تعقیب شرایط آب و هوایی توسط نرم‌افزارهای جدید

طبق گفته تیمی از محققان بین‌المللی، یک برنامه کامپیوتری که به صورت اتوماتیک حجم زیادی از تصاویر ماهواره‌ای و دیگر اطلاعات را آنالیز می‌کند می‌تواند به دانشمندان هواشناس کمک کند تا شرایط جوی ـ محیطی پیچیده که دائم در حال تغییر است را لحظه به لحظه تحت‌نظر داشته و پیگیری کند. پروفسور جیمز وانگ، متخصص فناوری اطلاعات از ایالت پنسیلوانیا می‌گوید: تمام اطلاعات و داده‌هایی که لحظه به لحظه و دائما توسط حسگرها و ماهواره‌ها جمع‌آوری می‌شوند می‌توانند مشکلات زیادی برای دانشمندان ایجاد کنند چراکه آنها به دلیل کمبود وقت قادر نیستند تمامی اطلاعات و تک‌تک تصاویر دریافتی را بررسی کنند.

کد خبر: ۳۷۹۷۳۷

لذا هدف ما ایجاد و تولید ابزاری است که بتواند از این دریای عظیم اطلاعات و تصاویر دریافتی اطلاعات مفید و سودمندی را ارائه کند.

این برنامه کامپیوتری با استفاده از احتمال تصاویر ارسالی از ماهواره‌ها و حسگرها در مورد ساختارهای اقیانوسی همچون جریان‌های آبی سرد اوج گرفته از عمق اقیانوس و جریان‌های گردابی گرم و سرد آنالیز کرده و اطلاعات سودمند را استخراج می‌کند.

مقاله‌ای مربوط به این تحقیق در شماره اخیر IEEE به چاپ رسیده است.

در ابتدا محققان پایگاه اطلاعاتی در مورد ساختارهای اقیانوسی ایجاد کرده و با استفاده از دانش متخصصان برنامه‌ای برای تشخیص تغییرات در این ساختارها نوشتند.

علاقه هواشناسان به استفاده از این برنامه بیشتر به دلیل آنالیز ساختارهای اقیانوسی منطقه‌ای در تصاویر ماهواره‌ای است.

این تکنولوژی روی تصاویر ماهواره‌ای که توسط اداره ملی هواشناسی و اقیانوس‌شناسی که از بخش‌هایی از سواحل مدیترانه نزدیک جزایر قناری به نام iberian Atlantic گرفته شده آزمایش گردید.

این آزمایش شامل 1000 حالت مختلف واقعی اقیانوسی شامل 472 جریان آبی سرد اوج گرفته از عمق اقیانوس، 40جریان گردابی چرخه‌ای، 10 جریان گردابی و چرخه‌‌ای، 119 جریان ابری آبهای سرد و 180 ناحیه طبقه‌بندی نشده بود.

محققان معتقد بودند که اطلاعات مبتنی بر این خصوصیات اقیانوسی می‌تواند سرنخ‌هایی در مورد تغییرات ظریف دمای اقیانوس‌ها و شرایط آب و هوایی جهانی ارائه کند.

سیستم جدید شامل مراحل مختلفی ازجمله تنظیم احتمال تداخل منابع زمینی و خورشیدی، جداسازی مناطق اقیانوسی از نواحی خشک و استخراج و شناسایی خواص مخصوص به نواحی اقیانوسی بود.

در فرآیند انتخاب ویژگی‌ مناطقی از تصاویر دریافتی براساس شدت و ضعف تصویر یا ارتباط معنایی با موضوع مدنظر پالایش می‌شد. پس از فرآیند پالایش سیستم بهتر می‌توانست جریان‌های سرد اوج گرفته، جریان‌های گردابی سرد و گرم و جریان‌های متزلزل آبی را تشخیص دهد.

شبکه‌های بیس که با استفاده از احتمال مشروط جهت اصلاح مشاهدات پیوسته به منظور تصمیم‌گیری به کار می‌روند برای طبقه‌بندی خصوصیات ترجیح داده می‌شوند چون‌که طراحی و ارزیابی توسط آنها آسان است.

همچنان که یک دکتر از روی گرفتگی بینی و افزایش سرفه احتمال ابتلای بیمار به سرماخوردگی را بیشتر می‌داند، شبکه بیس براساس رنگ و اختلاف جزیی در سایه بعضی پیکسل‌های خاص تشخیص می‌دهد که جریان گردابی، جریان‌های سرد اوج گرفته یا دیگر خصوصیات اقیانوسی است.

در مقایسه با دیگر سیستم‌های تصمیم‌گیری مبتنی بر احتمال مانند سیستم مارکوف به دلیل نیاز به داده‌های کمتر در طراحی سیستم بیس، شبکه‌های مبتنی بر این سیستم میزان محاسبات الگوریتمیک کاهش می‌یابد، لذا یکی از دلایل طراحی بر این مبنا بوده است.

محققان در نظر دارند تا با اضافه‌کردن اطلاعاتی همچون میزان شوری و تمرکز کلروفیل دقت سیستم در طبقه‌بندی تصاویر را افزایش دهند. کانتون گاربین، پروفسور رشته هوش مصنوعی و محاسبات از افراد طراح این سیستم است.