تطوّرت التوقعات الجوية بشكل تدريجي، لكنه هائل، خلال العقود الماضية. وبحسب أحد المؤشرات، أصبحت توقعات الطقس لخمسة أيام دقيقة بقدر ما كانت عليه التوقعات لثلاثة أيام في عام 2000.
تعتمد أنظمة بيئية كاملة على دقة التوقعات الجوية، ما يعني أن أي تحسّن على هذا الصعيد، خصوصاً في ظلّ تقلبات الطقس المتزايدة نتيجة التغيّر المناخي، سيساعد في تمكين الأفراد من إدارة المخاطر بشكل أفضل، ويتيح أيضاً لقطاعات كاملة تجنّب خسائر اقتصادية بمليارات الدولارات.
ففي الولايات المتحدة وحدها، يُقدّر أن نحو ثلث الاقتصاد، أي ما يعادل 3 تريليونات دولار، يتأثر بالطقس والمناخ.
ومن أبرز المجالات الواعدة في هذا الإطار الذكاء الاصطناعي. فمنذ عام 2022، تصاعدت المنافسة بين كبرى شركات التكنولوجيا والشركات الناشئة والباحثين الأكاديميين والهيئات الوطنية للأرصاد الجوية، مع إجراء كلّ منها تجارب في مجال تعلّم الآلة.
ومع ذلك، رغم الفرص الواعدة بإحداث تحوّل جذري في قطاع الأرصاد الجوية عالمياً، تبقى التحديات قائمة. اليوم، الرموز التي تظهر في تطبيقات الطقس على هاتفك، من شمس مشرقة إلى غيوم متلبّدة، لا تزال نتاج سلسلة من العمليات التي تشمل أجهزة دقيقة، وحواسيب قوية، ومعادلات رياضية معقدة.
اقرأ أيضاً: موسم أعاصير متوعد يختبر توقعات الذكاء الاصطناعي للطقس
كيف يتم التنبؤ بالطقس؟
الغلاف الجوي نظام معقّد وفوضوي بطبيعته، حيث يمكن لاضطراب طفيف في منطقة ما أن يُحدث تغييرات كبيرة في منطقة أخرى.
وللتنبؤ بحالة الطقس بعد ساعات أو أيام، يعتمد خبراء الأرصاد الجوية على عشرات الملايين من البيانات التي تجمعها أجهزة متعددة.
فبالونات الطقس، مثلاً، تحمل مسابير جوية لاسلكية (راديوسوند) تعمل بالبطارية لقياس الضغط الجوي ودرجة الحرارة والرطوبة النسبية، ثمّ إرسال هذه القراءات. كما يعتمد خبراء الأرصاد الجوية على السفن التجارية التي تطلق هذه المسابير فوق شمال المحيط الأطلسي لتوفير قراءات من شمال المحيط الهادئ الذي يُعدّ من أكثر المناطق افتقاراً للبيانات، في حين تزوّد الطائرات التجارية المختصين ببيانات لحظية عن الغلاف الجوي.
وتقيس الأقمار الاصطناعية الكبرى التي تديرها هيئات حكومية حول العالم، بيانات مثل درجة حرارة سطح البحر والمتساقطات والرطوبة، إلى جانب مراقبة الكوارث الطبيعية والتنبؤ بها، مثل الثوران البركاني والحرائق والفيضانات والعواصف.
تُدمج هذه البيانات مع توقعات جوية سابقة، تعود إلى بضع ساعات أو حتى أيام، باستخدام تقنية تُعرف بـ”استيعاب البيانات”، وذلك لرسم الصورة الأدق للحالة الراهنة للغلاف الجوي. وتُلقَن هذه “اللقطة اللحظية” أو الحالة الابتدائية إلى حاسوب فائق السرعة مبرمج على نموذج للطقس.
يعتمد هذا النموذج على تقسيم كوكب الأرض إلى شبكة ثلاثية الأبعاد، ويستخدم معادلات فيزيائية تصف حركة الهواء. ومن خلال حلّ هذه المعادلات، يُمكن للحاسوب “تسريع” اللقطات، وبالتالي التنبؤ بحال الطقس.
وتُكرّر هذه العملية كل بضع ساعات، ما يتيح تحديث النموذج بشكل مستمر اعتماداً على بيانات جديدة من الغلاف الجوي الفعلي. والنتيجة: نقطة انطلاق كل توقع جديد تكون أقرب ما يمكن إلى الواقع.
يمكن وصف ما يجري بـ”أثر الفراشة”، حيث يمكن لحدث بسيط (كرفرفة جناحي فراشة) أن يُفضي إلى تغييرات كبيرة في الأحوال الجوية. وهذا يعني أن الخطأ مهما كان طفيفاً، أو الإهمال لأحد التفاصيل في نموذج الطقس، قد يحرف التوقعات عن الواقع بشكل كبير. ولتجنب هذه الأخطاء، يعمد خبراء الأرصاد إلى تشغيل مجموعة من النماذج المتنوعة، تنطلق من حالات ابتدائية مختلفة قليلاً.
ومنذ عام 2022، برزت موجة من نماذج الطقس المدعومة بالذكاء الاصطناعي. فبدل الاعتماد على معادلات فيزيائية لوصف الغلاف الجوي، تُدرَّب هذه النماذج على بيانات تاريخية تعيد بناء أنماط الطقس الماضية، لتتمكن من التعرّف على الأنماط، والقيام بالتوقعات باستخدام قدرة حاسوبية أقل بكثير.
ما مدى دقة التوقعات الجوية؟
منذ أول توقع جوي بمساعدة الحاسوب في عام 1950، تحسنت دقة التوقعات بشكل مطّرد بفضل التقدّم العلمي والتكنولوجي المتواصل. ويشمل ذلك تنامي القدرة على جمع كميات هائلة من البيانات الرصدية ودمجها في نماذج الطقس، إلى جانب زيادة قوة الحوسبة اللازمة لمعالجة هذه المعلومات.
وفي تسعينيات القرن الماضي وبداية الألفية، أسهم التقدم في استخدام تقنية الأقمار الاصطناعية في سدّ فجوات البيانات في نصف الكرة الجنوبي، ما ساعد على تقليص الفجوة في دقة التوقعات بينه وبين النصف الشمالي.
وبفضل هذه التحسينات، أصبح من الممكن، كمعدل تقريبي، إضافة يوم كامل إلى أفق التوقعات كل عشر سنوات.
مع ذلك، يمكن للتنبؤات الجوية أن تخطئ، إذ ينطوي كل توقّع على قدر من عدم اليقين. ويُعزى ذلك بشكل رئيسي إلى عاملين: نقص البيانات الرصدية المتوفرة، والتقريبات التي تضطر النماذج للقيام بها.
ولهذا السبب، يردّد خبراء الأرصاد مقولة شهيرة لعالم الإحصاء في القرن العشرين جورج بوكس: “جميع النماذج خاطئة، لكن بعضها مفيد”.
وفي بعض الحالات، قد تخطئ التوقعات بشكل فادح. ففي عام 2015، حذّرت التوقعات من عاصفة ثلجية تاريخية قد تُسقط نحو 91 سنتيمتراً من الثلج على مدينة نيويورك.
وعلى إثر ذلك، أٌغلقت شبكة المترو وألغيت آلاف الرحلات الجوية وفُرضت قيود واسعة على حركة السير. لكن الواقع جاء مغايراً، إذ لم تتجاوز سماكة الثلوج في “سنترال بارك” بمانهاتن 20 سنتيمتراً.
وقدّمت الهيئة الوطنية للأرصاد الجوية اعتذاراً علنياً عن الخطأ. وأحد أسباب هذا الإخفاق أن النماذج قرأت مسار العاصفة أقرب إلى اليابسة عند ساحل الأطلسي، مما كان عليه فعلياً.
اقرأ أيضاً: علماء مناخ يراهنون على الذكاء الاصطناعي لجمع بيانات الطقس
هل بعض نماذج التوقعات الجوية أدق من غيرها؟
توجد عدة نماذج رئيسية تحلل الطقس حول العالم، تديرها هيئات أرصاد وطنية في دول مثل المملكة المتحدة وسويسرا وفرنسا واليابان. ويُعد نموذجان عالميان على وجه الخصوص بمثابة المعيار الذهبي في مجال التوقعات الجوية: أحدهما طورته أوروبا، والآخر الولايات المتحدة.
النموذج الأميركي، المعروف باسم “النظام العالمي للتوقعات” (GFS)، تطوّره وتشغّله الإدارة الوطنية للمحيطات والغلاف الجوي .أما النموذج الأوروبي، المعروف باسم “يورو”، فيشغّله المركز الأوروبي للتوقعات الجوية متوسطة المدى (ECMWF). ويُشَغّل كلا النموذجين أربع مرات يومياً، ويقدّمان توقعات تمتد لنحو أسبوعين.
لكل من النموذجين نقاط قوة ونقاط ضعف، ويختلفان في جوانب متعددة، من بينها طريقة معالجة البيانات الرصدية وطريقة التعامل مع أنظمة السُحب. وبشكل عام، يقدم النموذج الأوروبي توقعات أدق. لكن الفروقات في تصميم النموذجين، إلى جانب اختلاف مهام المؤسستين اللتين تديرهما، تصعّب إجراء مقارنة مباشرة بينهما.
من أبرز الفروقات بين النموذج الأميركي والأوروبي، هو دقة الوضوح. فالنموذج الأميركي (GFS) يعمل بشبكة قياسها 13 كيلومتراً، في حين يعتمد النموذج الأوروبي (ECMWF) شبكة قياسها 9 كيلومترات. وتعمل الولايات المتحدة حالياً على ترقية نموذجها لمواكبة دقة “يورو”.
كلما صغرت شبكة النموذج، ازدادت قدرته على التقاط التفاصيل الدقيقة في الغلاف الجوي، تماماً كما تسمح دقة البكسل في كاميرا هاتفك بتكبير الصورة بوضوح. وهذا ينعكس على تحسين دقة التوقعات. لكن رفع درجة الدقة يتطلب قدرة حوسبة أكبر، إذ يزداد حجم العمليات الحسابية. وبشكل عام، فإن مضاعفة دقة النموذج تتطلب قوة حاسوبية أكبر بعشر مرات.
على عكس النموذج الأميركي “GFS”، المتاح مجاناً بالكامل للاستخدام والتنزيل، فإن نموذج “ECMWF” الأوروبي يتطلب ترخيصاً مدفوعاً قد يكون مكلفاً.
وتشمل الجهات التجارية التي تستخدم بيانات هذا النموذج شركات أرصاد خاصة مثل “Atmospheric G2″، بالإضافة إلى تطبيق الطقس في “أبل” وخدمة “جوجل ويذر”. وقد بلغت إيرادات المركز الأوروبي من بيع توقعاته وبياناته نحو 13.7 مليون جنيه إسترليني (18.6 مليون دولار) في عام 2023.
في غضون ذلك، تعمل كلّ من الإدارة الوطنية للمحيطات والغلاف الجوي والمركز الأوروبي للتوقعات الجوية متوسطة المدى على تطوير قدراتهما باستخدام الذكاء الاصطناعي. ففي فبراير 2025، أطلق المركز الأوروبي أول نموذج تشغيلي للتوقعات الجوية مدعوم بالذكاء الاصطناعي، وأفاد المركز بأن هذا النموذج تفوّق على الأساليب التقليدية من حيث العديد من المؤشرات.
كما دخلت شركات التكنولوجيا على الخط مع إجرائها تجارب لتطوير نماذج طقس قائمة على الذكاء الاصطناعي، ما قد يضعها في منافسة مباشرة مع هيئات الأرصاد الجوية التقليدية.
فعلى سبيل المثال، تقول شركة “ديب مايند” التابعة لـ”جوجل” إن نموذجها “غراف كاست” (GraphCast) تفوّق على الأساليب التقليدية في توقع مسارات الأعاصير في المحيطَين الهادئ والأطلسي خلال الفترة من 2021 إلى 2024.
مع ذلك، لا تزال نماذج الذكاء الاصطناعي بحاجة إلى تطوير قدراتها على صعيد مؤشرات أخرى، مثل توقع شدة العواصف. ويرى كثير من الخبراء أن هذه النماذج، سواء طُوّرت من جانب جهات خاصة أو حكومية، ستكون على الأرجح مكمّلة لأساليب التنبؤ التقليدية لا بديلاً عنها.
ويُعزى ذلك جزئياً إلى أن نماذج الذكاء الاصطناعي تعتمد على أرشيفات عامة ضخمة من بيانات الطقس والمناخ جُمعت أصلاً باستخدام نماذج فيزيائية تقليدية.
كيف يُستخدم الذكاء الاصطناعي من أجل التنبؤ بالطقس؟
تمرّ عملية إعداد التوقعات الجوية بعدة مراحل، وقد بدأ العلماء بالفعل في توظيف تقنيات الذكاء الاصطناعي ضمن بعض منها.
في المرحلة الأولى، وهي زيادة البيانات المتوفرة، يتيح الذكاء الاصطناعي توسيع نطاق البيانات الرصدية المستخدمة في التوقعات، بما يتجاوز البيانات الجوية التقليدية ليشمل عناصر غير لا ترتبط مباشرة بالأرصاد الجوية مثل تخطيط المدن والبيانات الديموغرافية وسجلات استهلاك الطاقة في الوقت الفعلي.
وقد اتخذ المركز الأوروبي للتوقعات الجوية متوسطة المدى خطوات في هذا الاتجاه، ما مكّنه من تحسين توقعاته المتعلقة بحرائق الغابات باستخدام خوارزميات ذكاء اصطناعي تحلل أنماط الحرائق ومصادر الوقود المحتملة والنشاط البشري.
ولا يقتصر دور الذكاء الاصطناعي على توسيع نطاق البيانات المستخدمة في التوقعات، بل يمكنه أيضاً استخلاص معلومات إضافية من البيانات المتوفرة. فعلى سبيل المثال، يستخدم مرصد هونغ كونغ منذ سنوات تقنيات “الرؤية الحاسوبية”، أحد فروع الذكاء الاصطناعي، لتحليل صور الرادار الخاصة بالأمطار، ومن ثم احتساب اتجاه حركتها وسرعتها للقيام بالتوقعات.
يُستخدم الذكاء الاصطناعي أيضاً لتحسين التنبؤات الجوية التي تنتجها النماذج التقليدية. فعلى سبيل المثال، توظف هيئة الأرصاد الجوية البريطانية (Met Office) تقنيات التعلّم الآلي، وهو أحد فروع الذكاء الاصطناعي، لمعالجة التوقعات الجوية بشكل إضافي، ما يعزّز دقتها ويزيد من جدواها.
في مواقع أخرى، يُستخدم الذكاء الاصطناعي في مرحلة ما بعد المعالجة لبيانات الطقس. ومن الأمثلة على ذلك استخدامه لتوقّع كمية الطاقة التي سيولّدها توربين رياح معيّن.
هل يمكن للذكاء الاصطناعي أن يحدث فرقاً؟
يكفي أن تفتح تطبيق الطقس على هاتفك حتى تطلع على توقعات الأحوال الجوية، إلا أن عملية التوقع نفسها لا تزال معقدة ومكلفة وتتطلب الكثير من الموارد.
فمحاولات تحسين التوقعات بالاعتماد على الأساليب التقليدية وحدها تصطدم بعقبات، إذ تتطلب حواسيب فائقة بحجم وكلفة متزايدة.
ولهذا السبب، يجري العلماء تجارب لاختبار ما إذا كان الذكاء الاصطناعي قادراً على تقديم وسائل أكثر كفاءة وأقل كلفة لتحسين التوقعات، خاصة في المجالات التي لم تحقق الطرق التقليدية تحسناً فيها.
من أبرز هذه المجالات توقعات الطقس شديدة المحلية. فالنماذج التقليدية الحالية جيدة في رصد الأنظمة الجوية واسعة النطاق، مثل مناطق الضغط المرتفع والمنخفض، لكنها تواجه صعوبة في رصد الظواهر المحدودة جغرافياً، مثل العواصف المطرية أو الزوابع.
صحيح أن تقليص حجم شبكة النموذج يساعد في التقاط هذه التفاصيل، لكن الكمّ الهائل من العمليات الحسابية الإضافية اللازمة يجعل الأمر باهظ الكلفة وغير عملي بالأساليب التقليدية.
اقرأ أيضاً: إنفيديا تتعاون مع “G42” الإماراتية في إنشاء مختبر لتكنولوجيا المناخ
يمكن أن يساعد الذكاء الاصطناعي في هذا المجال عبر خفض كلفة تحويل التوقعات الجوية العامة إلى توقعات دقيقة ومفصّلة، وتسريع هذه العملية. من الأمثلة على ذلك نموذج “CorrDiff” من شركة “إنفيديا”، الذي يستخدم تقنيات الذكاء الاصطناعي لإنتاج توقعات عالية الدقة تتعلق بظواهر مثل الأعاصير والتيارات الباردة، مع استهلاك جزء بسيط من الطاقة مقارنة بالنماذج الفيزيائية التقليدية لتحقيق النتائج نفسها.
ويُعد التنبؤ بالأمطار من المجالات الأخرى التي يمكن أن يساعد الذكاء الاصطناعي على تحقيق تحسينات فيها. إذ لا يزال توقع الهطولات في المناطق الاستوائية أقل دقة بكثير مقارنة بالمناطق الأبعد عن خط الاستواء، حيث تقع الدول ذات الاقتصادات الأكثر تقدماً.
ويُعزى هذا التفاوت إلى اختلاف خصائص أنظمة الهطولات، ما يصعّب التنبؤ بها، إضافة إلى الفروقات في جودة ونطاق أنظمة الرصد الجوي.
تُبذل حالياً جهود كثيرة لمعالجة هذه الثغرات. فمرصد هونغ كونغ، على سبيل المثال، يختبر تقنيات الذكاء الاصطناعي لتحسين التوقعات الفورية لتساقط الأمطار، أي التوقعات لساعات قليلة مقبلة. أما المركز الأوروبي “ECMWF”، فوجد أن نموذجه المدعوم بالذكاء الاصطناعي يتفوّق على النموذج التقليدي في توقعات الأمطار، سواء في المناطق الاستوائية أو خارجها.
وفي الاتجاه نفسه، تعتمد شركة “إغنيتيا” (Ignitia) السويدية الناشئة على تقنيات الذكاء الاصطناعي لإنتاج توقعات مطرية شديدة الدقة، تُوجّه بشكل خاص للمزارعين في الدول النامية، حيث تغطية الرادار محدودة أو شبه غائبة.
المجال الثالث هو التوقعات دون الفصلية، وهي التوقعات التي تغطي الفترة ما بين أسبوعين وثلاثة أشهر. وتكتسب هذه التوقعات أهمية كبرى بالنسبة لأسواق الطاقة والزراعة، وكذلك لجهود الاستعداد للكوارث. إلا أن هذا النوع من التوقعات ظلّ يعاني من ما يُعرف بـ”صحراء القابلية للتنبؤ”، نظراً لوقوعه بين توقعات الطقس وتوقعات المناخ.
وهنا أيضاً، قد يوفر الذكاء الاصطناعي فرصة لاختراق هذا الحاجز. فعلى سبيل المثال، طوّر باحثون في جامعة فودان الصينية نموذجاً يقولون إنه يتفوّق على نموذج “ECMWF” في التنبؤ بظاهرة جوية رئيسية تُعرف باسم “تذبذب مادن–جوليان”، والتي يُمكن أن تُحسّن دقة التوقعات المتعلقة بالأمطار ودرجات الحرارة قبل أسابيع من وقوعها.
وبات تحقيق تقدم في مجال التوقعات دون الفصلية محور اهتمام متزايد في أوساط العلماء، في ظلّ التقلبات الجوية المتزايدة الناتجة عن تغيّر المناخ.
