تحسين التحلل التكيفي بواسطة تحسين الذئب الرمادي لتحليل الاتجاه والدورية في سلاسل هيدرولوجية غير ثابتة وغير خطية

لماذا يهم هذا للمياه والمناخ

مع إعادة تشكيل أنماط الطقس بفعل تغير المناخ والأنشطة البشرية، أصبح توقيت وكميات جريان الأنهار أقل قابلية للتنبؤ. تقدم هذه الورقة طريقة جديدة لاستخراج الاتجاهات طويلة الأمد والدورات الطبيعية المخفية داخل سجلات المياه والمناخ المزعجة بالضوضاء. تساعد هذه الطريقة في كشف مدى سرعة تسخين منطقة ما، وما إذا كانت فترات الجفاف تزداد تكرارًا، ومتى قد يحدث تراجع غير عادي في جريان الأنهار—معرفة مهمة لأمن مياه الشرب، والطاقة الكهرمائية، والزراعة، والاستعداد للفيضانات والجفاف.

طريقة أذكى لقراءة سجلات الأنهار المزعجة

نادرًا ما تتصرف السجلات الهيدرولوجية مثل الهطول والحرارة وجريان الأنهار بطريقة بسيطة وثابتة. فهي تتقلب، وتظهر ذاكرة طويلة للحالات السابقة، وغالبًا ما تكسر الافتراضات التي تقوم عليها أدوات إحصائية كلاسيكية عديدة. تفترض الطرق التقليدية، مثل تركيب اتجاه بخط مستقيم أو اختبارات الرتب غير المعلمية، عادةً أن البيانات مستقلة تقريبًا وتتبع توزيعات احتمالية مألوفة. وبالمثل، يمكن للأدوات الشائعة لاكتشاف الدورات المتكررة، مثل تحويل فورييه السريع أو تحليل المويجات، أن تفوّت إشارات هامة عندما تكون البيانات غير منتظمة للغاية. يتعامل المؤلفون مع هذه نقاط الضعف من خلال بناء إطار عمل يجمع بين تحليل الاتجاه والدورية، ويسمى GITPA، ومصمم خصيصًا للبيانات البيئية الفوضوية والمتغيرة.

كيف يبحث الأسلوب الجديد عن الأنماط

في قلب GITPA تقنية معالجة إشارات حديثة تسمى ICEEMDAN، التي تفكك السلسلة الزمنية إلى عدة موجات مكوِّنة بالإضافة إلى اتجاه خلفي. تكمن المشكلة في أن هذا التحلل يعتمد على إعدادات دقيقة قد تُبْهِت أو تمزج الإشارات. لحل ذلك، يستخدم المؤلفون روتين بحث مستوحى من الطبيعة، هو محسن الذئب الرمادي، لضبط معاملين ضوضائيين أساسيين تلقائيًا بحيث تظهر القطع المحلَّلة سلوكًا واضحًا ومنتظمًا. بعد تقسيم السلسلة إلى أجزاء ناعمة، تُدمج المكوِّنات منخفضة التردد لتشكيل منحنى اتجاه، في حين تُغذّي المكوِّنات ذات التردد الأعلى تحليلًا طيفيًا يكشف الدورات السائدة. يساعد اختبار t إحصائي في تمييز السلوك الحقيقي منخفض التردد عن الضوضاء العشوائية، وتوفر آلية إعادة العينة bootstrap فواصل ثقة دون افتراض شكل احتمالي معين.

وضع التقنية تحت الاختبار

قبل التوجه إلى الأنهار الحقيقية، أنشأ المؤلفون مئات السلاسل الزمنية الصناعية ذات خصائص مراقبة: سجلات قصيرة وطويلة، اتجاهات ضعيفة وقوية، توزيعات احتمالية مختلفة، ومستويات متنوعة من الذاكرة بين سنة وسنة. ثم قارنوا نهج GITPA مع عدة طرق مستخدمة على نطاق واسع، بما في ذلك اختبار مان–كيندال، وتحليل الاتجاه المبتكر، وأدوات معتمدة على المويجات. عبر نطاق واسع من الشروط، تكتشف الطريقة الجديدة الاتجاهات الطفيفة بموثوقية أكبر، خاصة في السجلات القصيرة أو عندما تكون الاتجاهات ضعيفة. تتجاوز دقتها عمومًا 85%، وتثبت أنها أقل حساسية كثيرًا لتوزيع القيم أو درجة الارتباط الذاتي. بالنسبة للسلوك الدوري، تستعيد GITPA بنجاح كل الدورات المفروضة—حتى عندما تتداخل فترتان—في حين غالبًا ما تفوّت تحليلات المويجات التقليدية الدورات الأطول أو تُسيء تحديدها.

ما الذي يمكن أن يخبرنا به نهر يانغتسي

ثم يطبق الباحثون إطارهم على 44 عامًا من البيانات من حوض نهر يانغتسي في الصين، وهو إقليم يزوِّد أكثر من ثلث مياه البلاد ويدعم نحو 40% من الناتج الاقتصادي. من خلال فصل مكونات الاتجاه والدورة في درجة الحرارة والهطول والجريان عند محطات رئيسية، يؤكدون وجود ارتفاع واضح في الحرارة بنحو 0.03 °م سنويًا على مستوى الحوض. تظهر هطولات الأمطار وجريان الأنهار صورة أكثر تعقيدًا: يميل الهطول إلى الارتفاع في أجزاء الشمال الغربي والشمال الشرقي من الحوض، لكنه ينخفض في المناطق الوسطى والجنوب الغربي، ومعظم الروافد والجذع الرئيسي تُظهر انخفاضًا في الجريان. يكشف التحليل أيضًا أنماطًا متكررة: دورات قصيرة نحو 2–3 سنوات، دورة متوسطة قرب 11 سنة، وتذبذبات أطول بين 22–44 سنة. تتماشى هذه المقاييس الزمنية مع إيقاعات مناخية وشمسية معروفة، بما في ذلك ظاهرة النينيو–التذبذب الجنوبي، وأنماط حرارة المحيط الهندي، ودورات النشاط الشمسي.

التطلع إلى مخاطر الجفاف المستقبلية

من خلال إعادة بناء جريان يانغتسي كمزيج من الاتجاه الأساسي وهذه الدورات المتكررة، يمتد المؤلفون الأنماط إلى المستقبل القريب. يركز استقراءهم على تحديد سنوات الجريان العالي والمنخفض بدلاً من الحجوم الدقيقة. عند اختباره بأثر رجعي، يصنف أسلوبهم ظروف الرطوبة والجفاف بشكل صحيح بنحو 80% تقريبًا، متفوقًا بدرجة كبيرة على نهج شائع معتمد على المويجات. تُشير تدوينات التحليل إلى احتمال مرتفع لانخفاض غير اعتيادي في الجريان في منتصف عقد 2020، خصوصًا حول 2025–2027. بالنسبة لحوض حاسم من الناحيتين الاقتصادية والاجتماعية مثل يانغتسي، تؤكد هذه الأنواع من التحذيرات المبكرة قيمة الأدوات القادرة على فك التركيب الخفي في سجلات بيئية معقدة ودعم قرارات إدارة مياه أكثر مرونة.

الاستشهاد: Li, J., Ding, W. & Wang, H. Grey Wolf optimization enhanced adaptive decomposition for trend periodic analysis of nonstationary and nonlinear hyrologic series. Sci Rep 16, 4839 (2026). https://doi.org/10.1038/s41598-026-35076-6

الكلمات المفتاحية: سلاسل زمنية هيدرولوجية, تحليل الاتجاه والدورة, نهر يانغتسي, تنبؤ الجفاف, تقلب المناخ