A scalable framework for agricultural drought hazard mapping in data-scarce arid regions: Case study of Jiroft plain, Iran
تقدم هذه الدراسة إطار عمل قابلاً للتوسع لرسم خرائط مخاطر الجفاف الزراعي في سهل جيرفت في إيران، وهو منطقة تعاني من نقص البيانات، وذلك من خلال دمج بيانات الاستشعار عن بعد مع قياسات رطوبة التربة في الموقع ونماذج التعلم الآلي، مما يثبت أن نهج آلة ناقلات الدعم يحدد مخاطر الجفاف بفعالية باستخدام السعة المتاحة للمياه النباتية ورطوبة التربة كمتنبئات رئيسية.
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 الزوايا الجافة والمحترقة من الشمس في العالم، تعيش الزراعة على حد السكين. فعندما يفشل المطر في الوصول في موعده، تجف التربة، وتذبل المحاصيل، ويصبح الأمن الغذائي في مهب الريح. وبالنسبة للمزارعين والمخططين، فإن معرفة أين ومتى تنفد المياه من الأرض بدقة هي مسألة بقاء. والطريقة الأكثر مباشرة لقياس ذلك هي فحص الرطوبة في التربة، ولكن في المناطق القاحلة والنائية، غالبًا ما تكون الأرض شاسعة جدًا ومحطات الأرصاد الجوية قليلة جدًا بحيث لا توفر صورة كاملة. وقد لجأ العلماء منذ زمن طويل إلى الأقمار الصناعية لسد هذه الفجوات، باستخدام مستشعرات يمكنها رؤية صحة النباتات ودرجة حرارة الأرض من الفضاء. ومن خلال مراقبة مدى اخضرار الغطاء النباتي ومدى سخونة السطح، يمكن للباحثين استنتاج كمية المياه المختبئة تحت أقدام المحاصيل، مما يخلق وسيلة لمراقبة الجفاف دون الحاجة إلى مستشعر في كل حقل.
ركز فريق من الباحثين اهتمامهم على سهل جيرفت في جنوب شرق إيران، وهو منطقة زراعية واسعة حيث المياه نادرة والسجلات المناخية المفصلة محدودة. تغطي هذه المنطقة أكثر من 2200 كيلومتر مربع، وتعتمد بشكل كبير على الري لمحاصيل مثل القمح والذرة والحمضيات، ومع ذلك فهي تعاني من حالات جفاف متكررة وشديدة. كان التحدي يكمكمن في إنشاء خريطة موثوقة لمخاطر الجفاف الزراعي — وهي وسيلة للتنبؤ بالأجزاء الأكثر عرضة للإجهاد المائي في هذا المشهد — باستخدام البيانات المتاحة المحدودة فقط. ولتحقيق ذلك، دمج الفريق صور الأقمار الصناعية الملتقطة على مدار خمسة عشر عامًا مع عدد قليل من عينات التربة الفعلية التي تم جمعها من الأرض. واستخدموا طريقة تعامل مع العلاقة بين اخضرار النبات وحرارة السطح كأنها مثلث، مما سمح لهم بتقدير محتوى الرطوبة في الطبقة العليا من التربة عبر السهل بأكمله.
جمع الباحثون بيانات من عام 2007 إلى عام 2022، حيث نظروا في ثماني سنوات محددة كانت فيها ظروف الجفاف شديدة للغاية. وقاسوا رطوبة التربة على عمق يصل إلى 30 سنتيمترًا، وهو النطاق الحرج حيث تشرب جذور النباتات. ومن خلال مقارنة بيانات الأقمار الصناعية مع 73 عينة تربة جمعوها في عامي 2021 و2022، بنوا نموذجًا لحساب مدى انخفاض رطوبة التربة في أي سنة معينة مقارنة بالمتوسط طويل الأمد. وكان هذا الانخفاض، أو الانحراف النسبي، بمثابة المعيار لتحديد مكان حدوث الجفاف فعليًا. وبمجرد رسم خرائط أحداث الجفاف هذه، توجهوا إلى خوارزميات الكمبيوتر للعثور على الأنماط الكامنة وراءها. واختبروا ثلاثة نماذج مختلفة من تعلم الآلة لمعرفة أي منها يمكنه التنبؤ بمخاطر الجفاف بشكل أفضل بناءً على عشرة عوامل بيئية مختلفة، بما في ذلك ميل الأرض، ونوع التربة، وكثافة الأنهار، وكمية هطول الأمطار.
أظهرت النتائج أن نموذجًا حاسوبيًا محددًا، يُعرف باسم "آلة ناقلات الدعم" (support vector machine)، كان متفوقًا بمراحل على غيره في التنبؤ بمكان وقوع الجفاف. حقق هذا النموذج مستوى عاليًا من الدقة، حيث حدد المناطق المعرضة للجفاف بشكل صحيح في كل اختبار تقريبًا. وكشف التحليل أن العامل الأكثر أهمية في تحديد مخاطر الجفاف لم يكن مجرد كمية الأمطار التي سقطت، بل قدرة التربة على الاحتفاظ بالمياه. وتحديدًا، كانت قدرة التربة على توفير المياه المتاحة للنباتات هي المحرك المهيمن لمخاطر الجفاف. وعندما كانت التربة رملية ولا تستطيع الاحتفاظ بالرطوبة، وعندما كان الغطاء النباتي رقيقًا، ارتفعت مخاطر الجفاف بشكل هائل. ومن المثير للاهتمام أن إجمالي كمية هطول الأمطار في جميع أنحاء المنطقة لم يختلف بما يكفي لتفسير سبب كون بعض المناطق أكثر جفافًا من غيرها؛ بل كانت الظروف المحلية للتربة والتضاريس هي التي تملي النتيجة.
تقسم الخريطة النهائية التي أنتجها الفريق سهل جيرفت إلى مناطق خطر، وتوضح أن أكثر من نصف المنطقة تواجه خطرًا مرتفعًا جدًا للجفاف الزراعي. وتتركز هذه المناطق الخطرة في المناطق ذات التربة الرملية، والغطاء النباتي المنخفض، وقلة المجاري المائية. وفي المقابل، تظل الأجزاء المركزية من السهل، حيث تحتفظ التربة بالمياه بشكل أفضل ويكون الغطاء النباتي أكثر كثافة، آمنة نسبيًا. يقدم هذا النهج حلاً عمليًا للمناطق التي تفتقر إلى المراقبة الأرضية. ومن خلال إثبات أن بيانات الأقمار الصناعية، عند دمجها مع بضع عينات أرضية، يمكنها رسم خريطة مخاطر الجفاف بدقة، توفر الدراسة أداة يمكن استخدامها لتحذير المزارعين قبل وقوع الأزمة. إنها تنقل التركيز من مجرد عد هطول الأمطار إلى فهم العلاقة الفيزيائية المعقدة بين الأرض، والمياه التي تحتفظ بها، والنباتات التي تعتمد عليها، مما يوفر مسارًا أوضح نحو إدارة الموارد المائية في عالم يزداد جفافًا.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.