LAMES: A Large-Scale and Artisanal Mining Environmental Segmentation Dataset

ملخص تقني: LAMES: مجموعة بيانات تقسيم بيئي للتعدين واسع النطاق والحرفي

بيان المشكلة
تولد عمليات التعدين، رغم أهميتها الاقتصادية، آثاراً خارجية سلبية كبيرة، تشمل تآكل التربة، وإزالة الغابات، وتلوث المياه (تصريف المناجم الحمضي، والمعادن الثقيلة)، وفقدان التنوع البيولوجي، وتراكم النفايات. وتتفاقم هذه التأثيرات بسبب انتشار التعدين الحرفي والصغير (ASM) غير القانوني، والذي غالباً ما يعمل دون إذن من الدولة أو إشراف بيئي، لا سيما في مناطق مثل أفريقيا. وتعد مراقبة هذه الأنشطة أمراً بالغ الأهم𝙩 لكتشاف العمليات غير القانونية، وفهم العلاقة المتبادلة بين سمات المنجم والأثر البيئي، ومعالجة "المعضلة الأخلاقية" المتمثلة في الموازنة بين سبل عيش المعدنين الحرفيين وبين الصحة البيئية. ومع ذلك، فإن الأبحاث في هذا المجال تعوقها قلة مجموعات البيانات المتاحة للجمهور وعالية الجودة التي تجمع بين البيانات الوصفية (metadata) للتعدين واسع النطاق (LSM) مع توصيفات دقيقة عالية الدقة لكل من مواقع LSM وASM. وتعتمد مجموعات البيانات الحالية غالباً على بيانات خاصة أو تفتقر إلى التفاصيل المطلوبة للتقسيم الدلالي للبنية التحتية التعدينية المحددة.

المنهجية وبناء مجموعة البيانات
يقدم المؤلفون مجموعة بيانات LAMES، التي تم إنشاؤها لتسهيل المراقبة القائمة على الاستشعار عن بعد لأنشطة التعدين. تدمج مجموعة البيانات مكونين متميزين:

1. التعدين واسع النطاق (LSM) في تشيلي: اختار المؤلفون 150 موقع تعدين ممثلاً من مجموعة بيانات عالمية تضم أكثر من 6,000 موقع. ولضمان نطاق توصيف يمكن إدارته مع الحفاظ على التمثيلية، تم استبعاد المواقع التي تزيد مساحتها عن 80 كم²، وتم دمج المواقع المتداخلة، مما نتج عنه 71 موقعاً غير متداخل يغطي 963 كم².
2. التعدين الحرفي والصغير (ASM) في غانا: تغطي مجموعة البيانات 870 كم² من مناطق ASM الموصوفة، وتتركز أساساً في منطقتي أشانتي وغرب البلاد. وخلافاً لمواقع LSM، تفتقر مواقع ASM إلى حدود محددة وغالباً ما تتبع المجاري المائية؛ لذا فإن التوصيفات تحيط بمناطق التعدين المتصلة بدلاً من المضلعات المغلقة.

التوصيف والمعالجة:

• المصادر: استُخدمت صور حقيقية الألوان عالية الدقة (GSD 0.5m) من Maxar وCNES (عبر Google Earth) لإنشاء أقنعة التقسيم الدلالي. كما استُخدمت صور Sentinel-2 متوسطة الدقة (GSD 10m) لتجارب اكتشاف مواقع التعدين.
• الخبرة: تم إجراء التوصيفات بالتشاور مع معهد هندسة الموارد المعدنية في جامعة RWTH Aachen لضمان الدقة التقنية في تحديد قطاعات التعدين.
• الفئات: تحدد مجموعة البيانات 9 قطاعات بارزة لـ LSM وهي: الحفر المفتوح (Open Pit)، مرافق المنجم (Mine Facilities)، كومة نفايات الصخور (Waste Rock Dump)، مرافق تخزين السائل المنجمي (Tailings Storage Facilities)، ساحات التخزين (Stockyards)، محطات المعالجة (Processing Plants)، الترشيح بالكوم (Heap Leaching)، ومواقع ASM.
• البيانات الوصفية: يتضمن مكون LSM نحو 27 سمة لكل موقع، مثل نوع التعدين، طريقة المعالجة، السلعة، الإنتاج السنوي، والحالة التشغيلية.
• تقسيم البيانات: بالنسبة للتجارب، تم تقسيم المواقع إلى مجموعات تدريب، وتحقق، واختبار بناءً على مواقع التعدين بأكملها (وليس الرقع الفردية) لمنع تسرب البيانات. ولأغراض اكتشاف المواقع، تم حجز 35 موقعاً معزولاً للاختبار، بينما استُخدم 104 موقعاً للتدريب.

المساهمات الرئيسية

• مجموعة بيانات LAMES: أول مجموعة بيانات عامة تجمع بين 150 موقع LSM موصوفة (مع 1,204 مضلع للقطاعات) وتوصيفات لـ 870 كم² من مواقع ASM، مصحوبة ببيانات وصفية غنية.
• دعم تعدد الدقة: توفر مجموعة البيانات كلاً من الرقع عالية الدقة (0.5m) لتصنيف القطاعات التفصيلي، والرقع متوسطة الدقة (10m) من Sentinel-2 لاكتشاف المواقع على نطاق واسع.
• الإطار الأخلاقي: تناقش الورقة الآثار الأخلاقية لمراقبة ASM، وتسلط الضوء على التوتر بين فرض اللوائح البيئية وحماية سبل عيش المعدنين الذين يعتمدون على هذه الأنشطة، داعية إلى معالجة بناءة بدلاً من الإجراءات العقابية وحدها.
• التجارب المرجعية: يقدم المؤلفون نتائج مرجعية لمهمتين:
  1. تصنيف قطاع التعدين (عالي الدقة): باستخدام شبكة U-Net مع عمود فقري من نوع ResNet-50 على صور 0.5m.
  2. اكتشاف موقع التعدين (متوسط الدقة): باستخدام صور Sentinel-2 للتمييز بين مواقع التعدين والمناطق غير التعدينية.

النتائج

• تصنيف القطاعات: حقق النموذج المرجعي دقة كلية (macro accuracy) بلغت 89.0% ودقة جزئية (micro accuracy) بلغت 59.2% على مجموعة الاختبار. تم تصنيف معظم الفئات بدقة تزيد عن 50%. ومع ذلك، أظهرت فئة "الترشيح بالكوم" (lh) معدل خطأ في التصنيف بنسبة 98%، ويرجع ذلك على الأرجح إلى التباين البصري العالي عبر المواقع. وفي المق المقابل، أدى "ساحات التخزين" (sy) أداءً جيداً رغم انخفاض عدد العينات، مما يشير إلى اتساق بصري. وقد تم استخدام أوزان الفئات لمعالجة عدم التوازن الشديد في الفئات.
• اكتشاف المواقع: حققت مهمة التصنيف الثنائي (منجم مقابل لا يوجد منجم) على بيانات Sentinel-2 دقة قدرها 0.89 ودرجة F1 قدرها 0.75. ويشير المؤلفون إلى أنه نظراً للندرة الشديدة لمواقع التعدين في تشيلي (حوالي 0.5% من مساحة الأرض)، فقد عانى النموذج من كثرة النتائج السلبية الكاذبة. وقد أدت زيادة مجموعة التدريب بـ 10,000 رقعة عشوائية لـ "لا يوجد منجم" إلى تقليل معدل السلبيات الكاذبة من 36% إلى 25%، ولكنها أدت أيضاً إلى زيادة معدل الإيجابيات الكاذبة، مما يشير إلى أن تعزيز أخذ العينات العشوائي البسيط له فائدة محدودة في هذا السياق المحدد.

الأهمية والادعاءات
يدعي البحث أن LAMES تعمل كمورد أساسي للمجتمع البحثي للنهوض بمراقبة التعدين المدعومة بالذكاء الاصطناعي. وتكمن أهميتها في:

• تمكين التحليل التفصيلي: توفير أول تقسيم دقيق متاح للجمعة للبنية التحتية للتعدين، وهو أمر ضروري لإدارة الكوارث، وتقييم الأثر البيئي، ورسم خرائط المعادن.
• تسهيل اكتشاف التعدين غير القانوني: توفير أساس لاكتشاف وتصنيف أنشطة ASM غير القانونية، والتي يصعب مراقبتها حالياً بسبب نقص بيانات الحقيقة الأرضية.
• دعم المعالجة الأخلاقية: من خلال تمكين مراقبة أفضل، يمكن لمجموعة البيانات دعم السياسات التي تهدف إلى تقليل الضرر البيئي مع معالجة الاحتياجات الاجتماعية والاقتصادية للمعدنين الحرفيين، بما يتماشى مع أهداف التنمية المستدامة للأمم المتحدة.
• الإمكانات المستقبلية: يذكر المؤلفون أن مجموعة البيانات تسمح بتدريب النماذج لتقدير كميات المعادن وتقدير الآثار البيئية، مع خطط مستقبلية لدمج صور التصوير الطيفي الفائق (hyperspectral).

يحافظ المؤلفون على نبرة متواضعة فيما يتعلق بالنتائج التجريبية، حيث يقرون بأن الأداء المرجعي الحالي لاكتشاف المواقع "ضعيف نوعاً ما" للنشر في العالم الحقيقي دون مزيد من الضبط الدقيق والتعزيز باستخدام أحدث التقنيات، لكنهم يؤكدون أن مجموعة البيانات نفسها تثبت جدوى اكتشاف قطاعات التعدين على الأراضي المتجانسة وغير المزروعة.