في عالم الاتصالات الحديثة، تلعب مواقع محطات الأقمار الصناعية دورًا حاسمًا في ضمان تغطية فعالة وسلسة. ومع ذلك، يعد ارتفاع العوائق المحلية (Representative Clutter Height - RCH) عنصرًا مفصليًا يتطلب الاهتمام، حيث يعكس متوسط الارتفاع للعوائق التي يمكن أن تؤثر على تحليل الإرسال والتداخل. تعتمد الممارسات الحالية غالبًا على ارتفاعات ثابتة للعوائق مخصصة لفئات استخدام الأراضي، مما يؤدي إلى تشكيل مناطق استبعاد متحفظة وتصنيفات موقعية غير مثالية.

في هذا السياق، عرض الباحثون نموذجًا تعلمِّيًّا قابلاً للتفسير وقابلًا للنشر عالميًا، يُستخدم لتوقع RCH من بيانات جيومكانية مفتوحة. تم تدريب النموذج باستخدام بيانات LiDAR المأخوذة من برنامج الارتفاع ثلاثي الأبعاد التابع للولايات المتحدة، بالإضافة إلى ميزات من منتجات استشعار عن بعد تغطي الأرض، التضاريس، الديموغرافيا، الحرارة، والطيف.

وفي عملية تقييم فعالية هذا النموذج، اختار العلماء برنامج LightGBM بناءً على دقته وفعاليته، حيث حقق النموذج النهائي خطأً متوسطًا مطلقًا يبلغ 1.79 متر ودرجة تحديد 0.765، مما يقلل الخطأ المطلق بأكثر من 60% مقارنةً بالمرجع المتبع من ITU. كما تم تقييم معايير المواجهة المعنية بتخطيط الترددات، مما فسر التأثيرات الدقيقة والدقة في نطاق التحمل.

تمكن تحليل SHAP من تحديد عوامل التأثير الأكثر أهمية، مثل تغطية قشرة الشجرة وموضوعات تغطية الأراضي، مما أظهر كيف يمكن لبيانات جيومكانية مفتوحة أن تحسن نمذجة العوائق بطريقة قابلة للفهم والنشر دون التضحية بجودتها. إن تنفيذ مثل هذه النماذج يمكن أن يدعم قدرتنا على اتخاذ قرارات أفضل بشأن مواقع محطات الأقمار الصناعية والتنسيق الطيفي.