Evaluation of the DSSAT–CERES-Wheat Model for Simulating Winter Wheat (Triticum aestivum L.) Under Different Irrigation Scenarios in the Egyptian Nile Delta
تُظهر هذه الدراسة أن نموذج DSSAT–CERES-Wheat يحاكي بدقة إنتاجية القمح الشتوي في دلتا النيل بمصر عند معايرته بعتبات ري محددة، لا سيما عند تفعيل استنزاف رطوبة التربة بنسبة 50%، مما يسلط الضوء على الدور الحاسم لإدارة الري الفعالة في مواجهة ندرة المياه.
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
في المناظر الطبيعية القاحلة في مصر، حيث تشتد حرارة الشمس ويعد المطر زائراً نادراً، يمثل نهر النيل شريان الحياة للزراعة في البلاد. لقرون مضت، اعتمد المزارعون على هذا المصدر الوحيد لزراعة القمح الذي يغذي الملايين، لكن التوازن أصبح غير مستقر بشكل متزايد. ومع نمو السكان وتناقص المياه، تتقلص هوامش الخطأ. وللبقاء، يجب على المزارعين معرفة كمية المياه التي تحتاجها محاصيلهم بالضبط ومتى يقدمونها لها. فإذا كانت قليلة جداً، تفشل الحبوب؛ وإذا كانت كثيرة جداً، تُهدر موارد ثمينة. وهنا يأتي دور العلم الحديث، ليقدم وسيلة للنظر في مستقبل الحصاد دون انتظار تغير الفصول. يستخدم الباحثون النماذج الحاسوبية، وهي في الأساس عمليات محاكاة رقمية مفصلة لكيفية نمو النباتات، لاختبار استراتيجيات مختلفة. تأخذ هذه البرامج في الاعتبار التربة، والطقس، والخصائص الوراثية المحددة للمحصول للتنبؤ بكمية الغذاء التي سيتم إنتاجها تحت ظروف متنوعة. ومن خلال تشغيل عمليات المحاكاة هذه، يمكن للعلماء إيجاد "النقطة المثالية" حيث تكون كفاءة استخدام المياه عالية والإنتاجية مرتفعة، مما يوفر خارطة طريق للمزارعين الذين يواجهون تحديات المناخ المتغير.
في دلتا النيل الخصبة، شرع فريق من الباحثين في اختبار إحدى أدوات الحاسوب القوية هذه، والمعروفة باسم (DSSAT)، لمعرفة مدى قدرتها على التنبؤ بإنتاج القمح الشتوي في ظل الظروف الخاصة بمصر. وقد ركزوا على سؤال جوهري: كيف يؤثر توقيت الري على دقة تنبؤات النموذج؟ جمع الفريق بيانات من الواقع من أربع محافظات رئيسية في الدلتا، تشمل الشرقية، والبحيرة، والقليوبية، والغربية، تغطي مواسم الحصاد من عام 2002 إلى عام 2020. وقارنوا بين الكميات الفعلية من القمح التي حصدها المزارعون وبين ما توقعه النموذج الحاسوبي، مختبرين عدة سيناريوهات مختلفة. أولاً، طلبوا من النموذج أن يفترض أن القمح لديه مياه ومغذيات غير محدودة، وهو سيناريو يمثل عالماً مثالياً حيث لا يسوء فيه شيء. بعد ذلك، أدخلوا قيوداً واقعية، حيث أخبروا النموذج بأن يقوم بمحاكاة الري فقط عندما تجف التربة إلى حد معين، وأخيراً، اختبروا النموذج مقابل الجداول الزمنية الفعلية التي يستخدمها المزارعون في الحقول، بما في ذلك تواريخ محددة للري وإضافة سماد النيتروجين.
كانت نتائج الاختبار الأول معبرة. فعندما سُمح للحاسوب بافتراض أن القمح لم يعانِ أبداً من نقص في المياه أو الغذاء، توقع باستمرار أن يكون الحصاد أكبر بكثير مما حدث بالفعل. ففي كل منطقة تمت دراستها، بالغ النموذج في تقدير الإنتاجية بهامش كبير، مما يشير إلى أن تجاهل واقع الإجهاد المائي يؤدي إلى توقعات غير واقعية. ومع ذلك، عندما عدل الباحثون النموذج ليعكس الواقع، تحسنت التنبؤات بشكل كبير. ووجدوا أن النموذج كان يعمل بأفضل أداء عندما تم توجيهه لري المحاصيل فقط بعد أن تفقد التربة نصف مياهها المتاحة. وتحت هذا الشرط المحدد، تماشت تخمينات الحاسوب عن كثب مع المحاصيل الفعلية. وأصبح الفرق بين الأرقام المتوقعة والحقيقية صغيراً جداً، حيث أخطأ النموذج في التقدير بجزء ضئيل فقط في معظم الحالات. وهذا يشير إلى أن القمح في دلتا النيل حساس بالفعل لمستويات المياه، وأن الطريقة الأكثر دقة لمحاكاة نموه هي الاعتراف بأنه يتعرض لجفاف متوسط قبل ريه مرة أخرى.
ثم انتقلت الدراسة لاختبار النموذج مقابل ممارسات الإدارة الفعلية التي يستخدمها المزارعون، والتي تتضمن جدولاً زمنياً ثابتاً للري وإضافة سماد اليوريا. وعندما قام الباحثون ببرمجة النموذج لاتباع هذه الجداول الزمنية الواقعية، ظلت التنبؤات قوية، وإن كانت قد انحرفت قليلاً في اتجاه مختلف. في هذه السيناريوهات، مال النموذج إلى التقليل قليلاً من الإنتاجية، حيث توقع أن يكون الحصاد أصغر قليلاً مما كان عليه في الواقع. حدث هذا سواء عند تطبيق جدول التسميد وحده أو عند دمجه مع تواريخ الري المحددة. ورغم هذا التقليل الطفيف في التقدير، ظلت هوامش الخطأ ضمن الحدود المقبولة، مما أثبت أن النموذج يمكنه بنجاح إعادة إنتاج التفاعل المعقد بين الري المجدول والتغذية. وأشار الباحثون إلى أنه بينما تنبأ النموذج أحياناً بإنتاجية أقل عند إدخال النيتروجين، إلا أن الدقة الإجمالية كانت عالية بما يكفي لتكون مفيدة للتخطيط.
في النهاية، يثبت هذا العمل أن نموذج (DSSAT) هو أداة موثوقة لفهم إنتاج القمح في دلتا النيل بمصر، بشرط إعداده ليعكس الظروف الحقيقية للمزرعة. وقد فندت الدراسة فكرة أن افتراض الظروف المثالية الخالية من الإجهاد هو نهج صالح لهذه المنطقة، مبينة بدلاً من ذلك أن الاعتراف بمحدودية المياه أمر ضروري للدقة. وتشير النتائج إلى أن الطريقة الأكثر واقعية لمحاكاة المحصول هي تفعيل الري عندما تصل التربة إلى نقطة استنفاد بنسبة خمسين بالمائة، وهي استراتيجية تحاكي الحدود الطبيعية للبيئة. ومن خلال التأكيد على أن عمليات المحاكاة الرقمية هذه يمكن أن تتطابق عن كثب مع المحاصيل الواقعية، يقدم البحث وسيلة قيمة للمزارعين وصناع القرار لاختبار استراتيجيات ري جديدة قبل تنفيذها في الحقل. وهذه القدرة أمر بالغ الأهمية لبلد تعد فيه كل قطرة مياه مهمة، مما يسمح لصناع القرار بتحسين كيفية إدارة موارد النيل لضمان إمدادات غذائية مستقرة في المستقبل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.