فو شي-إير: توقُّع جودة الهواء استنادًا إلى تعلم آلي متعدد الأنماط للانبعاثات والطقس والملوثات

لماذا تحتاج جودة الهواء الأنقى إلى تنبؤات أسرع

يُعد تلوث الهواء واحدًا من أخطر التهديدات الصحية الدائمة في المدن الحديثة، ومع ذلك فإن الأدوات التي نستخدمها للتنبؤ بأيام الهواء السيئ غالبًا ما تكون بطيئة ومكلفة وليست دقيقة دائمًا في الأماكن التي يعيش ويعمل فيها الناس فعليًا. تقدم هذه الدراسة نظامًا يسمى فو شي‑إير، قائمًا على الذكاء الاصطناعي، قادرًا على توقُّع الملوثات الحضرية الرئيسية للأيام الثلاثة المقبلة خلال ثوانٍ فقط، بهدف منح مسؤولي المدن والجمهور تحذيرات أبكر وأكثر موثوقية حتى يتمكنوا من حماية صحتهم بشكل أفضل.

رؤية هواء المدينة كنظام متحرك

تعتمد التوقعات التقليدية لجودة الهواء على نماذج حاسوبية كبيرة تحاكي كيفية تكوّن الغازات والجسيمات الدقيقة ونقلها وإزالتها في الغلاف الجوي. تلتقط هذه النماذج تفاصيل فيزيائية وكيميائية، لكنها تتطلب حواسيب قوية وساعات طويلة من المعالجة، وتقتصر دقتها على مدى تمثيلها المحلي للطقس ومصادر التلوث. في الوقت نفسه، ركزت العديد من أساليب التعلُّم الآلي على قياسات التلوث في مواقع مفردة أو على ملوث واحد فقط، ما يجعل استخدامها صعبًا في التنبؤ على مستوى المدينة الواقعي. صُمِّم فو شي‑إير لسد هذه الهوة عبر اعتبار هواء المدينة نظامًا مترابطًا، جامعًا معلومات عن الطقس والانبعاثات ومستويات التلوث الحالية في إطار موحَّد.

كيف يعمل النموذج الجديد للذكاء الاصطناعي

يجمع فو شي‑إير ثلاث مسارات بيانات رئيسية: توقعات الطقس عالية الدقة من نموذج طقس ذكاء اصطناعي منفصل، وجداول انبعاثات مفصلة تصف كمية التلوث المنبعثة من المرور والصناعة ومصادر أخرى، وقراءات مستمرة من محطات الرصد الأرضية. داخل فو شي‑إير، تتعلَّم وحدات التعلُّم العميق المتخصصة كيف ترتبط مستويات التلوث في مواقع مختلفة ببعضها وكيف تتطور عبر الزمن. تركز وحدة أخرى على كيفية تشكيل أنماط الطقس والانبعاثات لهذه التغيرات، ما يعلّم النظام فعليًا التعرف على الظروف التي تؤدي إلى تراكم التلوث أو تلاشيه. عبر التنبؤ أولًا بقيم كل ست ساعات ثم تحسينها إلى قيمٍ ساعية، يستطيع فو شي‑إير تقديم توقعات لمدة 72 ساعة لستة ملوثات رئيسية في عشرات المواقع بكل مدينة خلال نحو نصف دقيقة.

اختبار النظام في ثلاث مدن عملاقة

اختبر الباحثون فو شي‑إير في بكين وشنغهاي وشنتشن — ثلاث مدن صينية عملاقة ذات مناخات وأنماط تلوث مختلفة جدًا. قارنوا توقعاته للأوزون وثاني أكسيد النيتروجين وثاني أكسيد الكبريت وأول أكسيد الكربون ونوعين من الجسيمات مقابل القياسات لعام 2023. عمومًا، أعاد النموذج توقيت وحجم ذروات التلوث بشكل جيد، لا سيما للأوزون والجسيمات الدقيقة (PM2.5). كما أثبت متانته عندما كانت مستويات التلوث منخفضة ومستقرة نسبيًا، كما في شنتشن. بقيت بعض التحديات للجسيمات الخشنة (PM10)، خصوصًا في بكين، حيث تلعب العواصف الرملية والنقل لمسافات طويلة دورًا أكبر ويصعب التقاطه بالبيانات المتاحة.

تفوق على النماذج التقليدية واستكشاف ما هو الأهم

لمعرفة ما إذا كان فو شي‑إير جاهزًا للاستخدام العملي، قارن الفريق بينه وبين نظام توقع تقليدي واسع الاستخدام يربط نموذج طقس بنموذج جودة هواء مفصل. خلال تسعة أشهر من التوقعات لشنغهاي، خفّض فو شي‑إير باستمرار أخطاء التنبؤ لجميع الملوثات الستة، مقلصًا بعض الأخطاء بأكثر من النصف بينما يعمل خلال ثوانٍ بدلًا من ساعات. أجرى الباحثون أيضًا تجارب "نزع" منهجية، حيث أطفأوا مصادر بيانات مختلفة. عندما أزالوا معلومات الطقس، فقد النموذج قدرته على تتبُّع دورات الليل والنهار وذروات التلوث، لا سيما للأوزون والجسيمات الدقيقة. إهمال بيانات الانبعاثات أضعف مهارته في المدن التي تهيمن فيها المصادر المحلية. أظهرت هذه الاختبارات أن دمج الطقس والانبعاثات وبيانات الرصد أمر حاسم، لكن الطقس غالبًا ما يمنح أقوى دفعة فردية لجودة التنبؤ.

مدن مختلفة، محركات مختلفة للهواء الفاسد

بالمقارنة بين النتائج عبر المدن، توضح الدراسة أيضًا كيف تشكل الظروف المحلية التلوث. في بكين، يؤدي التدفئة الشتوية وحرَكَات الغبار الإقليمية إلى أن تتحكم أنماط الرياح واسعة النطاق واستقرار الهواء بقوة في مستويات الجسيمات، لذا كانت بيانات الطقس الأكثر تأثيرًا. في شنتشن، بمناخها الساحلي الدافئ الرطب وتهويتها القوية، لعبت الانبعاثات المحلية من الصناعة والمرور دورًا أكبر في تحديد مستويات الجسيمات الدقيقة. كانت شنغهاي في منتصف هذين النقيضين، متأثرة نسبيًا بنسائم البحر والبر والمصادر المحلية معًا. بالنسبة للغازات مثل أول أكسيد الكربون وثاني أكسيد الكبريت، كانت الانبعاثات هي المحركات الرئيسية، لكن أحيانًا عملت التضاريس والطقس المحلي على تضخيم تراكمها.

ماذا يعني هذا لحماية الصحة العامة

يُظهر فو شي‑إير أن أنظمة الذكاء الاصطناعي المصممة بعناية قادرة على تقديم توقعات سريعة لجودة الهواء على مستوى المدينة تضاهي أو تتفوّق على الطرق التقليدية مع استخدام موارد حوسبة أقل بكثير. رغم أن النموذج لا يزال يواجه صعوبات مع بعض أحداث الجسيمات الخشنة ويعتمد على جداول انبعاثات يمكن تحسينها، فإنه يقدم بالفعل أداة عملية للتحذيرات المبكرة وإدارة المدن الذكية. مع معلومات أفضل وفي الوقت المناسب عن متى وأين سيصبح الهواء غير صحي، يمكن للسلطات استهداف ضوابط الانبعاثات بكفاءة أكبر، ويمكن للسكان تعديل أنشطتهم لتقليل التعرض — محولين بيانات جوية معقدة إلى إرشاد عملي لحياة حضرية أنظف وأكثر صحة.

الاستشهاد: Geng, Z., Fan, X., Lu, X. et al. FuXi-Air: air quality forecasting based on emission-meteorology-pollutant multimodal machine learning. npj Clean Air 2, 21 (2026). https://doi.org/10.1038/s44407-026-00061-w

الكلمات المفتاحية: توقُّع جودة الهواء, تلوث الهواء الحضري, التعلُّم العميق, الطقس والانبعاثات, حماية الصحة العامة