علمی، پژوهشی و فناوری

۱۰ روند فناوری جدید که رصد زمین و اقلیم را متحول می‌کند

به گزارش پایگاه خبری علم و فناوری : پیشرفت‌های اخیر در پردازش و پیش بینی داده ها، داده‌های خام رصد زمین را با سرعتی بی سابقه به بینش‌های عملی تبدیل می‌کند. 

از آنجایی که وقوع بلایای مرتبط با اقلیم همه ساله بیشتر می‌شود، نیاز به اطلاعات اقلیمی عملی هرگز بیشتر از این نبوده است. فناوری‌های رصد زمین، بینش‌های مهمی را در مورد محیط سریع التغییر ما و پویایی‌های به هم پیوسته سیستم‌های زمین ارائه می‌دهند.

پیش بینی می‌شود تا سال ۲۰۳۲، رصد ماهواره‌ای زمین بیش از ۲ اگزابایت (۲ میلیارد گیگابایت) داده را به صورت تجمعی تولید کند. از نظر تاریخی، حجم و پیچیدگی، چنین داده‌هایی مانع از تبدیل آن به راه حل‌های اقلیمی قابل اجرا شده است.

حجم زیادی از داده‌ها باید برای ایجاد شناختی که به راحتی بتوان آن را در فرآیند‌های تصمیم گیری عملیاتی ادغام کرد، به پردازش و آنالیز پیچیده نیاز دارند. برای تبدیل داده‌های رصد زمین به اطلاعات مفیدتر اقلیمی و آب و هوایی، پردازش و تجزیه و تحلیل داده‌های کارآمد و موثر، ضروری است.

پیشرفت در فناوری‌های مورد استفاده در ارتباط با داده‌های رصد زمین ماهواره‌ای به ما کمک می‌کند بتوانیم در جلوگیری از اثرات تغییرات اقلیمی فعال‌تر عمل کنیم. ارائه دهندگان، کاربران و کارشناسان پیشرو داده‌های رصد زمین در حال کار با مجمع جهانی اقتصاد برای تحقیق در مورد راه‌هایی برای استفاده از قابلیت تحول آفرین رصد زمین برای رسیدگی به چالش‌های اقلیمی و محیطی هستند.

این فناوری‌ها فقط به تولید داده‌های بهتر مربوط نیستند، بلکه به بینش‌های مهم اقلیمی دسترسی پیدا می‌کنند که جوامع، کسب و کار‌ها و سیاست گذاران را برای ایجاد انعطاف پذیری در برابر تغییرات اقلیمی توانمند می‌سازد. همانطور که این فناوری‌ها به تکامل خود ادامه می‌دهند، به ما کمک می‌کنند تا نحوه نظارت و واکنش به تغییرات اقلیم را عمیقا شکل دهیم.

پیشرفت‌ها در صنعت ماهواره، هوش مصنوعی (AI) و سایر فناوری‌های هم افزایی، به داده‌های رصد زمین کمک می‌کنند تا در دسترس‌تر و تاثیرگذارتر از قبل شوند. گزارش جدیدی که توسط مجمع جهانی اقتصاد و آزمایشگاه مدیا موسسه فناوری ماساچوست (MIT) منتشر شده است، با عنوان «ترسیم آینده رصد زمین: نوآوری فناوری برای هوش اقلیم» ۱۰ روند اصلی فناوری رصد زمین را بررسی می‌کند که بینش‌های بی سابقه اقلیمی را ارائه می‌دهد.

فناوری سنجش پیشرفته در ماهواره‌ها

پیشرفت‌های اخیر در سنجشگر‌های ماهواره‌ای رصد زمین، افزایش سطح پوشش جهانی، وضوح و دقت و طیف وسیع تری از اندازه گیری‌های قابل مشاهده را فراهم می‌کند.

ماهواره‌های مجهز به تصاویر «اَبَر طیفی» می‌توانند داده‌های دقیق‌تر و با جزئیات بیشتری را جمع آوری کنند و در مقایسه با تصاویر چند طیفی کنونی، دو تا سه برابر وضوح زمانی، مکانی و طیفی را ارائه دهند.
این افزایش وضوح طیفی می‌تواند تفاوت‌ها را در سلامت سیاره، تشخیص، و شدت آسیب دیدگی ناشی از آتش سوزی‌های جنگلی را نشان دهد که امکان مدیریت دقیق‌تر آب و تلاش‌های مناسب‌تر برای بازیابی پس از بلایای طبیعی را فراهم می‌کند.

هوش مصنوعی، یادگیری ماشینی و یادگیری عمیق

الگوریتم‌های پیشرفته هوش مصنوعی و یادگیری ماشینی (ML) پردازش و بررسی داده‌های رصد زمین را تسریع می‌کنند. مثلا، مدل‌های مبتنی بر یادگیری ماشینی آموزش دیده بر روی داده‌های موجود، می‌توانند تخمین‌هایی را تا هزار برابر سریع‌تر از مدل‌های اقلیمی ایجاد کنند. این امر زمان تولید مدل‌های پیش بینی آب و هوا مانند نقشه‌های سیل را تا ۸۰ درصد کاهش می‌دهد.

این فناوری همچنین امکان انجام ارزیابی‌های دقیق پس از فاجعه را در چند ساعت یا چند دقیقه پس از رویداد‌های مرتبط با اقلیم مانند طوفان یا سیل فراهم می‌کند در حالی که مدل‌های سنتی یا بازرسی محلی ممکن است هفته‌ها طول بکشد. سرعت و دقت بی سابقه‌ی مدل‌های هوش مصنوعی محاسبه‌ای در استفاده از داده‌های رصد زمین، برای تصمیم گیری به موقع بسیار حیاتی است.

محاسبات لبه ماهواره 

محاسبات لبه ماهواره، داده‌های رصد زمین را به طور مستقیم در مدار ماهواره پردازش می‌کند. این امر زمان بین جمع آوری داده‌ها و تبدیل آنها به بینش‌های عملی را کاهش می‌دهد. این فناوری تاخیر و نیاز به دانلود داده‌ها را کاهش می‌دهد و امکان انتقال سریعتر اطلاعات حیاتی به امدادگران در سناریو‌های بلایای طبیعی را فراهم می‌کند.

سنجشگر‌های مینیاتوری رصد زمین 

سنجنده‌های مینیاتوری و همچنین کاهش هزینه‌های ساخت و پرتاب، به کشور‌های بیشتری کمک کرده ماهواره‌های رصد زمین خود را بسازند و پرتاب کنند. این فناوری دسترسی عموم به داده‌های رصد زمین را افزایش می‌دهد.

پیشرفت در میکروالکترونیک و فناوری‌های نیمه رسانا، قدرت پردازش بیشتری را به تراشه‌های کوچکتر داده است. این امر بررسی داده‌ها را توسط خود سخت افزار سنجشگر به جای تکیه بر تجهیزات سنگین و انرژی بر، تسهیل می‌کند.

ماهواره‌های بزرگ‌تر با قابلیت‌های پیشرفته 

در کنار تلاش برای ساخت ماهواره‌های کوچک، در حال حاضر روندی موازی نیز برای ساخت ماهواره‌های بزرگتر مجهز به سنجشگر‌های پیشرفته و افزایش قابلیت‌های انتقال داده وجود دارد. این سکو‌های بزرگ تر، قابل اعتماد‌تر هستند چرا که می‌توانند ویژگی‌های بیشتری ارائه داده و ابزار‌های بزرگتر و پیچیده تری را در خود جای دهند.

مدل‌های یادگیری ماشینی اقلیمی 

مدل‌های سیستمی سنتی رصد زمین از شبیه سازی‌های عددی پیچیده برای کمک به درک دینامیک اقلیم و پیش بینی سناریو‌های اقلیمی آینده استفاده می‌کنند. آنها اغلب از نظر محاسباتی بسیار انرژی بر و پرمصرف هستند و تا ۱۰ مگاوات ساعت برق برای شبیه سازی یک قرن فعالیت اقلیمی مصرف می‌کنند یعنی تقریبا معادل تامین برق یک خانه برای یک سال.

در مقابل، مدل‌های اقلیمی که یادگیری ماشینی مبتنی بر فیزیک را ادغام می‌کنند، توانایی پردازش مجموعه داده‌های عظیمی را در مقیاس پتابایت برای ارائه پیش بینی‌های دقیق و سریع اقلیم و آب و هوا دارند. این مدل‌های مبتنی بر یادگیری ماشینی به ویژه برای مطالعات محلی مؤثرند، پیش بینی‌هایی با وضوح بالا با هزینه‌های محاسباتی بسیار ارزان ارائه داده و مطالعاتی را انجام می‌دهد که تا ۱۰۰ برابر بازده انرژی بیشتری دارد.

مدل‌های هوش مصنوعی جغرافیایی

این فناوری برای شناسایی الگو‌های سطح بالا از مقادیر زیادی داده‌های رصد زمینِ ماهواره‌ای طراحی شده است. مدل‌های هوش مصنوعی جغرافیایی که بر اساس بسیاری از مجموعه‌های داده مختلف به روشی خود-نظارتی آموزش دیده اند، می‌توانند برای طیف وسیعی از کاربرد‌ها استفاده شوند و در ایجاد مدل‌های دقیق الگو‌های جهانی بسیار مؤثر واقع شوند.

دوقلو‌های دیجیتال

دوقلو‌های دیجیتال نسخه‌های پویا و دیجیتالی از سیستم‌های زمین مانند اقلیم، اقیانوس‌ها و زیست بوم‌ها هستند. آنها کاربران را قادر می‌سازند تا پدیده‌های پیچیده سیستم زمین را بهتر درک، پیش بینی و بررسی کنند.

فناوری دوقلوی دیجیتال به کاربران اجازه می‌دهد تا سناریو‌های مختلف اقلیمی «چه می‌شود اگر» را بررسی کنند. آنها می‌توانند از آن برای تجسم و آزمایش اثرات بالقوه راهبرد‌های مختلف مرتبط با اقلیم استفاده کنند.

سکو‌های همه جانبه داده AR/VR

سکو‌های واقعیت افزوده (AR) و واقعیت مجازی (VR) تجربه‌ای همه جانبه را به کاربران ارائه می‌دهند. این سکو‌های کاربرپسند نحوه دسترسی و درک داده‌های رصد زمین توسط ذینفعان مختلف را تغییر می‌دهند و سواد داده را از طریق یادگیری تعاملی تشویق می‌کنند.

مکعب‌های داده 

با سازماندهی داده‌های رصد زمین در ابعاد مختلف - شبکه‌های مکانی، زمانی و متغیر - مکعب‌های داده به کاربران این امکان را می‌دهند تا بینش‌های مفیدی را استخراج کرده و تحلیل‌های پیچیده‌ای از محیط زمین و تغییرات آن در مقیاس‌ها و سطوح مختلف جزئیات به انجام برسانند.

داده‌های منابع مختلف رصد زمین با وضوح یکسان و ویژگی‌های مشترک، استاندارد شده اند، که استفاده از آنها را برای محاسبات بدون تغییرات بیشتر، ساده می‌کند. این رویکرد خصوصا وقتی مفید است که دسترسی سریع به داده‌های آماده آنالیز مورد نیاز باشد.