تطوير منتج رطوبة التربة في منطقة الجذور موّسّمة للشبكة للهند، 1981–2024

لماذا تهم المياه المخفية في التربة

بالنسبة لملايين المزارعين في جميع أنحاء الهند، يعتمد محصول جيد على شيء لا يمكنهم رؤيته مباشرة: المياه المخزنة في التربة تحت أقدامهم. هذه المياه المخفية ضمن مدى جذور النباتات تحافظ على المحاصيل بين الأمطار، وتحدد كيف يشعر الناس بموجات الحر، وتؤثر في ما إذا كانت فترة الجفاف ستتحول إلى كارثة. حتى الآن، كانت الهند تفتقر إلى سجل طويل ومفصّل لهذه الرطوبة الجوفية. تملأ الدراسة الموصوفة هنا تلك الفجوة من خلال إنشاء خريطة يومية لرطوبة منطقة الجذور في جميع أنحاء الهند للفترة من 1981 إلى 2024، مما يفتح إمكانيات جديدة للزراعة الأذكى، وتنبيهات جفاف أفضل، وفهم أوضح لكيفية تأثير تغير المناخ على الأراضي.

النظر أسفل السطح

تستطيع معظم المهمات الفضائية استشعار الرطوبة قرب سطح الأرض فقط، على عمق بضعة سنتيمترات — وهو ضحّل جدًا ليعكس ما تختبره جذور النباتات فعليًا. كما أن سجلات الأقمار الاصطناعية تغطي عادةً نحو عقد واحد فقط، مما يصعّب فهم الاتجاهات الطويلة الأمد. في المقابل، يمكن للنماذج الحاسوبية التي تحاكي حركة الماء في التربة والأنهار أن تعمل لعقود، لكنها غالبًا ما تفقد التفاصيل المحلية وقد لا تعكس الكمية الحقيقية للمياه في الأرض بالكامل، لا سيما في المناطق ذات الري الكثيف أو التضاريس المعقدة أو الغطاء النباتي الكثيف. انطلق الباحثون لدمج نقاط القوة في كلتا الطريقتين لإعادة بناء مدى رطوبة منطقة الجذور (حتى عمق متر واحد) عبر الهند لأكثر من أربعة عقود.

مزج الأقمار والنماذج والطقس

بدأ الفريق بمجموعة بيانات طقس عالية الدقة للهند، تشمل هطول الأمطار ودرجة الحرارة اليومية، مصحّحة لمطابقتها مع الملاحظات الأرضية. أدخلوا هذه البيانات إلى نموذج سطح أرضي وتدفق نهري مفصّل يُدعى H08، الذي يحاكي كيف يتدفّق الماء كجريان سطحي، وكيف يتسرب إلى التربة، ويعود إلى الهواء عن طريق التبخّر ونقل الماء بواسطة النباتات. نتج عن ذلك سجلات يومية طويلة للجريان السطحي، والبخر النتح، ورطوبة التربة لكل خلية شبكية بزاوية 0.05° — أي على نحو بضعة كيلومترات لكل جانب — عبر أحواض الأنهار الرئيسية في الهند. ومع أن النموذج نجح في التقاط الأنماط الزمنية بشكل جيد، إلا أنه كان يميل إلى التقليل من مقدار المياه المخزنة فعليًا في التربة، لا سيما في المناطق الأكثر رطوبة. لتصحيح هذا، استند الباحثون إلى رطوبة منطقة الجذور من منتج ناسا المعتمد على الأقمار (SMAP Level 4)، المتاح منذ عام 2015، واستخدموه كمرجع موثوق.

تعليم نموذج ليفكر مثل القمر الصناعي

لسد الفجوة بين ملاحظات الأقمار القصيرة الأجل ومخرجات النموذج الطويلة الأمد، لجأ العلماء إلى التعلم الآلي. لكل خلية شبكية عبر الهند، درّبوا نموذج الغابة العشوائية — وهو نوع من مجموعات أشجار القرار — ليتعلم العلاقة بين أربعة مدخلات ورطوبة منطقة الجذور المأخوذة من القمر الصناعي: رطوبة التربة المحاكاة، والبخر النتح المحاكاة، وهطول الأسبوع السابق، ودرجة حرارة الهواء اليومية. من خلال التركيز على كل خلية بشكل منفصل، حافظت الطريقة على الاختلافات المحلية في المناخ والتربة واستخدام الأرض. وبعد التدريب على فترة 2016–2024، استُخدم نظام التعلم الآلي لـ «إعادة التنبؤ المؤرَّخ» بالرطوبة اليومية وصولًا إلى عام 1981، مولدًا سجلًا مستمرًا لمدة 44 عامًا يتسم بالتناسق الفيزيائي والتكيّف ليطابق ما كان القمر الصناعي سيرصده.

مقارنة الخريطة الجديدة مع الواقع

لن تكون أي عملية إعادة بناء مفيدة إلا إذا طابقت السلوك في العالم الحقيقي، لذا اختبر الفريق منتجهم بدقة. أولًا، تحققوا من مدى قدرة نموذج H08 على إعادة إنتاج جريان الأنهار والتبخر المقيس بواسطة الأقمار الصناعية، ووجدوا اتفاقًا عمومًا جيدًا عبر مئات محطات القياس. ثم قيّموا رطوبة التربة الناتجة عن التعلم الآلي مقابل SMAP ذاته: في معظم أنحاء الهند، تعقّب المنتج الجديد القمر الصناعي عن كثب، مع أخطاء صغيرة وترابطات قوية. في موقع اختباري مزود بحساسات تحت الأرض على أعماق متعددة، طابقت الرطوبة المعاد بناؤها الملاحظات بدقة عالية، بالرغم من الفرق بين قياس نقطة وخلية شبكية أكبر. أخيرًا، قارنوا شذوذات رطوبة التربة خلال سنتين معروفتي الجفاف، 2002 و2009، مع قياسات مستقلة للنشاط النباتي (التألق الكلوروفيلي الناتج عن الشمس) من الأقمار الصناعية. توافقت أنماط الجفاف في التربة والنباتات جيدًا، مما يدل على أن مجموعة البيانات الجديدة تلتقط كيفية استجابة المحاصيل والنباتات الطبيعية لإجهاد نقص المياه.

ما معنى هذا للمزارعين والمخططين

النتيجة النهائية هي خريطة عامة يومية موزعة على شبكة تُظهر مقدار المياه المخزنة في المتر الأعلى من التربة عبر الهند للفترة 1981–2024. للمستخدمين غير المتخصصين، يعني هذا أساسًا جديدًا للإجابة عن أسئلة عملية: ما مدى شذوذ جفاف هذا العام مقارنة بالعقود الماضية؟ أي الولايات أو المديريات الأكثر عرضة لخسائر المحاصيل خلال مواسم موسمية ضعيفة؟ كيف شكّل الري المتغير وهطول الأمطار مع الزمن المياه الجوفية في التربة؟ بينما يحذر المؤلفون من أن البيانات أقل موثوقية في الجبال الثلجية وبعض المناطق شديدة الري، فإنهم يؤكدون أن هذا السجل الطويل والمفصّل يمكنه بالفعل دعم رصد جفاف أفضل، ونماذج محاصيل ومياه أكثر واقعية، وسياسات أكثر اطلاعًا للأمن الغذائي والمائي في عالم يتدفّق حرارته بالارتفاع.

الاستشهاد: Chuphal, D.S., Abhishek, Kushwaha, A.P. et al. Development of Gridded Root-Zone Soil Moisture Product for India, 1981–2024. Sci Data 13, 560 (2026). https://doi.org/10.1038/s41597-026-06940-x

الكلمات المفتاحية: رطوبة التربة, الجفاف, الهند, الاستشعار عن بُعد, الزراعة