מידע פני הקרקע מלוויינים משפר יכולת חיזוי טמפרטורת פני השטח

מדוע חיזוי טמפרטורה טוב יותר חשוב לכם

מהחלטה מה ללבוש לשבוע הבא ועד לניהול יבולים, רשתות חשמל וסיכון לשריפות — כולנו מסתמכים על תחזיות טמפרטורה מדויקות. אך גם עם מחשבי־על עוצמתיים, מודלי מזג אוויר נתקלים בקשיים, במיוחד מעבר לכמה ימים קדימה. המחקר חוקר רעיון פשוט אך נדיר בשימוש: להעצים תחזיות על ידי שימת לב מדויקת יותר לקרקע עצמה — כמה חם הקרקע וכמה פעילה הצמחייה — בעזרת נתוני לוויין גלובליים.

מביטים על כדור הארץ מלמעלה

תחזיות מזג אוויר מודרניות נשענות בעיקר על מידע על האוויר: רוחות, לחות, עננים ולחץ. אבל לוויינים מזה לא פחות מעשורים אוספים שקטה מידע עשיר על פני הקרקע. זה כולל טמפרטורת פני הקרקע (כמה חם ה"עור" של הקרקע), כמה ירוקה וצפופה הצמחייה וזוהר חלש מהעלים שנקרא פלורסנציה מונעת שמש, שמגלה עד כמה הצמחים פוטוסינתטיים פעילים. מערכות חיזוי מסורתיות מתעלמות ברובן מהאותות האלה של הקרקע והצמחים מכיוון שקשה לייצגם במודלים פיזיקליים. המחברים של המחקר בחרו בגישה שונה: במקום לכפות את נתוני הלוויין לתוך מודלים קיימים, הם בנו מערכת למידה עמוקה גמישה בנפרד שיכולה ללמוד ישירות מתקObservations אטמוספריים ולווייניים גם יחד.

מלמדים רשת עצבית את מזג האוויר

לשם כך האימון כלל אלפי רשתות עצביות קטנות הידועות כמודלי LSTM (זיכרון לטווח קצר-ארוך). כל רשת התמחתה בנקודה גאוגרפית ספציפית ולמדה איך הטמפרטורה היומית בנקודה זו מתפתחת בדור הזמן. ראשית הם הזינו לרשתות רק קלט "סטנדרטי" הדומה למה שמודלי מזג אוויר מסורתיים משתמשים בו: טמפרטורת אוויר קרובה לפני השטח, קרינת שמש נכנסת, לחות, לחץ, גשם, לחות קרקע וכיסוי שלג. לאחר מכן אימנו סט שני של רשתות שקיבלו את אותם נתונים בתוספת שלושה משתנים קרקעיים מבוססי לוויין: טמפרטורת פני קרקע, אינדקס ירוקות ופלורסנציה של צמחים. בהשוואת ביצועי שתי משפחות המודלים יכלו למדוד ישירות עד כמה המידע הקרקעי הנוסף סייע.

מספרים קטנים, השפעה גדולה

בכל רחבי הגלובוס ועבור תחזיות מאחד עד שתים־עשרה ימים קדימה, הוספת מידע קרקעי מלוויין שיפרה בעקביות את דיוק תחזיות הטמפרטורה. בממוצע, שגיאות החיזוי ירדו בכ־6–7 אחוזים, בהתאמה לשיפור של בערך רבע מעלת צלזיוס. התועלת הגבוהה ביותר נרשמה סביב יום רביעי קדימה — חלון "טווח בינוני" חשוב שממנו מתבצעות לעתים קרובות החלטות תפעוליות. השיפורים בלטו במיוחד ביערות מחוץ לאזורי הטרופוס ולבקרים חצי־מדבריים, שם הדרך שבה הקרקע מחליפה חום ולחות עם האוויר מעצבת במידה רבה את הטמפרטורות המקומיות. באזורים רבים אלה, מדדי פעילות הצמחים וטמפרטורת פני הקרקע מבוססי הלוויין הפכו למשתנים החשובים ביותר, והציפו את הקלטים האטמוספריים המסורתיים.

מה הצמחים מספרים לנו על חום המחר

תוצאה בולטת היא שפלורסנציה של צמחים — אינדיקציה ישירה לפוטוסינתזה — הייתה לעתים קרובות משמעותית יותר מאמצעי הירק הפשוטים. כאשר צמחים סופגים פחמן ומאיידים מים באופן פעיל, הם מקררים את המשטח ומשפיעים על איזון האנרגיה בין חימום האוויר והאידוי. מאחר שתהליכים אלה נמשכים ימים, הם נותנים לתחזיות מעיין "זיכרון" של תנאי הקרקע האחרונים. הרשתות העצביות למדו את החיבור הזה: באזורים שבהם הצמחייה משתנה בעוצמה בעונות וכאשר לחות הקרקע מגבילה פעילות צמחית, הנתונים הלווייניים הנוספים תרמו ביותר. לעומת זאת, יערות גשם טרופיים — עם כובעים צפופים ונצחיים של עלים ובעננות תכופה שמשחיתה מדידות לוויין — הראו תוצאות מעורבות, ובחלק מריבועי הרשת נרשמו אף הידרדרויות קלות הקשורות לאיכות הנתונים.

סיוע בחיזוי כאשר זה הכי חשוב

היתרונות של מידע קרקעי מלוויין לא התגבילו רק למספר מועט של ימים קדימה. בעוד שהשיפור היחסי הצטמצם בזמני חזוי ארוכים יותר — משום שהאטמוספירה הופכת קשה יותר לחיזוי עם הזמן — באזורים מסוימים, כגון חלקים מצפון אמריקה, דרום אמריקה, דרום אפריקה ומערב אסיה, נרשמה עדיין עלייה בכישורים גם ב־11–12 ימים. אלה אילו סדרי זמן שבהם אזהרות מוקדמות לגלי חום וקיפאון יכולות להציל חיים ולהפחית הפסדים כלכליים. המחקר מצא גם שבאזורים שבהם נתוני הלוויין נדירים או באיכות נמוכה, שימוש בתבניות ממוצעות ארוכות־טווח של משתני הקרקע הללו עבד לפעמים טוב יותר מאשר הסתמכות על מדידות יומיות רועשות, מה שמרמז על אסטרטגיות פרקטיות למערכות חיזוי תפעוליות.

שותפות חדשה בין לוויינים ומודלי מזג אוויר

ללא מומחיות מיוחדת, המסר המרכזי ברור: הקרקע והצמחים שעליה מכילים רמזים ערכיים לגבי טמפרטורת האוויר של המחר, ולוויינים נמצאים במצב ייחודי ללכוד רמזים אלה ברחבי העולם. בכך שמאפשרים למערכת למידה עמוקה ללמוד ישירות מהתצפיות האלה, הראו החוקרים שניתן לחדד את התחזיות באופן מהותי, במיוחד כמה ימים קדימה כשמתבצעות החלטות רבות. עבודתם מרמזת שמודלי מזג אוויר תפעוליים עתידיים יכולים להיות מדויקים ושימושיים יותר אם ישלבו באופן שיטתי מידע קרקעי וצמחייתי מבוסס לוויין בתהליך החיזוי — שילוב חוזקות של מודלים מבוססי פיזיקה ולמידה מונחית נתונים כדי לצפות טוב יותר את החום והקור שמעצבים את חיינו היומיומיים.

ציטוט: Ruiz-Vásquez, M., O, S., Brenning, A. et al. Land surface information from satellites boost near-surface temperature forecast skill. Commun Earth Environ 7, 245 (2026). https://doi.org/10.1038/s43247-026-03298-1

מילות מפתח: נתוני פני קרקע מהלווין, חיזוי טמפרטורה, מודלים מטאורולוגיים בלמידה עמוקה, צמחייה ואקלים, חיזוי מספרי של מזג אוויר