Remote Sensing-Based Assessment of Hydro-Climatic Variability and Spatial Drought–Extreme Rainfall Conditions in the Transboundary Tano River Basin, West Africa
تستخدم هذه الدراسة بيانات الاستشعار عن بعد ومنصة "جوجل إيرث إنجين" لتحليل التباين الهيدرو-مناخي في حوض نهر تانو من عام 2000 إلى عام 2024، كاشفةً عن اخضرار ملحوظ في الغطاء النباتي رغم عدم وجود اتجاهات معنوية في هطول الأمطار، ومؤسسةً إطاراً قوياً للتمييز بين ظروف الجفاف المكاني وظروف الأمطار المتطرفة لدعم تخطيط التكيف.
المؤلفون الأصليون:George Owusu Amoahᵃ, Rachel Olawoyinᵃ, Francis Quaysonᵇ
تخيل طقس الأرض كأوركسترا ضخمة وفوضوية. أحياناً تعزف الآلات في تناغم تام، فتجلب مطراً لطيفاً ومستمراً يساعد المحاصيل على النمو. وفي أوقات أخرى، يتحول الموسيقى إلى جلسة عزف عشوائية صاخبة: حيث يطلق قسم واحد عاصفة مدوية قصيرة الأمد (أمطار غزيرة للغاية)، بينما يصمت قسم آخر تماماً، تاركاً الأرض عطشى وجافة لأسابء. لا يتعلق الأمر فقط بما إذا كانت تمطر أم لا؛ بل بكيفية سقوط هذا المطر. هل يأتي على شكل رذاذ بطيء ومستمر، أم كفيض مفاجئ ومغرِق؟ وهل يستمر الصمت بين النوتات لبضعة أيام أم لشهر كامل؟ يسمي العلماء هذا "التقلب الهيدرو-مناخي"، وفي أماكن مثل غرب أفريقيا، يعد فهم هذا الإيقاع أمراً بالغ الأهمية. فإذا أصبحت الأوركسترا جامحة للغاية، فلن يتمكن المزارعون من زراعة بذورهم، وقد تجف الأنهار أو تغرق، وتواجه مجتمعات بأكملها خيارات صعبة حول كيفية البقاء على قم الحياة. وللاستماع إلى هذه الموسيقى، يستخدم الباحثون "الاستشعار عن بُعد"، وهو ما يشبه امتلاك زوج من العيون فائقة القدرة في الفضاء (الأقمار الصناعية) يمكنها مراقبة الأرض والنباتات والمطر فوق مساحات شاسعة دون الحاجة للوقوف في الوحل.
الآن، دعونا نركز العدسة على مسرح محدد لأوركسترا الطقس هذه: حوض نهر تانو في غرب أفريقيا. هذه منطقة عابرة للحدود، مما يعني أن النهر يتدفق عبر دول مختلفة، وهي منطقة حيوية للزراعة والطبيعة. قرر فريق من الباحثين ضبط نغمات أداء أوركسترا الططقس هذه تحديداً على مدار فترة زمنية مدتها 25 عاماً، من عام 2000 إلى 2024. لم يرغبوا فقط في معرفة ما إذا كان المطر يزيد أو ينقص؛ بل أرادوا فهم "نسيج" الطقس. بحثوا عن "إحساسين" متميزين: "إحساس الجفاف" (فترات جفاف طويلة، نباتات عطشى، أرض ساخنة) و"إحساس الأمطار الغزيرة" (زخات مطر مفاجئة وضخمة). وللقيام بذلك، استخدموا حيلة ذكية. فبدلاً من خلط كل بيانات الطقس في "عصير" واحد كبير ومربك، صنعوا نوعين منفصلين من العصير. أحد الأنواع، المسمى "مؤشر حالة الجفاف" (DCI)، مزج مكونات مثل عدد الأيام التي لم تمطر فيها، ومدى سخونة الأرض، ومدى اخضرار النباتات. أما النوع الآخر، "مؤشر إمكانية الأمطار الغزيرة" (ERPI)، فقد مزج فيه إجمالي الأمطار، وأكبر عاصفة مطرية في يوم واحد، وأكبر مطر خلال خمسة أيام. واستخدموا طريقة رياضية تسمى "توزين الإنتروبيا" (entropy weighting) لترك البيانات نفسها تقرر أي المكونات هي الأكثر أهمية، بدلاً من التخمين.
إليكم ما وجده الباحثون عند الاستماع إلى قصة طقس حوض نهر تانو. أولاً، الصورة الكبيرة: لم يظهر إجمالي كمية المطر الساقطة كل عام اتجاهاً واضحاً وثابتاً نحو زيادة الرطوبة أو الجفاف؛ بل كان مجرد رحلة متعرجة، حيث كانت بعض السنوات رطبة جداً وأخرى جافة جداً، ولكن دون اتجاه واحد محدد. ومع ذلك، كان هناك تغيير واضح واحد: النباتات أصبحت أكثر اخضراراً! فقد ارتفع مؤشر الغطاء النباتي (NDVI) بشكل ملحوظ على مر السنين، مما يشير إلى أن النباتات كانت تزدهر أو ربما تتوسع، رغم عدم استقرار أنماط المطر.
وعندما نظروا إلى "إحساس الجفاف" و"إحساس الأمطار الغزيرة" بشكل منفصل، اكتشفوا شيئاً رائعاً: نادراً ما يحدث هذان الطرفان المتناقضان في نفس الوقت، على الأقل عبر الحوض بأكمله. كانت السنة التي شهدت أسوأ ظروف جفاف هي عام 2024، والتي سجلت أطول فترة انقطاع للمطر (44.68 يوماً). أما السنة التي شهدت أكثر "إحساس أمطار غزيرة" كثافة فكانت عام 2007، والتي شهدت أكبر هطول مطري في يوم واحد (100.28 ملم) وأكبر هطول خلال خمسة أيام (164.64 ملم). لاحظ الباحثون أنه بينما لم يشهد الحوض بأكمله سنة "إجهاد مركب" (حيث يكون المكان جافاً جداً ورطباً جداً في آن واحد)، إلا أن الخريطة حكت قصة أخرى. فالمناطق الشمالية والوسطى من الحوض تميل إلى المعاناة أكثر من "إحساس الجفاف"، بينما تميل المناطق الجنوبية والوسطى إلى التعرض لـ "إحساس الأمطار الغزيرة". يبدو الأمر كما لو أن الأوركسترا لديها قسم يكون دائماً هادئاً جداً بينما يكون قسم آخر صاخباً جداً، لكنهما نادراً ما يصرخان ويهمسان في اللحظة ذاتها في كل مكان.
تحقق الباحثون أيضاً مما إذا كانت "آذانهم" المعتمدة على الأقمار الصناعية تستمع بشكل صحيح. وقارنوا بيانات المطر الخاصة بهم مع مجموعة بيانات أخرى من الأقمار الصناعية ووجدوا أنها تتفق جيداً، مثل صديقين يرويان القصة نفسها بدقة تصل إلى 88%. وقد منحهم هذا الثقة في أن نتائجهم متينة. الخلاية الأساسية هي أنه لا يمكننا مجرد النظر إلى إجمالي المطر لفهم المخاطر؛ بل يجب أن ننظر إلى "النمط". إن حوض نهر تانو هو مكان تعتبر فيه فترات الجفاف والعواصف الشديدة تحديات متميزة ومنفصلة تضرب أجزاء مختلفة من الأرض. ومن خلال فصل هذين الخطرين، يأمل الباحثون أن يتمكن القادة المحليون من التخطيط بشكل أفضل: فربما يحتاج الشمال إلى تخزين أفضل للمياه لمواجهة فترات الجفاف، بينما قد يحتاج الجنوب إلى تصريف أفضل لمواجهة الفيضانات المفاجئة. تشير الدراسة إلى أنه بينما يكون الطقس غير قابل للتنبؤ، فإن فهم إيقاعاته المحددة يمكن أن يساعد المجتمعات على البقاء متقدمة بخطوة على الفوضى.
ملخص تقني: تقييم التباين الهيدرو-مناخي والظروف المكانية للجفاف والأمطار الغزيرة في حوض نهر تانو عابر للحدود باستخدام الاستشعار عن بُعد
بيان المشكلة يمثل التباين الهيدرو-مناخي في الأحواض الاستوائية، لا سيما في غرب أفريقيا، تحديات معقدة لإدارة المياه والتخطيط للمخاطر المناخية. وبينما تناولت الدراسات السابقة اتجاهات هطول الأمطار، أو ظروف الجفاف، أو حالات التطرف المرتبطة بالفيضانات بشكل منفصل، إلا أنها غالبًا ما فشلت في رصد التزامن بين عجز الأمطار، وفترات الجفاف الطويلة، وإجهاد الغطاء النباتي، ونوبات الأمطار الغزيرة ضمن إطار واحد. وتوجد فجوة منهجية كبيرة في التمييز بين الظروف المرتبطة بالجفاف وبين احتمالات الأمطار الغزيرة، بالإضافة إلى الميل في المؤشرات المركبة نحو استخدام أوزان متساوية، مما قد يحجب المساهمات المتفاوتة لمختلف المؤشرات الهيدرو-مناخية. علاوة على ذلك، فإن التحليلات القائمة على متوسط الحوض تخفي التباين المكاني لهذه الظروف، كما تفتقر منتجات الأمطار عبر الأقمار الصناعية في المناطق التي تعاني من نقص البيانات غالبًا إلى تقييمات الاتساق بين المنتجات المختلفة.
المنهجية قيمت هذه الدراسة التباين الهيدرو-مناخي وظروف الجفاف والأمطار الغزيرة المكانية في حوض نهر تانو العابر للحدود (غانا) من عام 2000 إلى عام 2024. استخدم البحث إطار عمل للاستشعار عن بُعد تمت معالجته ضمن منصة "جوجل إيرث إنجين" (Google Earth Engine)، مع دمج ثلاثة مصادر رئيسية للبيانات:
بيانات CHIRPS لهطول الأمطار اليومي: استُخدمت لاستخراج معدل الأمطار السنوي، والحد الأقصى لهطول الأمطار في يوم واحد (Rx1day)، والحد الأقصى لهطول الأمطار في 5 أيام (Rx5day)، والأيام الجافة المتتالية (CDD).
صور Landsat Collection 2 Level-2: استُخدمت لاستخراج مركبات مؤشر الاختلاف الخضري الطبيعي (NDVI) ودرجة حرارة سطح الأرض (LST) السنوية.
بيانات GPM IMERG الشهرية لهطول الأمطار: استُخدمت لتقييم مدى الاتساق بين منتج CHIRPS ومنتج GPM.
تضمن سير العمل التحليلي ما يلي:
تحليل الاتجاهات: تطبيق اختبار "مان-كيندال" المعدل مع تصحيح التباين "هاميد-راو" وتقدير منحدر "سين" للكشف عن الاتجاهات الرتيبة للمتغيرات الهيدرو-مناخية.
تحليل الارتباط: استخدام ارتباط رتب "سبيرمان" لفحص العلاقات بين المتغيرات.
النمذجة باستخدام أوزان الإنتروبيا: تطوير مؤشرين متميزين للفصل بين ظروف الجفاف واحتمالات الأمطار الغزراء:
مؤشر حالة الجفاف (DCI): يدمج عجز الأمطار، وعدد الأيام الجافة المتتالية (CDD)، ودرجة حرارة سطح الأرض (LST)، وعجز الغطاء النباتي.
مؤشر احتمالية الأمطار الغزيرة (ERPI): يدمج إجمالي الأمطار السنوية، والحد الأقص_ى لهطول الأمطار في يوم واحد (Rx1day)، والحد الأقصى في 5 أيام (Rx5day).
الأوزان: تم تطبيق وزن الإنتروبيا لتحديد أوزان المؤشرات بشكل موضوعي بناءً على محتوى المعلومات، مما يقلل من الذاتية مقارنة بمخططات الأوزان المتساوية.
تحليل الحساسية: تقييم استقرار المؤشرات تحت تأثير الأوزان المتساوية واضطرابات الوزن بنسبة ±20%.
التصنيف المكاني: رسم خرائط لـ DCI وERPI لسنوات مختارة (2000، 2007، 2013، 2016، 2023، 2024) باستخدام التصنيف القائم على الثلاثيات (tercile-based) لتحديد مناطق هيمنة الجفاف، ومناطق هيمنة الأمطار الغزيرة، ومناطق الإجهاد المركب.
التحقق من الصحة: تقييم الاتساق بين CHIRPS وGPM IMERG وبين مناخ المحطات التابعة لوكالة الأرصاد الجوية الغانية (GMet).
النتائج الرئيسية
الاتجاهات الزمنية: لم تظهر الأمطار السنوية، أو تطرف الأمطار (Rx1day، Rx5day)، أو الأيام الجافة المتتالية (CDD)، أو درجة حرارة سطح الأرض (LST) أي اتجاهات رتيبة ذات دلالة إحصائية خلال فترة الـ 25 عامًا، بل اتسمت بتباين سنوي كبير. كان NDVI هو المتغير الوحيد الذي أظهر اتجاهًا إيجابيًا معنويًا (0.00285 سنة⁻¹، p = 0.001)، مما يشير إلى زيادة تدريجية في متوسط اخضرار الغطاء النباتي للحوض.
العلاقات الهيدرو-مناخية: أظهرت الأمطار السنوية ارتباطات إيجابية معنوية مع Rx1day (ρ = 0.524) ومع Rx5day (ρ = 0.467). ومع ذلك، كانت العلاقات بين الأمطار وCDD، وكذلك بين الغطاء النباتي/درجة الحرارة والمتغيرات الأخرى، ضعيفة وغير معنوية.
أوزان المؤشرات واستقرارها: في مؤشر DCI، حمل CDD أعلى وزن إنتروبي (0.324)، يليه عجز الأمطار (0.261) ثم عجز NDVI (0.255). وفي مؤشر ERPI، سجل Rx1day أعلى وزن (0.398). وأكد تحليل الحساسية أن ترتيب المؤشرات ظل مستقرًا للغاية (ارتباط سبيرمان > 0.975) تحت مخططات الأوزان البديلة.
الظروف السنوية: حدثت أعلى حالات الجفاف (DCI) في الأعوام 2024، 2016، 2004، و2013، مدفوعة بشكل أساسي باستمرار فترات الجفاف. بينما حدثت أعلى احتمالات الأمطار الغزيرة (ERPI) في عامي 2007 و2023. ولم يظهر أي عام وجود إجهاد هيدرو-مناخي مركب على مستوى متوسط الحوض السنوي.
التوزيع المكاني: كشف التحليل المكاني عن تباين متكرر بين الشمال والجنوب؛ حيث تركزت الظروف المهيمنة للجفاف في الأجزاء الشمالية والوسطى من الحوض، بينما تركزت احتمالات الأمطار الغزيرة في المناطق الجنوبية والوسطى. أما الإجهاد المركب (تزامن الجفاف العالي مع احتمالية الأمطار الغزيرة) فقد اقتصر على مناطق محلية صغيرة (مثل 8.24% من الحوض في عام 2007)، وكان غائبًا في السنوات المختارة الأخرى.
الاتساق في البيانات: أظهر CHIRPS توافقًا شهريًا قويًا مع GPM IMERG (R² = 0.881) وتوافقًا قويًا مع مناخ محطات GMet (R² = 0.966)، مما يدعم جدوى استخدامه في التحليل على مستوى الحوض رغم وجود انحيازات طفيفة.
الأهمية والادعاءات تزعم الورقة أنها تقدم إطار عمل شفافًا وقابلًا للتكرار للتمييز بين الظروف المرتبطة بالجفاف واحتمالات الأمطار الغزيرة في الأحواض النهرية الاستوائية. ومن خلال فصل هذه العمليات في مؤشرات موزونة بالإنتروبيا (DCI وERPI)، تتجنب الدراسة الآثار المضللة للدرجات المركبة الموحدة. وتبرز النتوة أن متوسطات الحوض يمكن أن تخفي تباينات محلية حاسمة؛ وتحديدًا، أن مخاطر الجفاف والأمطار الغزيرة متباينة مكانيًا وغالبًا ما تؤثر على أجزاء مختلفة من الحوض في آن واحد.
وتؤكد الدراسة أن إطار عملها يدعم التخطيط التكيفي المتباين مكانيًا. وهي تشير إلى أن المناطق الشمالية والوسطى، التي تتميز بارتفاع ظروف الجفاف، قد تستفيد من الاستعداد لفترات الجفاف وإدارة رطوبة التربة، بينما قد تتطلب المناطق الجنوبية والوسطى، ذات احتمالات الأمطار الغزيرة العالية، تحسين أنظمة الصرف وأنظمة الإنذار من الفيضانات. ويشدد المؤلفون على أنه بينما تحدد الدراسة الظروف الهيدرو-مناخية النسبية، فإنها لا تقيس بشكل مباشر آثار الجفاف أو الفيضانات، والتي تعتمد على عوامل إضافية مثل خصائص التربة والبنية التحتية. وبناءً على ذلك، تضع الورقة مساهمتها كخطوة تأسيسية لتقييم المخاطر يمكن تعزيزها من خلال التكامل المستقبلي مع بيانات تدفق الجداول، ورطوبة التربة، وبيانات التأثير.