أحصت الأقمار الصناعية والذكاء الاصطناعي بدقة 1.8 مليار شجرة في غرب أفريقيا

أحصت الأقمار الصناعية والذكاء الاصطناعي بدقة 1.8 مليار شجرة في غرب أفريقيا

مصر:إيهاب محمد زايد

تمكن العلماء من رسم خرائط لمليارات الأشجار والشجيرات الفردية في غرب أفريقيا باستخدام طريقة جديدة وبدقة كبيرة.

وتنطوي هذه الطريقة على الجمع بين كميات كبيرة من بيانات الأقمار الصناعية عالية الدقة، وقدرات الحوسبة المتقدمة، وتقنيات التعلم الآلي، والبيانات الميدانية واسعة النطاق التي تم جمعها على مدى عقود.

وكانت النتيجة إنشاء قاعدة بيانات متاحة للجمهور تضم 1.8 مليار شجرة، ويجري حاليًا توسيع نطاق تغطية البحوث الجغرافية.

يمكن أن تكون هذه المعلومات مفيدة لمجموعة من الأغراض المختلفة، بما في ذلك تعزيز معرفتنا بالنباتات الخشبية وتوجيه السياسات البيئية.

إن احتمال تراجع الغطاء النباتي في المناطق شبه القاحلة والقاحلة كان منذ فترة طويلة مسألة تثير قلقًا دوليًا. في ثلاثينيات القرن العشرين، تم الافتراض لأول مرة بأن الصحراء الكبرى كانت تتوسع وأن النباتات الخشبية كانت في تراجع. وفي السبعينيات، بسبب “جفاف منطقة الساحل”، كان التركيز على خطر “التصحر”، الناجم عن الإفراط البشري في الاستخدام و/أو تغير المناخ. في العقود الأخيرة، كان التأثير المحتمل لتغير المناخ على الغطاء النباتي هو الشاغل الرئيسي، إلى جانب ردود فعل الغطاء النباتي على المناخ، المرتبطة بدور الغطاء النباتي في دورة الكربون العالمية.

وباستخدام بيانات الأقمار الصناعية عالية الدقة وتقنيات التعلم الآلي في مرافق الحوسبة الفائقة، أصبحنا قادرين الآن على رسم خرائط لمليارات الأشجار والشجيرات الفردية في غرب أفريقيا. والهدف هو فهم الحالة الحقيقية للغطاء النباتي وتطوره في المناطق القاحلة وشبه القاحلة بشكل أفضل.

هل قرأت؟

كيف قمنا بزراعة أكثر من 5000 شجرة خلال جائحة كوفيد-19

تساعدنا هذه الابتكارات العشرين في الحفاظ على تريليون شجرة واستعادتها وزراعتها

يزرع هذا التطبيق الأشجار عندما يتخذ الأشخاص خيارات منخفضة الكربون

العثور على شجيرة في الصحراء – من الفضاء

منذ السبعينيات، تم استخدام بيانات الأقمار الصناعية على نطاق واسع لرسم خرائط ومراقبة الغطاء النباتي في المناطق شبه القاحلة في جميع أنحاء العالم. الصور متاحة بدقة مكانية “عالية” (مع الأقمار الصناعية التابعة لناسا Landsat MSS وTM، والأقمار الصناعية التابعة لوكالة الفضاء الأوروبية Spot وSentinel) ودقة مكانية “متوسطة أو منخفضة” (NOAA AVHRR وMODIS).

لتحليل الغطاء النباتي بدقة على المستوى القاري أو العالمي، من الضروري استخدام الصور المتاحة بأعلى دقة – بدقة متر واحد أو أقل – وحتى الآن كانت تكاليف الحصول على البيانات وتحليلها باهظة. وبالتالي، اعتمدت معظم الدراسات على بيانات متوسطة إلى منخفضة الدقة. ولم يسمح هذا بتحديد الأشجار الفردية، وبالتالي فإن هذه الدراسات لا تسفر إلا عن تقديرات إجمالية للغطاء النباتي والإنتاجية، وخلط النباتات العشبية والخشبية.

وفي دراسة جديدة تغطي جزءًا كبيرًا من منطقة الصحراء والساحل والسودان شبه القاحلة في غرب إفريقيا، نُشرت في مجلة Nature في أكتوبر 2020، تمكنت مجموعة دولية من الباحثين من التغلب على هذه القيود. من خلال الجمع بين كمية هائلة من بيانات الأقمار الصناعية عالية الدقة، وقدرات الحوسبة المتقدمة، وتقنيات التعلم الآلي والبيانات الميدانية واسعة النطاق التي تم جمعها على مدى عقود، تمكنا من تحديد الأشجار والشجيرات الفردية التي تبلغ مساحة تاجها أكثر من 3 أمتار مربعة بدقة كبيرة. والنتيجة هي قاعدة بيانات تضم 1.8 مليار شجرة في المنطقة التي تمت دراستها، وهي متاحة لجميع المهتمين.

ومن خلال الجمع بين الحوسبة الفائقة والتعلم الآلي وبيانات الأقمار الصناعية والتقييمات الميدانية، تمكن الباحثون من رسم خرائط لمليارات الأشجار الفردية في غرب أفريقيا.

الصورة: مارتن براندت

وفي الوقت الحاضر، يتم توسيع هذا العمل ليشمل الحزام شبه القاحل جنوب الصحراء الكبرى عبر القارة الأفريقية إلى البحر الأحمر. ويبلغ العدد الحالي للأشجار 13 مليار شجرة، ويجري الآن إجراء المزيد من التحسينات على المنهجية. ومن المتوقع أن يتم توسيع التغطية الجغرافية، أولا إلى بقية المناطق شبه القاحلة في أفريقيا ثم إلى القارات الأخرى.

ولتغطية منطقة الساحل في أفريقيا بالكامل، من المحيط الأطلسي إلى البحر الأحمر، استخدمنا ما يقرب من 100 ألف صورة من الأقمار الصناعية ــ لحجم بيانات إجمالي يصل إلى مئات التيرابايت. وباستخدام أجهزة الكمبيوتر العملاقة التابعة لناسا وبلو ووترز، تم تجميع الصور معًا لإنشاء فسيفساء متواصلة. ثم تم التعرف على الأشجار باستخدام التعلم العميق، والذكاء الاصطناعي تقنية يتم من خلالها تدريب الكمبيوتر على التعرف على الأشجار الفردية. أثناء التدريب، تم “عرض” عشرات الآلاف من الأشجار على الكمبيوتر بواسطة أحد المشغلين، وذلك باستخدام المعرفة الميدانية بالإضافة إلى مهارات تفسير الصور. وبعد ذلك، تم فحص نتائج التعريف الآلي. بشكل عام، أثبتت الدقة أنها مرتبطة بشكل كبير بالقياسات الميدانية.

معلومات غير متوقعة عن الأشجار الفردية

تحتوي قاعدة بياناتنا الخاصة بالأشجار والشجيرات على معلومات عن كل شجرة، وموقعها الدقيق (عادةً مع عدم اليقين ببضعة أمتار)، وحجم تاجها، وتاريخ الحصول على صورة القمر الصناعي التي تم التعرف عليها، والمساحة الخشبية المقدرة فوق الأرض. محتوى الكتلة والكربون. في المستقبل، معلومات أخرى، على سبيل المثال. يمكن إضافة ارتفاعه وخصائصه الفينولوجية.

وفي هذه المرحلة المبكرة من المشروع، أصبحت الآثار المهمة واضحة. وفي الدراسة التي أجريت في غرب أفريقيا، وجدنا أشجارًا أكثر بكثير مما كنا نتوقع. وتشير مصادر بيانات أخرى في الواقع إلى أن الأشجار غائبة فعليًا في منطقة الصحراء الكبرى وشمال الساحل، ومع ذلك فقد وجدنا مئات الملايين من الأشجار. إن مخزون الكربون المرتبط بهذه الأشجار أكبر – وأكثر استقرارًا – من مخزون الكربون الموجود في النباتات العشبية. علاوة على ذلك، وجدنا أن الأشجار في الأراضي الزراعية أكبر عمومًا منها في السافانا البكر، وأن الغطاء الشجري الإجمالي في الأماكن المأهولة والمدارة مرتفع. ويوضح هذا أن الكثافة السكانية العالية لا يمكن أن تكون مرتبطة دائمًا بالخسائر في الغطاء الشجري، حيث يقوم الناس في منطقة الساحل شبه القاحلة بحماية الأشجار وترويجها داخل المستوطنات والأراضي الزراعية.