تحطيم حدود توقعات الطقس عالية الدقة عبر تحسين البيانات!

شهدت علوم الأرصاد الجوية تطورات مذهلة، حيث تمثل الدقة العالية أحد التحديات الكبرى المتاحة أمام الباحثين في هذا المجال. قام فريق من العلماء بتطوير نموذج جديد لتوقعات الطقس العالمية بدقة 0.1 درجة، مستندًا إلى تقنيات التعلم الآلي (ML)، ولكنهم واجهوا قيودًا بسبب نقص البيانات عالية الدقة.

التحدي تمثل في أن بيانات إعادة التحليل المتاحة لعقود من الزمن لم تكن أكثر من 0.25 درجة، مما يعوق عملية تحسين نماذج التوقعات. في حين تم السعي لتحسين نماذج 0.25 درجة لتتناسب مع بيانات 0.1 درجة المحدودة، أظهرت التجارب أن هذا النقل صعب بسبب فقدان المعلومات الذي يحدث أثناء عملية التوقعات ذات الدقة المنخفضة.

في ضوء ذلك، قدم العلماء إطار عمل مبتكر يسمى BaguanHR، الذي يركز على نقل البيانات عوضاً عن نقل النماذج. وقد أظهروا أن استخدام تقنية “التكبير العالي الدقة” (Super-Resolution – SR) يوفر قنوات أفضل لنقل دقة البيانات. من خلال هذه التكنولوجيا، قاموا بتوليد بيانات 0.1 درجة واسعة النطاق من بيانات ERA5، مما أضفى مصداقية أكبر على توقعاتهم.

نتائج دراسة BaguanHR أظهرت تفوق أدائها على الأساليب التقليدية المستندة إلى التعلم الآلي ونموذج IFS-HRES، حيث تحقق دقة تصل إلى 85% عبر توقيتات تصل إلى 72 ساعة. كما تم اكتشاف تأثير قانون القوة، حيث أدى زيادة البيانات إلى تقليل معدل الخطأ الجذري (RMSE) بنسبة 4.6% للتوقعات ذات الـ 72 ساعة، و4.9% للتوقعات ذات الـ 120 ساعة.

هذا البحث يسلط الضوء على أن التوسع في توقعات الطقس عالية الدقة يتعلق بشكل رئيسي بتوافر البيانات. إذ يقدم نموذج BaguanHR حلاً بسيطًا وعموميًا لتحرير البيانات القديمة من أجل تدريب دقيق وعالي الجودة.