تقديرات التعلم الآلي لانبعاثات غازات الاحتباس الحراري الحضرية دون الوطنية في دول مجموعة العشرين من 2000 إلى 2020

لماذا تهم انبعاثات المدن الجميع

المدن والمناطق تقع في طليعة مواجهة تغير المناخ، وتَعِد بخفض كبير في تلوث غازات الاحتباس الحراري. ومع ذلك، بالنسبة لمعظمها لا نعرف بثقة مقدار ما تصدره سنويًا. تتناول هذه الدراسة تلك النقطة العمياء باستخدام أساليب التعلم الآلي الحديثة لتقدير الانبعاثات المسببة للاحترار المناخي سنويًا لآلاف المناطق الحضرية عبر أكبر اقتصاديات العالم، مما يمنح المواطنين والمخططين وصانعي السياسات صورة أوضح عن أين يحدث التقدم — وأين لا يحدث.

الوعد المتزايد وفجوة البيانات

خلال العقد الماضي، تعهدت آلاف الحكومات المحلية باتخاذ إجراءات مناخية، وأعلنت العديد منها أهداف صافية صفرية. لكن أقل من واحدة من كل عشر تقارير بانتظام جداول تفصيلية للانبعاثات عبر الزمن. عندما تُقدّم المدن تقاريرها، تختلف طرقها، وتتنوع القطاعات المشمولة، وبعضها يحسب الانبعاثات داخل حدودها فقط بينما يشمل آخرون ما يُستهلك في أماكن أخرى. الحلول التقليدية، مثل تقليص إجمالي الانبعاثات الوطنية إلى المدن ببساطة اعتمادًا على عدد السكان أو الدخل، تفشل في التقاط الجهود المحلية وتُغفل التغير الحقيقي. ومجموعات البيانات العالمية المربعة الأخرى تمنح اتساقًا لكن لا تتطابق مع الحدود الفعلية التي يتخذ فيها القادة المحليون قراراتهم، مما يقلل من فائدتها للتخطيط الحقيقي.

خريطة جديدة بُنيت بواسطة الآلات

يبني المؤلفون إطار عمل للتعلم الآلي لتقدير الانبعاثات السنوية لغازات الاحتباس الحراري من 2000 إلى 2020 لما يقرب من 6000 مدينة وأكثر من 100 منطقة في دول مجموعة العشرين، التي تشكل معًا نحو 80% من الانبعاثات العالمية. يجمعون آلاف الجداول الذاتية الإبلاغ من شبكات المناخ ومنصات حكومية، ثم ينظفونها ويوحدونها بعناية — متحققين من الإدخالات المكررة، والقيم غير المعقولة لكل فرد، والزيادات أو الانخفاضات المفاجئة، والوحدات غير المتسقة. تُطابق كل مدينة أو منطقة مع حدود إدارية رسمية باستخدام قاعدة بيانات المناطق الإدارية العالمية، بحيث تتماشى التنبؤات مع الولايات القضائية الواقعية مثل المحافظات والولايات والمقاطعات والبلديات.

تغذية النموذج بدلائل من الفضاء والمجتمع

لتعليم النموذج كيف تبعثث الأماكن المختلفة، يستعين الفريق بمجموعة واسعة من البيانات العامة المتاحة. تشمل هذه تقديرات قائمة على الأقمار الصناعية لانبعاثات الوقود الأحفوري، وخرائط انبعاثات حسب القطاع، واستخدام الكهرباء، وتلوث الهواء مثل الجسيمات الدقيقة وثاني أكسيد النيتروجين. يضيفون مؤشرات اجتماعية واقتصادية مثل السكان والناتج المحلي الإجمالي، فضلاً عن مقاييس متعلقة بالمناخ مثل احتياجات التدفئة والتبريد المشتقة من بيانات الطقس. باستخدام إحصاءات نطاقية، يلخصون كل هذه الطبقات داخل كل حدود مدينة أو منطقة ويغذونها إلى نظام تعلم آلي آلي يُدعى AutoGluon. يختبر هذا النظام ويجمع بين نماذج أساسية متعددة للتنبؤ بأفضل شكل ممكن بالانبعاثات التي أبلغت عنها المدن بنفسها.

مدى دقة التقديرات

على بيانات الانبعاثات المحجوزة للاختبار، يفسر النموذج معظم التباين بين الأماكن المختلفة، حيث يظهر أن السكان والدخل هما المحركان الأكثر تأثيرًا، تليهما انبعاثات المباني واستخدام الكهرباء. كما يقارن الباحثون تقديراتهم بمجموعتي بيانات مستقلتين تستخدمان طرقًا أخرى لاشتقاق انبعاثات مستوى المدينة أو المربعات الشبكية. يكون الاتفاق أقوى للمناطق الإدارية الأكبر ويظل جيدًا إلى حد معقول على مقاييس أدق، رغم تزايد الاختلافات حيث تكون بيانات المدخلات نادرة أو تغطية القطاعات غير كاملة. من خلال بناء نطاقات عدم اليقين حول كل تنبؤ وفحص كيف تختلف مكونات النموذج المختلفة، يظهر المؤلفون أن أكبر مجاميع عدم اليقين تتركز في المناطق ذات التقارير الأضعف، لا سيما أجزاء من الجنوب العالمي.

ما يعنيه هذا للعمل المناخي

النتيجة النهائية هي مجموعة بيانات متاحة للعامة لانبعاثات سنوية لآلاف الحكومات دون الوطنية عبر دول مجموعة العشرين من 2000 إلى 2020، إلى جانب النموذج المدرب حتى يتمكن الآخرون من تمديده. هذه التقديرات لا تهدف إلى استبدال الجداول المحلية التي تصدرها المدن نفسها، بل لتكون أساسًا متسقًا حيث تكون تلك الجداول مفقودة أو متقطعة أو غير قابلة للمقارنة. بالنسبة للسكان والمدافعين وصانعي القرار، يعني ذلك أنهم يمكنهم الآن رؤية كيف تغيرت الانبعاثات على مدى عقدين لمدن ومناطق محددة، وتحديد البؤر الساخنة، ومتابعة ما إذا كانت التعهدات تتحول إلى تخفيضات فعلية في تلوث المناخ.

الاستشهاد: Yu, Y., Wang, X., Manya, D. et al. Machine learning estimates for G20 subnational urban GHG emissions from 2000–2020. Sci Data 13, 487 (2026). https://doi.org/10.1038/s41597-026-06691-9

الكلمات المفتاحية: انبعاثات غازات الاحتباس الحراري الحضرية, التعلم الآلي, مدن مجموعة العشرين, بيانات المناخ, سياسة المناخ دون الوطنية