التنبؤ على المقياس دون الموسمي (من أسبوعين إلى شهرين) يُسمى "صحراء قابلية التنبؤ": فوضى الغلاف الجوي تمحو الذاكرة بالشروط الأولية، بينما لم تكتسب العمليات البطيئة في المحيط واليابسة قوتها بعد. تقع هذه الدراسة في منطقة معزولة عن الأعمال المجاورة: فهناك أبحاث تتنبأ بالنينيو قبل عام ونصف، وتُعلّم الشبكات العصبية قراءة الطقس بأثر رجعي للجفاف، وتنقل قوالب الأرصاد الأرضية إلى المريخ. وعلى عكس تلك الأعمال، لا ينصب التركيز هنا على حدث معين أو كوكب معين، بل على أنماط الدوران واسعة النطاق نفسها التي تشكل الهيكل الأساسي لكل الطقس. يختبر المؤلفون فرضية أن قابلية التنبؤ تنبع من مكونات مختلفة للنظام الأرضي اعتمادًا على أفق التنبؤ، ويفعلون ذلك بشكل منهجي باستخدام نموذج واحد لكل متغير.
من بيانات إعادة التحليل ERA5، أُخذت الحقول اليومية للارتفاع الجيوكموني (geopotential height) عند مستوى 500 هكتوباسكال فوق أمريكا الشمالية للفترة 1981–2020. بعد الترشيح والتوحيد القياسي، استُخرجت 12 مركبة رئيسية، وقُسّمت بطريقة k-mean إلى أربع مجموعات تتوافق مع الأنماط: الحوض الهادئ، قمة الهادئ، المرتفع الجرينلاندي، وقمة ألاسكا. أما الفئة الخامسة "لا نمط" فضمت الأيام التي لم تشبه صورتها أيًا من المجموعات. ثم دُرّبت نماذج XGBoost متعددة، كل منها يتلقى متغيرًا واحدًا فقط: من الغلاف الجوي (الارتفاع الجيوكموني عند 500 هكتوباسكال، الإشعاع طويل الموجة الصادر، الرياح النطاقية عند 200 و10 هكتوباسكال)، أو من المحيط (درجة حرارة السطح، المحتوى الحراري على أعماق مختلفة، ارتفاع سطح البحر، عمق الطبقة المختلطة، سمك الجليد وتركيزه)، أو من اليابسة (رطوبة التربة ودرجة حرارتها على أربعة أعماق، ارتفاع الثلوج). حُوّلت جميع البيانات إلى شذوذ أسبوعي موحد، وتنبأت النماذج بالنمط السائد للأسبوع على مدى يتراوح من 1 إلى 8 أسابيع قادمة. حُدّدت المعاملات الفائقة (hyperparameters) باستخدام التحسين البايزي مع تحقق متقاطع حسب العقود.
يمنح الغلاف الجوي أعلى قابلية تنبؤ في الأسبوعين الأولين، ثم يتعادل مساهمته مع المحيط واليابسة. تعتمد أفضل النماذج المحيطية على المحتوى الحراري للطبقات العليا، وليس على درجة حرارة السطح، مما يبرز أهمية العمليات تحت السطحية. أما بالنسبة لليابسة، فتمنح درجة حرارة التربة ورطوبتها قابلية تنبؤ كبيرة، بينما يكون الثلج مفيدًا فقط في مواسم معينة. أظهر التقسيم الموسمي أن قابلية التنبؤ أعلى في الشتاء والصيف منها في الربيع والخريف، حيث يتصدر الغلاف الجوي والمحيط في الشتاء، بينما تميز النماذج جيدًا نمط "لا نمط" في الصيف. بالنسبة للحوض الهادئ في الخريف والشتاء، يساهم المحيط بشكل رئيسي، خاصة إشارات النينيو؛ وبالنسبة لقمة الهادئ في الشتاء، تكون الرياح الستراتوسفيرية والجليد البحري مهمة؛ أما المرتفع الجرينلاندي في الشتاء فتعمل فيه الحمل الحراري المداري وظروف التربة. أكد تحليل قيم SHAP أن التنبؤات الدقيقة مرتبطة بشذوذات محددة: على سبيل المثال، يسبق تعزيز الحمل الحراري فوق المنطقة الاستوائية الوسطى للمحيط الهادئ نمط الحوض الهادئ، بينما تسبق شذوذات الرياح النطاقية في الستراتوسفير الاستوائية الجنوبية نمط قمة الهادئ.
تُظهر الدراسة أن مصادر قابلية التنبؤ بأنماط الطقس أكثر تقلبًا عبر الآفاق الزمنية والمواسم وأنواع الأنماط مما كان يُعتقد سابقًا. وعلى عكس الأبحاث المجاورة التي تركز إما على مكون واحد (مثل النينيو أو رطوبة التربة) أو تستخدم نموذجًا موحدًا لجميع المتغيرات، هنا يُقيَّم كل مصدر على حدة، مما يتيح رؤية مساهمته الفردية. هذا هو أول تحليل منهجي لمساهمة الغلاف الجوي والمحيط واليابسة في التنبؤ بأنماط أمريكا الشمالية على الآفاق دون الموسمية باستخدام تعزيز التدرج (gradient boosting). تؤكد النتائج أنه لتحسين التنبؤات، لا يكفي إضافة المزيد من البيانات، بل يجب فهم أي مكون من النظام الأرضي مهم في حالة معينة.
يمكن أن يتطور الموضوع نحو اختبار العلاقات السببية: هل تسبب شذوذات الرياح الستراتوسفيرية فعلًا نمط قمة الهادئ، أم أنها استجابة مشتركة لعملية أخرى؟ من الواعد تضمين بيانات من النماذج العددية للنظام الأرضي للتحقق مما إذا كانت تعيد إنتاج نفس مصادر قابلية التنبؤ. من المهم أيضًا دراسة كيفية تغير هذه المصادر في ظل الاحتباس الحراري، إذ قد تتحول أنماط الدوران أو يتغير تواترها.
تؤثر النتائج مباشرة على التنبؤ التشغيلي دون الموسمي للطقس والمخاطر المناخية في أمريكا الشمالية، وعلى المجالات ذات الصلة مثل الهيدرولوجيا والزراعة والطاقة، حيث تعتمد القرارات على الشذوذات المتوقعة في درجات الحرارة وهطول الأمطار.
تشمل الخطوات التالية التحقق من العلاقات المكتشفة باستخدام التحليل السببي وتجارب النماذج، بالإضافة إلى توسيع مجموعة المتغيرات لتشمل بيانات عن مكونات أخرى مثل الغلاف الجليدي أو تركيب الغلاف الجوي.
في علوم الغلاف الجوي، يبقى السؤال دون حل حول مدى امتداد قابلية التنبؤ بالدوران واسع النطاق وما هي الآليات الفيزيائية التي تدعمها. تربط هذه الدراسة مباشرة بين قابلية التنبؤ والعمليات المحددة (النينيو، تذبذب مادن-جوليان، الدوامة القطبية الستراتوسفيرية، رطوبة التربة)، لكنها لا تثبت السببية. وهذا يترك مشكلة فصل مصادر قابلية التنبؤ الحقيقية عن الإشارات المرتبطة إحصائيًا.
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
درس المؤلفون بشكل منهجي قابلية التنبؤ بأنماط الطقس الأربعة فوق أمريكا الشمالية في آفاق زمنية تتراوح بين أسبوع وثمانية أسابيع، وذلك بتدريب مئات النماذج من نوع XGBoost بمتنبئات مفردة مستمدة من الغلاف الجوي والمحيط واليابسة. أظهرت النتائج أنه خلال الأسبوعين الأولين يهيمن الغلاف الجوي، ثم يصبح مساهمة المحيط واليابسة مكافئًا، مع اعتماد المصادر الرئيسية للقابلية للتنبؤ على الموسم والنمط.
أين تكمن قوته
نقطة القوة تكمن في المقارنة المنهجية لمساهمات المكونات المختلفة لنظام الأرض باستخدام منهجية موحدة، مما يتيح تحديد المتنبئات الأكثر إفادة لكل نمط وفي أي مواسم.
إلى أين يمكن المضي
يستحق التجربة
لماذا قد يكون هذا مهمًا
فهم مصادر قابلية التنبؤ بأنماط الطقس يمكن أن يحسن التوقعات دون الموسمية، وهو أمر مهم للزراعة والطاقة وإدارة المخاطر.
أعمال قريبة في أرشيفنا
الأرشيف خالٍ حول هذا العمل: أقرب تحليل عند 0.53 فقط، مقابل 0.64 المعتادة. يبدو أن الحفر بجواره كان نادرًا.
يتغير تواتر نمط "لا نمط" من 18% في الشتاء إلى 44% في الصيف، مما يجعل التنبؤات الصيفية صعبة بشكل خاص: الغلاف الجوي يكون غالبًا في حالة انتقالية دون بنية واسعة النطاق واضحة.
في رواية كيم ستانلي روبنسون "أربعون علامة للمطر"، يحاول العلماء التنبؤ بالتغيرات المفاجئة في أنماط الطقس بسبب توقف تيار الخليج. تتناغم هذه الدراسة مع تلك الفكرة: فهي تُظهر أي المكونات البطيئة للنظام الأرضي يمكن أن تكون مؤشرات مبكرة لتغير أنماط الدوران.