في ظل [تغير المناخ](/tag/تغير-المناخ) الذي يزيد من حدة الأمطار المتساقطة، باتت الانزلاقات الأرضية تمثل خطرًا متزايدًا في جميع أنحاء العالم. لذلك، أصبح من الضروري [تطوير](/tag/تطوير) [أنظمة إنذار مبكر](/tag/[أنظمة](/tag/أنظمة)-إنذار-مبكر) للانزلاقات الأرضية (LEWS) التي تزودنا بوقت كافٍ للإخلاء وتتيح متابعة [الكوارث الطبيعية](/tag/[الكوارث](/tag/الكوارث)-الطبيعية) في الزمن الحقيقي.

تعتمد هذه الأنظمة على دمج [بيانات](/tag/بيانات) الأمطار الحالية مع [التوقعات](/tag/التوقعات) القصيرة المدى، مما يستلزم [فهم](/tag/فهم) حالة [البيئة](/tag/البيئة) المحيطة. لكن تكمن المشكلة في أن معظم طرق [التنبؤ](/tag/التنبؤ) بالانزلاقات تعتمد على تقديرات دقيقة لمستويات الأمطار، بينما في واقع الأمر، تعتمد [التوقعات](/tag/التوقعات) الجوية على [تنبؤات](/tag/تنبؤات) تكون غالبًا غير دقيقة، حيث يتم تحريك حقول الأمطار مما يؤدي إلى تقليل [دقة](/tag/دقة) [التنبؤ](/tag/التنبؤ).

لذا قدم الباحثون نظامًا مبتكرًا يوفر استجابة فعالة لتغيرات الحقول المائية، ويعمل على تحديد [المخاطر](/tag/المخاطر) المرتبطة بالانزلاقات الأرضية من خلال [تمثيلات](/tag/تمثيلات) متينة وموثوقة. يعتمد هذا النظام الجديد على [تقنيات تعليمية](/tag/[تقنيات](/tag/تقنيات)-تعليمية) متقدمة تُعرف بـ "[تعليم](/tag/تعليم) [التباين](/tag/التباين) المدرك لحركة الأمطار" (Rainfall-Motion-Aware Contrastive Learning، RMCL) التي تحاكي التغيرات الناتجة عن [التنبؤات](/tag/التنبؤات) على [البيانات](/tag/البيانات) البيئية.

عند إجراء [التجارب](/tag/التجارب) باستخدام [بيانات](/tag/بيانات) الأمطار والتضاريس لأكثر من عامين [عبر](/tag/عبر) 19 منطقة في اليابان، أظهرت النتائج أن النظام الجديد حقق زيادة في [الدقة](/tag/الدقة) تصل إلى 37% مقارنةً بالنظم التقليدية. هذه النتائج تعزز فكرة أن [نمذجة](/tag/نمذجة) الأمطار كحقول مكانية متحركة، ومعالجة المشكلات الناتجة عن تغيير الحقول خلال التعلم، يمكن أن يرتقي بدقة [التنبؤات](/tag/التنبؤات) قصيرة المدى في [أنظمة](/tag/أنظمة) الإنذار المبكر، مما يساعد في إنقاذ الأرواح.