Bár sosem volt rá meggyőző bizonyíték, hogy valóban Einstein mondta volna, mégis sokan neki tulajdonítják azt a mondást, hogy „ha a méhek eltűnnének a Földről, az emberiségnek már csak négy éve maradna hátra”. A vitatott forrástól függetlenül is ijesztők ezek a szavak, és még ha nem is így alakulna, az tény, hogy rengeteg élelmiszer függ a beporzástól. A klímaváltozás, az élőhelyvesztés, a növényvédőszerek keményen tizedelik ezeket a rovarokat, és a biológusok (meg persze az emberiség) számára is igen fontos, hogy tisztában legyenek az aktuális helyzettel, és annak megfelelően tudjanak reagálni.A beporzók azonosítása a hagyományos módszerekkel rendkívül időigényes és bonyolult, általában a rovarok befogását és elpusztítását jelenti, hogy közelről is megvizsgálhassák őket. Ma már persze vannak korszerűbb módszerek, olyan „látó” rendszerek, amelyek gépi tanulást használnak a rovarok automatikus osztályozására. Ezeknél a rendszereknél azonban gyakran problémás a használható képek készítése, hiszen bezavarhat a változó megvilágítás, a rossz időjárás vagy a zsúfolt háttér, illetve az is, hogy sok rovar egyszerűen elrepül, ha közelednek hozzá – magyarázza az IEEE Spectrum .A Trinity Egyetem és a Dán Műszaki Egyetem kutatói ezeken a gondokon lettek úrrá, és egy olyan rendszert fejlesztettek, amely radarral figyeli a rovarok szárnycsapásait, érzékeli a szárnymozgás finom rezgéseit. Minden faj egyedi ritmusban repül, és ez az eltérés a radarvisszaverődésben is megjelenik.A tudósok milliméteres hullámokat választottak radarrendszerükhöz, mivel ezek a hullámhosszúságok jobban illeszkednek a rovarok méretéhez, mint a rádiófrekvenciás spektrum egyéb részei. Ráadásul a radaros érzékelés nem érzékeny a fényviszonyokra, nem zavarja az árnyék, a köd vagy az esti sötétség. Ez különösen fontos a természetben, ahol nem léteznek „tökéletes laboratóriumi körülmények”.Emellett egy gépi tanulási modellt is kiképeztek öt beporzó rovarfajon, köztük háziméheken és a darazsakon. Minden faj több egyedét egyenként kis műanyag hengerekbe helyeztek egy milliméteres hullámú antenna tetejére, amely rögzítette a radarjeleiket. A rovarokat ezután szabadon engedték. A tudósok a rovarokról érkező radar-visszaverődések több mint 70 különböző jellemzőjét elemeztették a modelljükkel. Ezek nemcsak a szárnycsapások frekvenciáit tartalmazták, hanem a rovarok szárnymozgás-változásának sebességét és a visszaverődések erősségét is. A gépi tanulási modellek végül fajspecifikus „ujjlenyomatokat” készítettek ezekből.A radarvisszaverődések apró különbségei, az úgynevezett mikro-Doppler-jelek elegendőek lehetnek a különböző rovarfajok megkülönböztetéséhezIEEE Spectrum/Linta AntonyA modell 85 százalékos pontossággal tudott faji szinten besorolni öt rovarfajt. Ami a négy méhfaj és az egy darázsfaj – két különböző rovarcsalád – közötti tágabb különbségtételt illeti, ezt 96 százalékos pontossággal tudta megtenni.„Ennek a megközelítésnek köszönhetően pontosan azonosítani tudjuk a különböző fajokat, sőt még a nagyon közeli rokon rovarokat is meg tudjuk különböztetni. Ezt vizuálisan vagy más meglévő technológiai eszközökkel nagyon nehéz megtenni” – mondta Ian Donohue professzor, a Trinity Egyetem munkatársa, a PNAS Nexus folyóiratban nemrég megjelent kutatási cikk vezető szerzője.Az új módszer tehát lehetővé teszi a kutatók számára, hogy valós időben meghatározzák, mely rovarok valódi beporzók, és melyek azok, amelyek egyszerűen áthaladnának egy területen. Ezenkívül lehetőséget ad arra is, hogy a különböző fajok számát különálló időszakokon keresztül nyomon kövessék, így sokkal pontosabb képet kaphatnak arról, hogy miként boldogulnak ezek. Az pedig, hogy azonosítják az egyes növényeket látogató fajokat, segíthet a célzott természetvédelmi stratégiák kidolgozásában, valamint az ökoszisztéma-helyreállítási erőfeszítések irányításában és javításában.A kutatók a jövőben bővítenék a rovarradar-adatbázist, hogy több fajt is tartalmazzon. A rovarok viselkedésében bekövetkező változásokat a szárnycsapkodási minták szokatlan változásainak elemzésével kívánják kimutatni, ezek ugyanis összefüggésben állhatnak a hőmérséklet vagy a páratartalom változásával. Bár ez a kutatás csak a beporzókra összpontosított, a tudósok megjegyzik, hogy a kártevők és az invazív fajok nyomon követésében is segíthet.Ha máskor is tudni szeretne hasonló dolgokról, lájkolja a HVG Tech rovatának Facebook-oldalát.