Precipitation nowcasting of satellite data using physically-aligned neural networks

تخيل أنك تحاول التنبؤ بمكان سقوط عاصفة مفاجئة وعنيفة. لعقود من الزمن، كانت أفضل طريقة للقيام بذلك هي استخدام رادار ضخم وعالي التقنية يعمل مثل كشاف فائق القوة، يمسح السماء لرؤية قطرات المطر في الوقت الفعلي. لكن المشكلة تكمن في أن أجهزة الرادار هذه باهظة الثمن، وضخمة، وتحتاج إلى صيانة مثالية. وفي أجزاء كثيرة من العالم — مثل الجبال النائية أو المدن النامية — يكون هذا "الكشاف" مكسوراً أو مفقوداً تماماً. وبدون وجوده، يترك الناس في حالة تخمين متى قد تضرب الفيضانات أو الانهيارات الأرضية.

هنا يدخل عالم "التنبؤ الآني" (nowcasting)، وهو مجرد مصطلح منمق للتنبؤ بالطقس في المستقبل القريب جداً، عادةً من بضع دقائق إلى ست ساعات قادمة. وبينما أصبحت الحواسيب بارعة للغاية في تخمين الطقس باستخدام معادلات فيزيائية معقدة، إلا أنها غالباً ما تعاني في التعامل مع التفاصيل الفوضوية قصيرة المدى لهطول الأمطار المفاجئ. مؤخراً، بدأ العلماء في استخدام الذكاء الاصطناعي (AI) للتعلم من صور الرادار، وتدريب الحواسيب على رصد الأنماط وتخمين أين ستذهب الأمطار لاحقاً. ومع ذلك، فإن نماذج الذكاء الاصطناعي هذه تحتاج عادةً إلى بيانات الرادار الغالية نفسها لتتعلم، مما يترك المناطق الفقيرة رادارياً خلف الركب. بالإضافة إلى ذلك، فإن هذه "الصناديق السوداء" للذكاء الاصطناعي غالباً ما تقدم تنبؤات تبدو جيدة ولكنها لا تتبع قوانين الفيزياء فعلياً، مما يجعل خبراء الأرصاد الجوية يشعرون بالقلق بشأن الوثوق بها.

تقدم هذه الورقة حلاً جديداً يسمى TUPANN (شبكة التنبؤ الآني القابلة للنقل والشاملة والمتوافقة فيزيائياً). بدلاً من الحاجة إلى رادار، يتعلم TUPANN التنبؤ بالمطر باستخدام صور الأقمار الصناعية فقط، والتي يمكنها رؤية الكرة الأرضية بأكملها. لقد بنى الباحثون هذا الذكاء الاصطناعي ليكون "متوافقاً فيزيائياً"، مما يعني أنهم أجبروه على تعلم كيفية حركة المطر فعلياً، بدلاً من مجرد التخمين. لقد اختبروه في أربعة أماكن مختلفة تماماً: غابات ماناوس الاستوائية، ومدينة لاباز المرتفعة، وريو دي جانيرو الساحلية، وميامي. وتظهر النتائج أن TUPANN يمكنه التنبؤ بالأمطار الغزيرة بشكل يضاهي، أو يتفوق أحياناً على، أكثر النماذج تقدماً القائمة على الرادار، حتى دون أن يرى صورة رادار واحدة. وهذا يشير إلى أنه يمكننا أخيراً تقديم تحذيرات من العواصف قصيرة المدى بدقة للأماكن التي ظلت في الظلام، باستخدام صور الأقمار الصناعية فقط وذكاء اصطناعي ذكي يدرك قوانين الفيزياء.

المحقق الفضائي وكتاب قواعد الفيزياء

تخيل السماء كفيلم سينمائي ضخم ومتحرك. عندما تمطر، لا تظهر السحب وقطرات المطر من العدم؛ بل تنجرف، وتدور، وتتغير شدتها، متبعةً قواعد غير مرئية للرياح والفيزياء. النماذج التقليدية للذكاء الاصطناعي التي تحاول التنبؤ بهذا "الفيلم" غالباً ما تنظر فقط إلى الإطارات الأخيرة وتخمن ما سيحدث بعد ذلك. قد تأخذ الفكرة العامة، لكنها غالباً ما تخطئ في تحديد الاتجاه المحدد الذي تتحرك فيه الأمطار أو سرعة تسارعها. الأمر يشبه محاولة تخمين المشهد التالي من فيلم عبر النظر فقط إلى وجوه الممثلين، دون فهم الحبكة أو حركة الكاميرا.

أدرك مؤلفو هذه الورقة أنه لجعل التنبؤ جيداً حقاً، يجب على الذكاء الاصطناعي أن يفهم "قصة" العاصفة، وليس مجرد الصور. لقد أنشأوا TUPANN، الذي يعمل كمحقق يفكك العاصفة إلى ثلاثة أدلة محددة:

1. الحركة: أين تتحرك الأمطار؟ (مثل تتبع سيارة على طريق سريع).
2. الشدة: ما مدى قوة هطول الأمطار؟ (هل هو رذاذ أم طوفان؟).
3. المستقبل: أين ستكون تلك الأمطار المتحركة والكثيفة بعد 10 أو 30 أو 180 دقيقة؟

لتعليم الذكاء الاصطناعي دليل "الحركة"، لم يكتفِ الباحثون بترك الأمر للتخمين. بل أعطوه "كتاب قواعد" يعتمد على الفيزياء الحقيقية. استخدموا أداة رياضية قياسية تسمى التدفق البصري (optical flow) (وهي تشبه خدعة في الرؤية الحاسوبية تقيس كيفية تحرك البكسلات بين صورتين) لإظهار كيف تحركت الأمطار في الماضي بدقة. كان على الذكاء الاصطناعي أن يتعلم التنبؤ بهذه الحركة بدقة بحيث تطابق كتاب القواعد. وهذا ما يسمونه "التوافق الفيزيائي". إنه يشبه تعليم طالب القيادة ليس فقط بترك مساحته يتجول، بل بجعله يتبع خريطة صارمة وحدود سرعة أولاً، ليتعلم قواعد الطريق قبل أن يحاول التسابق.

كيف يعمل TUPANN: الرقصة الثلاثية

بُني النموذج مثل سباق تتابع يضم ثلاثة عداءين، يقوم كل منهم بمهمة محددة:

1. المُفكك (المراقب): أولاً، ينظر الذكاء الاصطناعي إلى سلسلة من صور الأقمار الصناعية الحديثة. يستخدم "مشفر-مفكك متغير" خاص لتحديد مجالات الحركة والشدة. تخيل هذا كمحقق ينظر إلى سلسلة من الصور لعاصفة ويرسم أسهمًا لتوضيح اتجاه حركة المطر ومدى كثافته بالضبط. ولأنهم أجبروا الذكاء الاصطناعي على مطابقة قاعدة "التدفق البصري"، فإن هذه الأسهم تكون سلسة وواقعية، وليست متذبذبة أو غريبة.
2. المحول (المسافر عبر الزمن): بعد ذلك، يأخذ الذكاء الاصطناعي تلك الأسهم ويستخدم محول "MaxViT" للتنبؤ بكيفية تطور العاصة بمرور الوقت. هذا الجزء مميز لأنه يمكنه النظر إلى الحالة الراهنة والقول: "حسناً، إذا كانت الأمطار تتحرك بهذا الاتجاه الآن، فإليك أين ستكون بعد 10 دقائق، أو 30 دقيقة، أو حتى 3 ساعات". وعلى عكس النماذج القديمة التي كان عليها التخمين خطوة بخطوة (مما يجعل العملية فوضوية وبطيئة)، يمكن لهذا النموذج القفز إلى أي وقت في المستقبل يحتاجه، وكل ذلك في خطوة واحدة.
3. مشغل الإزاحة (المسقط): أخيراً، يأخذ الذكاء الاصطناعي تنبؤه بمكان تواجد المطر المفترض ويستخدم "مشغل إزاحة قابل للتفاضل" لرسم الصورة المستقبلية فعلياً. الأمر يشبه أخذ الصورة الحالية للمطر، وتحريكها على طول الأسهم التي توقعها الذكاء الاصطناعي، وإضافة تغيرات الكثافة الجديدة لإنشاء صورة قمر صناعي مستقبلية جديدة تماماً.

الاختبار الكبير: هل يمكنه التعامل مع العالم الحقيقي؟

لم يختبر الباحثون هذا في مختبر حاسوبي فحسب؛ بل ألقوا به في العالم الحقيقي. قاموا بتدريب واختبار TUPANN باستخدام بيانات من GOES-16، وهو قمر صناعي يراقب الأمريكتين، وبيانات IMERG، وهي مجموعة بيانات عالمية للأقمار الصناعية. وقد اختاروا أربع مدن ذات شخصيات جوية مختلفة تماماً:

• ريو دي جانيرو: ساحلية، استوائية، مع أمطار غزيرة وفيضانات.
• ماناوس: في قلب غابات الأمازون المطيرة، حيث تهطل الأمطار باستمرار تقريباً.
• لاباز: في مرتفعات جبال الأنديز، حيث تُدفع العواصف بفعل الارتفاع.
• ميامي: مزيج شبه استوائي من نسيم البحر والعواصف الرعدية.

وقاسوا نجاح النموذج باستخدام درجتين رئيسيتين: CSI (مؤشر النجاح الحرج)، والذي يتحقق من مدى قدرة النموذج على إيجاد المطر الذي حدث بالفعل، و HSS (درجة مهارة هايدكي)، والتي تقارن مهارة النموذج مقابل التخمين العشوائي. اختبروه لمعدلات هطول تتراوح من الرذاذ الخفيف (4 ملم/ساعة) إلى الأمطار الغزيرة الشديدة (64 ملم/ساعة) ولأطر زمنية من 10 دقائق حتى 3 ساعات (180 دقيقة).

النتائج: أذكى، أسرع، وأكثر موثوقية

كانت النتائج مبهرة. تفوق TUPANN باستمرار كأفضل نموذج أو ثاني أفضل نموذج عبر جميع المدن وكثافات الأمطار.

• بطل الأمطار الغزيرة: برع النموذج حقاً عند التنبؤ بالأمطار الغزيرة (32 ملم/ساعة و64 ملم/ساعة). بينما عانت النماذج الأخرى في التنبؤ بالعواصف الأكثر خطورة، حافظ TUPANN على ثباته. على سبيل المثال، في ريو دي جانيرو، حقق TUPANN درجة POOL4 لـ CSI بلغت 0.090 لعتبة 64 ملم/ساعة (أعلى معدل هطول)، متفوقاً على النموذج التالي في الأفضلية، NowcastNet، الذي سجل 0.074. (ملاحظة: درجة POOL4 تجمع التنبؤات عبر كتل صغيرة من 4×4 بكسل، مما يجعلها مقياساً قوياً للكشف عن الأمطار الغزيرة).
• عائد الفيزياء: كان النهج "المتوافق فيزيائياً" ناجحاً. فمجالات الحركة (الأسهم التي توضح اتجاه المطر) التي أنتجها TUPANN كانت سلسة وطابقت الفيزياء الحقيقية، بينما أنتجت نماذج الذكاء الاصطناعي الأخرى أنماطاً فوضوية وغير واقعية. وهذا يجعل التنبؤات أكثر موثوقية لخبراء الأرصاد الجوية.
• نموذج واحد، مناخات متعددة: اختبر الباحثون ما إذا كان بإمكانهم تدريب نموذج واحد على المدن الأربع معاً. ووجدوا أن نسخة "المدن المتعددة" هذه كانت في الواقع أفضل أداءً من تدريب نماذج منفصلة لكل مدينة. وهذا يشير إلى أن الذكاء الاصطناعي تعلم قواعد عامة حول كيفية عمل العواصف تنطبق في كل مكان، وليس في مكان واحد فقط.
• سحر انتقال النماذج بين المدن: حتى عندما دربوا النموذج فقط على ريو دي جانيرو واختبروه على ميامي، فقد ظل يؤدي بشكل جيد بشكل مفاجئ، خاصة بالنسبة للأمطار الغزيرة. وهذا يوضح أن النموذج "قابل للنقل" — أي يمكنه أخذ ما تعلمه في مكان ما وتطبيقه في مكان آخر، وهو أمر ضخم للمناطق التي لا تملك سنوات من البيانات المحلية للتدريب عليها.

ما لا يدعيه (وما يليه)

من المهم ملاحظة ما لا تدعيه هذه الورقة. TUPANN ليس عصا سحرية تتنبأ بالطقس بشكل مثالي للأبد. تعترف الورقة بأنه كلما ابتعد التنبؤ في المستقبل (بعد ساعتين)، تنخفض الدقة طبيعياً، وهو أمر ينطبق على جميع نماذج الطقس. كما يعتمد النموذج على القمر الصناعي GOES-16 الذي يغطي الأمريكتين؛ ولكي يعمل في آسيا أو أوروبا، فإنه يحتاج إلى إعادة تدريب على أقمار صناعية مختلفة مثل Himawari أو Meteosat.

كما اختبر الباحثون إضافة "شبكة خصومة توليدية" (GAN) لجعل الصور تبدو أكثر حدة وتفصيلاً. ورغم أن هذا جعل الصور تبدو أكثر وضوحاً، إلا أنه لم يؤدِ دائماً إلى تحسين درجات التنبؤ الفعلية. في بعض الحالات، جعل ذلك الدرجات أسوأ قليلاً. وهذا يشير إلى أن جعل الصور تبدو "جميلة" ليس بنفس أهمية التأكد من صحة الفيزياء.

لماذا يهم هذا؟

الجزء الأكثر إثارة في هذه الورقة هو إمكانية تحقيق العدالة في التنبؤ بالطقس. حالياً، إذا كنت تعيش في مكان يفتقر إلى شبكة رادار، فقد لا تحصل على تحذير قبل وقوع فيضان خاطف. يظهر TUPANN أنه يمكننا بناء نظام يعمل في أي مكان في العالم، طالما يوجد قمر صناعي فوقنا. ولأن النموذج يعمل بسرعة (يستغرق أقل من ثانيتين لإجراء التنبؤ) ويمكن تشغيله على أجهزة حاسوب متواضعة نسبياً، يمكن نشره في الوقت الفعلي لمساعدة وكالات مثل تلك الموجودة في ريو دي جانيرو على الاستعداد للكوارث.

من خلال الجمع بين قوة الذكاء الاصطناعي وقواعد الفيزياء، يشير المؤلفون إلى أننا نتحرك نحو مستقبل تتوفر فيه تحذيرات العواصف قصيرة المدى بدقة للجميع، وليس فقط لأولئك المحظوظين الذين يعيشون تحت شعاع رادار. إنها خطوة نحو عالم يتم فيه أخيراً تشغيل "كشاف" التنبؤ بالطقوت للكرة الأرضية بأكملها.