Probabilistic Deep Learning for Drought Forecasting: Role of Internal Climate Variability

تخيل أنك تحاول التنبؤ بحالة الطقس للشهر القادم. الأمر يشبه محاولة تخمين نتيجة لعبة نرد، حيث النرد نفسه مهتز قليلاً، والطاولة تهتز، والقواعد تتغير حسب الموسم. هذا هو عالم علوم المناخ، وتحديداً المهمة الشاقة المتمثلة في التنبؤ بالجفاف. الجفاف ليس مجرد "عدم وجود مطر"؛ بل هو رقصة معقدة بين كمية المياه التي تسقط من السماء، وكمية المياه التي تتبخر في الهواء، وكيفية احتفاظ الأرض بالرطوبة. لطالما عرف العلماء أنه حتى لو عرفنا القواعد الدقيقة للعبة، فإن هناك جزءاً من الطقس يتسم بطبيعة فوضوية بطبعه — مثل الارتداد العشوائي للكرة. يُطلق على هذا اسم "التباين الداخلي" (internal variability). إنه الاهتزاز العشوائي الخاص بالنظام المناخي، والذي يمكن أن يجعل منطقة ما رطبة أو جافة لسبب لا علاقة له بشيء سوى محض الصدفة.

لماذا يهم هذا؟ لأنك إذا كنت مزارعاً تخطط لمحاصيلك، أو مدير مدينة يستعد لنقص المياه، أو صاحب منزل قلق بشأن حرائق الغابات، فأنت بحاجة إلى معرفة ليس فقط "المتوسط" المستقبلي، بل أيضاً السيناريوهات الأسوأ. إذا قال التوقع "قد يكون الجو جافاً بعض الشيء"، فهذا ليس كافياً. أنت بحاجة لمعرفة: "إلى أي مدى يمكن أن يصبح الجو جافاً بشكل ممكن إذا ساءت حظوظ نرد المناخ حقاً؟" لفترة طويلة، كانت نماذج الكمبيوتر المستخدمة للتنبؤ بهذه المخاطر تتعامل مع ذلك الاهتزاز العشوائي كضجيج بسيط يجب تجاهله، أو حاولت تخمين الحالة الأسوأ من خلال النظر فقط إلى ما حدث في الماضي. لكن الماضي قد لا يحمل الإجابات لمستقبل يتغير.

هذه الورقة البحثية تشبه فريقاً من المحققين قرروا التوقف عن التخمين والبدء في استخدام خدعة ذكية جداً لرؤية المستقبل بوضوح أكبر. لقد بنوا نوعاً جديداً من "البلورة السحرية" للجفاف في أوروبا باستخدام نوع من الذكاء الاصطناعي يسمى "التعلم العميق". ولكن إليكم المفاجأة: لم يتركوا الذكاء الاصطناعي يخمن فحسب؛ بل غدّوه بمكتبة ضخمة من سيناريوهات "ماذا لو" الناتجة عن محاكي مناخي عملاق. فكر في الأمر كأنك تسأل 50 خبيراً مناخياً مختلفاً لتخيل السنوات القادمة، وجميعهم يبدأون بنفس القواعد ولكنهم يرمون نردهم الخاص. ومن خلال مقارنة كل هذه السيناريوهات المستقبلية الخمسين، استطاع الفريق أخيراً رؤية شكل "الاهتزاز العشوائي" نفسه. لقد وجدوا أنه باستخدام هذا الجمع من 50 محاكاة، يمكنهم رسم "خط خطر" أكثر أماناً وواقعية للجفاف. هذا الخط يخبرنا بمدى سوء يمكن أن تصبح الأمور إذا جاءت العشوائية الطبيعية للمناخ ضدنا. والنتيجة؟ نظام إنذار لا يقول فقط "قد يكون الجو جافاً"، بل يقول: "إليك أسوأ ما يمكن أن يحدث بشكل ممكن، ونحن مستعدون له".

قصة "النرد المهتز" والـ 50 بلورة سحرية

سعى مؤلفو هذه الدراسة، هنري فونك وفريقه من ميونيخ، ألمانيا، لحل مشكلة محبطة: التنبؤ بالجفاف صعب لأن المناخ مليء بالمفاجآت. حتى لو عرفنا الصورة الكبيرة، مثل الاحتباس الحراري، فإن النظام المناخي لديه "اهتزازاته" الداخلية الخاصة (التباين الداخلي) التي يمكن أن تجعل منطقة ما جافة أو رطبة بطرق يصعب التنبؤ بها. إذا نظرت فقط إلى السجلات التاريخية (الماضي)، فقد تفوتك هذه التقلبات الحادة، خاصة عندما يتغير المناخ.

الطريقة القديمة مقابل الخدعة الجديدة
تقليدياً، حاول العلماء التنبؤ بالجفاف من خلال النظر إلى الماضي. يأخذون تاريخاً طويلاً من بيانات الطقس ويدربون جهاز كمبيوتر على رصد الأنماط. الأمر يشبه تعلم القيادة من خلال النظر فقط إلى خريطة للأماكن التي قدتها من قبل. المشكلة هي أنه إذا تغير الطريق أو تصرفت السيارة بشكل مختلف، فإن الخريطة القديمة لن تساعد. في هذه الدراسة، أظهر الفريق أن الاعتماد فقط على الماضي (تحديداً مجموعة بيانات تسمى ERA5-Land) يؤدي إلى شعور زائف بالأمان. فعندما اختبروا توقعاتهم من النوع القديم مقابل السنوات الجافة من 2020 إلى 2024، كانت "خطوط الخطر" التي رسموها مرتفعة جداً. لقد فاتهم جزء كبير من الأحداث شديدة الجفاف. كان الأمر كما لو كانوا يحذرون الناس من رذاذ خفيف بينما كانت عاصفة قادمة بالفعل.

لإصلاح ذلك، قدم الفريق مكوناً جديداً: "المجموعة الكبيرة" (Large Ensemble). تخيل أن لديك محاكياً مناخياً فائق القدرة. بدلاً من تشغيله مرة واحدة للحصول على مستقبل واحد، قاموا بتشغيله 50 مرة. بدأت كل عملية تشغيل بنفس القواعد والفيزياء تماماً، لكنهم عدلوا الظروف الأولية بشكل طفيف جداً — مثل رمي النرد 50 مرة. ولأن القواعد كانت هي نفسها، فإن أي اختلافات بين النتائج الخمسين يجب أن تكون ناتجة عن ذلك "الاهتزاز" العشوائي الطبيعي للنظام المناخي.

الذكاء الاصطناعي والمجموعة
استخدم الفريق نموذج ذكاء اصطناعي متطوراً يسمى "محول الدمج الزمني" (Temporal Fusion Transformer - TFT). فكر في هذا الذكاء الاصطناعي كطالب ذكي جداً درس تاريخ الطقس في أوروبا لمدة 50 عاماً. لقد تعلم التنبؤ بالتوازن المائي (الأمطار ناقص التبخر) للشهر التالي بناءً على أشياء مثل درجات حرارة البحر، والضغط الجوي، والوقت من السنة.

لكن الذكاء الاصطناعي وحده لم يستطع رؤية الصورة الكاملة لـ "الاهتزازات". لذا، فعل الفريق شيئاً ذكياً. أخذوا نموذج الذكاء الاصطناعي المدرب الخاص بهم وطلبوا منه تقديم توقعات لجميع عمليات المحاكاة المناخية الخمسين "الافتراضية".

1. المركز: قدم الذكاء الاصطناعي توقعاً يمثل "أفضل تخمين" بناءً على البيانات التاريخية الحقيقية.
2. الانتشار: من خلال النظر في كيفية اختلاف الـ 50 محاكاة عن بعضها البعض، استطاع الفريق قياس مدى "اهتزاز" المناخ من تلقاء نفسه.

ثم دمجوا هذين الأمرين. أخذوا "أفضل تخمين" للذكاء الاصطناعي وأضافوا إليه "هامش أمان" بناءً على انتشار الـ 50 محاكاة. خلق هذا "حداً أدنى" جديداً — وهو خط على الرسم البياني يقول: "حتى لو ساءت حظوظ نرد المناخ حقاً، فمن غير المرجح أن يسوء الوضع أكثر من هذا".

ماذا وجدوا؟
كانت النتائج مثيرة للاهتمام. عندما اختبروا هذه الطريقة الجديدة مقابل السنوات الجافة من 2020 إلى 2024، فشلت الطريقة القديمة (التي تعتمد فقط على الماضي) فشلاً ذريعاً. في بعض المناطق، مثل جبال الألب وفرنسا، فاتت الطريقة القديمة نصف أحداث الجفاف تقريباً. كان الأمر كأنه تطبيق طقس يقول "مشمس" بينما كانت الأمطار تهطل بغزارة.

أما الطريقة الجديدة، باستخدام الـ 50 محاكاة، فكانت أفضل بكثير.

• تغطية أفضل: في معظم أنحاء أوروبا، التقط "خط الخطر" الجديد أحداث الجفاف بدقة أكبر بكثير. على سبيل المثال، في منطقة البحر الأبيض المتوسط وشبه جزيرة إيبيريا، رصدت الطريقة جميع حالات الجفاف والجفاف الشديد تقريباً.
• الواقع "المهتز": أظهرت الدراسة أن العشوائية الطبيعية للمناخ هي شيء حقيقي وقابل للقياس ويمكن التنبؤ به. ومن خلال معاملة هذه العشوائية كـ "ميزة" وليس كـ "خلل"، تمكنوا من إنشاء توقع "واعٍ بالمخاطر".
• أين تعثرت الطريقة: لم تكن الطريقة الجديدة مثالية في كل مكان. في جبال الألب، كانت دقة النموذج الحاسوبي (مدى تفصيل الخريطة) خشنة للغاية بحيث لم تستطع رؤية أنماط الطقس الجبلية المعقدة والصغيرة. في تلك البقاع المحددة، لا تزال الطريقة الجديدة تفقد بعض حالات الجفاف الشديدة، رغم أنها كانت لا تزال أفضل من الطريقة القديمة.

لماذا يهم هذا؟
تشير الورقة البحثية إلى أننا بحاجة إلى التوقف عن معاملة العشوائية الطبيعية للمناخ كمجرد "ضجيج" يجب تجاهله. بدلاً من ذلك، يجب أن نعاملها ككمية يمكن التنبؤ بها في حد ذاتها. من خلال استخدام مجموعات كبيرة من عمليات المحاكاة (Ensembles)، يمكننا نقل فيزياء التباين المناخي إلى نماذج التعلم الآلي الخاصة بنا. وهذا يمنحنا توقعاً "محافظاً" — توقعاً أكثر حذراً واستعداداً للأسوأ.

يؤكد المؤلفون بحذر أن هذا يعد "إثباتاً للمفهوم". لقد أظهروا أن هذا يعمل لأوروبا باستخدام بيانات من 2020 إلى 2024. لم يدّعوا أنهم حلوا مشكلة التنبؤ بالجفاف إلى الأبد، لكنهم أثبتوا أن النظر إلى 50 مستقبلاً "افتراضياً" يعطينا رؤية أوضح للخطر مما لو نظرنا إلى ماضٍ واحد فقط. إنه تحول من مجرد التخمين حول المستقبل إلى فهم النطاق الكامل للاحتمالات، مما يضمن أننا عندما تسوء حظوظ نرد المناخ ضدنا، لن نكون على حين غرة.