توسعه اجتماعی -اقتصادی در سال‌های اخیر، چالش‌های زیست‌محیطی بسیاری را در منطقه خلیج هالونگ و کوا لوک (استان کوانگ نین) ایجاد کرده است، به ویژه کاهش کیفیت آب دریا که اکوسیستم دریایی بومی را تهدید می‌کند. در همین حال، روش‌های سنتی پایش مانند نمونه‌برداری و تجزیه و تحلیل در محل، محدودیت‌های بسیاری را از نظر هزینه، زمان و محدوده پایش نشان داده‌اند. در مواجهه با این واقعیت، دانشمندان ویتنامی و لهستانی برای انجام تحقیقات در مورد کاربرد سنجش از دور و هوش مصنوعی در پایش کیفیت آب - یک رویکرد مدرن و مقرون به صرفه که امکان پایش مداوم در یک منطقه وسیع را فراهم می‌کند - با یکدیگر هماهنگ شده‌اند. ماموریت تحقیقاتی مشترک با کد QTPL01.03/23-24، که به طور مشترک توسط مرکز فضایی ویتنام (آکادمی علوم و فناوری ویتنام) و موسسه ژئوفیزیک لهستان (آکادمی علوم لهستان) اجرا می‌شود، به ارائه ابزارهای نظارتی مؤثرتر برای حفاظت از محیط زیست دریایی در مناطق ساحلی کلیدی کمک می‌کند.
رویکرد مدرن
به گفته دکتر وو آنه توان، معاون مدیر کل مرکز فضایی ویتنام که مسئولیت این ماموریت را بر عهده دارد، این اولین پروژه در ویتنام است که به طور همزمان از داده‌های ماهواره Sentinel-2، الگوریتم‌های پیشرفته یادگیری ماشین و پلتفرم GEE (پلتفرم محاسبات ابری گوگل) برای مدل‌سازی و پایش پارامترهای کیفیت آب مانند دمای سطح، مواد جامد معلق، کلروفیل-a و نیاز شیمیایی به اکسیژن استفاده می‌کند.
تیم تحقیقاتی با استفاده از نتایج مدل، نقشه‌هایی از توزیع کیفیت آب در فضا و زمان تهیه کرده است که به نظارت بر نوسانات و ارائه هشدار اولیه در مورد خطرات آلودگی در خلیج هالونگ و کوا لوک کمک می‌کند. این دو منطقه آبی استراتژیک در استان کوانگ نین، نه تنها از نظر چشم‌انداز و ارزش‌های اکولوژیکی غنی هستند، بلکه نقش کلیدی در توسعه اقتصادی و گردشگری استان نیز ایفا می‌کنند. این نقشه‌ها می‌توانند در مدیریت منابع آب، حمایت از حفاظت از محیط زیست و جهت‌دهی به توسعه پایدار مناطق ساحلی مورد استفاده قرار گیرند.
دکتر وو آنه توان گفت که نوآوری این مطالعه در ترکیب و نوآوری فناوری‌های سنجش از دور، هوش مصنوعی و محاسبات ابری برای حل مشکل پیچیده نظارت بر کیفیت آب در خلیج هالونگ نهفته است، در عین حال که راه‌حل‌های عملی برای غلبه بر چالش کمبود داده‌ها ارائه می‌دهد و تجزیه و تحلیل عمیقی با ارزش عملی بالا ارائه می‌دهد. این مطالعه مدل‌های یادگیری ماشینی را ایجاد کرده و این مدل‌ها را کالیبره و آزمایش کرده تا به دقتی بیش از ۷۳٪ دست یابد و نقشه‌هایی از توزیع این پارامترها را بر اساس فصل و میانگین سالانه ایجاد کرده است. علاوه بر این، این مطالعه رویکرد جدیدی را در کاربرد فناوری سنجش از دور همراه با یادگیری ماشینی برای نظارت بر کیفیت آب ایجاد کرده و از این طریق به طور مؤثر از مدیریت منابع آب در مناطق ساحلی کلیدی پشتیبانی می‌کند.
به سوی استقرار گسترده در سراسر دریاها
دکتر وو آنه توآن افزود که در این مطالعه از داده‌های ماهواره Sentinel-2 (سنجنده MSI) در دوره 2019 تا 2023، همراه با داده‌های اندازه‌گیری واقعی از وزارت منابع طبیعی و محیط زیست استان کوانگ نین و اداره ملی اقیانوسی و جوی (ایالات متحده آمریکا) برای پیش‌بینی کیفیت آب در منطقه مورد مطالعه استفاده شده است. در مجموع، 78 تصویر ماهواره‌ای در پلتفرم محاسبات ابری گوگل پردازش و تجزیه و تحلیل شدند. سپس، الگوریتم‌های یادگیری ماشینی مانند: جنگل تصادفی، رگرسیون تقویت‌شده و رگرسیون AdaBoost برای پیش‌بینی شاخص‌های کیفیت آب به کار گرفته شدند.
به گفته دکتر وو آنه توان، این مطالعه همچنین باندهای طیفی مهمی را از تصاویر ماهواره‌ای Sentinel-2 شناسایی کرد که به بهینه‌سازی مدل‌های یادگیری ماشین و به حداقل رساندن هزینه‌های جمع‌آوری داده‌های آینده کمک می‌کند. تیم تحقیقاتی از نتایج مدل، نقشه‌های توزیع مکانی-زمانی کیفیت آب را ساختند که به نظارت بر نوسانات و ارائه هشدار اولیه در مورد خطرات آلودگی در خلیج هالونگ کمک می‌کند. این نقشه‌ها می‌توانند در مدیریت منابع آب، حمایت از حفاظت از محیط زیست و جهت‌دهی توسعه پایدار مناطق ساحلی مورد استفاده قرار گیرند.
دکتر وو آنه توآن در مورد مسیر بعدی تحقیقات گفت که در آینده، تیم تحقیقاتی پیشنهاد می‌کند که تعداد دفعات مشاهده و نمونه‌برداری را افزایش داده و هوش مصنوعی را با داده‌های تصویر ماهواره‌ای ادغام کند تا دقت پارامترهای محاسبه را بهبود بخشد. به طور خاص، گسترش ادغام انواع مختلف داده‌های ماهواره‌ای (در حال حاضر، تیم روی ۳ نوع ماهواره آزمایش کرده است) به افزایش تعداد دفعات مشاهده کمک می‌کند و نه تنها آن را به ۴ پارامتر کیفیت آب محدود می‌کند، بلکه می‌تواند به ۵، ۶ یا بیشتر نیز گسترش یابد. یکی از مسیرهای مهم بعدی این است که تیم این تحقیق را به طور گسترده در سراسر دریاهای ویتنام مستقر کند. اگرچه هر دریا ویژگی‌های خاص خود را دارد، اما با همان پلتفرم و چارچوب تحقیقاتی، می‌توان روش‌های محاسبه را برای دستیابی به نتایج دقیق و مناسب تنظیم کرد. هدف نهایی این است که تیم یک سیستم جامع برای نظارت و پایش مداوم پارامترهای کیفیت آب دریا ایجاد کند. این سیستم اطلاعات مهمی را در اختیار برنامه‌ریزان قرار می‌دهد و هشدارهای به موقع در مورد آلودگی آب، به ویژه تأثیرات بر آبزی‌پروری و سایر بخش‌های اقتصادی دریایی ارائه می‌دهد.
دکتر فام کوانگ وین، دانشیار و عضو شورای پذیرش آکادمی علوم و فناوری ویتنام، با ارزیابی نتایج این تحقیق گفت که تیم تحقیقاتی با ترویج کاربرد هوش مصنوعی در تحقیقات محیط آبی، از الگوریتم‌های جدیدی برای پردازش داده‌های سنجش از دور در تحقیقات محیط آبی ساحلی استفاده کرده است. این نمونه‌ای بارز از همکاری علمی مؤثر با انتشار مشترک بین دو طرف در مجله SCIE Q1 - یک مجله بین‌المللی با کیفیت بالا - است که به ترویج همکاری‌های علمی پژوهشی بین ویتنام و لهستان کمک می‌کند و مسیرهای توسعه جدیدی را برای هر دو کشور می‌گشاید.
منبع: https://doanhnghiepvn.vn/cong-nghe/lan-dau-tien-tai-viet-nam-mo-hinh-ai-ket-hop-vien-tham-giam-sat-chat-luong-nuoc-bien/20250619075954419
![[عکس] مراسم اختتامیه هجدهمین کنگره کمیته حزب هانوی](https://vphoto.vietnam.vn/thumb/1200x675/vietnam/resource/IMAGE/2025/10/17/1760704850107_ndo_br_1-jpg.webp)
![[عکس] روزنامه نهان دن «سرزمین پدری در قلب: فیلم کنسرت» را منتشر کرد](https://vphoto.vietnam.vn/thumb/1200x675/vietnam/resource/IMAGE/2025/10/16/1760622132545_thiet-ke-chua-co-ten-36-png.webp)
نظر (0)