تقييم ديناميكيات الكربون العضوي في التربة باستخدام التعلم الآلي في دورات فول الصويا–القمح في شرق الصين

لماذا يهمّ ما تحت أقدامنا

عندما نتحدث عن تغير المناخ وإطعام عدد سكاني متزايد، غالباً ما نوجه النظر إلى السماء — ثاني أكسيد الكربون في الهواء، تغيرات الطقس، ارتفاع درجات الحرارة. لكن جزءاً كبيراً من القصة مخفي تحت الأرض. تخزن ترب الأراضي الزراعية كميات هائلة من الكربون بهدوء وتؤثر في مدى نجاح المحاصيل. تستكشف هذه الدراسة كيف يغيّر تناوب محصول شائع — فول الصويا يليه القمح — في واحدة من أهم مناطق الزراعة في الصين كمية الكربون المخزنة في التربة، وكيف يمكن للنماذج الحاسوبية المتقدمة رسم هذه التغيرات عبر المشهد.

المزارع في خط المواجهة للمناخ والغذاء

شرق الصين قوة في إنتاج الحبوب والزيوت، حيث يوفّر القمح والفول الصويا عناصر محورية لأمن الغذاء والاقتصاد. في الوقت نفسه، تواجه المنطقة ضغوطاً ناجمة عن الزراعة المكثفة وتدهور التربة وارتفاع المناخ. الكربون العضوي في التربة — المادة العضوية الداكنة في التربة — مهم لأنه يحسّن الخصوبة، ويساعد التربة على الاحتفاظ بالماء، ويخزن الكربون الذي كان سيُضاف إلى غازات الدفيئة لولا ذلك. فهم كيفية تأثير المحاصيل وممارسات الإدارة المختلفة على هذا البنك الكربوني تحت السطح يمكن أن يوجّه ممارسات زراعية تحافظ على الغلة وتُبطئ تغير المناخ في الوقت نفسه.

نَخْتَرِق الباطن: كيف أُنجزت الدراسة

أخذ الباحثون عينات من التربة في ما يقرب من ألف حقل فول صويا–قمح عبر سبع مقاطعات ومدن، من أنهوي إلى بكين. جمعوا التربة على عمقَين، طبقة الحراثة (0–15 سنتيمتراً) والطبقة الأسفل (15–30 سنتيمتراً)، في أربع لحظات مفصلية ضمن التناوب: قبل زراعة الفول، بعد حصاد الفول، بعد تجهيز الأرض للقمح، وبعد حصاد القمح. وبشكل مهم، تُركت بقايا المحاصيل من كلا الفول والقمح على الحقول وُخلطت بالتربة باستخدام الحراثة التقليدية. اقترن الفريق هذه القياسات بصور الأقمار الصناعية وبيانات الارتفاع الرقمية ومعلومات مناخية تصف الغطاء النباتي ومعدلات الأمطار وتذبذب درجات الحرارة وشكل الأرض.

تعليم الحواسيب قراءة التربة

بدلاً من الاعتماد على عدد قليل من ملفات التربة، استخدمت الدراسة التعلم الآلي — طرق حاسوبية تتعلم الأنماط من البيانات — لتوقّع الكربون في التربة عبر المنطقة كلها. درّب العلماء واختبروا ثلاثة أنواع من النماذج ووجدوا أن أحدها، المسمى الغابة العشوائية (Random Forest)، أعطى أدق التقديرات، لا سيما للتربة السطحية. تعامل هذا النموذج مع العلاقات المُعقّدة وغير الخطية بين كربون التربة والعديد من العوامل البيئية. أظهرت النتائج أن مؤشرات مثل الارتفاع المعياري في المشهد، ومؤشر الخضرة القائم على الأقمار الصناعية (NDVI)، وشدة تذبذب درجات الحرارة خلال السنة، والانحدار كانت مهمة بشكل خاص في تفسير أماكن ارتفاع أو انخفاض كربون التربة.

الفول يبني الكربون، والقمح يستنزفه

كشفت قياسات التربة عن نمط واضح. بعد زراعة الفول، زاد الكربون العضوي في التربة في كلّ من الطبقة العليا والطبقة الأسفل. بعد القمح حدث العكس: انخفض الكربون في كلا العمقين. أظهرت الخرائط المكانية أن الأجزاء الشمالية والجنوبية من المنطقة كانت تميل إلى الاحتفاظ بمزيد من الكربون، لكن في كل مكان، عمل الفول كباني للشُحم الكربوني وصار القمح مستنفِداً له. تربط الدراسة هذا التباين بعادات نمو المحاصيل وبقاياها. ينتج فول الصويا كتلة نباتية علوية أكبر وله جذور أعمق وأكثر امتداداً، وكل ذلك يغذي المادة العضوية في التربة. أما القمح، بشكله الشبيه بالأعشاب وكتلته الحيوية الأقل، فيساهم بمواد طازجة أقل، وفي بعض المناطق كان الكربون في التربة يتناقص فعلياً مع الوقت.

ما الذي يرسم خريطة الكربون تحت الأرض

من خلال دمج بيانات الحقل مع طبقات بيئية، أظهر الباحثون أن موقعك على التضاريس مهم. الحقول الأعلى على المنحدرات أو في مواقع طبوغرافية معينة تعرضت لمزيد من التعرية وحركة كربون التربة. المناطق ذات الغطاء النباتي الأخضر والكثيف، كما تُرى من الأقمار الصناعية، كانت تميل لتخزين مزيد من الكربون. أثّرت تقلبات درجات الحرارة الموسمية على نمو النبات وسرعة تكسير الميكروبات لبقايا النباتات. كل هذه العوامل تفاعلت مع اختيار المحصول: كسبت حقول الفول الكربون أكثر حيث دعمت الظروف نمواً وافراً، بينما كانت حقول القمح في المواقع الهشة أكثر عرضة لفقدان الكربون.

ما يعنيه ذلك للمزارعين والمناخ

لغير المتخصصين، الخلاصة بسيطة: ليست كل المحاصيل تتعامل مع التربة بنفس الطريقة. في هذا التناوب فول الصويا–قمح، يساعد الفول في إعادة تعبئة البنك الكربوني تحت السطح، بينما يميل القمح إلى السحب منه. تظهر الدراسة أن إضافة الفول أو الحفاظ عليه في التناوب يمكن أن يحسّن صحة التربة ويزيد قدرة التربة على تخزين الكربون ويقلل إطلاق الكربون إلى الغلاف الجوي. يتيح استخدام التعلم الآلي لرسم هذه التغيرات للمن planners والمزارعين رؤية أماكن كسب أو فقدان الكربون واستهداف ممارسات أفضل. في عالم يحرّ، وفي الوقت نفسه، يجب أن يظل مُغذّياً جيداً، تشير هذه الرؤى إلى أن تناوبات أذكى وإدارة تربوية معتمدة على البيانات يمكن أن تحول الحقول العادية إلى حلفاء أكثر فاعلية للمناخ.

الاستشهاد: Yu, Z. Machine learning-based assessment of soil organic carbon dynamics in soybean–wheat rotations in eastern China. Sci Rep 16, 7250 (2026). https://doi.org/10.1038/s41598-026-38105-6

الكلمات المفتاحية: كربون التربة, دورة فول الصويا–القمح, تناوب المحاصيل, التعلم الآلي, الزراعة الذكية مناخياً