מחקר גוגל: חיזוי סיכון לכריתת יערות בעזרת בינה מלאכותית עובר ממעקב לפעולה

כפי שפורסם בבלוג של גוגל. לפי דיווח ב Google Research Blog. הרעיון המרכזי: מעבר ממדידת אובדן יערות בדיעבד לחיזוי סיכונים קדימה בעזרת למידת עומק, כך עולה מהפרסום בבלוג של גוגל. מחקר של גוגל מעלה כי ניתן לחזות היכן צפוי אובדן היער הבא באופן מדויק ושיטתי על בסיס לוויינים בלבד.

מאחורי המחקר עומדים Drew Purves (Google DeepMind) ו-Charlotte Stanton (Google Research) בשם צוות ForestCast, ובהשתתפות Matt Overlan, Arianna Manzini, Julia Haas, Maxim Neumann, Mélanie Rey, Michelangelo Conserva ואחרים. לפי הבלוג של גוגל, המודל ForestCast מאמן רשת מבוססת Vision Transformer על אריחים מרחביים של נתוני Landsat ו-Sentinel-2 בתוספת שכבת "היסטוריית שינוי" המסמנת היכן ומתי התרחש אובדן יער בעבר.

הנתונים: בשנת 2024 איבד העולם כ-6.7 מיליון гектאר של יערות טרופיים, קצב השווה לכ-18 מגרשי כדורגל בכל דקה. כריתת יערות מהווה כ-10 אחוז מפליטות גזי החממה האנושיות. גוגל ו-WRI מיפו את גורמי האובדן בפתרון ב-1 קמ"ר לשנים 2000–2024, אך המבט היה לאחור. ForestCast משנה כיוון: חיזוי סיכון קדימה בקנה מידה עולמי.

החידוש המחקרי

• "לוויין טהור": קלטים לווייניים בלבד, ללא תלות בשכבות עזר לא עקביות כמו כבישים, אוכלוסייה או נתוני אכיפה. זה מבטיח עקביות עולמית ויכולת עדכון מתמשך עם המשך זרמי הלוויין.
• קונטקסט מרחבי: המודל קולט אריחים שלמים ומנפק תחזיות לאריח שלם במעבר אחד, מה שמאפשר סקיילביליות.
• ממצא מפתיע: "היסטוריית שינוי" התגלתה כקלט המשפיע ביותר; לעיתים די בה לבדה כדי להשיג דיוק דומה לשילוב כל ערוצי הלוויין.

ערך מעשי ומעבר למחקר

• גופים ציבוריים יכולים להפנות משאבים ותמריצי שימור למוקדי סיכון מתהווים; חברות יכולות ליישר שרשראות אספקה עם תקנות נאותות כמו רגולציית היערנות של האיחוד האירופי EUDR; קהילות ילידיות יכולות למקד הגנה בנקודות החמות. אלה דוגמאות לשימוש בחיזוי כ"מנוף לשינוי" ולא כנבואה חקוקה.
• הסט הכללי זמין כ-Benchmark פתוח (בפורמט TFDS) לאימון והערכת מודלים, עם דוגמה מאסיה הדרומית-מזרחית. פתיחת הנתונים מאפשרת שחזור תוצאות, שקיפות והשוואת מודלים הוגנת.
• ההשלכות רחבות: ניתן להרחיב את השיטה לדרום אמריקה ואפריקה הטרופיות ובהמשך ליערות ממוזגים ובוריאליים, שבהם דינמיקות כמו שרפות ומרעה בולטות יותר.

פרספקטיבה משלימה המחקר מצטרף למגמה של מעבר ממדדים בדיעבד לכלי חיזוי תפעוליים. יחד עם פלטפורמות כמו Google Earth Engine ויוזמות כדוגמת Global Forest Watch, חיזוי סיכונים יכול לתמוך באכיפה חכמה, תמחור סיכונים פיננסי ומדיניות מבוססת ראיות. עם זאת, יש לשים לב להטיות אפשריות (למשל פערי עננות או פיגור בתוויות) ולשלב ידע מקומי כדי להפוך את החיזוי לפעולה יעילה ומותאמת הקשר.

בשורה התחתונה: ForestCast מציע כלי מדעי-יישומי שמתקף את עצמו בנתוני עבר אך מכוון לעתיד, ומספק לשחקנים בממשל, בשוק ובקהילות יכולת לפעול מוקדם כדי לשמור על היערות לפני שנעלמים.