تستخدم أقمار الرادار التابعة لشركة Tomorrow.io التعلم الآلي لضرب وزن أعلى بكثير

أولئك منا المحظوظين بما يكفي للجلوس بجوار النافذة يمكنهم التنبؤ بالطقس بمجرد النظر إلى الخارج، ولكن بالنسبة للأقل حظًا، فإن التنبؤ بالطقس وتحليله يتحسن باستمرار. أصدرت شركة Tomorrow.io للتو نتائج أول قمرين صناعيين للرادار، والتي، بفضل التعلم الآلي، أصبحت قادرة على المنافسة مع تكنولوجيا التنبؤ الأكبر والأقدم على الأرض وفي المدار.

كانت الشركة تخطط لهذه المهمة منذ أن أطلق عليها اسم ClimaCell، في عام 2021، وتُظهر النتائج التي سيتم إصدارها اليوم (والتي سيتم تقديمها رسميًا في مؤتمر للأرصاد الجوية قريبًا) أن نهجهم عالي التقنية ناجح.

يعد التنبؤ بالطقس معقدًا لعدة أسباب، ولكن التفاعل بين الأجهزة عالية الطاقة ولكن القديمة (مثل شبكات الرادار والأقمار الصناعية القديمة) والبرمجيات الحديثة هو تفاعل كبير. هذه البنية التحتية قوية وقيمة، ولكن تحسين إنتاجها يتطلب الكثير من العمل في الجانب الحسابي – وفي مرحلة ما تبدأ في الحصول على عوائد متناقصة.

لا يقتصر الأمر على “هل ستمطر بعد ظهر هذا اليوم” فحسب، بل تنبؤات أكثر تعقيدًا وأهمية مثل الاتجاه الذي ستتحرك فيه العاصفة الاستوائية، أو بالضبط مقدار الأمطار التي سقطت على منطقة معينة بسبب عاصفة أو جفاف. وتتزايد أهمية هذه الأفكار مع تغير المناخ.

لا شك أن الفضاء هو المكان الواضح للاستثمار، ولكن البنية الأساسية للأحوال الجوية ضخمة وثقيلة إلى حد كبير. القمر الصناعي العالمي لقياس الهطول التابع لناسا، وهو المعيار الذهبي لهذا المجال الذي تم إطلاقه في عام 2014، يستخدم رادار النطاق Ka (26-40 جيجا هرتز) وKu (12-18 جيجا هرتز)، ويزن حوالي 3850 كجم.

تتمثل خطة Tomorrow.io في إنشاء بنية تحتية جديدة للرادار الفضائي بلمسة عصرية. أقمارها الصناعية صغيرة الحجم (85 كيلو جرامًا فقط) وتستخدم نطاق Ka-band حصريًا. إن القمرين الصناعيين، Tomorrow R1 وR2، اللذين تم إطلاقهما في أبريل ويونيو من العام الماضي، بدأا الآن، بعد فترة طويلة من الاختبار والاختبار، في إظهار جودتهما.

في سلسلة من التجارب التي تخطط الشركة لنشرها في مجلة في وقت لاحق من هذا العام، تدعي شركة تومورو أنه باستخدام نطاق رادار واحد فقط وجزء صغير من الكتلة، يمكن لأقمارها الصناعية أن تنتج نتائج على قدم المساواة مع GPM والأنظمة الأرضية التابعة لناسا. عبر مجموعة متنوعة من المهام، تمكنت الأقمار الصناعية R1 وR2 من إجراء تنبؤات وملاحظات دقيقة بشكل مماثل أو حتى أفضل وأكثر دقة مثل GPM، كما تطابقت نتائجها بشكل وثيق مع بيانات الرادار الأرضي.

لقد حققوا ذلك من خلال استخدام نموذج التعلم الآلي الذي، كما وصفه كبير مسؤولي الطقس آرون تشولا، يعمل كأداتين في أداة واحدة. تم تدريبه على البيانات الواردة من كلا رادارين GPM، ولكن من خلال تعلم العلاقة بين المراقبة والفرق بين إشارتي الرادار، يمكنه إجراء تنبؤ مماثل باستخدام نطاق واحد فقط. كما يقول منشور مدونتهم:

يتم تدريب الخوارزمية باستخدام ملفات تعريف الهطول المشتقة من التردد المزدوج ولكنها تستخدم فقط ملاحظات النطاق Ka كمدخلات. ومع ذلك، يتم “تعلم” العلاقة المعقدة بين شكل المظهر الجانبي الانعكاسي وهطول الأمطار بواسطة الخوارزمية، ويتم استرداد المظهر الجانبي الكامل لهطول الأمطار حتى في الحالات التي يتم فيها توهين انعكاسية النطاق Ka تمامًا بسبب الهطول الغزير.

إنه نجاح كبير لـ Tomorrow.io إذا نجحت هذه النتائج وتم تعميمها على أنماط الطقس الأخرى. لكن الفكرة لا تتمثل في استبدال البنية التحتية الأمريكية، فشركة GPM وشبكة الرادار الأرضية موجودة هنا على المدى الطويل وهي أصول لا تقدر بثمن. المشكلة الحقيقية هي أنه لا يمكن تكرارها بسهولة لتغطية بقية العالم.

وتأمل الشركة أن يكون لديها شبكة من الأقمار الصناعية يمكنها توفير هذا المستوى من التنبؤ والتحليل التفصيلي على مستوى العالم. وستكون أقمار الإنتاج الثمانية المخطط لها أكبر – حوالي 300 كجم – وأكثر قدرة.

وقال تشولا: “نحن نعمل على توفير بيانات هطول الأمطار في الوقت الحقيقي في أي مكان في العالم، وهو ما نعتقد أنه سيغير قواعد اللعبة في مجال التنبؤ بالطقس”. “وفي هذا الصدد، نحن نعمل على الدقة والتوافر العالمي وزمن الوصول (يتم قياسه بالوقت بين التقاط الإشارة بواسطة القمر الصناعي والبيانات المتاحة لاستيعاب المنتجات)”.

إنهم يقومون أيضًا بتشغيل البيانات الحتمية، مع مجموعة أكثر تفصيلاً من صور الرادار المداري لتدريب أنظمتهم والأنظمة الأخرى عليها. ولكي ينجح ذلك، سيحتاجون إلى المزيد من البيانات، ويخططون لزيادة وتيرة جمعها من خلال إطلاق المزيد من الأقمار الصناعية هذا العام.