From forecast skill to planning value: multi-horizon data-driven hydrological forecasting for sustainable management of the Jucar River Basin District
تقدم هذه الدراسة مساراً للتنبؤ متعدد الآفاق يعتمد على البيانات لحوض نهر جوكار، ينجح في توليد تنبؤات شهرية لمستويات طبقات المياه الجوفية، وتخزين الخزانات، وتصريف الأنهار حتى 48 شهراً مقدماً من خلال فصل الذاكرة الداخلية عن المحركات المناخية ومحركات الطلب، مما يظهر مهارة عالية للمياه الجوفية والخزانات مع تحديد التحيز المنهجي كعائق رئيسي للتنبؤات طويلة المدى للأنهار تحت سيناريوهات مستقبلية متنوعة.
تخيل أنك تحاول التنبؤ بمستقبل نهر، أو بحيرة، أو خزان مياه جوفي. هذه هي مهمة علماء الهيدرولوجيا، وهم العلماء الذين يدرسون كيفية حركة المياه عبر عالمنا. لكن التنبؤ بالمياه لا يشبه تخمين حالة الطقس لغدٍ ما؛ بل هو أشبه بمحاولة تخمين مدى امتلاء حوض الاستحمام في الشهر المقبل، مع العلم أن هناك شخصًا يفتح الصنبور ويغلقه باستمرار، وأن الحوض به تصريف بطيء يسرب الماء. في أماكن مثل منطقة حوض البحر الأبيض المتوسط، حيث الصيف لاهب والأمطار غير متوقعة، فإن الحصول على هذه التنبؤات بشكل صحيح هو مسألة بقاء للمزارعين والمدن والنظم البيئية. وللقيام بذلك، يستخدم العلماء "النماذج" — وهي وصفات رياضية تأخذ البيانات الماضية (مثل كمية الأمطار التي سقطت الشهر الماضي) وتحاول تخمين ما سيحدث بعد ذلك. السؤال الكبير هو: إلى أي مدى يمكننا الوثوق بهذه التخمينات قبل أن تبدأ في الانحراف عن مسارها؟
تتناول هذه الورقة البحثية هذه المشكلة تحديدًا في حوض نهر خوكر (Jucar) بشرق إسبانيا، وهي منطقة تُدار فيها المياه بدقة من خلال السدود والمضخات. قام الباحثون ببناء نظام ذكي يعتمد على البيانات للتنبؤ بثلاثة أنواع مختلفة من تخزين المياه: طبقات المياه الجوفية (مثل الإسفنج العملاق تحت الأرض)، والخزانات (البحيرات الاصطناعية)، والأنهار. لم ينظروا فقط إلى نوع واحد من المياه؛ فقد أدركوا أن النهر، والبحيرة، والإسفنج، جميعها تتصرف بشكل مختلف. فالنهر يتفاعل بسرعة مع المطر، والبحيرة تتغير ببطء، والإسفنج يستغر وقتًا طويلًا لامتصاص الماء أو الجفاف. اختبر الفريق "بلورتهم السحرية" مقابل خدعة بسيطة للغاية: مجرد افتراض أن الشهر القادم سيكون تمامًا مثل هذا الشهر. ووجدوا أنه بينما تنجح هذه الخدعة البسيطة بشكل مفاجئ لبعض الأشياء، فإن نظامهم الجديد المتطور مطلوب لأشياء أخرى، ولكن حتى نقطة زمنية معينة فقط.
تكشف الدراسة عن "شخصية" واضحة لكل جزء من نظام المياه. بالنسبة لطبقات المياه الجوفية، فإن المياه عنيدة وبطيئة الحركة لدرجة أن التخمين الأبسط (افتراض بقاء الأشياء كما هي) يكاد يكون مثاليًا. كان نموذج الباحثين المعقد أفضل قليلاً، لكن طبقة المياه الجوفية متوقعة للغاية لدرجة أنه حتى بعد عام أو أربعة أعوام، يظل التنبؤ موثوقًا للغاية. الأمر يشبه التنبؤ بدرجة حرارة كتلة ضخمة من الجليد؛ فهي لن تتغير كثيرًا بغض النظر عما يحدث في الخارج.
ومع ذلك، فإن الأنهار قصة أخرى. فهي تشبه كلبًا شديد النشاط يتفاعل فورًا مع كل مكافأة (مطر) أو أمر (استخدام المياه). وجد الباحثون أن نموذجهم يمكنه التنبؤ بتدفق النهر بدقة لمدة 12 شهرًا تقريبًا. ولكن إذا حاولت تخمين تدفق النهر قبل 24 أو 48 شهرًا، يبدأ النموذج في الارتباك. يبدأ في الانحراف، حيث يبالغ ببطء في تقدير كمية المياه التي ستكون موجودة. يحدث هذا لأن الرياضيات المستخدمة لبناء النموذج بها انحياز طفيف — فهي تميل إلى التخمين بأن هناك "قليلاً من الزيادة" في كل شهر، ومع مرور السنوات، تتراكم تلك التخمينات الصغيرة لتصبح خطأً فادحًا. النموذج لا يمكنه رؤية المستقبل بشكل مثالي؛ هو فقط يصبح أفضل في تخمين الخطوة التالية مقارنة بالخطوة التي تليها.
أجرى الفريق أيضًا سيناريوهات "ماذا لو"، متخيلين مستقبلًا يصبح فيه المناخ أكثر حرارة ويستخدم فيه الناس مياهًا أكثر أو أقل. ووجدوا أنه بالنسبة للأنهار، تبدأ هذه المستقبليات المختلفة في الظهور بشكل مختلف تمامًا عن بعضها البعض خلال نافذة الـ 12 شهرًا تلك. ولكن بالنسبة لطبقات المياه الجوفية والخزانات الكبيرة، تبدو المستقبليات المختلفة متطابقة تقريبًا لفترة طويلة. فالمياه الموجودة تحت الأرض والبحيرات الكبيرة محمية بفضل حجمها وطريقة إدارتها، بحيث لا يتغير المستقبل القريب كثيرًا، بغض النظر عما إذا كان الطقس سيصبح أكثر حرارة أو برودة قليلاً.
وعلى نحو حاسم، يحذر المؤلفون من أنه عندما يعرضون مجموعة من السيناريوهات المستقبلية المختلفة، فإن ذلك لا يعني أن لديهم احتمالية مثالية لما سيحدث. بل يعني فقط "إذا تصرف الطقس بهذا الشكل، فستبدو المياه هكذا". إنها أداة لاختبار قدرة الخطط على الصمود، وليست بلورة سحرية تخبرك بما سيحدث بالضبط. وتخلص الدراسة إلى أنه من أجل إدارة مستدامة للمياه، نحتاج إلى معرفة المدى الذي يمكننا فيه الوثوق بتوقعاتنا: 48 شهرًا للمياه الجوفية، و36 شهرًا للخزانات، و12 شهرًا فقط للأنهار. بعد هذه الحدود، فإن أفضل ما يمكننا فعله هو النظر في احتمالات مختلفة والاستعداد للأسوأ، بدلًا من محاولة التنبؤ بمستقبل واحد محدد.
ملخص تقني: من مهارة التنبؤ إلى قيمة التخطيط
بيان المشكلة تواجه أحواض الأنهار المنظمة في منطقة حوض المتوسط تحديات متزايدة ناتجة عن ظروف هيدرو-مناخية غير مستقرة، بما في ذلك حالات الجفاف المتكررة ونوبات هطول الأمطار عالية الكثافة. تتطلب الإدارة الفعالة للمياه تنبؤات شهرية لا تقتصر على كونها ماهرة فحسب، بل يجب أن تكون شفافة فيما يتعلق بحدودها. تواجه التنبؤات الهيدرولوجية القائمة على البيانات حالياً ثلاثة قيود رئيسية عند تطبيقها على الأحواض المنظمة:
النطاق: تركز معظم الدراسات على تدفق المجاري المائية عند محطات القياس الطبيعية، متجاهلةً تخزين الخزانات ومستويات المياه الجوفية، والتي تمتلك هياكل استمرارية (persistence) متميزة.
الإسناد: غالباً ما تخلط النماذج بين الذاكرة ذاتية الارتباط (autoregressive memory) وبين القوى الخارجية المناخية والطلب، مما يجعل من الصعب عزل القيمة الهامشية للمحركات الخارجية مقارنة بالاستمرارية البسيطة.
التفسير التشغيلي: تُعرض توقعات السيناريوهات غالباً دون ربطها بحدود الموثوقية المعتمدة على الأفق الزمني، مما قد يؤدي إلى سوء تفسير انتشار السيناريو كونه عدم يقين تنبؤي مُعاير، بدلاً من كونه حساسية لافتراضات القوى الخارجية.
المنهجية تطور هذه الدراسة إطار عمل للتنبؤ متعدد الآفاق يعتمد على البيانات لحوض نهر خوست (Jucar) في شرق إسبانيا، ويستهدف ثلاثة أنواع: مستويات المياه الجوفية في طبقات المياه الجوفية، وتخزين الخزانات، وتدفق الأنهار.
البيانات والمعالجة المسبقة: يستخدم إطار العمل ملاحظات شهرية من عام 1988 إلى 2023 (مع انتهاء بيانات الخزانات في عام 2016، مما تطلب بناء جسر إعادة بناء للفترة 2017-2023). يتم نمذجة المتغيرات المستهدفة في فضاء الزيادات (Δyt=yt−yt−1) لتثبيت التعلم عبر المقادير غير المتجانسة، مع إعادة بناء المستويات بشكل تكراري.
هندسة الميزات: يتم تقييم عائلتين من المتنبئات:
ENDO (الداخلية): تشفر ذاكرة النظام عبر القيم المتأخرة للحالات (yt−1,yt−12) والمصطلحات الموسمية (الشهر، وجيب التمام/الجيب).
بنية النموذج: تم تقييم أربعة نماذج انحدار جدولي (Bayesian Ridge, ARD Regression, Gradient Boosting, XGBoost). لم تُستخدم الشبكات العصبية. تم فصل اختيار النموذج عن تقرير الأداء باستخدام نافذة تحقق داخلية.
بروتوكول التحقق: تم استخدام بروتوكول "الزمن المستقبلي الزائف ذو الأصل المتدحرج والمدرك للتسرب" (leakage-aware rolling-origin pseudo-future) صارم. تسبق بيانات التدريب بيانات التقييد زمنياً لتجنب تقديرات المهارة المتفائلة في السلاسل ذات الارتباط الذاتي. يتم توليد التوقعات بشكل تكراري حتى 48 شهراً.
بناء السيناريوهات: تم بناء ثلاث عائلات من السيناريوهات (أساسي، ملائم، غير ملائم) للفترة 2024-2030 باستخدام نهج هجين يجمع بين تغيير دلتا (delta-change) وتوليد الطقس العشوائي بناءً على منطق CMIP6/ScenarioMIP. تعمل هذه السيناريوهات كمسارات لاختبار الإجهاد، وليس كتنبؤات احتمالية.
المقاييس: يتم تقييم الأداء باستخدام كفاءة كلينغ-غوبتا (KGE) وتحليلها إلى الارتباط (r)، ونسبة التباين (α)، ونسبة الانحياز (β). يتم قياس المهارة مقابل نموذج الاستمرارية الساذج باستخدام درجة مهارة الخطأ التربيعي المتوسط (SSRMSE). يتم تعريف أفق الموثوقية (hrel) كأقصى وقت رائد يكون فيه متوسط KGE ≥0.6.
النتائج الرئيسية تكشف الدراسة أن مهارة التنبؤ تعتمد بقوة على نوع النظام، وهي محكومة بالآليات الفيزيائية لكل مكون من مكونات النظام:
طبقات المياه الجوفية: تظهر قدرة تنبؤية عالية للغاية (متوسط KGE > 0.97) عبر جميع الآفاق بسبب الارتباط الذاتي القوي. ومع ذلك، يتفوق تكوين ENDO على EXOG في الآفاق الطويلة؛ حيث يؤدي إضافة البيانات المناخية أو بيانات الطلب الخارجية إلى تدهور أداء RMSE بالنسبة للاستمرارية، ويرجع ذلك على الأرجح إلى أن إشارات المياه الجوفية تتطور بسلاسة شديدة تجعل ضجيج المناخ الشهري غير قادر على إضافة قيمة.
الخزانات: تظهر نمط مهارة متميزاً حيث تتفوق النماذج بشكل كبير على الاستمرارية الساذجة ابتداءً من ستة أشهر فصاعداً. في الفئة طويلة المدى (24-36 شهراً)، يحقق إطار العمل درجات مهارة كبيرة (SSRMSE≈+0.46 إلى +0.50). وبينما يحقق ENDO KGE أعلى قليلاً، فإن EXOG يقلل الأخطاء المطلقة بشكل أكثر فعالية، رغم أن كليهما يؤكد أن إطار العمل يضيف قيمة حيث تتدهور الاستمرارية.
الأنهار: تقتصر المهارة على أفق موثوقية مدته 12 شهراً. بعد ذلك، ينخفض الأداء دون نموذج الاستمرارية المرجعي.
آلية التدهور: يحدد تحليل تفكيك KGE أن نسبة الانحياز (β) هي آلية التدهور المهيمنة للأنهار عند الفترات الزمنية الطويلة. وينتج هذا عن التراكم التكراري لأخطاء زيادات التصريف الشهرية ذات الالتواء الموجب (توزيع ملتوي لليمين)، مما يؤدي إلى مبالغة منهجية في التقدير.
دور EXOG: تعمل القوى الخارجية جزئياً على تخفيف هذا الانحراف من خلال تقييد المتوسط طويل المدى للمسار، لكنها لا تحسن الارتباط الزمني بشكل كبير.
نتائج السيناريوهات
التباعد: يكون انتشار السيناريو أقوى في الأنهار ضمن أفق الموثوقية، بينما يظل خافتاً في طبقات المياه الجوفية وفي حالة الخزانات التي تخضع لظروف التخزين.
التفسير: بالنسبة للمكونات التي يهيمن عليها التخزين (المياه الجوفية/الخزانات)، فإن الاختلافات في السيناريوهات قصيرة المدى (2024-2030) مدفوعة أساساً بافتراضات مسارات الطلب بدلاً من إشارات التغير المناخي القابلة للكشف، حيث أن فروق درجات الحرارة المحققة في هذه الفترة صغيرة مقارنة بالتباين السنوي.
عدم اليقين: يمثل انتشار السيناريو الحساسية تجاه افتراضات القوى الخارجية، وليس عدم اليقين التنبؤي المُعاير.
الأهمية والادعاءات تدعي الورقة أنها تساهم في تطوير المجال من خلال نقل التركيز من مهارة التنبؤ الخام إلى قيمة التخطيط عبر إطار عمل يراعي نوع النظام. وتتمثل مساهماتها الرئيسية في:
موثوقية خاصة بكل نوع: يضع الإطار آفاق موثوقية صريحة ومبنية على أسس فيزيائية (48 شهراً للمياه الجوفية، 36 شهراً للخزوات، 12 شهراً للأنهار)، ويجادل بأن مخرجات النماذج يجب أن تُستخدم بشكل مختلف اعتماداً على الفترة الزمنية ونوع النظام.
الإسناد الميكانيكي: من خلال تفكيك KGE والمقارنة مع الاستمرارية، تعزل الدراسة سبب نجاح أو فشل النماذج (على سبيل المثال، تحديد تراكم الانحياز في الأنهار مقابل هيمنة الذاكرة في المياه الجوفية)، متجاوزةً بذلك مقاييس الأداء "الصندوق الأسود".
الوضوح التشغيلي: توضح الدراسة أن قيم KGE العالية في الأنظمة التي يهيمن عليها التخزين غالباً ما تعكس القصور الذاتي بدلاً من القدرة التنبؤية، وأن انتشار السيناريوهات لا ينبغي تفسيره خطأً كعدم يقين احتمالي.
القابلية للنقل: تم تصميم إطار العمل ليكون قابلاً للنقل إلى أحواض أخرى منظمة أو شبه جافة حيث تتوفر مجموعات بيانات تشغيلية متباينة (بدقة شهرية)، مما يوفر بديلاً قابلاً للتوسع للنماذج القائمة على العمليات لغرض التخطيط قريب المدى.
يتبنى المؤلفون موقفاً متواضعاً، معترفين بالقيود مثل استخدام القوى الاصطناعية للسيناريوهات، وغياب التقييم الرسمي تحت فترات متباينة هيدرو-مناخياً، وعدم اليقين الناتج عن جسر إعادة بناء بيانات الخزانات. ويؤكدون أن إطار العمل هو أداة لاختبار الإجهاد والتخطيط المقارن وليس متنبئاً حتمياً لحالات المناخ المستقبلية.