مراقبة الحرائق المرتبطة بالصراع في السودان في الوقت شبه الحقيقي باستخدام التعلم العميق

تشهد السودان تحديات كبيرة نتيجة النزاعات المسلحة المستمرة، مما يستدعي الحاجة الملحة لرصد المناطق المتأثرة بالحرائق بشكل سريع ودقيق. في ضوء هذه الحاجة، تعكس الدراسة الجديدة التقدم المذهل الذي حققه الذكاء الاصطناعي في استخدام تكنولوجيا الرؤية الحاسوبية.

تُقدم الدراسة نموذجاً مبنياً على متغيرات الـ VAE (Variational Auto-Encoder) حيث يستخدم ذكاءً اصطناعياً لدراسة الصور الملتقطة عبر الأقمار الصناعية. يتم دمج هذا النموذج مع توضيحات من Planet Labs بدقة تصل إلى 3 أمتار، مما يسمح برصد حرائق وصور ما بعد الحريق بشكل شبه فوري.

تظهر النتائج أن المناطق المتأثرة يمكن التعرف عليها خلال فترة تتراوح بين 24 إلى 30 ساعة، مما يمكّن من اتخاذ إجراءات سريعة في المناطق المعرضة للصراع. تم تدريب النموذج بطريقة غير إشرافية بحيث يتعلم التمثيلات الضمنية للظروف السطحية العادية ويحدد آثار الحرق من خلال قياس التغيرات بين الصور الملتقطة.

وقد أثبتت التجارب، التي تم تقييمها عبر خمس دراسات حالة في السودان، أن النموذج المقترح يتجاوز طرقاً أخرى من حيث الدقة، حيث حقق درجات استدعاء (recall) و F1 أعلى، مستمرًا في تقديم دقة قابلة للاستخدام حتى في سيناريوهات الكشف عن حرائق ذات توازن غير متكافئ.

إن استخدام أداء النموذج المقترح على صورة ذات 4 أقمار فقط يظهر فعالية فريدة، حيث لم تحقق التجارب باستخدام صور ذات 8 مهمات إلا تحسينات ضئيلة. توفر هذه النتائج دليلاً قوياً على أن الاقتراب الخفيف والفعال من حيث التكلفة للتحليل الفوري لأثر الصراعات يمكن أن يكون أداة مفيدة في أي جهد إنساني لرصد الأزمات.