🌊
اسپانیاسیل شدید مادرید و والنسیابارشهای سنگین و سیلاب‌های ناگهانی (Flash Floods) در مرکز و شرق اسپانیا ده‌ها خیابان را زیر آب برد. سامانه GDACS هشدار سطح نارنجی صادر کرد.
۷ اکتبر ۲۰۲۶در کمتر از یک هفته، چهار بلای طبیعی بزرگ در سه قاره رخ داده‌اند: سیل شدید اسپانیا، زلزله M5.5 آلاسکا، فعالیت مجدد آتشفشان Taal فیلیپین و طوفان گرمسیری SIMON. سوال جدی اینجاست: آیا هوش مصنوعی می‌توانست این بلایا را پیش‌بینی کند؟
اکتبر ۲۰۲۶ یکی از پرحادثه‌ترین ماه‌های سال از نظر بلایای طبیعی بوده است. در فاصله ۷ تا ۹ اکتبر، چهار بلای طبیعی بزرگ در سه قاره مختلف رخ داد — رویدادی که سازمان ملل آن را «یادآور هزینه واقعی تغییرات اقلیمی» نامید. در ادامه به هر کدام می‌پردازیم.
بارش‌های سنگین و سیلاب‌های ناگهانی (Flash Floods) در مرکز و شرق اسپانیا ده‌ها خیابان را زیر آب برد. سامانه GDACS هشدار سطح نارنجی صادر کرد.
۷ اکتبر ۲۰۲۶آتشفشان معروف Taal در فیلیپین مجدداً فعال شد. مقامات محلی وضعیت هشدار را به سطح ۳ رساندند و هزاران نفر از ساکنان منطقه تخلیه شدند.
۸ اکتبر ۲۰۲۶زلزله‌ای به بزرگی ۵.۵ ریشتر منطقه Aleneva در آلاسکا را لرزاند. USGS این رویداد را در فهرست زمین‌لرزه‌های مهم ۲۰۲۶ ثبت کرد.
۷ اکتبر ۲۰۲۲۶طوفان گرمسیری SIMON در حال تقویت در اقیانوس آرام است. مراکز هواشناسی مسیر احتمالی آن را به‌سمت هاوایی و جزایر پلینزی پیش‌بینی کرده‌اند.
۹ اکتبر ۲۰۲۶در کنار این چهار حادثه، سیل شیلی (۸ اکتبر) [[15]]، زمین‌لرزه هند و آتشفشان‌های فعال دیگر در اندونزی نیز ثبت شده‌اند. سوال اصلی اینجاست: آیا این بلایا قابل پیش‌بینی بودند؟
امروز سه نسل از مدل‌های AI در پیش‌بینی بلایا فعال‌اند — هر کدام با دقت و بازه زمانی متفاوت:
ماهواره‌های Sentinel و NASA Disasters با مدل‌های بینایی کامپیوتر، تغییرات سطح زمین، رطوبت خاک و حرارت آتشفشان‌ها را لحظه‌به‌لحظه رصد می‌کنند. این لایه می‌تواند سیل و آتشفشان را ۴۸ تا ۷۲ ساعت زودتر هشدار دهد.
مدل‌هایی مانند Google DeepMind's Nowcasting و GraphCast پیش‌بینی آب‌وهوا را با دقت ۹۲٪ در بازه ۱۰ روزه انجام می‌دهند. این مدل‌ها در سیل اسپانیا ۳۶ ساعت قبل هشدار سطح قرمز دادند.
شبکه‌های سنسور IoT با AI ترکیب شده‌اند تا زلزله را ۸ تا ۱۵ ثانیه قبل از رسیدن موج S تشخیص دهند. این زمان برای توقف قطار، خاموش کردن گاز و تخلیه ساختمان‌ها کافی است.
مدل GraphCast گوگل، سیل شدید در والنسیا را ۴۸ ساعت قبل پیش‌بینی کرد. AEMET (سازمان هواشناسی اسپانیا) هشدار قرمز صادر کرد ولی تخلیه به‌موقع انجام نشد.
شبکه USGS زلزله M5.5 را در لحظه ثبت کرد. سیستم ShakeAlert هشدار ۹ ثانیه‌ای به ساکنان Anchorage فرستاد — کافی برای پناه‌گرفتن زیر میز.
PHIVOLCS فیلیپین با تحلیل AI داده‌های لرزه‌ای و حرارتی، سطح هشدار را از ۲ به ۳ ارتقا داد. ۸,۰۰۰ نفر تخلیه شدند — صفر تلفات.
NOAA و مدل‌های AI مسیر احتمالی طوفان را لحظه‌به‌لحظه به‌روز می‌کنند. پیش‌بینی ۵ روزه با دقت ۸۷٪.
مدل GraphCast با استفاده از Graph Neural Networks، پیش‌بینی آب‌وهوا را در ۱ دقیقه انجام می‌دهد — در حالی که مدل‌های سنتی مثل HRES چند ساعت زمان نیاز دارند. در سیل اسپانیا، این مدل ۳۶ ساعت قبل از وقوع، هشدار بارش بیش از ۱۵۰ میلی‌متر را داد.
برنامه NASA Disasters با ماهواره‌های Terra، Aqua و Sentinel-1، نقشه‌های بلادرنگ از سیل شیلی و اسپانیا تهیه کرد. AI این نقشه‌ها را با جمعیت ساکن در منطقه ترکیب می‌کند تا اولویت تخلیه را مشخص کند.
شبکه‌ای از ۱,۰۰۰+ سنسور لرزه‌ای در کالیفرنیا، آلاسکا و اورگن با AI تحلیل می‌شود. این سیستم توانست در زلزله ۷ اکتبر آلاسکا، هشدار ۹ ثانیه‌ای به Anchorage بفرستد — ۹ ثانیه‌ای که می‌تواند بین مرگ و زندگی تفاوت ایجاد کند.
موسسه لرزه‌شناسی فیلیپین از مدل‌های Transformer برای تحلیل داده‌های لرزه‌ای آتشفشان Taal استفاده می‌کند. این سیستم الگوی فعالیت‌های پیش‌فوران را ۲۴ ساعت قبل تشخیص می‌دهد.
برای طوفان SIMON، مدل‌های NOAA مسیر، شدت و زمان رسیدن به خشکی را با دقت ۸۷٪ در بازه ۵ روزه پیش‌بینی می‌کنند. این دقت ۳۰٪ بهتر از مدل‌های سنتی است.
سیل مادرید و والنسیا
۴۸ ساعت قبل پیش‌بینی شد
هشدار قرمز AEMET
زلزله M5.5
هشدار ۹ ثانیه‌ای ShakeAlert
ثبت USGS
آتشفشان Taal
تخلیه ۸,۰۰۰ نفر
صفر تلفات
طوفان SIMON-26
پیش‌بینی مسیر ۵ روزه
دقت ۸۷٪
پنج تحول بزرگ در راه است که می‌تواند مرگ‌ومیر ناشی از بلایای طبیعی را تا ۷۰٪ کاهش دهد:
ماهواره‌های نسل جدید مانند NASA NISAR و ESA Sentinel-6 از سال ۲۰۲۷ داده‌هایی با دقت سانتی‌متری ارائه می‌دهند. AI این داده‌ها را ترکیب می‌کند تا زمین‌لرزه‌ها را با احتمال بیشتر پیش‌بینی کند.
پس از GraphCast و GenCast، مدل‌های بنیادین (Foundation Models) مانند Climate Foundation Model مایکروسافت در ۲۰۲۷ عرضه می‌شوند که می‌توانند بلایا را در بازه ۳۰ روزه با دقت ۸۰٪+ پیش‌بینی کنند.
سازمان ملل طرحی برای نصب ۱۰ میلیون سنسور IoT در مناطق پرخطر تا ۲۰۲۸ دارد. این سنسورها با AI متصل می‌شوند و هشدار زودهنگام برای همه بلایا فراهم می‌کنند.
هشدارها در سال‌های آینده به‌صورت خودکار به ۱۰۰+ زبان — از جمله فارسی — ترجمه و به موبایل‌های همه ساکنان منطقه ارسال خواهند شد.
در سناریوی ایده‌آل، AI Agent ها می‌توانند پس از دریافت هشدار، خودکار مسیرهای تخلیه را محاسبه، ترافیک را مدیریت و امدادگران را به نقاط اولویت‌دار هدایت کنند.