مجموعة بيانات يومية عالية الدقة لثاني أكسيد الكربون في الصين (2016–2020)

لماذا يهم تتبع بصمة الصين الكربونية

ثاني أكسيد الكربون هو الغاز البشري الرئيسي الذي يسخن الكوكب، وتعد الصين الآن أكبر بلد مصدر للانبعاثات في العالم. ومع ذلك، حتى في هذا البلد الذي يلقى رقابة كبيرة، لم يكن لدينا صورة واضحة يومًا بيوم عن كيفية تغير تلوث الكربون والامتصاص الطبيعي للكربون عبر أراضيه الشاسعة. تعرض هذه المقالة مجموعة بيانات جديدة عالية الدقة ترسم تركيز ثاني أكسيد الكربون في الغلاف الجوي فوق الصين كل يوم بين 2016 و2020، ما يوفر عدسة أوضح لمعرفة مصادر الكربون وأماكن امتصاصه، وكيف تتغير هذه الأنماط مع فصول السنة.

ثغرات في مراقبة غاز غير مرئي

ثاني أكسيد الكربون نفسه غير مرئي، وكذلك العديد من العمليات التي تطلقه أو تمتصه. لسنوات اعتمد العلماء على أداتين رئيسيتين: محطات أرضية متناثرة تقيس الهواء عند نقاط ثابتة، وأقمار صناعية تمسح الغلاف الجوي من الفضاء. المحطات الأرضية دقيقة للغاية لكنها نادرة، وتفقد معظم المساحات بين هذه النقاط. أما الأقمار الصناعية مثل OCO‑2 فتوفر تغطية واسعة لكنها ترى فقط شرائط ضيقة من الأرض في كل مدار وغالبًا ما تحجبها السحب والضباب. ونتيجة لذلك، تكون خرائط الأقمار الصناعية الخام لثاني أكسيد الكربون مليئة بالفراغات مكانيًا وزمنيًا، مما يحد من فائدتها في تتبع الانبعاثات الإقليمية أو اختبار سياسات المناخ.

دمج دلائل متعددة في صورة واضحة واحدة

لملء هذه الثغرات، طور الباحثون طريقة تتعلم سلوك ثاني أكسيد الكربون بدمج قراءات الأقمار الصناعية مع مجموعة واسعة من المعلومات الأخرى. انطلقوا من قياسات OCO‑2 الدقيقة لكنها متقطعة لثاني أكسيد الكربون ورتبوها على شبكة دقيقة تغطي الصين بتباعد نحو 10 كيلومترات. وضعوا فوق هذه الشبكة بيانات عن الطقس ودرجة الحرارة والرطوبة وضوء الشمس ورطوبة التربة وصحة الغطاء النباتي وانبعاثات الوقود الأحفوري، وأضواء الليل (كمؤشر للنشاط الاقتصادي)، وانبعاثات الحرائق، إلى جانب منتجات أقمار صناعية أخرى لثاني أكسيد الكربون وحقول إعادة التحليل العالمية. ثم تم تدريب خوارزمية تعلم آلي قوية تسمى XGBoost للتنبؤ بثاني أكسيد الكربون في كل مكان وكل يوم من هذه الدلائل المجمعة، لتتعلم فعليًا كيف تترك الظروف والأنشطة المختلفة بصماتها على الهواء أعلاه.

تدريب أكثر ذكاءً لنموذج معقد

نماذج التعلم الآلي الحديثة قادرة على التقاط أنماط دقيقة جدًا لكنها حساسة بشدة لإعداداتها الداخلية. بدلًا من ضبط هذه الإعدادات يدويًا، استخدم الفريق استراتيجية مقتبسة من الإحصاء تسمى التحسين البيزي (Bayesian optimization). هذه المقاربة تبحث منهجيًا عن مجموعات معلمات للنموذج تعطي أفضل أداء، مسترشدة بالتجارب السابقة بدلًا من التخمين العشوائي. كما استخدموا تقنية حديثة اسمها SHAP، التي تتيح لهم تفكيك كل توقع للنموذج إلى مساهمات من عوامل فردية، مثل انبعاثات الوقود الأحفوري أو الغطاء النباتي أو الرطوبة. تضيف هذه الشفافية ضمانًا بأن النموذج يعكس سلوكًا فيزيائيًا حقيقيًا — على سبيل المثال، أن المناطق الأكثر خضرة تميل لامتصاص المزيد من CO₂ — بدلًا من أن تكون أنماطًا مُضلِّلة مخفية في البيانات.

ما تكشفه الخرائط الجديدة

توفر مجموعة البيانات الناتجة خرائط يومية متصلة لتركيز ثاني أكسيد الكربون المتوسط العمودي فوق الصين بين 2016 و2020. عند مقارنتها بملاحظات OCO‑2 المحجوزة، تتطابق القيم المعاد بناؤها بشكل ممتاز، موضحة نحو 98% من التباين المرصود وتختلف في المتوسط بأقل من جزء واحد في المليون. وتؤكد الفحوص المستقلة مقابل محطات أرضية عالية الدقة في خفي وشيانغه أن المنتج الجديد موثوق على الأقل بقدر، وغالبًا أفضل من، مجموعات بيانات إعادة التحليل العالمية المعتمدة. تبرز الخرائط نمطًا واضحًا بارتفاع CO₂ فوق مناطق الصناعة الشرقية ومجمعات المدن ذات الكثافة السكانية العالية، وقيمًا أدنى فوق الهضاب العالية والمناطق الحرجية الكبيرة. كما تلتقط تقلبات موسمية قوية: يرتفع CO₂ في الشتاء عندما تزداد الحاجة للتدفئة والطاقة ويتباطأ نمو النبات، وينخفض في الصيف عندما يكون الغطاء النباتي في أوجه.

كيف يساعد هذا في العمل المناخي

بالنسبة لغير المتخصصين، الخلاصة أن لدينا الآن رؤية أكثر وضوحًا واستمرارية لثاني أكسيد الكربون فوق الصين — يومًا بيوم، ومنطقة بمنطقة. لا تقيس مجموعة البيانات هذه انبعاثات المصانع أو المدن مباشرة، لكنها تحسن بشكل كبير قدرتنا على رؤية بصماتها في الغلاف الجوي، وفصلها عن التغيرات الطبيعية، والتحقق مما إذا كانت جهود خفض الانبعاثات تُحدث فرقًا يمكن قياسه. عمليًا، يمكن لهذه الخرائط عالية الدقة أن تساعد العلماء في تحسين تقديرات مصادر ومخازن الكربون، ومساندة صانعي السياسات في تتبع التقدم نحو ذروة الكربون وهدف الحياد الكربوني في الصين، وإرشاد الصناعات والمدن أثناء تخطيطها لمستقبل أنظف وأكثر ملاءمة للمناخ.

الاستشهاد: Yuan, Z., Liu, Y., Yang, A. et al. A high-resolution daily CO₂ dataset for China (2016–2020). Sci Data 13, 249 (2026). https://doi.org/10.1038/s41597-026-06569-w

الكلمات المفتاحية: ثاني أكسيد الكربون, بيانات الأقمار الصناعية, انبعاثات الصين, التعلم الآلي, مراقبة المناخ