Which Site, and When: A Free-Satellite-Data Test of Himalayan Glacial Lake Bursts, Landslides, and Ice Floods

مراقبو الجبال: قصة الأقمار الصناعية، والعواصف، والصخور المنزلقة

تخيل أعلى الجبال في العالم كأنها موقع بناء ضخم يتحرك ببطء شديد. لآلاف السنين، قامت الأنهار الجليدية بدفع الصخور والتربة، وتكويمها في جدران هائلة تسمى "المورينات" (الركام الجليدي). وأحياناً، تحبس هذه الجدران المياه الذائبة خلفها، مما يخلق بحيرات جميلة ولكنها خطيرة. القلق الكبير هو أنه إذا انهارت هذه الجدران، فقد تنفجر المياه دفعة واحدة، لتجرف كل ما يعترض طريقها. يسمي العلماء هذه الظاهرة "فيضان انفجار البحيرات الجليدية"، أو GLOF.

للحفاظ على سلامة الناس، نحتاج لمعرفة شيئين: أي البحيرات هي الأكثر عرضة للانهيار (مثل سد يبدو ضعيفاً)، ومتى قد تؤدي عاصفة أو انهيار أرضي إلى دفعها نحو الحافة (مثل عاصفة مطرية غزيرة تضرب ذلك السد الضعيف). عادةً، يتطلب التحقق من ذلك معدات باهظة الثمن على الأرض أو صور أقمار صناعية مكلفة. ولكن ماذا لو استطعنا استخدام بيانات الأقمار الصناعية المجانية لمراقبة سلسلة الجبال بأكملها؟ كان هذا هو السؤال الذي طرحه فريق من الباحثين. أرادوا معرفة ما إذا كانت الإشارات المجانية من الفضاء يمكن أن تعمل مثل كاميرا أمنية آلية ضخمة، ترصد مناطق الخطر قبل وقوع الكارثة.

لعبة المحقق الجبلي العظيم

شرع الباحثون في بناء "محقق رقمي" يمكنه الإجابة على سؤالين محددين لثلاثة أنواع مختلفة من الكوارث الجبلية: انفجارات البحيرات الضخمة، والانهيارات الأرضية الناجمة عن الأمطار، والفيضانات الصغيرة الناتجة عن البرك الصغيرة على الأنهار الجليدية. لم يرغبوا فقط في التخمين؛ بل أرادوا اختبار أفكارهم مقابل مجموعة صارمة جداً من القواعد للتأكد من أنهم لا يخدعون أنفسهم.

السؤالان: الفتيل والشرارة
أدرك الفريق أن التنبؤ بكارثة يشبه محاولة التنبؤ بنشوب حريق. أنت بحاجة لمعرفة شيئين:

1. الفتيل (القابلية للتأثر): هل المادة جافة وجاهزة للاحتراق؟ في الجبال، يعني هذا النظر في شكل الأرض، ومدى انحدار المنحدرات، وكمية الأمطار التي تهطل عادة في المنطقة. هذا يتغير ببطء شدم، مثل تصميم المنزل.
2. الشرارة (المُحفِّز): هل هناك شخص على وشك إشعال عود ثقاب؟ هذا هو الطقس. هل تمطر بغزارة الآن؟ هل تذوب الثلوج بسرعة؟ هذا يتغير بسرعة، مثل الطقس خارج نافذتك.

يفصل البحث بين هذين السؤالين تماماً. فمعرفة أن بحيرة ما "هشة" لا تخبرك ما إذا كانت ستنفجر اليوم. ومعرفة أنها تمطر لا تخبرك أي بحيرة ستنفجر. أنت بحاجة لكليهما لمعرفة المخاطر.

المفاجأة الكبرى: "أين" مقابل "ماذا"
عندما نظر الباحثون في البيانات لأول مرة، وجدوا فخاً كبيراً. إذا طلبت من الكمبيوتر إيجاد البحيرات الخطيرة عبر منطقة الهيمالايا بأكملها، فسيحصل على درجة تقارب المثالية (0.92 من 1.0). يبدو الأمر كمعجزة! لكن الفريق أدرك أن الكمبيوتر كان يعتمد على الخرائط.

السجلات التاريخية للكوارث تأتي غالبيتها من الأجزاء الجنوبية الرطبة والممطرة من الجبال حيث يعيش الناس ويراقبون. أما الأجزاء الشمالية الجافة والباردة فلديها سجلات أقل. تعلم الكمبيوتر أن "الرطوبة = خطر" و"الجفاف = أمان". لقد كان يشير فقط إلى الجانب الممطر من الخريطة.

لإصلاح ذلك، جعل الباحثون الكمبيوتر يلعب لعبة أصعب: "قارن كل بحيرة خطيرة ببحيرات أخرى تقع ضمن نطاق 50 كيلومتراً (حوالي 31 ميلاً) منها فقط". هذا أجبر الكمبيوتر على النظر في شكل الأرض الفعلي، وليس مجرد الطقس العام للمنطقة.

النتائج الصادقة
بمجرد إزالة "الاعتماد على الخريطة"، انخفضت الدرجات، لكنها أصبحت حقيقية ومفيدة:

• بالنسبة لانفجارات البحيرات الكبيرة: استطاع الكمبيوتر الآن رصد البحيرات الخطيرة بدرجة 0.76. وهذا يعني أنه إذا اخترت بحيرة آمنة وأخرى خطيرة، فإن الكمبيوتر سيخمن البحيرة الخطيرة بشكل صحيح في ثلاث حالات من أصل أربع.
• بالنسبة للانهيارات الأرضية: كانت الدرجة 0.71.
• بالنسب بالنسبة لفيضانات البرك الصغيرة: كانت الدرجة 0.54. وهذا يعني عملياً أنها مثل رمي العملة المعدنية. لم يستطع الكمبيوتر التنبؤ بهذه الفيضانات الصغيرة على الإطلاق؛ فهي تحدث بسرعة كبيرة وصغيرة جداً بحيث لا تستطيع بيانات الأقمار الصناعية المجانية رؤيتها بوضوح.

الطقس هو البطل الحقيقي
بينما كان شكل الأرض (القابلية للتأثر) جيداً فقط بشكل "متوسط" في التنبؤ بالخطر، كان الطقس (المُحفِّز) ممتازاً. من خلال النظر في الأمطار ودرجات الحرارة في الأسابيع التي سبقت الحدث، استطاع الكمبيوتر رصد "النوافذ الخطرة" بدقة عالية:

• 0.73 للانفجارات الكبيرة.
• 0.83 للانهيارات الأرضية.
• 0.82 للفيضانات الصغيرة.

هذا منطقي: لا يمكنك التنبؤ بانهيار ثلجي يحدث في يوم صافٍ بمجرد النظر إلى الطقس، ولكن يمكنك التنبؤ بأن الأمطار الغزيرة ستجعل المنحدر ينزلق.

أسطورة "التعلم العميق"
اختبر الباحثون خمسة نماذج حاسوبية متطعة ومعقدة (تسمى "التعلم العميق") لمعرفة ما إذا كان بإمكانها التغلب على نموذج بسيط وقديم. كانوا يأملون أن يجد الذكاء الاصطناعي المتطور أنماطاً سرية.

• النتيجة: النماذج المتطورة لم تفز. لقد بالكاد تفوقت على النموذج البسيط، وكان الفرق صغيراً جداً لدرجة أنه قد يكون مجرد ضوضاء عشوائية.
• الفائز: نموذج بسيط يعتمد على ثلاث قواعد فقط كان هو الأفضل. لقد نظر في: 1) مدى وعورة الأرض، 2) كمية الأمطار في موسم الرياح الموسمية، و3) الارتفاع.
• الدرس المستفاد: أحياناً يكون المصباح اليدوي البسيط أفضل من الليزر المعقد. لم تكن البيانات معقدة بما يكفي لتتطلب حاسوباً خارقاً؛ بل احتاجت فقط إلى نظرة واضحة وصادقة.

دليل التشوه
تحقق الفريق أيضاً مما إذا كان بإمكانهم رؤية "هبوط" الأرض قبل انفجار البحيرة (باستخدام تقنية تداخل الرادار). وجدوا أنه بينما يعد الهبوط علامة على الخطر، إلا أنه لا يساعد في ترتيب أي بحيرة ستنفجر أولاً. إنه يشبه السعال المستمر: يخبرك أن شخصاً ما مريض، لكنه لا يخبرك من سيكون الأكثر مرضاً أولاً.

المنتج النهائي: قائمة المراقبة
باستخدام أفضل نموذج بسيط لديهم، أنشأ الفريق قائمة مراقبة مرتبة لنيبال. لقد أخذوا الـ 47 بحيرة الأكثر خطورة المعروفة لدى الخبراء ورتبوها بناءً على احتمالية انفجارها.

• البحيرات في مقدمة القائمة تقع في أماكن مرتفرة، محاطة بصخور شديدة الانحدار، وفي مناطق رطبة جداً.
• هذه القائمة ليست كرة بلورية تقول "هذه البحيرة ستنفجر غداً". بدلاً من ذلك، هي أداة لتحديد الأولويات. إنها تخبر المسؤولين: "إذا كان بإمكانكم إرسال فريق مسح إلى أماكن قليلة فقط هذا العام، فاذهبوا إلى هنا أولاً".

ماذا يعني هذا؟
تثبت الورقة البحثية أن بيانات الأقمار الصناعية المجانية قوية، ولكن لها حدود. يمكنها إخبارنا متى قد تسبب عاصفة كارثة، وتعطينا فكرة متوسطة عن أين توجد المناطق الأكثر خطورة. لا يمكنها التنبؤ بالفيضانات الصغيرة والمتكررة، ولا تحتاج إلى حاسوب خارق للقيام بما تفعله. أهم ما يجب استيعابه هو أنه يجب ألا نسمح للخرائط بخداعنا؛ يجب أن نقارن الأماكن الخطيرة بجيرانها، وليس بالعالم أجمع، لنصل إلى الحقيقة.

النتيجة هي أداة عملية وصادقة تساعد الناس في الجبال على البقاء متقدمين بخطوة على المياه، باستخدام لا شيء سوى الإشارات المجانية القادمة من السماء.