اهمیت کلان داده‌ها در حفاظت از محیط زیست (بخش دوم)

در این بخش به اهمیت استفاده از کلان دادها در سازمان‌های مدیریت منابع طبیعی خواهیم پرداخت.

مانیبال محیط زیست

اصطلاح Moneyball از سخن لوییس (2003) "هنر پیروزی در یک بازی ناعادلانه" منشأ گرفته می‌شود که اساس فیلمMoneyBall در سال 2011 بود. داستان مانیبال در مورد این است که چگونه تیم بیس بال اوکلند با بودجه حقوق و دستمزد 41 میلیون دلار آمریکا توانست با موفقیت در مقابل تیم‌های بسیار ثروتمندتر (مانند نیویورک یانکیز با بودجه حقوق و دستمزد 125 دلار آمریکا) رقابت کند. روشی که اوکلند به کاربرد از معیارهای سنتی در نظر گرفته‌شده برای تعیین ارزش یک بازیکن بیس بال دور بود و او از روش آماری داده محور برای کاوش عمیق داده‌ها و خرید بازیکنان عالی که از نظر معیارهای سنتی کم ارزش بودند، استفاده نمود. از قدیم الایام، معیارهای سنتی نقش اصلی را در تعیین ارزش بازیکن داشتند. با این حال، هنگامی‌که اوکلند، داده‌ها را تجزیه‌وتحلیل کرد متوجه شد مجموعه‌ای از معیارهای سنتی تا به حال در نظر گرفته شده برای یک بازیکن با عملکرد کلی تیم مطابقت ندارد. به عبارتی تیمی از بازیکنان که از نظر معیارهای سنتی نمره خوبی می‌گرفتند، لزوماً یک تیم موفق در بازی نبودند. اوکلند معیارهای بصیرت بیشتری را برای خود توسعه داد، و بازیکنان کم ارزش را خرید و با بازی در پلی آف سال 2002 و 2003 موفقیت تاریخی را رقم زد. اوکلند از روش آماری داده محور برای کاوش عمیق داده‌ها و خرید بازیکنان عالی که از نظر معیارهای سنتی کم ارزش بودند، اقدام نمود و توانست موفقیتی تاریخی رقم بزند.

با ارائه یک مثال می توان به اهمیت کلان داده‌ها در مدیریت منابع طبیعی داخل کشور نیز اشاره نمود. بنا بر اطلاعات مرکز آمار ایران، شمار آتش سوزی در جنگلهای ایران، از اندازه گذشته است و دیگر نمیتوان خوشباورانه آن را در شمار «بلایای طبیعی» برشمرد و از زیر بار مسئولیت پدید آمدن آن شانه خالی کرد. اینگونه به گمان میرسد که ارادهای برای نگاهبانی از جنگلها وجود ندارد و هکتار، هکتار جنگل است که میسوزد، بی آنکه مسئولان چاره‌ای برای آن بیاندیشند.

سیاست‌های برنامه‌ریزی و مدیریت جنگل‌داری اخیر چین، که توسط فناوری کلان داده‌ها هدایت می‌شود، استفاده از کلان داده‌ها را در حفاظت از اکوسیستم‌های جنگلی و توسعه منابع جنگلداری ترویج می‌دهد. از جمله اقدامات چین در این زمینه، تسریع در ساخت سیستم کلان داده‌ها جنگلداری، ایجاد مؤسسات تحقیقاتی کلان داده‌ها جنگلداری، و همچنین ترویج تحقیقات فناوری کلان داده‌ها جنگلداری، است. این مثال نقش پتانسیل فناوری کلان داده‌ها را در حفاظت و مدیریت اکوسیستم جنگل و همچنین عزم دولت را برای حفاظت از اکوسیستم جنگل نشان می‌دهد. روشن است که در نواحی جنگلی داخل نیز باید مرکز کلان داده‌ها راه اندازی شود. پیش‌بینی یا تشخیص زود هنگام آتش‌سوزی بر اساس کلان داده‌ها به مدیریت پایدار جنگل کمک زیادی می‌کند. وقتی درختی در جنگل قطع می‌شود یا می سوزد، صدایی ایجاد نمی‌کند، ایجاد یک سیستم کلان داده زمان واقعی می‌تواند از طریق یک برنامه کامپیوتری طی یک هشدار هرگونه مشکل را به فعالان، مدیران، و سیاست‌گذاران محیط زیست در سراسر کشور ارسال نماید و مدیران جنگل‌ها می‌توانند به‌راحتی نشانه‌هایی از قطع غیرقانونی درختان و یا آتش‌سوزی در مناطق را بیابند و اقدامات فوری انجام دهند. آگاهی بخشی به مردم بومی برای نگاهبانی از جنگل ها و شیوه های پیشگیری از پدید آمدن آتش در جنگل، یک راه‌حل دیگر است که با اندکی هزینه می توان به کار گرفت. سازمانهای مردم نهاد می توانند در این زمینه پیشگام و کمک رسان باشند. با توسعه فناوری کلان داده‌ها، مانند به کارگیری شبکه‌های حسگر بی‌سیم قابل شارژ (RWSN)، می‌توان پیش‌بینی آتش‌سوزی جنگل را اجرا کرد و خطر آتش‌سوزی جنگل را محاسبه کرد.
به طور کل ایجاد یک مرکز کلان داده منابع طبیعی، اقدامی واقع‌بینانه برای مدیریت منابع طبیعی در کشور است. تجزیه‌وتحلیل کلان داده‌ها، به بهبود قابلیت پیش‌بینی و هشدار سریع حوادث طبیعی و شرایط اضطراری کمک می‌کند. مدت مدیدی است که مدیریت منابع طبیعی و آب در کشور تحت کنترل چندین مقام دولتی است. با ایجاد یک مرکز کلان داده منابع طبیعی، داده‌های مربوط به منابع طبیعی، مانند زمین، مواد معدنی، جنگل‌ها، مراتع و منابع آب، ادغام می‌شوند و موانع تحرک سازمانی و اشتراکی بین بخشی، برطرف خواهد شد. مزیت کلان داده‌ها این است که می‌تواند به‌طور قابل‌توجهی شفافیت، ارتباط و اشتراک داده را بین ادارات دولتی، شرکت‌ها و مردم بهبود بخشد. کلان داده‌های منابع طبیعی بخش مهمی از اجرای استراتژی ملی کلان داده‌ها هستند و استفاده و توسعه کلان داده‌های منابع طبیعی یک نیاز فوری برای توسعه منابع طبیعی در دوره جدید است. همچنین حضور یک سیستم نظارت عمومی مداوم بر تغییرات کاربری زمین، کیفیت آب، فضای سبز و مصرف انرژی، از طریق یک پلتفرم آنلاین جهت اطمینان از اینکه جامعه نیز قادر به مشارکت باشند، موضوعی ضروری است.

با این مثال، بیان نمی‌کنیم که روش‌هایی که در حال حاضر با استفاده از آن‌‌ها منابع طبیعی را مدیریت می‌کنیم، نامناسب هستند، اما بدون تعیین کمیت مزایای کاری که انجام می‌دهیم، هرگز نمی‌توانیم راجع به آن‌ها اظهارنظر درست نماییم. وقت آن است که مانیبال را به مدیریت منابع طبیعی و محیط زیست کشور بکشانیم. برای این کار باید مزایا را کمی کرده و آن را با هزینه‌ها مقایسه کنیم. برای پیاده سازی Moneyball ما به داده نیاز داریم و باید بتوانیم آن را تجزیه‌وتحلیل کنیم.

برای اینکه داده‌های بیشتری در تصمیم‌گیری‌های خود داشته باشیم، نیازمند دسترسی آسان به داده‌‌های مربوطه، روش‌های آسان برای مدیریت و به اشتراک‌گذاری داده‌‌ها در تیم پروژه، و روش‌‌‌های آسان ترکیب، تجزیه‌وتحلیل، و گزارش نتایج هستیم.

به اشتراک گذاری و مدیریت داده‌ها: کلید مدیریت داده‌ها، دموکراتیک کردن فرایند مدیریت داده‌ها و تجزیه‌وتحلیل است. عدم استراتژی مناسب برای مدیریت داده‌ها منجر به مشکل همه‌جانبه برای آماده‌سازی داده‌ها می‌شود و باید زمان زیادی را جهت پردازش و مدیریت مجدد داده‌ها صرف نمود. استفاده از قابلیت‌های مدیریتی و ذخیره‌سازی داده‌های مبتنی بر ابر، باعث کاهش هزینه‌‌های سنگین پایگاه داده و مدیریت داده می‌شود. به عنوان مثال ابزارهایی مانندdropbox.com ،box.com یا صفحات آنلاین ارائه‌شده در Google.com و Microsoft می‌توانند به‌سادگی ابزارهای اشتراک آنلاین فایل‌ها، باشند که دسترسی از هرکجا به پرونده‌های مشترک را امکان‌پذیر می‌نمایند.

تلفیق تحلیل داده‌ها و گزارش‌گیری: برای ایجاد مانیبال محیط زیست، به دموکراتیک کردن داده‌ها جهت پرورش مسئولیت‌پذیری جمعی تیم در برابر داده‌ها، و ابزارهایی به منظور تجزیه‌وتحلیل داده‌ها نیاز است. این وظیفه به‌طور سنتی قلمرو تحلیلگر داده یا آمار بوده است. اما معمولاً برای رسیدن به روابط اصلی بین داده‌ها به روش های آماری پیچیده یا بسته های نرم‌افزاری نیاز نیست. دو فن بسیار قدرتمند برای داده‌ها تحت عنوان فیلترینگ و بصری‌سازی متغیر ها وجود دارد. به عنوان نمونه ممکن است از یک مجموعه داده کیفیت آب فقط نمونه‌های مربوط به رویداد های غیر طوفانی، مدنظر باشد، بنابراین با فیلترینگ، داده‌های کیفیت آب در روز هایی که جریان کم بوده از پرونده اصلی استخراج می‌شود. دومین تکنیک قدرتمند، بصری سازی ساده یک متغیر، در مقابل متغیر دیگر، در یک نمودار پراکندگی استاندارد است. سیستم‌های محیط زیستی پیچیده هستند و عناصر متقابل زیادی در آن ها وجود دارد، اما به عنوان مثال توانایی ترسیم کیفیت اقلیم خشک در برابر میزان پوشش گیاهی ساحلی سالم در بالادست، نشانه‌ای از قدرت و اهمیت روابط و مهم بودن روابط نسبت به سایر آزمون ها است. شاید این موضوع ساده به نظر برسد، اما برای اجرای آن ها به تجزیه‌وتحلیل مکانی و زمانی داده‌ها احتیاج است. تا همین اواخر، تجزیه‌وتحلیل مکانی و زمانی، حوزه‌های بسیار جداگانه ای بودند، و تجزیه‌وتحلیل مکانی به دلیل استفاده از نرم افزار پیچیده، نیازمند مهارت بالا و تخصصی بود. اما در حال حاضر، ابزارهای تجزیه‌وتحلیل مکانی آنلاین در حال رشد هستند و حتی برنامه Google Earth یک برنامه ارزان قیمت و قدرتمند GIS را ارائه می دهد، که در آن تعداد زیادی از ابزارهای آنلاین با هدف استفاده توسط کاربر غیرمتخصص برای تجسم سازی و تجزیه‌وتحلیل سریع داده‌ها وجود دارد.

موارد نیاز به توجه در استفاده از منابع آنلاین برای مدیریت بهتر داده‌ها

یکی از دلایل مختلفی که ما از منابع آنلاین جهت مدیریت بهتر داده‌‌ها استفاده نمی‌‌کنیم جدید بودن آن‌هاست‌‌ و تصویب روش‌‌های جدید، مدتی طول می‌‌کشد.

1- امنیت: کاربران برای حفظ امنیت اطلاعات خود، تمایل ندارند به شخص ثالث اعتماد کنند. امنیت مهم‌ترین مسئله برای ارائه‌دهندگان انبار داده آنلاین است، به همین دلیل کاربران حساسیت زیادی برای محافظت از امنیت سیستم‌های خود دارند. هیچ سیستمی بی‌خطر نیست، بیشترین اطلاعات هنگام انتقال از طریق اینترنت رمزگذاری می‌شود، و سطح دوم رمزگذاری هنگامی است که آن‌ها در پایگاه داده ذخیره می‌شود که نسخه‌های مختلف پشتیبان از داده‌ها تهیه می‌‌شود تا در صورت از بین رفتن یا خراب شدن پرونده، در دسترس باشند. اما ممکن است هکری به مخزن داده آنلاین دسترسی پیدا کند، از این رو یک دید نسبتاً تحریف شده‌ نسبت به امنیت سیستم‌های ذخیره‌سازی اطلاعات آنلاین وجود دارد.

2- پهنای باند: برخی از راه‌حل‌های آنلاین نسخه‌های تکراری از پرونده‌ها در رایانه کاربران ایجاد می‌‌کنند که هنگام کار آفلاین بسیار مناسب هستند. اما می‌‌تواند برای مجموعه‌های بزرگ داده مشکل‌ساز شود. اکنون بیشتر ارائه‌دهندگان مانندdropbox.com ، google docs اجازه می‌دهند، تنظیمات تکثیر توسط کاربران کنترل شود تا نسخه‌برداری از پرونده‌ها محدود شود.

3- سرپرستی داده‌ها: اگر پرونده‌‌های داده جمعی به اشتراک گذاشته شوند، اختیارات مشخصی برای نگهداری داده‌‌ها وجود ندارد، و اگر تمام افراد گروه در برابر داده‌ها مسئولیت‌پذیر نباشند، نتیجه این می‌شود که هیچ فردی مراقب نظم داده‌ها نخواهد بود. اکثر راه‌حل‌‌های آنلاین با تعیین سطح دسترسی به پرونده‌ها، مدیریت مسئولیت‌‌های مختلف را تسهیل می‌کنند.

4- حریم خصوصی: حفظ کنترل دقیق حریم خصوصی ذینفعان، برای هر پروژه مستقر در جامعه، حیاتی است. هنگام استفاده از ابزارهای مبتنی بر اینترنت، اطمینان از عدم انتشار عمومی داده‌های شناسایی هویت بسیار مهم است. هر داده‌ای که دارای اطلاعات حساس باشد، به‌سادگی نباید از تیم پروژه عبور کند.

جمع‌بندی

فناوری‌های دیجیتالی دلالت بر طیف وسیعی از ابزارها دارد که از طریق جمع‌آوری و به اشتراک‌گذاری داده‌های زیست محیطی، نظارت بر محیط زیست، کنترل فعالیت‌های مشکل‌ساز، حصول اطمینان از اجرای مؤثر قوانین زیست محیطی، و ایجاد سیاست‌های زیست محیطی فراگیرتر و مشروع‌تر می‌توانند به‌منظور بهبود حکمرانی محیطی مورد استفاده قرار گیردند. البته که پروژه‌های آزمایشی در این زمینه باید با تحقیق در مورد عوارض جانبی (اجتماعی و بالقوه زیست محیطی) پشتیبانی شوند.

به ‌هر روی، تجزیه‌وتحلیل کلان داده‌‌ها به‌وضوح به جهت برجسته‌سازی مخاطرات در محیط زیست و ظرفیت این محیط برای حمایت از انسان ضروری است. پیشرفت‌‌های چشمگیر به نفع کره زمین و مردم آن نخواهد بود، مگر اینکه بتوانیم برای دستیابی به اهداف پایداری اقدام کنیم، بنابراین ضروری است که کلان داده‌‌ها با تلاش‌های مداوم به جهت دستیابی به پایداری یکپارچه شوند. متأسفانه، این اقدام هنوز در مورد بسیاری از فرایندهای سیاست ملی و بین‌المللی وجود ندارد. علی‌رغم توافق بین‌المللی در مورد اهداف تنوع زیستی Aichi (برنامه استراتژیک کنوانسیون تنوع زیستی)، بسیاری از کشورها از در دسترس بودن کلان داده‌ها و محصولات مشتق شده برای دستیابی به این اهداف حمایت نمی‌کنند (Rebecca, et al.,2020). وجود چندین لایه داده مکانی برای اجرای اهداف Aichi در مقیاس ملی یا جهانی ضروری است، اما از 5 دوره گزارش‌های ملی در مورد این اهداف، 80 درصد آن‌ فاقد نقشه پیاده‌سازی عملی بوده است (Zhang et al., 2017). ضروری است که موانع تجزیه‌وتحلیل کلان داده‌‌ها و دسترسی به محصولات مشتق شده برداشته شود. درحالی‌که روند رو به رشد گرایش به سمت داده‌های آزاد وجود دارد، برخی مقامات هنوز موانع دسترسی از جمله هزینه‌‌ها، تأخیرهای قابل‌توجه یا انتشار ناقص داده‌ها را ایجاد می‌‌کنند. بنابراین قبل از پرداختن به مسائل دیگر مانند استانداردهای مدیریت داده، اطمینان از دسترسی در زمان واقعی به کلان داده‌‌ها نیاز به تعهد صادقانه به یک دیدگاه مشترک برای داده‌های آزاد دارد. محیط‌زیست یک اکوسیستم بزرگ جهانی است و اتفاقات مختلف آن روی زندگی بشر اثرگذار است. کلان داده‌ها ضمن بهبود درک ما از پیچیدگی محیط طبیعی، به تعیین نحوه مدیریت آن برای نسل های آینده کمک می کند.


مهتاب صفری شاد (دکتری رشته منابع طبیعی)
تهیه شده در گروه کشاورزی و منابع طبیعی دیجیتال پژوهشگاه فضای مجازی

منابع

1- IGF2021
2-Bland, Lucie M., et al. "Using multiple lines of evidence to assess the risk of ecosystem collapse." Proceedings of the Royal Society B: Biological Sciences 284.1863 (2017): 20170660.‏
3- Ferrer‐Paris, José Rafael, et al. "An ecosystem risk assessment of temperate and tropical forests of the Americas with an outlook on future conservation strategies." Conservation Letters 12.2 (2019): e12623.‏
4- Francesco Calza, Adele Parmentola, Ilaria Tutore, 2020.Big data and natural environment. How does different data support different green strategies .Sustainable Futures? https://doi.org/10.1016/j.sftr.2020.100029
5-Hass J.L., Environmental (Green) management typologies: an evaluation, operationalization and empirical development, Bus. Strategy Environ. 5 (2) (1996) 59–68.
6- Hart, S.L Beyond greening: strategies for a sustainable world, Harv. Bus. Rev. 75.
7- Kolk, A. Mauser, A.The evolution of environmental management: from stage models
to performance evaluation, Bus. Strategy Environ. 11 (1) (2002) 14–31
8- Runting, Rebecca K., et al. "Opportunities for big data in conservation and sustainability." Nature communications 11.1 (2020): 1-4.‏
9- Zhang, Wenxia, Tianjun Zhou, and Lixia Zhang. "Wetting and greening Tibetan Plateau in early summer in recent decades." Journal of Geophysical Research: Atmospheres 122.11 (2017): 5808-5822.‏
10 -Marsh, N. & Marsh, B. (2014). Big Data Concepts for Natural Resource Management, in Vietz, G; Rutherfurd, I.D, and Hughes, R. (editors), Proceedings
of the 7th Australian Stream Management Conference. Townsville, Queensland, Pages 156-161.