌گیرانه‌تر منجر شده است. یکی از مهم‌ترین خلأهای علمی در این زمینه، شناخت نیازهای زیستگاهی این گونه‌هاست؛ موضوعی که پژوهش جدید تلاش کرده با رویکردی کمی و دقیق به آن پاسخ دهد.
آمفی‌پودها بخش بزرگی از جوامع سخت‌پوستان زیرزمینی را در زیست‌بوم‌های آب شیرین استرالیا تشکیل می‌دهند. برآورد می‌شود حدود ۱۲ درصد از آمفی‌پودهای آب شیرین جهان در این قاره زندگی کنند. بخش قابل‌توجهی از تنوع زیستی این جانوران در پیلبارا از طریق بررسی‌های زیست‌محیطی مرتبط با فعالیت‌های معدنی شناسایی شده است؛ بررسی‌هایی که در آن‌ها چاه‌های حفاری اکتشافی امکان دسترسی به آبخوان‌ها را فراهم می‌کنند. در پیلبارا و مناطق مجاور، چهار خانواده و ۳۵ گونه آمفی‌پود ثبت شده‌اند. این چهار خانواده عبارت‌اند از Bogidiellidae، Eriopisidae، Hadziidae و Paramelitidae که از میان آن‌ها فقط دو خانواده Paramelitidae و Eriopisidae در محدوده پژوهش حاضر یافت می‌شوند. این جانوران مرحله لاروی شناور در آب ندارند و به همین دلیل توانایی پراکنش آن‌ها محدود است، جریان ژنی میان جمعیت‌هایشان کاهش می‌یابد و بسیاری از گونه‌ها تنها در محدوده‌های جغرافیایی کوچک یافت می‌شوند. جثه کوچک و وابستگی به سامانه‌های آب شیرین جداافتاده نیز جابه‌جایی آن‌ها را دشوارتر می‌کند. در نتیجه، این جانوران در برابر اختلالات موضعی زیستگاه، از جمله پایین رفتن سطح آب زیرزمینی، بسیار آسیب‌پذیر هستند.
یکی از دشواری‌های اساسی در برآورد پراکندگی آمفی‌پودها، دقت پایین شناسایی آن‌ها در رده‌بندی زیستی است. تشخیص گونه‌ها به بررسی‌های دقیق ریخت‌شناختی و مولکولی نیاز دارد و بسیاری از آمفی‌پودهای آب شیرین استرالیا هنوز از نظر علمی توصیف نشده‌اند. افزون بر این، جمعیت‌هایی که از نظر ظاهری شباهت زیادی به یکدیگر دارند، در بسیاری از موارد متعلق به گونه‌های متفاوت هستند. بنابراین، احتمالاً تنوع گونه‌ای و گستره پراکندگی این جانوران کمتر از میزان واقعی برآورد شده است. پژوهشگران به‌جای آنکه این محدودیت را صرفاً مانعی در مسیر تحقیق بدانند، آن را به موضوعی برای آزمایش تبدیل کردند. آن‌ها مدل‌های پراکندگی را در سه سطح رده‌بندی تو در تو مقایسه کردند: تمام آمفی‌پودها در سطح راسته، خانواده Paramelitidae که ۹۲٫۲ درصد از رکوردهای پالایش‌شده آمفی‌پودها را شامل می‌شد، و گونه موقت Paramelitidae sp. B08 که ۴۰٫۳۶ درصد از رکوردهای پالایش‌شده این خانواده را تشکیل می‌داد. از آنجا که مجموعه‌داده‌های رده‌های بالاتر، رکوردهای رده‌های پایین‌تر را نیز در بر می‌گیرند، شباهت عملکرد مدل‌ها ممکن است تا حدی ناشی از استفاده از داده‌های مشترک حضور گونه‌ها باشد؛ محدودیتی که نویسندگان هنگام تفسیر نتایج به‌صراحت در نظر گرفته‌اند.
محدوده این پژوهش ۱۱ هزار و ۵۶۰ کیلومتر مربع از رشته‌کوه همرزلی را میان حوضه‌های زهکشی رودخانه‌های روب و فورتسکیو در بر می‌گرفت. این منطقه تراکم بالایی از نقاط نمونه‌برداری دارد که دسترسی به آن‌ها عمدتاً از طریق چاه‌های حفاری معدنی فراهم شده است. پایگاه داده اولیه شامل ۵۷۷۶ رکورد حضور و عدم حضور آمفی‌پودها از چندین نوبت نمونه‌برداری و ۱۲۲ متغیر محیطی پیش‌بینی‌کننده بود. این متغیرها با اندازه پیکسل ۰٫۰۰۲۵ درجه، شرایط اقلیمی، زمین‌شناسی، خاک، آب‌شناسی و ویژگی‌های ناهمواری زمین را در مقیاس محلی توصیف می‌کردند. پژوهشگران پس از پالایش دقیق داده‌ها و حذف رکوردهای هم‌پوشان، خطاهای داده‌های رستری، متغیرهای دارای واریانس نزدیک به صفر و متغیرهای پیش‌بینی‌کننده با همبستگی بسیار زیاد، مجموعه‌داده نهایی را به ۹۹۹ محل نمونه‌برداری و ۳۱ متغیر کاهش دادند. آمفی‌پودها در ۱۸۰ محل، اعضای خانواده Paramelitidae در ۱۶۶ محل و گونه Paramelitidae sp. B08 در ۶۷ محل حضور داشتند.
پژوهشگران ابتدا عملکرد چند روش مدل‌سازی شامل مدل‌های خطی تعمیم‌یافته، تحلیل تفکیک خطی، شبکه‌های عصبی و جنگل تصادفی را ارزیابی کردند. در نهایت، به دلیل عملکرد بهتر جنگل تصادفی در شاخص‌های ارزیابی، این روش را برای طبقه‌بندی داده‌ها برگزیدند. جنگل تصادفی یکی از روش‌های یادگیری ماشین تجمیعی است که تعداد زیادی درخت تصمیم ایجاد می‌کند. هر درخت با استفاده از نمونه‌ای از سطرهای داده‌های اولیه آموزش می‌بیند که از طریق نمونه‌گیری بوت‌استرپ، یعنی انتخاب تصادفی داده‌ها با امکان انتخاب دوباره هر رکورد، تهیه شده است. هنگام پیش‌بینی، هر درخت درباره حضور یا عدم حضور جانور رأی می‌دهد و نتیجه نهایی بر اساس رأی اکثریت درخت‌ها تعیین می‌شود. نمونه‌گیری بوت‌استرپ و انتخاب تصادفی متغیرها، خطر بیش‌برازش را کاهش می‌دهند و پایداری مدل را افزایش می‌دهند. به این ترتیب، الگوریتم می‌تواند الگوهای پیچیده و غیرخطی را حتی در داده‌های بوم‌شناختی کم‌تراکم شناسایی کند. داده‌ها به سه بخش آموزش، آزمون و اعتبارسنجی با سهم‌های به‌ترتیب ۵۰، ۳۰ و ۲۰ درصد تقسیم شدند. همچنین پارامتر mtry که تعداد متغیرهای پیش‌بینی‌کننده انتخاب‌شده به‌صورت تصادفی در هر مرحله انشعاب درخت را تعیین می‌کند، با مقادیر ۲ تا ۲۶ تنظیم و آزمایش شد. مدل‌ها با هزار درخت ساخته شدند و نمونه‌گیری طبقه‌بندی‌شده تضمین کرد که با وجود عدم توازن شدید میان دو گروه، نمونه‌های حضور و عدم حضور به نسبت مناسب در داده‌ها نمایندگی شوند.
ارزیابی عملکرد مدل‌ها از نوعی موازنه مهم میان شاخص‌های دقت پرده برداشت. مدل راسته آمفی‌پودها با دقت کلی ۸۰٫۴ درصد بهترین عملکرد را از این نظر داشت، در حالی که دقت مدل خانواده Paramelitidae برابر با ۶۸٫۳ درصد و دقت مدل گونه B08 برابر با ۶۹٫۸ درصد بود. با این حال، مدل گونه‌ای به حساسیت کامل ۱۰۰ درصد دست یافت؛ به این معنا که هیچ‌یک از موارد حضور واقعی گونه را از دست نداد. این شاخص برای مدل خانواده ۸۴٫۹ درصد و برای مدل راسته ۷۷٫۸ درصد بود. مدل گونه‌ای همچنین با دقت متوازن ۸۳٫۸۷ درصد، بالاترین امتیاز را در این شاخص کسب کرد. از نظر کاربردی، هنگامی که شناسایی حضور یک گونه مهم‌تر از تشخیص صحیح موارد عدم حضور باشد، استفاده از مدلی با تفکیک رده‌بندی دقیق‌تر می‌تواند مناسب‌تر باشد. ضریب همبستگی متیوز نیز برای هر سه مدل مثبت بود. این شاخص هر چهار مؤلفه ماتریس درهم‌ریختگی را در نظر می‌گیرد و تنها زمانی امتیاز بالایی می‌دهد که مدل در تشخیص هر دو گروه عملکرد مناسبی داشته باشد. مثبت بودن این ضریب نشان داد پیش‌بینی‌های هر سه مدل از حدس تصادفی بهتر بوده است.
تحلیل اهمیت متغیرها که بر اساس میانگین کاهش دقت مدل پس از جابه‌جایی تصادفی مقادیر هر متغیر انجام شد، نشان داد متغیرهای مرتبط با ناهمواری زمین به‌ترتیب ۵۲٫۲، ۴۴ و ۴۱٫۴ درصد در مدل‌های Amphipoda، Paramelitidae و B08 سهم داشتند. بنابراین، توپوگرافی در تمام گروه‌های رده‌بندی مهم‌ترین عامل پیش‌بینی‌کننده بود. انحراف معیار درصد شیب در هر سه گروه از متغیرهای مهم به شمار می‌رفت و خود شیب نیز در مدل آمفی‌پودها رتبه دوم و در مدل B08 رتبه نخست را داشت. کمترین فاصله تا نزدیک‌ترین دایک زمین‌شناسی در تمام سطوح رده‌بندی جزو پنج متغیر مهم قرار گرفت و میزان بارندگی سردترین فصل سه‌ماهه سال نیز در همه مدل‌ها اهمیت بالایی داشت. نمودارهای وابستگی جزئی نشان دادند مناطقی که تغییرات درصد شیب در آن‌ها کمتر است، معمولاً احتمال پیش‌بینی‌شده بیشتری برای حضور آمفی‌پودها دارند؛ نتیجه‌ای که نشان می‌دهد این جانوران احتمالاً زمین‌های نسبتاً هموار را ترجیح می‌دهند. بیشترین مقدار پیش‌بینی‌شده حضور در فاصله ۱۰ کیلومتری از یک دایک ثبت شد. همچنین هر سه مدل برای مناطقی که بارندگی سردترین فصل سه‌ماهه سال در آن‌ها کمتر از ۵۷ میلی‌متر بود، احتمال حضور بیشتری پیش‌بینی کردند؛ هرچند داده‌های پژوهش نیز عمدتاً در همین محدوده بارندگی متمرکز بودند.
الگوهای مکانی به‌دست‌آمده با ویژگی‌های زمین‌شناسی و آب‌شناسی منطقه همخوانی زیادی داشتند. بالاترین احتمال‌های پیش‌بینی‌شده حضور آمفی‌پودها در امتداد دره‌های اصلی سازندهای مارا مامبا و ویتنوم و در حوضه‌های آبریز سرپنتاین کریک، داک کریک، کیوز کریک و رودخانه‌های روب و فورتسکیو مشاهده شد. بخش جنوب شرقی محدوده پژوهش در سازند آهن‌دار براکمن، در تمام سطوح رده‌بندی انحراف معیار پایینی در پیش‌بینی‌ها و احتمال حضور بالایی به‌صورت پایدار نشان داد. این وضعیت احتمالاً بیانگر شرایط محیطی مطلوب و وجود یک ناحیه مرکزی با زیستگاه‌های مناسب برای آمفی‌پودهاست. کف این دره‌های کم‌ناهمواری، جایی که تغذیه مجدد آبخوان‌ها بیشتر متمرکز است و آب زیرزمینی در عمق کمتری قرار دارد، در مقایسه با ارتفاعات و یال‌های مجاور اکسیژن و مواد مغذی بیشتری دریافت می‌کند. دایک‌های نفوذی با قطع لایه‌بندی سنگ‌ها و برهم زدن پیوستگی جریان آب زیرزمینی، آبخوان‌های سنگی شکاف‌دار رشته‌کوه همرزلی را به بخش‌های جداگانه تقسیم می‌کنند. در نتیجه، بلوک‌های آب‌زمین‌شناختی نیمه‌منفصلی شکل می‌گیرند که می‌توانند پراکنش جانوران زیرزمینی را محدود کنند و باعث شوند در آبراهه‌های مجاور، مجموعه‌های متفاوتی از گونه‌ها حضور داشته باشند. رابطه منفی میان حضور آمفی‌پودها و افزایش تغییرپذیری دامنه شبانه‌روزی دما در ماه‌های مختلف نیز ممکن است نشان‌دهنده دامنه تحمل حرارتی محدود این جانوران باشد. چنین ویژگی‌ای با شرایط حرارتی پایدار سامانه‌های آب زیرزمینی سازگار است؛ محیط‌هایی که دمای آن‌ها در عمق بیشتر از حدود ۱۰ متر عملاً ثابت باقی می‌ماند.
نویسندگان نتیجه گرفته‌اند که در شرایط محدودیت داده، مدل‌سازی در سطح راسته می‌تواند بخشی از الگوهای بوم‌شناختی گسترده‌ای را که در سطح گونه مشاهده می‌شوند، حفظ کند. از این رو، چنین مدل‌هایی می‌توانند ابزاری کاربردی برای هدایت بررسی‌های میدانی اولیه، شناسایی زیستگاه‌های احتمالی جانوران و کمک به ارزیابی‌های کلی اثرات زیست‌محیطی باشند. با این حال، پژوهشگران هشدار می‌دهند که استفاده از داده‌های دارای دقت پایین در رده‌بندی زیستی، قدرت مدل را در تشخیص اختصاصی حضور گونه‌ها کاهش می‌دهد؛ محدودیتی که به‌ویژه برای گونه‌های نادر با پراکندگی جغرافیایی محدود می‌تواند مشکل‌ساز باشد. این مدل‌ها همچنین موانع فیزیکی و جغرافیایی را در نظر نمی‌گیرند و در نتیجه، به‌طور ضمنی فرض می‌کنند جانوران توانایی پراکنش نامحدود دارند؛ فرضی که ممکن است باعث برآورد بیش از اندازه گستره زیستگاه‌های قابل‌دسترسی شود. افزون بر این، به دلیل کمبود داده در چاه‌های نمونه‌برداری‌شده، برخی ویژگی‌های مهم آبخوان‌ها مانند ترکیب شیمیایی آب، میزان اکسیژن و شوری در مدل‌ها لحاظ نشده‌اند. بهبودهای آینده می‌تواند شامل افزایش دقت شناسایی گونه‌ها با استفاده از دی‌ان‌ای محیطی یا eDNA و گسترش مجموعه متغیرهای محیطی باشد. چارچوب تحلیلی توسعه‌یافته در این پژوهش قابلیت استفاده در دیگر سامانه‌های زیرزمینی را نیز دارد و می‌تواند به گسترش تحقیقات درباره محیط‌های زیرزمینی و تقویت مبنای علمی تصمیم‌گیری‌های حفاظتی کمک کند. با این همه، پژوهشگران تأکید می‌کنند که نمونه‌برداری میدانی همچنان ضروری است؛ زیرا باید پیش‌بینی‌های مدل‌ها در محیط واقعی آزموده شوند و دقت شناسایی رده‌بندی زیستی افزایش یابد تا برنامه‌ریزی برای حفاظت از جانوران زیرزمینی با پراکندگی محدود، هم بر اصل احتیاط استوار باشد و هم بر شواهد علمی.
موضوع پژوهش: مدل‌سازی پراکندگی آمفی‌پودهای آب زیرزمینی با روش جنگل تصادفی در سطوح راسته، خانواده و گونه در رشته‌کوه همرزلی.
عنوان مقاله علمی: از راسته تا گونه: مدل‌سازی پراکندگی آمفی‌پودها در رشته‌کوه همرزلی.
منبع علمی مقاله: Lopes Paula, M. C., Gibson, L., Lindsay, M., Pirot, G., Jessell, M., & Cripps, E. (2026). From order to species: Modelling Amphipoda distributions in the Hamersley Range. Subterranean Biology, 58, 57–91. https://doi.org/10.3897/subtbiol.58.194901
اعتبار تصویر: تولیدشده با هوش مصنوعی.
شناسه دیجیتال مقاله (DOI): 10.3897/subtbiol.58.194901
کلیدواژه‌ها: جانوران آب زیرزمینی (استیگوفونا)، آمفی‌پودها، پیلبارا، رشته‌کوه همرزلی، جنگل تصادفی، مدل‌های پراکندگی گونه‌ها، آب زیرزمینی، زیست‌شناسی زیرزمینی، استخراج سنگ‌آهن، برنامه‌ریزی حفاظتی، Paramelitidae، استرالیای غربی.
منبع خبر: ترزا اودوم، ۱۵ اکتبر ۲۰۲۶، «یادگیری ماشین زیستگاه پنهان آمفی‌پودها را در منطقه معادن سنگ‌آهن استرالیا آشکار کرد»، Scienmag.