في عالم يتغير مناخياً بوتيرة متسارعة، تبرز الحاجة إلى تقنيات قوية ومتطورة للتنبؤ بحالة المناخ. ولهذا السبب، قام الباحثون بتقييم قدرة نماذج ArchesWeather وArchesWeatherGen على إجراء محاكاة مناخية طويلة الأمد.

تم تصميم نموذج ArchesWeather كأداة حتمية لتوقعات الطقس، في حين يعتمد نموذج ArchesWeatherGen على أسلوب احتمالي يتماشى مع توقعات ArchesWeather، مما يمكّنه من قياس عدم اليقين بفعالية.

في دراستنا الحالية، قمنا بتعديل هذه النماذج لتصبح نماذج جوية مفروضة، باستخدام بيانات إضافية مثل متوسط درجات حرارة سطح البحر (SST) وتغطية الجليد البحري (SIC) كحدود شرطية. كما اتبعنا بروتوكول المرحلة الأولى من مشروع مقارنة نماذج الذكاء الاصطناعي (AIMIP)، الذي يشجع على إعداد تجريبي موحد لتقييم مهارات المناخ لنماذج الجو المستندة إلى الذكاء الاصطناعي.

تحت ظروف معينة، قمنا بتقييم شامل للنماذج وفقًا لمقارنة مع نماذج المناخ العددية، ودراسات استكشافية تفحص خيارات التصميم الرئيسية في التمديد، وتحليل التكوينات المفروضة مقابل غير المفروضة. وبشكل مثير، تُظهر النتائج أن النماذج، رغم أنها صممت في الأساس للتنبؤ بالطقس، قادرة على تقديم محاكاة مناخية طويلة الأمد مستقرة، حيث تظهر دورة سنوية ثابتة وتلتقط انحراف العديد من المتغيرات المناخية.

ولعل الأهم من ذلك، أن النماذج تعيد إنتاج بيانات ERA5 المناخية، وتُظهر الدورات الكبيرة ومتغيرات الطقس بين السنوات بشكل دقيق، ما يزيد من دقة توقعاتها. من الواضح أن مستقبل نماذج الذكاء الاصطناعي في مجال المناخ يبدو واعدًا، مع إمكانية توفير معلومات قيمة تسهم في صنع قرارات بيئية واعية.