Assessing the Evolution of Rainfall Trends in India through Historical Analysis, Forecasting, and Comparison with the CMIP-6 SSP585 Scenario

ملخص تقني: تقييم تطور اتجاهات هطول الأمطار في الهند من خلال التحليل التاريخي، والتنبؤ، والمقارنة مع سيناريو CMIP-6 SSP585

بيان المشكلة
يؤدي تغير المناخ إلى تباين واسع النطاق في الظواهر الجوية المتطرفة، مما يفرض تحديات كبيرة على الموارد المائية والزراعة والاستقرار الاقتصادي، لا سيما في المناطق شبه المدارية مثل الهند. وتُظهر الأمطار، وهي محرك أساسي للدورة الهيدرولوجية، عدم انتظام متزايد يؤدي إلى حالات الجفاف والفيضانات وفشل المحاصيل. وبينما حللت الدراسات السابقة اتجاهات هطول الأمطار على المستويات العالمية أو الوطنية، تبرز الحاجة إلى تحليلات شاملة واسعة النطاق مكانياً وزمانياً تدمج الكشف عن الاتجاهات التاريخية مع التنبؤ المتقدم باستخدام التعلم الآلي والمقارنة مع سيناريوهات المناخ عالية الانبعاثات. علاوة على ذلك، غالباً ما تعاني الطرق الإحصائية التقليدية مع البيانات غير الموزعة طبيعياً، والارتباط الذاتي، وتحديد نقاط التغيير الهيكلية (نقاط التحول) في السلاسل الزمنية طويلة الأمد، مما قد يؤدي إلى استنتاجات مضللة.

المنهجية
تجري هذه الدراسة تحليلاً دقيقاً لبيانات هطول الأمطار الممتدة على مدار 122 عاماً (1901-2022) عبر الهند، مقسمة إلى ست مناطق متجانسة (HRs) وأربعة وثلاثين تقسيماً أرصادياً فرعياً (MSDs). تدمج المنهجية أربعة مكونات تحليلية متميزة:

1. الكشف عن الاتجاهات: تستخدم الدراسة تقنيات إحصائية غير معلمية، وتحديداً اختبار مان-كيندال (MK) ومقدر منحدر سين (Sen's Slope)، لتحديد الاتجاهات الرتيبة في هطول الأمطار السنوي والموسمي والشهري. ولمعالجة القيود المتعلقة بالارتباط الذاتي وتجانس البيانات، دمج المؤلفون اختبارات التجانس (Pettitt، وBuishand Range، واختبار التجانس المعياري العادي) للكشف عن نقاط التحول (سنوات التغيير) قبل تطبيق تحليل الاتجاه.
2. تحليل الاتجاه المبتكر (ITA): للتحقق من النتائج وتدقيقها، تستخدم الدراسة طريقة (ITA) (Şen, 2012). تتعامل هذه التقنية الرسومية غير المعلمية مع البيانات ذات الارتباط الذاتي والقيم المتطرفة دون اشتراط حجم عينة صارم أو خطية، مما يسمح بالكشف عن الاتجاهات الفرعية ومجموعات الاتجاهات المتميزة ضمن السلاسل الزمنية.
3. التحليل الميكانيكي: لفهم الدوافع الفيزيائية للتغيرات المرصودة، تحلل الدراسة بيانات إعادة التحليل ERA5 (1940-2022). وتشمل المتغيرات الرئيسية الهطول الحملي، وتغطية السحب المنخفضة، والتباعد الرطوبي المتكامل رأسياً. تم تحديد نقطة تحول في عام 1956، وتم تقييم الاختلافات في أنماط الدوران بين الفترتين 1940-1956 و1957-2022.
4. التنبؤ ومقارنة السيناريوهات: تم تدريب نموذج الشبكة العصبية الاصطناعية - المدرك متعدد الطبقات (ANN-MLP) على البيانات التاريخية للتنبؤ بهطول الأمطار السنوي حتى عام 2050. تم تحسين أداء النموذج باستخدام جذر متوسط مربع الخطأ (RMSE) ومتوسط الخطأ المطلق (MAE). ثم تمت مقابلة هذه التنبؤات المستندة إلى التعلم الآلي مع توقعات مشروع مقارنة النماذج المزدوجة - المرحلة السادسة (CMIP-6) تحت مسار التنمية الاجتماعية والاقتصادية 5-8.5 (SSP585)، والذي يمثل مسار "العمل كالمعتاد" في أسوأ حالات المناخ. وقد استخدمت المقارنة مجموعة نماذج متعددة (MME) من ثلاثة نماذج مناخ عالمية من مشروع CMIP-6 وهي (CanESM5، وBCC-CSM2-MR، وIITM-ESM).

النتائج الرئيسية

• الاتجاهات التاريخية: كشف اختبار MK وطريقة ITA عن اتجاه سلبي كبير في هطول الأمطار السنوي للمنطقة المتجانسة في الشمال الشرقي وسبعة تقاسيم أرصادية فرعية محددة (بما في ذلك أرهان prades، وأسام، وميغالايا، وNMMT). وفي المقابل، أظهرت تسعة تقاسيم، بما في ذلك ولاية أندرا براديش الساحلية وبنجاب، اتجاهات إيجابية كبيرة. وأشار التحليل الموسمي إلى اتجاهات سلبية في منطقة الشمال الشرقي خلال موسم الرياح الموسمية، بينما أظهرت مناطق أندرا براديش الساحلية وبنجاب زيادة في أمطار الرياح الموسمية.
• نقاط التحول: حددت اختبارات التجانس أن معظم المناطق شهدت تحولاً هيكلياً في أنماط هطول الأمطار بعد الخمسينيات. وأكد تحليل ما بعد نقطة التحول أن منطقة الشمال الشرقي وعدة تقاسيم شرقية شهدت انخفاضات كبيرة في أمطار الرياح الموسمية على مدار الأعوام السبعين الماضية.
• الدوافع الفيزيائية: عزت تحليلات ERA5 التغيرات في هطول الأمطار إلى التقلبات في الهطول الحملي، وزيادة تغطية السحب المنخفضة، وعدم كفاية التباعد الرطوبي الرأسي. وبشكل محدد، أدت الرياح الشمالية الشرقية المكثفة إلى تقليل دخول الهواء البارد، مما قلل من أمطار الشتاء، بينما ساهم زيادة التباعد الرطوبي في المناطق الغربية والوسطى في خلق ظروف أكثر جفافاً.
• التنبؤ (2050): يتوقع نموذج ANN-MLP انخفاضاً عاماً في هطول الأمطار السنوي في جميع أنحاء الهند بحلول عام 2050. وبينما يُتوقع أن تحتفظ منطقة الشمال الشرقي بأعلى متوسط هطول أمطار (حوالي 1920 ملم)، فمن المتوقع أن تواجه منطقة الشمال الغربي أكبر حالات الانخفاض.
• المقارنة مع CMIP-6 SSP585: تعد النتيجة الحاسمة هي أن تنبؤات ANN-MLP لجميع المناطق الست والـ 28 تقسيماً فرعياً تتوقع مستويات هطول أمطار أقل من توقعات CMIP-6 MME تحت سيناريو SSP585. وهذا يشير إلى أن هطول الأمطار الفعلي قد ينخفض حتى عن توقعات نماذج المناخ في أسوأ الحالات، مما يشير إلى مسار خطير لنقص المياه. ومن المتوقع أن تتجاوز سبعة تقاسيم فقط، معظمها ساحلية وبعض المناطق الداخلية، مستويات هطول الأمطار في سيناريو SSP585.

الأهمية والادعاءات
يزعم المؤلفون أن هذه الدراسة تقدم تقييماً حاسماً ومتعدد الأوجه لتطور هطول الأمطار في الهند من خلال الربط بين تحليل الاتجاه التاريخي والتنبؤ المستقبلي والتحقق من صحة النماذج المناخية. إن دمج الكشف عن نقاط التحول مع طريقتي MK وITA يوفر فهماً أكثر قوة للاتجاهات غير الرتيبة مقارنة بالطرق التقليدية وحدها.

وتؤكد الدراسة أن مقارنتها لتنبؤات التعلم الآلي مقابل توقعات CMIP-6 SSP585 توفر إطاراً فريداً لتقييم التأثيرات المناخية الإقليمية، كاشفةً أن الهند قد تواجه عجزاً في هطول الأمطار يتجاوز حتى أكثر سيناريوهات النماذج المناخية تشاؤماً. تُقدم هذه النتائج كمعلومات حيوية لصناع السياسات، والمهندسين الهيدرولوجيين، والمخططين الزراعيين لصياغة استراتيجيات تكيف للري، وإدارة الموارد المائية، والمرونة المناخية. ويقر المؤلفون بالقيود، مشيرين إلى أن النطاق المكاني الواسع للدراسة (40 منطقة) يحول دون إجراء تحليل على المستوى الدقيق (المنطقة/الكتلة/القرية)، وأن غياب البيانات اليومية يحد من دقة الكشف الحالي عن الاتجاهات. ويقترحون أن العمل المستقبلي يجب أن يستخدم التعلم العميق المتقدم (مثل LSTM) والاستشعار عن بعد القائم على الشبكات لتنقيح هذه الرؤى.