Quantification of soil carbon and moisture content in varying-moisture soils withLaser-Induced Breakdown Spectroscopy and machine learning
تُظهر هذه الدراسة أن الجمع بين مطيافية الانهيار المستحث بالليزر (LIBS) والانعكاس المرئي-تحت الأحمر القريب المعتمد على الصمامات الثنائية الباعثة للضوء (LED) وانحدار النواة المرتد، يتيح التنبؤ الدقيق بإجمالي الكربون والمحتوى المائي في التربة ذات المعالجة الدنيا والرطوبة المتغيرة، مع تعزيز دقة التنبؤ بالكربون بشكل كبير من خلال المعايرة المدركة للرطوبة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
إن التربة تحت أقدامنا هي أكثر من مجرد تراب؛ إنها خزان حي هائل يحوي من الكربون أكثر مما يحتويه الغلاف الجوي وجميع غابات العالم مجتمعة. يلعب هذا الكربون الخفي دوراً حاسماً في تنظيم مناخ الأرض، ومع ذلك، فإن قياس كمية الكربون المخزنة في بقعة معينة من الأرض يظل مهمة صعبة. تقليدياً، يتعين على العلماء جمع عينات من التربة، وتجفيفها في فرن، وطحنها لتصبح مسحوقاً ناعماً، ثم حرقها في مختبر لتحديد محتواها من الكربون. هذه العملية بطيئة ومكلفة وتتطلب نقل العينات من الميدان إلى المختبر، مما يحد من عدد الأماكن التي يمكن اختبارها. وبينما يسعى العالم لإيجاد طرق أفضل لمراقبة صحة التربة وتتبع تخزين الكربون، تبرز حاجة متزايدة لطريقة سريعة ودقيقة يمكن استخدامها في نفس المكان الذي توجد فيه التربة، دون العبء الثقيل للتحضير المكثف.
لقد استكشف الباحثون تقنية تسمى "مطيافية الانهيار المستحث بالليزر"، والتي تستخدم نبضة ضوئية قوية ومركزة لإنشاء بلازما صغيرة فائقة الحرارة على سطح المادة. تسبب هذه الومضة من الطاقة توهج ذرات التربة، مما يؤدي إلى انبعاث ضوء يكشف بدقة عن العناصر الموجودة فيها. وبينما أظهرت هذه الطريقة نتائج واعدة في تحديد المعادن والمغذيات، إلا أنها واجهت صعوبات مع التربة الطازجة والرطبة، لأن الماء يغير بشكل جذري كيفية سلوك الضوء، مما يجعل القياسات الدقيقة أمراً صعباً. ولحل هذه المشكلة، دمج فريق من العلماء هذه التقنية الليزرية مع مستشعر بسيط يعكس الضوء وخوارزميات حاسوبية متقدمة. وقد اختبروا ما إذا كان هذا النظام الهجين يمكنه التنبؤ بدقة بكل من كمية الكربون ومحتوى الرطوبة في عينات التربة، سواء كانت تلك التي تم تحضيرها بعناية في المختبر أو التي تم قياسها في حالتها الطبيعية الرطبة.
تضمنت الدراسة 116 عينة تربة جُمعت من ثمانية مواقع زراعية مختلفة في فنلندا، تمثل مجموعة متنوعة من أنسجة التربة ومستويات الكربون. وقسم الباحثون هذه العينات إلى مجموعات مختلفة لاختبار سيناريوهات متنوعة؛ فبعض العينات جُففت وطُحنت لتصبح مسحوقاً ناعماً وضُغطت في أقراص لمحاكاة الظروف المثالية للمختبر، بينما تُرِكت عينات أخرى طازجة، مع إزالة الصخور الكبيرة منها يدوياً فقط مع الحفاظ على رطوبتها الطبيعية. ثم أخضع الفريق هذه العينات لليزر ومستشعر الضوء، مع تغذية البيانات الناتجة في ستة أنواع مختلفة من نماذج تعلم الآلة. وهذه النماذج هي في الأساس برامج حاسوبية مدربة على إيجال أنماط معقدة في البيانات، حيث تتعلم الربط بين بصمات الضوء المحددة للتربة وبين مستويات الكربون والماء الفعلية المقاسة بالطرق التقليدية البطيئة.
أظهرت النتائج أن النماذج الحاسوبية يمكنها تعلم تفسير البيانات الواقعية الفوضوية بدقة مذهلة. وكان النموذج الأفضل أداءً، وهو نوع من الخوارزميات يُعرف باسم "انحدار كيرنل ريجريشن" (kernel ridge regression)، قادراً على التنبؤ بإجمالي محتوى الكربون بدرجة عالية من الدقة. وبالنسبة للعينات التي طُحنت لتصبح مسحوقاً وحُفظت عند مستوى رطوبة ثابت، كانت تنبؤات النموذج قريبة جداً من القياسات المرجعية. والأهم من ذلك، بالنسبة للعينات الطازجة ذات المعالجة الدنيا، والتي تمثل ما قد يواجهه المزارع أو العالم في الميدان، فقد ظل النموذج يعمل بشكل جيد جداً، حيث رصد محتوى الكربون بهامش خطأ ضئيل فقط. ووجدت الدراسة أن قدرة الحاسوب على تخمين مستوى الرطوبة أولاً، ثم استخدام هذا التخمين للمساعدة في حساب مستوى الكربون، قد حسنت الدقة بشكل كبير للعينات الرطبة الطبيعية. وهذا يشير إلى أن النظام يمكنه التعويض عن محتوى الماء المتغير الذي عادة ما يربك هذه القياسات.
كان أحد النتائج الرئيسية للبحث هو أن عمليات الطحن والتجفيف المكثفة، والتي كانت ممارسة قياسية لعقود، قد لا تكون ضرورية لعمل هذه التقنية. فعندما قارن الباحثون بين العينات المطحونة والعينات الطازجة تحت ظروف مضبوطة، وجدوا أن الفرق في دقة التنبؤ كان ضئيلاً جداً. وهذا يعني إمكانية تخطي الخطوات المستهلكة للوقت مثل التجفيف والطحن، مما يسمح بالتحليل السريع في الموقع. كما أثبت النظام قدرته على قياس محتوى رطوبة التربة نفسه، وهو معلومة حاسمة لحساب إجمالي كمية الكربون المخزنة في حجم معين من الأرض. ومن خلال قياس الرطوبة مباشرة، يمكن لهذه الطريقة أن تسمح في النهاية بحساب مخزونات كربون التربة في الميدان دون الحاجة لأخذ عينات وإعادتها للمختبر لتجفيفها.
كما بحثت الدراسة في كيفية تأثير أنواع التربة المختلفة ومواقع محددة على النتائج. ووُجد أن أخطاء التنبؤ كانت مرتبطة بالموقع المحدد ونطاق قيم الكربون الموجودة هناك، أكثر من ارتباطها بنسيج التربة العام، مثل كونها طينية أو رملية. وفي أحد المواقع حيث كانت التربة تحتوي على مستويات عالية بشكل غير عادي من الكربون، واجه النموذج بعض الصعوبة لأن النظام لم يشهد أمثلة كافية على مثل هذه القيم المرتفقة أثناء تدريبه. وهذا يسلط الض الضوء على أنه لكي تعمل هذه التقنية في كل مكان، يجب تدريب النماذج الحاسوبية على مجموعة متنوعة من أنواع التربة، بما في ذلك تلك ذات مستويات الكربون القصوى. ومع ذلك، كان الأداء العام قوياً بما يكفي ليشير إلى أن هذا النهج يعد بديلاً قابلاً للتطبيق للأساليب التقليدية، مما يوفر طريقة لرسم خرائط كربون التربة بسرعة وكثافة أكبر مما هو ممكن حالياً.
من خلال الجمع بين ليزر يقرأ التركيب العنصري للتربة ومستشعر يكتشف الماء والمواد العضوية، ومن ثم ترك الحاسوب ليتعلم العلاقة بين هذه الإشارات وخصائص التربة الفعلية، أثبت الباحثون مساراً نحو تحليل التربة القابل للتطبيق ميدانياً. ويؤكد هذا العمل أنه مع معالجة البيانات الصحيحة، يمكن التغلب على تحديات قياس التربة الرطبة وغير المعالجة. ولا يعني هذا أن التقنية مثالية أو جاهزة لكل حالة دون مزيد من الاختبار، لكنه يثبت أن القياس الدقيق والسريع لكربون التربة ورطوبتها هو أمر ممكن دون التحضير المرهق الذي ظل لفترة طويلة عائقاً. وتتمثل الخطوات التالية في اختبار هذه الأساليب ضمن بروتوكولات ميدانية واقعية لمعرفة مدى صمودها عند قياس إجمالي مخزون الكربون في المناظر الطبيعية بأكملها، مما قد يحدث ثورة في كيفية مراقبة صحة تربة كوكبنا.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.