Generative Diffusion Outperforms Quantile Mapping for Climate Downscaling Across Scales

إن الطقس الذي نعيشه على الأرض هو عبارة عن نسيج معقد ومتشابك منسوج من قوى عالمية وخصائص محلية. وبينما يستطيع العلماء تتبع الأنماط المناخية الواسعة عبر قارات بأكملها، فإن النماذج التي تتنبأ بهذه التحولات غالباً ما ترى العالم بضربات عريضة وضبابية، حيث تمحو التلال والوديان والسواحل التي تشكل حياتنا اليومية. وهذا يخلق فجوة كبيرة لأي شخص يحاول فهم كيف سيؤثر تغير المناخ على مزرعة معينة، أو نهر محلي، أو حي في مدينة ما. ولتجسير هذه الفجوة، يستخدم الباحثون تقنية تسمى "التقليص الموضعي" (downscaling)، والتي تحاول ترجمة هذه التنبؤات العالمية الخشنة إلى صور حادة ومفصلة مطلوبة للتخطيط المحلي. لعقود من الزمن، كان النهج القياسي هو تعديل الأرقام نقطة بنقطة، مثل تصحيح قراءة درجة الحرارة في محطة أرصاء جوية واحدة دون الاهتمام بكيفية ملاءمة تلك المحطة للمناظر الطبيعية المحيطة بها. ومع ذلك، فإن هذه الطريقة غالباً ما تكسر الروابط الطبيعية بين متغيرات الطقوت المختلفة وتفشل في التقاط الطبيعة الفوضوية والمتقطعة للعواصف أو موجات الحر في العالم الحقيقي.

يقدم بحث جديد من فريق من الباحثين في مركز لايبنيز لبحوث المناظر الطبيعية الزراعية ومؤسسات أخرى مساراً مختلفاً، مساراً يتعامل مع الطقس ليس كسلسلة من النقاط المعزولة، بل كنظام حي يتنفس. لقد طوروا إطار عمل حاسوبياً جديداً يسمى (CasCorrDiff)، والذي يستخدم نوعاً من الذكاء الاصطناعي المتقدم المعروف باسم "نموذج الانتشار التوليدي". وبدلاً من مجرد تصحيح الأخطاء في خريطة ثابتة، يتعلم هذا النظام كيفية توليد أنماط طقس واقعية وعالية الدقة من الصفر، لملء التفاصيل المفقودة حول كيفية سقوط المطر عبر وادٍ أو كيف تظل الحرارة عالقة فوق مدينة. اختبر الباحثون هذه الأداة الجديدة فوق ألمانيا، وهي منطقة تتميز بتضاريس متنوعة تتراوح من السهول الشمالية المسطحة إلى جبال الألب العالية، مقارنين إياها بأفضل الأساليب الموجودة حالياً والتي يستخدمها علماء المناخ في جميع أنحاء العالم. ووجدوا أن نهجهم الجديد ينتج صورة أكثر وضوحاً ودقة فيزيائية للطقس اليومي، حيث يلتقط التفاعل المعقد بين درجة الحرارة والمطر والتضاريس بطريقة لا تستطيع الأساليب القديمة القيام بها ببساطة.

يكمن جوهر هذا البحث في كيفية تعامل النموذج الجديد مع القفزة الهائلة في التفاصيل المطلوبة للانتقال من رؤية عالمية إلى رؤية محلية. فالأساليب التقليدية غالباً ما تعاني عندما يُطلب منها الانتقال من خلية شبكية عرضها 100 كيلومتر إلى خلية عرضها كيلومتر واحد فقط، وهو زيادة في الدقة بمقدار مائة ضعف. تميل الأدوات الإحصائية القديمة إلى فقدان التماسك المكاني، مما يجعل المطر يبدو وكأنه يسقط بنفس الكمية في كل مكان أو يمحو الحواف الحادة لجبهة العاصفة. يعالج نموذج (CasCorrDiff) الجديد هذه المشكلة من خلال تقسيم المهمة إلى خطوتين متميزتين. أولاً، يأخذ البيانات الخشنة ذات الـ 100 كيلومتر ويقوم بتنقيحها إلى مقياس 10 كيلومترات، مصححاً الأخطاء النظامية الواسعة في أنماط الطقس الكبيرة. ثم، في خطوة ثانية، يأخذ مخرجات الـ 10 كيلومترات هذه ويعيد تنقيحها مرة أخرى إلى مقياس 1 كيلومتر، مع إيلاء اهتمام وثيق لشكل الأرض المحدد، مثل الجبال والوديان، لتوليد التفاصيل الدقيقة للطقس. تسمح هذه العملية المكونة من مرحلتين للنموذج بتعلم فيزياء الكتل الهوائية الكبيرة أولاً، ثم تعلم كيفية تفاعل تلك الكتل الهوائية مع الأرض، مما يخلق محاكاة واقعية للظروف المحلية.

عندما وضع الباحثون هذا النظام الجديد تحت الاختبار مقابل الملاحظات الواقعية من عام 2020 إلى 2024، كانت النتائج مذهلة. بالنسبة لدرجات الحرارة القصوى اليومية، أدى النموذج بدقة استثنائية، حيث طابق الطقس الفعلي المسجل في المحطات الأرضية بارتباط عالٍ جداً يقترب من المثالية. وقد نجح في إعادة إنتاج الإيقاع الطبيعي للفصول، حيث حقق أفضل أداء خلال الطقس المستقر في الخريف والربيع، وظل يحافظ على دقة عالية خلال حرارة الصيف الأكثر فوضوية. كما برع النموذج في التقاط البنية المكانية للطقس، مما يعني أنه استطاع محاكاة حركة جبهة العاصفة عبر منطقة ما بشكل صحيح، بدلاً من مجرد تخمين كمية المطر عند نقطة واحدة. ومن حيث الطاقة والتباين في أنماط الطقس، بدت مخرجات النموذج الجديد مطابقة تقريباً للملاحظات الحقيقية، في حين أنتجت الأساليب الإحصائية القديمة صوراً كانت شديدة النعومة وتفتقر إلى التفاصيل الضرورية.

كان الأداء أكثر إثارة للإعجاب عند النظر في كيفية تعامل النموذج مع العلاقات بين أنواع الطقس المختلفة. في العالم الحقيقي، غالباً ما يحدثت الحرارة والجفاف معاً، أو يمكن أن يؤدي التحول المفاجئ من الحالة الرطبة إلى الجافة إلى آثار شديدة. حافظ النموذج الجديد على هذه الروابط المعقدة، حيث قام بمحاكة دقيقة لكيفية تغير درجة الحرارة وهطول الأمطار معاً عبر المناظر الطبيعية. وقد حدد بشكل صحيح طول فترات الجفاف وتكرار الأيام الممطرة، ملتقطاً استمرارية الظروف المتطرفة التي تعتبر بالغة الأهمية للزراعة وإدارة المياه. وبينما كانت الأساليب القديمة تستطيع أحياناً ضبط متوسط كمية المطر، إلا أنها غالباً ما فشلت في ضبط توقيت وموقع ذلك المطر، مما أدى إلى رؤية مشوهة لموعد ومكان وقوع الأحداث المتطرفة. وفي المقابل، حافظ النموذج الجديد على التزامن اليومي للطقس، مما ضمن اقتران اليوم الحار في جزء من المنطقة بالظروف المناسبة في المناطق المحيطة به.

ومع ذلك، كانت هناك بعض القيود على هذا النهج الجديد. فقد مال النموذج إلى التقليل قليلاً من شدة أحداث هطول الأمطار الغزيرة جداً، لا سيما في التضاريس الأكثر تعقيداً وجبلية حيث يصعب التنبؤ بالطقس. كما أظهر انحيازاً طفيفاً في المناطق الأكثر جفافاً، حيث تنبأ أحياناً بعدد أكبر قليلاً من الأيام الجافة مما حدث بالفعل. ورغم هذه العيوب الطفيفة، فإن الأداء العام يمثل خطوة كبيرة للأمام. وأشار الباحثون إلى أنه بخلاف الطرق القديمة، التي تتطلب عقوداً من البيانات التاريخية لبناء ملف إحصائي قبل أن تتمكن من تقديم تنبؤ، يمكن لهذا النموذج الجديد إنشاء خريطة طقس واقعية ليوم واحد عند الطلب بمجرد تدريبه. وتعني هذه المرونة أنه يمكن استخدامه لمحاكة سيناريوهات المناخ المستقبلية دون أن يكون مرتبطاً بالسجل التاريخي المحدد المستخدم في التدريب، مما يوفر أداة أكثر قدرة على التكيف لفهم مخاطر المناخ المتغير.

يبرهن البحث في نهاية المطية على أن الذكاء الاصطناعي التوليدي يمكنه التفوق على التقنيات الإحصائية التقليدية في المهمة الصعبة المتمثلة في التقليص الموضعي للمناخ. ومن خلال التعامل مع الطقس كعملية احتمالية (stochastic) بدلاً من مجموعة ثابتة من الأرقام، يلتقط الإطار الجديد النسيج الحقيقي للغلاف الجوي. فهو لا يكتفي بمجرد تنعيم الفجوات في معرفتنا، بل يملؤها بتفاصيل واقعية فيزيائياً تحترم قوانين الطبيعة وشكل الأرض. وبالنسبة للعلماء والمخططين الذين يحتاجون إلى فهم كيف سيؤثر تغير المناخ على حقول أو غابات أو مدن معينة، توفر هذه القدرة الجديدة عدسة أكثر حدة. إنها تنقل المجال بعيداً عن مجرد تصحيحات المتوسطات العالمية، لتقدم وسيلة لرؤية التطرفات المحلية والأحداث المركبة التي ستحدد مستقبل مناخنا. ويشير العمل إلى أن مستقبل نمذجة المناخ يكمن في هذه الأساليب التوليدية، التي يمكنها جسر الفجوة بين العالمي والمحلي بمستوى من التفاصيل والدقة كان بعيد المنال في السابق.