مروری بر چارچوبهای محاسبات ابری و سیستمهای توزیع شده در پردازش داده های سنجش از دور برای پایش آلودگی های دریایی

پایش آلودگی های دریایی در دهه های اخیر تحت تاثیر رشد انفجاری حجم داده های ماهواره ای و پیچیدگی های روزافزون مدل سازی محیط زیستی از رویکردهای سنتی پردازش محلی به سمت زیر ساخت های پیشرفته محاسبات ابری و سیستم های توزیع شده گذار کرده است. این مقاله مروری به بررسی تحلیلی و نظام مند نقش بسترهای ابری قدرتمند مانند Google Earth Engine و AWS و تلفیق آنها با الگوریتم های نوین هوش مصنوعی نظیر جنگل تصادفی، شبکه های عصبی پیچشی و مدل های عمیق در پردازش داده های چندطیفی و ابرطیفی می پردازد. هدف اصلی این واکاوی تبیین کارایی این چارچوب ها در پایش دقیق آلاینده های کلیدی دریایی شامل شکوفایی جلبکی، کلروفیل - a، مواد معلق، کدورت و شناسایی لکه های نفتی در پهنه های آبی وسیع است. یافته های مستخرج از این پژوهش نشان می دهد که معماری های ابری نه تنها محدودیت های سخت افزاری، حافظه و زمان را در تحلیل سری های زمانی طولانی مدت ماهواره ای مرتفع ساخته اند بلکه با فراهم کردن بستر پردازش های برخط و مقیاس پذیر دقت شناسایی آلاینده ها و سرعت تولید نقشه های پایش کیفیت آب را به طور معناداری بهبود بخشیده اند. این مطالعه ضمن استخراج الگوهای موفق در تلفیق داده های چند منبعی و تحلیل اثربخشی معماری های توزیع شده شکاف های فنی موجود در مقیاس پذیری الگوریتم های پیچیده برای پایش های عملیاتی در سطوح ملی و منطقه ای را تبیین کرده است. در نهایت این مرور با ترسیم مسیرهای آتی برای توسعه سامانه های هوشمند خودکار و قابل اتکا در مدیریت ریسک های محیط زیستی دریایی زیر ساختی دانشی برای گذار از مشاهده گری ایستا به پایش پویا و تصمیم گیری های مدیریتی مبتنی بر داده های کلان فراهم می آورد.

کلیدواژه ها:

هوش مصنوعی ، محاسبات ابری ، سنجش از دور ، پایش کیفی ، آب ، تلفیق داده های ماهواره ای