20/10/2026
ללמוד מהעבר, לחזות את העתיד: מודל בינה מלאכותית חדש מנתח 35 שנות תצפיות לוויין לחיזוי שינויים סביבתיים
עידו פארן, דוקטורנט במחלקה למדעי המחשב ובינה מלאכותית, בהנחייתם המשותפת של פרופ' נתן נתניהו ופרופ' מקסים שושני מהטכניון, פיתח במסגרת מחקרו שיטות מתקדמות של למידה עמוקה, המבוססות על למידה עצמית מנתונים בלתי מתויגים, לניתוח סדרות עתיות (time series) של תצפיות לוויין המשתרעות על פני עשרות שנים. שיטות אלו מאפשרות לזהות דפוסים ומגמות ארוכות טווח במאגרי נתונים רחבי היקף, תוך התמקדות בניתוח ובחיזוי שינויים במצב הצמחייה לאורך זמן.
המחקר הניב שורת פרסומים מדעיים בכנסים בין־לאומיים, ובהם IGARSS ו־ICPRAM, לצד פרסום מורחב בהוצאת Springer. גולת הכותרת היא מאמר שהתקבל לאחרונה לפרסום בכתב העת המדעי המוביל IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing (J-STARS).
במאמר זה מוצג SeasonalViT, מודל שפותח על בסיס מאגר נתונים רחב היקף הכולל 35 שנות תצפיות מכ־250 אלף מיקומים ברחבי העולם. המודל לומד לזהות ולשלב מחזוריות עונתית עם מגמות ארוכות טווח, לרבות שינויים במחזוריות עצמה, ומשתמש בדפוסים אלה לחיזוי שינויים במצב הצמחייה לאורך זמן, ללא צורך בתיוג ידני של נתוני האימון.
למחקר פוטנציאל יישומי נרחב בתחומי הניטור והחיזוי הסביבתי, לרבות מעקב אחר תהליכי מדבור, זיהוי שינויים במערכות אקולוגיות, תכנון חקלאי ארוך טווח ואף סיוע עתידי בהערכת סיכוני שריפות באמצעות מעקב אחר מצב הצמחייה.
עבודתו של פארן ממחישה את הפוטנציאל הטמון בשילוב בין שיטות מתקדמות של בינה מלאכותית לבין מאגרי תצפיות לוויין רחבי היקף, להפקת תובנות ותחזיות בעלות משמעות מדעית ויישומית להבנת השינויים בסביבתנו.
קישור למאמר המלא בתגובה הראשונה>>
אוניברסיטת בר-אילן
