كيف تسمع المحيط قبل عام من الحدث ✛

الأصل: "Towards Long-Range ENSO Prediction with an Explainable Deep Learning Model"
arXiv:2503.19502 · 2025-03-25 · CC BY 4.0 · 1 دقيقة
شبكة عصبية تقرأ تسع إشارات من المحيط والغلاف الجوي لتتنبأ بظاهرة النينيو قبل 20 شهرًا، وتكشف أي الإشارات تُطلق هذه الظاهرة.

المترجم يستمع إلى حوار المحيط والغلاف الجوي. في السابق، كان يسمع كلمة واحدة فقط من أصل تسع كلمات، وهي درجة حرارة سطح الماء، لذا كان يترجم متأخرًا ويخلط الأمور في الربيع. أما النموذج الجديد CTEFNet فيستمع إلى الكلمات التسع جميعها في آن واحد: درجة الحرارة، ومخزون الحرارة، وسماكة الطبقة العليا، والملوحة، والضغط، والتيارات، والرياح. أولًا، تلتقط الطبقات الالتفافية (convolutional layers) الهمسات المحلية في كل منطقة من المحيط، ثم يربطها محول (transformer) في جملة طويلة تمتد لأشهر قادمة.

تم تدريب النموذج على 18 نموذجًا مناخيًا، ثم اختُبر على بيانات حقيقية من 1980 إلى 2021. تبقى دقة التنبؤ أعلى من 0.5 لمدة 20 شهرًا، أي أطول بمقدار 3-5 أشهر من الطرق السابقة.

المترجم لا يترجم فحسب، بل يرفع يده أيضًا عندما يسمع كلمة مهمة. يسأل تحليل التدرج: إذا غيّرنا كلمة واحدة قليلًا، فكم سيتغير التنبؤ؟ وهكذا تبيّن أنه قبل 11 شهرًا من ذروة النينيو، تتراكم المياه الدافئة في غرب المحيط الهادئ، بينما تصبح الطبقة العليا أرق. وقبل 8 أشهر، تنتشر الإشارة شرقًا نحو المحيط الهندي. تبريد الأطلسي يُضعف الرياح التجارية ويدفع الظاهرة. أما حاجز الربيع، الذي كان يجعل التنبؤات أسوأ في الربيع، فقد أصبح الآن مخففًا: المترجم لم يعد يصمت. يمكن تطبيق هذه الطريقة نفسها على ظواهر مناخية أخرى لفهم لغة المحيط والغلاف الجوي بشكل أفضل.

كانت ظاهرة النينيو 1997-1998 قوية جدًا لدرجة أن درجة حرارة سطح المحيط العالمية ارتفعت بمقدار 0.2 درجة مئوية فوق متوسط العقد، كما ارتفع مستوى سطح البحر في شرق المحيط الهادئ مؤقتًا بمقدار 20 سنتيمترًا بسبب التمدد الحراري للمياه.

في رواية كيم ستانلي روبنسون «أربعون علامة مطر»، يكافح علماء المناخ عواقب التغير المفاجئ في تيارات المحيط الناجم عن الاحتباس الحراري؛ وكان التنبؤ الدقيق طويل المدى بالنينيو ليصبح الأداة التي يستخدمها الأبطال لمنع الكارثة.

Loss = \frac{1}{T_{out}} \sum_{t=1}^{T_{out}} \sqrt{(Nino3.4^{out}_t - Nino3.4^{tg}_t)^2}
يقلل النموذج من التباين بين مؤشر نينيو 3.4 المتوقع والفعلي على أفق 24 شهرًا.
Grad_t = \frac{\partial Nino3.4_t}{\partial Inputs_t}
يُظهر مدى تأثير تغيير كل متغير إدخال في شهر معين على توقع مؤشر نينيو 3.4.
AvgGrad = mean_t (Grad_t)
الحساسية النهائية لكل نقطة إدخال، بمتوسط عبر جميع أشهر التنبؤ، تُستخدم لتحديد المؤشرات المبكرة.
المفاهيم
ENSO El Niño-Southern Oscillation spring predictability barrier Multivariate ENSO Index Jin-Timmermann model El Niño index equatorial wave propagation TAO/TRITON moorings La Niña ERSST Southern Oscillation NOAA PMEL / TAO NOAA CPC zebiak cane model North Equatorial Countercurrent تنبؤ interannual variability Indian Ocean capacitor effect انحدار الشبكة العصبية Warm water volume