كيف تمكن الذكاء الاصطناعي من التنبؤ بشكل أفضل بالانزلاقات الأرضية في مينيسوتا

تمثل الانزلاقات الأرضية خطرًا جيولوجيًا كبيرًا، حيث تسبب كل عام أضرارًا كبيرة للبنى التحتية وخسائر بشرية. في مينيسوتا، وهي منطقة تتميز بمناظر طبيعية شكلتها التجلدات، لا تزال هذه الظواهر غير مرسومة بشكل جيد على المستوى الإقليمي. بحث حديث استخدم طرقًا متقدمة للذكاء الاصطناعي لإنشاء أول خريطة مفصلة للمناطق المعرضة للخطر في هذه الولاية الأمريكية.

تم مقارنة خمسة نماذج للتعلم الآلي والتعلم العميق لتحديد المناطق الأكثر تعرضًا للخطر. من بينها، اثنتان كانتا فعالتين بشكل خاص: غابات العشوائية وشبكة عصبية متخصصة تسمى TabKANet. حللت هذه النماذج بيانات مثل الانحدار والارتفاع واستخدام الأراضي والهطولات المطرية. أظهرت النتائج أن المنحدرات الحادة والمناطق المنخفضة هي الأكثر عرضة للخطر، ولكن عوامل محلية مثل تركيز المياه أو الأنشطة البشرية يمكن أن تلعب أيضًا دورًا حاسمًا.

استخدمت الدراسة أيضًا تقنية تسمى SHAP لشرح كيف يؤثر كل عامل على الخطر. على سبيل المثال، يزيد الانحدار الأكثر حدة بوضوح من احتمال حدوث انزلاق، بينما يفاقم الارتفاع المنخفض، الذي يرتبط غالبًا بتربة مشبعة بالماء، الوضع أيضًا. ومع ذلك، في الميدان، يمكن لعناصر أخرى مثل الصرف أو التغييرات التي يجرها الإنسان على المناظر الطبيعية أن تصبح حاسمة.

الابتكار الرئيسي لهذا البحث هو استخدام “الوقائع المضادة”، وهي طريقة تحاكي التغييرات اللازمة لاستقرار منطقة غير مستقرة. على سبيل المثال، يمكن أن يكفي تقليل الانحدار أو تحسين الصرف أو تعزيز الغطاء النباتي لمنع حدوث انزلاق. تساعد هذه الأدوات السلطات على تحديد أولويات إجراءات الوقاية وفهم الآليات المعنية بشكل أفضل.

يجمع هذا النهج بين الدقة والشفافية، مما يوفر لإدارات المخاطر والمخططين الحضريين إطارًا موثوقًا لاتخاذ قرارات مستنيرة. يمكن تطبيق هذا النهج في مناطق أخرى من العالم تواجه تحديات مماثلة، مما يحسن بذلك سلامة السكان ومرونة البنى التحتية.

Sources et crédits

Étude source

DOI : https://doi.org/10.1007/s41748-026-01114-6

Titre : Explainable AI (xAI) for Landslide Susceptibility Modeling: A Comparative Analysis of Machine Learning and Deep Learning Approaches

Revue : Earth Systems and Environment

Éditeur : Springer Science and Business Media LLC

Auteurs : Ambikesh Dwivedi; Surya Sarat Chandra Congress; Raul Velasquez; Prince Kumar; Ujwalkumar Patil