تقنيات التجميع وتعلم الآلة تحدد أنماط تلوث الهواء في القاهرة الكبرى

لماذا هواء المدينة يهم الجميع

تعد القاهرة الكبرى، التي يقطنها أكثر من 20 مليون نسمة، واحدة من أكثر المدن الضخمة عُرضة للضباب الدخاني في العالم. الغبار القادم من الصحراء يختلط بعوادم ملايين السيارات وانبعاثات المصانع، مكوّناً ضباباً معقداً يصعب فهمه وإدارته. تُظهر هذه الدراسة كيف تستطيع أدوات البيانات الحديثة تفكيك ذلك الضباب إلى «أنماط» واضحة من التلوث، مما يمنح مخططي المدن والمسؤولين الصحيين طريقة عملية لمعرفة متى يكون الهواء آمناً عادةً، ومتى تكون حركة المرور هي السبب الرئيسي، ومتى تقترب عواصف غبارية خطيرة.

رصد الأنماط داخل سحابة من البيانات

ركز الباحثون على فترة 2023–2024 واستخدموا معلومات من خدمة مراقبة الغلاف الجوي كوبيرنيكوس، التي تدمج بيانات الأقمار الصناعية والمحطات الأرضية والنماذج لتشكيل صورة مفصّلة عن الغلاف الجوي. بدلاً من التعامل مع كل قياس تلوّث كنقطة معزولة، نظروا في عدة مكوّنات معاً: الجسيمات الدقيقة والخشنة (PM₂.₅ وPM₁₀)، والغازات مثل ثاني أكسيد النيتروجين الناتج عن المركبات، وظروف الطقس الأساسية كدرجة الحرارة وسرعة الريح والضغط. لم يكن الهدف مجرد التنبؤ بأرقام الغد، بل الكشف عن «أنماط» متكررة في جودة الهواء تميل للظهور بشكل متكرر عبر المدينة.

تصنيف الأيام إلى أربعة أنماط من الهواء

لكشف تلك الأنماط، استخدم الفريق أسلوب تجميع يجمّع الأيام المتشابهة معاً اعتماداً على بصماتها المشتركة من التلوث والطقس. بعد اختبار خيارات مختلفة، وجدوا أن أربعة مجموعات تلتقط هيكل البيانات دون تعقيد مفرط. اتضح أن اثنتين من هذه المجموعات مشجعتان: حَالات تلوث منخفضة ومنخفضة جداً شكّلت نحو ثلاثة أرباع فترة السنتين، مما يدل على أن القاهرة تتمتع هوائياً بالفترة النسبية النظافة معظم الوقت. المجموعة الثالثة عكست أياماً سيطرت عليها انبعاثات المرور، تميّزت بمستويات مرتفعة من ثاني أكسيد النيتروجين. أما المجموعة الرابعة والأصغر، التي شكلت نحو 6% فقط من الوقت، فكانت مرتبطة بعواصف الغبار، عندما ارتفعت مستويات الجسيمات الخشنة إلى أعلى بكثير من الإرشادات الصحية.

تعليم الآلات التعرف على كل نمط

لن تكون الأنماط مفيدة إلا إذا أمكن اكتشافها بسرعة في الزمن الحقيقي. لاختبار ذلك، درّب المؤلفون نوعين من نماذج اتخاذ القرار للتعرّف على أي نمط تنتمي إليه مجموعة قياسات جديدة. شجرة قرار واحدة، تعتمد على سلسلة من قواعد إذا–فإن، حدّدت النمط بشكل صحيح أكثر من 93% من الوقت. وطريقة أقوى تُدعى الغابة العشوائية، التي تجمع عدداً من هذه الأشجار، رفعت معدل النجاح إلى أكثر من 97%. ومن خلال فحص المدخلات الأهم، كشفت النماذج أيضاً ما الذي يحرّك كل نمط: كان ثاني أكسيد النيتروجين مهماً بشكل خاص لتمييز الأيام ذات حركة المرور الكثيفة، بينما كانت الجسيمات الخشنة PM₁₀ هي المفتاح لرصد أحداث عواصف الغبار.

من قواعد الحاسوب إلى عمل في العالم الحقيقي

بخلاف الدقة الخام، أثبت الإطار استقراره عبر الزمن وسرعته في التشغيل، مما يعني أنه يمكن استخدامه بالتوازي مع خدمات جودة الهواء الحالية كأداة إنذار مبكر. وبما أن النهج يركّز على الأنماط النسبية بدلاً من قيم التركيز المطلقة، فإنه يظل مفيداً حتى إن كانت بيانات الأقمار الصناعية الأساسية تحمل بعض الانحياز في القيمة المطلقة، وهو أمر معروف الحدوث فوق المناطق الصحراوية. عملياً، يعني ذلك أن السلطات يمكنها بسرعة تحديد ما إذا كانت المدينة تدخل مرحلة روتينية منخفضة التلوث، أو حلقة تهيمن عليها حركة المرور تستدعي إجراءات إدارة المرور، أو عاصفة غبار قصيرة المدى لكنها شديدة تستلزم تحذيرات صحية عامة.

ما يعنيه هذا لسكان القاهرة

بالنسبة للسكان، الرسالة الرئيسية هي أن هواء القاهرة لا يبقى عند مستوى واحد ثابت من الخطر: بل يتحول بين مجموعة صغيرة من الحالات القابلة للتعرّف. في معظم الأوقات يكون الهواء نسبياً أنظف، لكن المرور والغبار يمكن أن يدفعا الظروف إلى مناطق أكثر خطورة، خاصةً للأشخاص المصابين بأمراض القلب أو الرئة. عبر تحويل تدفقات هائلة من البيانات البيئية إلى أربعة أنماط سهلة الفهم، تقدم هذه الدراسة خارطة طريق لتحذيرات أذكى، وتخطيط أفضل، وجهود أكثر استهدافاً لخفض التلوث عند مصادره. ويمكن تطبيق نفس الوصفة أيضاً على مدن سريعة النمو تكافح مزيجاً من الضباب الحضري والغبار الطبيعي.

الاستشهاد: Elmourssi, D.M., El-Assy, A.M. & Amer, H.M. Clustering and machine learning techniques identify air pollution regimes in Greater Cairo. Sci Rep 16, 14038 (2026). https://doi.org/10.1038/s41598-026-49777-5

الكلمات المفتاحية: تلوث الهواء, القاهرة الكبرى, تعلّم الآلة, عواصف الغبار, انبعاثات المرور