إعادة بناء مستويات البحر القصوى على السواحل الصينية باستخدام نماذج تعلم عميق متعددة

لماذا تهم مستويات المياه الساحلية الحياة اليومية

يقطن مئات الملايين من الناس على طول الساحل الطويل للصين، كما توجد موانئ رئيسية ومدن مزدهرة. عندما تدفع العواصف القوية مياه البحر نحو اليابسة، يمكن للمستويات العالية للمياه أن تغمر الأحياء وتُتلف البنية التحتية وتُلوِّث مياه الشرب بالملح. ومع ذلك، فإن السجلات التفصيلية لمثل هذه المستويات الساحلية القصوى نادرة ومجزأة بشكل مفاجئ. تملأ هذه الدراسة هذه الفجوة من خلال إعادة بناء خمسين عاماً من مستويات المياه اليومية القصوى على طول معظم الساحل الصيني، مستخدمة أدوات الذكاء الاصطناعي الحديثة لتحويل الملاحظات المتقطعة وبيانات إعادة تحليل الطقس إلى مجموعة بيانات موحدة ومتاحة للعامة.

تتبع ارتفاع وهبوط البحر

تتحدد مستويات المياه الساحلية بعاملين أساسيين: الجذب المنتظم للقمر والشمس الذي يسبب المد والجزر، واندفاعات العاصفة، وهي انتفاخات مؤقتة من المياه تدفعها الرياح القوية وضغط الهواء المنخفض أثناء الأعاصير وأنظمة الطقس الأخرى. في الصين، غالباً ما تصل الأعاصير الاستوائية والعواصف الأخرى فوق مدّ عالٍ بالفعل، ما يخلق ظروفاً شديدة الخطورة. ومع ذلك، فإن العديد من محطات قياس المد التي تقيس مستويات البحر لديها سجلات قصيرة أو متقطعة، وبعضها غير متاح للعامة. وهذا يجعل من الصعب على العلماء والمخططين فهم كيفية تباين المستويات القصوى من مكان إلى آخر ومن عقد إلى آخر على هذا الساحل المعرض بشدة.

استخدام نماذج ذكية لسد الثغرات

تعامل المؤلفون مع هذه المشكلة من خلال الجمع بين تقنيات التعلم العميق الحديثة والتحليل التقليدي للمد والجزر. ركزوا على 23 محطة قياس مد مبعثرة على طول الساحل الصيني وجمعوا معلومات طقسية مفصلة من إعادة التحليل العالمية ERA5، بما في ذلك ضغط الهواء والرياح القريبة من السطح فوق مربع بعرض 10 في 10 درجات حول كل محطة. استُخدمت أنماط الطقس هذه لتعليم عدة أنواع من الشبكات العصبية كيفية ارتباط أقصى اندفاعات العاصفة اليومية بالغلاف الجوي المحيط. في الوقت نفسه، استخدمت الفريق أداة تسمى UTide لاستخلاص الإشارات المدية القابلة للتنبؤ من سجلات مستوى البحر التاريخية، مما سمح لهم بفصل الارتفاع والانخفاض المنتظم للمد عن مكوّن الاندفاع الأكثر تفاوتاً.

اختبار نكهات مختلفة للتعلم العميق

بدلاً من الاعتماد على خوارزمية واحدة، قارنت الدراسة منهجياً أربعة نماذج للتعلم العميق: شبكة ذاكرة طويلة وقصيرة الأمد (LSTM)، ونموذج هجين CNN-LSTM يقرأ أولاً الأنماط المكانية، وConvLSTM الذي يتعامل مع الفضاء والوقت معاً، ونموذج Informer المبني على بنية Transformer الشهيرة في معالجة اللغة. للحفاظ على كفاءة النماذج، ضغط الباحثون الحقول الجوية الكبيرة باستخدام تحليل المركبات الرئيسية قبل التدريب. كما زوَّدوا كل نموذج بتاريخ مدته 24 ساعة من ظروف الغلاف الجوي واستخدموا آليات الانتباه حتى تتمكن الشبكة من التركيز على اللحظات الأكثر أهمية. لكل محطة، خصصوا حوالي 20% من السجل كفترة اختبار مستقلة واختاروا أفضل نموذج أداءً هناك لإجراء إعادة البناء النهائية.

إعادة بناء خمسين عاماً من المستويات العالية للمياه

بمجرد تدريبه، استُخدم النموذج الأفضل أداءً في كل موقع لإعادة بناء أقصى اندفاعات العاصفة اليومية للفترة الكاملة 1970–2020. أضيفت تقديرات الاندفاع هذه بعد ذلك إلى مداولات المد الفلكية المقابلة من UTide لإنتاج أقصى مستويات المياه الكلية اليومية. ونظراً لأن أعلى مد وأعلى اندفاع في يومٍ معين عادةً ما يحدثان في أوقات مختلفة قليلاً، فإن هذه الإضافة البسيطة تمثل حدًا أعلى لما حدث فعلاً؛ وتشير الاختبارات باستخدام بيانات كل ساعة إلى أن هذا المبالغ فيه يبلغ في المتوسط حوالي 15 سنتيمتراً، أي نحو 15%. حتى مع هذا الانحياز التحفّظي، تتطابق السلاسل المعاد بناؤها عن كثب مع السجلات المرصودة حيث توجد بيانات: في المتوسط، يبلغ معامل الارتباط بين القيم المعاد بناؤها والمرصودة لذروات اليومية حوالي 0.9، والأخطاء في نطاق بضع عشرات من السنتيمترات، بما في ذلك للأحداث المرتفعة جداً فوق النسبة المئوية 95.

ماذا يعني ذلك للسواحل والمجتمعات

بالنسبة للعلماء والمهندسين ومخططي الساحل، يوفر مجموعة البيانات الجديدة صورة مفصلة ومتسقة لكيفية تصرّف مستويات البحر القصوى على طول ساحل الصين خلال نصف القرن الماضي. تتفوق على عدة منتجات عالمية مستخدمة على نطاق واسع، لا سيما أثناء الأعاصير وغيرها من الحالات القصوى، وتأتي مع بيانات وصفية كاملة، وكود، وقياسات أداء حتى يتمكن الآخرون من إعادة استخدامها وفحصها. بالنسبة للجمهور الأوسع، يعني هذا أن تقييمات مخاطر الفيضانات، وتصميم الحواجز البحرية، والتخطيط للإخلاء، والتكيّف طويل الأمد يمكنها الآن الاعتماد على معلومات أغنى بكثير مما كان متاحاً سابقاً. بعبارات بسيطة، من خلال تعليم الحواسيب "إعادة تشغيل" عقود من المدّات المرتفعة المدفوعة بالعواصف، تقدم الدراسة أساساً علمياً أقوى لحماية المجتمعات الساحلية من مخاطر اليوم والاستعداد لبحار أعلى في المستقبل.

الاستشهاد: Fang, J., Huang, J., Bian, W. et al. Reconstruction of Extreme Sea Levels in coastal China using Multiple Deep Learning models. Sci Data 13, 268 (2026). https://doi.org/10.1038/s41597-026-06593-w

الكلمات المفتاحية: اندفاع العاصفة, مستوى البحر المتطرف, فيضان الساحل, التعلم العميق, ساحل الصين