Quantification of atmospheric carbon dioxide from the Geostationary Operational Environmental Satellite (GOES East)
تقدم هذه الورقة شبكة عصبية موجهة بالفيزياء تستفيد من البيانات عالية التردد ومتعددة الأطياف من قمر GOES-East الاصطناعي لتقدير الكسور المولية لثاني أكسيد الكربون في الغلاف الجوي، مما يوفر تغطية مكانية وزمانية غير مسبوقة لتتبع تغيرات غازات الاحتباس الحراري رغم انخفاض دقتها مقارنة بالأجهزة المخصصة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
المشكلة الكبيرة: محاولة عد قطرات المطر باستخدام دلو
تخيل أنك تحاول فهم كمية الأمطار التي تهطل عبر بلد بأكمله. حالياً، يمتلك العلماء بعض أجهزة قياس المطر الدقيقة للغاية (مثل الأقمار الصناعية OCO-2 و OCO-3) التي تقيس ثاني أكسيد الكربون (CO₂) في الهواء. لكن هذه الأجهزة تشبه دلواً به ثقب صغير: فهي لا تلتقط إلا بضع قطرات في كل مرة، ولا تمر فوق بقعة معينة إلا مرة واحدة كل 16 يوماً.
ولأن "الدلو" صغير وبطيء جداً، فنحن نفقد الكثير من القصة. لا يمكننا رؤية كيف يتغير ثاني أكسيد الكربون ساعة بساعة، أو كيف يتحرك فوق المدن والمزارع خلال النهار. نحن بحاجة إلى طريقة لرؤية الصورة الكاملة، طوال الوقت، لكن بناء قمر صناعي جديد ومثالي لهذا الغرض يستغرق سنوات ويكلف ثروة طائلة.
الحل الذكي: استخدام كاميرا طقس كـ "محقق"
وجد مؤلفو هذه الورقة حلاً ذكياً للالتفاف على المشكلة. لقد أدركوا أن القمر الصناعي GOES-East، الذي يدور حول الأرض منذ عام 2017، موجود بالفعل هناك. ومهمته هي مراقبة الطقس؛ فهو يلتقط صورة لكامل النصف الغربي من الكرة الأرضية كل 10 دقائق باستخدام 16 "لوناً" (نطاقاً طيفياً) مختلفاً من الضوء.
فكر في GOES-East كأنه كاميرا أمنية فائقة السرعة لا ترمش أبداً. ورغم أنه لم يُصنع لعدّ ثاني أكسيد الكربون، إلا أن العلماء تساءلوا: "هل يمكننا تعليم الكمبيوتر النظر إلى صور الطقس هذه واستنتاج كمية ثاني أكسيد الكربون المختبئة فيها؟"
كيف علموا الكمبيوتر (دماغ "المرحلتين")
لحل هذه المعضلة، قاموا ببناء "دماغ" خاص بالذكاء الاصطناعي يتكون من جزأين متميزين، تماماً مثل طالب يؤدي اختباراً على مرحلتين:
1. المرحلة الأولى: الطالب "المثقف" (النموذج الأساسي)
أولاً، علموا الذكاء الاصطناعي الأساسيات باستخدام كتاب قواعد بسيط. تعلم أن ثاني أكسيد الكربون يرتفع عادة في الشتاء وينخفض في الصيف، وأنه يكون أعلى في الشمال وأقل في الجنوب. هذا الجزء من الذكاء الاصطناعي يعمل مثل خريطة متوقعة. فهو يعرف كيف يجب أن يبدو الهواء بناءً على الوقت من السنة وموقعك على الخريطة.
2. المرحلة الثانية: "المحقق" (نموذج البواقي)
بعد ذلك، أضافوا جزءاً ثانياً أكثر ذكاءً من الذكاء الاصطناعي. هذا المحقق ينظر إلى الصور الفعلية من قمر GOES، وبيانات الطقس الحالية، ولون الأرض (مثل المحاصيل الخضراء أو التربة البنية).
- الخدعة: يُطلب من المحقق تجاهل إحداثيات الخريطة؛ فلا يمكنه مجرد حفظ أن "شيكاغو مرتفعة". بدلاً من ذلك، عليه أن ينظر إلى التغيرات في الضوء والطقس للعثور على "المفاجآت".
- الهدف: يقوم بحساب الفرق بين ما توقعه "الطالب المثقف" وما يراه "المحقق" في السماء الحقيقية. هذا الفرق هو بيانات ثاني أكسيد الكربون الحية والواقعية.
لماذا يعد هذا تغييراً جذرياً في قواعد اللعبة؟
تظهر الورقة أن هذه الطريقة تعمل بشكل جيد بشكل مفاجئ. وإليك سبب تميزها:
- ميزة الـ "10 دقائق": بينما قد تلتقط الأقمار الصناعية الأخرى لقطة للمدينة مرة واحدة في الشهر، يلتقط GOES لقطة كل 10 دقائق. هذا يشبه الانتقال من عرض "كتاب الصور المتحركة" إلى بث فيديو مباشر.
- رؤية غير المرئي: تعلم الذكاء الاصطناعي رصد "سحب" ثاني أكسيد الكربون (سحب التلوث) فوق مدن مثل شيكاغو ولوس أنجلوس. كما رأى كيف تمتص المحاصيل في "حزام الذرة" ثاني أكسيد الكربون خلال النهار في شهر يوليو، وهو نمط سريع جداً لدرجة أن الأقمار الصناعية الأخرى لا تستطيع رصده.
- مقايضة "الجيد بما يكفي": تعترف الورقة بأن هذه الطريقة ليست بدقة "المعيار الذهبي" للأقمار الصناعية المتخصصة. الأمر يشبه استخدام كاميرا هاتف ذكي عالية الجودة لقياس تفصيل دقيق للغاية؛ إنها ليست مجهراً، ولكن لأنك تستطيع التقاط صورة كل 10 ثوانٍ، يمكنك رؤية الحركة والأنماط التي قد يفقدها المجهر لأنه لا يلتقط إلا صورة واحدة في اليوم.
التنبيه (ما تحذرنا منه الورقة)
الورقة صريحة بشأن القيود. نظرًا لأن الذكاء الاصطناعي تم تدريبه باستخدام بيانات من الأقمار الصناعية ذات "المعيار الذهبي" (OCO-2 و OCO-3)، فإنه أحياناً ينسخ أخطاءها.
- التشبيه: إذا علمت طالباً باستخدام كتاب مدرسي يحتوي على خطأ مطبعي، فمن المرجح أن يرتكب الطالب نفس الخطأ.
- النتيجة: تشير الورقة إلى أنه في بعض الحالات، "تعلم" الذكاء الاصطناعي أن الأنهار تبدو وكأنها تحتوي على كمية أقل من ثاني أكسيد الكربون، لمجرد أن بيانات التدريب قالت ذلك. وهذا يعني أن الذكاء الاصطناعي أداة قوية لرؤية الأنماط الكبيرة، لكن العلماء لا يزالون بحاجة إلى توخي الحذر وعدم الوثوق بكل رقم صغير يخرجه.
الخلاصة
تثبت هذه الورقة أننا لسنا بحاجة دائماً لبناء آلة جديدة ومكلفة لحل مشكلة ما. فمن خلال استخدام ذكاء اصطناعي ذكي لإعادة فحص البيانات من قمر صناعي للطقص موجود بالفعل في الفضاء، يمكننا أخيراً البدء في رؤية كيف يتحرك ثاني أكسيد الكربون ويتغير عبر الأمريكتين في الوقت الفعلي. إنه ليس بديلاً مثالياً للأدوات المتخصصة، لكنه يسد الفجوات الكبيرة في معرفتنا، محولاً فيلماً ضبابياً وبطيء الحركة إلى بث مباشر عالي الدقة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.