فريق بحثي إسباني يطور نظاما لتقليل مخاطر الانهيارات الأرضية للزلازل

طور فريق بحثي من جامعة الملك خوان كارلوس في العاصمة الإسبانية مدريد، نظاما لتحديد الانهيارات الأرضية التي تسببها الزلازل والتنبؤ بها قبل حدوثها، بهدف تحسين عملية اتخاذ القرار وتقليل المخاطر إلى الحد الأدنى.
تقييم المخاطر
ويعمل المشروع، الذي يتعاون فيه باحثون من جامعة غيريرو المستقلة (UAGRO) في المكسيك، على تقييم المخاطر مع مراعاة العوامل التي عادةً ما يتم تجاهلها في هذا النوع من التحليل، مثل نقاط الضعف البيئي والاجتماعي والاقتصادي.
أخطر الزلازل المدمرة على مستوى العالم.. زلزال 1992 الأقوى بمصر.. وتشريد 1.7 مليون شخص في سومطرة
أخبار مصر: 9 حالات للجمع بين معاشين.. وأسباب تكرار الزلازل الفترة الأخيرة
ويقدم العمل الجديد، المحاولة الأولى لتطوير منهجية قائمة على إطار عمل التعلم الآلي (AutoML)، بهدف السماح للباحثين بالتركيز على تحليل البيانات.
ولتحقيق هذا النظام، استخدم فريق البحث تقنيات الذكاء الاصطناعي القائمة على التعلم الخوارزمي.
وخلال السنوات الأخيرة، استخدمت معظم الأعمال المنفذة في هذا المجال، خوارزميات التعلم الآلي باستخدام مصادر مختلفة للمعلومات، مثل الاستشعار عن بعد أو قواعد البيانات المكانية أو الكتالوجات الجيولوجية.
تقنيات الذكاء الاصطناعي
وقالت باتريثيا أروجانت فونيس، الباحثة في مجال التقنيات البيئية بجامعة الملك خوان كارلوس، ومنسقة المشروع: "تقنيات الذكاء الاصطناعي قابلة للاستنساخ بشكل كبير، ما يولد ميزة كبيرة عندما يتعلق الأمر بالقدرة على تطوير أنظمة التقييم والإنذار المؤتمتة".
وأضافت الباحثة: "في حالتنا، سمح لنا وجود فريق متعدد التخصصات من الخبراء في هذا المجال بالحصول على معرفة متعمقة بالأبعاد المختلفة المتعلقة بظواهر الانهيارات الأرضية والخصائص الإقليمية".
ويمكن أن تكون هذه التقنية ذات أهمية حيوية فيما يتعلق بالحماية المدنية، ومنع الخسائر وتنظيم الإستراتيجيات والسياسات التي تهدف إلى التخفيف من الآثار السلبية لهذه الظواهر الطبيعية.
بالإضافة إلى ذلك، يأمل فريق العلماء في مواصلة التقدم في تقييم المخاطر المرتبطة بالانهيارات الأرضية، بما في ذلك دراسة أكثر تعمقا حول قابلية التأثر وتقييم فقدان خواص نتيجة لهذه الظواهر.
وتضاعفت الانهيارات الأرضية الناجمة عن الزلازل والأعاصير خلال السنوات الأخيرة، لا سيما في البلدان النامية، مما يؤثر بشكل مباشر على الفئات السكانية الأكثر ضعفا.