تصحيح انحياز إحصائي مدفوع بالتعلّم العميق لتقييم مخاطر المناخ لتيّجات الحرارة المتوقعة في منطقة الشمال الأوروبي

لماذا يهم هذا الناس في الشمال

الصيف الذي يبدو أشد حرارة، والشتاء الذي لم يعد باردًا بشكل موثوق، والتقلبات بين أيام دافئة وليالي باردة تعيد تشكيل الحياة بالفعل عبر بلدان الشمال الأوروبي. تطرح هذه الدراسة سؤالًا عمليًا للغاية: ما مدى الحرارة التي قد تصل إليها مدن وبلدات محددة في الشمال الأوروبي بحلول نهاية القرن، ومتى ستصبح هذه التغيرات واضحة بعيدًا عن تقلبات الطقس الطبيعية؟ للإجابة، يستخدم المؤلفون أدوات الذكاء الاصطناعي الحديثة لصقل توقعات نماذج المناخ، محولين الإسقاطات العالمية الخشنة إلى معلومات محلية ذات صلة لأماكن من كوبنهاغن إلى ترومسو.

من الإشارات العالمية إلى شوارع محلية

تحاكي نماذج المناخ الكوكب بأكمله، لكن مربعات الشبكة فيها كبيرة جدًا لدرجة أنها تمحو التفاصيل التي تهم المجتمعات الفردية. تؤثر الجبال الساحلية والمضايق والبحيرات الداخلية في أنحاء الشمال الأوروبي على درجات الحرارة المحلية بطرق لا تستطيع النماذج الكبيرة التقاطها بالكامل. يتعامل الباحثون مع هذا التفاوت من خلال دمج إسقاطات مناخية عالمية من نموذج نظام الأرض النرويجي مع قياسات مفصلة من عشر محطات أرصاد طويلة الأمد تمتد عبر أربع مناطق مناخية رئيسية، من الدنمارك البحرية المعتدلة إلى شمال اسكندنافيا تحت القطبية. تعمل شبكة المحطات هذه كمرجع أرضي، تظهر كيف سارت درجات الحرارة فعليًا من 1951 إلى 2014.

تعليم الآلات تصحيح أخطاء النموذج

بدلًا من قبول مخرجات نموذج المناخ الخام، يستخدم الفريق مجموعة من طرق التعلّم العميق المتقدّم لـ«تصحيح» الأخطاء المنهجية للنموذج. تشمل هذه الأدوات محول الرؤية (Vision Transformer)، وهو نوع من الشبكات العصبية قادر على رؤية أنماط مكانية واسعة؛ ConvLSTM المصمم لتتبّع التغيرات عبر الزمن والمكان؛ ونموذج مخصص للمناخ يدعى GeoStaNet. يتعلّم كل أسلوب كيف ترتبط مخرجات النموذج السابقة وبيانات المحطات الحقيقية، ثم يطبق تلك المعرفة لتنقية الإسقاطات المستقبلية. يقارن المؤلفون عشرة تقنيات إجمالًا، تتراوح بين تصحيحات إحصائية بسيطة وشبكات عصبية متقدمة، ويقوّمونها بعدد من اختبارات الدقة المختلفة، بما في ذلك مدى قدرتها على إعادة إنتاج موجات الحر والتقلب اليومي بين أعلى درجات النهار وأدنى درجات الليل.

اختيار النموذج الأكثر موثوقية

لتجنّب انتقائية النتائج، تستخدم الدراسة نهج ترتيب مستعار من علوم القرار يُدعى DL-TOPSIS، الذي يمزج مقاييس أداء متعددة في نتيجة إجمالية. تتصدّر نماذج التعلّم العميق النتائج بوضوح. يحقق محول الرؤية أفضل أداء، يليه عن كثب ConvLSTM وGeoStaNet، بينما تتخلف الحلول الإحصائية التقليدية خاصة في الأيام شديدة الحرارة والبرودة. والأهم أن أفضل النماذج لا تطابق درجات الحرارة المتوسطة فحسب، بل تحافظ أيضًا على الارتباط بين أقصى درجات النهار وأدنى درجات الليل، وهو أمر حاسم لفهم كيف تؤثر الحرارة على النظم البيئية وصحة الإنسان. مع هذا الترتيب، يختار المؤلفون محول الرؤية كأداتهم الرئيسية لتوليد الإسقاطات المستقبلية.

كيف يبدو المستقبل بالنسبة للحرارة في الشمال الأوروبي

مسلّحين بنموذجهم الأفضل أداءً، يفحص الباحثون مستقبَلين: مسار تدفئة معتدل (SSP2-4.5) ومسار انبعاثات مرتفع (SSP5-8.5) للفترة من 2015 إلى 2100. في السيناريو المرتفع، تسخن المناطق الداخلية والمناطق تحت القطبية بأكبر قدر. بحلول أواخر القرن، من المتوقع أن ترتفع ذروات درجات حرارة النهار الصيفية في المناطق القارية بنحو 4.8 °م في إحدى المناطق المناخية ونحو 3.9 °م في منطقة تحت قطبية أبرد. يتسع نطاق درجة الحرارة اليومي بأكثر من 1.5 °م في بعض الأماكن، ما يعني أيامًا أشد حرارة دون ليالٍ دافئة بالمثل. من المتوقَّع أن تتضاعف أيام موجات الحر تقريبًا في المناطق الداخلية الأكثر دفئًا وربما تتضاعف ثلاث مرات في أبرد المناطق، بينما تنخفض أيام الصقيع بشكل حاد. كما يتتبع المؤلفون "زمن الظهور" — اللحظة التي يصبح فيها الاحترار المدفوع بالبشر لا لبس فيه مقارنة بالتقلب الطبيعي — والذي يظهر أولًا في فصول شتاء المناطق تحت القطبية حول ثلاثينيات القرن الحالي.

تحويل التوقّعات الأفضل إلى إجراءات

بالنسبة لغير المتخصصين، الرسالة الأساسية هي أن أساليب الذكاء الاصطناعي المتقدمة يمكنها تحويل الإسقاطات المناخية العالمية المجردة إلى تقديرات ملموسة على مستوى المحطات للطوارئ المستقبلية في منطقة الشمال الأوروبي. تشير النتائج إلى أن الاحترار الملحوظ وزيادة تواتر الأيام الحارة الشديدة مرجّحان بشدة عبر جميع المواقع العشرة، مع أقوى وأبكر التغيّرات في المناطق الداخلية عالية العرض الجغرافي. ورغم أن نموذج الأرض العالمي المستخدم هنا يعتبر محافظًا مقارنة ببعض النماذج الأخرى، فإن إشارات التغير قوية بما يكفي بالفعل لتوجيه التخطيط. يجادل المؤلفون بأن هذه الإسقاطات المصححة من حيث الانحياز وذات الدقّة العالية يمكن أن تساعد مخططي الطاقة، ومسؤولي المدن، والمزارعين، وخدمات الصحة في تهيئة البنية والسياسات لمستقبل تصبح فيه صيف الشمال أكثر حرارة، وتزداد تقلبات درجات الحرارة اليومية، وتظهر علامات واضحة لتأثير الإنسان على المناخ المحلي خلال عقود قليلة.

الاستشهاد: Loganathan, P., Zea, E., Vinuesa, R. et al. Deep learning-driven statistical bias correction for climate risk assessment of projected temperature extremes in the Nordic region. npj Nat. Hazards 3, 43 (2026). https://doi.org/10.1038/s44304-026-00207-6

الكلمات المفتاحية: تغير المناخ في الشمال الأوروبي, تيّجات الحرارة, التعلّم العميق, تصحيح الانحياز, التكيّف المناخي