مجموعة بيانات لتعلّم الآلة لاكتشاف و"التنبوؤ الفوري" ببداية الحملية فوق جنوب شرق الصين

لماذا تهم ولادة العواصف

بإمكان هطلات الغيث المفاجئة والبرد المدمّر ورياح العواصف الرعدية العاتية أن تقلب الحياة اليومية خلال دقائق قليلة. المفتاح لتحسين التحذيرات هو رصد الشرارة الأولى للعاصفة—حين تتحول جيبة صغيرة من الهواء الدافئ الرطب الصاعد إلى سحابة رعدية نامية. تقدم هذه الدراسة مجموعة بيانات جديدة ومنقّحة بعناية مصممة لمساعدة الذكاء الاصطناعي على تمييز هذه الشرارة والتنبؤ بها، والمعروفة باسم بداية الحملية، فوق جنوب شرق الصين.

مراقبة العواصف من السماء والأرض

يركّز الباحثون على منطقة في جنوب شرق الصين تتأثر بشدة بالرياح الموسمية لشرق آسيا، حيث تضرب العواصف الرعدية الشديدة كثيرًا من مارس حتى سبتمبر. لرصد الغلاف الجوي بتفصيل، يجمعون معلومات من نظامي رصد رئيسيين. على الأرض تمسح أكثر من 150 محطة رادار جَوّي السماء، وتقيس قوة وبنية المطر والبرد. وفي الوقت نفسه، تراقب الأقمار الصناعية الثابتة (Fengyun-4A) من الفضاء كيفية انعكاس السحب وإصدارها للضوء عبر أطوال موجية متعددة. معًا توفر هذه الأجهزة عرضًا زمنيًا متتاليًا لميلاد ونمو العواصف كل 10 دقائق عبر منطقة تمتد لآلاف الكيلومترات.

بناء مكتبة للطقس الخطير

لتعليم أنظمة الذكاء الاصطناعي تحتاج أمثلة أولًا. بدأ الفريق بتحديد العديد من حلقات الطقس الخطير الحقيقية—فترات شهدت أمطارًا غزيرة أو رياحًا مضرّة أو بردًا—المبلغ عنها في أكثر من 1000 محطة أرضية بين 2018 و2023. جَمَعوا الأحداث المتداخلة في موجات إقليمية أوسع ثم قَطّعوا كل موجة إلى لقطات زمنية كل 10 دقائق. لكل لقطة خزّنوا مجموعة غنية من بيانات "المزايا": خرائط رادار تُظهر أين وبأي شدة يهطل المطر، بالإضافة إلى قياسات بالأقمار الصناعية توضح مؤشرات ارتفاع السحب وحرارة وبنيتها. أنتجت هذه العملية 829 حدثًا إقليميًا و136,728 عَيِّنة زمنية، مكوّنة مكتبة واسعة ومتنوعة من الحالات التي تشكّل أو لا تشكّل عواصف.

تلقين الآلات مكان ولادة العاصفة

تحديد اللحظة والمكان المحددين لظهور العاصفة ليس عملية بسيطة. استخدم الباحثون فسيفساء الرادارات—صور مدمجة من عدة محطات رادار—للعثور على مناطق صغيرة حيث تتجاوز الصدى حدًا معينًا لأول مرة، مما يشير إلى ولادة خلية حملية جديدة. ثم قدّروا حركة كل خلية بواسطة طريقة انسياب بصري، التي تتبّع الأنماط في صور الرادار عبر الزمن. عبر التحقق من موقع الصدى في المسوحات السابقة واللاحقة كل 10 دقائق، يمكن للخوارزمية أن تقرر ما إذا كانت الخلية قد وُلدت فعلاً (بداية حقيقية) أم أنها استمرارية أو جزء متحرك من عاصفة قديمة، أو حتى صدى زائف ناجم عن تداخل الرادار. كما تم تدقيق الحالات المشكوك فيها يدويًا لإزالة أي شوائب تقنية متبقية.

وسم العواصف التي تتلاشى أو تتطور

بعد تحديد الخلايا الحملية، كانت الخطوة التالية تصنيف سلوكها المستقبلي. لكل خلية مولودة تابع الفريق تطورها خلال الثلاثين دقيقة التالية، وقيّموا كيف تغيّرت مساحتها وشدّة صداها الراداري. إذا نمت الخلية باستمرار وأصبحت أكبر وأقوى وُسِمت بأنها "متطوّرة"، ما يعني أنها قد تصبح عاصفة خطيرة. أما إن ضعفت أو اختفت أو فشلت في النمو فُسِمت بأنها "متراجعة". تحتوي مجموعة البيانات في المجمل على أكثر من أربعة ملايين خلية بداية، حوالي 43 بالمئة منها متطوّرة. يمكن تمثيل هذه الوسوم كخطوط محيطية وبقع بكسل على شبكة الرادار، مما يجعلها أهدافًا واضحة لنماذج تعلّم الآلة التي تهدف للتنبؤ ليس فقط بمكان بدء العاصفة ولكن أيضًا ما إذا كانت ستصبح خطيرة.

كيف وأين تميل العواصف إلى البدء

من خلال عدّ تكرار حدوث البدايات في أماكن وأوقات مختلفة من اليوم، تكشف مجموعة البيانات كذلك أنماطًا في سلوك العواصف. المناطق ذات حدوثات بداية الحملية المتكررة تتطابق جيدًا مع مناطق الهطول الكثيف، لا سيما على طول المقاطعات الساحلية وجنوب نهر اليانغتسي، حيث يدعم الهواء الدافئ والرطب نشوء العواصف الرعدية المتكررة. ويظهر توقيت البدايات إيقاعات يومية واضحة: في كثير من المناطق تظهر العواصف الجديدة غالبًا بعد الظهر، بينما تُظهر بعض الحُفَر الداخلية ذُرى حول منتصف الليل مع قمم ثانوية بعد الظهر. تتسق هذه الأنماط مع دراسات سابقة عن أنظمة عاصفة أكبر، مما يشير إلى أن الخوارزمية الجديدة تلتقط سلوك ولادة العواصف الحقيقي بدلًا من ضوضاء عشوائية.

ماذا يعني هذا لتحذيرات الطقس المستقبلية

للجمهور العام، الرسالة الأساسية بسيطة: يقدم هذا العمل ميدان تدريب عالي الجودة لأنظمة الذكاء الاصطناعي التي تهدف لرصد العلامات الأولى للعواصف الرعدية الشديدة. بدمج شبكات رادار كثيفة، وصور أقمار صناعية متقدمة، وتصنيف دقيق لميلاد ونمو العواصف، تمنح مجموعة بيانات CIDS نماذج تعلّم الآلة كلًا من الصور الخام والإجابات الصحيحة التي تحتاجها لتتعلم. على المدى الطويل، قد تترجم النماذج الأذكى المبنية على هذه المجموعة إلى تحذيرات أبكر وأكثر موثوقية لفيضانات مفاجئة ورياح مدمرة وبرد، مما يكسب المجتمعات وقتًا ثمينًا للاستعداد.

الاستشهاد: Liu, Y., Xiong, A., Liu, N. et al. A dataset for machine learning model to convective initiation detection and nowcasting over southeastern China. Sci Data 13, 557 (2026). https://doi.org/10.1038/s41597-026-06902-3

الكلمات المفتاحية: تنبؤ الزوابع الرعدية, رادار الطقس, أرصاد الأقمار الصناعية, تعلّم الآلة, الاضطراب الشديد