Første gang i Vietnam: AI-modell kombinert med fjernmåling for å overvåke sjøvannskvaliteten

Bildetekst — Forskningsteamet tok sjøvannsprøver i Ha Long-bukten og Cua Luc. Foto: Dieu Thuy/VNA

Den sosioøkonomiske utviklingen de siste årene har medført mange miljøutfordringer i Ha Long-bukten og Cua Luc-området (Quang Ninh-provinsen), spesielt nedgangen i sjøvannskvaliteten, noe som truer det endemiske marine økosystemet. Samtidig har tradisjonelle overvåkingsmetoder som prøvetaking og analyse på stedet avdekket mange begrensninger når det gjelder kostnader, tid og overvåkingsområde. Stilt overfor denne virkeligheten har vietnamesiske og polske forskere koordinert seg for å forske på anvendelsen av fjernmåling og kunstig intelligens i vannkvalitetsovervåking – en moderne, kostnadseffektiv tilnærming som muliggjør kontinuerlig overvåking over et stort område. Det samarbeidende forskningsoppdraget kodet QTPL01.03/23-24, implementert i fellesskap av Vietnam Space Center (Vietnam Academy of Science and Technology) og Polsk institutt for geofysikk (Polsk vitenskapsakademi), bidrar til å gi mer effektive overvåkingsverktøy for vern av det marine miljøet i viktige kystområder.

Moderne tilnærming

Ifølge Dr. Vu Anh Tuan, assisterende generaldirektør for Vietnam Space Center, som er ansvarlig for oppdraget, er dette det første prosjektet i Vietnam som samtidig bruker Sentinel-2-satellittdata, avanserte maskinlæringsalgoritmer og GEE-plattformen (Googles skybaserte databehandlingsplattform) for å modellere og overvåke vannkvalitetsparametere som overflatetemperatur, suspenderte stoffer, klorofyll-a og kjemisk oksygenforbruk.

Fra modellresultatene har forskerteamet laget kart over vannkvalitetsfordeling i rom og tid, noe som bidrar til å overvåke svingninger og gi tidlig varsling om forurensningsrisiko i Ha Long-bukten og Cua Luc. Dette er to strategiske vannområder i Quang Ninh-provinsen, ikke bare rike på landskaps- og økologiske verdier, men som også spiller en nøkkelrolle i provinsens økonomiske og turismeutvikling . Disse kartene kan brukes i vannressursforvaltning, støtte miljøvern og orientere mot bærekraftig utvikling av kystområder.

Dr. Vu Anh Tuan sa at det nye ved studien ligger i syntesen og innovasjonen av fjernmåling, kunstig intelligens og skybaserte databehandlingsteknologier for å løse det komplekse problemet med å overvåke vannkvaliteten i Ha Long-bukten, samtidig som den foreslår gjennomførbare løsninger for å overvinne utfordringen med datamangel og gi grundig analyse av høy praktisk verdi. Studien etablerte maskinlæringsmodeller og kalibrerte og testet disse modellene for å oppnå en nøyaktighet på over 73 % og laget kart over fordelingen av disse parameterne etter sesong og årlig gjennomsnitt. I tillegg åpnet studien også for en ny tilnærming i anvendelsen av fjernmålingsteknologi kombinert med maskinlæring for å overvåke vannkvaliteten, og dermed effektivt støtte vannressursforvaltning i viktige kystområder.

Mot utbredt utplassering over havene

Dr. Vu Anh Tuan la til at studien brukte data fra Sentinel-2-satellitten (MSI-sensor) i perioden 2019–2023, kombinert med faktiske måledata fra Department of Natural Resources and Environment i Quang Ninh- provinsen og National Oceanic and Atmospheric Administration (USA) for å forutsi vannkvaliteten i studieområdet. Totalt ble 78 satellittbilder behandlet og analysert på Googles skybaserte databehandlingsplattform. Deretter ble maskinlæringsalgoritmer som Random Forest, Boosted Regression og AdaBoost Regression brukt for å forutsi vannkvalitetsindikatorer.

Ifølge Dr. Vu Anh Tuan identifiserte studien også viktige spektralbånd fra Sentinel-2-satellittbilder, noe som bidro til å optimalisere maskinlæringsmodeller og minimere fremtidige datainnsamlingskostnader. Fra modellresultatene bygde forskerteamet kart over vannkvalitetsfordeling i rom og tid, noe som bidrar til å overvåke svingninger og gi tidlig varsling om forurensningsrisiko i Ha Long-bukten. Disse kartene kan brukes i vannressursforvaltning, støtte miljøvern og orientere for bærekraftig utvikling av kystområder.

Angående den neste forskningsretningen, sa Dr. Vu Anh Tuan at forskerteamet i den kommende tiden foreslår å øke hyppigheten av observasjon og prøvetaking, og ytterligere integrere AI med satellittbildedata for å forbedre nøyaktigheten av beregningsparametrene. Spesielt vil utvidelse av integrasjonen av ulike typer satellittdata (for tiden har teamet testet på 3 typer satellitter) bidra til å øke hyppigheten av observasjoner og ikke bare begrense den til 4 vannkvalitetsparametre, men kan utvides til 5, 6 eller flere. En av de neste viktige retningene er at teamet vil distribuere denne forskningen bredt i Vietnams hav. Selv om hvert hav har sine egne egenskaper, kan beregningsmetodene justeres med samme plattform og forskningsrammeverk for å gi nøyaktige og passende resultater. Det endelige målet er at teamet skal etablere et omfattende system for kontinuerlig overvåking og overvåking av sjøvannskvalitetsparametre. Systemet vil gi viktig informasjon til planleggere, og gi rettidige advarsler om vannforurensning, spesielt virkningene på akvakultur og andre marine økonomiske sektorer.

I en evaluering av resultatene av denne forskningen sa førsteamanuensis dr. Pham Quang Vinh, medlem av akseptrådet ved Vietnam Academy of Science and Technology, at forskerteamet har brukt nye algoritmer til å behandle fjernmålingsdata i kystvannsforskning ved å fremme bruken av kunstig intelligens i vannmiljøforskning. Dette er et typisk eksempel på effektivt vitenskapelig samarbeid med en felles publikasjon mellom de to sidene i SCIE Q1-tidsskriftet – et internasjonalt tidsskrift av høy kvalitet. Dette bidrar dermed til å fremme vitenskapelig forskningssamarbeid mellom Vietnam og Polen, og åpner for nye utviklingsretninger for begge land.

Kilde: 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

Kommentar (0)