پیشبینی رانش زمین با کمک نرمافزاری جدید
پژوهشگران و دانشمندان استرالیایی با استفاده از هوش مصنوعی و ریاضیات موفق شدند تغییرات کوچک در حوادث طبیعی را تشخیص دهند که این موضوع ممکن است برای جلوگیری از ایجاد وقایع مرگبار مفید باشد.
برای توسعه این نرمافزار از دادههای رادار شرکتهای استخراج معادن که اطلاعات بسیار دقیقی از حرکت سطحی دامنه کوهها دارند، استفادهشده است. با بررسی این دادهها و شناسایی الگوهای موجود میتوان متوجه شبکههای حرکتی نامناسب مکانها شد.
طی هفته گذشته در شمال هند، هفت نفر از اعضای یک خانواده به علت بارش سنگین باران و جاری شدن سیل در خانه خود زیر حجم زیادی از گل مدفون شدند. در ماه جولای، رانش زمین در یک معدن یشم سبز یا جید در میانمار ۲۷ کشته برجای گذاشت. در اوایل سال جاری، بیش از ۲۰ تن از مردم کالیفرنیای جنوبی در اثر جاری شدن سیل و طغیان آب از بستر رودخانه کشته شدند.
رانش زمین، سیل و گلولای، جریانهای شدید رودخانهای و غیره همگی خطرات جغرافیایی هستند که حوادثی طبیعی ایجاد میکنند. این وقایع در هر بخشی از دنیا میتوانند ظاهرشده و به فاجعه ختم شوند. معمولاً اینگونه حوادث طبیعی به ناگهان و بدون هشدار ظاهر میشوند و به همین جهت اغلب مرگبار هستند. برآورد شده است که سالانه پنج هزار نفر در اثر اینگونه حوادث جان خود را در گوشه و کنار جهان از دست میدهند.
محققان استرالیایی در جدیدترین فعالیتهای تحقیقاتی خود موفق شدند نرمافزاری را طراحی کنند که قادر به شناسایی نشانههای ظریف و تغییرات کوچک رانش و لرزش زمین است. ممکن است با شناسایی چنین نشانههایی تا دو هفته پیش از وقوع حادثه بتوان نسبت به آمادگی مردم و تخلیه افراد از محیط اقدام کرد.
آنتونیت توردیسیلز (Antoinette Tordesillas) استاد دانشکده ریاضیات و آمار دانشگاه ملبورن استرالیا و سرپرست این گروه تحقیقاتی در این رابطه اعلام کرد: «در حال حاضر، بسیاری از پیشبینیهای مرتبط با رانش زمین و زمینلرزه، بر اساس غریزه اشخاص حاضر در محل است. ما به غریزه متکی نیستیم و میخواهیم یک روش عینی برای پیشبینی رانش زمین ایجاد کنیم.»
توردیسیلز و گروه تحقیقاتیاش برای توسعه این نرمافزار از دادههای رادار شرکتهای استخراج معادن که اطلاعات بسیار دقیقی از حرکت سطحی دامنهها دارند، استفاده کردهاند. این گروه دادههای موجود را بررسی کرده و الگوی آنها را به دست آورده و متوجه شدند که شبکههای حرکتی مکانها نامناسب هستند. از سوی دیگر، آنها از دادههای رانش زمین تحت تأثیر یک آتشفشان ایتالیایی استفاده کردند تا به الگوریتم توسعه کمک کنند.
توردیسیلز معتقد است: «اینیک مجموعه داده بسیار بزرگ است که اساساً مانند پیدا کردن سوزن در انبار کاه است. این الگوریتم، فقط یک الگو نیست، چراکه الگوهای زیادی وجود دارد که در دادههای مربوط به رانش زمین میتوان آنها را پیدا کرد.»
همچنین این نرمافزار میتواند دادههای مربوط به دیگر عوامل حوادث طبیعی، مانند بارندگی شدید و فرسایش زمین را بهطور دقیقتری هدف قرار دهد. دادههای مورداستفاده برای نظارت میتوانند از رادار، ماهواره یا حتی هواپیماهای بدون سرنشین دریافت شوند. این گروه پژوهشی امیدوار هستند که با کمک این نرم بتوانند به آسیبپذیرترین قشر جهان کمک کنند.
توردیسیلز در ادامه سخنانش گفت: «رانش زمین یک مشکل جهانی است اما در کشورهای جهان سوم شایعتر است.» او امیدوار است که این نرمافزار به همه مردم در سراسر جهان کمک کند که در برابر این پدیده آمادگی لازم را پیداکرده و با آگاهی از وقوع آن به حفظ جان و مال خود بپردازند.
مایکل همبرگر (Michael Hamburger) استاد ژئوفیزیک دانشگاه ایندیانای ایالاتمتحده آمریکا که موارد رانش زمین را با کمک فناوریهای مدرن بررسی میکند، میگوید: «این پروژه امیدوارکننده به نظر میآید.» او معتقد است که نظارت بر مناطقی که رانش زمین در آن شایع است، میتواند اطلاعات بسیاری را در اختیار محققان قرار دهد چراکه دانشمندان نیاز زیادی به اینگونه اطلاعات دارند. قابلذکر است که نرمافزار مذکور، فرایند تجزیهوتحلیل دادهها را سریعتر میکند.
یکی از مشکلات پیش روی اعضای گروه تحقیقاتی، این است که تنها تعدادی از مناطق مستعد رانش زمین تحت نظارت قرار دارند و میتوانند دادههای موردنیاز نرمافزار موردبحث را فراهم سازند درحالیکه بسیاری از این مناطق در سطح جهانی تحت نظارت قرار ندارد.
پروفسور همبرگر در توضیحاتش میگوید: «درصد کمی از مناطق دارای رانش زمین تحت نظارت قرار دارند و در سراسر جهان میلیونها و میلیونها مترمربع بهویژه در مناطق کوهستانی و در کشورهای درحالتوسعه وجود دارند که بهطور سیستماتیک مستعد ایجاد رانش هستند.»
او امیدوار است که بتواند دادههای بیشتری را از مناطق مختلف که رانش زمین در آنها به وقوع پیوسته با کمک دستگاههای قابلحمل کوچک حتی تلفنها، جمعآوری کرده و اطلاعات این نرمافزار را تکمیل کند.
ترجمه: فاطمه کردی
منبع: smithsonianmag
No tags for this post.