الطقس ضد المناخ: كيف نميّز الضجيج من الإشارة سريع

الأصل: "Quantifying internal variability in large-ensemble climate data with the Wasserstein distance"
· Yuki Yasuda, Shoichiro Kido
arXiv:2608.14455v1 · 2026-08-14 · CC BY 4.0 · 1 دقيقة
نبيّن كم من التقلبات العشوائية في بيانات المناخ وكم من التغيّر المستقرّ.

في الشتاء، قد تتساقط في أحد أحياء المدينة ثلاثة أضعاف كمية الثلوج التي تتساقط في الحي المجاور. سنة حارة، وأخرى باردة. هذه نزوات الطقس. لكن على مدى عقود، نلاحظ تحوّلاً آخر بطيئاً: فمتوسط فصول الشتاء يصبح أكثر اعتدالاً. التمييز بين الأمرين هو المهمة الأساسية لعلماء المناخ.

في الدراسة الجديدة، يُقترح حساب مقدار التقلبات العشوائية في بيانات درجات الحرارة أو هطول الأمطار، ومقدار التغيّر المستقرّ. ويستخدمون نماذج حاسوبية تُشغَّل عدة مرات بشروط ابتدائية مختلفة قليلاً، مما يعطي مجموعة واسعة من السيناريوهات المناخية المحتملة. ثم يقارنون التشتت بين هذه السيناريوهات مع التحوّل الناجم عن التأثير الخارجي، مثل زيادة ثاني أكسيد الكربون.

تعتمد الطريقة على إجراء بسيط: ترتيب الأرقام وطرح بعضها من بعض. لا حاجة لضبط أي معاملات معقدة.

اتضح أن الطريقة الجديدة تعمل بشكل أكثر موثوقية من الطرق السابقة، حتى عندما تكون البيانات "مبعثرة" بشدة أو تحتوي على قيم متطرفة نادرة. المهم أن لا يقل عدد سيناريوهات الحساب في المجموعة عن أربعين. وعندما يشتد التأثير، تنخفض حصة العشوائية، ويظهر ذلك بوضوح خاص.

هذه الأداة تساعد على فصل الغث عن السمين: فهم ما هو ناتج حقاً عن النشاط البشري في التوقعات المناخية، وما هو مجرد تباين طبيعي، مثل تساقط ثلوج غير متوقع في مايو.

في أحد سيناريوهات المحاكاة، كان الاحترار قوياً لدرجة أن التقلبات العشوائية في درجات الحرارة كادت أن تتوقف عن التأثير على الصورة العامة — فأصبحت إشارة تغيّر المناخ واضحة.

العلماء
Leonhard EulerAndrey Markov
المفاهيم
الإمكان الأعظم المتوسط الموزون rmse التباين ensemble forecast متوسط المجموعة الدليل البايزي linear inverse model متري انحراف معياري تقدير الاحتمال الأعظم المتوسط كثافة الخطأ المعياري حجم العينة multivariate enso index خطأ قياس نموذج المناخ نقل أمثل mode of variability