تعاني صور الاستشعار عن بعد البصرية من تغطية سحابية واسعة تعيق استثمارها في رصد الأرض، وتشتد المشكلة في المناطق الجبلية ذات التقلبات الجوية المتكررة حيث تحجب السحب وظلالها ملامح السطح وتحول دون استخراج معلومات دقيقة لأغراض الزراعة والموارد المائية وإدارة الكوارث والتخطيط العمراني
ولأن صور رادار الفتحة التركيبية تخترق السحب وتوفر معلومات بنيوية عن السطح في مختلف الظروف الجوية، فإن دمج سماتها مع سمات الصور البصرية المجاورة يفتح طريقًا واعدًا لاستعادة المناطق المحجوبة، وقد جاءت هذه الدراسة لتقترح طريقة جديدة لإزالة السحب تعتمد هذا الدمج ضمن إطار تعلم عميق متدرج من الإزالة الخشنة إلى الإزالة الدقيقة
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تطوير طريقة لإزالة السحب من صور الاستشعار عن بعد البصرية بدمج سمات صور رادار الفتحة التركيبية والصور البصرية المجاورة، وقد بُنيت الطريقة على شبكة تنافسية توليدية مشروطة عميقة توظف السمات المحلية والعالمية لصور الرادار وسمات الحواف في الصور البصرية لإجراء إزالة خشنة للسحب أولًا، ثم تستعين بالسمات الطيفية للصور البصرية المجاورة في إجراء إزالة دقيقة محسنة، وقُوّم الأداء بمقاييس كمية شملت الجذر التربيعي لمتوسط مربعات الخطأ وراسم الزاوية الطيفية ومتوسط مؤشر التشابه البنيوي ومعامل الارتباط، وبالمقارنة مع طرق تقليدية معروفة في ظروف أسطح أرضية مختلفة
ثانيًا: أبرز النتائج
1، حققت الطريقة المقترحة من الخشن إلى الدقيق أداء مرضيًا في إزالة السحب من الصور البصرية، إذ بلغ الجذر التربيعي لمتوسط مربعات الخطأ 0.0391 وراسم الزاوية الطيفية 0.0729 ومتوسط مؤشر التشابه البنيوي 0.9221 ومعامل الارتباط 0.9537
2، تحسنت المقاييس الأربعة جميعها مقارنة بالطرق التقليدية بما لا يقل عن 0.0119 و0.0438 و0.0217 و0.0240 على الترتيب، بما يؤكد تفوقًا كميًا ثابتًا للطريقة المقترحة
3، أظهرت الطريقة أداء متفوقًا في نعومة الحدود وإزالة ظلال السحب واتساق الأطياف واستعادة التفاصيل المكانية عند إزالة السحب من صور ذات ظروف أسطح مختلفة
ثالثًا: دلالات الدراسة وتطبيقاتها
تنطوي هذه النتائج على دلالات تطبيقية مهمة لمراكز الاستشعار عن بعد والجهات المعنية برصد الموارد الطبيعية والزراعة والبيئة، إذ ترفع جودة الصور المتاحة للتحليل في المناطق كثيرة السحب وتقلل فجوات البيانات الموسمية، كما تقدم للباحثين العرب في علوم الجيوماتكس والذكاء الاصطناعي إطارًا قابلًا لإعادة التوظيف في معالجة صور الأقمار الصناعية فوق المناطق الجبلية والساحلية، مع إمكان تطويره بدمج سلاسل زمنية أطول ومصادر بيانات إضافية وتقويمه على بيئات سطحية أوسع تنوعًا
وتندرج هذه الطريقة ضمن توجه بحثي أوسع يوظف الذكاء الاصطناعي التوليدي في استكمال البيانات الجغرافية الناقصة، إذ تتعلم الشبكات التنافسية توزيع ملامح السطح من الصور الخالية من السحب ثم تولد تقديرات واقعية للمناطق المحجوبة مسترشدة بمصادر استشعار مستقلة، وتتميز مدخلات الرادار بأنها لا تتأثر بالإضاءة الشمسية ولا بالغطاء السحابي، ما يجعلها مرجعًا بنيويًا موثوقًا في المناطق الجبلية والساحلية كثيرة الغيوم، كما أن البنية المرحلية من الخشن إلى الدقيق تخفف خطر توليد تفاصيل زائفة دفعة واحدة وتجعل الاستعادة قابلة للتفسير والمراجعة
وفي السياق العربي تتجلى قيمة هذه الأساليب في رصد الأودية والسيول الموسمية ومتابعة الغطاء النباتي حول الواحات والمناطق الزراعية ومراقبة التوسع العمراني على السواحل، حيث تترافق مواسم الأمطار القصيرة مع غطاء سحابي يحجب لحظات الحصاد المائي الحرجة عن الأقمار البصرية، ويتيح توفر سلاسل صور رادارية مجانية من الأقمار الأوروبية للباحثين في الجامعات العربية إعادة تطبيق الطريقة على بيئاتهم المحلية وتقويم أدائها مقارنة بالمنتجات العالمية، بما يبني قدرات وطنية في علوم الأرض والاستشعار عن بعد ويخدم أهداف إدارة الموارد المائية والأمن الغذائي
وخلاصة القول إن دمج سمات الرادار والصور البصرية المجاورة ضمن شبكة توليدية تنافسية متدرجة يقدم حلًا فعالًا لمشكلة التغطية السحابية في صور الاستشعار عن بعد، ويحسن جودة الإزالة كمًا ونوعًا، بما يمهد لاستثمار أمثل لأرشيف الصور الفضائية في تطبيقات رصد الأرض
