양봉 침이 없는 벌의 음향 살충제 노출 감지 및 벌집 식별을 위한 은닉 마르코프 모델
페이지 정보
본문
침이 없는 벌의 음향 살충제 노출 감지 및 벌집 식별을 위한 은닉 마르코프 모델
추상적인
수분매개자 개체 수는 병원균, 서식지 감소, 기후 변화, 그리고 살충제의 광범위한 사용 등의 요인으로 인해 전 세계적으로 전례 없는 속도로 감소하고 있습니다. 군집 손실은 여전히 예방하기 어렵지만, 정밀 양봉은 벌집 상태를 모니터링하는 비침습적 전략을 도입했습니다. 음향 데이터와 머신러닝 기술을 결합한 방식은 꿀벌 군집의 스트레스 요인과 특정 사건을 감지하는 데 효과적인 것으로 입증되었습니다. 그러나 이러한 방법론은 열대 지방에 서식하는 토종 수분매개자 집단인 침 없는 벌에 대해서는 아직 충분히 연구되지 않았습니다. 침 없는 벌을 기르는 방법인 침 없는 벌 사육(Meliponiculture)은 상당한 경제적 및 보존적 이점을 제공하는 성장하는 분야입니다. 침 없는 벌은 잔류 농도에서도 살충제 독성에 특히 취약하므로, 벌집 손실을 예방하고 치사량에 가까운 살충제 노출이 이러한 종에 미치는 영향을 이해하는 것이 매우 중요합니다. 본 연구는 흔히 사용되는 살충제인 클로르피리포스에 노출되었을 때 침 없는 벌 Tetragonisca fiebrigi 의 벌집에서 나타나는 스트레스 반응 을 파악하여 공기 중 살충제 노출을 감지하는 과제를 다룹니다. 본 연구는 MATLAB의 은닉 마르코프 모델 툴킷(MATLABHTK)을 이용한 은닉 마르코프 모델(HMM)을 사용하여 노출 및 비노출 조건 모두에서 8개 벌집의 음향 데이터를 분석함으로써, 음향 모니터링이 살충제 관련 스트레스 지표로서 가지는 잠재력을 평가했습니다. 여러 벌집에 대한 초기 분석 결과, 모델 성능은 중간 수준이었습니다. 그러나 벌집별 분석 결과, 살충제 노출 감지 성능이 더 우수했습니다. 또한, 이 모델은 개별 벌집을 정확하게 분류하여 각 벌집마다 고유한 음향 '지문'이 존재함을 시사합니다. 이러한 연구 결과는 침 없는 벌 생물음향학 분야를 발전시키고, 침 없는 벌집의 음향 모니터링이 공기 중 살충제 오염을 감지하는 유용하고 비침습적인 도구가 될 수 있음을 시사합니다.
수치
인용: Otesbelgue A, Orth AJ, Fong CD, Fassbinder-Orth CA, Blochtein B, Pereira MJR (2025) 침이 없는 벌의 음향 살충제 노출 감지 및 벌집 식별을 위한 은닉 마르코프 모델. PLoS One 20(6): e0325732. https://doi.org/10.1371/journal.pone.0325732
편집자: Munir Ahmad, PMAS 건조 농업 대학교: PMAS-건조 농업 대학교 라왈핀디, 파키스탄
접수일: 2025년 2월 18일; 승인일: 2025년 5월 16일; 게시일: 2025년 6월 18일
이 글은 저작권이 없는 오픈 액세스 논문으로, 누구든지 합법적인 목적으로 자유롭게 복제, 배포, 전송, 수정, 재구축 또는 기타 용도로 사용할 수 있습니다. 본 저작물은 크리에이티브 커먼즈 CC0 퍼블릭 도메인으로 제공됩니다.
데이터 가용성: 모든 오디오 파일은 zenodo 데이터베이스(DOI 10.5281/zenodo.15397732)에서 제공됩니다.
연구비 지원: 본 연구는 브라질 고등교육인력개발조정국(CAPES)의 재정 지원(재정 코드 001~AO)에 의해 일부 지원되었습니다. 또한, NSF-IOS 2024026에 따라 CFO에게 연구비를 지원했습니다. 연구비 지원 기관은 연구 설계, 데이터 수집 및 분석, 출판 결정 또는 원고 작성에 어떠한 역할도 하지 않았습니다.
경쟁적 이해관계: 저자들은 경쟁적 이해관계가 존재하지 않는다고 선언했습니다.
소개
야생 및 관리된 벌 개체수 모두의 지속적인 전 세계적 감소는 서식지 손실, 병원균, 기후 변화 및 살충제의 과도한 사용을 포함한 여러 요인의 조합에 기인합니다[ 1 , 2 ]. 군집 손실을 예방하는 것은 어려울 수 있지만 정밀 양봉의 발전으로 바로 아 응애 감염, 여왕 부재 및 경우에 따라 오염 물질 노출과 같은 벌집을 정확하게 모니터링하고 스트레스 요인을 감지하는 기술이 개발되었습니다[ 3-7 ] . 머신 러닝 모델을 활용하는 이러한 방법 은 비침습적이며 벌집 상태를 빠르고 정확하게 평가하여 효과적인 벌집 관리 및 개입을 용이하게 합니다.
꿀벌 군체의 새로운 건강 지표 중 하나는 군체의 진동음향 신호입니다. 실제로 꿀벌은 날개와 몸의 움직임, 그리고 날개 움직임 없이도 근육 수축을 통해 고주파의 다양한 진동음향 신호를 생성합니다[ 8 , 9 ]. 꿀벌은 다양한 신호를 사용하여 의사소통합니다[ 10 ~ 13 ]. 꿀벌에 대한 연구에 따르면 진동음향을 통해 벌집의 건강, 활동 및 상태를 확인할 수 있습니다[ 5 , 6 , 14 ~ 17 ]. 이 종에서는 화학 물질과 같은 다양한 스트레스 요인에 따라 소리 패턴이 변합니다[ 6 ]. 꿀벌 진동은 떼를 감지하기 위한 사물 인터넷(IoT) 기반 솔루션[ 18 ]을 포함한 여러 기계 학습 모델로 처리되었으며, 멜 스펙트럼, 멜 주파수 셉스트럼 계수(MFCC), 힐버트 황 변환(HHT)을 사용하여 군집이 여왕이 있는지 없는지 판별했습니다[ 17 , 19 ].
숨겨진 마르코프 모델(HMM)은 한 이벤트의 상태가 이전 이벤트의 상태에 따라 달라지는 마르코프 프로세스를 기반으로 하는 통계적 모델입니다[ 20 ]. 이러한 모델은 음성 인식, 열역학 및 다양한 패턴 인식 응용 프로그램에서 사용되었습니다[ 21 ]. 숨겨진 마르코프 모델 툴킷은 MATLAB와 같은 컴퓨팅 프로그램 내에서 사용하여 음성 인식에 초점을 맞춘 연구를 위한 숨겨진 마르코프 모델[ 22 ] 을 생성할 수 있는 소스 코드 모음입니다 . HMM과 HTK는 척추동물의 소리와 움직임을 감지하는 데 사용되었지만[ 23-25 ] HMM은 떼를 감지하는 IoT 솔루션의 일부로 연구되었지만[ 18 ], 이 방법론은 다양한 벌 군집 상태 를 예측하거나 할당하는 능력에 대해 다른 방법으로 조사되지 않았습니다.
정밀 양봉의 급속한 발전과 이러한 기술이 벌집 상태를 평가하는 데 입증된 잠재력에도 불구하고 대부분의 연구는 Apis mellifera 에 초점을 맞추었습니다 [ 14 , 26 ]. 반면, 우루과이에서 멕시코 중부까지 이어지는 신열대 지방에 자생하고 아프리카, 인도, 동남아시아, 호주에서도 발견되는 다양한 유사사회성 곤충 그룹인 침이 없는 벌은 이 분야에서 여전히 충분히 연구되지 않았습니다[ 27 ]. 그러나 침이 없는 벌을 관리하는 멜리포니컬처(meliponiculture)는 가계의 소득원이자 이 중요한 수분 매개자의 보존 전략으로서 주목을 받고 있습니다[ 28 , 29 ].
침이 없는 벌은 살충제 노출을 포함한 심각한 위협에 직면하며, 꿀벌에 비해 이러한 위협에 더 민감합니다[ 30 ]. 예를 들어, 네오니코티노이드 살충제 이미다클로프리드에 노출된 Plebeia droryana 의 유충 암벌은 비정상적인 부화 후 행동을 보이며, 이는 일벌의 공격성과 치명적인 공격으로 이어집니다[ 31 ]. 마찬가지로, 네오니코티노이드 및 피레트로이드 살충제에 노출된 Melipona quadrifasciata 군집은 사회적 행동과 의사소통에 장애를 보입니다[ 32 ]. Tetragonisca angustula 에서 클로르피리포스, 시플루메토펜 및 디페노코나졸에 노출되면 생존한 벌 사이에 행동 변화가 유도됩니다[ 33 ].
전 세계적으로 살충제 사용은 지난 수십 년 동안 증가했습니다[ 34 ]. 이러한 추세는 브라질에서 두드러지는데, 농업 활동이 2000년과 2015년 사이에 8.1%나 확대된 반면 살충제 사용은 같은 기간 동안 무려 152%나 증가했습니다[ 35 ]. 꿀벌은 살충제 노출과 공기 중 오염에 매우 취약하지만 꿀벌에 해를 끼치는 농도는 종종 인간의 급성 독성 한계치보다 낮습니다[ 36 , 37 ]. 그럼에도 불구하고 인간의 이러한 물질에 대한 만성적이고 저수준 노출은 돌이킬 수 없는 건강 상태와 발달 문제로 이어질 수 있습니다[ 38 , 39 ]. 따라서 꿀벌 개체군을 모니터링하면 환경 오염의 귀중한 생물학적 지표가 됩니다[ 40 , 41 ].
본 연구에서는 HMM(침 없는 벌 Tetragonisca fiebrigi) 을 이용하여 소리 기반 벌집 식별 및 살충제 유발 스트레스 반응을 탐지하는 수단으로 침 없는 벌(Tetragonisca fiebrigi)의 음향 패턴을 조사했습니다. 벌집을 널리 사용되는 살충제인 클로르피리포스에 노출시켜 음향 프로파일의 잠재적 변화를 확인했습니다. 스트레스를 나타내는 음향 신호의 변화를 탐지하기 위해 무침 벌과 노출 기간 모두에서 오디오 데이터를 녹음했습니다. 이는 침 없는 벌의 생물음향을 공기 중 살충제 오염의 생물 지표로 활용할 수 있는 가능성을 더욱 뒷받침할 수 있습니다.
재료 및 방법
식민지 세부 정보
실험은 브라질 루이지애나주 마리아나 피멘텔(남위 30° 24'08.9”, 서경 51° 35'06.5”)에서 수행되었습니다. 8개의 벌통이 연구에 포함되었습니다. 모든 벌통은 다음 기준을 충족했습니다. a) 여왕벌 존재; b) 지속적인 산란을 보장하는 최근 유충 세포 존재; c) 충분한 꿀과 꽃가루 비축; d) 눈에 띄는 질병이나 손상 징후 없음.
각 벌통은 살충제가 실험 구역 밖으로 퍼지는 것을 막기 위해 한쪽 면이 열려 있는 플라스틱 터널(길이 3m, 너비 1m, 높이 1.6m)에 넣었습니다( 그림 1 ). 벌통은 서로 3m 떨어져 있었습니다. 실험은 두 번의 시도로 구성되었으며, 둘 다 2024년에 진행되었습니다. 첫 번째는 1월 22일부터 27일까지 4개의 벌통으로 진행되었고, 두 번째는 3월 25일부터 31일까지 나머지 4개의 벌통으로 진행되었습니다. 각 벌통은 이틀 동안 방해받지 않고 기록한 다음, 하루는 물 분무에 노출되었고, 다음 날은 살충제 분무에 노출되었고, 방해받지 않고 이틀 더 관찰되었습니다. 이어서 각 실험 단계를 자세히 설명합니다.
A) 터널 배치 및 실험 구성. 터널은 3미터 간격으로 배치되었으며, 각 터널에는 벌통이 하나씩 들어갔습니다. 그림은 실험 당일 수행된 활동을 보여줍니다. B) 터널 구조. 각 터널의 크기는 길이 3미터, 너비 1미터, 높이 1.6미터입니다. 분무는 벌통 앞에서 압력 분무기를 사용하여 수행되었습니다.
진동음향 신호 수집
각 벌통에는 AudioMoth® 녹음기가 설치되어 있으며 , 모기장과 마스킹 테이프로 보호되어 있습니다( 그림 2 ). 하루 중 시간대별 벌 활동의 변동성을 피하기 위해 모든 녹음에 특정 시간대를 설정했습니다. 녹음 장치는 오후 12시 30분부터 오후 5시 30분까지 매분 30초 분량의 오디오 클립을 녹음하도록 프로그래밍되었습니다. 녹음은 중간 게인(gain)을 사용하여 48kHz 샘플링 레이트로 설정했습니다.
나무 모듈, 중앙에 위치한 벌집, 벌집 옆에 위치한 마이크를 보여주는 벌집의 개략적 표현입니다.
살충제 노출
처음에는 벌통을 방해 없이 이틀 연속 기록했습니다. 셋째 날, 모든 벌통에 벌통 입구에서 1미터 떨어진 곳에서 물을 분무했습니다. 넷째 날, 세 벌통에는 클로르피리포스를 분무했고, 한 대조군 벌통에는 물만 분무했습니다. 그 후 며칠 동안 벌통은 방해 없이 다시 기록되었습니다( 그림 1 ).
실제 환경을 더 잘 반영하기 위해 시판 클로르피리포스 제제를 사용했습니다. 이 접근법에서 보조제의 효과를 활성 성분의 효과와 분리할 수는 없지만, 바이오 모니터링 응용 분야에서 연구 결과의 관련성을 높여줍니다. 노출량은 LC50(0.0033)을 기준으로 했습니다. 지아이/
관련링크
댓글목록
등록된 댓글이 없습니다.
