Warming driven intensification of Heat–Wet Alternations over South Indian Peninsula (1981–2024): Diagnosis and Machine Learning based Predictive Modeling
تكشف هذه الدراسة أن شبه جزيرة جنوب الهند قد شهدت تكثيفاً ناتجاً عن الاحترار في التناوب بين الحرارة والرطوبة منذ عام 1981، وهو ما يتميز بزيادة التكرار والتباين غير المستقر المرتبط بالاحترار الكوكبي وإعادة تنظيم الأنماط المناخية، بينما تُظهر أيضاً فعالية نموذج تعلم آلي في التنبؤ بهذه الظواهر المتطرفة المركبة بناءً على الحرارة المحلية السابقة.
المؤلفون الأصليون:Micky Mathew, K Sreelash, Jeenu Mathai, Alice Thomas, Rajat Kumar Sharma, D Padmalal
تخيل مناخ الأرض كرئة عملاقة تتنفس. لفترة طويلة، اعتقد العلماء أن هذه الرئة كانت تتنفس فقط بشكل أسرع أو أبطأ قليلاً مع ارتفاع حرارة الكوكب. لكن مؤخراً، سيطرت فكرة جديدة: الرئة لا تتنفس بشكل أسرع فحسب؛ بل بدأت في حالة "لهث". فبدلاً من الإيقاع المنتظم، أصبح الطقس يصبح "متذبذباً" (Spiky). إنها تحبس أنفاسها لفترات أطول وأكثر حرارة (الجفاف)، ثم تستنشق فجأة دفعة هائلة وعنيفة من الماء (الفيضانات). لا يتعلق الأمر بمجرد حدوث المطر أو الحرارة بشكل منفصل؛ بل يتعلق باصطدامهما معاً في تسلسل معين وخطير. يطلق العلماء على هذه الظاهرة اسم "القيم المتطرفة المركبة" (Compound Extremes). فكر في الأمر كترامبولين: إذا جلست ساكناً، ستكون بخير. ولكن إذا قفزت عالياً (حرارة) ثم هبطت مباشرة بقوة (مطر)، فإن التأثير سيكون أسوأ بكثير مما لو كنت جالساً فقط أو تقفز فقط. تغوص هذه الورقة البحثية في واحدة من هذه القفزات الخطيرة فوق الطرف الجنوبي للهند، محاولةً معرفة سبب لهث الرئة بهذا العنف، وما إذا كان بإمكاننا التنبؤ بـ "الهبطة" التالية.
قرر الباحثون، وهم فريق من المركز الوطني لعلوم الأرض في الهند، استقصاء الجزء الجنوبي من شبه الجزيرة الهندية بين عامي 1981 و2024. كانوا يبحثون عن نمط محدد يسمونه "التناوب الحراري الرطب" (HWA). تخيل هذا: فترة من الأيام حيث تسخن الأرض تحت شمس لا ترحم، مما يؤدي إلى تجفيف التربة وتسخين الهواء. ثم، في غض وأن لا يتجاوز الأسبوعين، تضرب عاصفة هائلة ذلك المكان نفسه. أراد الفريق معرفة: هل يحدث هذا بشكل متزايد؟ هل يزداد سوءاً؟ وما الذي يحرك الخيوط؟
ولمعرفة ذلك، استخدموا مزيجاً من عمل المحققين التقليدي والسحر التقني العالي. أولاً، نظروا في بيانات الطقس اليومية مثل مؤرخ يقلب صفحات مذكرات، حيث قاموا بعدّ عدد المرات التي تلت فيها فترة جفاف فترة رطبة. ووجدوا أنه في العقود الأخيرة (1_1981–2024)، تحدث حالات "اللهاث" هذه بشكل أكبر بكثير. في الواقع، تشهد المنطقة حوالي 8.84 حدث "تناوب حراري رطب" إضافي في كل سنة مقارنة بالماضي. الأمر ليس مجرد زيادة في الحرارة أو الرطوبة؛ بل إن عملية "التحول" بينهما تتسارع. لقد أصبحت الأرض "أكثر وميضاً" (Flashier)، حيث تتأرجح بين القيم المتطرفة بسرعة أكبر.
ولكن لماذا؟ استخدم الفريق أداة رياضية خاصة تسمى "المويجة" (Wavelet) -تخيلها كمجهر ينظر إلى الوقت والتردد في آن واحد- لمعرفة ما إذا كانت الأنماط المناخية العالمية الكبرى هي المسؤولة. واكتشفوا أنه بعد عام 2010، بدأت عمليات التحول من الحرارة إلى المطر تتزامن مع إيقاع يتراوح بين 2 إلى 4 سنوات. يتوافق هذا الإيقاع مع نبض التذبذبات المناخية العملاقة مثل ظاهرة "النينيو" (ENSO) وثنائي قطب المحيط الهندي. وكأن الطقس المحلي في جنوب الهند قد بدأ يرقص على إيقاع طبول أكثر صخباً وكثافة يعزفها النظام المناخي العالمي. تشير الورقة إلى أنه مع ارتفاع حرارة الكوكب، تعيد هذه الأنماط العالمية تنظيم الطقس المحلي، مما يجعل هذه التناوبات الخطيرة أكثر تكراراً وشدة.
لم يتوقف الباحثون عند مراقبة الماضي فحسب؛ بل بنوا "كرة بلورية" باستخدام تعلم الآلة. لقد علموا خوارزمية حاسوبية كيفية رصد العلامات التي تشير إلى أن موجة الحر على وشك أن تتحول إلى موجة مطر. زوّدوا الحاسوب ببيانات حول مدى سخونة الأرض، وكمية الرطوبة في الهواء، وما تفعله الأنماط المناخية العالمية الكبرى. والنتيجة؟ أصبح الحاسوب متوقعاً جيداً للغاية. فقد استطاع التنبؤ بهذه الأحداث بدقة عالية (سجل 0.911 على مقياس يكون فيه الرقم 1 مثالياً). ومع ذلك، تشير الورقة إلى وجود عقبة: الحاسوب بارع في التنبؤ بتقلبات الطقس العادية، ولكنه يرتبك أحياناً عندما يضرب حدث نادر وضخم مثل ظاهرة "النينيو" فائقة القوة (كما في 2023–2024)، لأنه لم يشهد شيئاً بهذا التطرف في بيانات التدريب الخاصة به.
الخلاصة هي أن الطرف الجنوبي للهند ينتقل إلى وضع مناخي جديد أكثر فوضوية. لقد تم استبدال أيام الطقس المستقر والمتوقع بنظام تصبح فيه الحرارة الشديدة متبوعة بشكل متزايد بأمطار غزيرة مفاجئة. تؤكد الدراسة أن هذا ليس عشوائياً؛ بل مدفوع بالاحتباس الحراري والتحولات المناخية واسعة النطاق. وبينما تعد نموذجهم الحاسوبي أداة قوية جديدة للتحذير من عمليات "اللهاث" القادمة، يقر المؤلفون بأنه مع استمرار تغير المناخ، سيحتاج النموذج إلى مواصلة التعلم للتعامل مع أكثر العواصف جنوناً وعدم قدرة على التنبؤ. بالنسبة للمزارعين، ومخططي المدن، وكل من يعيش في المنطقة، فإن الرسالة واضحة: الطقس يزداد تقلبًا، والفجوة بين موجة الحر والفيضان تتقلص.
ملخص تقني: التكثيف المدفوع بالاحترار لتقلبات الحرارة والرطوبة فوق شبه جزيرة جنوب الهند (1981–2024)
بيان المشكلة تظهر الأحداث المتطرفة المركبة، وتحديداً تتابع موجات الحر الشديدة التي تليها نوبات هطول أمطار غزيرة (تقلبات الحرارة والرطوبة - HWA)، كسمة محددة لتغير المناخ في مناطق المونسون الاستوائية. وبينما حظيت التحولات من الجفاف إلى موجات الحر ومن الجفاف إلى الفيضانات باهتمام كبير، فإن المسار الزمني المركب للتحولات من الحرارة إلى الرطوبة لا يزال غير مفهوم بشكل كافٍ، لا سيما فوق شبه جزيرة جنوب الهند (SIP). تعالج هذه الدراسة الحاجة إلى قياس حدوث، وكثافة، والتطور الزماني والمكاني لأحداث (HWA) فوق (SIP)، وتشخيص محركاتها، وتطوير إطار تنبؤي لاستباق هذه التحولات الهيدرو-مناخية المفاجئة.
المنهجية تستخدم الدراسة بيانات على المقياس اليومي من 1981 إلى 2024، حيث تجمع بين مجموعات بيانات هطول الأمطار من (IMD) عالية الدقة (0.25° × 0.25°) وبيانات إعادة تحليل درجات الحرارة من (AgERA5). يدمج الإطار التحليلي عدة تقنيات إحصائية وتعلم آلي:
تفكيك فترات التشغيل وبناء المؤشرات: تستخدم الدراسة نظرية التشغيل (Run theory) لتحديد الفترات الرطبة (SWAP > 1) وفترات الحرارة (SHAcc > 1). ولضمان القابلية للمقارنة، تم بناء مؤشرين معياريين:
(SWAP) متوسط هطول الأمطار الموزون المعياري: تراكم هطول أمطار موزون أسياً يتم تحويله عبر توزيع "غاما" إلى مجال طبيعي معياري، مما يدمج الذاكرة الهيدرولوجية.
(SHAcc) تراكم الحرارة المعياري: تراكم موزون أسياً لشذوذ درجات الحرارة بعد إزالة الموسمية، ومعياري عبر درجة (z-score).
تعريف (HWA): يُعرف الحدث المركب بأنه فترة حرارة (SHAcc > 1 لمدة ≥3 أيام) تليها فترة رطبة (SWAP > 1 لمدة ≥3 أيام) خلال نافذة زمنية مدتها 14 يوماً.
التحليل التشخيصي:
تحليل الاتجاه: تم تطبيق اختبارات (Mann–Kendall) عبر ثلاث حقب (1901–1940، 1941–1980، 1981–2024) لتقييم اتجاهات التقلب من الجفاف إلى الرطبة (DWA).
تحليل (EOF) والويفلت (Wavelet): حدد تحليل الدوال المتعامدة التجريبية (EOF) الأنماط المكانية المهيمنة، بينما شخصت تحويلات الويفلت المستمرة (CWT) البنية الزمنية-الترددية وعدم الاستقرار للمكونات الرئيسية الرائدة، وتحديداً اختبار التماسك مع مؤشرات (ENSO) و(IOD).
بنية التأخير (Lag Structure): تم تحليل العلاقة الزمنية بين بداية فترة الحرارة وبداية الفترة الرطبة للتمييز بين المسارات الديناميكية الحرارية السريعة والمسارات الديناميكية تحت الموسمية البطيئة.
نمذجة التنبؤ بالتعلم الآلي:
تم تطوير مصنف (RUSBoost) (تعزيز أخذ العينات تحت المنخفضة) للتنبؤ ببداية (HWA) على المقياس اليومي ومقياس الشبكة.
الميزات: استخدم النموذج 27 متنبئاً، بما في ذلك (SWAP/SHAcc) الحالي والمتأخر، ومقاييس معدل التغيير، والمؤشرات الموسمية، والمؤشرات المناخية واسعة النطاق (ENSO Niño3.4 و IOD DMI) عند فترات تأخير مختلفة.
التحقق: تم تقسيم مجموعة البيانات زمنياً (التدريب: 1981–2010؛ التحقق: 2011–2017؛ الاختبار: 2018–2024) لمنع تسرب البيانات. تم تقييم الأداء باستخدام (MCC)، و(ROC-AUC)، ودرجة مهارة براير (BSS)، وعزو الميزات.
النتائج الرئيسية
تكثيف (DWA): تظهر حقبة 1981–2024 اتجاهاً متزايداً ذا دلالة إحصائية على مستوى النطاق في تقلبات (الجفاف–الرطوبة) (DWA)، بمتوسط زيادة قدره 8.84 حدث (HWA) سنوياً. يتسم هذا التكثيف بزيادة في تواتر الفترات بدلاً من زيادة طول أو شدة الفترات.
بنية تأخير ثنائية الآلية: تظهر أحداث (HWA) توزيع تأخير ثنائي المنوال. المسار السريع (2–4 أيام) يعكس الاقتران الديناميكي الحراري المحلي المباشر (الشحن الحملي)، بينما المسار الأبطأ (8–14 يوماً) يتوافق مع التذبذب شبه الأسبوعي (QBWO) وذاكرة رطوبة التربة.
التماسك المكاني: يكشف النمط المهيمن لـ (EOF1) عن تكثيف متجانس مكانياً وعلى نطاق النطاق في تواتر (HWA). ويظهر المكون الرئيسي المقابل (PC1) تسارعاً ملحوظاً في الاتجاه بعد عام 2010.
عدم الاستقرار والمحركات المناخية: يظهر تحليل الويفلت لـ (PC1) عدم استقرار، مع ظهور قوة ذات دلالة إحصائية في نطاق 2–4 سنوات بعد عام 2010. وتتوافق هذه الدورية مع إعادة تنظيم دورات (ENSO) و(IOD)، مما يعزو تكثيف (HWA) إلى الاحترار الكوكبي والأنماط المناخية واسعة النطاق.
الأداء التنبئي: حقق نموذج (RUSBoost) قيمة (ROC-AUC) بلغت 0.911 ودرجة مهارة براير (BSS) بلغت 0.31 في مجموعة الاختبار (2018–2024). أكد عزو الميزات أن الحرارة المحلية السابقة هي المحرك المهيمن. ومع ذلك، أظهر النموذج تنعيماً مكانياً زائداً وانخفاضاً في المهارة أثناء أحداث القوة المتطرفة (مثل ظاهرة النينيو 2023–2024)، مما يشير إلى عدم الاستقرار الزمني.
الأهمية والادعاءات تزعم الورقة أن شبه جزيرة جنوب الهند تنتقل نحو نظام أكثر تقلبًا وعرضة للظواهر المتطرفة فيما يتعلق بتقلبات الحرارة والرطوة المركبة. وتؤكد الدراسة أن تكثيف التقلبات نفسها هو سمة قوية لهذا الانتقال، مدفوعاً بالاحترار العالمي الذي يعيد تنظيم البنية الزمنية لهطول الأمطار إلى فترات رطبة أقل عدداً ولكن أكثر غزارة، تفصل بينها فترات جافة أكثر حرارة.
تكمن أهمية العمل في:
الوضوح التشخيصي: يوفر سلسلة سببية متسقة فيزيائياً تربط الشذوذات الحرارية المستمرة بتكثيف تقطع هطول الأمطار، متجاوزاً التعامل مع درجات الحرارة وهطول الأمطار كظواهر متطرفة مستقلة.
القدرة التنبئية: يقدم إطار عمل للتعلم الآلي قابل للتحقق والتفسير، قادر على التنبؤ ببداية (HWA) على مقياس يومي ومقياس الشبكة. ويمكن استخدام مخرجاته الاحتمالية كأداة إنذار مبكر تحت موسمية.
الأهمية التشغيلية: توفر النتائج أساساً تجريبياً للتخطيط المرن للمناخ. وتحديداً، تقترح الدراسة أن النموذج يمكن أن يوجه اختيار المحاصيل وجدولة الري، وعمليات تشغيل الخزانات، وأنظمة الإنذار المبكر للصحة المتعلقة بالحرارة.
القيود والنطاق المستقبلي: يشير المؤلفون بتواضع إلى أنه بينما يعمل النموذج بشكل جيد في ظل التقلبات العادية، فإنه يواجه صعوبة في الأحداث غير المستقرة المتطرفة (مثل سنوات النينيو القوية) التي تقع خارج توزيع التدريب. ويخلصون إلى أن العمل المستقبلي يجب أن يركز على المعالجة المكانية اللاحقة، وإعادة التدريب الدوري، ودمج مركبات الارتباط عن بعد لالتقاط إشارات التأثير عن بعد بشكل أفضل.