Scalable deep fusion of spaceborne lidar and synthetic aperture radar for global forest structural complexity mapping
تقدم هذه الورقة إطار عمل للتعلم العميق قابل للتوسع وفعال من حيث المعلمات، يقوم بدمج ملاحظات ليدار (GEDI) المتفرقة مع بيانات رادار الفتحة الاصطناعية (SAR) متعددة الأنماط لتوليد خرائط عالمية دقيقة وعالية الدقة وشاملة للتعقيد الهيكلي للغابات من عام 2015 إلى عام 2022، مما يتيح المراقبة المستمرة للحفاظ على التنوع البيولوجي وإدارة النظم الإيكولوجية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول فهم صحة غابة من خلال النظر إليها من الفضاء. لفترة طويلة، كان لدى العلماء طريقتان رئيسيتان للقيام بذلك، لكن كلتاهما كانت تعاني من فجوات كبيرة في تغطيتهما. استخدمت إحدى الطريقتين أقمارًا صناعية تلتقط صورًا، مثل الكاميرا. هذه الكاميرات رائعة في رؤية لون الأوراق، لكنها لا تستطيع الرؤية عبر السقف الأخضر الكثيف للأشجار لمعرفة عدد الأغصان الموجودة تحتها أو مدى ارتفاع الأشجار الحقيقي. الأمر يشبه محاولة تخمين عدد الأشخاص في ملعب مزدحم بمجرد النظر إلى قمة الحشد؛ فأنت تفقد الطبقات التي تحتهم. أما الطريقة الأخرى فقد استخدمت تقنية "ليدار" (Lidar)، وهي تشبه ماسحًا ليزريًا فائق الدقة يعكس الضوء عن الأشجار لبناء خريطة ثلاثية الأبعاد. هذا الأمر مذهل لأنه يرى كل غصن وورقة، لكن الأقمار الصناعية التي تحمل هذه الليزرات لا تلتقط سوى لقطات متفرقة وصغيرة، مثل مصور يلتقط صورة واحدة كل بضعة أميال. إذا حاولت رسم خريطة للغابة بأكملها باستخدام تلك الصور المتفرقة فقط، فستكون لديك فجوات ضخمة حيث لا تعرف ما الذي يحدث فيها.
هنا يأتي دور علم "التعقيد الهيكلي للغابات". فكر في الغابة ليس مجرد مجموعة من الأشجار، بل كمدينة معقدة ثلاثية الأبعاد تضم ناطحات سحاب، وشققًا سكنية، وأقبية. الغابة البسيطة قد تكون أشجارها جميعًا بنفس الارتفاع، مثل صف من صناديق البريد المتطابقة. أما الغابة المعقدة فتضم أشجارًا بارتفاعات مختلفة، مع وجود فجوات، وشجيرات كثيفة، وطبقات من الشجيرات في الأسفل. هذا التعقيد هو رمز سري لكيفية صحة الغابة وعدد الحيوانات التي يمكن أن تعيش فيها. يريد العلماء رسم خرائط لهذا التعقيد في كل مكان على الأرض لحماية الحياة البرية وفهم كيفية تأثير تغير المناخ على الطبيعة، لكنهم ظلوا حتى الآن عالقين إما في صورة ضبابية أو في خريطة مليئة بالأجزاء المفقودة.
وهنا ظهرت دراسة جديدة من باحثين من جامعة ميريلاند الذين قرروا حل هذا اللغز عبر تعليم الكمبيوتر كيف يكون محققًا بارعًا. لقد ابتكروا إطار عمل "للتعلم العميق" (Deep Learning) — وهو نوع من الذكاء الاصطناعي — يعمل كـ "مترجم ذكي للغاية". تم تدريب هذا الذكاء الاصطناوي على مكتبة ضخمة تضم أكثر من 130 مليون لقطة ليزر من قمر صناعي يسمى "GEDI". كانت مهمته هي تعلم لغة الغابة السرية من خلال النظر إلى ضربات الليزر المتفرقة وصور الرادار المستمرة من أقمار صناعية أخرى. الرادار يشبه نظام السونار لدى الخفاش؛ فهو يرسل موجات راديو ترتد عن الأشجار وتعود بمعلومات حول شكل الغابة، حتى عبر السحب.
لقد علم الباحثون ذكاءهم الاصطناعي كيف ينظر إلى نقاط الليزر المتفرقة (بيانات GEDI) وموجات الرادار المستمرة (بيانات SAR) وكيف يستنتج كيفية ملء الفراغات. لقد بنوا "دماغًا" مدمجًا وفعالًا لذكائهم الاصطناعي يسمى "EfficientNetV2". ورغم صغر حجمه وخفته — حيث يتطلب أقل من 400,000 "معلمة" (Parameters) (والتي تشبه الخلايا العصبية في الدماغ) — إلا أنه تعلم التنبؤ بتعقيد الغابة بدقة مبهرة. وعند اختباره، أعطى الإجابة الصحيحة بنسبة 82% تقريبًا، وهي درجة تعتبر ممتازة لهذا النوع من رسم الخرائط العالمية.
ما يجعل هذا الاكتشاف مميزًا هو أن الذكاء الاصطناعي لم يكتفِ بالتخمين فحسب؛ بل أخبر العلماء أيضًا بمدى ثقته في تخميناته. الأمر يشبه وجود خبير أرصاد جوية لا يتنبأ بالمطر فحسب، بل يقول أيضًا: "أنا متأكد بنسبة 95% من هطول المطر"، أو "أنا متأكد بنسبة 60% فقط، لذا خذ مظلة للاحتياط". وجدت الدراسة أن الذكاء الاصطناعي يعمل بشكل أفضل في الغابات الاستوائية والغابات المعتدلة، حيث تتطابق بيانات الليزر والرادار تمامًا. ومع ذلك، كان أقل ثقة في المناطق الشمالية البعيدة (الغابات الشمالية/البوريال) أو في الصحاري شديدة الجفاف، وهو أمر منطقي لأن عدد ضربات الليزر التي تعلم منها كان أقل في تلك المناطق.
استخدم الفريق هذا الذكاء الاصطناعي المدرب لإنشاء خريطة مستمرة وعالية الدقة لغابات العالم بأكم، مالئةً كل فجوة بين ضربات الليزر. لقد أنتجوا خريطة عالمية بدقة 25 مترًا (حوالي حجم منزل كبير)، تغطي الأعوام من 2015 إلى 2022. وهذا يعني أنهم لم يستطيعوا رؤية أين توجد الغابات فحسب، بل كيف يتغير هيكلها بمرور الوقت، مثل مشاهدة فيديو "التايم لابس" لغابة تنمو أو تتعافى من حريق. كشفت الخريطة أن الغابات في المناطق الاستوائية تظل معقدة ومستقرة طوال العام، بينما تتغير الغابات في المناطق الأكثر برودة مع المواسم، حيث تصبح "أبسط" في الشتاء عندما تسقط الأوراق و"أكثر تعقيدًا" في الصيف عندما تنمو مجددًا.
كما أظهر الباحثون أن نموذج الذكاء الاصطنا هذا هو "حرباء"؛ لأنه تعلم القواعد العامة لهيكل الغابة، يمكنهم تعديله قليلًا للتنبؤ بأشياء أخرى، مثل الارتفاع الدقيق للأشجار أو مقدار تغطية الأرض بالأوراق، دون الحاجة للبدء من الصفر. وهذا يشير إلى أن نموذجًا واحدًا ذكيًا يمكن أن يساعد في تتبع جوانب مختلفة من صحة الغابات في المستقبل.
ومع ذلك، يوضح المؤلفون بحذر أنه رغم كون هذه أداة قوية، إلا أنها ليست مثالية. فالذكاء الاصطناعي يواجه أحيانًا صعوبة في رؤية التفاصيل الدقيقة للغاية في الغابات المنتظمة جدًا، كما تنخفض ثقته في المناطق التي تفتقر فيها بيانات الأقمار الصناعية إلى الاتساق أو التوافر. كما يشيرون إلى أن النموذج يقترح تغيرات موسمية في الشمال، ولكن من الصعب تحديد ما إذا كانت هذه التغييرات حقيقية في نمو الأشجار أم أنها مجرد سمات ناتผล سلوك إشارات الرادار.
باختصار، لا تدعي هذه الورقة البحثية أنها حلت لغز كل شجرة على حد Earth. بدلاً من ذلك، فهي تقدم طريقة جديدة وفعالة للغاية لرؤية الغابة من خلال الأشجار. ومن خلال دمج دقة الليزر مع تغطية الرادار، تمكن الباحثون من بناء أداة قابلة للتوسع والوصول تتيح للعلماء مراقبة التعقيد الهيكلي لغابات كوكبنا بشكل مستمر. وهذا يمنح دعاة حماية البيئة عدسة أكثر حدة لرصد الأماكن التي تكون فيها الغابات صحية، والأماكن التي تعاني فيها، وكيف تتغير في عالم يزداد حرارة، وكل ذلك دون الحاجة إلى حاسوب خارق للقيام بالعمليات الحسابية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.