نظام GenFocal للذكاء الاصطناعي يسد الفجوة بين نماذج المناخ العالمية والبيانات الإقليمية

قدم علماء نظاماً يدعى GenFocal، وهو أداة ذكاء اصطناعي مصممة لترجمة بيانات المناخ العالمية الواسعة إلى أنماط طقس محلية دقيقة. يهدف هذا التقدم إلى حل مشكلة قائمة منذ فترة طويلة، حيث كانت نماذج المناخ تفتقر إلى التفاصيل اللازمة للمساعدة في التخطيط الإقليمي، مثل الاستعداد للفيضانات أو تصميم بنية تحتية مرنة.

توفر النماذج العالمية اتجاهات عامة ولكنها غالباً ما تفوت التفاصيل الدقيقة للأحداث الجوية الفردية. تقليدياً، استخدم الباحثون عمليات محاكاة تعتمد على الفيزياء، لكنها مكلفة حاسوبياً وبطيئة. كما فشلت الأساليب الإحصائية الأخرى غالباً في مراعاة العلاقات المعقدة بين متغيرات الطقس المختلفة.

يُنشئ GenFocal مجموعات كبيرة من بيانات الطقس المتوافقة مع التوقعات العالمية دون الحاجة إلى أزواج مطابقة مسبقاً من بيانات التدريب. وهذا يسهل محاكاة الأحداث النادرة والمتطرفة، مثل موجات الحر أو الأعاصير المدارية، التي يصعب عادةً على النماذج العامة رصدها.

في الاختبارات، نجح النموذج في محاكاة دورة الحياة الكاملة للأعاصير المدارية في شمال المحيط الأطلسي. كما أدى إلى تحسين تقييم موجات الحر الرطبة في الولايات المتحدة من خلال تقليل الأخطاء في التنبؤ بمجموعات الحرارة والرطوبة المتطرفة بشكل كبير.

• يقوم إطار العمل بنمذجة الروابط المكانية والزمانية للحفاظ على تماسك أنماط الطقس.
• يتعامل النظام مع 10 متغيرات مدخلة يومية وينتج 4 متغيرات بفواصل زمنية مدتها ساعتان.
• تم تدريب الذكاء الاصطناعي على بيانات تاريخية من 1980 إلى 1999 وتم تقييمه بناءً على بيانات حتى عام 2019.

هل تساءلت يوماً كيف يمكننا الاستعداد بشكل أفضل لمخاطر المناخ المحلية التي لا تستطيع النماذج العالمية رؤيتها؟ ورغم واعدته، فقد تم اختبار GenFocal بشكل خاص على تقسيم زمني للبيانات، ويعتمد أداؤه على دقة توقعات المناخ العامة التي يتلقاها. لا يحل هذا النموذج محل نماذج المناخ العالمية، بل يعمل على تنقية مخرجاتها لإنشاء رؤى محلية أكثر عملية.