Nuovi approcci per il monitoraggio passivo della biodiversità: il caso degli insetti impollinatori.

Stopping the current loss of biodiversity is becoming increasingly difficult to achieve. Insects represent a large fraction of biodiversity and are crucial for the functioning and stability of different biological systems. In particular, some insects an important role in providing one of the most important ecosystem services: pollination. Habitat loss, agricultural intensification and the introduction of alien species are just some of the causes that are leading to the decline of pollinating insects. In this regard, intensive research and monitoring is necessary to understand the effects of environmental changes on pollinating insects and to identify conservation actions useful for their protection. The use of efficient and standardised sampling methods is crucial in order to collect data on the number and population dynamics of pollinating insects. The different methods differ in terms of cost, time needed to apply them and effectiveness. The methods Traditional passive sampling is useful for the purpose of identifying only certain pollinators species and has considerable disadvantages in terms of sampling time and the number of data collected. In contrast, the new generation passive monitoring methods manage to gather a large amount of useful information in a short time and Reduced costs, however, are not without limitations or disadvantages. In this thesis, the traditional passive monitoring techniques used in pollinating insect monitoring (pan trap, Malaise trap and light trap) will be described and compared with the new generation monitoring techniques, such as Passive Acoustic Monitoring (PAM) and analysis of scanned video and images. In particular, the advantages and disadvantages of the different techniques selected will be analysed. Ultimately, thanks to the development of new technologies that exploit machine learning and artificial intelligence algorithms, Traditional sampling methods can be implemented making them increasingly efficient for a rapid and robust assessment of biodiversity.

L’arresto dell’attuale perdita di biodiversità sta diventando un obiettivo sempre più difficile da raggiungere. Gli insetti rappresentano una cospicua frazione della biodiversità e sono fondamentali per il funzionamento e la stabilità dei diversi sistemi biologici. In particolare alcuni insetti rivestono un ruolo rilevante fornendo uno dei servizi ecosistemici più importanti: l’impollinazione. La perdita di habitat, l'intensificazione agricola e l'introduzione di specie aliene sono soltanto alcune delle cause che stanno portando al declino degli insetti impollinatori. A questo proposito, un'intensa attività di ricerca e di monitoraggio è necessaria per comprendere gli effetti dei cambiamenti ambientali sugli insetti impollinatori e individuare azioni di conservazione utili alla loro salvaguardia. L’uso di metodi di campionamento efficienti e standardizzati è fondamentale al fine di raccogliere dati sulla numerosità e la dinamica di popolazione degli insetti impollinatori. I diversi metodi differiscono tra loro in termini di costi, tempo necessario per applicarli e efficacia. I metodi di campionamento passivo tradizionali sono utili allo scopo di identificare solo alcune specie di impollinatori e presentano inoltre svantaggi notevoli per quanto riguarda i tempi di campionamento e la numerosità dei dati raccolti. Al contrario, i metodi di monitoraggio passivo di nuova generazione riescono a raccogliere una cospiqua quantità di informazioni utili in poco tempo e a costi ridotti, tuttavia non sono privi di limitazioni o svantaggi. In questa tesi, verranno descritte e confrontate le tecniche di monitoraggio passivo tradizionali usate nei monitoraggi degli insetti impollinatori (pan trap, trappola Malaise e trappola luminosa) con le tecniche di monitoraggio di nuova generazione, quali il Passive Acoustic Monitoring (PAM) e l’analisi di video e immagini digitalizzate. In particolare, verranno analizzati i vantaggi e gli svantaggi delle diverse tecniche selezionate. In ultima analisi, grazie allo sviluppo di nuove tecnologie che sfruttano il machine learning e algoritmi di intelligenza artificiale, è possibile implementare i metodi tradizionali di campionamento rendendoli sempre più efficienti per una rapida e robusta valutazione della biodiversità.