الكشف عن الشواذ في الصور الطيفية العالية بناءً على خوارزمية الغابة المعزولة المحسّنة

رؤية غير المرئي في صور الأقمار الصناعية

الأقمار الصناعية الحديثة لا تلتقط صورًا جميلة للأرض فحسب؛ بل تسجل مئات ألوان الضوء التي لا ترىها أعيننا. مخفي في هذا الطيف من المعلومات علامات إنذار مبكرة لانهيارات مناجم أو تسربات نفطية أو تمويه عسكري. توضح الورقة الملخّصة هنا طريقة جديدة لرصد الأنماط الصغيرة والشاذة تلقائيًا في هذه الصور الطيفية العالية — مما يسهل العثور على تغيّرات صغيرة ومخاطِرة على الأرض دون الحاجة إلى جيوش من المحللين البشريين.

لماذا تكشف الألوان الإضافية أهدافًا مخفية

تخزّن صور الأقمار الصناعية العادية ثلاثة ألوان أساسية: الأحمر والأخضر والأزرق. أما الصور الطيفية العالية فترصد عشرات أو حتى مئات النطاقات اللونية الضيقة. يحمل كل بكسل «بصمة ضوئية» مفصّلة تعكس ما يتكوّن منه — تربة، صخر، نباتات، معدن، ماء أو ملوثات. التحدي أن هذه مكعبات بيانات ضخمة، ومشوشة، ومليئة بمعلومات مكرّرة ناتجة عن الغلاف الجوي وأجهزة الاستشعار والتضاريس المعقدة. يعني كشف الشواذ في هذا السياق استخراج بعض البكسلات القليلة التي تختلف اختلافًا حادًا عن محيطها، دون أن نُعلَم مسبقًا بما تمثله. قد تشير هذه البكسلات النادرة إلى هبوط أرضي في المناجم أو سحب تلوث أو معدات مُموّهة، لذا فإن اكتشافها بدقة وسرعة أمر بالغ الأهمية لمراقبة البيئة والأمن.

من أشجار بسيطة إلى غابات أذكى

يبني البحث على الغابة المعزولة، وهي طريقة تعلم آلي مصمَّمة لرصد القيم الشاذة. في الغابة المعزولة الأساسية، تُقسَّم البيانات عشوائيًا مرارًا، مكوِّنة مجموعة من أشجار القرار. تميل النقاط الشاذة إلى أن تُعزل في عدد قليل من التقسيمات، بينما تتطلب بكسلات الخلفية الطبيعية تقسيمات كثيرة. تعمل هذه الفكرة جيدًا مع بيانات ذات حجم متوسط، لكن مشاهد الصور الطيفية العالية تتضمن مئات النطاقات وضوضاء كبيرة وشواذ دقيقة جدًا. قد يؤدي اختيار الميزات عشوائيًا إلى هدر الحوسبة على نطاقات مكررة، وتغبيش التباين بين الأهداف والخلفية، وزيادة الإنذارات الكاذبة. لذلك أعاد المؤلفون تصميم الغابة بحيث ترى بيانات أنظف وتقيم البكسلات ليس فقط على الصعيد الكلي عبر الصورة بأكملها، بل أيضًا محليًا ضمن جيرانها.

شحن الصورة برؤية متعددة المقاييس

لتنقية وضغط البيانات قبل الكشف، يطبّق النموذج أولًا تفكيكًا منخفض الرتبة ونادرًا يعرف باسم Godec. ببساطة، يقسم هذا الصورة إلى طبقة خلفية ملساء وطبقة متفرّقة تحتوي إشارات حادة وشاذة. فوق ذلك، يستفيد المؤلفون من أن الأهداف المثيرة للاهتمام غالبًا ما تبرز ليس فقط طيفيًا، بل أيضًا من حيث ترتيبها المكاني. يستخدمون مرشحات جابور ثلاثية الأبعاد التي تعمل كعدسات حسّاسة للنسيج تنزلق عبر مكعب البيانات الطيفي لتبرز أنماطًا بأحجام واتجاهات مختلفة. ثم تُجمّع خوارزمية سوبر بكسل بمعدل الانتروبيا البقع المجاورة في مناطق صغيرة متماسكة. من خلال ضبط دقة هذه المناطق، يستطيع الأسلوب قمع الضوضاء العشوائية مع الحفاظ على البنى الحقيقية مثل الحفر، أو الشقوق، أو الأجسام المصنوعة بواسطة الإنسان.

جمع الأدلة الكلية والمحلية

بمجرد استخراج الميزات الطيفية والمكانية المنقّاة، تُعيّن غابة معزولة محسّنة لكل بكسل درجة شذوذ. بدلاً من الاعتماد فقط على مدى سرعة عزل البكسل في مجموعة البيانات الكاملة، يتحقق الأسلوب أيضًا من مدى اتساقه مع محيطه المباشر. تُعيدُ تقييم البكسلات التي تبدو طبيعية على المستوى الكلي لكن غريبة داخل حيّها المحلي، أو العكس، باستخدام قاعدة تسجيل مشتركة. تقلل هذه الرؤية ذات الطبقتين من كل من الفاقد في الاكتشاف والنتائج الشاذة الخاطئة الناجمة عن الخلفيات المعقدة. تُظهر الاختبارات على مجموعتي بيانات طيفية مستخدمتين على نطاق واسع، سان دييغو وHYDICE، أن النهج الجديد يحقق دقة عالية (مساحة تحت المنحنى حوالي 0.97 وF1 بالقرب من 0.94) مع الحفاظ على إنذارات كاذبة منخفضة جدًا واستهلاك معقول للذاكرة وسرعة معالجة مناسبة.

من اختبارات المختبر إلى المراقبة الواقعية

اختبر المؤلفون طريقتهم أيضًا على مهام حقيقية لهبوط المناجم ومراقبة النظم البيئية باستخدام بيانات من الأقمار الصناعية ومنصات جوية. في مناطق المناجم، يميّز النظام أكثر من 95% من الشواذ المتعلقة بالانهيارات مع فقدان حوالي 4% فقط. في الرقابة البيئية، يكشف عن نحو 94% من المناطق المريبة مثل النباتات المضطربة أو التمويه المحتمل، مجددًا مع نسبة مفقودة بضعة في المئة فقط. بالمقارنة مع عدة تقنيات راسخة، تثبت الغابة المحسّنة أنها أكثر حساسية وأكثر استقرارًا عبر السيناريوهات. لمَن ليسوا متخصصين، الخلاصة أن تنظيف البيانات بعناية، والنظر إلى الأنماط عبر مقاييس متعددة، ومزج الأحكام الكلية والمحلية، يمكّن من تحويل الصور الطيفية العالية إلى أداة «إنذار مبكر» آلية قوية للتغيّرات المهمة على الأرض.

الاستشهاد: Li, A. Anomaly detection of hyperspectral images based on improved isolation forest algorithm. Sci Rep 16, 6171 (2026). https://doi.org/10.1038/s41598-026-36548-5

الكلمات المفتاحية: التصوير الطيفي العالي, كشف الشواذ, الاستشعار عن بعد, الغابة المعزولة, مراقبة البيئة