Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
گزارش
تیتر یک
چندرسانه ای
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
دانش روز
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
رویدادها
جیتکس
کاربردهای هوش مصنوعی
کتابخانه
اشخاص
شرکت‌های هوش مصنوعی
محصولات و مدل‌های هوش مصنوعی
مفاهیم
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله
 استفاده از تصویربرداری ماهواره ای با هوش مصنوعی برای نجات جنگل های آمازون

استفاده از تصویربرداری ماهواره ای با هوش مصنوعی برای نجات جنگل های آمازون

زمان مطالعه: 5 دقیقه

تصویربرداری ماهواره ای با هوش مصنوعی برای نجات جنگل های آمازون از تخریب بیشتر، فناوری نوینی است که این روزها درمورد بهکارگیری آن بحث می‌شود؛ کارلوس سوزا، زمین‌شناس، طی سه دهه‌ گذشته در شرکت عام‌المنفعه Imazon، واقع در برزیل، مشغول به کار بوده و سعی در استفاده از علوم کاربردی برای محافظت از جنگل آمازون داشته است. در طول این مدت، تصویربرداری ماهواره‌ای بخش بزرگی از کار او بوده است.

در اوایل دهه 2000، سوزا و همکارانش به این نتیجه رسیدند که 90 درصد جنگل‌زدایی در شعاع 5 کیلومتری از جاده‌های تازه‌تأسیس رخ می‌دهد. با این‌که خیلی وقت است ماهواره‌ها در رهگیری ساخت‌وساز جاده‌ها به ما کمک کرده‌اند، پیش از این، افراد می‌بایست به‌صورت دستی، یافته‌ها را برچسب می‌زدند تا در نهایت یک دیتاست آموزشی تولید کنند. در پاییز سال گذشته، زحمات متخصصان به ثمر نشست و یک سیستم هوش مصنوعی منتشر شد که به گفته‌ Imazon، با قدرتی 13 برابر رویکرد قبلی و با نرخ دقت 70 تا 90 درصد، جاده‌ها را شناسایی می‌کند.

تصویربرداری ماهواره ای با هوش مصنوعی برای نجات جنگل های آمازون، توسط متخصصان تصویربرداری ماهواره‌ای و یادگیری ماشینی، صورت می‌گیرد؛ این دانشمندان برنامه‌های بلندپروازانه‌ای برای ادغام این دو فناوری، در راستای حل مسائل عمده در سر دارند. فناوری نقش مهمی در جنبش‌های مبارزه با فقر و محافظت از محیط‌زیست ایفا کرده است، روزانه به میلیاردها نفر در مسیریابی کمک می‌کند و محصولات کشاورزی را در مواجهه با تغییرات جوی شدید تقویت می‌سازد. گزارش UNESCO که در بهار منتشر شد، 100 مدل هوش مصنوعی را معرفی می‌کند که قابلیت تحول دنیا را دارند. با این حال، علی‌رغم پیشرفت‌های اخیر یادگیری عمیق، ارتقای کیفیت تصویربرداری ماهواره‌ای و افزایش شمار ماهواره‌ها طی سال‌های آینده، کاربرد هوش مصنوعی برای حل مسائل بزرگ همچنان با موانعی قدیمی، همچون دیوان‌سالاری و نبود منابع، روبروست.

موانع پیش روی تصویربرداری ماهواره‌ای

تصویربرداری ماهواره ای با هوش مصنوعی برای نجات جنگل های آمازون، در سال‌های گذشته مورد بی‌‍‌‌‌توجهی قرار گرفته است؛ امری که نارضایتی فعالان محیط زیست را در پی داشته است؛ برای نمونه، تشخیص مشکل از روی تصاویر هوایی، نمی‌تواند به تنهایی جنگل‌زدایی را متوقف کند. طی سال‌های 2004 تا 2012، یکی از برنامه‌های دولت فدرال برزیل به کاهش 80 درصدی جنگل‌زدایی کمک کرد، اما با انتخاب ژائیر بولسونارو به عنوان رئیس‌جمهور، پشتیبانی از این طرح کاهش یافت و دولت با از بین بردن جنگل‌ها به نفع صنایع و دامدارها موافقت کرد. در نتیجه‌ این اقدامات، جنگل‌زدایی در آمازون به بالاترین حد خود طی ده سال گذشته رسید.

سایر گروه‌های محافظت از محیط‌زیست که بر هوش مصنوعی تمرکز دارند نیز با مسائل مشابهی روبرو شده‌اند. به عنوان مثال می‌توان به گروه Global Fishing Watch اشاره کرد که از مدل‌های یادگیری ماشینی برای شناسایی کشتی‌هایی استفاده می‌کند که سعی دارند با خاموش کردن دستگاه GPS خود، از دید پنهان بمانند. این مدل‌ها می‌توانند نوع کشتی، ابزار ماهیگیری و مقصدش را پیش‌بینی کنند. در حالت ایده‌آل، این اطلاعات به مسئولین مربوطه کمک خواهند کرد تا ماهیگیری‌های غیرقانونی را شناسایی کرده و برای بازرسی در محل، قایق‌هایی را به محل موردنظر بفرستند.

با این حال، نظارت بر سطح وسیع اقیانوس‌ها آسان نیست. در سال 2020، فناوری گروه Global Fishing Watch توانست صدها قایقی را که در ماجرای صید غیرقانونی ماهی‌های مرکب دست داشتند، شناسایی کند. این یافته‌ها که حاصل تلاش دیوید کرودسما، رئیس واحد پژوهش، و همکاری‌اش با چین و کره جنوبی بودند، به هیچ اقدام قانونی منتهی نشدند. وی معتقد است: «اعمال قانون در بنادر، کلید اقدامات پیشگیرانه در مقیاس بزرگ و به شیوه‌ای به صرفه است.»

موانع پیش روی تصویربرداری ماهواره‌ای

تصویربرداری ماهواره ای در سایر نقاط جهان

تصویربرداری ماهواره ای با هوش مصنوعی برای نجات جنگل های آمازون، اکنون ایده‌ای است که در سایر مناطق زمین نیز به‌کار گرفته شده است. شرکت Capgemini نیز با همکاری گروه محافظت از محیط‌زیست The Nature Conservancy، سعی دارد از حیات‌وحش بیابان موهاوی، در برابر انسان‌ها، محافظت کند. سال گذشته، نسخه‌ آزمایشی برنامه توانست مسیر خودروهای آف‌رود را در سطح چندصد کیلومتر مربع، از بیابان‌های کلارک نوادا، رهگیری کند و یک مدل هوش مصنوعی، برای شناسایی خودکار جاده‌های تازه‌تأسیس بسازد. گروه The Nature Conservancy قصد دارد با گسترش پروژه، بر تمام بیابان‌های ایالات متحده که مساحت‌شان به بیش از 120 هزار کیلومتر مربع می‌رسد، نظارت داشته باشد.

با این حال، همانطور که پیش‌تر گفته شد، شناسایی مشکل و موقعیت مکانی آن کافی نیست و عملی شدن یافته‌ها به پشتیبانی نیاز دارد. گروه The Nature Conservancy با استفاده از مدل خود، مذاکراتش در مورد تهدیدهای پیش روی حیات‌وحش و گوناگونی زیستی را تقویت و هدایت می‌کند. اقدامات محافظتی در بیابان موهاوی تحت نظارت اداره مدیریت زمین ایالات متحده است که در حال حاضر، تنها حدود 270 تکاور و مأمور ویژه دارد.

در اروپای شمالی، شرکت Iceye با تکیه بر ریزماهواره‌ها و یادگیری ماشینی بر یخ‌های نزدیک فنلاند، نظارت داشته و با استفاده از تصویربرداری طول‌موج مایکروویو، آسیب‌های ناشی از سیل را پیش‌بینی کرده است. به عقیده‌ شای استرانگ، رئیس تحلیل‌گران شرکت Iceye، بزرگ‌ترین چالش مربوط به مهندسی ابزارها یا حتی پردازش داده و اصلاح مدل‌های یادگیری ماشینی نیست، بلکه سروکار داشتن با مؤسساتی است که با همان روش‌های سنتی خو گرفته‌اند.

استرانگ می‌گوید: «حالا دیگر می‌توانیم محل رویداد وقایع و بلایا را تشخیص دهیم، از تصویربرداری هوایی استفاده کنیم و تحلیل درستی به دست آوریم. اما بزرگ‌ترین چالشی که هنوز پیش رو داریم، کار با شرکت‌های بیمه و دولت‌هاست.»

حامد المحمد، رئیس متخصصین داده بنیاد Radiant Earth، می‌گوید: «گام بعدی در مسیر عملی کردن یافته‌ها، هماهنگی و پیاده‌سازی اقدامات لازم است. به نظر من، بخش صنعتی هم باید تأکید و تلاش خود را بر این حوزه بگذارد. باید به یاد داشته باشیم انتشار پست‌های جذاب روی وب ‌سایت یا مدل‌های چشمگیر یادگیری ماشینی، کاری از پیش نمی‌برند.» بنیاد غیرانتفاعی Radiant Earth، از تصویربرداری ماهواره‌ای برای تحقق اهداف پایدار همچون ریشه‌کن کردن فقر و گرسنگی استفاده می‌کند.

تصویربرداری ماهواره ای در سایر نقاط جهان

تصویربرداری ماهواره ای و یادگیری ماشینی راهی برای احیای منابع غذایی

مشکل تنها جلب موافقت سیاست‌گذاران نیست. پژوهشگران دانشگاهی، دولتی و صنایع تأکید دارند که قاره آفریقا بخش عمده‌ زمین‌های زراعی دنیا را دارد که مورد استفاده قرار نگرفته‌اند و می‌توانند پاسخگوی نیاز جمعیت روزافزون زمین باشند. بنابراین تصویربرداری ماهواره ای با هوش مصنوعی برای نجات جنگل های آمازون امری حیاتی برای بشر محسوب می‌شود؛ تصویربرداری ماهواره‌ای و یادگیری ماشینی نه تنها می‌توانند اتکای آفریقا به واردات غذا را کاهش دهند، بلکه او را به نان‌آور دنیا تبدیل می‌کنند. با این حال، تحول پایدار مستلزم ادغام و هماهنگی استعدادها، دانش فنی و پشتیبانی دولتی است؛ در نتیجه، آفریقا می‌تواند با تکیه بر فناوری، نیازهای سطح قاره را برآورده سازد و دیگر بر واردات متکی نباشد. با این حال، مسیر تغییر، از تصاویر ماهواره‌ای تا تصمیمات سیاست‌گذاران، صاف و سرراست نیست.

لبالی تور، یکی از نویسندگان مقاله، رئیس دپارتمان جغرافیای دانشگاه کشاروزی سنگال و همچنین، یکی از بنیان‌گزاران شرکت Geomatica (ارائه‌دهنده راهکارهای تصویربرداری ماهواره‌ای برای کشاورزان آفریقای غربی)، معتقد است: «تصویربرداری ماهواره‌ای و یادگیری ماشینی به تصمیم‌گیران کمک می‌کنند درک بهتری نسبت به اثرات گردش نمک بر آبیاری و برداشت محصولات به دست آورند. این راهکارها به مسائل قانونی مربوط به مدیریت زمین‌های زراعی نیز کمک می‌کنند، چون، برای مثال، نشان می‌دهند یک قطعه زمین چه مدتی در اختیار فرد یا خانواده خاصی قرار داشته است.» بنابراین تصویربرداری ماهواره ای با هوش مصنوعی برای نجات جنگل های آمازون، فواید بسیاری دارد که مهم‌ترین آن‌ها، شناخت منابع غذایی و راهکارهایی برای حفظ حیات در این منطقه و باروری زمین‌ها است.

گاهی اوقات، تصاویر ماهواره‌ای رایگان از سرویس‌هایی همچون LandSat ناسا یا برنامه Sentinel آژانس فضایی اروپا کافی‌اند؛ اما برخی پروژه‌ها به تصاویر واضح‌تری نیاز دارند که در این صورت، هزینه‌ تهیه تصاویر مذکور از شرکت‌های تجاری می‌تواند مشکل‌زا باشد.

تور می‌گوید: «اگر تصمیم‌گیران، ارزش کار را بدانند، مشکلی پیش نمی‌آید. اما اگر این آگاهی وجود نداشته باشد، یکی به چالش‌ها اضافه می‌شود.»

تصویربرداری ماهواره ای و یادگیری ماشینی راهی برای احیای منابع غذایی

اقدامات شرکت Imazon در حفاظت از جنگل‌های آمازون

Imazon نیز در نبود پشتیبانی دولت فدرال، مشغول جذب همکاری سیاست‌گذاران در سطح ایالتی است. سوزا در این باره توضیح می‌دهد: «در حال حاضر، هیچ شواهدی حاکی از این نیستند که دولت، اقدامات محافظتی از جنگل آمازون یا جلوگیری از جنگل‌زدایی را بر عهده می‌گیرد.» در اکتبر 2022، Imazon چندین توافقنامه با دادستان‌های عمومی به امضا رساند تا شواهد مبنی بر وقوع جرائم زیست‌محیطی در ایالت‌های برزیل (نه تنها جنگل آمازون) را جمع‌آوری کند؛ تا به اطلاعات موردنیاز برای اقدامات قانونی دست یابد.

تصویربرداری ماهواره ای با هوش مصنوعی برای نجات جنگل های آمازون، از این پس باید تحت حمایت سیاست‌گذاران ایالتی قرار بگیرد. پیگرد قانونی مقصران جنگل‌زدایی از زمین‌های محافظت‌شده الزامی است، اما بعد از وقوع جرم اتفاق می‌افتد. Imazon قصد دارد با تکیه بر هوش مصنوعی، جلوی جنگل‌زدایی را بگیرد؛ به این منظور مدل تشخیص‌گر جاده را با مدلی ترکیب می‌کند که می‌تواند پیش‌بینی کند کدام یک از جوامع نزدیک آمازون در معرض بیشترین ریسک جنگل‌زدایی (طی سال آینده) قرار دارند.

جنگل‌زدایی همچنان با سرعتی بی‌سابقه به رشد خود ادامه می‌دهد، اما سوزا امیدوار است که Imazon می‌تواند با همکاری سایر سازمان‌های عام‌المنفعه، اقدامات پیشگیرانه را در سطح هفت کشور آمریکای جنوبی که با جنگل آمازون در تماس‌اند، گسترش دهد.

تصویربرداری ماهواره ای با هوش مصنوعی برای نجات جنگل های آمازون، با روی کار آمدن دولت جدید در برزیل از سرگرفته خواهد شد؛ پاییز سال جاری نوبت انتخابات ریاست جمهوری برزیل است. در حال حاضر، به نظر می‌رسد لوییس ایناسیو لولا داسیلوا در صدر نظرسنجی‌ها قرار دارد. اگر جریان این‌طور پیش برود، آژانس‌هایی که در دولت بولسونارو تضعیف شده‌ بودند، جانی دوباره می‌گیرند تا بتوانند صندوق آمازون را برای جذب کمک‌های خارجی برای جلوگیری از جنگل‌زدایی مجدداً تأسیس کنند. درست است که تا تحقق برنامه لولا در رابطه با محیط‌زیست چندماهی فاصله داریم، اما وزرای محیط‌زیست دولت اسبق وی پیش‌بینی می‌کنند که جلوگیری از جنگل‌زدایی و تقویت آمازون در صدر اولویت‌های او قرار خواهند داشت؛ بنابراین همه امیدوارند تصویربرداری ماهواره ای با هوش مصنوعی برای نجات جنگل های آمازون، ادامه داشته باشد.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
[wpforms id="48325"]