تتعرض الشعاب المرجانية في جميع أنحاء العالم لضغوط متزايدة بفعل تغير المناخ والنشاطات البشرية، ما يسبب تراجعاً سريعاً في أعدادها. لذلك، تبرز الحاجة الملحة لنظم مراقبة آلية وقابلة للتوسع لتحليل وفهم هذه الأنظمة البيئية الحيوية.

تقدّم لنا مجموعة بيانات ريفنت (ReefNet) حلاً مبتكرًا لهذه التحديات، حيث تحتوي على صور ديناميكية للشعاب المرجانية مع تفاصيل دقيقة متعلقة بتصنيفات الأنواع مقارنةً بتصنيف الأنواع المعتمد من السجل العالمي للأنواع البحرية (WoRMS).

تجمع ريفنت البيانات من 76 مصدرًا موثوقًا من مشروع CoralNet، بالإضافة إلى موقع شعاب مرجانية إضافي من محافظة الوجه (البحر الأحمر)، ليصل إجمالي عدد التصنيفات إلى حوالي 925,000.

لقد تم التحقق منه من قِبل خبراء وتم تصنيفه بطريقة تضمن دقة عالية تصل إلى 92% بموافقة الخبراء على 39 فئة من أنواع الشعاب القاسية. هذه المجموعة تسهم في تقييم موثوق للشعاب المرجانية تحت ضغوط العلامات والتفاوت الكبير في التصنيفات.

لكن، التحديات لا تزال قائمة. فقد أظهرت التجارب مع نماذج الرؤية واللغة (VLMs) أن هناك انحدارًا كبيرًا في الأداء عند التحول بين المصادر المختلفة. ويشير ذلك إلى أهمية إنشاء مجموعات بيانات كبيرة وعالية الجودة لتسهيل عمليات رصد التنوع البيولوجي.

مع ريــفنت، نحن على أعتاب ثورة في مجال مراقبة الشعاب المرجانية، حيث تقدم هذه المجموعة إمكانيات ضخمة لتطوير فهم أعمق لهذا النظام البيئي المهم.