نسخة مركز مخاطر المناخ لهطول الأمطار بالأشعة تحت الحمراء مع محطات القياس، الإصدار 3

لماذا تهم خرائط الأمطار الأفضل

معرفة متى وأين ستهطل الأمطار أمر حيوي للمزارعين ومديري الموارد المائية والوكالات التي تسعى لمنع المجاعات. ومع ذلك في أجزاء كثيرة من العالم، هناك عدد قليل من محطات الطقس، وقد تفوّت موازين المطر البسيطة كثيرًا مما يسقط فعلاً. تقدم هذه الورقة CHIRPS3، مجموعة بيانات جديدة لهطول الأمطار العالمية تمزج صور الأقمار الصناعية مع قياسات أرضية لتوفّر صورة أوضح وأكثر واقعية لهطول الأمطار منذ 1981 وحتى اليوم.

جمع رؤى متعددة عن المطر

تم بناء CHIRPS3 مثل كعكة من ثلاث طبقات. الطبقة الأساسية عبارة عن خريطة مفصّلة لهطول الأمطار الشهرية النموذجية، أُنشِئت من أكثر من 84,000 سجل محطات طويلة الأمد ومعلومات من الأقمار الصناعية. تأتي الطبقة الثانية من أقمار صناعية ثابتة تتابع مدة بقاء قمم السحب الباردة جدًا فوق كل موقع، وهو دليل على كمية المطر المحتملة. تأتي الطبقة الثالثة من آلاف موازين المطر الموزعة حول العالم. من خلال تكديس هذه القطع الثلاثة وتحديثها بانتظام، تنتج CHIRPS3 خرائط هطول أمطار عالمية كل خمسة أيام وكل شهر، مع قيم يومية مستمدة من مجاميع الخمسة أيام.

معالجة النقاط العمياء في المنتجات الأقدم

الإصدارات السابقة من هذه البيانات، المعروفة باسم CHIRPS2، كانت مستخدمة على نطاق واسع لمراقبة الجفاف ونمذجة المحاصيل والتخطيط الإنساني. لكن ظهرت عدة نقاط ضعف. كان CHIRPS2 يميل إلى تسطيح القيم العليا والدنيا، مقللاً من تقدير كلٍّ من الهطولات الغزيرة وفترات الجفاف الحادة. كما أن الرياح التي تهب عبر تضاريس وعرة تسبّبت في أن تلتقط العديد من الموازين أمطارًا أقل مما سقط فعليًا، فكانت المجاميع منحازة نحو الانخفاض في الجبال والمناطق العاصفة. كما أن الطريقة القائمة على الأقمار الصناعية أنتجت أيضًا كثيرًا من كميات أمطار صغيرة جدًا، وهو نوع من الرذاذ الدائم الذي شوّه عدد أيام المطر وخفّف التطرّفات.

استخدام أذكى للسحب والتضاريس والموازين

يعالج CHIRPS3 هذه المشكلات من عدة جوانب. أعيد بناء مناخ هطول الأمطار الأساسي بحيث تُعدَّل بيانات المحطات لتعكس المطر الذي عادة ما تفوته الموازين في الأماكن العاصفة، مما يجعل المتوسطات الطويلة الأمد أكثر رطوبة قليلاً حيث يلزم. أعيد تصميم خطوة الأقمار الصناعية بحيث ترتبط كمية المطر المرتبطة بالمدة تحت السحب الباردة مباشرة بالمتوسط المحلي طويل الأمد بدلًا من الاعتماد على انحدار عالمي بسيط. هذا يحافظ على التقلبات الطبيعية بين فترات الرطوبة والجفاف ويَلتقط بشكل أفضل الحوادث النادرة والغزيرة، خاصة في المناطق الجافة. في الوقت نفسه، ضاعف الفريق تقريبًا عدد المحطات المزوّدة للنظام، لا سيما في أفريقيا والأميركتين، ودمجها باستخدام طريقة تحترم سرعة تغير أنماط الهطول مع المسافة.

اختبار مدى تطابق الخرائط مع الواقع

للاطّلاع على أداء CHIRPS3، قارَن المؤلفون مكوّن الأقمار الصناعية منه مع مجموعة مرجعية عالية الجودة بُنيت من شبكات محطات كثيفة في 12 منطقة مُقاسة جيدًا، بما في ذلك الولايات المتحدة وأوروبا وأستراليا وإيران وأجزاء من أمريكا اللاتينية. تحققوا من متوسط هطول الموسم الرطب، ومدى تباين القيم من فترة خمسة أيام إلى التالية، وعدد المرات التي تُكتشَف فيها أحداث غزيرة جدًا. طابق CHIRP3، الجزء المعتمد على الأقمار الصناعية فقط من CHIRPS3، المتوسطات الملاحَظة بشكل أوثق من سلفه وأعاد حوالي 80 بالمئة من التباين الملحوظ، ارتفاعًا من حوالي النصف في CHIRP2. كما اقترب كثيرًا من شدة الأحداث الأكثر رطوبة الملاحَظة. أظهرت اختبارات منفصلة باستخدام سجلات محطات طويلة الأمد في إثيوبيا والمغرب أن CHIRPS3 يتتبع التقلبات الشهرية وهطولات الأمطار الغزيرة أفضل بكثير فوق التضاريس المعقدة مقارنة بالمنتج الأقدم.

ما يعنيه هذا لمن هم على الأرض

للمستخدمين، يحتفظ CHIRPS3 بما جعل CHIRPS2 شائعًا مع تقليل الأخطاء الرئيسية. لا يزال يوفر سجلاً طويلاً ومتسقًا يعود إلى 1981، وتحديثات متكررة للمراقبة القريبة من الوقت الحقيقي، ووصولًا مفتوحًا بصيغ بيانات شائعة. لكنه الآن يغطي مساحة أوسع من العالم، ويستخدم موازين أكثر بكثير، ويصحح الانحيازات المعروفة في القياس. والأهم من ذلك، أنه يقدّم صورة أكثر صدقية لكلٍّ من فترات الجفاف والأمطار الشديدة، مما يساعد أنظمة الإنذار المبكر ومخططي المحاصيل والمياه والوكالات الإنسانية على تقييم مدى غرابة الظروف الحالية وأين تتصاعد مخاطر أمن الغذاء والمياه.

الاستشهاد: Funk, C., Peterson, P., Harrison, L. et al. The Climate Hazards Center Infrared Precipitation with Stations, Version 3. Sci Data 13, 718 (2026). https://doi.org/10.1038/s41597-026-07096-4

الكلمات المفتاحية: هطول الأمطار بالاستشعار من الأقمار الصناعية, مراقبة الجفاف, بيانات مناخية, شبكة موازين المطر, أمن غذائي