طوّر باحثون من معهد سكريبس لعلوم المحيطات، التابع لجامعة كاليفورنيا في سان دييغو، نظاماً تقنياً جديداً يعتمد على الذكاء الاصطناعي ويحمل اسم GOFLOW، أو Geostationary Ocean Flow، في محاولة لسد فجوة طويلة في فهم حركة التيارات البحرية على نطاقات واسعة ودقيقة في الوقت نفسه.
فجوة قديمة في مراقبة التيارات البحريةفعلى الرغم من التقدم الكبير في مراقبة الأرض من الفضاء، لا تزال التيارات السطحية السريعة والصغيرة نسبياً في المحيطات من أكثر الظواهر صعوبة في الرصد المباشر.
فالسفن البحثية توفر قياسات دقيقة، لكنها محدودة زمانياً ومكانياً، بينما تمنح بعض الأقمار الاصطناعية التقليدية تقديرات غير مباشرة لا تكفي دائماً لالتقاط التيارات التي تتشكل وتتغير خلال ساعات.
تكمن أهمية GOFLOW في أنه بدلاً من إطلاق أقمار جديدة أو نشر مجسات بحرية مكلفة، يعتمد النظام على صور حرارية تلتقطها أقمار مراقبة الطقس الموجودة بالفعل في المدار.
وتقوم خوارزميات التعلم العميق بتحليل تسلسل هذه الصور لرصد كيفية تحرك أنماط الحرارة على سطح البحر وتشوهها مع الزمن، ثم تحويلها إلى خرائط توضح سرعة واتجاه التيارات السطحية.
وحسب الدراسة المنشورة في Nature Geoscience، يستطيع النظام إنتاج خرائط ساعية عالية الدقة لحقول السرعة السطحية، بما يسمح برؤية تفاصيل دقيقة في التيارات تحت المتوسطة الحجم؛ وهي تيارات صغيرة وسريعة نسبياً تلعب دوراً مهماً في نقل الحرارة والمغذيات والكربون والملوثات داخل المحيط.
وتبرز أهمية هذا التطور في تحويل أرشيفاً ضخماً من بيانات الأقمار الجوية إلى أداة جديدة لفهم المحيط.
فالأقمار الجيوثابتة تلتقط صوراً متتابعة لسطح الأرض والبحار بفواصل زمنية قصيرة، ما يمنح الذكاء الاصطناعي ما يشبه “فيلم حركة” لسطح البحر، لا مجرد صورة ثابتة.
أهمية مناخية تتجاوز المختبريفتح هذا الربط بين البيانات الفضائية والذكاء الاصطناعي آفاقاً تتجاوز البحث الأكاديمي.
فالمحيطات تعمل كأحد أهم منظمات مناخ الأرض، إذ تنقل الحرارة والكربون والمغذيات بين المناطق والطبقات المختلفة.
لذلك فإن تحسين رصد التيارات البحرية قد يرفع دقة نماذج الطقس والمناخ، ويساعد العلماء على فهم أفضل لدور المحيطات في تخزين الكربون ودعم النظم البيئية البحرية.
كما يمكن أن يكون لـ GOFLOW أثر عملي في الملاحة البحرية.
ففهم اتجاهات التيارات وسرعاتها بدقة أعلى قد يساعد السفن على اختيار مسارات أكثر كفاءة، بما يقلل استهلاك الوقود والانبعاثات والتكاليف التشغيلية.
كذلك يمكن أن يساهم النظام في الاستجابة للكوارث البيئية، مثل التسربات النفطية أو انتشار الملوثات الكيميائية، من خلال تحسين القدرة على تقدير اتجاه انتشارها وسرعته.
وفي مثل هذه الحالات، قد تكون معرفة مسار التيارات عاملاً حاسماً في احتواء الضرر قبل وصوله إلى السواحل أو النظم البيئية الحساسة.
وتضيف GOFLOW طبقة رصد جديدة كانت مفقودة، من رؤية واسعة ومتكررة وعالية الدقة لحركة سطح المحيط.
إذ لا يكتفي الذكاء الاصطناعي بتحليل صور من الفضاء، غير أنه يحاول قراءة لغة المحيط الخفية من خلال آثارها الحرارية على السطح.
التعليقات (0)
لا توجد تعليقات حتى الآن. كن أول من يعلق!
أضف تعليقك