الغطاء السحابي الكثيف يُعدّ أحد أكبر التحديات أمام الرؤية من الأقمار الصناعية، حيث يُغطي مساحات واسعة من سطح الأرض، أو يُشوّش الصور بظلال وضباب خفيف، مما يقلل من جودة البيانات المستخدمة في مراقبة المناخ، والمحاصيل، والنمو الحضري. ورغم أن معظم الصور الفوتوغرافية للأرض المُلتقطة من الفضاء تعاني من تأثير السحب إلى不同程度، إلا أن التقدم في الذكاء الاصطناعي يُقدم حلاً واعداً لتجاوز هذه العقبة. وفقاً لبحث نُشر في مجلة الحسابات البيولوجية المُلهمة، تم تطوير نظام هجين يعتمد على الذكاء الاصطناعي يُسمى "SenseNet"، يُعيد بناء الصور من دون سحب، ويُعيد تشكيل السطح الأرضي بدقة أعلى من الطرق التقليدية. تعتمد الطرق التقليدية على نماذج فيزيائية لانتشار الضوء في الغلاف الجوي، أو تقنيات معالجة الصور التي تعتمد على مقارنة صور متعددة عبر الزمن أو بطولات موجية مختلفة. لكنها تواجه صعوبات في التعامل مع السحب الكثيفة أو المناطق المغطاة بالكامل، ما يُحد من دقتها. أما النماذج الحديثة القائمة على التعلم الآلي، فرغم تحسن أدائها، فهي تعتمد على صور واضحة كمرجع، وعند غيابها، تُنتج صوراً ضبابية أو غير دقيقة في المناطق المغطاة بالسحب. يقدم "SenseNet" نهجاً جديداً يُعالج الصور المغطاة بالسحب كـ"ضوضاء منظمة"، ويُستخدم خوارزمية تُسمى "الخوارزمية الهجينة لتحسين الذئب والذئب الأحمر"، مستوحاة من السلوك الاجتماعي والتعاوني بين الحيوانات كلبية. هذه الخوارزمية تُحسّن من عملية تدريب الشبكة العصبية، وتُقلل من احتمال توقف التعلم عند حلول غير مثالية، مما يُعزز دقة النتائج. أظهر النظام تحسناً ملحوظاً، حيث زاد نسبة الإشارة إلى الضوضاء بأكثر من 2 ديسيبل، ما يعادل تحسيناً بنسبة تصل إلى 60% في الأداء. هذا التحسن يُترجم إلى صور أوضح، تُمكّن من تمييز حدود المزارع، ورسم الطرق، وتحديد مساحات المياه بدقة أكبر. في المناطق الاستوائية التي تعاني من سحب دائمة، يمكن لهذا النظام تقليل الفجوات في البيانات، مما يُعزز قدرة الأنظمة على مراقبة التغيرات البيئية، وتقييم المحاصيل، ومراقبة التدهور البيئي، أو استجابة الكوارث. بفضل هذه التقنية، يُصبح من الممكن الحصول على بيانات رصد أرضي عالية الدقة ومتواصلة، حتى في الظروف الجوية الصعبة، ما يُسهم في دعم استراتيجيات التكيف المناخي، والتنبؤ بالكوارث، والتنمية المستدامة، ويُفتح آفاقاً جديدة في مجال الاستشعار عن بعد.