اختيار الميزات المتسلسلة: ثورة في الكشف عن الانهيارات الأرضية باستخدام البيانات متعددة الأطياف

في عالم يتقدم فيه استخدام تقنيات الذكاء الاصطناعي للكشف عن الانهيارات الأرضية، لا يزال هناك الكثير من الألغاز التي تحتاج إلى حل. على الرغم من التقدم الكبير في استخدام التعلم العميق (Deep Learning) في تحليل الصور الفضائية، إلا أن العديد من النماذج تعتمد بصورة متزايدة على مدخلات طيفية وطرية (Topographic) مترابطة بشكل كبير، مما يجعل من الصعب فهم ما هي الميزات الضرورية حقًا لخوارزميات الكشف.

تقدم الدراسة الجديدة إطار عمل مدروس لاختيار الميزات من خلال تقنية اختيار الميزات المتسلسلة (Sequential Feature Selection) وبالتحديد باستخدام خوارزمية اختيار الميزات المتسلسلة الطفيفة (Sequential Forward Floating Selection - SFFS).

لا يقتصر الأمر على الاعتماد على اختبارات القناة المنفردة التقليدية التي تقيم القنوات في عزلة، بل تتبع الدراسة نهجًا مبتكرًا يجمع بين بيانات ساتل Sentinel-2 متعددة الأطياف وبيانات التضاريس من ALOS PALSAR، إلى جانب 16 مؤشرًا طيفيًا وهيكليًا مُهندَس. في عملية دقيقة ومتقنة، تم تحديد مجموعة فرعية من 8 قنوات قادرة على تحقيق أداء يتطابق أو يتجاوز أداء إعدادات تستخدم حتى 30 قناة.

وبالإضافة إلى ذلك، يُستخدم هذا الإطار لتسليط الضوء على الميزات الطيفية والطرية التي تعتمد عليها نماذج الانهيارات الأرضية، مما يعطي الباحثين فهمًا أعمق حول المؤشرات الفيزيائية التي تؤثر على توقعاتهم.

يمكن اعتبار هذا النموذج فريدًا من نوعه، حيث يمثل نهجًا مبدئيًا لاختيار الميزات في تصميم المُدخلات داخل مراقبة الأرض، بدلاً من الاعتماد على إضفاء كل نطاق متاح والأمل في أن يتعلم النموذج ما يجب تجاهله.