Monte Carlo Positive-Unlabeled Two-Step Learning for Landslide Susceptibility Mapping under Inventory Uncertainty: Comparison with Hard-Threshold PU Two-Step and EIV in Northern Morocco

في الجبال الوعرة التي تضربها الأمطار في شمال المغرب، تبدو الأرض كيانًا حيًا ومتحركًا. فالتلال المنحدرة، والجيولوجيا المعقدة، والأمطار الموسمية الغزيرة تجتمع معًا لتجعل من الانهيارات الأرضية واقعًا متكررًا وخطيرًا. وبالنسبة للمخططين والمسؤولين عن السلامة، فإن الهدف هو رسم خريطة توضح الأماكن التي من المرجح أن تنهار فيها التربة مرة أخرى. وهذا ليس مسألة تخمين؛ بل هو تحدٍ إحصائي. لبناء نموذج يتنبأ بمكان حدوث الانهيارات الأرضية، يحتاج العلماء إلى شيئين: قائمة بالأماكن التي حدثت فيها انهيارات أرضية بالفعل، وقائمة بالأماكن التي تكون فيها الأرض مستقرة. القائمة الأولى يسهل العثور عليها؛ أما الثانية فهي فخ. فمجرد عدم تسجيل انهيار أرضي في بقعة معينة لا يعني بالضرورة أن الأرض آمنة، فقد يعني ذلك ببساطة أنه تم إغفال الانهيار، أو أخفته النباتات، أو أنه قديم جدًا بحيث لا يمكن رؤيته. إن معاملة هذه البقع غير المسجلة كأنها مناطق "آمنة" مؤكدة يشبه افتراض أن الغرفة فارغة لأنك لم ترَ أحدًا بداخلها، متجاهلاً احتمال وجود شخص يختبئ في الخزانة. هذا اليقين يجعل من الصعب للغاية تعليم الكمبيوتر التمييز بين الأرض المستقرة والأرض التي تنتظر فقط لحظة الانزلاق.

لقد تصدى فريق من الباحثين المغاربة لهذه المشكلة من خلال تطوير طريقة جديدة للتعامل مع هذه الانهيارات الأرضية "المفقودة". فبدلاً من إجبار الكمبيوتر على اتخاذ قرار واحد صارم بشأن ما إذا كانت هذه البقع غير المسجلة آمنة أم لا، ابتكروا طريقة تحتضن عدم اليقين. وقد اختبروا هذا النهج الجديد، المسمى MC-PU-2S، مقابل طريقتين موجودتين في جبال الريف، وهي منطقة معروفة بتضاريسها شديدة الانحدار وفشلها المتكرر في المنحدرات. استخدمت الدراسة قاعدة بيانات تضم ما يقرب من 6000 ملاحظة، بما في ذلك أكثر من 2300 موقع معروف للانهيارات الأرضية وآلاف النقاط الأخرى التي كانت حالة الأرض فيها مجهولة. ومن خلال تشغيل نماذجهم عبر عملية اختبار صارمة منعت الكمبيوتر من "الفرط في التخصيص" (overfitting) عبر حفظ بيانات الاختبار، وجد الباحثون أن طريقتهم الجديدة أنتجت صورة أكثر وضوحًا وموثوقية للمخاطر. وبينما كانت الطرق القديمة تميل إلى تصنيف معظم التضاريس على أنها خطرة، مما أدى إلى طمس الخطوط الفاصلة بين المناطق عالية المخاطر والمناطق منخفضة المخاطر، نجح النهج الجديد في الفصل بينهما، مقدمًا ليس فقط خريطة للخطر، بل خريطة للثقة.

يكمن جوهر المشكلة في كيفية تعامل النماذج التقليدية مع الفئة "السلبية" — أي البقع المفترض أنها آمنة. في العديد من الدراسات، يختار الباحثون ببساطة نقاطًا عشوائية بعيدة عن الانهيارات الأرضية المعروفة ويخبرون الكمبيوتر: "هذه المنطقة آمنة". وتجادل الدراسة الجديدة بأن هذا افتراض معيب؛ فإذا كانت البقعة غير مستقرة في الواقع ولكن لم يتم رسم خرائط لها بعد، فإن الكمبيوتر سيتعلم الدرس الخاطئ. قارن الباحثون بين ثلاث استراتيجيات مختلفة للتعامل مع هذا الأمر. الطريقة الأولى، المعروفة باسم "طريقة قيمة المعلومات المعززة" (Enhanced Information Value)، تحاول تصفية أكثر البقاع أمانًا من خلال النظر في نموذج أولي واختيار المناطق ذات المخاطر الأدنى تمامًا. أما الطريقة الثانية، المسماة "PU Two-Step"، فتستخدم نقطة قطع صارمة: إذا بدت البقعة آمنة بما يكفي وفقًا لدرجة معينة، تُصنف كآمنة؛ وإذا كانت أقل أمانًا ولو بقليل، يتم استبعادها. كلتا الطريقتين تفرضان خيارًا ثنائيًا، مما يخلق خطًا حادًا بين الآمن وغير الآمن، وهو خط قد لا يكون موجودًا في الواقع.

أما طريقة الباحثين الجديدة، MC-PU-2S، فتسلك مسارًا مختلفًا. فبدلاً من رسم خط حاد، تقوم بتعيين احتمالية لكل بقعة مجهولة. إنها تسأل: "ما مدى احتمال أن تكون هذه البقعة آمنة حقًا؟" وتسمح للإجابة بأن تكون درجة من الرمادي بدلاً من الأبيض أو الأسود. وللقيام بذلك، يقوم الكمبيوتر بتشغيل مئات عمليات المحاكاة. في كل محاكاة، يقرر عشوائيًا ما إذا كان سيعامل بقعة مجهولة معينة على أنها آمنة أو غير آمنة، بناءً على تلك الاحتمالية. ثم يبني نموذج تنبؤ لكل سيناريو من هذه السيناريوهات. وأخيرًا، يقوم بدمج متوسط جميع هذه المئات من النماذج معًا. هذه العملية تعمل على تنعيم الأخطاء وتكشف عن التنبؤات الصلبة وتلك المهتزة. والنتيجة ليست مجرد خريطة واحدة للقابلية للتأثر، بل هي مجموعة من المنتجات: خريطة تظهر متوسط المخاطر، وخريطة تظهر مدى تباين التنبؤ عبر عمليات المحاكاة، وخريطة تسلط الضوء على المناطق التي لا يستطيع النموذج الحسم فيها.

عندما قارن الباحثون النتائج، كان الفرق صارخًا. أنتجت الطرق القديمة خرائط حيث تم تصنيف كل نقطة تقريبًا في منطقة الدراسة على أنها ذات خطر مرتفع للانهيارات الأرضية. كان الكمبيوتر يصرخ "خطر" في كل مكان، وهو أمر غير مفيد للتخطيط. ومع ذلك، أنتجت الطريقة الجديدة رؤية أكثر توازنًا؛ فقد حددت بشكل صحيح أنه بينما تعد العديد من المناطق خطيرة بالفعل، فإن جزءًا كبيرًا من التضاريس مستقر. كان النموذج الجديد أفضل بكثير في التمييز بين الاثنين، حيث كانت تنبؤاته تتماشى بشكل وثيق مع البيانات الفعلية. كما عالج خللًا رئيسيًا في النماذج القديمة: حيث كانت تقديرات الاحتمالية فيها مضغوطة ومنحازة، مما يعني أنها لم تكن قادرة على التمييز بدقة بين قيمة AUC تبلغ 0.9 وقيمة AUC تبلغ 0.6. لقد قامت الطريقة الجديدة بنشر هذه الاحتمالات، مما سمح بفهم أكثر دقة للتضاريس.

ولعل المخرج الأكثر قيمة لهذا النهج الجديد هو القدرة على تحديد عدم اليقين. وجدت الدراسة أنه في حوالي 23 بالمائة من المساحة، لم يستطع النموذج الجزم بما إذا كانت الأرض آمنة أم غير آمنة. هذه هي البقع التي تحوم فيها التصنيفات عند حافة قرار اتخاذ القرار. في الخرائط التقليدية، ستبدو هذه المناطق تمامًا مثل بقية المناطق، مما يخفي نقصًا حرجًا في المعرفة. أما في الخرائط الجديدة، فيتم وضع علامات على هذه المناطق صراحةً. وهذا يعد تحولًا جذريًا لصناع القرار؛ فالمطقة عالية المخاطر ذات الثقة العالية يمكن استهدافها فورًا لاتخاذ تدابير السلامة، بينما المنطقة عالية المخاطر ذات الثقة المنخفضة تشير إلى الحاجة لمزيد من العمل الميداني قبل إنفاق أي أموال على البناء أو التخفيف من الآثار. إنها تخبر المسؤولين بالضبط أين يجب أن ينظروا بعد ذلك، محولةً التحذير الغامض إلى خطة عمل محددة.

أكدت الدراسة أيضًا أن أهم العوامل التي تقود الانهيارات الأرضية في هذه المنطقة تظل متوافقة مع ما يعرفه الجيولوجيون بالفعل: وهي شدة انحدار المنحدر، والبعد عن الطرق، ونوع الصخور، وكمية الأمطار. ومع ذلك، فإن طريقة تفسير هذه العوامل تتغير عندما يتم أخذ عدم اليقين في الاعتبار. أظهرت الطريقة الجديدة أن العلاقة بين هذه العوامل والمخاطر ليست مجرد مفتاح تشغيل/إيقاف بسيط، بل هي تدرج معقد. ومن خلال متوسط "الضجيج" الناتج عن الانهيارات الأرضية "المفقودة"، استطاع النموذج رؤية هذه الأنماط بوضوح أكبر. وأشار الباحثون إلى أنه بينما تتطلب طريقتهم قدرة حوسبية أكبر من التقنيات القديمة، فإن المقايضة تستحق العناء؛ فالقدرة على قياس عدم اليقين وإنتاج خريطة تعترف بما لا تعرفه هي خطوة كبيرة للأمام في إدارة المخاطر الطبيعية.

لا يدعي هذا العمل أنه حل مشكلة التنبؤ بالانهيارات الأرضية تمامًا. إذ يشير الباحثون بحذر إلى أن طريقتهم حساسة لجودة البيانات الأولية، وأن عدد عمليات المحاكاة المستخدمة في دراستهم كان اختبارًا تجريبيًا. وهم يقترحون أن العمل المستقبلي يجب أن يتضمن إجراء المزيد من عمليات المحاكاة لضمان استقرار النتائج. كما أوضحوا أن طريقتهم تقيس نوعًا واحدًا فقط من عدم اليقين: وهو عدم اليقين بشأن ما إذا كانت البقع معينة آمنة حقًا. وهي لا تأخذ في الاعتبار الأخطاء في الخرائط نفسها أو التغيرات في الطقس بمرور الوقت. ومع ذلك، تظهر الدراسة أن الانتقال من التفكير الصارم ذي اللونين الأبيض والأسود إلى النهج الاحتمالي يؤدي إلى نتائج أفضل. وفي عالم تتحرك فيه الأرض باستمرار، فإن النموذج الذي يمكنه الاعتراف بشكوكه هو أكثر فائدة بكثير من النموذج الذي يخطئ بثقة. تقدم الخرائط الجديدة من شمال المغرب دليلاً أكثر وضوحًا وأمانة لحماية المجتمعات التي تعيش على حافة المنحدر.