أبرمت مؤسسة خالد بن سلطان للمحيطات الحية شراكة مع وكالة ناسا لتسريع رسم خرائط الشعاب المرجانية في العالم.
الشعاب المرجانية في أزمة. الشعاب المرجانية هي شكل من أشكال الحياة القديمة، وبسبب الشعاب المرجانية التي تبنيها، فإن بقاء عدد لا يحصى من الكائنات الحية الأخرى يعتمد على النظم البيئية المرجانية السليمة. لكن الشعاب المرجانية تموت بمعدل ينذر بالخطر. لقد فقد العالم أكثر من نصف شعابه المرجانية على مدار الأربعين عامًا الماضية. ويمكن فقدان الباقي بحلول نهاية القرن إذا لم تحقق جهود الحفاظ على الشعاب المرجانية بعض الانتصارات السريعة. للحفاظ على أي شيء، عليك أولاً أن تعرف مكانه والمبلغ المتبقي لديك. وكان من الصعب تتبع الشعاب المرجانية لأنها مختبئة تحت الأمواج، لكن هذا يتغير مع تطوير العلماء لتقنيات جديدة لرسم خريطة للشعاب المرجانية من الفضاء.
ولمواجهة هذا التحدي، تتعاون مؤسسة خالد بن سلطان للمحيطات الحية مع مركز أبحاث إيمز التابع لوكالة ناسا في وادي السيليكون بكاليفورنيا لاستخدام البيانات عالية الدقة التي تمتلكها المؤسسة حول الشعاب المرجانية لتوسيع قدرات ناسا في رسم خرائط الشعاب المرجانية. وستسمح هذه الشراكة لوكالة ناسا بإنشاء خرائط لجميع الشعاب المرجانية في العالم وتتبع كيفية تغير الشعاب المرجانية بمرور الوقت، مما يمنح العلماء في جميع أنحاء العالم الرؤية اللازمة لمعالجة أزمة الشعاب المرجانية.
تتيح اتفاقية قانون الفضاء مع مؤسسة خالد بن سلطان للمحيطات الحية لوكالة ناسا الوصول إلى البيانات من المؤسسة رحلة الشعاب المرجانية العالمية، واحدة من أكبر الدراسات الاستقصائية للشعاب المرجانية التي تم إنجازها على الإطلاق. ستستخدم الشراكة مجموعة البيانات الضخمة هذه جنبًا إلى جنب مع شبكة NeMO-Net العصبية وحاسوب Pleiades العملاق في Ames، الذي يعمل على تشغيل نيمو نت. يهدف مشروع NeMO-Net إلى رسم خرائط وتتبع صحة الشعاب المرجانية في العالم لمنحنا أفضل نظرة تحت الأمواج التي شهدناها على الإطلاق. باستخدام أداة ثورية جديدة للاستشعار عن بعد، كاميرا FluidCam التابعة لناساوبفضل قدرتها على الرؤية تحت أمواج المحيط دون تشويه، يمكن مسح الشعاب المرجانية على نطاق سنتيمترات ثلاثية الأبعاد باستخدام طائرات بدون طيار وطائرات. تستخدم NeMO-Net بيانات من أداة الجيل التالي هذه لتصنيف الشعاب المرجانية حول العالم. وبفضل هذا المزيج من الأدوات والمعلومات، ستصبح خرائط NeMO-Net أكثر دقة، مما يمنح الباحثين ومديري البيئة معلومات أفضل حول ما يحدث للشعاب المرجانية وكيفية حمايتها في وقت تعاني فيه من ضغوط بشرية غير مسبوقة.
لتجميع مجموعة البيانات التي ستدرب الشبكة العصبية NeMO-Net، أمضت مؤسسة Living Oceans Foundation عشر سنوات في رسم خرائط الشعاب المرجانية ومسحها في رحلة الشعاب المرجانية العالمية. دارت هذه المهمة البحثية حول العالم في محاولة لمعالجة أزمة الشعاب المرجانية. وقد شارك فيها مئات العلماء، الذين أمضوا عشرات الآلاف من الساعات تحت الماء في مسح الشعاب المرجانية في المحيط الأطلسي والمحيط الهادئ والمحيط الهندي وكذلك البحر الأحمر. بالإضافة إلى التقارير العلمية عن حالة الشعاب المرجانية، أسفرت البعثة عن إنشاء 65,000 كيلومتر مربع من خرائط موائل الشعاب المرجانية عالية الدقة - أو حوالي خمس الشعاب المرجانية في العالم.
"عندما أطلقت المؤسسة الرحلة الاستكشافية العالمية للشعاب المرجانية في عام 2006، كانت مهمة طموحة بشكل لا يصدق. قال سام بوركيس، كبير العلماء في KSLOF والأستاذ ورئيس قسم علوم الأرض البحرية في جامعة كاليفورنيا: "لقد كنا نخترع التكنولوجيا أثناء تقدمنا، ونبتكر طرقًا جديدة لرسم خرائط للشعاب المرجانية باستخدام صور الأقمار الصناعية والتحقق منها باستخدام البيانات المأخوذة في الميدان". كلية روزنستيل للعلوم البحرية والغلاف الجوي بجامعة ميامي. قاد بوركيس جهود المؤسسة في رسم خرائط الشعاب المرجانية في رحلة الشعاب المرجانية العالمية، وهو متحمس لرؤية وكالة ناسا تستخدم بيانات المؤسسة للارتقاء برسم خرائط الشعاب المرجانية إلى المستوى التالي. قال بوركيس: "هذا يغير قواعد اللعبة". "إن تقنيات التصوير الجديدة وأجهزة الكمبيوتر العملاقة التابعة لوكالة ناسا تغير بشكل كبير مشهد ما هو ممكن فيما يتعلق برسم خرائط الشعاب المرجانية."
من خلال الشبكات العصبية والتعلم الآلي، تعمل وكالة ناسا على أتمتة عملية استغرق فريق من علماء KSLOF سنوات لإتمامها بمفردهم. لكن كل هذه الأتمتة تتطلب كميات هائلة من بيانات التدريب، وهي بيانات لم تكن لدى ناسا، لكن KSLOF جمعتها في رحلة الشعاب المرجانية العالمية. وقد حصلت ناسا على بعض البيانات التي احتاجتها بمساعدة عشرات الآلاف من العلماء المواطنين في جميع أنحاء العالم الذين يلعبون لعبة "التعلم الآلي". لعبة نيمو نت، وهي لعبة فيديو تفاعلية علمية يقوم فيها اللاعبون بتحديد وتصنيف الشعاب المرجانية من خلال صور ثلاثية الأبعاد للشعاب المرجانية. وستقوم مجموعة البيانات العالمية التي تقدمها KSLOF للوكالة، بما في ذلك جميع خرائط موطن الشعاب المرجانية التي تم إنشاؤها في رحلة الشعاب المرجانية العالمية، بالتحقق من صحة بيانات التدريب الحقيقية التي يحتاجون إليها لرسم خرائط دقيقة للشعاب المرجانية من صور الأقمار الصناعية على نطاق عالمي.
قالت ألكسندرا ديمبسي، مديرة إدارة العلوم في KSLOF: "إذا كنت تستخدم التعلم العميق أو التعلم الآلي، فإن جودة البيانات التي تستخدمها مهمة للغاية". "تمتلك المؤسسة مجموعة البيانات المعيارية الذهبية لتدريب شيء مثل التعلم العميق لأننا نعلم أنها صحيحة - لقد أخذنا سفينة وذهبنا إلى هناك بالفعل". الطريقة الوحيدة لجمع مجموعة بيانات عالمية دقيقة للغاية هي الذهاب إلى الميدان. "عندما شرعنا في GRE، لم يكن لدينا أي فكرة عن إمكانية استخدام بياناتنا بهذه الطريقة، فقد تطورت التكنولوجيا بسرعة كبيرة، لكننا كنا نعلم أننا نجمع بيانات قيمة يجب أن تصمد أمام اختبار الزمن".
المشكلة بالنسبة لعلم الشعاب المرجانية هي أن الغالبية العظمى من الشعاب المرجانية في العالم بعيدة جدًا بحيث لا يتمكن العلماء من الوصول إليها، أو لا يمكنهم الوصول إلى هناك كثيرًا. في الوقت الحالي، الطريقة الوحيدة لمعرفة كيفية تغير الشعاب المرجانية بمرور الوقت هي من خلال الغواصين، وهو أمر مكلف، ويستغرق وقتًا طويلاً، ويمكن أن يكون خطيرًا وعرضة للتحيز. "مع وجود هذه البيانات في أيدي ناسا، فجأة لم يعد عليك الذهاب إلى الميدان، يمكنك رسم خريطة للشعاب المرجانية من الفضاء. قال بوركيس: “يا لها من ترقية للحفظ”. وباستخدام صور الأقمار الصناعية القديمة، لن تتمكن وكالة ناسا من تسجيل شكل الشعاب المرجانية اليوم فحسب، بل يمكنها أيضًا تتبع كيفية تغيرها عبر الزمن. ومن المرجح أن تصبح خرائط ناسا أكثر دقة في المستقبل، حيث يتم إطلاق الأقمار الصناعية في المدار باستخدام تقنية جديدة يعمل برنامج NeMO-Net على تطويرها للرؤية تحت الأمواج.
وقالت ديمبسي، التي أمضت حياتها المهنية بأكملها في العمل على علوم الشعاب المرجانية والحفاظ عليها: "ستكون هذه الخرائط ذات قيمة لا تصدق للحفاظ على الشعاب المرجانية". "من الصعب حقًا تطوير استراتيجيات حماية فعالة مثل المناطق البحرية المحمية إذا كنت لا تعرف ما الذي تحافظ عليه. هذه الخرائط تسد هذه الفجوة ولديها القدرة على إفادة النظم البيئية للشعاب المرجانية والأشخاص الذين يعتمدون عليها لأجيال قادمة.