در بخش دوم از این یادداشت، به اهمیت استفاده از کلان‌دادها در سازمان‌های مدیریت منابع طبیعی می‌پردازیم.

مانیبال محیط‌زیست

اصطلاح Moneyball از سخن لوییس (2003) «هنر پیروزی در یک بازی ناعادلانه» منشأ گرفته است که اساس فیلم MoneyBall در سال 2011 بود. داستان مانیبال درمورد این است که چگونه تیم بیسبال اوکلند با بودجۀ حقوق و دستمزد 41 میلیون دلار آمریکا توانست با موفقیت در مقابل تیم‌های بسیار ثروتمندتر (مانند نیویورک یانکیز با بودجۀ حقوق و دستمزد 125 میلیون دلار آمریکا) رقابت کند. روشی که اوکلند به کار برد از معیارهای سنتی درنظر گرفته‌شده برای تعیین ارزش یک بازیکن بیسبال دور بود و او از روش آماری داده‌محور برای کاوش عمیق داده‌ها و خرید بازیکنان عالی که از نظر معیارهای سنتی کم‌ارزش بودند استفاده کرد. از قدیم‌الایام، معیارهای سنتی نقش اصلی را در تعیین ارزش بازیکن داشتند. با این حال، هنگامی که اوکلند، داده‌ها را تجزیه‌وتحلیل کرد متوجه شد مجموعه‌ای از معیارهای سنتی که تا به حال برای یک بازیکن در نظر گرفته شده، با عملکرد کلی تیم مطابقت ندارد. به عبارتی، تیمی از بازیکنان که از نظر معیارهای سنتی نمرۀ خوبی می‌گرفتند، لزوماً یک تیم موفق در بازی نبودند. اوکلند معیارهای بصیرت بیشتری را برای خود توسعه داد، و بازیکنان کم‌ارزش را خرید و با بازی در پلی‌آف سال 2002 و 2003 موفقیتی تاریخی رقم زد. اوکلند از روش آماری داده‌محور برای کاوش عمیق داده‌ها و خرید بازیکنان عالی که از نظر معیارهای سنتی کم‌ارزش بودند، استفاده کرد و توانست به چنین موفقیتی برسد.

با ارائۀ یک مثال می‌توان به اهمیت کلان‌داده‌ها در مدیریت منابع طبیعی داخل کشور نیز اشاره کرد. بنا بر اطلاعات مرکز آمار ایران، شمار آتش‌سوزی در جنگل‌های ایران، از اندازه گذشته است و دیگر نمی‌توان خوش‌باورانه آن را در شمار «بلایای طبیعی» برشمرد و از زیر بار مسئولیتِ آن شانه خالی کرد. اینگونه گمان می‌شود که اراده‌ای برای نگاهبانی از جنگل‌ها وجود ندارد و هکتار هکتار جنگل است که می‌سوزد، بی آنکه مسئولان چاره‌ای برای آن بیندیشند.

سیاست‌های برنامه‌ریزی و مدیریت جنگل‌داری اخیر چین که توسط فناوری کلان‌داده‌ها هدایت می‌شوند، استفاده از کلان‌داده‌ها را در حفاظت از اکوسیستم‌های جنگلی و توسعۀ منابع جنگل‌داری ترویج می‌دهند. ازجمله اقدامات چین در این زمینه، تسریع در ساخت سیستم کلان‌داده‌ها جنگل‌داری، ایجاد مؤسسات تحقیقاتی کلان‌داده‌ها جنگل‌داری، و همچنین ترویج تحقیقات فناوری کلان‌داده‌ها جنگل‌داری است. این مثال نقش پتانسیل فناوری کلان‌داده‌ها را در حفاظت و مدیریت اکوسیستم جنگل و همچنین عزم دولت را برای حفاظت از اکوسیستم جنگل نشان می‌دهد.

روشن است که در نواحی جنگلیِ داخل نیز باید مرکز کلان‌داده‌ها راه‌اندازی شود. پیش‌بینی یا تشخیص زودهنگام آتش‌سوزی براساس کلان‌داده‌ها به مدیریت پایدار جنگل کمک زیادی می‌کند. وقتی درختی در جنگل قطع می‌شود یا می‌سوزد، صدایی ایجاد نمی‌کند، ایجاد یک سیستم کلان‌داده زمان واقعی می‌تواند ازطریق یک برنامۀ کامپیوتری طی یک هشدار هرگونه مشکل را به فعالان، مدیران، و سیاست‌گذاران محیط‌زیست در سراسر کشور ارسال کند و مدیران جنگل‌ها می‌توانند به‌راحتی نشانه‌هایی از قطع غیرقانونی درختان و یا آتش‌سوزی در مناطق را بیابند و اقدامات فوری انجام دهند.

آگاهی‌بخشی به مردم بومی برای نگاهبانی از جنگل‌ها و شیوه‌های پیشگیری از پدیدآمدن آتش در جنگل، یک راه‌حل دیگر است که با اندکی هزینه می‌توان به کار گرفت. سازمان‌های مردم‌نهاد می‌توانند در این زمینه پیشگام و کمک‌رسان باشند. با توسعۀ فناوری کلان‌داده‌ها، مانند به کارگیری شبکه‌های حسگر بی‌سیم قابل‌شارژ (RWSN)، می‌توان پیش‌بینی آتش‌سوزی جنگل را اجرا کرد و خطر آتش‌سوزی جنگل را محاسبه کرد.
به‌طور کلّی ایجاد یک مرکز کلان‌دادۀ منابع طبیعی، اقدامی واقع‌بینانه برای مدیریت منابع طبیعی در کشور است. تجزیه‌وتحلیل کلان‌داده‌ها، 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 کلان‌داده منابع طبیعی، داده‌های مربوط به منابع طبیعی، مانند زمین، مواد معدنی، جنگل‌ها، مراتع و منابع آب، ادغام می‌شوند و موانع تحرک سازمانی و اشتراکی بین‌بخشی، برطرف خواهد شد. مزیت کلان‌داده‌ها این است که می‌تواند به‌طور قابل‌توجهی شفافیت، ارتباط و اشتراک داده را بین ادارات دولتی، شرکت‌ها و مردم بهبود بخشد. کلان‌داده‌های منابع طبیعی بخش مهمی از اجرای استراتژی ملّی کلان‌داده‌ها هستند و استفاده و توسعۀ کلان‌داده‌های منابع طبیعی یک نیاز فوری برای توسعۀ منابع طبیعی در دورۀ جدید است. همچنین حضور یک سیستم نظارت عمومی مداوم بر تغییرات کاربری زمین، کیفیت آب، فضای سبز و مصرف انرژی، ازطریق یک پلتفرم آنلاین جهت اطمینان از اینکه جامعه نیز قادر به مشارکت باشد، موضوعی ضروری است.

با این مثال، بیان نمی‌کنیم که روش‌هایی که درحال حاضر با استفاده از آن‌‌ها منابع طبیعی را مدیریت می‌کنیم، نامناسب هستند، اما بدون تعیین کمّیت مزایای کاری که انجام می‌دهیم، هرگز نمی‌توانیم راجع‌به آن‌ها درست اظهارنظر کنیم. وقت آن است که مانیبال را به مدیریت منابع طبیعی و محیط‌زیست کشور بکشانیم. برای این کار باید مزایا را کمّی کرده و آن را با هزینه‌ها مقایسه کنیم. برای پیاده‌سازی 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.

به‌اشتراک‌گذاری و مدیریت داده‌ها: کلید مدیریت داده‌ها، دموکراتیک کردن فرایند مدیریت داده‌ها و تجزیه‌وتحلیل است. نبود استراتژی مناسب برای مدیریت داده‌ها منجر به مشکلات همه‌جانبه برای آماده‌سازی داده‌ها می‌شود و باید زمان زیادی را جهت پردازش و مدیریت مجدد داده‌ها صرف کرد. استفاده از قابلیت‌های مدیریتی و ذخیره‌سازی داده‌های مبتنی بر اَبر، باعث کاهش هزینه‌‌های سنگین پایگاه داده و مدیریت داده می‌شود. به‌عنوان مثال، ابزارهایی مانندdropbox.com ،box.com یا صفحات آنلاین ارائه‌شده درGoogle.com   و Microsoft می‌توانند به‌سادگی ابزارهای اشتراک آنلاین فایل‌ها باشند که دسترسی از هرکجا به پرونده‌های مشترک را امکان‌پذیر می‌کنند.

تلفیق تحلیل داده‌ها و گزارش‌گیری: برای ایجاد مانیبال محیط‌زیست، به دموکراتیک کردن داده‌ها جهت پرورش مسئولیت‌پذیری جمعی تیم در برابر داده‌ها، و ابزارهایی به‌منظور تجزیه‌وتحلیل داده‌ها نیاز است. این وظیفه به‌طور سنتی در قلمرو تحلیلگر داده یا آمار بوده است. اما معمولاً برای رسیدن به روابط اصلی بین داده‌ها، به روش‌های آماری پیچیده یا بسته‌های نرم‌افزاری نیاز نیست. دو فن بسیار قدرتمند برای داده‌ها تحت عنوان فیلترینگ و بصری‌سازی متغیرها وجود دارد. به‌عنوان نمونه ممکن است از یک مجموعه دادۀ کیفیت آب فقط نمونه‌های مربوط به رویدادهای غیرطوفانی، مدنظر باشد، بنابراین با فیلترینگ، داده‌های کیفیت آب در روزهایی که جریان کم بوده است از پروندۀ اصلی استخراج می‌شود. دومین تکنیک قدرتمند، بصری‌سازی سادۀ یک متغیر در مقابل متغیر دیگر، در یک نمودار پراکندگی استاندارد است. سیستم‌های محیط‌زیستی پیچیده هستند و عناصر متقابل زیادی در آن‌ها وجود دارد، اما به‌عنوان مثال توانایی ترسیم کیفیت اقلیم خشک دربرابر میزان پوشش گیاهی ساحلی سالم در بالادست، نشانه‌ای از قدرت و اهمیت روابط و مهم بودن روابط نسبت به سایر آزمون‌ها است. شاید این موضوع ساده به نظر برسد، اما برای اجرای آن‌ها به تجزیه‌وتحلیل مکانی و زمانی داده‌ها احتیاج است. تا همین اواخر، تجزیه‌وتحلیل مکانی و زمانی، حوزه‌های بسیار جداگانه‌ای بودند و تجزیه‌وتحلیل مکانی به دلیل استفاده از نرم‌افزار پیچیده، نیازمند مهارت بالا و تخصصی بود. اما درحال حاضر، ابزارهای تجزیه‌وتحلیل مکانی آنلاین درحال رشد هستند و حتی برنامۀ Google Earth یک برنامۀ ارزان‌قیمت و قدرتمند GIS را ارائه می‌دهد که در آن تعداد زیادی از ابزارهای آنلاین با هدف استفاده توسط کاربر غیرمتخصص برای تجسم‌سازی 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 دادۀ آنلاین است، به همین دلیل کاربران حساسیت زیادی برای محافظت از امنیت سیستم‌های خود دارند. هیچ سیستمی بی‌خطر نیست، بیشترین اطلاعات هنگام انتقال ازطریق 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 درصورت از بین رفتن یا خراب شدن پرونده، در دسترس باشند. اما ممکن است هکری به مخزن دادۀ آنلاین دسترسی پیدا کند، ازاین‌رو یک دید نسبتاً تحریف‌شده‌ نسبت به امنیت سیستم‌های ذخیره‌سازی اطلاعات آنلاین وجود دارد.

2- پهنای باند: برخی از راه‌حل‌های آنلاین نسخه‌های تکراری از پرونده‌ها در رایانۀ 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 دادۀ جمعی به اشتراک گذاشته شوند، اختیارات مشخصی برای نگهداری داده‌‌ها وجود ندارد، و اگر تمام افراد گروه دربرابر 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 پروژۀ 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 ازطریق جمع‌آوری و به‌اشتراک‌گذاری داده‌های زیست‌محیطی، نظارت بر محیط‌زیست، کنترل فعالیت‌های مشکل‌ساز، حصول اطمینان از اجرای مؤثر قوانین زیست‌محیطی، و ایجاد سیاست‌های زیستمحیطی فراگیرتر و مشروع‌تر می‌توانند به‌منظور بهبود حکمرانی محیطی مورد استفاده قرار گیردند. البته که پروژه‌های آزمایشی در این زمینه باید با تحقیق درمورد عوارض جانبی (اجتماعی و بالقوه زیست‌محیطی) پشتیبانی شوند.

به ‌هر روی، تجزیه‌وتحلیل کلان‌داده‌‌ها به‌وضوح به جهت برجسته‌سازی مخاطرات در محیط‌زیست و ظرفیت این محیط برای حمایت از انسان ضروری است. پیشرفت‌‌های چشمگیر به نفع کرۀ زمین و مردم آن نخواهد بود، مگر اینکه بتوانیم برای دستیابی به اهداف پایداری اقدام کنیم، بنابراین ضروری است که کلان‌داده‌‌ها با تلاش‌های مداوم به جهت دستیابی به پایداری یکپارچه شوند. متأسفانه، این اقدام هنوز درمورد بسیاری از فرایندهای سیاست ملّی و بین‌المللی وجود ندارد. علی‌رغم توافق بین‌المللی درمورد اهداف تنوع زیستی Aichi (برنامۀ استراتژیک کنوانسیون تنوع زیستی)، بسیاری از کشورها از در دسترس بودن کلان‌داده‌ها و محصولات مشتق‌شده برای دستیابی به این اهداف حمایت نمی‌کنند (Rebecca et al. 2020). وجود چندین لایه دادۀ مکانی برای اجرای اهداف Aichi در مقیاس ملّی یا جهانی ضروری است، اما از 5 دورۀ گزارش‌های ملّی درمورد این اهداف، 80درصد آن‌ فاقد نقشۀ پیاده‌سازی عملی بوده است (Zhang et al. 2017). ضروری است که موانع تجزیه‌وتحلیل کلان‌داده‌‌ها و دسترسی به محصولات مشتق‌شده برداشته شود. درحالی‌که روند رو به رشد گرایش به سمت داده‌های آزاد وجود دارد، برخی مقامات هنوز موانع دسترسی ازجمله 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 کلان‌داده‌‌ها 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. کلان‌داده‌ها ضمن بهبود درک ما از پیچیدگی محیط طبیعی، به تعیین نحوۀ مدیریت آن برای نسل‌های آینده کمک می‌کند.

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.