Prediction of Soil Organic Carbon Using Machine Learning Algorithm in Long-Term Ecological Monitoring Plots of Southern Dry Mixed Deciduous Forests, Telangana, India

إن التربة تحت أقدامنا هي أكثر بكثير من مجرد تراب؛ فهي مستودع حي يتنفس، يحوي كربوناً أكثر مما تحتويه جميع غابات العالم والغلاف الجوي معاً. هذا الكربون الخفي، المخزن داخل المادة العضوية مثل الأوراق المتلللة والجذور، يلعب دوراً حاسماً في تنظيم مناخ الكوكب. فعندما تتحلل هذه المادة العضوية، فإنها تطلق الكربون مرة أخرى في الهواء، ولكن عندما يتم الحفاظ عليها، فإنها تعمل كأداة قوية ضد تغير المناخ. إن فهم كمية الكربون المخزنة في الأرض، وما هي العوامل التي تساعد في الحفاظ عليها، أمر ضروري لإدارة الغابات بشكل مستدام. ومع ذلك، فإن قياس هذا الكربون أمر صعب لأن ظروف التربة تختلف اختلافاً هائلاً من مكان لآخر، متأثرة بكل شيء بدءاً من هطول الأمطار وصولاً إلى المغذيات المحددة المتاحة للنباتات. وقد سعى العلماء منذ فترة طويلة لإيجاد طرق أفضل للتنبؤ بهذه الاحتياطيات الخفية دون الحاجة إلى حفر واختبار كل متر مربع من الغابة.

في الغابات الجافة المختلطة ذات الأشجار النفضية في جنوب ولاية تيلانغانا بالهند، شرع فريق من الباحثين في حل هذا اللغز عبر اختبار ما إذا كانت برامج الكمبيوتر الحديثة يمكنها تعلم التنبؤ بمستويات كربون التربة بدقة أكبر من الطرق التقليدية. لقد ركزوا على قطعة أرض محددة من الغابة تبلغ مساحتها عشرة هكتارات، وهي موقع مراقبة دائم كان لديهم فيه بالفعل شبكة تفصيلية للمراقبة. ولبناء نماذجهم، جمع الفريق مئات عينات التربة من أعماق مختلفة عبر هذه القطعة. وقاموا بتحليل كل عينة للبحث عن خصائص رئيسية: مدى حموضة أو تعادل التربة، وكمية الرطوبة التي تحتفظ بها، ومستويات المغذيات النباتية الأساسية مثل النيتروجين والفوسفور والبوتاسيوم. ومع امتلاك هذه المجموعة الغنية من البيانات، قاموا بتغذية المعلومات في خمسة أنواع مختلفة من خوارزميات التعلم الآلي. وهذه الخوارزميات هي برامج كمبيوتر مصممة لإيجاد أنماط في البيانات، تتراوح من الأدوات الإحصائية البسيطة إلى الأنظمة المعقدة التي تحاكي طريقة معالجة الدماغ البشري للمعلومات. وكان الهدف هو معرفة أي برنامج يمكنه تخمين كمية الكربون العضوي في التربة بناءً فقط على خصائص التربة الأخرى.

كشفت النتائج عن تسلسل هرمي واضح في مدى كفاءة هذه الأدوات الرقمية. كانت الطريقة الأكثر نجاحاً هي تقنية تسمى "الغابة العشوائية" (Random Forest)، وهي تقنية تبني العديد من أشجار القرار الصغيرة وتجمع إجاباتها للوصول إلى استنتاج. وقد تفوق هذا النموذج على جميع غيره، حيث تنبأ بمحتوى الكربون بدقة عالية وموثوقية كبيرة. وتلاها عن قرب طريقة متقدمة أخرى تُعرف باسم "تعزيز التدرج الشديد" (Extreme Gradient Boosting) ونظام يحاكي الشبكات العصبية. وفي المقابل، فإن الطريقة التقليدية الأبسط المسماة "الانحدار الخطي المتعدد" (Multiple Linear Regression)، والتي تفترض وجود علاقة خطية مستقيمة بين المتغيرات، قد أدت أداءً متوسطاً ولكنها لم تستطع استيعاب تعقيد التربة الكامل. أما الأداة الأقل فعالية فكانت "آلة ناقلات الدعم" (Support Vector Machine)، وهي خوارزمية متطورة عانت بشكل كبير مع هذه المجموعة المحددة من البيانات، حيث أنتجت تنبؤات أقل دقة وأكثر شكاً بكثير من غيرها.

وقد سلطت نظرة أعمق في سبب نجاح أو فشل هذه النماذج الضوء على عامل حاسم: رطوبة التربة. ففي أكثر النماذج نجاحاً، برزت كمية المياه في التربة كأهم دليل للتنبؤ بكمية الكربون المخزن. وبينما لعب توفر المغذيات مثل النيتروجين والفوسفور دوراً قوياً أيضاً، إلا أن محتوى الرطوبة كان المحرك المهيمن. ووجد الباحثون أن التربة في هذه الغابة الجافة ذات الأشجار النفضية كانت عموماً قريبة من التعادل في الحموضة، مع مستويات متوسطة من النيتروجين والبوتاسيوم، ولكن بمستويات منخفضة نسبياً من الفوسفور. كما تباين محتوى الكربون بشكل كبير عبر قطعة الأرض، حيث تراوح بين المستويات المنخفضة جداً والمتوسطة المرتفعة، مما يعكس الطبيعة المعقدة وغير المتساوية لأرضية الغابة. وقد أكدت الدراسة أنه بينما تعتبر المغذيات حيوية، فإن الحالة الفيزيائية للتربة، وخاصة قدرتها على الاحتفاظ بالماء، هي المفتاح الرئيسي لفهم تخزين الكربون في هذه البيئات الجافة.

يُظهر هذا العمل أنه بالنسبة لمديري الغابات والعلماء في مناطق جافة مماثلة، فإن أفضل طريقة لتقدير كربون التربة ليست من خلال المتوسطات البسيطة أو الحيل الإحصائية القديمة، بل من خلال نماذج الكمبيوتر المتقدمة التي يمكنها التعامل مع العلاقات المعقدة وغير الخطية. وتشير الدراسة إلى أنه من خلال التركيز على رطوبة التربة ومستويات المغذيات، وباستخدام أدوات تعلم آلي قوية مثل "الغابة العشوائية"، فمن الممكن رسم خرائط لصحة التربة بدقة أكبر. وهذه الدقة أمر حيوي لفهم كيفية عمل هذه الغابات كمصارف للكربون ولتطوير استراتيجيات لحمايتها. وبينما تعثرت بعض الخوارزميات الأكثر تعقيداً، فإن نجاح النماذج القائمة على الأشجار يقدم مساراً عملياً للمضي قدماً، مما يثبت أن الأدوات الرقمية الصحيحة يمكنها كشف الأسرار المخفية في الأرض تحت أقدامنا.