هوش جغرافیایی چیست؟

هوش جغرافیایی(GEOINT) زمینه گسترده ای است که تقاطع داده های مکانی با عوامل اجتماعی ، سیاسی ، زیست محیطی و عوامل متعدد دیگر را در بر می گیرد. انجمن اطلاعات هوش جغرافیایی را چنین تعریف می کند: “استفاده و تجزیه و تحلیل اطلاعات مکانی برای ارزیابی فعالیتهای زمین مرجع شده”.

اطلاعات مکانی –  فضایی (GEOINT) برای دهه ها نقش اساسی در عملیات های نظامی و در زمینه گسترده تر امنیت انسانی داشته است. از ارائه اطلاعات مهم در حل بحران موشکی کوبا در سال 1962 گرفته تا کمک به ایالات متحده برای تسهیل مذاکرات پایان یافته در جنگ بوسنی در سال 1992 ، برنامه های نظامی GIS برای خاتمه دادن به درگیری هایی که ممکن است در طول دهه های طولانی ادامه داشته باشند بسیار مهم بوده است.

با این حال ، یکی از جذاب ترین جنبه های GEOINT چگونگی تکامل آن با استفاده از فناوری های جدید است . علاوه بر بررسی اینکه هوش جغرافیایی چیست ، ما می خواهیم از طریق یک لنز مدرن به GEOINT نگاهی بیندازیم و نحوه استفاده دولت ها و سازمان های دیگر از GIS برای برنامه های GEOINT امروز و همچنین برخی از پیشرفت هایی که به تکامل GEOINT کمک کرده است را بررسی کنیم ، از جمله:

4 کاربرد هوش جغرافیایی

• نقش یادگیری ماشین و GEOINT در واکنش به بلایا
• بسترهای نرم افزاری داده های مکانی و کمبود غذا
• قابلیت همکاری برای برنامه ها و داده های GEOINT در ارتش
• نقش سرپرستی داده ها در نقشه برداری بحران

نسل بعدی برنامه های اطلاعاتی GIS

یکی از مهمترین روندهای هوش جغرافیایی یا هوش مکانی تغییر در ایجاد و مالکیت داده ها است. همانطور که بنیاد اطلاعات جغرافیایی ایالات متحده متذکر شد ، منابع اطلاعاتی جدید مانند OpenStreetMap و تصاویر رسانه های اجتماعی دارای برچسب جغرافیایی می توانند از هوش حیاتی استفاده کنند. با این حال ، در دسترس بودن و ماهیت باز این سیستم عامل ها همچنین چالش هایی را برای جامعه GEOINT ایجاد می کند ، که باید به داده هایی اعتماد کند که دیگر مالکیت و کنترل کامل آنها را ندارد.

1. یادگیری ماشین و GEOINT: مدیریت هرج و مرج بلایای طبیعی

اگرچه ممکن است گاهی اوقات به نظر برسد که کل جهان مستند ، فهرست بندی و تحلیل شده است ، اما هنوز هم ساختارهای دائمی و نیمه دائمی زیادی وجود دارد که بدون نقشه باقی مانده اند. یکی از اصلی ترین موانع جمع آوری داده های مکانی ، کار دستی و فشرده بوده است. این امر به ویژه برای مواردی که مناظر و ساختارها به طرز چشمگیری تغییر می کنند (یعنی بعد از یک فاجعه طبیعی) مشکل ساز است.

نرم افزار هوش جغرافیایی ، تقویت شده با یادگیری ماشین و هوش مصنوعی ، می تواند به نقشه برداری تغییرات در زمین و سازه ها کمک کند ، و باعث کارآیی و کارآیی بیشتر پروژه های مقابله با حوادث شود. چندین سازمان به دنبال الگوریتم هایی برای کمک به ایجاد نقشه های به موقع و دقیق تر هستند. یک مثال SpaceNet “چالش شناسایی و مسیریابی جاده” است ، یک رقابت 50،000 دلاری برای توسعه یک روش خودکار برای استخراج اطلاعات در مورد شبکه های جاده ای. داده های Crowdsourced ثابت کرد که در پاسخ به طوفان ماریا در پورتوریکو یک منبع بسیار ارزشمند است ، اما اجرای موفقیت آمیز یادگیری ماشین می تواند نقشه های سریعتر و دقیق تری را برای کمک به پرسنل اورژانس برای یافتن افراد نیازمند یا شناسایی بهترین مسیرها برای تحویل تجهیزات فراهم کند.

2. بسترهای نرم افزاری داده های فضایی موثر در مبارزه با گرسنگی جهانی

یکی از چالش های اساسی گرسنگی در سرتاسر جهان این واقعیت است که با شروع تلاش های بشردوستانه ، شرایط کمبود معمولاً وخیم تر شده است. این فقط یکی از مهمترین چالشهایی است که دارپا امیدوار است بتواند از طریق یک پروژه 7.2 میلیون دلاری که به آزمایشگاههای دکارت اعطا شده ، آن را حل کند. این شرکت امیدوار است که یک مخزن گسترده داده های مکانی، سنسورهای ابر طیفی  ، تصاویر ماهواره ای و داده های 75 شریک مختلف ایجاد کند.

در سال 2017 ، این شرکت یک کنفرانس بسیار بزرگ  را برگزار کرد و هدف آن توسعه دهندگان رسیدگی به مسائل مربوط به امنیت غذایی بود. پروژه های حاصل شامل:

• بستری برای کمک به کشاورزان در به اشتراک گذاشتن اطلاعاتی که به مناطق در محافظت از محصول و جلوگیری از کمبود کمک می کند
• توسعه شاخص خطر امنیت غذایی
• سیستم توزیع ماهی برای بهینه سازی تحویل به مناطق آسیب دیده از خشکسالی

فراتر از تأثیر مستقیم کاهش درد ناشی از کمبود غذا ، این شرکت پیشنهاد می کند که رفع کمبود قبل از اینکه به یک مشکل وخیم تبدیل شود می تواند به جلوگیری از درگیری بر سر منابع کمک کند.

3. قابلیت همکاری آینده عملیات مشترک GEOINT را پیش می برد

ارتش آمریكا برای حل درگیری ها ، محافظت از نیروها ، ارزیابی خطرات و به دست آوردن اطلاعات در مورد عملیات دشمن ، یكی از کاربران دیرینه اطلاعات GIS بوده است. ارتش گرچه روند جدیدی نیست ، اما چالش های جدیدی را برطرف کرده است.

یکی از مهمترین تغییرات در نحوه استفاده ارتش از هوش مکانی – فضایی ، تصویب چارچوب تولید مبتنی بر شی بود. این فلسفه GEOINT را به گردآوری داده ها با هم درمورد موضوعات خاص متمرکز می کند ، به جای اینکه وظیفه تحلیلگران را برای جمع آوری اطلاعات از منابع مختلف انجام دهد. به این ترتیب ، تحلیلگران بیشتر از این که با مدیریت داده ها کار کنند ، به توسعه هوش و بینش می پردازند.

این رویکرد به ویژه در عملیات مشترک چند ملیتی ، جایی که داده ها و برنامه های GIS باید با یکدیگر همکاری داشته باشند ، برای اطمینان از دسترسی همه ذینفعان به اطلاعات مهم مأموریت ، بسیار با ارزش است.

4. فرمان داده های مکانی-مکانی به عنوان یک عامل حیاتی در بهبود نقشه برداری بحران

اگرچه تجسم و تجزیه و تحلیل ارائه شده به عوامل اضطراری به شدت توانایی ما در پاسخگویی به حوادث مانند طوفان و سایر بلایای طبیعی را بهبود بخشیده است ، اما این تنها یک عامل در تکامل GEOINT است. به عنوان مثال ، در طول پاسخ به طوفان ماریا ، داده های مکانی بسیار زیاد بود اما متفاوت و استفاده از آنها دشوار بود . این امر منجر به مشکلاتی مانند تحویل و تحویل تکراری شد که برنامه ریزی شده بود ، اما هرگز انجام نشد.

یکی از تحولاتی که در نتیجه مشکلاتی از این قبیل بوجود آمده است ، افزایش محصولات هوش مکانی فضایی سلف سرویس بوده است. به عنوان مثال ، پورتال فاجعه های GeoPlatform از FEMA اطلاعات مکانی و مجموعه داده های متعدد برنامه ها و منابع دیگر را فراهم می کند و نقش مهمی در نظارت بر داده ها دارد. این امر به طور م givesثر به اولین پاسخ دهندگان و تیم های GEOINT در پاسخگویی به بلایای طبیعی شروع می کند.

یکی از مضامین اصلی در تمام موارد استفاده شده GEOINT در بالا ، حجم وسیع داده ها است. همانطور که به آینده نگاه می کنیم ، توانایی مدیریت داده ها در حجم زیاد همچنان یک موضوع اصلی خواهد بود. با این حال ، توجه به این نکته مهم است که صنعت GEOINT هم در تجزیه و تحلیل و هم در تهیه آن داده ها به تخصص احتیاج دارد. همانطور که مجله Trajectory Magazine خاطرنشان کرد ، مدیریت داده ها اغلب به عنوان یک کارکرد محیطی دیده می شود ، اما در دنیای GEOINT امروز ، که تعداد منابع داده و انواع مختلف داده ها به طور تصاعدی رشد می کند ، این امر حیاتی است.