استخدام خوارزميات التعلم الآلي لدراسة العلاقة بين الظروف الجوية ومعايير جودة الهواء

لماذا الطقس وهواء المدينة مهمان

من شاهد عاصفة رملية تندفع أو الضباب الدخاني يعلو فوق مدينة يعرف كيف يمكن أن يتغير الهواء الذي نتنفسه بسرعة. تنظر هذه الدراسة في كيفية تأثير الطقس اليومي في منطقة جافة وصناعية بالمملكة العربية السعودية على ثلاثة أنواع مهمة من التلوث الهوائي، وما إذا كانت أدوات التعلم الحاسوبية الحديثة قادرة على تحويل سجلات الطقس البسيطة إلى توقعات موثوقة لجودة الهواء. تساهم النتائج في تفسير سبب استجابة بعض الملوثات بشكل قوي لتقلبات الرطوبة والفصول، بينما تقود مصادر أخرى بشكل أكبر بحركة المرور والمصانع والأحداث الرملية المفاجئة.

مدينة صحراوية كمختبر طبيعي

تركز البحوث على منطقة الدمام الحضرية على الساحل الشرقي للمملكة العربية السعودية، وهي مركز سريع النمو للنفط والغاز والمصانع البتروكيميائية ومحطات الطاقة وحركة المرور الكثيفة. يتميز المناخ المحلي بصحراء قاسية: صيف شديد الحرارة، وشتاء معتدل، وقلة أمطار، وعواصف رملية متكررة. تعيد نسائم البحر من الخليج العربي والرياح القارية الجافة تشكيل الطقس المحلي باستمرار. هذا المزيج من نشاط بشري مكثف ورياح ودرجات حرارة ورطوبة متغيرة يجعل من الدمام مكانًا مثالياً لدراسة كيفية تفاعل الطقس والتلوث في ظروف جافة تختلف كثيرًا عن معظم الدراسات السابقة لجودة الهواء.

تحويل سجلات الطقس إلى مؤشرات

جمع الباحث خمس سنوات من القياسات، من 2017 إلى 2021، ربط خلالها ملاحظات الطقس الروتينية مع قراءات ثلاثة ملوثات رئيسية: ثاني أكسيد النيتروجين الناتج عن حرق الوقود، وأول أكسيد الكربون من الاحتراق غير الكامل، والجسيمات الخشنة المعروفة باسم PM10، والتي في المدن الصحراوية غالبًا ما تأتي من الغبار المحمول بالرياح. شملت بيانات الطقس درجة الحرارة والرطوبة وسرعة واتجاه الرياح ونقطة الندى والضغط الجوي، وسُجلت مرتين يوميًا. بعد تنظيف البيانات بدقة لإزالة الفجوات والقيم الشاذة، أضافت الدراسة مؤشر «يوم السنة» لالتقاط التغيرات الموسمية ثم استخدمت طرقًا حاسوبية لترتيب عوامل الطقس بحسب أهميتها لكل ملوث قبل إدخالها في نماذج تنبؤية.

تعليم الآلات قراءة السماء

اختُبرت أربعة أنواع من نماذج التعلم الآلي: شبكة عصبية، وشجرة قرار واحدة، وطريقتان تجميعتان تُدعيان الغابات العشوائية وتعزيز التدرج، اللتان تجمعان العديد من النماذج البسيطة لصنع نموذج أقوى. قُسّمت البيانات بحيث يُدرب معظم السجلات النماذج، بينما يُستخدم الباقي لاختبار مدى قدرتها على التنبؤ بحالات غير مرئية. بالنسبة لثاني أكسيد النيتروجين، تميز نموذج تعزيز التدرج. باستخدام ثلاثة مُدخلات فقط — موسم السنة، ونقطة الندى، والرطوبة — فسّر النموذج أكثر من أربعة أخماس التباين المرصود. وتشير هذه النتيجة إلى دور قوي للرطوبة وضوء الشمس الموسمي في تشكيل كيفية تكون مركبات النيتروجين وتحوّلها وبقائها في الطبقات المنخفضة من الغلاف الجوي، حتى في منطقة جافة.

عندما لا يكون الطقس كافياً

روى أول أكسيد الكربون قصة أكثر تعقيدًا. التقطت أفضل النماذج حوالي نصف تقلباته فقط، مما يوحي بأنه بينما يلعب الطقس والموسم دورًا — فالفترات الباردة والراكدة تميل إلى حبس هذا الغاز قرب السطح — فإن تغيرات حركة المرور واستهلاك الوقود والإنتاج الصناعي لا تقل أهمية. بالنسبة لـ PM10، كافحت النُهج الأربعة كلها. كانت توقعاتها أفضل قليلاً في أحسن الأحوال، وأحيانًا أسوأ، من الاعتماد على القيم المتوسطة فحسب. يعكس ذلك الطبيعة الفوضوية للغبار في المدن الجافة: هبات مفاجئة، وأعمال بناء، وحركة مرورية، وحالة التربة يمكن أن تسبب ارتفاعات قصيرة الأمد لا تستطيع قراءات الطقس الأساسية التنبؤ بها. كما وجدت الدراسة أن إضافة متغيرات جوية إضافية تتجاوز القلة الأكثر صلة غالبًا ما يجعل التنبؤات أسوأ، مما يبرز أهمية التركيز على الإشارات الأقوى بدلاً من تزويد النماذج بكل شيء دفعة واحدة.

ما تعنيه النتائج لحياة الناس اليومية

بالنسبة للسكان في المناطق الغبارية والمتطورة بسرعة، تعرض هذه الدراسة وعد وحدود التنبؤات بجودة الهواء المعتمدة على الطقس. يمكن لمجموعات ذكية من بيانات الطقس البسيطة أن تتنبأ بثبات بتقلبات بعض الغازات، خصوصًا ثاني أكسيد النيتروجين، مما يوفر أداة منخفضة التكلفة لإصدار تنبيهات صحية وتخطيط ضوابط الانبعاثات حيث لا تتوفر شبكات مراقبة كثيفة. وفي الوقت نفسه، تحذر قابلية جسيمات الغبار للصمود في عدم التنبؤ من أن حماية الصحة العامة في المدن الصحراوية ستتطلب معلومات أغنى عن استخدامات الأراضي، ورطوبة التربة، وحركة المرور، والغبار المتتبع عبر الأقمار الصناعية، وليس الطقس وحده. معًا، ترسم هذه الأفكار مسارًا نحو أنظمة توقعات أكثر استهدافًا وتكييفًا محليًا يمكن أن تساعد المجتمعات على التنفس بسهولة أكبر تحت سماء صعبة.

الاستشهاد: Tawabini, B. Using machine learning algorithms to study the relationship between meteorological conditions and air quality parameters. Sci Rep 16, 10392 (2026). https://doi.org/10.1038/s41598-026-39579-0

الكلمات المفتاحية: جودة الهواء, التعلم الآلي, تلوث صحراوي, الأرصاد الجوية, المملكة العربية السعودية