تنبؤ درجات الحرارة المعتمد على التعلّم الآلي عبر بيئات إيكولوجية متنوعة لموسم بورو في بنغلاديش

لماذا تهم هذه الدراسة الطعام على المائدة

الأرز هو الغذاء اليومي لمعظم سكان بنغلاديش، وإحدى أهم محاصيلها تُزرع خلال موسم البورو البارد والجاف. قد يعني تغير طفيف في درجات الحرارة خلال هذه الأشهر الفرق بين محصول جيد ومحصول ضعيف. تستكشف هذه الدراسة كيف يمكن للتقنيات الحاسوبية الحديثة تحسين توقعات تقلبات الحرارة عبر ثلاث مناطق متباينة في بنغلاديش، مما يساعد المزارعين والمخططين على اتخاذ خيارات أذكى لحماية الإمدادات الغذائية.

مناظر طبيعية مختلفة، مخاطر حرارية مختلفة

بنغلاديش ليست متجانسة من حيث المناخ. ركّز الباحثون على ثلاث مناطق متباينة: هضاب باريند الجافة، والحزام الساحلي الرطب قرب البحر، والحوض المنخفض الرطب المعروف بالـهاور. باستخدام سجلات الطقس من 1970 إلى 2025، درسوا درجات الحرارة القصوى واليومية الدنيا إلى جانب هطول الأمطار والرطوبة وأشعة الشمس خلال موسم بورو. وجدوا أن باريند تتمتع بأوسع نطاق درجات حرارة، مع أيام شديدة الحرارة وليالٍ باردة جداً، بينما تكون المنطقة الساحلية أكثر دفئاً في المتوسط لكن أكثر استقراراً. يبقى الـهاور أبرد إلى حد ما لكنه يواجه مخاطر أكبر من موجات البرد في الشتاء.

تعليم الحواسيب قراءة الطقس

لتحويل هذا التاريخ الطويل من بيانات الطقس إلى توقعات مفيدة، استخدم الفريق مجموعة من طرق التعلّم الآلي. هذه برامج حاسوبية تتعلّم الأنماط من البيانات بدلاً من اتباع معادلات ثابتة. استوعبت النماذج العديد من المؤشرات في آن واحد، مثل درجات الحرارة الأخيرة، وهطول الأمطار، والرطوبة، وأشعة الشمس، وحتى مدى دفء أو برودة السنوات السابقة في نفس الفترة. نُقّيت البيانات بعناية لإزالة الأخطاء وملء الفجوات الصغيرة حتى لا تضلّل البرامج بالأرقام المفقودة أو غير الواقعية.

أي النماذج أعطت أدق التوقعات

قارن الباحثون مجموعة واسعة من النماذج، من أساليب أبسط مثل الانحدار الخطي وشجرات القرار إلى أساليب "تجميعية" متقدمة تجمع العديد من النماذج الصغيرة في نموذج أقوى، وكذلك طرق التعلم العميق المستوحاة من شبكات الدماغ. قيّموا الأداء باستخدام عدة مقاييس لخطأ التنبؤ. عبر معظم الاختبارات، أعطت طريقة تجميعية تسمى CatBoost أدق التوقعات لدرجات الحرارة العُظمى نهاراً والصغرى ليلاً في منطقتي باريند والهاور. في المنطقة الساحلية، تفوّق أسلوب آخر معروف بآلات المتجهات الداعمة. تميل النماذج الأبسط إلى ارتكاب أخطاء أكبر، بينما قدمت أقوى الأساليب أداءً متقارباً ومستقراً عند مستوى منخفض من الخطأ.

رسم خرائط للمناطق الأكثر عرضة لمخاطر الحرارة

التوقعات الجيدة مهمة أكثر حيث تكون المخاطر أعلى. استخدم الفريق تحليلًا مكانيًا لرؤية كيفية تجمع موجات الحرارة والبرودة الشديدة عبر المناطق الإدارية. في باريند، تصل مناطق مثل راجا شاهِي وناطوري وبابنا غالباً إلى درجات حرارة بورو مرتفعة جداً، بينما قد تهبط مناطق مثل ديناجبور ورانجبور إلى فئات برودة شديدة. تتعرض المقاطعات الساحلية لحرارة قوية على نطاق واسع، ويظهر الـهاور مزيجاً من حرارة شديدة وبرودة قصوى. بدمج هذه الخرائط مع تنبؤات التعلّم الآلي، تشير الدراسة إلى الأماكن التي ينبغي على المزارعين والمسؤولين المحليين تركيز خطط التكيّف فيها، مثل تعديل مواعيد الزراعة، وتحسين الري، أو اختيار أصناف أرز أكثر تحملاً.

ماذا يعني هذا للمزارعين والمخططين

بالنسبة للقارئ العام، الرسالة الأساسية هي أن التنبؤ الأذكى بدرجات الحرارة يمكن أن يساعد في الحفاظ على استقرار محاصيل الأرز في عالم يزداد دفئاً. تظهر الدراسة أن أدوات التعلّم الآلي المتقدمة قادرة على تتبع والتنبؤ بأنماط الحرارة لمناطق ومواسم محددة في بنغلاديش بدقة نسبية جيدة. تحتاج باريند، بتقلباتها الحادة بين الحرارة والبرودة، والهاور، بمخاطر برودته، إلى اهتمام خاص، بينما يواجه الحزام الساحلي ضغوط حرارة مستمرة. من خلال إدخال هذه التنبؤات المحلية في أنظمة الإنذار المبكر وخدمات الإرشاد الزراعي، يمكن لبنغلاديش تحسين جدولة استخدام المياه، واختيار أصناف الأرز المناسبة، والاستعداد لموجات الحر أو البرد. يقدم العمل نموذجاً عملياً لاستخدام البيانات والحواسيب لدعم الأمن الغذائي في ظل تغير المناخ.

الاستشهاد: Rahman, N.M.F., Haque, N., Asadullah, M. et al. Machine learning-based temperature prediction across diverse ecosystems for the Boro Season in Bangladesh. Sci Rep 16, 15437 (2026). https://doi.org/10.1038/s41598-026-46341-z

الكلمات المفتاحية: أرز بنغلاديش, تنبؤ درجات الحرارة, التعلّم الآلي, موسم بورو, مخاطر مناخية