Assessment of Inundation Dynamics in Nebraska Using AlphaEarth Foundations Embeddings
تُظهر هذه الدراسة أن تضمينات "ألفا إيرث فاونديشنز" (AFE) تتيح رسم خرائط الغمر السنوي على نطاق واسع وفعال عبر 901 من المسطحات المائية في نبراسكا بأقل قدر من المعالجة المسبقة، محققةً دقة عالية مقارنة بالبيانات الميدانية وكاشفةً عن أنماط هيدرولوجية متميزة مرتبطة بهطول الأمطار وحجم المسطحات المائية.
الماء لا يسكن أبداً. فحتى في أكثر البحيرات والخزانات هدوءاً، تتغير حدوده مع تغير الفصول، فينتفخ خلال السنوات الماطرة وينكمش عندما ينقطع المطر. وبالنسبة للعلماء الذين يديرون الموارد المائية، فإن تتبع هذه التغييرات أمر ضروري؛ فهم بحاجة لمعرفة ليس فقط أين يوجد الماء اليوم، بل كيف تغير وجوده بمرور الوقت وكيف يستجيب للطقس. تقليدياً، كان الحصول على هذه المعلومات يتطلب مسوحات ميدانية مكلفة أو عملاً حاسوبياً معقداً يتطلب دمج بيانات من أقمار صناعية متعددة، وهي عملية غالباً ما كانت بطيئة وصعبة. أما الآن، فإن نهجاً جديداً يستخدم خريطة رقمية جاهزة وقوية لسطح الأرض يجعل من الممكن مراقبة تغير هذه المسطحات المائية بجهد أقل بكثير.
استخدم باحث في جامعة نبراسكا-لينكولن هذه الأداة الجديدة لرسم خرائط فيضان وجفاف ما يقرب من 900 بحيرة وخزان مائي عبر الولاية. تركز الدراسة على نبراسكا، وهي منطقة تُعد فيها المياه مورداً ثميناً، وغالباً ما تُستخرج من طبقات المياه الجوفية التي تنضب ببطء. كان الهدف هو معرفة كيفية سلوك المياه السطحية في هذه المناظر الطبيعية شبه القاحلة من سنة إلى أخرى. وبدلاً من بناء نظام معقد من الصفر، استخدم الباحث مجموعة بيانات تسمى "AlphaEarth Foundations Embeddings". فكر في مجموعة البيانات هذه كأنها مكتبة ضخمة ومحوسبة مسبقاً لسطح الأرض، حيث تم تحليل كل بقعة على الأرض وإعطاؤها بصمة رقمية فريدة بناءً على مظهرها من الفضاء. تلتقط هذه البصمة تفاصيل عن الأرض، والغطاء النباتي، والمياه دون الحاجة إلى قيام المستخدم بتنظيف الصور الخام للأقمار الصناعية أو إصلاح أخطاء الغلاف الجوي أولاً.
من خلال تغذية هذه البيانات الجاهزة في برنامج حاسوبي يتعلم التعرف على الأنماط، تمكن الباحث من رسم حدود المياه في كل واحدة من البحيرات الـ 901 لكل عام من عام 2017 إلى 2025. تم تعليم الكمبيوتر التمييز بين الماء واليابسة والمباني من خلال النظر في الأمثلة، ثم طبق تلك المعرفة على الولاية بأكملة. وللتحقق من دقة النتائج، قارن الباحث خرائط الكمبيوتر بشيئين: صور الأقمار الصناعية عالية الدقة، والقياسات الواقعية المأخوذة من خمسة خزانات مائية كبيرة. طابقت خرائط الكمبيوتر القياسات الميدانية بشكل وثيق للغاية، بمتوسط فرق يزيد قليًّا عن ثلاثة بالمائة. وعند مقارنتها بمنتج آخر شائع من الأقمار الصناعية، أظهرت الطريقة الجديدة أحياناً كمية مياه أقل وأحياناً أكثر، مما يشير إلى أن الأدوات المختلفة ترى حواف البحيرات بطرق مختلفة قليلاً، لكن الطريقة الجديدة أثبتت موثوقيتها في تتبع التغييرات بمرور الوقت.
كشفت النتائج عن قصة واضحة حول كيفية سلوك الماء في نبراسكا. وبينما لم تظهر كمية المياه الإجمالية في الولاية زيادة أو نقصاناً مستمراً على المدى الطويل خلال فترة التسع سنوات، إلا أن التغيرات من سنة إلى أخرى كانت مرتبطة ارتباطاً وثيقاً بهطول الأمطار. ففي السنوات الماطرة، نمت البحيرات، وفي السنوات الجافة، انكمشت. كان هذا الارتباط قوياً لدرجة أنه يمكن التنبؤ بكمية المياه في سنة معينة بدقة عالية بناءً على كمية المطر التي سقطت في تلك السنة نفسها. ومع ذلك، وجدت الدراسة أيضاً أن ليس كل البحيرات تتفاعل بنفس الطريقة؛ فالبحيرات الصغيرة، تلك التي تقل مساحتها عن كيلومتر مربع واحد، كانت أكثر تقلبًا من البحيرات الكبيرة. فقد كانت أكثر عرضة لتكون ممتلئة في عام ما وشبه فارغة في العام التالي، بينما حافظت البحيرات الكبيرة، في المقابل، على مياهها بشكل أكثر استقراراً، محتفظة بوجود ثابت حتى مع تغير الطقس.
يُظهر هذا البحث أنه من الممكن الآن مراقبة صحة مئات المسطحات المائية عبر منطقة واسعة دون العبء الحسابي الثقيل الذي كان مطلوباً في السابق. وتشير النتائج إلى أنه بينما ظل إمداد المياه الإجمالي في الولاية مستقراً نسبياً خلال هذه الفترة، فإن المسطحات المائية الأصغر والأكثر هشاشة كانت حساسة للغاية للتقلبات بين السنوات الرطبة والجافة. هذا المستوى من التفصيل يعد أمراً بالغ الأهمية للمخططين وحماة البيئة الذين يحتاجون إلى فهم أي أجزاء من النظام المائي هي الأكثر عرضة للخطر. ومن خلال استخدام هذه البصمات الرقمية المحوسبة مسبقاً، يمكن للعلماء الآن التركيز بشكل أقل على العمل التقني لإعداد البيانات، وبشكل أكبر على فهم الديناميكيات الواقعية للمياه، مما يوفر صورة أوضح لكيفية صمود مواردنا المائية في ظل مناخ متغير.
ملخص تقني: تقييم ديناميكيات الغمر في نبراسكا باستخدام تضمينات أسس ألفا إيرث (AlphaEarth Foundations Embeddings)
بيان المشكلة تعد مراقبة الديناميكيات الزمانية والمكانية للمياه السطحية أمراً بالغ الأهمية لإدارة الموارد المائية، والتقييم البيئي، وتوصيف مخاطر الفيضانات. وبينما توفر الاستشعار عن بعد عبر الأقمار الصناعية بديلاً قابلاً للتوسع للعمليات الميدانية المكلفة والصعبة لوجستياً، فإن سير عمل التصنيف التقليدي متعدد المصادر غالباً ما يعاني من تعقيد كبير في المعالجة المسبقة والأعباء الحسابية. تتطلب هذه المسارات عمليات دمج بيانات واسعة، وتصحيحاً جوياً، وإخفاءً للسحب، وهي عمليات قد تكون مكلفة حسابياً للتحليلات الإقليمية واسعة النطاق على الأنظمة اللامركزية. علاوة على ذلك، بينما تم تطبيق نماذج التأسيس مثل "بريثفي" (Prithvi) في رسم خرائط الفيضانات عبر الضبط الدقيق، فإن جدوى استخدام تضمينات نماذج التأسيس مسبقة الحساب كمدخلات "جاهزة للتحليل" للمراقبة طويلة الأمد للغمر الإقليمي لا تزال غير مستكشفة بشكل كافٍ.
المنهجية تقترح هذه الدراسة إطار عمل يستخدم تضمينات أسس ألفا إيرث (AFE) ضمن محرك جوجل إيرث (GEE) لرسم خرائط مساحات الغمر السنوية عبر 901 من المسطحات المائية (HydroLAKES) في نبراسكا من عام 2017 إلى 2025.
مصدر البيانات: تستخدم الدراسة AFE، وهو عبارة عن مجموعة بيانات سنوية بدقة 10 أمتار و64 بُعداً مشتقة من نموذج AlphaEarth Foundations. تم تدريب هذا النموذج على بيتابايت من البيانات متعددة المصادر (عن بُد) والنصية، مما ينتج تضمينات تشفر السمات الطيفية والزمانية والمكانية دون الحاجة إلى معالجة مسبقة قياسية (مثل إخفاء السحب أو التصحيح الجوي).
نهج التصنيف: تم تدريب مصنف الغابة العشوائية (Random Forest - RF) تحت الإشراف باستخدام بيانات AFE لعام 2017 للتمييز بين ثلاث فئات: الغمر، والغطاء النباتي، والمناطق العمرانية. استخدم المصنف جميع الـ 64 بُعداً من التضمينات كسمات مدخلة.
التدريب/التحقق: تم تدريب النموذج على 30,000 نقطة والتحقق منه باستخدام 7,500 نقطة مستقلة (تم فصلها بمسافات كبيرة لضمان الاستقلالية). حقق التدريب دقة بلغت 99.94%، بينما حققت مجموعة التحقق لعام 2018 دقة إجمالية قدرها 94.33% (معامل كابا = 0.915).
التطبيق: تم تطبيق المصنف المدرب على فسيفساء AFE السنوية للأعوام 2017-2025 لإنشاء صور ثنائية (binary) لمساحات الغمر.
تكرار الغمر (IF): تم حساب طبقة تكرار الغمر (IF) عن طريق تجميع فسيفساء الغمر السنوية، وحساب النسبة المئوية للسنوات (من أصل تسعة) التي صُنفت فيها كل بكسل كمنطقة مغمورة.
استراتيجية التحقق:
المقارنة البصرية: تمت مقارنة مساحات عام 2017 المصنفة مع تركيبات الألوان الحقيقية/المزيفة لـ Sentinel-2 ومنتج Dynamic World (وهو خريطة غطاء أرضي تعتمد على Sentinel-2) عند خمسة بحيرات نموذجية.
التحقق الميداني الكمي: تمت مقارنة المساحات المصنفة لخمسة خزانات مائية رئيسية مع تقديرات الغمر المستمدة من علاقات المساحة-الارتفاع المشتقة ميدانياً باستخدام بيانات مستويات المياه اليومية من 2017 إلى 2025.
تحليل الاتجاهات: تم تطبيق مقدر ميل "سن" (Sen's slope) واختبار "مان-كيندال" (Mann-Kendall) لتقييم الاتجاهات في متوسط مساحة الغمر وكمية الأمطار (بيانات CHIRPS). كما استُخدمت معاملات ارتباط بيرسون لربط تغيرات الغمر بهطول الأمطار السنوي.
النتائج الرئيسية
أداء التصنيف: أظهر مصنف الغابة العشوائية (RF) توافقاً عالياً مع علاقات المساحة-الارتفاع المشتقة ميدانياً لخمسة خزانات مائية، حيث أظهر متوسط فرق مئوي مطلق قدره 3.32% وجذر متوسط مربع خطأ قدره 1.85 كم².
المقارنة مع Dynamic World: عند خمس بحيرات نموذجية، رسم Dynamic World مساحة مغمورة أقل بنسبة 1.0% أو أكثر بنسبة 39.6% من نهج الغابة العشوائية. ومن الجدير بالذكر أن Dynamic World مال إلى المبالغة في تقدير الغمر في المناطق النباتية المركزية وعلى طول الشواطئ ذات المنحدرات الخفيفة (مثل بحيرة بابلوك)، في حين سمح نهج الغابة العشوائية بتعريف صريح لفئة المياه عبر عينات التدريب.
أنماط تكرار الغمر (IF): كشف تحليل IF أن المسطحات المائية الصغيرة (أقل من 1 كم²) تظهر غمرًا أقل استمرارية من المسطحات الأكبر. فئة تكرار الغمر 75-100% (مغمورة في 7-9 سنوات) شكلت 73.4% من المساحة في الأجسام الصغيرة، مقارنة بـ 86.9% في المتوسطة و85.6% في الكبيرة. وأظهرت الأجسام الصغيرة حصة أعلى من المساحة المغمورة في سنة أو سنتين فقط.
الاتجاهات الزمنية: لم يتم اكتشاف أي اتجاه طويل الأمد ذو دلالة إحصائية في مساحة المياه السطحية الإقليمية أو هطول الأمطار خلال الفترة 2017-2025. ومع ذلك، أظهرت التغيرات السنوية في المساحة المغمورة ارتباطاً قوياً بهطول الأمطار السنوي (r = 0.73 لمتوسط المساحة؛ r = 0.91 للمساحة المعيارية). لاحظت الدراسة أن متوسط مساحة الغمر ارتبط ارتباطاً وثيقاً بالأمطار من عام أو عامين سابقين (r = 0.50 و r = 0.72) أكثر من ارتباطه بالأمطار المتزامنة، مما يشير إلى تأثيرات التأخير الهيدرولوجي.
الأهمية والادعاءات يزعم البحث أن AFE يعمل كبديل جاهز للتحليل (analysis-ready) وقابل للتطبيق لمراقبة الغمر على النطاق الإقليمي، مما يقلل بشكل كبير من أعباء المعالجة المسبقة ودمج البيانات المرتبطة بسير عمل الاستشعار عن بعد التقليدي متعدد المصادر. ومن خلال الاستفادة من قدرة الحوسبة الموزعة في Google Earth Engine، نجحت الدراسة في رسم خرائط ديناميكيات الغمر السنوية عبر 901 مسطح مائي بأقل قدر من التدخل اليدوي.
يضع المؤلف هذا العمل كواحد من أولى الدراسات واسعة النطاق للغمر التي تستخدم سجل AFE الكامل. وتشير النتائج إلى أن التصنيف القائم على AFE يمكن أن يدعم المراقبة السنوية لتخطيط الموارد المائية، وحفظ الأراضي الرطبة، وتقييم مخاطر الفيضانات. وتذكر الدراسة بتواضع أنه بينما يعد الإطار قوياً للخزانات المختبرة، فإن دقته بالنسبة لـ 806 من المسطحات المائية الأصغر (أقل من 1 كم²) تظل غير مختبرة بسبب نقص بيانات المساحة-الارتفاع المشتقة ميدانياً لتلك الأجسام تحديداً. بالإضافة إلى ذلك، يقر المؤلف بأن النطاق الزمني محدود حالياً بتوفر بيانات AFE (2017-2025) وأن المصنف تم تدريبه على سنة واحدة، مما يترك التحولات الزمنية في الغطاء الأرضي كمصدر محتمل لعدم اليقين.