التنبؤ بالجفاف متعدد المقاييس باستخدام مؤشر SPI ونظام الإنذار المبني على العتبات باستخدام نماذج تعلم الآلة المُحسّنة: دراسة حالة لإمارة الشارقة، الإمارات العربية المتحدة

منطقة الدراسة: إمارة الشارقة، الإمارات العربية المتحدة، شبه الجزيرة العربية. تركيز الدراسة: يواجه التنبؤ بالجفاف في البيئات الجافة تحديات بسبب قلة هطول الأمطار غير المنتظمة والتحولات المفاجئة بين الحالات الرطبة والجافة. تُطور هذه الدراسة إطار عمل متعدد المقاييس باستخدام تعلم الآلة (ML) للتنبؤ بمؤشر هطول الأمطار القياسي (SPI) قبل شهر واحد في الشارقة، الإمارات العربية المتحدة، باستخدام بيانات هطول الأمطار ودرجات الحرارة الشهرية من عام 1995 إلى 2024. تم التنبؤ بـ SPI-3 وSPI-6 وSPI-12 تحت ثلاث تكوينات للمتنبئات: SPI السابق مع المتغيرات المناخية، SPI فقط، والمناخ فقط. تم تقييم سبع عائلات من النماذج: الغابة العشوائية (RF)، التعزيز المتطرف للتدرج (XGB)، انحدار ناقلات الدعم (SVR)، المتوسط المتحرك التكامل الذاتي مع المدخلات الخارجية (ARIMAX)/المتوسط المتحرك التكامل الذاتي الموسمي (SARIMA)، الشبكة العصبية الاصطناعية (ANN)، والذاكرة قصيرة المدى الطويلة (LSTM). تم اختبار هذه النماذج تحت الضبط القياسي، الخوارزمية الجينية (GA)، تحسين سرب الجسيمات (PSO)، وخوارزمية البذور الشجرية الهجينة (HFTA)، مع تصحيح بقايا ARIMA الاختياري. تم تقييم الأداء باستخدام المقاييس المستمرة، تصنيف الجفاف المبني على العتبات، أهمية المتنبئات القائمة على التبادل، ومخططات تايلور. رؤى هيدرولوجية جديدة للمنطقة: توفر هذه الدراسة فصلًا منهجيًا بين ذاكرة الجفاف والإجهادات المناخية كمتنبئات لـ SPI عبر ثلاث مقاييس تراكمية في بيئة جافة. تحسنت مهارة التنبؤ بشكل متسق من SPI-3 إلى SPI-12. أفضل نتيجة لـ SPI-3 كانت باستخدام SVR + HFTA + ARIMA تحت التكوين المشترك (R² = 0.808، RMSE = 0.295). بالنسبة لـ SPI-6، حقق نموذج XGB + PSO القائم على المناخ فقط أقوى أداء (R² = 0.891، RMSE = 0.266)، مما يظهر أنه يمكن التنبؤ بالجفاف الموسمي من المتنبئات المناخية فقط دون الحاجة إلى سجلات SPI السابقة. تم الحصول على أعلى مهارة عامة لـ SPI-12 باستخدام SVR + GA + ARIMA تحت تكوين SPI فقط (R² = 0.943، RMSE = 0.222)، مما يبرز الدور المهيمن لذاكرة الجفاف على المقاييس السنوية. أظهر التصنيف المبني على العتبات أن SPI-6 < 0 تم اكتشافه بشكل أكثر موثوقية بواسطة نموذج XGB + GA القائم على المناخ فقط، بدقة متوازنة بلغت 98.33% وبدون إنذارات كاذبة. تم اكتشاف SPI-12 ≤ −1 بشكل أفضل بواسطة LSTM + PSO، حيث بلغت الدقة المتوازنة 94.44%. أظهرت أهمية المتنبئات أن SPI السابق يحكم التنبؤات طويلة المدى، بينما تقود هطول الأمطار النماذج القائمة على المناخ فقط. يدعم هذا الإطار الإنذار المبكر بالجفاف متعدد المقاييس وتخطيط الموارد المائية في المناطق الجافة، مما يساهم في تحقيق أهداف التنمية المستدامة (SDG) 2 و6 و13.