كم من التغير المناخي الأخير هو تقلّب الطبيعة نفسها؟

كل اتجاه مناخي نرصده هو مجموع أمرين. الأول هو الاستجابة القسرية (forced response): التغير الذي تدفعه غازات الدفيئة والهباء الجوي واستخدام الأراضي والثورانات البركانية. والثاني هو التقلبية الداخلية (internal variability): تقلبات المناخ الذاتية، مثل ظاهرة النينيو أو التذبذبات البطيئة للمحيطين الهادئ والأطلسي. والتمييز بينهما مهم، لفهم التغير المناخي وللحكم على مدى صحة النماذج المناخية على حد سواء.

المشكلة أن الواقع لا يجري إلا مرة واحدة. يمكن تشغيل النماذج المناخية عشرات المرات بالتأثير الخارجي نفسه، ومتوسط هذه التشغيلات يكشف الجزء القسري. لكن للنماذج انحيازات، والحيل الإحصائية الأبسط تفترض عادةً أن النمط القسري لا يتغير أبدًا. وقد وجدت مقارنة دولية حديثة لهذه الطرق أن الأخطاء ظلت كبيرة، وأن طرق تعلّم الآلة لم تكن أفضل من الإحصاء التقليدي.

تقدّم الورقة مثالًا تحذيريًا: فقد فُسِّر تباطؤ الاحترار العالمي بين عامي 1998 و2012 في البداية على أنه علامة على تباطؤ الاحترار الذي يسببه الإنسان وعلى خطأ النماذج، قبل أن يُعترف بأنه تقلبية داخلية.

شبكة تتعلّم الضجيج

بنى بارفاتي كولوث وونيو تشو وزملاؤهما، من المختبر الوطني لشمال غرب المحيط الهادئ وجامعتي كاليفورنيا في سان دييغو وواشنطن، شبكة ConvLSTM، وهي شبكة عصبية تجمع بين إدراك الأنماط المكانية وذاكرة لكيفية تطورها. ودرّبوها على مجموعات كبيرة من المحاكاة مأخوذة من 15 نموذجًا مناخيًا، باستخدام خرائط لدرجة حرارة السطح والأمطار والضغط عند مستوى سطح البحر. كانت مهمتها التعرّف على التقلبات الطبيعية؛ وما يتبقى هو الجزء القسري.

وعند اختبارها على نماذج لم ترها من قبل، تفوّقت على ست طرق قائمة في درجة الحرارة والأمطار والضغط خلال معظم الفترة التاريخية، باستثناء واحد: محاكاة يرى المؤلفون أنها حالة شاذة غير واقعية. أما للعالم الحقيقي، فقد طُبّقت عشر نسخ من الشبكة، دُرّبت كل منها على مجموعة مختلفة من عشرة نماذج، على المناخ المرصود منذ عام 1940.

ما تجده في السجل الحقيقي

تباطؤ الاحترار في الفترة 1998–2012 يظهر بوصفه تقلبية طبيعية، كما خلصت إليه دراسات لاحقة. ويتتبّع الجزء الطبيعي من درجة الحرارة العالمية التذبذب البطيء للمحيط الهادئ عن كثب.
القطب الشمالي. بلغ الاحترار المرصود في القطب الشمالي مؤخرًا نحو أربعة أضعاف المعدل العالمي. ووفقًا للشبكة، يبقى الجزء القسري ثابتًا تقريبًا عند نحو ثلاثة أضعاف. أما الباقي فمن صنع التقلبات الطبيعية: كبح المحيط الهادئ الاحترار العالمي، بينما عزّز تذبذبٌ إقليمي خاص بالقطب الشمالي، أي نمط من أنماط التقلبية القطبية، الاحترار هناك، ولا سيما في الفترة 2005–2020.
المحيط الأطلسي. اتخذ الفرق في درجة الحرارة بين شمال الأطلسي وجنوبه شكل الحرف V منذ عام 1950. والجزء القسري أيضًا ينخفض ثم يرتفع، بما يتوافق مع ارتفاع تلوث الهباء الجوي في نصف الكرة الشمالي ثم تراجعه لاحقًا. وقد ضخّمت التقلبية الطبيعية هذا التأرجح، فأحدثت القاع العميق في سبعينيات القرن الماضي وثمانينياته.
المحيط الهادئ والجنوب الغربي الأمريكي. منذ عام 1980، احترّ شرق المحيط الهادئ الاستوائي أقل من غربه، في نمط «شبيه بالنينيا» نادرًا ما تعيد النماذج إنتاجه. وتقول الشبكة إن الاستجابة القسرية وحدها كانت ستُنتج نمطًا معاكسًا ضعيفًا «شبيهًا بالنينيو»؛ لكن التقلبية الطبيعية عكسته. والأمر نفسه ينطبق على اشتداد الضغط المرتفع فوق شمال شرق المحيط الهادئ وعلى جفاف جنوب غرب أمريكا الشمالية: طبيعيان في معظمهما، ولا يتجاوز نصيب الجزء القسري حصة متواضعة.

بالنسبة لعدد من هذه السمات، يقع الاتجاه المرصود في الفترة 1980–2022 خارج نطاق الاستجابة القسرية المقدّرة، وهو تذكير بأن اتجاهًا تاريخيًا واحدًا قد يكون دليلًا ضعيفًا على ما تسبّب فيه البشر.

اختبار للنماذج

لأن الشبكة تعطي تقديرًا صريحًا للجزء القسري، يمكن مقارنته مباشرة بما تحاكيه النماذج. الأنماط العامة متوافقة: احترار أكبر فوق اليابسة وفي العروض العليا، وأقل فوق شمال الأطلسي شبه القطبي والمحيط الجنوبي، ومناطق مدارية وعروض عليا أكثر رطوبة، ومناطق شبه مدارية أكثر جفافًا. لكن النماذج تُدفئ نصف الكرة الشمالي أكثر، وتقوّي الضغط المرتفع شبه المداري أقل، وتجفّف اليابسة أقل. ويرى المؤلفون أن النماذج الحالية ربما تقلّل من تقدير مدى ما ستُحدثه الرياح المتغيرة من جفاف في القارات.

ويعدّد المؤلفون حدود عملهم بأنفسهم. فالشبكة تتعلم من النماذج، ولذلك قد يضلّلها انحياز تشترك فيه جميع النماذج. ومن الصعب أن نرى من داخلها لماذا تعمل بهذه الجودة. كما أنها تفترض أن متوسط مجموعة محدودة من المحاكاة هو الاستجابة القسرية الحقيقية. وضمن هذه الحدود، يخلص المؤلفون إلى أن تعلّم الآلة يمكن أن يجعل إسناد التغير المناخي الماضي أكثر متانة، واختبار النماذج أكثر دقة.