تحديد أنواع الأشجار في الدنمارك: كيف أسهم الذكاء الاصطناعي في رسم خريطة غابات مذهلة؟

في إنجاز مثير، أطلق باحثون دراسة جديدة تهدف إلى رسم خريطة دقيقة لأنواع الأشجار في الدنمارك باستخدام بيانات من الوسائل الوطنية لرصد الغابات (National Forest Inventory) وتقنيات الاستشعار عن بعد الحديثة. تركزت الدراسة على تقييم الإمكانيات الفريدة للنماذج الأساسية (Foundation Models) في تصنيف الأشجار على نطاق واسع.

تتضمن الأساليب المستخدمة في هذه الدراسة مقارنة بين نوعين مختلفين من المدخلات لتصنيف الأشجار: الأول هو الميزات الطيفية الزمنية (Spectral-Temporal Features) التي تم الحصول عليها من ملاحظات متعددة من الأقمار الصناعية Sentinel-1 وSentinel-2. والثاني هو التشفيرات (Embeddings) التي تم إنشاؤها بواسطة النماذج الأساسية TESSERA وAlphaEarth. بالإضافة إلى ذلك، تم تعزيز البيانات بمعلومات عن ارتفاع السطح النباتي.

تم تقييم أداء عدة مصنفات لتحليل البيانات بما في ذلك Random Forest وXGBoost وMulti-Layer Perceptron (MLP). وقد أظهرت النتائج أن النموذج القائم على MLP المدعوم بميزاته الطيفية الزمنية حقق أفضل أداء في تصنيف الأنواع، حيث حقق نقاط ماكروا F1 تبلغ 0.843 للغابات النقية و0.653 للغابات المختلطة.

كما أثبتت نماذج TESSERA قدرتها التنافسية، حيث قارب أداؤها في الغابات النقية الأداء الأفضل بمسافة لا تتجاوز 1.1 نقطة مئوية. ومن المثير للاهتمام أن TESSERA تفوقت على نماذج الميزات الطيفية الزمنية عندما كانت البيانات التدريبية المحدودة، مما يظهر مزاياها الفائقة تحت ظروف القيود.

علاوة على ذلك، أثبتت الملاحظات متعددة السنوات تحسين دقة التصنيف مقارنة بالمدخلات لموسم واحد، حيث كشف تجارب الاستبعاد عن المساهمات التكميلية للبيانات المجمعة من Sentinel-1 ومؤشرات الطيف وبيانات ارتفاع السطح النباتي.

في ختام الدراسة، تم تطبيق النموذج الأفضل على نطاق وطني لتوليد خريطة لأنواع الأشجار بدقة 10 أمتار في الدنمارك، مع تحقيق دقة خريطة شاملة تصل إلى 79.9%. تعد هذه الخريطة المصدر الأول المفتوح الوصول لأنواع الأشجار الوطنية في الدنمارك، والتي توفر موردًا قيمًا لمراقبة الغابات، والبحوث البيئية، وتطبيقات إدارة الأراضي.

ما رأيكم في هذا الإنجاز العلمي؟ شاركونا في التعليقات.