The impact of data missingness mechanisms and degradation levels on rainfall agroclimatic data analyses
تستخدم هذه الدراسة محاكاة مونت كارلو لتوضيح أن آليات البيانات المفقودة ليس عشوائياً (MNAR) وحجم الفقد المرتفع (يصل إلى 20%) يؤديان إلى تحيز كبير في مؤشرات هطول الأمطار الزراعية المناخية، حيث أثبت مؤشر الحد الأقصى للأيام الجافة المتتالية (CDD) أنه الأكثر حساسية، بينما كانت المناطق الجافة الأقل تأثراً مقارنة بالمناطق الأكثر رطوبة.
تخيل أنك تحاول خبز الكعكة المثالية، ولكن ليس لديك سوى وصفة تفتقر إلى بضع صفحات. إذا خمنت المكونات المفقودة، فقد ينتهي بك الأمر بصنع حلوى لذيذة، أو قد تنتهي بصنع قطعة من الطوب. هذا هو الواقع اليومي للعلماء الذين يدرسون الطقس والزراعة. فهم يعتمدون على "بيانات هطول الأمطار" — وهو سجل يومي مستمر وطويل لكيفية كمية الأمطار التي تسقط كل يوم — للتنبؤ بموعد نمو المحاصيل، ومتى قد تضرب موجات الجفاف، وكيفية إطعام الملايين من البشر. ولكن في العالم الحقيقي، غالبًا ما تكون مذكرات الطقس هذه ممزقة؛ فالمحطات تتعطل، أو البطاريات تنفد، أو العواصف تعطل المعدات، مما يترك فجوات كبيرة في السجل. السؤال الكبير هو: هل يهم كيف تضيع هذه الصفحات؟ هل تختلف الأمور إذا كانت الأيام المفقودة مجرد حوادث عشوائية، عن كونها أيامًا مفقودة تحدث تحديدًا أثناء العواصف الأشد قوة؟ إذا حاولنا ملء تلك الفجوات بالرياضيات، فهل ستظل طعم الكعكة جيدة، أم أن الوصفة بأكملها ستنهار؟
هذه الدراسة، التي أجراها باحثون من زيمبابوي، تغوص في هذه المشكلة المعقدة عبر التعامل مع بيانات هطول الأمطار كلعبة "ملء الفراغات". لقد أخذوا سجلاً كاملاً ومثالياً للأمطار وعمدوا إلى تمزيق ثقوب فيه ليروا ما سيحدث. واختبروا ثلاث طرق مختلفة يمكن أن تختفي بها البيانات: "المفقودة بشكل عشوائي تماماً" (مثل صفحة سقطت من كتاب بشكل عشوائي)، و"المفقودة بشكل عشوائي" (حيث تعتمد البيانات المفقودة على القيم التي تم رصدها، ولكن ليس على القيم المفقودة نفسها)، و"المفقودة لسبب غير عشوائي" (وهي الحالة الأسوأ، حيث تكون الصفحات المفقودة هي تلك التي تحتوي على أهم الأمطار، مثل العواصف الثقيلة). كما اختبروا مدى سوء الوضع عندما يقومون بإزالة 5% أو 10% أو 20% من البيانات.
لم يكتفِ الباحثون بالتخمين؛ بل أجروا محاكاة حاسوبية ضخمة (تجربة "مونت كارلو") لأكثر من 2,000 مرة لمعرفة كيف أفسدت هذه القطع المفقودة خمسة قياسات جوية محددة: أطول فترة متتالية من الأيام الرطبة (أيام بها 3 ملم من المطر على الأقل)، وأطول فترة متتالية من الأيام الجافة (أيام بها أقل من 3 ملم من المطر)، وإجمالي الأمطار للموسم، ومتى يبدأ موسم الأمطار، ومتى ينتهي. وقد وجدوا أن الطريقة التي تختفي بها البيانات تهم بشكل هائل. فعندما كانت البيانات المفقودة "غير عشوائية" (أي تخفي الأمطار الغزيرة)، كانت النتائج هي الأكثر تشوهاً، مما تسبب في أكبر الأخطاء. ومن المثير للدهشة أن قياسات بداية الموسم ونهايته كانت صلبة للغاية؛ فقد ظلت دقيقة في الغالب حتى عندما كانت البيانات مفقودة. ومع ذلك، كان القياس الخاص بأطول فترة متتالية من الأيام الجافة كارثياً تماماً. ففي المناطق الجافة، جعل حتى قدر ضئيل من البيانات المفقودة حساب فترات الجفاف يخرج عن السيطرة، مما أدى أحياناً إلى حرف النتائج بنسبة تقترب من 100%.
وكشفت الدراسة أيضاً عن تحول مضحك: فالمناطق الأكثر رطوبة والتي تسقط فيها الكثير من الأمطار عانت من أخطاء أكبر في أرقام إجمالي أمطارها عند فقدان البيانات، ببساطة لأن هناك "أشياء" أكثر لتُفقد. ولكن في أكثر أجزاء البلاد جفافاً، ظلت أرقام إجمالي الأمطار ثابتة بشكل مفاجئ لأنه لم يكن هناك الكثير من المطر في الأصل. ومع ذلك، دفعت تلك المناطق الجافة ثمناً مختلفاً: إذ انهارت قدرتها على تتبع فترات الجفاف تماماً. وخلص الباحثون إلى أنه بينما لا يمكننا دائماً منع محطات الطقس من التعطل، إلا أننا بحاجة إلى توخي الحذر الشديد بشأن كيفية ملء الفجوات. فإذا افترضنا أن البيانات المفقودة عشوائية بينما هي في الواقع تخفي العواصف، فإن توقعاتنا للمزارعين قد تكون خاطئة بشكل خطير، مما قد يؤدي إلى سوء التخطض وتراجع المحاصيل. وتقترح الدراسة أن الحفاظ على تشغيل أدوات الطقس الخاصة بنا هو أفضل وصفة على الإطلاق، لأنه لا توجد كمية من الرياضيات يمكنها إصلاح مذكرات ممزقة بشكل مثالي.
ملخص تقني: تأثير آليات فقدان البيانات ومستويات التدهور على تحليلات بيانات الأمطار المناخية الزراعية
بيان المشكلة تعد بيانات الطقال الموثوقة هي الأساس لمراقبة الجفاف، والنمذجة الهيدرولوجية، واتخاذ القرارات الزراعية، لا سيية في الاقتصادات التي تعتمد على الزراعة مثل زيمبابوي. وبينما تُعامل بيانات المحطات الأرضية غالباً على أنها خالية من الأخطاء، إلا أنها تعاني تكراراً من فجوات مكانية وانقطاعات زمنية ناتجة عن أعطال الإرسال، أو خلل في الأجهزة، أو الأخطاء البشرية. وتوجد فجوة حرجة في التقييم المنهجي لكيفية تأثير هياكل تدهور البيانات المختلفة — وتحديداً الفقدان العشوائي تماماً (MCAR)، والفقدان العشوائي (MAR)، والفقدان غير العشوائي (MNAR) — ومستويات متفاوتة من فقدان البيانات (5%، 10%، 20%) على دقة المؤشرات المناخية الزراعية المستمدة. إن العديد من الدراسات الحالية ومنهجيات سد الفجوات تفترض ضمنياً عشوائية البيانات المفقودة، مما قد يؤدي إلى تمثيل خاطئ للواقع وإدخال حالة كبيرة من عدم اليقين في نظم دعم القرار المناخي.
المنهجية لمعالجة ذلك، أجرى المؤلفون محاكاة مونت كارلو (MCS) محكومة باستخدام بيانات هطول الأمطار اليومية من عام 1981 إلى 2025 المستمدة من مجموعة بيانات القمر الصناعي CHIRPS-V2، والتي تم التحقق من صحتها مقابل إحداثيات المحطات الأرضية في زيمبابوي. ركزت الدراسة على سبع محطات، تمثل كل منها منطقة زراعية مناخية (AEZ) فريدة، تتراوح من المنطقة الأولى (Region I) ذات الأمطار الغزيرة إلى المنطقة (Vb) القاحلة.
تضمنت المنهجية ما يلي:
تدهور البيانات: إحداث تدهور اصطناعي في السلاسل الزمنية الكاملة عن طريق إدخال بيانات مفقودة وفقاً لثلاث آليات (MCAR، MAR، MNAR) عند ثلاثة مستويات من الحجم (5%، 10%، 20%).
نطاق المحاكاة: أجريت المحاكاة عبر 2,000 تكرار لكل سيناريو لضمان الاستقرار الإحصائي، مع استخدام مولد أرقام شبه عشوائي تم ضبط بذرته (seed) بالقيمة 42 لضمان قابلية إعادة الإنتاج.
المقاييس المستهدفة: تم حساب خمسة مؤشرات مناخية زراعية موسمية رئيسية لكل من المواسم الرطبة والجافة:
الحد الأقصى للأيام الجافة المتتالية (CDD)
الحد الأقصى للأيام الرطبة المتتالية (CWD)
إجمالي هطول الأمطار الموسمي
بداية الموسم
نهاية الموسم
تقييم الخطأ: قارنت الدراسة السلاسل الزمنية المتدهورة بالسلسلة المرجعية الكاملة باستخدام مقاييس خطأ قوية مناسبة لبيانات الأمطار غير الموزعة طبيعياً، وهي: الانحياز الوسيط (MdB)، والانحراف المطلق الوسيط المعياري (NMAD)، ومعامل ارتباط رتب سبيرمان (ρ).
النتائج الرئيسية أسفرت الدراسة عن عدة نتائج متميزة فيما يتعلق بحساسية المؤشرات المناخية الزراعية لتدهور البيانات:
الحساسية للآلية: تسببت آلية MNAR باستمرار في أكبر قدر من الانحياز عبر جميع المؤشرات، بينما أدت آلية MAR إلى أقل قدر من الانحياز. على سبيل المثال، في ظل وجود 20% من بيانات MNAR، أظهر إجمالي هطول الأمطار الموسمي انحيازاً وسيطاً قدره -244.3 ملم/سنة، بينما أظهرت آلية MAR انحرافات أقل بكثير.
تدرج الحجم: زاد عدم اليقين والانحياز في المؤشرات بشكل غير متناسب مع زيادة حجم فقدان البيانات. لوحظ وجود تأثير عتبة حيث أصبحت الانحرافات شديدة عند فقدان 20% من البيانات.
مرونة المؤشرات:
الأكثر مرونة: كانت "بداية الموسم" و"نهاية الموسم" الأكثر صموداً أمام فقدان البيانات. حافظت "البداية" على NMAD بنسبة 0% عبر جميع الأحجام، بينما بلغت "النهاية" ذروتها عند 4% فقط في أسوأ سيناريو لـ MNAR.
الأكثر حساسية: كان مؤشر CDD هو المقياس الأكثر حساسية. في الموسم الجاف، أصبح تباين CDD كارثياً، حيث وصل NMAD إلى 92% عبر جميع السيناريوهات. يشير هذا إلى أن البيانات المفقودة خلال الفترات الجافة تؤدي إلى زعزعة حساب فترات الجفاف المتتالية بشكل حاد.
التباين المكاني:
المناطق الرطبة مقابل الجافة: شهدت المناطق الأكثر رطوبة (مثل تشيبينجي، المنطقة الأولى) أعلى انحياز مطلق في إجمالي هطول الأمطار الموسمي بسبب الحجم الأكبر من الأمطار المعرضة للفقد. وعلى العكس من ذلك، أظهرت المناطق الأكثر جفافاً (مثل بيت بريدج، المنطقة Vb) أدنى انحياز في إجمالي كميات الأمطار.
مقاييس الاستمرارية: ومن المفارقات، عانت المناطق الأكثر جفافاً من تدهور أكبر في مقاييس الاستمرارية (مثل CDD والارتباط الزمني). ففي المحطات القاحلة، تسبب فقدان 5% فقط من البيانات في انهيار السلامة الزمنية لحسابات CDD، حيث جعلت الفجوات من المستحيل التمييز بين الفترات الجافة والرطبة.
الأهمية والادعاءات تدعي الورقة أن حجم الأخطاء الناتجة عن فقدان البيانات حساس للغاية للمناخ المحلي الأساسي وآلية فقدان البيانات المحددة، وليس فقط لحجم البيانات المفقودة. ويؤكد المؤلفون ما يلي:
MNAR هو التهديد الأكثر خطورة: إن افتراض العشوائية (MCAR/MAR) عندما تكون البيانات في الواقع MNAR يؤدي إلى أكبر قدر من التقليل من تقدير الإجماليات الموسمية وتوصيف خاطئ لفترات الجفاف أو الرطوبة.
السياق مهم: في حين أن انخفاض معدل الأمطار الأساسي يعمل كـ "سقف طبيعي" يحد من انحياز إجمالي الأمطار، فإنه في الوقت نفسه يجعل مقاييس الاستمرارية مثل CDD هشة للغاية.
الآثار التشغيلية: تشير النتائج إلى أن عتبات اكتمال البيانات الحالية (على سبيل المثال، حد الـ 10% المفقودة لبرنامج PICSA) قد تحتاج إلى إعادة تقييم، حيث يمكن حتى لأحجام منخفضة من فقدان البيانات في سياقات معينة (مثل المواسم الجافة في المناطق القاحلة) أن تجعل مؤشرات الاستمرارية غير موثوقة.
تخلص الدراسة إلى أن الحفاظ على التشغيل المستمر لأجهزة الرصد أمر بالغ الأهمية. وتشدد على أنه بينما تعد طرق الاستكمال (imputation) مفيدة، فإن نمط فقدان البيانات يظل هو المحرك الأساسي للخطأ، ويجب النظر إلى النتائج ككمية توضيحية لهذه المخاطر بدلاً من كونها توصيفاً نهائياً لجميع السيناريوهات الممكنة نظراً للحدود الحسابية للمحاكاة المحدودة.