تتنامى أهمية تقنيات الرصد المبكر للحوادث الطبيعية مثل حرائق الغابات والانفجارات البركانية، حيث يؤدي التأخير في الكشف إلى تفاقم الأضرار بشكل سريع. أكدت الأبحاث الأخيرة في ميدان رصد الأرض (Earth Observation) أن الكشف عن الشذوذات الحرارية يمكن أن يتم بطريقة مباشرة باستخدام بيانات حقيقية من أجهزة الاستشعار، مما يلغي الحاجة إلى سلاسل ما قبل المعالجة التي تستنزف الموارد الحسابية.

ومع ذلك، فإن استخدام البيانات الخام يواجه تحديات عدة مثل اختلاف المجالات، انزلاق المستشعرات، عدم التناسق الإشعاعي، ونقص العينات المعلمة للتدريب. في محاولة لمعالجة هذه التحديات، قدم العمل الحالي بنية الشبكة العصبية المعتمدة على الفيزياء (PANN) التي تركز على الكشف عن الشذوذات الحرارية على متن الأقمار الصناعية.

تعتمد هذه البنية الخفيفة على مبادئ الشبكات العصبية الفيزيائية وparadigms الحوسبة العصبية، وتم تقييمها باستخدام مجموعتي بيانات من Sentinel-2: البيانات الخام (L0) وبيانات L1C المعالجة أرضيًا. أظهرت النتائج أن الشبكة PANN حققت معامل ارتباط ماثيو (MCC) قدره 0.809 مع القياسات الخام مقارنة بـ 0.875 عند استخدام منتجات L1C المعالجة.

كما أن متوسط زمن المعالجة لكل حبيبة (granule) من L0 كان 2.44 ± 0.09 ثانية، وهو أقل من زمن الاستحواذ البالغ 3.6 ثانية، مما يوضح إمكانية المعالجة في الوقت الحقيقي على متن القمر الصناعي. بالإضافة إلى ذلك، فإن الزمن المتوقع للتنفيذ على الأجهزة العصبية سيكون أقل بكثير بمعدل 0.1290 ± 0.0002 ثانية.

تبقى متطلبات الذاكرة، بما في ذلك جميع البرامج والحزم اللازمة، ضمن الحدود الواقعية المتاحة على متن الطائرة، حيث كانت الحاجة إلى 0.673 ± 0.007 جيجابايت للبرنامج PANN و0.393 ± 0.004 جيجابايت للتنفيذ المقدر على الأجهزة.

تشير هذه النتائج إلى أن PANN يمثل طريقًا واعدًا نحو معالجة بيانات رصد الأرض للحوادث الحرارية بكفاءة زمنية واستخدام موارد أقل.

كيف يمكن لهذه التقنيات أن تُحدث نقلة نوعية في رصد الكوارث الطبيعية؟ شاركونا آرائكم في التعليقات!