إن الملاحظات الطيفية تحت الحمراء تعتبر مصدرًا أساسيًا للبيانات في مجال توقعات الطقس العددي (Numerical Weather Prediction - NWP). فهي توفر معلومات غنية عن الهيكل العمودي لدرجات الحرارة والرطوبة في الغلاف الجوي. ومع ذلك، تركز معظم الأساليب الحالية المعتمدة على التعلم العميق على استرجاع البيانات في اتجاه واحد، دون النظر بشكل كافٍ إلى عملية محاكاة الإشعاعات العكسية والتناسق بين الحالات الجوية والإشعاعات الملاحظة.

في هذا السياق، تم تقديم SIMBA، وهو إطار عمل موحد يجمع بين استرجاع البيانات ومحاكاة الإشعاعات تحت إشراف الاستخدامات في NWP. يعتمد هذا الإطار على تنفيذ مشترك لاسترجاع ملفات تعريف الغلاف الجوي وإعادة بناء الإشعاعات، حيث يتم إدخال قيد تناسق دوري لتعزيز الترابط بين العمليتين. علاوة على ذلك، يستخدم الإطار وحدة لحالة مابا ثنائية الاتجاه لالتقاط الاعتماديات الطويلة المدى على مستويات الضغط.

تم تقييم هذه الطريقة باستخدام ملاحظات FY-4A GIIRS وبيانات إعادة التحليل ERA5. أظهرت النتائج التجريبية أن SIMBA يتفوق على العديد من النماذج الأساسية في مهام الاسترجاع وإعادة البناء مع تقديم دلالات قوية لدور التصميم الثنائي واتفاق الدورة.

تُظهر النتائج أن هذا الإطار فعال في استرجاع ملفات تعريف الغلاف الجوي ونمذجة الإشعاعات تحت الحمراء الطيفية، مما يفتح الأبواب أمام تحليل جالي وبحث ذي صلة بـ NWP في المستقبل. إن الابتكارات التي يقدمها SIMBA تشير إلى مستقبل واعد للحوسبة المناخية والمساعدة في تحسين دقة التوقعات الجوية. كيف ستؤثر هذه التكنولوجيا على مستقبل الأرصاد الجوية؟ شاركونا آراءكم في التعليقات!