⚡ electrical engineering

Recovering atmospheric dynamics from atmospheric composition snapshots using machine learning

تُثبت هذه الدراسة أن نماذج تعلم الآلة يمكنها بنجاح استنتاج سرعات الرياح المتزامنة وارتفاعات الطبقة الحدودية من لقطات منفردة للتركيب الغلافي الجوي، مما يثبت أن مثل هذه المشاهد الساكنة تحتفظ بمعلومات قابلة للاسترداد حول الحالة الديناميكية الكامنة.

المؤلفون الأصليون: Sudhanshu Pandey

نُشر 2026-08-26

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Sudhanshu Pandey

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

الغلاف الجوي عبارة عن سائل هائل ومضطرب، يحرك الهواء باستمرار من مكان إلى آخر. هذه الحركة، التي تدفعها الرياح وعمق الطبقة السفلى من الغلاف الجوي حيث نعيش، تعمل كخلاط عظيم لسماءنا؛ فهي تنقل الملوثات، وبخار الماء، والغازات النزرة، وتمدها في خيوط طويلة أو تخففها في الفراغ. لعقود من الزمن، اعتمد العلماء على القياسات المباشرة للرياح لفهم هذه الحركة، لكن هذه الملاحظات كانت شحيحة، مما ترك فجوات كبيرة في صورتنا العالمية. وفي الوقت نفسه، أصبحت الأقمار الصناعية بارعة للغاية في رسم خرائط التركيب الكيميائي للهواء، وتتبع تركيز الغازات مثل الأوزون وثاني أكسيد النيتروجين بدقة عالية. ولفترة طويلة، كانت هذه الخرائط الكيميائية تُعتبر مجرد نتيجة لعمل الرياح — أي الأثر السلبي لعملية النقل. وظل السؤال قائماً: هل كانت الرياح نفسها مخبأة داخل تلك الأنماط الكيميائية، بانتظار من يقرؤها؟

لقد أثبت باحث في مختبر الدفع النفاث (JPL) الآن أن الإجابة هي نعم. فمن خلال تدريب نوع من الذكاء الاصطنا المنتمي للشبكات العصبية، أظهرت الدراسة أن لقطة واحدة من الكيمياء الجوية تحتوي على معلومات كافية لإعادة بناء الرياح وارتفاع الطبقة الحدودية التي خلقتها. لا يحتاج النظام إلى سلسلة من الصور عبر الزمن، ولا يحتاج إلى معرفة درجة الحرارة أو الرطوبة؛ بل ينظر إلى الترتيب المكاني للغازات في لحظة واحدة ويستنتج الحالة الديناميكية للغلاف الجوي في تلك اللحظة ذاتها. يشير هذا الاكتشاف إلى أن البصمات الكيميائية التي تتركها الرياح قوية بما يكثل استرجاعها، مما يحول مهمات مراقبة المواد الكيميائية إلى مصدر مستقل وجديد لبيانات الرياح.

بدأ البحث باختبار محكوم باستخدام نموذج حاسوبي عالمي للغلاف الجوي. قام الفريق بتغذية الشبكة العصبية بلقطات لأربعة غازات محددة: الميثان، وأول أكسيد الكربون، والأوزون، وثاني أكسيد النيتروجين. وقد اختيرت هذه الغازات لأن سلوكها يختلف؛ فالميثان يمكن أن يبقى في الهواء لسنوات، متتبعاً التدفقات واسعة النطاق، بينما يختفي ثاني أكسيد النيتروجين في غضون ساعات، باقياً بالقرب من مصادره. تم تدريب الشبكة على النظر في الأنماط التي تشكلها هذه الغازات والتنبؤ بسرعات الرياح المقابلة في السطح وفي أعالي السماء، وكذلك ارتفاع الطبقة الحدودية المضطربة. وعند اختبارها على أشهر من البيانات التي لم ترها من قبل، نجحت الشبكة في إعادة بناء أنماط الرياح؛ حيث رصدت مواقع التيارات النفاثة ومسارات العواصف، محققة ارتباطاً قدره 0.71 مع سرعات الرياح الحقيقية في طبقة المنتصف من التروبوسفير. كان هذا الأداء أفضل بكثير من مجرد التخمين بأن الرياح ستظل كما كانت في اليوم السابق. كما أثبتت الشبكة أن الغازات المختلفة تحمل معلومات عن ارتفاعات مختلفة؛ فالغازات قصيرة العمر القريبة من الأرض كانت الأفضل للتنبؤ بالطبقة الحدودية، بينما كانت الغازات الأطول عمراً في الأعالي أفضل للتنبؤ بالرياح في الارتفاعات الأعلى.

وللتأكد من أن هذا ليس مجرد نتاج اصطناعي لنموذج الحاسوب، طبق الباحثون نفس الطريقة على بيانات واقعية من أداة "تيمبو" (TEMPO) - وهي مستشعر يعمل بالأقمار الصناعية يمسح أمريكا الشمالية. قاموا بربط هذه اللقطات الكيميائية الواقعية مع تحليلات جوية عالية الدقة من الإدارة الوطنية للمحيطات والغلاف الجوي (NOAA). وتمكنت الشبكة العصبية، التي تدربت على هذه البيانات الواقعية، من استعادة شذوذات الرياح والطبقة الحدودية بارتباط يتراوح بين 0.43 إلى 0.45 للرياح السطحية و0.77 لارتفاع الطبقة الحدودية. وقد صمد هذا النجاح حتى عندما أزال الباحثون معلومات السحب وغيرها من المسارات المختصرة المحتملة، مما أثبت أن الإشارة جاءت من الأنماط الكيميائية نفسها. تؤكد الدراسة أن التنظيم المكاني للتركيب الكيميائي ليس مجرد سجل لما كانت عليه الرياح، بل هو مصدر للمعلومات حول ما تفعله الرياح الآن.

يغير هذا الاكتشاف كيفية نظرنا للبيانات التي يتم جمعها بالفعل بواسطة الأقمار الصناعية الموجودة. فالمهمات المصممة لمراقبة جودة الهواء أو غازات الاحتباس الحراري يمكن أن توفر في الوقت نفسه طريقة جديدة لمراقبة الرياح التي تحركها، مما يسد الفجوات في مراقبة الطقس العالمية دون الحاجة إلى أدوات جديدة. وتؤكد الدراسة أن هذه المعلومات قابلة للاسترجاع من مشهد واحد، مما يعني أن الأقمار الصناعية في المدارات القطبية، والتي تمر فوق موقع ما مرة واحدة فقط في اليوم، يمكنها أيضاً المساهمة في تحليل الرياح. وبينما لا تعد هذه الطريقة بديلاً للقياسات المباشرة للرياح، إلا أنها تقدم أداة تشخيصية قوية، تشير إلى أن كيمياء الغلاف الجوي وحركته مرتبطان ارتباطاً وثيقاً بطريقة يمكن فك رموزها بواسطة التعلم الآلي الحديث. ويفتح هذا العمل مساراً لاستخدام الأرشيفات الضخمة من البيانات الكيميائية لفهم التيارات غير المرئية التي تشكل طقسنا ومناخنا بشكل أفضل.

أبحاث مشابهة