IWU-SMinv v1.0 and v1.1: Two satellite-based irrigation water use datasets at 1 km spatial resolution over Europe

المحقق المائي العظيم: كيف تتعلم الأقمار الصناعية عدّ القطرات

تخيل الأرض كإسفنجة عملاقة وعطشى. أحياناً، تسقط الأمطار من السماء لتمتصها، ولكن في كثير من الأحيان، يضطر البشر للتدخل وصب مياه إضافية على الإسفنجة لمساعدة محاصيلهم على النمو. هذه المياه الإضافية تسمى الري. لفترة طويلة، كان تحديد كمية المياه التي يستخدمها المزارعون بدقة يشبه محاولة عدّ حبات الرمل على الشاطئ وأنت ترتدي نظارات عازلة للرؤية. نحن نعلم أن هذا يحدث، لكننا لا نستطيع رؤية التفاصيل، خاصة فوق مساحات شاسعة مثل قارات بأكملها. هذه مشكلة كبيرة لأن المياه ثمينة، وإذا لم نكن نعرف أين تذهب، فلن نتمكن من إدارتها بشكل جيد.

لحل هذه المشكلة، بدأ العلماء في استخدام خدعة ذكية تتعلق بالتربة نفسها. فكر في التربة كأنها مقياس مطر طبيعي. إذا كنت تعرف كمية الأمطار التي سقطت وكم كمية المياه التي يجب أن تكون في التربة، ولكن التربة فجأة أصبحت أكثر رطوبة مما هو متوقع، فلا بد أن هذه الرطوبة الزائدة جاءت من مكان آخر — على الأرجح من خرطوم أو رشاش مزارع. ومن خلال استخدام الأقمار الصناعية "لرؤية" رطوبة التربة من الفضاء، يمكن للعلماء العمل بشكل عكسي لمعرفة كمية المياه التي أضافها البشر. يتحدث هذا البحث عن خريطتين جديدتين فائقتا التفصيل تستخدمان هذه الخدعة لإظهار أين ومتى يحدث الري بالضبط عبر أوروبا، مما يساعدنا على فهم تدفقات المياه الخفية التي تغذي غذاءنا.

قصة الورقة البحثية: خريطتان جديدتان للمياه الخفية

في هذه الدراسة، أصدر فريق من الباحثين من جامعات ووكالات فضاء في أوروبا مجموعتي بيانات جديدتين، أطلقتا عليهما اسم IWU-SMinv v1.0 و IWU-SMinv v1.1. فكر في مجموعتي البيانات هاتين كأنهما نسختان مختلفتان من خريطة عالية الدقة توضح كمية المياه التي يستخدمها المزارعون لري حقولهم. تغطي هاتان الخريطتان القارة الأوروبية بأكملها وتتميزان بدقة مذهلة، حيث تصل دقة التفاصيل إلى 1 كيلومتر (حوالي حجم حي صغير). كما يتم تحديثهما كل 14 يوماً، مما يمنحنا نظرة جديدة على استخدام المياه مرتين في الشهر.

بنى الباحثون هذه الخرائط باستخدام طريقة تسمى "قلب رطوبة التربة" (Soil-Moisture-Inversion). إليك كيف يعمل هذا السحر: يتم التعامل مع التربة كأنها دلو طبيعي. يعرف العلماء كمية الأمطار التي سقطت (من بيانات الطقس) ويمكنهم قيذ رطوبة التربة من الفضاء (باستخدام بيانات من القمر الصناعي Sentinel-1). إذا كانت التربة أكثر رطوبة مما يمكن أن تفسره الأمطار وحدها، فيتم حساب المياه "المفقودة" على أنها ري. تختلف النسختان من الخريطة قليلاً في الأدوات التي تستخدمانها لتخمين "التبخر المحتمل" (كمية المياه التي قد يسرقها الهواء من التربة). تستخدم النسخة 1.0 مجموعة واحدة من بيانات الطقس، بينما تستبدل النسخة 1.1 تلك المجموعة بنموذج مختلف يسمى GLEAM v4.2b، والذي يستخدم أيضاً ملاحظات الأقمار الصناعية.

ماذا تظهر الخرائط؟
تكشف الخرائط عن نمط واضح: الري يكون أثقل في الأجزاء الأكثر دفئاً وجفافاً من أوروبا. وجد الباحثون أن استخدام المياه يزداد كلما انتقلت من الشمال والغرب البارد والرطب نحو الجنوب والشرق الحار والجاف. نجحت كلتا النسختين من الخريطة في تحديد "بؤر الري الساخنة" الشهيرة، مثل حوض إيبرو وكاستيا لا مانتشا في إسبانيا، ووادي بو في إيطاليا، ومنطقة خيرسون في أوكرانيا. كما رصدتا مناطق أصغر ومهمة مثل أجزاء من الحدود بين بلغاريا ورومانيا.

ما مدى جودة هذه الخرائط؟
للتحقق من دقة خرائطهم الجديدة، قارن الفريق النتائج مع سجلات واقعية من المزارعين ومديري المياه في إسبانيا وإيطاليا وألمانيا. لم يكتفوا بالتخمين؛ بل قاسوا الفرق بين خرائط الأقمار الصناعية والحقيقة الميدانية.

• في إسبانيا (حوض إيبرو): وجد الباحثون أن الخريطة الأحدث، v1.1، كانت بشكل عام أفضل من النسخة الأقدم v1.0. كانت النسخة القديمة تميل إلى التخمين بأن المزارعين يستخدمون كمية أكبر قليلاً من المياه مما يستخدمونه بالفعل (مبالغة في التقدير). النسخة الجديدة قللت من هذا الخطأ. على سبيل المثال، في منطقة أورجيل، كان خطأ الخريطة الجديدة أقل بكثير، ونجحت في رصد انخفاض حقيقي في استخدام المياه خلال سنوات الجفاف 2023–2024، عندما فُرضت قيود على المياه.
• في إيطاليا (وادي بو): كانت المقارنة أكثر تعقيداً لأن البيانات الأرضية جاءت من تقارير المزارعين الذاتية، والتي قد تكون غير دقيقة تماماً. عند النظر إلى مناطق واسعة، أظهرت الخرائط أنماطاً مشابهة للتقارير، رغم أن v1.0 كانت أقرب قليلاً إلى الأرقام المتوسطة. ومع ذلك، عند النظر إلى مناطق صغيرة محددة، كانت v1.1 أكثر دقة بكثير، حيث انخفضت الأخطاء بشكل كبير مقارنة بالنسخة الأقدم.
• في وسط إيطاليا (أومبريا): هذه المنطقة تضاريسية ومعقدة، مما يجعل من الصعب على الأقمار الصناعية الرؤية بوضوح. هنا، كانت النتائج مختلطة. في ثلاث مناطق من أصل أربع، كان أداء v1.1 أفضل، حيث قللت من المبالغات الضخمة (مثل انخفاض الخطأ من أكثر من 200% إلى حوالي 34% في أحد المواقع). ومع ذلك، في منطقة واحدة، كانت النسخة الأقدم أفضل قليلاً. ويرى الباحثون أن هذا بسبب صعوبة تحديد البيانات الأرضية في هذه المناظر الطبيعية المتجزئة والتلال.
• في ألمانيا: اختبر الفريق الخرائط على حقول محددة في منطقة نيدرساكسن. قامت الخريطة الجديدة v1.1 بعمل رائع في مطابقة استخدام المياه في حقل واحد، لكنها قللت من تقدير استخدام المياه في مجموعة من الحقول الأخرى. عانت كلتا النسختين قليلاً في تخمين الكمية الدقيقة للمياه المستخدمة خلال منتصف موسم الصيف.

الخلاصة
يخلص المؤلفون إلى أنه على الرغم من عدم وجود خريطة مثالية، إلا أن مجموعات البيانات الجديدة هذه توفر طريقة متسقة وموثوقة لرؤية الري عبر أوروبا. النسخة الأحدث، v1.1، تؤدي عادةً بشكل أفضل من v1.0، خاصة في تقليل المبالغة في التقدير. ومع ذلك، تمتلك v1.0 "قوة خارقة" خاصة: نظرًا لاستخدامها بيانات تشغيلية يتم تحديثها بسرعة، يمكن مد نطاقها إلى المستقبل، مما قد يمنحنا بثاً مباشراً لاستخدام الري بتأخير قدره 10 أيام فقط.

يؤكد الباحثون أن هذه الخرائط تمثل خطوة كبيرة للأمام، لكنها ليست الإجابة النهائية. ويقترحون أنه لجعل هذه الخرائط أفضل، نحتاج إلى المزيد من القياسات الواقعية من الأرض للمساعدة في تدريب وفحص بيانات الأقمار الصناعية. أما الآن، فإن مجموعات البيانات هذه تقدم أداة قوية لأي شخص يحاول إدارة المياه، أو زراعة الغذاء، أو فهم كيف يغير البشر دورة المياه على كوكبنا.