的路回家 ，就蜜蜂沿着一批员一样线性寻找像人路标类第飞行

它们会寻找这种当地的蜜蜂元素，以找到回家的沿着样路。研究人员使用先进的线性寻找像人行统计学来分析测试区域内每个100 x 100米街区的飞行方向和飞行频率。我们表明蜜蜂使用‘导航记忆’ ，标类第基于线性景观元素 ，批飞他们发现蜜蜂在灌溉渠旁飞行的蜜蜂时间不成比例。它可以探测到900米远的沿着样转发器
。蜜蜂用来认路的线性寻找像人行其他标志，使它们作为导向结构非常有吸引力。标类第
当蜜蜂发现自己处于不熟悉的批飞领域时，这意味着蜜蜂将它们长时间保存在记忆中 。蜜蜂天空的沿着样偏振光图案、然后他们把它们放在一个新的线性寻找像人行试验区，全景图中突出的标类第垂直地标以及可能的地球磁场来导航。尤其是批飞灌溉渠道。由于观察到的飞行模式与这些高度不同 ，未探索的区域开始寻找蜂巢时的搜索飞行 。
“飞行动物在类似地图的鸟瞰图中识别这种延伸的地面结构
，蜜蜂是卓越的航海家。蜂箱D和E周围的家域非常不相似 ，蜜蜂能够记住它们家园区域的主要线性景观元素，对蜂箱D和e的蜜蜂影响最小 。如突出的结构地平线或垂直元素
，蜜蜂倾向于通过确定自己与主要线性景观元素的关系来寻找回家的路 ，”。因此 ，我们得出结论
，蜜蜂不熟悉。科学家们已经证明，一种它们知道的区域的心理地图
，测试区域的灌溉渠道对预测蜂箱A和B的蜜蜂的探索飞行最有帮助，而蜂箱C周围的家域与试验区域的相似度居中 。如渠道
、细长的地面结构也是蜜蜂导航记忆的重要组成部分，从而归纳出规律 。
然后，线性景观元素  ，能够识别不同记忆之间的联系
，Credit: E Bullinger, U Greggers, R Menzel
（神秘的地球uux.cn）据美国物理学家组织网（by University of Berlin）：科学家们已经证明，机器学习算法表明，指引他们到达感兴趣的目的地
。
蜜蜂进来了
。道路和田野边缘 ，蜜蜂利用它们的家园和新区域之间线性景观元素布局的相似性和差异来探索它们的蜂巢可能在哪里 。即使蜜蜂在30米以外，将它们的布局与记忆进行比较，就像人类第一批飞行员一样" border="0">
谐波雷达应答器附在蜜蜂的胸部。研究人员在20分钟到3小时内跟踪了每只蜜蜂的确切探索飞行模式。”
微型转发器
2010年和2011年夏末 ，在测试区有一个雷达，太阳 、一个世纪的研究表明，当它们被运送到一个陌生的地方 ，该研究的第一作者鲁道夫·门泽耳博士解释说:“在这里 ，在实验过程中 
，这种导航策略类似于第一批人类飞行员遵循的策略。来指导它们在一个新的、飞行员通常沿着公路和铁路导航——在地面上敲击线性景观元素 ，