شناسایی خشکیدگی درختان جنگلی با استفاده از هوش مصنوعی در جنگل النگدره

پژوهشگران ایرانی با بهره‌گیری از فناوری‌های نوین هوش مصنوعی، موفق به توسعه سیستمی برای پایش دقیق سلامت پوشش گیاهی شده‌اند که می‌تواند روند خشکیدگی درختان جنگلی را در مناطق بحرانی شناسایی کند.

تحول در پایش سلامت جنگل‌ها با هوش مصنوعی

در یک طرح پژوهشی در دانشگاه علوم کشاورزی و منابع طبیعی گرگان، استفاده از داده‌های طیفی و الگوریتم‌های یادگیری عمیق برای شناسایی پدیده‌های بوم‌شناختی به کار گرفته شده است. این تحقیق که با حمایت بنیاد ملی علم ایران انجام شده، بر شناسایی سریع کانون‌های آسیب‌دیده تمرکز دارد.

هدف اصلی این پروژه، ارائه روشی کارآمد برای بررسی تغییرات مکانی درختان سرخشکیده و خشکیده با استفاده از تصاویر با تفکیک مکانی بالا، نظیر تصاویر پهپاد، است تا مدیران جنگل بتوانند اقدامات مدیریتی هدفمندتری انجام دهند.

تحلیل داده‌های منطقه جنگلی النگدره

منطقه جنگلی النگدره در گرگان به عنوان محدوده اصلی مطالعه انتخاب شد. در این پژوهش، وضعیت سلامت درختان در بازه‌های زمانی سال‌های ۱۳۹۳، ۱۳۹۵ و ۱۴۰۴ با دقت بالا مورد ارزیابی قرار گرفته است.

برای شناسایی خودکار درختان هدف، چهار مدل پیشرفته هوش مصنوعی مورد آزمایش قرار گرفتند:

• YOLO11s-SAM
• YOLO11s-seg
• DeepLabV3+
• SegFormer

نتایج نشان داد که مدل SegFormer در بررسی‌های کلی عملکرد بهتری داشته، اما در ارزیابی‌های نقطه‌ای، مدل ترکیبی YOLO11s-SAM دقیق‌ترین نتایج را ارائه داده است.

روند نگران‌کننده افزایش خشکیدگی درختان

یافته‌های این تحقیق نشان‌دهنده یک روند صعودی در میزان آسیب به پوشش جنگلی است. بر اساس داده‌های استخراج شده، تعداد درختان سرخشکیده نسبت به سال ۱۳۹۳، با رشدی سه برابری مواجه شده است.

تحلیل‌های مکانی با استفاده از شاخص‌هایی نظیر موران و کلارک-ایوانز نشان داد که درختان آسیب‌دیده تمایل زیادی به تشکیل خوشه‌های متمرکز دارند که می‌تواند نشانه تمرکز عوامل تنش‌زا مانند آفات یا فشار گردشگری باشد.

نتیجه‌گیری و چشم‌انداز مدیریتی

تلفیق داده‌های سنجش‌ازدور با الگوریتم‌های یادگیری عمیق، ابزاری قدرتمند برای حفظ پایداری اکوسیستم‌ها فراهم می‌کند. این رویکرد نوین می‌تواند به عنوان یک سیستم هشدار زودهنگام برای شناسایی کانون‌های بحران در جنگل‌های ایران عمل کند.