تنبؤ فيضانات حضرية على نطاق المدينة مُسَرَّع بواسطة وحدات معالجة الرسوميات لاتخاذ قرارات في الوقت الفعلي

لماذا تهم التنبؤات السريعة بالفيضانات للمدن

عندما تضرب عاصفة مفاجئة مدينة، قد تتحول الشوارع إلى أنهار في غضون دقائق. بالنسبة للسكان، يعني ذلك أقبية غارقة، حافلات عالقة، وإصلاحات مكلفة. تستعرض هذه المقالة طريقة جديدة لتنبؤ الفيضانات حيًا تلو الآخر بسرعة كافية لمساعدة مديري الطوارئ على التصرف قبل وصول أسوأ موجات المياه، مستخدمة مقاطعة كوك في شيكاغو كحالة اختبار واقعية.

تصاعد المياه في مدينة متغيرة

في جميع أنحاء العالم، تتقاطع عواصف مطرية أشد مع مدن متوسعة، وتيارات الأسفلت، وأنابيب بالية. شيكاغو ليست استثناءً. يقبع ما يقرب من نصف طرقها ومعظم شبكة حافلاتها في مناطق عرضة للفيضانات. تسببت عواصف حديثة، بما في ذلك هطول في يوليو 2023 تجاوز 200 مليمتر (حوالي ثماني بوصات) خلال ست ساعات، في مئات الملايين من الدولارات من الأضرار وآلاف المنازل المغمورة بالمياه. الكثير من الشكاوى لا تنبع من فيضانات الأنهار بل من ارتداد المياه إلى الأقبية والشوارع المنخفضة، مما يكشف مدى تعقيد تصريف المياه السطحي وتحت الأرض في المدينة.

لماذا تقصر الأدوات التقليدية

إدارة هذه الفيضانات تنطوي على شبكة من الوكالات المحلية والإقليمية والولائية والفدرالية التي تحتاج إلى معلومات واضحة وفي الوقت المناسب: أين يهطل المطر بكثافة، أية شوارع مغمورة بالفعل، وأي الأحياء ستغرق لاحقًا. يمكن للنماذج الحاسوبية التقليدية تقدير الفيضانات، لكنها غالبًا ما تعمل ببطء شديد وتستخدم شبكات ذات دقة خشنة لا تلتقط التفاصيل المهمة في مدينة مكتظة—الحواف، الأزقة، الممرات المنخفضة، والانخفاضات الصغيرة في الطريق التي تحدد ما إذا كانت المياه ستذهب إلى المجاري أو إلى قبو أحدهم. الطرق الأبسط المعتمدة على التضاريس سريعة لكنها تفشل في التقاط السلوك المتحرك للمياه شارعًا تلو الآخر.

جلب قوة بطاقات الرسوم إلى خرائط الفيضانات

يختبر البحث نهجًا مختلفًا: نموذج فيضانات عالي الدقة يُدعى SynxFlow يعمل على وحدات معالجة الرسوميات (GPUs)—نفس نوع الأجهزة التي تشغّل ألعاب الفيديو والذكاء الاصطناعي الحديث. يحل SynxFlow فيزياء تدفق المياه الضحلة على شبكة دقيقة من خلايا بعرض 10 أمتار تغطي ملايين النقاط في مقاطعة كوك. عن طريق توزيع الحسابات عبر أربع وحدات معالجة رسوميات قوية، قام الفريق بمحاكاة عاصفة يوليو 2023 في نحو ثلاث ساعات، مقارنة بما يقرب من 18 ساعة لسلسلة نمذجة شائعة تعمل على المعالجات المركزية وطرق ثابتة. تلك السرعة حاسمة، لأن موجات الفيضانات المفاجئة يمكن أن تجتاح الأحياء في نفس الوقت الذي يستغرقه نموذج بطيء للتشغيل.

مقارنة النموذج بالفيضانات الحقيقية

لمعرفة ما إذا كانت هذه السرعة الإضافية والدقة تُثمر فعلاً، قارن الباحثون خرائط الفيضانات من SynxFlow بملاحظات أقمار صناعية من مهمة Sentinel-1. تتيح صور الرادار هذه، المعالجة باستخدام أسلوب تعلم آلي يُدعى CNN-SAR، الكشف عن المياه على الأرض حتى عبر الغيوم وفي الليل. عبر قطاعات الإحصاء السكاني في شيكاغو، طابقت خرائط SynxFlow المناطق المغمورة المرسومة بالأقمار الصناعية بشكل أوثق من كل من النموذج المقرون التقليدي والطريقة المعتمدة على التضاريس فقط. كان دقيقًا بشكل خاص في البيئات الحضرية المعقدة مثل سيسيرو، وبيروين، وإنغليوود، وكالوميت هايتس، حيث تخلق التغيرات الطفيفة في الارتفاع والمجارى المسدودة تجمعات متناثرة بدلًا من رقعة مائية واحدة واسعة.

رؤى على مستوى الشارع لاتخاذ قرارات حقيقية

في العديد من الأحياء، أعاد النموذج المعتمد على GPU أنماطًا دقيقة ظهرت من الفضاء: تراكم المياه خلف أرصفة السكك الحديدية، ملء الممرات المنخفضة، والتلاصق على طول الحواف بجانب الطرق المزدحمة. كما حافظ على كيفية تدفق المياه عبر حدود المدينة والضواحي، بدلًا من التوقف عند خطوط اصطناعية في النموذج. عمومًا، تفوّق SynxFlow على النهج المنافسة في نحو ثلاثة أرباع قطاعات الإحصاء السكاني التي فُحصت، ملتقطًا كل من تكرار الغمر وطمسية تلك الفيضانات. هذا المستوى من التفاصيل يمكن أن يساعد الوكالات على تقرير أي الطرق تُغلق، أين تُرسل شاحنات الضخ، وأي المجتمعات من المرجح أن تتأثر بشدة.

من أداة بحثية إلى درع يومي

يخلص الباحثون إلى أن نماذج مُسرَّعة بوحدات معالجة الرسوميات مثل SynxFlow قادرة على تحويل تنبؤ الفيضانات من تحليل بطيء واستعادي إلى أداة قرار مباشرة. عندما تُقرَن بمطر راداري في الوقت الحقيقي، ولقطات الأقمار الصناعية، وحتى تقارير جماهيرية من السكان، يمكن لمثل هذه النماذج أن تشكل العمود الفقري لمنصات مثل AerisIQ لتنبؤ الفيضانات التي يُبنى الآن للولاية. ومع بقاء تحديات—لا سيما ثغرات في بيانات الأنابيب تحت الأرض وتغطية سواتلية محدودة—يوفر النهج مسارًا للمدن حول العالم للحصول على تحذيرات فيضانية أسرع وأكثر دقة على مستوى الشارع، مما يساعد على حماية الناس ووسائل النقل والمنازل مع ازدياد قوة العواصف.

الاستشهاد: Wadhwa, A., Sharma, A., Xia, X. et al. GPU-accelerated city-scale urban flood forecasting for real-time decision-making. npj Nat. Hazards 3, 31 (2026). https://doi.org/10.1038/s44304-026-00190-y

الكلمات المفتاحية: فيضانات حضرية, تنبؤ في الوقت الحقيقي, نمذجة بوحدات معالجة الرسوميات, هطول الأمطار في شيكاغو, مقاومة الفيضانات