تحديث سريع لمعالجة نبوءات الطقس باستخدام الذكاء الاصطناعي والقياسات الواقعية

تعد التنبؤات الجوية الفعالة على المدى القصير ضرورية لاتخاذ قرارات مستنيرة خلال الأحداث الجوية القاسية لتخفيف تأثيرها. تواجه نماذج التنبؤ العددي للطقس (NWP) التقليدية غالبًا تحديات في التنبؤ بدقة بالظواهر الجوية سريعة التطور. يقدم هذه الدراسة نهجًا مبتكرًا يستخدم الذكاء الاصطناعي (AI) لمعالجة توقعات NWP للأجل القريب فيما يتعلق بأحدث القياسات الجوية المتاحة. في نطاق هذا العمل، تستفيد حلنا من قياسات محطات الأرصاد الجوية على المقياس الساينوبتيكي في الوقت الحقيقي، وبيانات انعكاس الرادار، وصور الأقمار الصناعية لمعالجة توقعات نظام التنبؤ العالمي (GFS) لمنطقة وسط أوروبا. من خلال دمج هذه المصادر البيانية المتنوعة، يتم تعزيز كل من دقة ووضوح توقعات GFS المدخلة، مما يقدم زيادة في دقة خطوات التنبؤ من 3 ساعات إلى ساعة واحدة وتحديث التوقعات بأحدث القياسات كل 30 دقيقة. يستخدم حلنا داخليًا شبكة عصبية عميقة مدربة لمعالجة توقعات GFS لتقليد إعادة تحليل ERA5 عن كثب قدر الإمكان. المتغيرات المتوقعة هي إجمالي كمية المطر المتراكم، ودرجة الحرارة على ارتفاع مترين فوق الأرض، وهبات الرياح. ومع ذلك، من الناحية النظرية، فإن النهج المقدم ليس محدودًا بمجموعة البيانات المدخلة أو المتغيرات المستهدفة المذكورة أعلاه. يحقق النموذج حتى 2.5 مرة أقل خطأ مطلق متوسط مقارنة بالتنبؤات الأساسية، مما يظهر فعاليته في التقاط الديناميات الجوية في الوقت الحقيقي. علاوة على ذلك، يظهر النموذج القدرة على التحديث السريع مع توفر قياسات الطقس الجديدة، مما يؤدي إلى تحسين التنبؤات باستمرار. تضمن هذه القابلية للتكيف الديناميكي أن تظل التنبؤات ذات صلة ودقيقة، حتى في ظروف الطقس المتغيرة بسرعة. إلى جانب التقييم الكمي مقابل بيانات ERA5، سنقدم دراسة حالة توضح فائدة التنبؤات المعالجة في مواقف جوية محددة.