مجموعات بيانات ملاءَمة المحاصيل العالمية لـ 17 محصولًا في ظل المناخ الحالي (2024) وسيناريوهات مناخية مستقبلية (2041–2100)

لماذا يهم مستقبل المحاصيل الجميع

مع تزايد عدد سكان العالم وارتفاع درجات الحرارة، يصبح سؤال أساسي ملحًا: أين على الأرض سنظل قادرين على زراعة محاصيلنا الأساسية؟ تتناول هذه الدراسة هذا السؤال من خلال إنشاء خرائط عالمية مفصّلة تُظهر مدى ملاءَمة أماكن مختلفة لزراعة 17 محصولًا رئيسيًا اليوم وفي ظل ظروف مناخية مستقبلية. يمكن أن تساعد هذه الخرائط المزارعين والمخططين والمواطنين على فهم كيف قد يتغير إنتاج الغذاء خلال العقود القادمة.

رسم خرائط أماكن ازدهار المحاصيل

يركّز المؤلفون على «ملاءَمة المحاصيل»، أي مدى قدرة المناخ المحلي والظروف الطبيعية على دعم دورة نمو المحصول كاملة من الزراعة حتى الحصاد. بدلاً من الاعتماد على مقاربات قديمة تقريبية أو متوسطات عالمية خشنة، يجمعون مجموعة بيانات ضخمة ومحدّثة تعكس كيف تُزرع أصناف المحاصيل الحديثة فعليًا اليوم. يدمجون ثلاثة مصادر رئيسية لبيانات وجود المحاصيل: ملاحظات ميدانية من قاعدة بيانات التنوع الحيوي، وخرائط محاصيل مفصّلة من الأقمار الصناعية، وبيانات إحصائية عالمية حديثة للمحاصيل. معًا تُنتج هذه المصادر ملايين نقاط وجود لسبعة عشر محصولًا مهمًا، بما في ذلك القمح والأرز والذرة وفول الصويا والمحاصيل الجذرية والمحاصيل الزيتية والمحاصيل الصناعية مثل القطن وقصب السكر.

تحويل بيانات الأرض إلى أطلس لملاءَمة المحاصيل

لفهم سبب ظهور المحاصيل في أماكن معينة، تُزاوج الدراسة مواقع المحاصيل هذه مع 30 عاملًا بيئيًا تؤثر بقوة على نمو النباتات. تغطي هذه العوامل ثلاثة جوانب رئيسية من المشهد. تصف بيانات الطبوغرافيا ارتفاع وشكل الأرض بما في ذلك الارتفاع والانحدار. توضح بيانات التربة الملمس والعمق ومحتوى الملوحة والمادة العضوية والمغذيات. تلتقط البيانات الجوية هطول الأمطار ودرجات الحرارة والإشعاع ورطوبة التربة ومجاميع الحرارة اللازمة لنماء المحاصيل. للفترة الحالية (2024)، تأتي هذه المتغيرات من منتجات عالمية عالية الدقة مبنية على سجلات الطقس وتقديرات الهيدرولوجيا وملاحظات الأقمار الصناعية. وللمستقبل (2041–2100)، يستخدم المؤلفون توقعات مناخية من أحدث جيل من نماذج المناخ العالمية تحت أربعة مسارات اجتماعية-اقتصادية وانبعاثية مختلفة.

كيف تتعلم النماذج من الأرض

مع امتلاكهم لهذه المجموعة المدمجة من البيانات، يدرب الفريق نموذج تعلّم آلي منفصل لكل محصول باستخدام خوارزمية الغابات العشوائية. عند كل نقطة عيّنة، يرى النموذج ما إذا كان المحصول موجودًا أم غائبًا والظروف البيئية المصاحبة. ثم يتعلم تمييز الأماكن التي تَفضِل المحصول عن تلك التي لا تَفعل. ولتجنب الإفراط في الملاءمة ولضمان قدرة النماذج على الانتقال عبر المناطق، يستخدم المؤلفون مخطط تحقق متبادل مكاني يحافظ على فصل بيانات التدريب والاختبار جغرافيًا. كما يستخدمون إجراء اختيار ميزات لاقتطاع المتغيرات المكررة وبحثًا بايزيًا لضبط إعدادات النماذج. تحقق النماذج الناتجة دقة عالية: على بيانات اختبار مستقلة، متوسط الدقة العامة عبر 17 محصولًا يقارب 94%، مع تصنيف موثوق لكلتا فئتي «ملاءم» و«غير ملاءم».

رؤية حقول اليوم وتحولات الغد

بعد التدريب، تُطبّق النماذج على كل خلية شبكية بحجم 1 كم × 1 كم عبر العالم، للمناخ الحالي ولثلاث نوافذ زمنية مستقبلية تحت أربعة سيناريوهات مناخية. بدلاً من إجابة نعم أو لا بسيطة، تُنتج النماذج درجة ملاءَمة مستمرة بين 0 و1، يمكن لاحقًا تجميعها إلى فئات للعرض. يقارن المؤلفون خرائطهم الحالية مع مجموعات بيانات ملاءَمة عالمية مستخدمة على نطاق واسع مثل GAEZ وGLUES. تتوافق خرائطهم جيدًا على المقاييس العريضة لكنها تُظهر تفاصيل مكانية أدق وتوافقًا أفضل مع خرائط محاصيل مستقلة عالية الدقة في مناطق مثل شمال شرق الصين والأرجنتين. تبرز المتغيرات المتعلقة بالحرارة ومجاميع الحرارة كعوامل مهمة بشكل خاص في تفسير أماكن زراعة المحاصيل، مما يبرز حساسية الزراعة العالمية للاحترار المناخي.

ماذا يعني هذا للغذاء والتخطيط

تقدّم الدراسة أطلسًا عالميًا مجانيًا وعالي الدقة لملاءَمة المحاصيل لـ 17 محصولًا رئيسيًا، يغطي كلًا من الحاضر ومجموعة من مسارات المناخ المستقبلية. وبينما يؤكد المؤلفون أن الإسقاطات المستقبلية لا ينبغي قراءتها كتنبؤات دقيقة—خاصة في المناطق التي تتحرك فيها المناخات إلى ما وراء أي شيء لوحظ اليوم—توفر الخرائط أداة قوية لاستكشاف المكاسب والخسائر النسبية في الإمكانات الزراعية. بالنسبة لصنّاع القرار القلقين بشأن إطعام عدد أكبر من الناس على كوكب متغير، يمكن أن تُعلِم هذه المجموعات البياناتية مكان حماية الأراضي الزراعية الممتازة، وأين قد تظهر فرص جديدة، وأين قد تحتاج نظم الزراعة الحالية إلى التكيّف أو الانتقال.

الاستشهاد: Wang, T., Dong, J. Global crop suitability datasets for 17 crops under present (2024) and future climate scenarios (2041–2100). Sci Data 13, 691 (2026). https://doi.org/10.1038/s41597-026-06688-4

الكلمات المفتاحية: ملاءَمة المحاصيل, تغير المناخ, الأمن الغذائي, الاستشعار عن بُعد, التعلّم الآلي