مع تزايد وتيرة الكوارث المرتبطة بالمناخ، أصبحت هناك حاجة إلى معلومات مناخية عملية أكبر من أي وقت مضى.

وبحسب الموقع الرسمي لمنتدى الاقتصاد العالمي، توفر تقنيات مراقبة الأرض الآن رؤى بالغة الأهمية لبيئة الكوكب المتغيرة بسرعة والديناميكيات المترابطة لأنظمة الأرض.

وبحلول عام 2032، من المتوقع أن تولّد مراقبة الأرض عبر الأقمار الاصطناعية أكثر من 2 إكسابايت (2 مليار غيغابايت) من البيانات بشكل تراكمي، ولقد منع حجم وتعقيد هذه البيانات تاريخيًا من ترجمتها إلى حلول مناخية قابلة للتنفيذ.

حيث تتطلّب الكميات الكبيرة من البيانات معالجة وتحليلًا متطورين لإنشاء رؤى يمكن دمجها بسهولة في عمليات صنع القرار الخاصة بالعمل المناخي.

ولتحويل بيانات مراقبة الأرض إلى معلومات مناخية وطقسية أكثر فائدة، فإن معالجة البيانات وتحليلها بكفاءة وفعالية أمر ضروري.

وبدأت تساعد التطورات في مجال الأقمار الاصطناعية والذكاء الاصطناعي وغيرها من التقنيات التآزرية في جعل بيانات مراقبة الأرض أكثر سهولة في الوصول إليها وأكثر تأثيرًا من أي وقت مضى.

يتناول تقرير جديد نشره المنتدى الاقتصادي العالمي ومختبر الوسائط التابع لمعهد ماساتشوستس للتكنولوجيا بعنوان "رسم مستقبل مراقبة الأرض.. الابتكار التكنولوجي من أجل استخبارات المناخ" مجموعة اتجاهات رئيسية لتكنولوجيا مراقبة الأرض تفتح آفاقًا غير مسبوقة في مجال المناخ، وهي كما يلي:

تكنولوجيا الاستشعار المتقدمة عبر الأقمار الاصطناعية

إن التطورات الأخيرة في أجهزة استشعار مراقبة الأرض عبر الأقمار الاصطناعية توفر تغطية عالمية محسنة ودقة ووضوحًا، ومجموعة أوسع من القياسات القابلة للملاحظة.

والأقمار الاصطناعية المجهزة لالتقاط صور "فائقة الطيف" يمكنها جمع بيانات أكثر تفصيلاً ودقة، مما تنتج عنه دقة زمنية ومكانية أعلى بمرتين إلى ثلاث مرات من الصور متعددة الأطياف الحالية.

ويمكن لهذه الدقة الطيفية المحسنة اكتشاف الاختلافات في صحة النبات وإظهار شدة حرائق الغابات، ما يسمح بإدارة أكثر دقة للمياه وجهود دقيقة للتعافي بعد الكارثة.

الذكاء الاصطناعي والتعلم الآلي والتعلم العميق

تعمل خوارزميات الذكاء الاصطناعي والتعلم الآلي المتطورة على تسريع معالجة وتحليل بيانات مراقبة الأرض.

على سبيل المثال، يمكن للنماذج القائمة على التعلم الآلي المدربة على البيانات الموجودة توليد تقديرات أسرع بما يصل إلى 1000 مرة من نماذج المناخ التقليدية.

وهذا يقلل الوقت المستغرق لإنشاء نماذج التنبؤ بالطقس مثل خرائط الفيضانات بنسبة تصل إلى 80٪.

كما يجعل هذا من الممكن إجراء تقييمات مفصلة لما بعد الكارثة في ساعات أو دقائق بعد الأحداث المتعلقة بالمناخ مثل الأعاصير أو الفيضانات - يمكن أن تستغرق النماذج التقليدية أو عمليات التفتيش في الموقع أسابيع.

والسرعة والدقة غير المسبوقة التي توفرها الكفاءة الحسابية لنماذج الذكاء الاصطناعي المستخدمة مع بيانات مراقبة الأرض أمر بالغ الأهمية لاتخاذ القرارات في الوقت المناسب.

الحوسبة عبر الأقمار الاصطناعية

تعالج الحوسبة عبر القمر الاصطناعي بيانات مراقبة الأرض مباشرة في مدار القمر الاصطناعي. وهذا يقلل الوقت المستغرق للانتقال من جمع البيانات إلى الرؤى القابلة للتنفيذ.

وتعمل هذه التقنية على تقليل زمن الوصول والحاجة إلى تنزيل البيانات، مما يسمح بنقل المعلومات المهمة بشكل أسرع إلى المستجيبين للطوارئ في سيناريوهات الكوارث.

تصغير أجهزة استشعار مراقبة الأرض

مكّنت أجهزة الاستشعار المصغرة، فضلاً عن انخفاض تكاليف التصنيع والإطلاق، المزيد من الدول من تصنيع وإطلاق أقمارها الاصطناعية الخاصة بمراقبة الأرض، وهذا يزيد من بيانات مراقبة الأرض المتاحة للجمهور.

ولقد أدى التقدم في تكنولوجيا الإلكترونيات الدقيقة وأشباه الموصلات إلى دمج قوة معالجة أكبر في رقائق أصغر، وهذا يسهل تحليل البيانات بواسطة أجهزة الاستشعار نفسها، بدلاً من الاعتماد على معدات ثقيلة كثيفة الطاقة.

أقمار اصطناعية أكبر ذات قدرات متقدمة

إلى جانب التصغير، هناك حاليًا اتجاه موازٍ للأقمار الاصطناعية الأكبر حجمًا والمجهزة بأجهزة استشعار متقدمة وقدرات نقل بيانات محسنة.

هذه المنصات الأكبر حجمًا أكثر موثوقية، ويمكنها توفير المزيد من الميزات ويمكنها استيعاب أدوات أكبر وأكثر تعقيدًا.

نماذج التعلم الآلي للمناخ

تستخدم نماذج نظام الأرض التقليدية محاكاة رقمية معقدة لمساعدة الباحثين على فهم ديناميكيات المناخ والتنبؤ بسيناريوهات المناخ المستقبلية.

وغالبًا ما تكون مكثفة حسابيًا، إذ تستهلك ما يصل إلى 10 ميغاواط/ساعة من الطاقة لمحاكاة قرن من النشاط المناخي - وهو ما يعادل تقريبًا تشغيل منزل لمدة عام.

وعلى النقيض من ذلك، تتمتع نماذج المناخ التي تدمج التعلم الآلي المستند إلى الفيزياء بالقدرة على معالجة مجموعات بيانات هائلة بحجم البيتابايت لتقديم تنبؤات دقيقة وسريعة للطقس والمناخ.

هذه النماذج القائمة على التعلم الآلي فعالة بشكل خاص للدراسات المحلية، إذ تقدم تنبؤات عالية الدقة بتكاليف حسابية أقل بكثير، حيث تظهر الدراسات كفاءة في استخدام الطاقة تصل إلى 100 مرة.

نماذج للذكاء الاصطناعي الجغرافي المكاني

تم تصميم هذه التقنية لاكتشاف الأنماط عالية المستوى من كميات كبيرة من بيانات مراقبة الأرض عبر الأقمار الاصطناعية.

ويمكن استخدام نماذج الذكاء الاصطناعي الجغرافي المكاني، التي يتم تدريبها على العديد من مجموعات البيانات المختلفة بطريقة خاضعة للإشراف الذاتي، في مجموعة واسعة من التطبيقات وهي فعالة للغاية في إنشاء نماذج دقيقة للأنماط العالمية.

التوائم الرقمية

التوائم الرقمية هي نسخ رقمية ديناميكية لأنظمة الأرض مثل المناخ والمحيطات والنظم البيئية.

وهي تمكن المستخدمين من فهم الظواهر المعقدة لنظام الأرض والتنبؤ بها والتحقيق فيها بشكل أفضل.

وتتيح تقنية التوائم الرقمية للمستخدمين تحليل سيناريوهات مناخية مختلفة. ويمكنهم استخدامها لتصور واختبار التأثيرات المحتملة للاستراتيجيات المختلفة المتعلقة بالمناخ.

منصات البيانات الغامرة AR/VR

توفر منصات الواقع المعزز والواقع الافتراضي للمستخدمين تجربة غامرة.

وتعمل هذه المنصات على تحويل كيفية وصول أصحاب المصلحة المتنوعين إلى بيانات مراقبة الأرض وفهمها، كما تشجع على معرفة البيانات من خلال التعلم التفاعلي.

مكعبات البيانات

من خلال تنظيم بيانات مراقبة الأرض عبر أبعاد مختلفة -شبكات مكانية وزمنية ومتغيرة- تسمح مكعبات البيانات للمستخدمين باستخراج رؤى مفيدة وإجراء تحليلات معقدة لبيئة الأرض وتغيراتها على مقاييس ومستويات مختلفة من التفاصيل.

ويتم توحيد البيانات من مصادر مراقبة الأرض المختلفة بدقة موحدة وخصائص مشتركة، ما يبسط استخدامها للحسابات دون مزيد من التحويل.

هذا النهج مفيد بشكل خاص عندما تكون هناك حاجة إلى الوصول السريع إلى البيانات الجاهزة للتحليل.