الذكاء الاصطناعي يتنبأ بالإجهاد الحراري للشعاب المرجانية قبل حدوث التبييض

الشعاب المرجانية لا تتحول فجأة إلى اللون الأبيض بين ليلة وضحاها؛ فالتبييض غالبًا ما يبدأ بعد أسابيع من ارتفاع الإجهاد الحراري، والآن، طور العلماء نموذج ذكاء اصطناعي يمكنه تحذير مديري الشعاب المرجانية من هذا الخطر قبل أسابيع من حدوثه.

يستطيع النظام الجديد التنبؤ بالإجهاد الحراري المعتدل – وهو علامة مبكرة على تبييض المرجان – قبل ستة أسابيع من بدايته على طول الشعاب المرجانية في فلوريدا. وفي معظم الحالات، يظل التنبؤ دقيقًا بفارق أسبوع تقريبًا عن الوقت الفعلي لحدوث الإجهاد.

يقود هذا البحث فريق من جامعة ميامي، ويقدم وسيلة جديدة لحماية الشعاب من خلال منح المدراء الوقت لاتخاذ الإجراءات قبل أن تبدأ الأضرار الجسيمة.

نُشرت الدراسة في مجلة Environmental Research Communications.

التحذيرات المبكرة تحمي الشعاب

الشعاب المرجانية نظم حيوية حية تدعم الأسماك، تحمي السواحل، وتدعم الاقتصادات المحلية. ومع ذلك، فإن الشعاب حساسة جدًا للحرارة؛ فعندما تبقى درجات حرارة المحيط مرتفعة لفترة طويلة، تصاب الشعاب بالإجهاد وقد تتعرض للتبييض، ما يضعفها وقد يؤدي إلى موتها إذا لم تتحسن الظروف.

تشهد الشعاب المرجانية في فلوريدا ومنطقة الكاريبي الآن إجهادًا حراريًا أكثر تواترًا مقارنة بالماضي. وأظهرت أحداث مثل موجة الحرارة البحرية القياسية في 2023 مدى سرعة تحول الظروف إلى خطر يهدد الشعاب.

يحتاج مدراء الشعاب إلى تحذيرات مبكرة دقيقة على مستوى المواقع، وليس فقط تنبيهات عامة على مستوى المنطقة. ويهدف هذا النموذج الجديد للذكاء الاصطناعي إلى سد هذه الفجوة.

الذكاء الاصطناعي يحدد مخاطر حرارة الشعاب

تقدم الدراسة نظام تعلم آلي قابل للشرح ومخصص لكل موقع، مصمم لمساعدة علماء الشعاب وفرق الترميم. بدلاً من تقديم تنبؤات عامة، يركز النموذج على مواقع الشعاب الفردية على طول شعاب فلوريدا المرجانية.

وقالت مؤلفة الدراسة الرئيسة، ماريبيث أركوديا، أستاذة مساعدة في جامعة ميامي: “يوفر هذا النموذج للعلماء ومديري الموارد إشعارًا مسبقًا بما إذا كان من المحتمل حدوث إجهاد حراري في الموسم، والأهم من ذلك، الأسبوع الذي من المرجح أن يبدأ فيه”.

وباستخدام الذكاء الاصطناعي القابل للشرح، يستطيع الباحثون تحديد العوامل البيئية التي تؤثر على التنبؤ في كل موقع، مما يميز هذا النموذج عن العديد من أنظمة الذكاء الاصطناعي الأخرى غير الشفافة.

البيانات البيئية تغذي الذكاء الاصطناعي

جمع فريق البحث خبرات في علوم الغلاف الجوي، بيئة الشعاب المرجانية، وعلوم البيانات بهدف إنشاء أداة عملية لإدارة الشعاب في الواقع الفعلي.

اعتمد الفريق على نموذج XGBoost لتوقع بدء الإجهاد الحراري المعتدل في ثلاثة مواقع للشعاب، مستخدمين بيانات بيئية من 1985 إلى 2024 لتدريب النظام. شملت العوامل التي درسها النموذج تغيرات درجة حرارة سطح البحر، درجة حرارة الهواء، أنماط الرياح، الإشعاع الشمسي، والظواهر الكبرى في المحيط مثل تيار لوب وظاهرة النينيو.

وباستخدام سجلات طويلة الأمد والإشارات البيئية المتعددة، تعلم النموذج كيف يتطور الإجهاد الحراري في كل موقع.

ما الذي يسبب الإجهاد الحراري

أظهرت النتائج أداءً قويًا، حيث أنتج النظام تنبؤات مفيدة قبل ستة أسابيع تقريبًا من الحدث. وفي معظم الحالات، كانت التنبؤات متطابقة تقريبًا مع بداية الإجهاد الفعلي بفارق أسبوع واحد.

وقال ريتشارد كارب، مؤلف مشارك وزميل ما بعد الدكتوراه: “نظام التنبؤ لدينا أنتج توقعات دقيقة تصل إلى ستة أسابيع مقدمًا، وفي معظم الحالات كانت دقيقة بفارق أسبوع تقريبًا عن بدء الإجهاد الفعلي”.

وتفوق النموذج على نهجين قياسيين هما نموذج الانحدار اللوجستي المتعدد وطريقة تعتمد على التكرار، سواء في توقع حدوث الإجهاد الحراري أو توقيت بدايته، ما يمنح المدراء ثقة أكبر عند التخطيط للاستجابة.

الاختلاف بين مواقع الشعاب

استخدم الفريق أيضًا طرق الذكاء الاصطناعي القابل للشرح SHAP لفهم العوامل البيئية الأكثر تأثيرًا على كل توقع. وأظهرت النتائج أن أسباب الإجهاد الحراري تختلف حسب الموقع وتتغير وفقًا لموعد التنبؤ.

وكانت درجة حرارة الهواء السطحية دائمًا من أقوى العوامل المؤثرة، بينما اختلفت العوامل الأخرى حسب الموقع والتوقيت. وأكد كارب: “يوفر نموذجنا معلومات تساعد المدراء على تحديد نقاط التحفيز في خطط الطوارئ، ودعم القرارات التخطيطية والاستجابة الفعالة”.

التحذيرات المبكرة تمكّن من التدخل

أكبر قوة لهذا النموذج تكمن في التوقيت؛ فالتنبؤات تصل في وقت يسمح باتخاذ الإجراءات.

وقال كارب: “تُقدَّم هذه الرؤى في أوقات لا يزال فيها بالإمكان تنفيذ إجراءات الإدارة، ما يساعد على تحديد أولويات المراقبة، وإبلاغ متى يجب بدء إجراءات الطوارئ، وتوجيه الموارد بشكل أكثر فعالية”.

يمكن للمديرين استخدام هذه المعلومات لزيادة المراقبة، حماية مشاتل الشعاب المرجانية الضعيفة، أو تجهيز استجابة طارئة قبل ذروة الإجهاد الحراري.

تعزيز مراقبة الشعاب الحالية

يشدد الباحثون على أن هذا الإطار الجديد لا يحل محل أدوات مثل NOAA Coral Reef Watch، بل يضيف طبقة جديدة من التفاصيل المحلية والموسمية، مما يساعد على تحويل التحذيرات المبكرة إلى قرارات عملية.

مع استمرار ارتفاع درجات حرارة المحيطات، قد تصبح أدوات مثل هذا النظام ضرورية لمنح الشعاب المرجانية فرصة للبقاء.