مجموعة بيانات RGB بطائرات مسيرة وطريقة لتقسيم تيجان الأشجار بالوحدات لمراقبة التنوع البيولوجي

لماذا يهم عدّ الأشجار من السماء

تعمل الغابات الصحية بصمت على تنظيم مناخنا وتخزين الكربون وتوفير المأوى لعدد لا يحصى من الأنواع. ومع ذلك، فإن تتبُّع نمو الأشجار الفردية أو موتها أو تعرضها للأمراض على مساحات واسعة أمر بالغ الصعوبة بالاعتماد على الملاحظات الميدانية وحدها. تُظهر هذه الدراسة كيف أن الطائرات المسيرة المزودة بكاميرات تجارية وتحليل الصور الذكي يمكنها تحديد محيط تيجان الأشجار الفردية تلقائياً في غابات استوائية كثيفة. وتعد هذه القدرة خطوة رئيسية نحو مراقبة التنوع البيولوجي بتفصيل وتكلفة معقولة وإدارة أفضل للغابات في عالم يزداد دفئه.

رؤية الأشجار الفردية في بحر من الأخضر

من الأعلى، تبدو الغابة الناضجة غالباً كسجادة متصلة من الأوراق. في الواقع، تتكوّن من تيجان أشجار متداخلة كثيرة لأنواع وأحجام مختلفة. لفهم صحة الغابة أو مخزون الكربون، يحتاج العلماء إلى معرفة أين تنتهي شجرة وأين تبدأ الأخرى. تُعد هذه المهمة، المسماة تقسيم تيجان الأشجار على مستوى النسخ، صعبة بشكل خاص في الغابات الاستوائية الكثيفة، حيث تمتزج التيجان المجاورة وتربك الظلال والفصول والأشكال المتشابهة كلّاً من البشر والخوارزميات. الطرق التقليدية إما تفوّت أشجاراً، أو تدمج عدة أشجار في وحدة واحدة، أو تتطلب حساسات مكلفة مثل الليزر. ركز المؤلفون بدلاً من ذلك على فعل المزيد باستخدام صور ألوان بسيطة مأخوذة من الطائرات المسيرة، التي هي أرخص بكثير وأسهل في الانتشار حول العالم.

مكتبة صور جديدة للغابات الاستوائية

لتعليم واختبار خوارزمياتهم، أنشأ الباحثون مجموعة صور جديدة اسمها ForestSeg. باستخدام طائرتين مسيرتين تجاريتين فوق غابة غنية بالتنوع البيولوجي قرب هانوي، فيتنام، نفذوا أربع حملات طيران على ارتفاعات وفي أشهر مختلفة. من هذه الرحلات بنوا صوراً علوية عالية الدقة ثم قطعوها إلى رقع مربعة صغيرة، كل منها 1024 في 1024 بكسل، تحتوي عادةً على 6 إلى 10 أشجار. تتبع خبراء بشريون بعناية محيط كل تاج ظاهر، فأنشأوا ما مجموعه 2,944 رقعة معنونة عبر أربع مجموعات فرعية. وبما أن الرحلات تغطي مواسم وارتفاعات مختلفة، فإن ForestSeg تلتقط تغييرات في الإضاءة ولون الأوراق والحجم الظاهر للأشجار، مما يجعلها بيئة اختبار صارمة لأي طريقة تدّعي العمل بشكل موثوق عبر الزمن.

تفكيك الأشجار إلى قطع لإيجاد التيجان الكاملة

بدلاً من محاولة رسم محيطات الأشجار دفعة واحدة، صمم الفريق استراتيجية من خطوتين اسمها TreeCoG. أولاً، قاموا عن عمد بـ "فرط التقسيم" للغطاء الشجري. تحدد شبكة كشف الحواف الحديثة الحدود الدقيقة في صورة الطائرة المسيرة، فتقسّم الغابة إلى العديد من القطع الطيفية الصغيرة التي من غير المرجح أن تحتوي على أجزاء من عدة أشجار في نفس الوقت. ثانياً، تُحوَّل هذه القطع إلى عقد في رسم بياني، حيث تتصل القطع المجاورة وتُقارَن. لكل قطعة، تقيس الطريقة خصائص شكل بسيطة مثل المساحة والاستطالة، كما تحلل مدى تشابه رقعتين متجاورتين في اللون والملمس. ثم يتعلم شبكة عصبية رسومية، من أمثلة معنونة عديدة، أي القطع المجاورة تنتمي إلى نفس الشجرة ويجب دمجها، وأيها تنتمي إلى أشجار مختلفة ويجب إبقاؤها منفصلة. النتيجة هي مجموعة من الأقنعة التي تحدد تيجان الأشجار الفردية بشكل أنظف من المناهج السابقة.

إلى أي مدى تعمل الطريقة عملياً

لحكم الأداء، قارن المؤلفون TreeCoG بأدوات شائعة للتقسيم باستخدام التعلم العميق، بما في ذلك Mask R-CNN ونماذج YOLO الأحدث. على مجموعة ForestSeg، حقق TreeCoG أعلى دقة مع تشغيل أسرع من منافسيه، ما يجعله جذاباً لمسح مساحات واسعة. كما أدّى أداءً قوياً على مجموعة معيارية أوروبية مستقلة تُعرف باسم BAMFORESTS، مما يُظهر أن النهج يمكن نقله إلى غابات في مناطق أخرى. من خلال تحليل النتائج عبر المجموعات الفرعية الأربع لـ ForestSeg، تكشف الدراسة أيضاً كيف يؤثر وقت اليوم والموسم وارتفاع الطيران على النجاح: الصور الأكثر حدة وزوايا الشمس الأقل ميلاناً تميل إلى إظهار حدود التيجان بوضوح أكبر، لكن الطريقة تظل متينة حتى عندما تكون الظروف أقل مثالية.

ماذا يعني هذا بالنسبة للغابات والتنوع البيولوجي

بعبارات بسيطة، تُظهر هذه الدراسة أن الطائرات المسيرة قليلة التكلفة والخوارزميات الذكية يمكنها تمييز الأشجار الفردية بشكل موثوق في بعض أكثر الغابات تعقيداً على وجه الأرض. توفر مجموعة بيانات ForestSeg معياراً جديداً مطالباً للباحثين، وتقدم TreeCoG وصفة عملية لتحويل الصور الجوية الخام إلى خرائط مفصّلة لتيجان الأشجار. يمكن أن تغذي تلك الخرائط خطوات لاحقة مثل التعرف على الأنواع، وتتبع النمو، وتقييم الصحة، مما يساعد في نهاية المطاف العلماء ومديري الغابات على مراقبة التنوع البيولوجي واحتياطيات الكربون بتواتر أكبر وعلى مساحات أوسع مما كان ممكناً باستخدام المسوحات الميدانية وحدها.

الاستشهاد: Do, M.V.H., Phung, DT., Pham, H.D.L. et al. A UAV RGB dataset and method for instance tree crown segmentation for biodiversity monitoring. Sci Rep 16, 5788 (2026). https://doi.org/10.1038/s41598-026-36541-y

الكلمات المفتاحية: غابات بالدرون, رسم خرائط تيجان الأشجار, مراقبة التنوع البيولوجي, الاستشعار عن بعد, تقسيم التعلم العميق