Satellite Image Analysis

تحليل صور الأقمار الصناعية هو استخراج المعلومات من صور الأرض التي تلتقطها الأقمار الصناعية المدارية: مثل رسم خرائط غطاء الأرض، وإحصاء السفن أو الطائرات أو المباني، وقياس صحة المحاصيل، واكتشاف التغيرات بين تاريخين. وهو فرع من الاستشعار عن بُعد، الذي يشمل أيضًا الصور الملتقطة من الطائرات والطائرات المسيّرة، ويعتمد اليوم على الرؤية الحاسوبية (CV) والتعلّم العميق (DL) لـمعالجة أحجام من الصور لا يستطيع أي فريق من المحللين فحصها يدويًا. وقد صوّر برنامج Landsat الأرض باستمرار منذ عام 1972.

ما تلتقطه الأقمار الصناعية#

تختلف صور الأقمار الصناعية عن الصور العادية وفق أربعة أنواع من الدقة:

• الدقة المكانية: المسافة الأرضية التي تغطيها بكسلة واحدة. يسجل Landsat 8 و9 معظم النطاقات بدقة 30 m، ويصل Sentinel-2 إلى 10 m، بينما تصل دقة الأقمار الصناعية التجارية مثل WorldView-3، التي تشغلها Vantor (وكان اسمها Maxar Intelligence حتى أكتوبر 2025)، إلى نحو 30 cm، وهو ما يكفي لرؤية السيارات الفردية.
• الدقة الطيفية: عدد نطاقات الأطوال الموجية وعرضها. يسجل Sentinel-2 عددًا قدره 13 نطاقًا، من الضوء المرئي إلى الأشعة تحت الحمراء قصيرة الموجة.
• الدقة الزمنية: مدى تكرار تصوير المكان نفسه. تعيد كوكبة Sentinel-2 المؤلفة من قمرين زيارة خط الاستواء كل خمسة أيام، بينما يصوّر أسطول Planet من الأقمار الصناعية الصغيرة يوميًا جميع الأراضي تقريبًا على سطح الأرض بدقة تقارب 3 m.
• الدقة الإشعاعية: مدى دقة تسجيل كل بكسلة للسطوع، وغالبًا ما تكون من 11 إلى 14 بتًا، مقارنةً بـ8 بتات في الصورة القياسية.

نوعان آخران من المستشعرات يوسّعان نطاق ما تستطيع الأقمار الصناعية قياسه. تسجّل أقمار التصوير فائق الطيف مئات النطاقات الضيقة، وترسل أقمار الرادار ذي الفتحة الاصطناعية (SAR)، مثل Sentinel-1، نبضات ميكروية وتسجّل أصداءها، فتتمكن من الرؤية عبر السحب وفي الليل، ما يجعل الرادار مصدرًا رئيسيًا لرسم خرائط الفيضانات تحت غطاء العواصف. تحوّل العمليات الحسابية على النطاقات البيانات الطيفية إلى قياسات فيزيائية: إذ يقترب مؤشر الفرق الطبيعي للغطاء النباتي، NDVI = (NIR − Red) / (NIR + Red)، من 1 فوق الغطاء النباتي الكثيف والسليم، لأن الأوراق تعكس الأشعة تحت الحمراء القريبة بقوة وتمتص الضوء الأحمر.

مهام التحليل الأساسية#

• التجزئة الدلالية: تصنّف كل بكسلة لرسم خرائط غطاء الأرض أو حدود المباني أو الطرق أو امتداد الفيضانات.
• اكتشاف الكائنات: يعثر على كائنات منفصلة مثل السفن والطائرات والمركبات وخزانات التخزين ويحصيها. وتبدو هذه الكائنات صغيرة ومتراصة ومتجهة في كل الاتجاهات عند رؤيتها من الأعلى، لذا تتنبأ الكواشف غالبًا بصناديق إحاطة موجهة تدور لتلائم كل كائن.
• اكتشاف التغيّر: يقارن صور المكان نفسه الملتقطة في تواريخ مختلفة لاكتشاف إزالة الغابات أو الإنشاءات الجديدة أو أضرار الكوارث.
• تصنيف المشاهد: يعيّن تسمية واحدة، مثل الأراضي الزراعية أو الغابات أو المناطق الحضرية، لكل رقعة من الصورة.

تشمل مجموعات بيانات الكشف عن الصور الملتقطة من الأعلى DOTA، التي يعلّق إصدارها الأول 15 فئة باستخدام مربعات ذات اتجاه اعتباطي، وxView، التي تصنّف أكثر من مليون كائن ضمن 60 فئة في صور WorldView-3 بدقة 0.3 متر. تُدرَّب نماذج الصناديق المحيطة الموجّهة من Ultralytics YOLO26 مسبقًا على DOTAv1، وتتنبأ بمربع مُدار لكل كائن:

from ultralytics import YOLO

# ⁨تحميل نموذج YOLO26 للمربعات المحيطة الموجّهة والمدرّب مسبقًا على DOTAv1⁩
model = YOLO("yolo26n-obb.pt")

# ⁨الكشف عن الأجسام في صورة ملتقطة من الأعلى⁩
results = model("https://ultralytics.com/images/boats.jpg")
result = results[0]

# ⁨حفظ الصورة مع رسم مربع مدوّر حول كل كشف⁩
result.save(filename="boats_obb.jpg")

تتبع المربعات المدوّرة اتجاه كل سفينة، ما يمنع القوارب الراسية بإحكام من الاشتراك في مربع واحد كبير جدًا. يجري ضبط النماذج الأساسية الجغرافية المكانية، المدرّبة مسبقًا على أرشيفات ضخمة بلا تسميات، مثل نماذج Prithvi من NASA وIBM المبنية على بيانات Landsat وSentinel-2 المتجانسة، بدقة أعلى لتنفيذ مهام مثل رسم خرائط الفيضانات وآثار الحرائق باستخدام أمثلة موسومة أقل بكثير.

من المشهد الخام إلى الخريطة#

تمتد كل رقعة من Sentinel-2 على 10,980 × 10,980 بكسل في نطاقاتها بدقة 10 m، أي أكبر بكثير من مدخلات النموذج، وتصل كملف مُسنَد جغرافيًا مثل GeoTIFF، ترتبط فيه البكسلات بإحداثيات على الأرض. تصحح مسارات التحليل تأثيرات الغلاف الجوي، وتحجب السحب، وتقسّم المشهد إلى رقع متداخلة، ثم تشغّل النموذج على كل رقعة، وتدمج الكشوف المكررة في مناطق تداخل الرقع، وتحول مواضع البكسلات إلى إحداثيات خرائط لاستخدامها في أدوات GIS. تقرأ المكتبات مثل Rasterio البيانات النقطية المسندة جغرافيًا وتكتبها، كما تعمل مطابقة الصور على محاذاة الصور الملتقطة في تواريخ مختلفة قبل مقارنتها.

تحليل الصور الفضائية مقابل الصور الجوية#

تستخدم الصور الفضائية والجوية النماذج والمهام نفسها، ويكمن الاختلاف في المنصة. تدور الأقمار الصناعية على ارتفاع مئات الكيلومترات، وتصور الكوكب بأكمله وفق جدول زمني ثابت، مع أرشيفات تمتد لعقود. أما الطائرات والطائرات المسيّرة فتحلّق عند الطلب فوق مناطق صغيرة وتلتقط تفاصيل على مستوى السنتيمترات، ما يجعلها مناسبة لفحص الأسطح والمحاصيل وريش توربينات الرياح. غالبًا ما تمزج مجموعات بيانات الكشف عن الأجسام في الصور الملتقطة من الأعلى بين المصدرين، وتتضمن DOTA صورًا فضائية وجوية.

التطبيقات#

• الزراعة: رسم خرائط أنواع المحاصيل، وتقدير الغلة، ورصد إجهاد المحاصيل في مناطق بأكملها استنادًا إلى NDVI.
• الغابات والمناخ: تتتبع الخرائط العالمية لفقدان الغطاء الشجري، المستندة إلى Landsat وبدقة 30 m، إزالة الغابات عامًا بعد عام.
• الاستجابة للكوارث: تساعد خرائط الفيضانات المستندة إلى SAR وتقييمات الأضرار قبل الكارثة وبعدها في توجيه جهود الإغاثة، كما يوفر الميثاق الدولي للفضاء والكوارث الكبرى بيانات الأقمار الصناعية مجانًا لفرق الاستجابة.
• التخطيط الحضري: يساعد استخراج بصمات المباني ورسم خرائط الطرق على إبقاء الخرائط محدثة في المدن سريعة النمو.
• الرصد البحري: وجدت دراسة نُشرت عام 2024 في Nature، عبر الجمع بين كشوف SAR والكشوف البصرية وبيانات تتبع السفن، أن نحو ثلاثة أرباع سفن الصيد الصناعية في العالم لا تُتتبّع علنًا.