الاستشعار عن بُعد تقنية أساسية متطورة تُحلل صور الأقمار الصناعية والصور الجوية وصور الطائرات المسيّرة لتحقيق بيانات عن الغطاء الأرضي، والرصد البيئي، والفهم الجغرافي المكاني، ومراقبة الأرض. وهي تُعالج بشكل أساسي تحديات "نقص الرؤية الشاملة وصعوبة جمع البيانات" الناجمة عن القيود الجغرافية في رصد الأرض البشري. تعتمد هذه التقنية على تحليل صور الأقمار الصناعية والصور الجوية وصور الطائرات المسيّرة للحصول على معلومات عن الغطاء الأرضي والبيئة دون الحاجة إلى اتصال مباشر بالهدف، مما يُتيح فهمًا جغرافيًا مكانيًا متكاملًا ومتزامنًا دون الحاجة إلى استطلاع ميداني بشري. وتستخدم عادةً أجهزة استشعار بصرية ورادارية وأشعة تحت الحمراء وأجهزة استشعار طيفية فائقة مثبتة على الأقمار الصناعية والطائرات والطائرات المسيّرة لاستقبال الموجات الكهرومغناطيسية المنعكسة أو المنبعثة من الأهداف، وتحليل البيانات لتحديد معالم الأرض ورصد التغيرات البيئية.

لم يكن الاستشعار عن بعد مفهومًا طُرح في الأصل في مجال الذكاء الاصطناعي، بل نشأ من علوم الأرض والمسح والمعلومات المكانية. في خمسينيات القرن الماضي، قام الجغرافيون في مكتب البحوث البحرية الأمريكي (ONR)... إيفلين ل. برويت صِيغَ مصطلح "الاستشعار عن بُعد" لوصف أساليب الحصول على معلومات عن الأرض دون اتصال مباشر. لا يرتبط مفهوم إيفلين إل. برويت للاستشعار عن بُعد ارتباطًا مباشرًا بمفهوم "الاستشعار عن بُعد" الحالي في مجال الذكاء الاصطناعي. ففي ذلك الوقت، لم يكن الذكاء الاصطناعي والتعلم العميق قد تطورا بعد، وكان الاستشعار عن بُعد يعتمد بشكل أساسي على التصوير الجوي، والنماذج الفيزيائية، والتفسير اليدوي، والأساليب الإحصائية التقليدية للتحليل. ومع إطلاق وكالة ناسا لأقمار صناعية لمراقبة الأرض مثل لاندسات-1 عام 1972، تطور الاستشعار عن بُعد تدريجيًا ليصبح نظام مراقبة الأرض الحديث، وتقنية بالغة الأهمية للحصول على معلومات بيئية وموارد وجغرافية عالمية.

منذ تحقيق طفرة الشبكات العصبية الالتفافية (CNNs) في مجال رؤية الحاسوب عام 2012، انتشر استخدام الذكاء الاصطناعي على نطاق واسع في مهام مثل تصنيف صور الاستشعار عن بُعد، واكتشاف الأجسام، والتجزئة الدلالية، ورصد التغيرات. وفي السنوات الأخيرة، ومع تطور تقنيات النماذج واسعة النطاق، توسعت الأبحاث لتشمل مجالات أخرى مثل نماذج الاستشعار عن بُعد الأساسية، والذكاء الاصطناعي الجغرافي المكاني (GeoAI)، ونماذج رصد الأرض متعددة الوسائط.

تشمل الإنجازات البحثية التمثيلية في مجال الاستشعار عن بعد بالذكاء الاصطناعي ما يلي: AlexNet في عام 2012، والذي عزز تطوير نماذج التعلم العميق المرئية ووفر أساسًا تقنيًا للتحليل الذكي لصور الاستشعار عن بعد؛ Vision Transformer (ViT) في عام 2020، والذي أدخل المحولات في المهام المرئية وعزز تطبيقها في سيناريوهات الاستشعار عن بعد؛ والإطلاق المشترك من قبل IBM و NASA في عام 2023. بريثفي أصبحت النماذج الأساسية لرصد الأرض، التي تُطبّق نماذج مُدرّبة مسبقًا على نطاق واسع لتحليل بيانات الاستشعار عن بُعد عبر الأقمار الصناعية، من أهمّ نماذج الاستشعار عن بُعد الأساسية. وتشمل الأبحاث ذات الصلة... نماذج أساسية للذكاء الاصطناعي الجغرافي المكاني العام(2023)انتظر.