المناخ كموسيقى: لماذا تمتلك الطقس إيقاعًا ✛

الأصل: "Detection of Temporal Variability in U.S. Climate Using Harmonic and Wavelet Decomposition"
· Thomas Xiao
arXiv:2511.08627 · 2025-11-09 · CC0 1.0 · 1 دقيقة
عالِم حلل 130 عامًا من الطقس إلى موجات واكتشف أن مناخ الولايات المتحدة لا تتنبأ به الخطوط، بل الدورات.

مناخ الولايات المتحدة ليس خطًا مستقيمًا، بل أوركسترا بلا قائد. كل آلة تعزف دورها، ومعًا تشكل نمطًا من سنوات دافئة وباردة، رطبة وجافة. العالم توماس شياو أخذ 130 عامًا من سجلات الطقس — درجة الحرارة وهطول الأمطار والجفاف — وحللها إلى نوتات منفصلة، كما يفكك الموسيقي اللحن.

اتضح أن في هذه الموسيقى دافعين رئيسيين. الأول هو الدورة السنوية: الصيف دائمًا أدفأ من الشتاء. الثاني هو التنفس البطيء للمحيط الذي يستمر من سنتين إلى سبع سنوات ويسمى النينيو. هذان الإيقاعان يفسران تباين المناخ أفضل من أي خط مستقيم.

لكن الأوركسترا لا تعزف دائمًا بنفس الطريقة. أحيانًا تتغير الموسيقى فجأة، كما في ثلاثينيات القرن العشرين عندما حدثت العاصفة الترابية، أو في 1976–1977 عندما غيّر المحيط إيقاعه. إذا سمعنا هذه النوتات، يمكننا التنبؤ بالطقس بدقة أكبر لأشهر قادمة والاستعداد للجفاف مسبقًا. وبالتالي، سيتمكن المزارعون وإدارات المياه من تخطيط عملهم بشكل أفضل.

ذروة طيف هطول الأمطار عند تردد 3 دورات في السنة تعني أن أقوى تذبذبات هطول الأمطار في الولايات المتحدة تحدث بفترة حوالي 4 أشهر، وليس مرة في السنة كما قد يتوقع المرء. هذا مرتبط بأن التغير الموسمي قد أزيل بالفعل عند حساب الشذوذ، وبقيت أنماط أسرع، مثل تلك المرتبطة بالعمليات دون الموسمية.

فكرة التنبؤ بالمناخ عبر الإيقاعات الخفية تتناغم مع رواية "المؤسسة" لإسحاق عظيموف، حيث يكشف التاريخ النفسي لغاري سيلدون عن أنماط دورية في تاريخ البشرية. في كلتا الحالتين، المستقبل ليس خطيًا، بل يخضع لتراكب موجات ذات أطوال مختلفة، والمهمة هي تمييز هذه الموجات من الضوضاء.

A_t = \sum_{k=1}^{N/2} [a_k \cos(2\pi f_k t) + b_k \sin(2\pi f_k t)]
يمثل السلسلة الزمنية كمجموع تذبذبات بترددات مختلفة، مما يسمح بتحديد الفترات السائدة.
W(s, \tau) = \frac{1}{\sqrt{s}} \int A(t) \psi^*\left(\frac{t-\tau}{s}\right) dt
يعطي خريطة تردد-زمن، موضحًا كيف تتغير قوة كل دورية مع الزمن.
RMSE = \sqrt{\frac{1}{N} \sum_{t=1}^{N} (A_t - \hat{A}_t)^2}
يقيم دقة التنبؤ كميًا: كلما كان RMSE أصغر، كان النموذج أفضل في إعادة إنتاج البيانات.
المفاهيم
natural variability decadal variability seasonal cycle North Atlantic Oscillation ENSO Atlantic multidecadal oscillation مناخ NOAA CPC seasonal forcing spring predictability barrier تحليل المويجات El Niño TAO/TRITON moorings climate network Jin-Timmermann model UAH satellite record La Niña ocean-atmosphere coupling drought mixed mode oscillations