با استفاده از داده‌های ماهواره‌ای و یادگیری ماشین می‌توان شیوع ویروس کرونا را پیش‌بینی کرد. ماهواره‌ها مکانیسم مراقبت جهانی و پیش‌بینی اپیدمی بالقوه را فراهم می‌کنند. یک میکروبیولوژیست برجسته محیط‌زیست می‌گوید: از داده‌های ماهواره‌ای می‌توان برای پیش‌بینی شیوع COVID-19 استفاده کرد.
درحالی‌که ماهواره‌ها از دهه 1950 در مدار هستند، حدود 20 سال پیش بود که دانشمندان برای کمک به سلامت عمومی جهانی شروع به مشاهده داده‌های زمین کردند. در سال 2007 ناسا اطمینان داشت كه ماهواره‌ها می‌توانند شیوع بیماریهای عفونی در سراسر جهان را پیش‌بینی و از آن پیشگیری كنند بااین‌حال اپیدمیولوژیست‌هایی که در استفاده از فناوری فضایی پیشرو هستند می‌گویند که ماهواره‌ها نمی‌توانستند کرونا ویروس را ببینند. اما اکنون Rita R. Colwell استاد برجسته در دانشگاه مریلند یک مدل پیش‌بینی کننده برای SARS-CoV-2، نام علمی ویروس ایجاد کننده بیماری کروناویروس یا COVID-19 تهیه کرده است.
پیش‌بینی می‌شود که SARS-CoV-2 بومی باشد به این معنی که به چرخش ویروس‌هایی که بر جمعیت انسان‌ها تأثیر می‌گذارند خواهد پیوست و به احتمال زیاد در آینده دوباره ظاهر می‌شود.
Colwell يك اكولوژيست ميكروبي مولكولي در این مورد می‌گوید كه يك ماتريس پيچيده از اطلاعات می‌تواند پاسخي براي پیش‌بینی اینکه چه زمانی و كجا دوباره ویروس کرونا شیوع پیدا کند، اراده دهد. انتظار می‌رود که این تحقیقات زمینی در ژئوهلس، ژورنال اتحادیه ژئوفیزیک آمریکا منتشر شود. او می‌گوید تیم وی برای یادگیری ماشین از داده‌های چین، ایتالیا، اسپانیا و آمریکا استفاده کرده است تا ارتباطی با داده‌های جمع‌آوری شده از ماهواره‌ها و همچنین دمای هوا و پارامترهای سطح رطوبت ایجاد کند.
بیماری‌ها و محیط‌زیست
در اوایل دهه 2000 کالول سرنخ‌های زیست‌محیطی را با شیوع وبا، یک بیماری عفونی باکتریایی ناشی از مصرف آب یا غذای آلوده، شناسایی کرد. دانشمندان با استفاده از داده‌های برنامه Landsat و مشاهده از زمین، ارتباط مستقیمی بین غلظت کلروفیل و مولکولهای فیتوپلانکتون وبا نشان دادند.
Colwell در گفتگو با شرکای تحقیقاتی خود می‌گوید: "ما اولین نفری بودیم که یک سیستم پیش‌بینی وبا را توسعه دادیم. ماهواره‌ها یک ابزار بهداشتی بسیار با ارزش هستند. با وجود ماهواره‌های بسیار پیشرفته، می‌توانیم داده‌هایی از 10 ماهواره که حرکت جمعیت، ساخت و ساز در زمین را اندازه‌گیری می‌کند، به ماهواره‌هایی که دمای سطح دریا، ارتفاع سطح دریا و کلروفیل را اندازه‌گیری می‌کنند، ارسال کنیم.
وی گفت: "ما اکنون مکانیسمی برای نظارت جهانی و پیش‌بینی بیماریهای همه‌گیر احتمالی در دست داریم."
پیش‌بینی شیوع موجم دوم COVID-19
در هنگام مرگ و میر بر اثر ابولا در سال 2015 ، Farhan M. Asrar از دانشگاه تورنتو و دانشگاه بین‌المللی فضایی فرانسه، دریافتند که مردم با بهره‌برداری از مزایای استفاده از داده‌های ماهواره‌ها در مدیریت بیماری موفق بودند.
Asrar در ادامه می‌گوید: "این داده‌ها به آسانی در دسترس هستند و از آن برای تأمین سلامت جهانی از جمله بیماری ابولا و سایر بیماریهای عفونی استفاده می‌شود. با همکاری، سرمایه‌گذاری و مشارکت بیشتر بین بخش فضایی و بهداشت عمومی و سازمان‌های بشردوستانه می‌توان این مزیت را بیشتر کرد."
Timothy E. Ford مدیر گروه علوم بهداشت محیط در دانشگاه ماساچوست آمرست در این مورد اظهار کرد: اگرچه پیش‌بینی شیوع ویروس‌های جدید که تصور می‌شود از طریق گوشت حیوانات وحشی یا تجارت حیوانات منتقل می‌شوند، دشوار است اما برای عوامل بیماری‌زا که از طریق محیط‌زیست منتقل می‌شوند. ماهواره‌ها قدرتمند هستند.
آینده ماهواره‌ها و شیوع بیماری
اگرچه فناوری هنوز هم قادر به پیش‌بینی شیوع بیماریهای ناشناخته نیست ولی تحلیلگران به این نکته اشاره دارند که اپیدمیولوژی قابل محاسبه است. Ford می‌گوید: "ماهواره‌ها همه و تنها ابزار ما نیستند اما می‌توانند یک عامل قدرتمند در تشخیص شیوع بیماریهای احتمالی آینده باشند."
او می‌گوید که ماهواره‌ها به کاهش شیوع بیماری کمک می‌کنند و می‌توان برای صدور اخطار در مناطقی که انتظار می‌رود شیوع در آنجا بیشتر باشد، استفاده کرد و منابع پزشکی را مطلع نمود.
Colwell و تیمش برای از بین بردن مقادیر زیادی از باکتری‌های وبا، یک روش فیلتراسیون را ایجاد کردند که در بنگلادش به گردش استفاده در آمد. این فرایند یک قطعه طولانی از مواد پیچیده شده در اطراف بدن برای تشکیل یک لباس با چندین فیلتر از آب ایجاد می‌کند که می‌تواند بسیاری از آلودگی‌ها را به خود جذب کند. این امر منجر به کاهش 50 درصدی نفوذ وبا شد و یک شاهکار از Fordمحسوب می‌شود. و در سال‌های 2018 و 2019 ، Colwell و همكاران پیش‌بینی‌هایی را انجام دادند كه تیمهای پزشکی را قادر می‌سازد تا پیش‌بینی شیوع وبا را انجام دهند. این ابزار پیش‌بینی توانست با دقت 92 درصد مناطق جغرافیایی پرخطر را برای شیوع یمن پیش‌بینی کند.
