بيانات الأقمار الصناعية تكشف قصور نماذج الأنهار
كشف تحليل حديث لبيانات الأقمار الصناعية عن مواطن قصور جوهرية في النماذج الحاسوبية المعتمدة لتقدير تدفق المياه عالمياً، مما يهدد دقة التنبؤات المتعلقة بالمناخ وإدارة الموارد المائية. وقاد هذه الدراسة كولن غليسون، عالم الهيدرولوجيا في جامعة ماساتشوستس أمهيرست، مستخدماً بيانات القمر الصناعي الأمريكي سووت التابع لوكالة ناسا، والذي يُعد الأحدث في مجال قياس الارتفاعات السطحية للمحيطات والأنهار. وقد نُشرت النتائج في مجلة جيوفيزيكال ريسيرش ليترز. أظهرت النتائج أن النماذج القائمة على الذكاء الاصطناعي تتفوق في تقدير مياه الأنهار التقليدية التي لا تخضع لتدخل بشري ولا تتأثر بتغيرات جيولوجية معقدة، وهي فئة لا تشكل سوى أحد عشر في المئة من مجاري المياه العالمية. في المقابل، يعاني أكثر من تسعين في المئة من الأنهار من أخطاء جسيمة، لا سيما تلك التي تخضع لسيطرة السدود، أو تقع في مناطق جافة، أو تتواجد في المناطق القطبية الشمالية. ورغم أن الأنهار ذات الأخطاء الفادحة تشكل أقل من عشرة في المئة، إلا أنها تقع في مناطق حيوية وحساسة تتطلب دقة عالية لإدارة الطاقة الكهرومائية والزراعة والتكيف مع التغيرات المناخية. أوضح غليسون أن تعقيد إدارة السدود ومشاريع الطاقة الكهرومائية المضخمة يجعل من الصعب محاكاة تغيرات منسوب المياه التي تتجاوز الدورات الطبيعية، حيث تتأثر بقرارات تشغيلية وأسعار الكهرباء. كما تواجه النماذج صعوبات في المناطق الجافة مثل أستراليا وآسيا الوسطى وجنوب غرب الولايات المتحدة والمكسيك، بسبب اعتمادها المعقد على المياه الجوفية وتأخر استجابتها للضخ. وفي المناطق القطبية، يُعزى القصور إلى ندرة البيانات التاريخية اللازمة لتدريب الخوارزميات، مما يعيق قدرة الذكاء الاصطناعي على استنباط أنماط دقيقة. أشار الباحث إلى أن هذه المعطيات تفرض إعادة النظر في الاعتماد الكلي على النماذج التنبؤية، خاصة في المناطق التي تعاني من فجوات بيانات أو تدخل بشري مكثف. واقترح غليسون اعتبار بيانات الأقمار الصناعية مثل سووت بديلاً موثوقاً للنماذج الحسابية في المناطق عالية التعقيد، مؤكداً ضرورة العودة إلى منهجية الاعتماد المباشر على القياسات الفضائية قبل اللجوء إلى المحاكاة الرياضية. وتفتح هذه الدراسة آفاقاً جديدة لتحسين دقة التنبؤات الهيدرولوجية، وتوجه الجهود البحثية نحو معالجة الفجوات المعرفية في المناطق الأكثر هشاشة مائياً، مما يعزز قدرة البشرية على التخطيط المستدام في ظل الضغوط المناخية المتزايدة.
