التنبؤ على النطاق دون الموسمي والموسمي (من أسبوعين إلى ثلاثة أشهر) لا يزال نقطة ضعف في علم الأرصاد الجوية: الغلاف الجوي ينسى الشروط الأولية خلال شهر واحد، بينما المحيط لم يتراكم لديه بعد ما يكفي من الطاقة لفرض الطقس. النماذج الفيزيائية العامة تتطلب موارد حاسوبية هائلة وتعاني من أخطاء منهجية في وصف التفاعل بين المحيط والغلاف الجوي. حول هذه المهمة ظهرت بالفعل أعمال للتنبؤ بظاهرة النينيو والتوهجات الشمسية والجفاف باستخدام التعلم الآلي، لكن لم يحل أي منها مشكلة التنبؤ العالمي بحرارة سطح المحيط على النطاق دون الموسمي. يأتي CAS-Canglong في هذا السياق لكنه يتميز بموضوعه: بدلاً من مؤشرات أو مناطق منفردة، يتنبأ النموذج بحقل حرارة المحيط بأكمله دفعة واحدة.
جمع المؤلفون 63 عامًا من بيانات إعادة التحليل الشهرية ERA5 بدقة 0.25°×0.25° (1440×721 نقطة شبكية). استُخدمت ثمانية متغيرات كمتنبئات: الضغط عند مستوى سطح البحر، والرياح النطاقية وال meridional على ارتفاعي 850 و500 هكتوباسكال، والارتفاعات الجيولوجية، وتدفق الحرارة الكامنة، والإشعاع الشمسي الصافي. النموذج مبني على بنية Swin Transformer مع انتباه متعدد الرؤوس نافذة. موتر الإدخال بأبعاد 16 شهرًا × 8 متغيرات × 721 خط عرض × 1440 خط طول. المخرج هو حرارة سطح المحيط للشهر الأول أو الثاني أو الثالث التالي. تم التدريب على أربع وحدات معالجة رسومية A100 بذاكرة 80 جيجابايت لكل منها. جمعت دالة الخسارة بين متوسط الخطأ التربيعي وعقوبة على الارتباط المنخفض (أقل من 0.5) على المدى الطويل. لتقليل عدم اليقين، دُربت مجموعة من عدة نماذج بتهيئات مختلفة.
في الاختبار المستقل للأعوام 2016–2022، أظهر CAS-Canglong ارتباطًا قدره 0.91 للتنبؤ بمؤشر Niño 3.4 لشهر واحد قادم، و0.57 لثلاثة أشهر. مقارنة بـ22 نموذجًا فيزيائيًا من مجموعات ECMWF S2S وNMME، انخفض الخطأ بنسبة 13.7±3.0% في جنوب المحيط الهادئ، ووصل إلى 77.1±0.6% في منطقة التذبذب القطبي الشمالي. في المتوسط عبر سبع مناطق رئيسية، بلغ التحسن من 28 إلى 40%. تنبأ النموذج بشكل صحيح بـ85% من أحداث النينيو والنينيا قبل ثلاثة أشهر. في المحيطات الجنوبية، بلغ الارتباط 0.9 لشهر واحد و0.7 لثلاثة أشهر. بالنسبة للحوض الدافئ في منطقة المحيطين الهندي والهادئ، قدر النموذج المساحة بـ5.93×10⁷ كم² مقابل 6.17×10⁷ كم² الفعلية، بخطأ قدره 3.8%. في وضع الوقت الفعلي لعام 2024، تنبأ النموذج قبل غيره بالانتقال من النينيو إلى النينيا.
يتميز هذا العمل عن الأبحاث المجاورة بأنه يطبق لأول مرة محولًا ثلاثي الأبعاد على الحقل العالمي لحرارة المحيط على النطاق دون الموسمي. الأساليب السابقة إما استخدمت LSTM لنقاط محلية، أو تنبأت بمؤشرات منفردة، أو عملت على مدى زمني أقصر أو أطول. يُظهر CAS-Canglong أن الاهتمام بالعلاقات المكانية والزمانية في بيانات إعادة التحليل يتيح تجاوز قيود النماذج الفيزيائية دون وصف صريح للفيزياء. هذا ليس مجرد تحسين في المقياس، بل تغيير في النموذج الفكري: بدلاً من الحسابات الجماعية المكلفة، يمكن تدريب شبكة عصبية واحدة والحصول على التنبؤ في ثوانٍ.
النموذج يدعم بالفعل التنبؤ حتى 12 شهرًا، على الرغم من أن الورقة قيمت الأشهر الثلاثة الأولى فقط. البنية تسمح بنقل التعلم إلى متغيرات أخرى: هطول الأمطار، رطوبة التربة، الرياح. الخطوة الطبيعية التالية ستكون التنبؤ بالظواهر المتطرفة على اليابسة المرتبطة بشذوذ حرارة المحيط، مثل الجفاف في الأمازون أو موجات الحر في غرب أمريكا الشمالية. من الممكن التوسع في التنبؤ الموسمي للغطاء الجليدي والمعايير البيوجيوكيميائية للمحيط.
تحسين التنبؤ بحرارة المحيط يؤثر مباشرة على التحذيرات من الجفاف والفيضانات والأعاصير المدارية قبل أشهر من وقوع الحدث. هذا مهم للزراعة وإدارة الموارد المائية والتأمين.
اختبار النموذج على بيانات مستقلة من عمليات إعادة تحليل أخرى وعلى تنبؤات الوقت الفعلي على مدى عدة سنوات. دمج تنبؤات حرارة المحيط في نماذج التنبؤ بهطول الأمطار على اليابسة.
في علوم الأرض، تبقى مشكلة قابلية التنبؤ على النطاق دون الموسمي دون حل: إلى متى تستمر الذاكرة حول الشروط الأولية في نظام المحيط والغلاف الجوي. يُظهر العمل أن التعلم العميق يمكنه استخراج هذه الذاكرة من البيانات بشكل أفضل من النماذج الفيزيائية، لكن مسألة التفسير الفيزيائي لهذه التنبؤات تظل مفتوحة.
هذا القسم موجَّه إلى مؤلف العمل وزملائه. الأعمال المجاورة عثر عليها بحثٌ دلالي في أرشيفنا، لا بتطابق الكلمات. نحن لا نقيّم العمل: نعرض الحقل من حوله.
ماذا يفعل هذا العمل
جمع الباحثون 63 عامًا من بيانات إعادة التحليل ERA5، ودرّبوا محولًا ثلاثي الأبعاد من نوع Swin على ثمانية متغيرات جوية، وأظهروا أن النموذج يتنبأ بدرجة حرارة سطح المحيط العالمية قبل 1 إلى 3 أشهر بدقة تفوق النماذج الفيزيائية المجمّعة في سبع مناطق رئيسية، بما في ذلك مؤشر Niño 3.4 ومساحة الحوض الدافئ.
أين تكمن قوته
لأول مرة، يُطبَّق محول ثلاثي الأبعاد على المجال العالمي لدرجة حرارة المحيط على المقياس دون الموسمي، مما يتيح التقاط الارتباطات المكانية والزمانية دون وصف فيزيائي صريح، ويحقق تفوقًا في الدقة مقارنة بالنماذج الفيزيائية المكلفة.
إلى أين يمكن المضي
يستحق التجربة
لماذا قد يكون هذا مهمًا
تحسين التنبؤات بدرجة حرارة سطح المحيط على المقياس دون الموسمي يؤثر مباشرة على الإنذارات المبكرة للجفاف والفيضانات وموجات الحر، وهو أمر بالغ الأهمية للمناطق الهشة.
أعمال قريبة في أرشيفنا
الأرشيف خالٍ حول هذا العمل: أقرب تحليل عند 0.60 فقط، مقابل 0.64 المعتادة. يبدو أن الحفر بجواره كان نادرًا.
اسم النموذج Canglong يشير إلى التنين الأسطوري من الأساطير الصينية القديمة الذي يتحكم في الأمطار. دُرب النموذج على بيانات منذ عام 1959، وخلال هذه الفترة ارتفعت حرارة المحيط في المناطق الاستوائية بنحو 0.5 درجة مئوية.
في رواية كيم ستانلي روبنسون "وزارة المستقبل"، تصبح الحرارة في الهند محفزًا لتغيرات عالمية. التنبؤ الدقيق بحرارة المحيط قبل أشهر كان ليمنح وقتًا للاستعداد لمثل هذه الأحداث.