تطوير وتحسين نموذج التنوع الشكلي للمناطق الجبلية باستخدام التصنيف المراقب والشبكات العصبية الاصطناعية

لماذا يهم شكل الجبال

عندما نفكر في حماية الطبيعة، عادة ما نتخيل النباتات والحيوانات النادرة. لكن السطح الأرضي تحتها—المنحدرات والأودية والأحزمة والوديان النهرية—يشكل بهدوء الأماكن التي يمكن أن تزدهر فيها الحياة. تستكشف هذه الورقة كيفية قياس تلك التنوعات المادية، المسماة التنوع الشكلي، بطريقة دقيقة وآلية. مع التركيز على جبال بينيني في بولندا، يوضح المؤلف كيف يمكن للتقنيات الحاسوبية الحديثة، بما في ذلك الشبكات العصبية الاصطناعية، تحويل بيانات الارتفاع التفصيلية إلى خرائط موثوقة تساعد في توجيه التخطيط للحفظ واستخدام الأراضي.

مختبر جبلي لتنوع المشهد

تشكل جبال بينيني، الممتدة على الحدود البولندية–السلوفاكية، سلسلة صغيرة ولكنها متباينة بشكل ملحوظ. منحدرات جيرية شديدة الانحدار، ووديان عميقة مثل ممر نهر Dunajec الشهير، وميلان فلِيش ألطف، وصخور بركانية، وقواعد حوضية مسطحة كلها بجانب بعضها. يخلق هذا المزج من أنواع الصخور والتضاريس فسيفساء من المواطن، من الشقوق المشمسة إلى الوديان المظللة، والتي بدورها تدعم تنوعًا بيولوجيًا غنيًا. وبما أن المنطقة مصنفة ومبحوثة تفصيليًا، فهي تشكل «مختبرًا» مثالياً لاختبار طرق جديدة لقياس مدى تنوع المشهد، بما يتجاوز ما يمكن للعين تقييمه بسهولة من خريطة أو نقطة مشاهدة.

من بيانات الارتفاع الخام إلى قابليّة قياس تنوع التضاريس

تبدأ الدراسة بنموذج ارتفاع رقمي عالي الدقة، وهو وصف ثلاثي الأبعاد مفصّل لسطح الأرض. من هذا يستخلص المؤلف سبعة ميزات تضاريسية أساسية: الارتفاع، والانحدار، والاتجاه (الاتجاه الذي تواجهه المنحدرات)، ونوعين من الانحناء (كيفية انثناء السطوح)، وفروق الارتفاع المحلية، ووجود بروزات صخرية. تُغطى المنطقة بعد ذلك بآلاف الخلايا السداسية المتساوية الحجم. داخل كل خلية، يقيس الحاسوب مقدار تباين هذه الميزات التضاريسية من بكسل إلى بكسل. بدلًا من عدّ عدد «أنواع» التضاريس الموجودة، يتعامل الأسلوب مع التباين نفسه كإشارة: كلما كان هناك تغيير أكبر في الارتفاع أو الانحدار أو الاتجاه داخل الخلية، زادت احتمالية أن تكون الخلية ذات تنوع شكلي أعلى.

تدريب مصنف رقمي للتعرّف على التضاريس المعقدة

لتحويل هذه الأرقام إلى خريطة ذات معنى، تستخدم الدراسة التصنيف المراقب والشبكات العصبية الاصطناعية—نماذج حاسوبية مستوحاة بشكل فضفاض من كيفية تعلم العقول للأنماط. يبدأ الخبراء البشر بتوسيم خلايا نموذجية على أنها «ذات تنوع شكلي» بوضوح (قمم وعرة، أحزمة صخرية، أودية محفورة بعمق، جدران ممرات درامية) أو «غير ذات تنوع شكلي» (قواعد أودية مستوية، مسطحات بحيرية، ميول عريضة لطيفة). تعلم هذه الأمثلة الموسومة الشبكة العصبية التراكيب المميزة للارتفاع والانحدار والميزات الأخرى التي تتوافق عادة مع التضاريس المعقدة. بعد التدريب، تمنح الشبكة احتمالًا لكل خلية في المنطقة، مما يشير إلى مدى احتمال انتماء الخلية إلى فئة التنوع الشكلي. النتيجة هي خريطة مستمرة يمكن لاحقًا تجميعها إلى فئات بديهية تتراوح من منخفض جدًا إلى مرتفع جدًا في التنوع الشكلي.

تقليص البيانات للاحتفاظ بما يهم فقط

كانت الطرق القديمة غالبًا ما تضيف العديد من مؤشرات التضاريس معًا، مما أدى غير المقصود إلى احتساب نفس المعلومة مرات متعددة وتشويش الصورة. تتعامل هذه الدراسة مع تلك المشكلة بدمج الشبكات العصبية مع تحليل الحساسية العالمي، وهي تقنية تختبر مقدار مساهمة كل مدخل فعليًا في التنبؤات الدقيقة. من خلال "إيقاف" المتغيرات تدريجيًا وتتبع تغيّر خطأ النموذج، يحدد المؤلف الميزات التي تحمل معلومات حقيقية وتلك التي هي زائدة إلى حد كبير. تُظهر النماذج المحسّنة أن حفنة صغيرة فقط من العوامل—فروق الارتفاع داخل الخلية، الارتفاع الكلي، الانحدار، نمط اتجاهات الانحدار، ووجود البروزات الصخرية—تكفي لالتقاط البنية الأساسية للتنوع الشكلي. وحتى بعد إزالة المدخلات ذات القيمة المنخفضة، تظل النماذج المبسطة متطابقة عن كثب مع النسخ الكاملة، بقيم ارتباط قد تصل إلى 0.96–0.98.

ما تعنيه النتائج لحماية الطبيعة

ينتج النموذج المكرّر، وخاصة النسخة RCMSC–ANN–M، خرائط تتوافق جيدًا مع فهم علماء الشكل الأرضي لمنظر بينيني. يسلط الضوء ليس فقط على الحواف الشاهقة وجدران الممرات المذهلة، بل أيضًا على المناطق ذات التعقيد الشكلي في جوانب الأودية والسفوح التي قد تُغفل خلاف ذلك. ونظرًا لأن الطريقة تعتمد على بيانات ارتفاع متاحة على نطاق واسع ومجموعة مدمجة من المتغيرات الأساسية، يمكن تكييفها لتشمل مناطق جبلية أخرى حول العالم. بالنسبة لمخططي الحفظ، يوفر ذلك وسيلة موضوعية لتحديد ومقارنة المناطق «الغنية جيولوجيًا» التي تدعم التنوع البيولوجي والقيمة الخلابة، مما يساعد في تحديد أولويات أماكن الحماية أو إدارة السياحة أو إجراء المسوحات الميدانية التفصيلية.

الاستشهاد: Bartuś, T. Development and optimization of a morphodiversity model for mountainous areas using supervised classification and artificial neural networks. Sci Rep 16, 6009 (2026). https://doi.org/10.1038/s41598-026-36326-3

الكلمات المفتاحية: التنوع الجيولوجي, التنوع الشكلي, المشاهد الجبلية, الشبكات العصبية, الحفظ الجيولوجي