تمتاز هذه المقالة بأنها خضعت لمراجعة دقيقة وفقًا لعملية التحرير والسياسات في Science X. قدر محررونا السمات الملحوظة التالية مع ضمان أن المحتوى يظل موثوقًا به: كشفت دراسة حديثة نُشِرَت في مجلة Nature أن لدى نموذج الذكاء الاصطناعي (AI) القدرة على تعزيز دقة توقعات الفيضانات. تشير البحوث إلى أن هذا النظام قادر على مطابقة أو تجاوز الأساليب الحالية الرائدة، ويوفر إنذارات أوقع لحوادث الفيضانات الكبيرة. نتيجة التغير المناخي الذي يسببه الإنسان، شهدت بعض المناطق زيادة في تكرار الفيضانات. ومع ذلك، تعتمد طرق التوقع الحالية بشكل كبير على محطات رصد تدفق الأنهار والتي ليست موزعة بالتساوي في جميع أنحاء العالم. وبالتالي، يصبح التنبؤ بالأنهار غير المقاسة أصعب، مما يؤثر بشكل خاص على البلدان النامية. لمعالجة هذه المشكلة، قام Grey Nearing وفريقه بتطوير نموذج AI.

تم تدريب هذا النموذج باستخدام بيانات من 5680 مقياس موجود بالفعل، بهدف التنبؤ بجريان الأنهار اليومي في حوض ماء غير مقاس على مدى فترة تنبؤ تبلغ 7 أيام. بعد ذلك، خضع النموذج الذكاء الاصطناعي للاختبار مقابل GloFAS (نظام الوعي العالمي للفيضانات)، البرنامج المعترف به عالميًا للتنبؤ بالفيضانات في السيناريوهات على المدى القصير والطويل. بشكل لافت، قدم النموذج الذكاء الاصطناعي توقعات الفيضانات لمدة خمسة أيام مقدمًا بنفس مصداقية التوقعات التي تقدمها النظام الحالي في نفس اليوم. علاوة على ذلك، عند التنبؤ بالأحداث الجوية الشديدة التي تحدث مرة كل خمس سنوات، أظهر النموذج الذكاء الاصطناعي دقة مقارنة أو أفضل مقارنة بتوقعات GloFAS للأحداث المرتبطة بتكرار سنوي. تشير هذه النتائج بقوة إلى أن النموذج الذكاء الاصطناعي لديه القدرة على تقديم تحذيرات الفيضانات للأحداث الطفيفة والشديدة في الأحواض غير المقاسة، مما يوفر وقتًا أطول مقدمًا من الطرق السابقة. وبالتالي، يمكن تحسين وصول توقعات الفيضانات الموثوقة في المناطق النامية بشكل كبير. للمزيد من المعلومات، يرجى الرجوع إلى الدراسة الأصلية: Grey Nearing وآخرون، "التنبؤ العالمي بالفيضانات الشديدة في حوض ماء غير مقاس"، مجلة Nature (2024). DOI: 10. 1038/s41586-024-07145-1.