منظور غير مسبوق لتيارات المحيط من الأقمار الصناعية الثابتة جغرافياً

طريقة جديدة لمراقبة البحر المضطرب

سطح المحيط مشبك بشعاعات ضيقة ودوّامات صغيرة تشكّل بهدوء الطقس والمناخ والحياة البحرية. ومع ذلك، كانت هذه التيارات سريعة التغير شبه غير مرئية للأقمار الصناعية. تقدم هذه الدراسة طريقة تسمى "تدفق المحيط الثابت جغرافياً"، أو GOFLOW، التي تحول صور الأشعة تحت الحمراء المستمرة من الأقمار الجوية إلى خرائط مفصّلة وساعية لتيارات سطح المحيط، فاتحة نافذة جديدة على كيفية تحرّك المحيط العلوي فعلاً.

لماذا تهم التيارات الصغيرة إلى هذا الحد

من النظرة الأولى يبدو المحيط مسيطراً عليه بميزات ضخمة مثل التيارات الرئيسية وبرك الماء الدافئة والباردة التي قد تستمر لأشهر. لكن بداخله توجد شرائط أصغر وصفوف وحدات دوّامية بعرض بضعة كيلومترات فقط تدور وتضمحل في غضون يوم واحد. تنقل هذه التدفقات الدقيقة الحرارة والكربون والمغذيات بين السطح والطبقات الأعمق، وتوجّه المواد الطافية مثل انسكابات النفط وحطام البلاستيك. حتى الآن، كانت أدوات الأقمار الصناعية الرئيسية لدينا خشنة المساحة وبطيئة زمنياً بحيث لا تلتقط هذا التحرك الصغير المضطرب، تاركة فجوة كبيرة في طريقة ملاحظتنا وتوقعنا للمحيط.

حدود المشاهدات الفضائية الحالية

تقيس المهمات الفضائية التقليدية ارتفاع سطح البحر أثناء دورانها حول الكوكب كل أسبوع أو نحو ذلك، مما يتيح للعلماء استنتاج أنماط التيارات العريضة. المهمات الأحدث يمكنها رؤية تموّجات أصغر في مستوى البحر، لكنها لا تزال تعاود نفس المنطقة إلا كل بضعة أسابيع ولقطاتُها ملوّثة بإشارات من موجات داخلية لا علاقة لها بالتيارات طويلة الأمد. تحاول طرق أخرى تتبّع ميزات درجة الحرارة السطحية مباشرة من الصور، لكنها تعتمد إما على حواف حادة نادرة أو تكافح مع ثغرات بسبب السحب ومع التسخين والتبريد الجوي الذي يعقّد الأنماط. ونتيجة لذلك، تطمس الخرائط الحالية الهياكل نفسها التي تهيمن على التحريك قصير المدى بالقرب من السطح.

تعليم الأقمار الصناعية على استشعار التدفق

تستفيد GOFLOW من نوع مختلف من الأقمار: منصات الطقس الثابتة جغرافياً التي تحدق باستمرار في نفس المنطقة من الأرض. تسجل صوراً بالأشعة تحت الحمراء لدرجة حرارة سطح البحر كل ساعة بدقة مقياس كيلومتري عبر أحواض محيطية واسعة. بدل استخدام الحرارة نفسها، تُزوّد الشبكة العصبية بمقدار تغيير الحرارة من مكان إلى آخر، ما يبرز شبكة غنية من حواف قوية وضعيفة عبر سطح المحيط. يتم تدريب معمارية تعلم عميق على شكل U على محاكاة حاسوبية عالية الدقة للأطلسي، ليتعلّم كيف تتطور تسلسلات من ثلاث صور ساعية لتلك الشبكة عندما تدفعها التيارات. بعد التدريب، يمكن للنظام تحويل صور الأقمار الواقعية إلى خريطة فورية للسرعة السطحية، دون افتراض أن التدفق يتبع توازنات مبسطة.

اختبار الخرائط المحيطية الجديدة

طبّق الباحثون GOFLOW على التيار النفّاث في الخليج، أحد أكثر التيارات نشاطاً في شمال الأطلسي. مقارنةً بالمنتجات الفضائية القياسية، تُظهر الخرائط الجديدة دوّامات وخيوطاً واضحة ومتماسكة بدل بقع مبعثرة. تتطابق بدقة مع التفاصيل الدقيقة المرئية في صور الحرارة وتظل أنظف بكثير من النتائج المستخرجة من مهمة ارتفاع مستوى البحر عالية الدقة الأخيرة، التي تتأثر بقوة بالموجات الداخلية. عند مقارنتها بقياسات التيارات المباشرة المأخوذة من السفن والأجهزة الطافية في البحر، تطابق تقديرات GOFLOW كل من سرعة واتجاه التيارات بشكل ملحوظ. تنتج الطريقة أيضاً حقولاً لا تستطيع التقنيات القديمة توفيرها، مثل خرائط مناطق التقارب والتباعد السطحي، وهو عامل رئيسي للحركة العمودية بين السطح وداخل المحيط.

ماذا تكشف الإحصاءات عن الاضطراب

بما أن GOFLOW توفر حقول سرعة كثيفة وساعية، تمكن الفريق من حساب بصمات إحصائية للاضطراب الصغير المقياس على مساحة واسعة من التيار النفّاث. وجدوا اختلالات قوية بين الحركات الدوّامية بعقارب الساعة وتلك عكس عقارب الساعة وبين مناطق التقارب والتباعد، أنماط تُعدّ مؤشرات على التدفقات غير الجيوستروفية المعروفة بتغذيتها للتبادل العمودي. ظهرت هذه المؤشرات سابقاً في الغالب في نماذج حاسوبية عالية الدقة وحملات ميدانية متخصصة. تُظهر طاقة الحركة عبر أحجام مختلفة من الحركة أن GOFLOW تلتقط نطاقاً واسعاً من المقاييس حتى نحو عشرة كيلومترات، وأن رؤيتها لكيفية توزيع الطاقة عبر هذه المقاييس تتفق مع تقديرات مباشرة مأخوذة من السفن.

ما يعنيه هذا للناس والكوكب

بعبارة واضحة، تحول GOFLOW أقمار الطقس الحالية إلى أعين قوية لتعقّب التيارات السطحية الدقيقة في زمنٍ قريب من الحقيقي. بينما لا تزال السحب تخلق ثغرات وتورّث الطريقة بعض حدود المحاكيات المستخدمة في التدريب، فإنها تتفوّق بالفعل على المنتجات العالمية الحالية من حيث الحدة والتفصيل. من خلال توفير بيانات سريعة وعالية الدقة التي تحتاجها نماذج المناخ والطقس من الجيل القادم، يمكن لهذا النهج تحسين التنبؤات بنقل الحرارة والتفاعل جو-بحر ومسارات الملوّثات أو المغذيات. تقرّب العلماء من فيلم حقيقي لسطح المحيط، بدل سلسلة من اللقطات المشوشة.

الاستشهاد: Lenain, L., Srinivasan, K., Barkan, R. et al. An unprecedented view of ocean currents from geostationary satellites. Nat. Geosci. 19, 526–533 (2026). https://doi.org/10.1038/s41561-026-01943-0

الكلمات المفتاحية: تيارات المحيط, ملاحظات الأقمار الصناعية, التعلّم العميق, التيار النفاث في الخليج (جلف ستريم), اضطراب تحت الميزيّو