حددت خوارزمية حاسوبية احتياطيات الكربون في غابات سخالين

تخزن الغابات كميات كبيرة من الكربون على شكل مواد عضوية تشكل الأنسجة النباتية الحية: فالأشجار، من خلال عملية التمثيل الضوئي، تمتص ثاني أكسيد الكربون من الهواء، و”تعالجه” إلى مادة عضوية وأكسجين. وبالتالي، فإن الغابة بمثابة “مضخة” تضخ الغازات الدفيئة إلى خارج الغلاف الجوي، ولكن في ظل ظروف معينة يمكن أن تصبح أيضًا مصدرًا مهمًا. ولذلك، من الضروري مراقبة حالة الغابات (أنواع وعدد الأشجار وارتفاعها والكربون المخزن) لفهم كمية ثاني أكسيد الكربون التي تمتصها والتنبؤ بتغير المناخ. لقد تم منذ فترة طويلة رصد مخزونات الكربون في الغابات وصحة النظم الإيكولوجية بشكل عام باستخدام أساليب تقييم أرضية كثيفة العمالة ولا يمكنها تغطية مناطق واسعة. بالإضافة إلى ذلك، تم استخدام بيانات الأقمار الصناعية، والتي يصعب من خلالها تحديد خصائص موقع معين بدقة، حتى مع استخدام النمذجة الحاسوبية الحديثة. وبالتالي، فإن النماذج الحالية لتحليل صور الأقمار الصناعية توفر فقط قيمًا عددية للمعلمات محل الاهتمام – على سبيل المثال، مخزون الكربون – ولا تشير إلى درجة موثوقية التوقعات (مدى خطأها). وفي المقابل، وبسبب الأخطاء المحتملة في الحسابات، فإن التنبؤات المناخية ليست موثوقة بدرجة كافية. قام باحثون من سكولتيك (موسكو)، وجامعة إيركوتسك الوطنية للبحوث التقنية (إيركوتسك) ومعهد أبحاث الذكاء الاصطناعي AIRI المستقل غير الربحي (موسكو) بتطوير أداة لا تسمح فقط بتحديد مخزون الكربون في الغابات، وكذلك بعض معلمات الأشجار، ولكن أيضًا لتقييم موثوقية هذه البيانات. ونشرت نتائج الدراسة، المدعومة بمنحة من مؤسسة العلوم الروسية (RSF)، في مجلة التقارير العلمية. استخدم الباحثون ثلاث مجموعات من البيانات حول غابات كورساكوفسكي، ونيفيلسكي، وخولمسكي في منطقة سخالين، والتي تتمتع بتنوع بيولوجي مرتفع: بيانات الغابات الأرضية، وصور القمر الصناعي Sentinel-2، وخريطة طبوغرافية للمنطقة. أتاحت بيانات الغابات تحديد أنواع الأشجار السائدة في الغابات، وعمرها، وارتفاعها، وكذلك حساب احتياطيات الخشب والكربون. قام الباحثون بتقسيم صور الأقمار الصناعية للغابات إلى العديد من المناطق الصغيرة، وقارنوا خصائصها الطيفية (كثافة الانعكاس وامتصاص الألوان المختلفة) مع بيانات القياس الأرضية والتضاريس. باستخدام هذه المجموعة من المقاييس، طور الباحثون حلاً يعتمد على خوارزميات التعلم الآلي المتقدمة مثل XGBoost وRandom Forest وTabNet للتنبؤ بخصائص الغابات (أنواع الأشجار والعمر والطول والأخشاب ومخزونات الكربون) من صور الأقمار الصناعية وحدها. سفيتلانا إيلاريونوفا في العمل / © Svetlana Illarionova / Skoltech “الابتكار الرئيسي الذي قمنا به يكمن في تطوير ما يسمى بالذكاء الاصطناعي الموثوق والتكيفي. بعد تدريب الخوارزمية، قمنا بتكييف طريقة التنبؤ المطابق، والتي تسمح لنا ببناء فاصل ثقة لكل تنبؤ. بكلمات بسيطة، لا ينتج النموذج رقمًا واحدًا، بل نطاقًا يتوافق مع دقة معينة، على سبيل المثال، 90٪. علاوة على ذلك، يتغير هذا الفاصل الزمني اعتمادًا على مدى تعقيد تقول سفيتلانا إيلاريونوفا، إحدى المشاركات في المشروع المدعوم بمنحة من مؤسسة العلوم الروسية، ورئيسة المجموعة البحثية في مركز سكولتيك للذكاء الاصطناعي: “في المناطق المختلطة وغير المتجانسة من الغابة، يزداد الخطأ، وتظهر الخوارزمية ذلك. وهذه خاصية مهمة للثقة في الذكاء الاصطناعي، الذي لا يقدم إجابة فحسب، بل يقيم أيضًا أخطائه بصدق”. اختبر المؤلفون دقة الخوارزميات الثلاث جميعها على صور الأقمار الصناعية التي لم يتم استخدامها للتدريب. تم تحديد أفضل خصائص الغابة بواسطة خوارزمية XGBoost. وقدر نوع الأشجار بدقة 83%، وعمرها بدقة 70%. عند تحديد احتياطيات الخشب والكربون، كانت الأخطاء (وبالتالي فترات الثقة في القياسات) أكبر، وكانت موثوقية النتائج 53-63٪. وترجع الدقة المنخفضة نسبيًا إلى حقيقة أن غابات سخالين المختلطة لها بنية يصعب تحليلها، بالإضافة إلى بعض التبسيطات في المعادلات التي يستخدمها الخبراء لحساب مخزون الكربون. ألكسندر برنشتاين، دكتوراه في الفيزياء والرياضيات، أستاذ في مركز سكولتيك للذكاء الاصطناعي / © ألكسندر برنشتاين / كلية الرياضيات الحاسوبية وعلوم الكمبيوتر، جامعة موسكو الحكومية التي تحمل اسم إم.في. “تجمع الأداة المطورة بين بيانات الأقمار الصناعية وخوارزميات تقييم عدم اليقين للتنبؤ التشغيلي لخصائص الغابات. لا يسمح هذا النهج بالحصول على تقديرات موزعة مكانيًا لبارامترات الغابات فحسب، بل يسمح أيضًا بتقييم مدى موثوقية النتائج كميًا، مما يحسن جودة صنع القرار عند مراقبة موارد الغابات. يقول أحد المنفذين الرئيسيين للمشروع المدعوم بمنحة من مؤسسة العلوم الروسية: “في المستقبل، نخطط لتوسيع نطاق الحلول وزيادة استدامتها وموثوقيتها للاستخدام في النظم البيئية للغابات شديدة التنوع”. مؤسسة ألكسندر بيرنشتاين، دكتور في الفيزياء والرياضيات، أستاذ في مركز سكولتيك للذكاء الاصطناعي.