المراقبة متوسطة الأمد والتنبؤ القائم على التعلم الآلي لديناميات الجفاف في إيران

لماذا يهم الجفاف المستقبلي في الحياة اليومية

الجفاف ليس مجرد أنهار جافة وأرض متشققة؛ بل يمتد إلى أسعار الغذاء والوظائف والصحة وحتى أماكن سكن الناس. تواجه إيران، التي تُعد بالفعل من أكثر دول العالم جفافاً، ضغوطاً متزايدة على مصادر المياه لديها. تطرح هذه الدراسة سؤالاً بسيطاً ولكنه عاجل: كيف ستتغير فترات الجفاف عبر إيران في السنوات المقبلة، وهل يمكن لأدوات الحوسبة الحديثة أن تمنح المخططين إنذاراً أوضح قبل تفاقم الأوضاع؟

نظرة إلى الوراء لأكثر من نصف قرن

جمع فريق البحث سجلات الطقس على مدى 58 عاماً، من 1967 إلى 2024، في 34 محطة أرصاد جوية مختارة بعناية تغطي طيف مناخات إيران الواسع، من السواحل الشمالية الرطبة إلى الصحاري القاحلة. باستخدام مقياس يُسمى مؤشر الاستطلاع للجفاف—المبني على كل من هطول الأمطار وقوة الجفاف الناتجة عن الحرارة والرياح—صنّفوا كل شهر وموسم وسنة على أنها أكثر رطوبة من المعتاد أو طبيعية أو بدرجات مختلفة من الجفاف. على المدى الطويل، كانت السنوات «الطبيعية» هي الأكثر شيوعاً، لا سيما على المقياس السنوي. ومع ذلك أظهرت البيانات أيضاً أنه عندما تبدأ فترات الجفاف المتعددة السنوات، يمكن أن تكون عميقة ومستمرة، مما يجهد الأنهار والخزانات والمياه الجوفية بشدة.

تعليم الآلات قراءة المناخ

للانتقال من التشخيص إلى التنبؤ، اعتمدت الدراسة على التعلم الآلي، وهو فرع من علوم الحاسوب يتيح للخوارزميات تعلم الأنماط من البيانات. اختبر الباحث نهجين متقدّمين: آلة الدعم الناقل، وهي طريقة مرنة ترسم حدوداً غير خطية بين الفئات، وشبكة ذاكرة طويلة قصيرة المدى ثنائية الاتجاه، وهي نموذج تعلم عميق مُصمم لتتبع الأنماط في المتتاليات. وبما أن آلة الدعم الناقل حساسة جداً لإعداداتها الداخلية، استُخدمت ثلاث طرق تحسين مستوحاة من الطبيعة—مبنية على سلوك صيد البجع، والتطور الجيني، وسلوك أسراب الطيور—لضبط معاييرها. برزت خوارزمية تحسين البجع كالفائز الواضح، حيث وجدت تركيبات معلمات حسّنت الدقة بشكل كبير، لا سيما في تحديد فئات الجفاف المختلفة بشكل صحيح.

اختيار أفضل محرك للتنبؤ

بالموديل الهجين المُعدّل هذا، واجه الباحث بعد ذلك الشبكة العميقة ببيانات لم تُرَ من قبل من الفترة 2019 إلى 2024. على المستويات الشهرية والموسمية والسنوية، تفوّق نظام آلة الدعم الناقل مع تحسين البجع باستمرار على الشبكة العميقة. طابق الملاحظات بشكل أوثق، وحقق أخطاء أصغر، والأهم أنه كان أفضل بكثير في التمييز بين الحالات «الطبيعية» و«الجافة بشكل معتدل» والحالات الأكثر شدة. الشبكة العميقة، رغم تعقيدها، واجهت صعوبة مع مجموعة بيانات كبيرة بالنسبة لمعايير الهيدرولوجيا لكنها متواضعة بالنسبة لمعايير التعلم العميق. تؤكد هذه المقارنة درساً مهمّاً: بالنسبة لسجلات مناخية متوسطة الحجم، قد يتفوق خوارزم مضبوط جيداً ومُدمج نسبياً على شبكة عصبية أكثر تفصيلاً.

مستقبل أكثر جفافاً لا أكثر تقلباً

باستخدام أفضل نموذج أداءً، قامت الدراسة بتوقع فئات الجفاف للفترة 2025–2036. النظرة المستقبلية مقلقة. على مستوى إيران، من المتوقع أن تهيمن حالات «الطبيعية» و«الجافة بشكل معتدل» على المستويات الشهرية والموسمية والسنوية. تتلاشى تقريباً السنوات الرطبة جداً والبالغة الرطوبة، التي كانت تساعد على إعادة ملء الخزانات والبحيرات، من التوقعات. وفي الوقت نفسه، يُظهر اختبار اتجاه إحصائي تحوّلاً قوياً ومتزايداً نحو الجفاف. عندما تُضاف التوقعات المستقبلية إلى السجل التاريخي، تقفز حصة المحطات ذات الإشارة الواضحة للجفاف بشكل حاد، لا سيما على المدى القصير والموسمي. بكلمات أخرى، مناخ إيران لا يمر بحالات جفاف عرضية فحسب؛ بل ينحدر نحو حالة أكثر جفافاً بشكل ثابت.

ماذا يعني هذا للناس والسياسات

بالنسبة لغير المتخصصين، الرسالة الأساسية واضحة لكنها مقلقة: إذا استمرت الأنماط الحالية، فمن المرجح أن تواجه إيران فترات جفاف أكثر تكراراً واستمراراً، بينما قد تكاد تختفي السنوات «الجيدة» النادرة الرطبة التي كانت تمنح فترات راحة. لا تأخذ تنبؤات التعلم الآلي في هذه الدراسة في الحسبان كل تأثير مستقبلي محتمل، مثل توقعات نماذج المناخ العالمية أو خيارات الإدارة المحلية للمياه، لكنها تقدم تحذيراً حاداً مدعوماً بالبيانات. لحماية المحاصيل والمدن والأنظمة البيئية، ستحتاج إيران إلى سياسات مائية استشرافية: استخدام مدروس للمياه الجوفية، وتحسين كفاءة الري، وممارسات أرضية تحافظ على الرطوبة. تظهر الأدوات المختبرة هنا أنه بالبيانات والخوارزميات المناسبة، يمكن للمجتمعات الكشف عن مثل هذه المخاطر قبل وقوعها—وما يزال لديها وقت لاتخاذ إجراءات.

الاستشهاد: Zarei, A.R. Medium -term monitoring and machine learning-based forecasting of drought dynamics in Iran. Sci Rep 16, 14303 (2026). https://doi.org/10.1038/s41598-026-45031-0

الكلمات المفتاحية: تنبؤ الجفاف, ندرة المياه, التعلم الآلي, مناخ إيران, إدارة المياه