استفاده از هوش مصنوعی برای نقشهبرداری اراضی کشاورزی
سامانهٔ انقلابی هوش مصنوعی با دقت ۹۲٪ نقشهبرداری اراضی کشاورزی را متحول میکند
به گزارش پایگاه خبری ریشامگ، پژوهشگران ایرانی در یک مطالعهٔ پیشگامانه، سامانهٔ کاملاً خودکار هوش مصنوعی را معرفی کردهاند که سرعت و دقت نقشهبرداری اراضی کشاورزی را بهطور چشمگیری افزایش میدهد. این فناوری میتواند مدیریت و دیجیتالیسازی اراضی وسیع روستایی در کشورها را دگرگون کند.
سامانهٔ جدید که توسط تیمی در دانشگاه شهید بهشتی تهران توسعه یافته، از مدل پیشرفتهٔ “سگمنت اِنیتینگ” (SAM) متعلق به متا استفاده میکند تا با دقتی قابل توجه، نقشههای کاداستر (ثبتالملکی) کشاورزی را از تصاویر ماهوارهای و هوایی استخراج و دیجیتالی کند. این پژوهش که در مجلهٔ معتبر IEEE منتشر شده، به دقت ۹۲٪ و کاهش ۴۰٪ زمان پردازش دست یافته است.
این دستاورد گامی بلند نسبت به روشهای سنتی نقشهبرداری است که همواره چالشهای جهانی ایجاد کردهاند. روشهای متداول نیازمند نیروی انسانی فراوان، زمانبر (گاه چندساله) و غالباً غیریکنواخت هستند. سامانهٔ هوش مصنوعی با حذف کامل دخالت انسان، مشکل اصلی کندی پیشرفت نقشهبرداری کاداستر را حل میکند.
راهحلی برای چالشی جهانی
اهمیت این ابداع با توجه به ابعاد مشکل آشکار میشود: پروژهٔ ملی نقشهبرداری کاداستر ایران پس از چهار دهه تنها ۱۰٪ اراضی کشاورزی کشور را پوشش داده است. این چالش منحصر به ایران نیست—۷۰٪ حقوق مالکیت زمین در جهان ثبت نشده، که مانعی برای توسعهٔ اقتصادی، کشاورزی پایدار و حکمرانی مؤثر است.
به گفتهٔ پژوهشگران: «بهروزرسانی و دیجیتالیسازی نقشههای کاداستر چالشی بزرگ در مدیریت اراضی است و منابع مالی و انسانی قابلتوجهی میطلبد.» راهحل مبتنی بر هوش مصنوعی آنها، کل فرایند از پردازش تصویر تا تولید نقشهٔ نهایی را خودکار میکند.
پیامدهای گستردهٔ اجتماعی
فراتر از دستاوردهای فنی، این پژوهش نیازهای حیاتی جامعه را پوشش میدهد:
- توسعهٔ اقتصادی: نقشههای دقیق، حقوق مالکیت را تضمین میکنند، سرمایهگذاری را تسهیل و اختلافات مالی را کاهش میدهند.
- پایداری محیطزیست: خودکارسازی، ردپای کربن روشهای سنتی را کم میکند و برنامهریزی کاربری اراضی را بهبود میبخشد.
- عدالت حقوقی: تعیین دقیق مرزها از اختلافات ملکی پیشگیری و توزیع عادلانهٔ منابع را ممکن میسازد.
محدودیتها و چشمانداز آینده
اگرچه فناوری نویدبخش است، اما در مناطق با پوشش گیاهی انبوه یا کاربری مختلط زمینها دقت کمتری دارد. بهبود آتی با استفاده از دادههای چندطیفی یا لیدار ممکن خواهد شد. همچنین دسترسی محدود به تصاویر باکیفیت در برخی مناطق چالشی است که نیازمند راهحلهای مقرونبهصرفه است.
این فناوری در شرایطی ارائه میشود که کشورها برای مدیریت زمین تحت فشار شهرنشینی شتابان نیازمند راهحلهای کارآمدند. قابلیتهای این مدل هوش مصنوعی تنها به کشاورزی محدود نمیشود و میتواند برنامهریزی شهری، پایش محیطزیست و مدیریت بحران را متحول کند.
گامهای بعدی
پژوهشگران سامانه را با استفاده از کتابخانههای پایتون متنباز پیادهسازی کردهاند تا برای نقشهبرداران و سیاستگذاران جهانی قابلدسترس باشد. بهروزرسانی مدل با پیشرفتهای آیندهٔ هوش مصنوعی، اثرگذاری آن را تداوم خواهد بخشید.
این نوآوری تنها یک دستاورد فنی نیست، بلکه راهی بهسوی سیستمهای مدیریت اراضی عادلانهتر، پایدارتر و کارآمدتر است. با تسهیل نقشهبرداری دقیق، سریع و مقرونبهصرفه، این پیشرفت هوش مصنوعی میتواند فرصتهای اقتصادی را آزاد کند و به اهداف توسعهٔ پایدار جهانی یاری رساند.
