تُعتبر النظم البيئية البحرية من أكثر النظم هشاشة بسبب التهديدات المتزايدة مثل تسرب النفط, وزهور الطحالب, والفيضانات الطينية. كل هذه العوامل تدمر المواطن الطبيعية والحياة البرية والأنشطة البشرية. ولحسن الحظ، حققت تقنيات الأقمار الصناعية وتطبيقات الذكاء الاصطناعي (Artificial Intelligence) تقدمًا كبيرًا في قدرتنا على الكشف المبكر عن هذه المخاطر والتخفيف من آثارها.

في دراستنا الجديدة، نقدم خط أنابيب للكشف عن الأحداث البحرية لهذه الأقمار، مُزودة بمستشعرات متعددة أو هايبرسبيكترا. يتمثل أحد مكونات هذا النظام في شبكة عصبية ذاتية الإشراف تقوم بضغط الصور الملتقطة من الأقمار الصناعية إلى مساحة latent مُخففة، مما يُتيحprocessing (العلاج) بشكل فعال على متن الأقمار. بعد ذلك، يقوم نموذج الكشف عن الشذوذ باستخدام تقنيات التعلم الآلي بتحديد أي انحرافات عن الأنماط البحرية الطبيعية، مما يُساعد في اكتشاف الشذوذ البيئي.

لقد قمنا بمقارنة أداء نموذجنا مع خوارزميات تقليدية مثل Isolation Forest وOne-Class Support Vector Machine وLocal Outlier Factors، حيث أثبت النموذج فعاليته بفضل خفته وكفاءته في استخدام الموارد. تم تحسين هذا الخط المُعتمد على التكنولوجيا الحديثة ليتوافق مع الأقمار الصناعية ذات الموارد الحسابية المحدودة، بداية من وحدات المعالجة الدقيقة المُدمجة وصولاً إلى معجلات أجهزة الذكاء الاصطناعي.

من خلال إعطاء الأولوية لنقل المعلومات الحرجة، نجد أن نظامنا يحسن من استجابة النظام ويُقلل من الاعتماد على عرض نطاق الاتصال الخاص بالأقمار. وقد تم إظهار فعالية هذا الحل من خلال الانخراط الحالي في عدة مهام تضم وكالة الفضاء الأوروبية (European Space Agency) بمهمة Phisat-2 ومهمة IMAGIN-e من مايكروسوفت وثاليس ألينيا سبيس، حيث يسعى هذا الخط إلى تعزيز مراقبة البيئة البحرية عبر توفير إنذارات فورية وتقليل البيانات بشكل فعال.