التنبؤ عالي الدقة بأنماط حرارة التربة باستخدام أُطر تعلم عميق مختلفة في ظل تغيّر المناخ

لماذا تهم الدفء تحت الأرض

معظمنا يفكر في تغيّر المناخ من منظور صيفٍ أكثر حرارة وغطاءات ثلجية متناقصة، لكن التحوّلات الهادئة التي تحدث على بضع سنتيمترات فقط تحت أقدامنا قد تكون ذات أهمية مساوية. تشكّل درجة حرارة التربة كيفية نمو المحاصيل، وكمية الغذاء التي يمكننا إنتاجها، ومقدار الماء الذي تستطيع المناظر الطبيعية احتفاظه به، وكمية الكربون التي تطلقها الأرض إلى الهواء. تنظر هذه الدراسة إلى ما تحت السطح في منطقة جبلية شبه جافة بغرب إيران وتسأل: كيف ستدفّأ — أو حتى تبرد مؤقتًا — الأرض التي نعتمد عليها في سيناريوهات مناخية مختلفة، وبأي سرعة ستتكشف هذه التغيرات؟

إلقاء نظرة أقرب على منظر طبيعي وعِر

ركّز الباحثون على محافظة لرستان، منطقة ذات قمم ووديان درامية على طول جبال زاگروس. هنا تتأرجح درجات الحرارة بين برد الشتاء القارس وحرارة الصيف اللاهبة، ويعتمد الفلاحون بدرجة كبيرة على المياه الجوفية لدعم المحاصيل والماشية. سجّلت عشرة محطات أرصاد جوية درجات حرارة التربة اليومية على عمق 5 سنتيمترات فقط على مدى عقود. ولإلقاء نظرة على المستقبل، زوّج الفريق هذه السجلات المحلية بمشروعات من نموذج مناخي عالمي يصف الغلاف الجوي بضربات عريضة ومنخفضة الدقة. كان التحدي تحويل هذه المشروعات الضبابية على مقياس الكوكب إلى توقعات حادة بمقياس المحطة تكون ذات معنى لمديري الأراضي المحليين.

تعليم الحواسيب قراءة المناخ

بدلاً من استخدام صيغ إحصائية تقليدية وبسيطة نسبيًا، لجأ الفريق إلى التعلم العميق — عائلة الطرق نفسها وراء تمييز الكلام والبحث في الصور الحديثة. اختبروا أربعة تصاميم شبكية عصبية جيدة بشكل خاص في معالجة الأنماط عبر الزمان والمكان: شبكة التفاف (CNN)، وتصميمان مخصّصان للتسلسلات (LSTM وGRU)، ونموذج هجين يجمع طبقات CNN وLSTM. قبل تدريب هذه النماذج، فرزوا 26 متغيِّرًا جويًا مختلفًا من نموذج النظام الأرضي الكندي، مثل درجة حرارة الهواء، وأنماط الضغط، والرياح، والرطوبة، مستخدمين ثلاث تقنيات تكميلية لمعرفة أيها يتتبع أفضل درجات حرارة التربة المرصودة. ظهرت درجة حرارة الهواء السطحية والضغط الجوي في المستويات المتوسطة كمؤشرات محورية عبر معظم المحطات.

توقعات تربة أوضح بفضل التعلم العميق الهجين

مع أفضل المتنبئات في اليد، درّب الباحثون وضبطوا كل شبكة عصبية على بيانات يومية من 1980 إلى 2014، مع فحص دقيق للأداء على سنوات مُحتجَزة. برز النموذج الهجين CNN‑LSTM عمومًا في الصدارة. لقد التقط كلًا من أنماط الطقس واسعة النطاق والتقلبات اليومية في درجة حرارة التربة، محققًا درجات مهارة عالية وباحتفاظه بأخطاء نموذجية لا تتجاوز بضعة درجات مئوية. أظهرت الاختبارات مقابل الملاحظات الحديثة من 2015 إلى 2020 أن النموذج قد يعيد إنتاج السلوك الواقعي تحت عدة سيناريوهات مناخية معروفة باسم «مسارات التنمية والاقتصاد الاجتماعي المشتركة»، والتي تتراوح من خفض قوي للانبعاثات إلى تنمية قائمة على الوقود الأحفوري. ومن المثير للاهتمام أن السيناريوهات التي طابقت اتجاهات التربة الأخيرة اختلفت بحسب الارتفاع والموقع: تميل محطات الجبال الأبرد إلى التوافق مع مستقبل منخفض الانبعاثات، بينما توافقت مواقع الأراضي المنخفضة الأدفأ مع مسارات متوسطة إلى أعلى انبعاثات.

انعطافات مفاجئة في تدفئة التربة المستقبلية

مسلّحين بنموذجهم الأكثر أداءً، طرح الفريق توقعات لدرجات حرارة التربة اليومية حتى عام 2100 تحت ثلاثة مستقبلات ممثلة: انبعاثات منخفضة ومتوسطة وعالية. جميع السيناريوهات تؤدي في النهاية إلى تربة أكثر دفئًا، لكنها لا تفعل ذلك بنفس الطريقة أو بنفس الوتيرة. تحت السيناريوهات المنخفضة والمتوسطة، ترتفع درجات حرارة التربة بشكل متواضع ثم تستقر، مضيفة نحو بضع درجات مئوية فوق اليوم بحلول أواخر القرن. أما تحت مسار الانبعاثات العالية، فالقصة أكثر درامية. في العقود القليلة القادمة يبرد الطبق العلوي من التربة في أماكن كثيرة، على الأرجح لأن السحب الأكثر سمكًا، وتغير هطول الأمطار، وتبلل التربة تحجب الأرض عن ضوء الشمس حتى مع احترار الهواء أعلاه ببطء. بعد منتصف القرن، تنقلب هذه البرودة المؤقتة إلى تسخين متسارع، تاركة عالم الانبعاثات العالية بتربة أدفأ بكثير ونمط متغير جذريًا في التقلبات من سنة إلى أخرى.

ما الذي يعنيه ذلك للمزارع والمياه والأنظمة البيئية

لغير المتخصصين، الرسالة تحذيرية وعملية في آن واحد. تُظهر هذه الدراسة أن ما يحدث عند سطح التربة ليس مرآة بسيطة لدرجة حرارة الهواء؛ فالجغرافيا المحلية والتغيرات في السحب والمطر والرطوبة يمكن أن تُغطي الاحترار مؤقتًا قبل أن تضاعفه لاحقًا. قد يواجه المزارعون ومديرو المياه في أماكن مثل لرستان سلسلة مربكة من تبريد التربة يليه تسخين سريع يصعب التكيف معه إذا استمرت الانبعاثات عالية. وعلى النقيض، يبدو أن العمل المناخي القوي — مستقبلات أقرب إلى سيناريوهات الانبعاثات المنخفضة — يضمن تدفئة أبطأ وأكثر ثباتًا من المرجح أن تتعامل معها النظم البيئية. من خلال تسخير أدوات تعلم عميق متقدمة، تقدم هذه الدراسة رؤية تحتية أكثر وضوحًا لخياراتنا المناخية، مترجمة السيناريوهات العالمية المجردة إلى مخاطر وجداول زمنية ملموسة في الطبقة الأرضية التي تُطعمنا.

الاستشهاد: Saeidinia, M., Haghiabi, A.H., Nazeri Tahroudi, M. et al. High-resolution forecasting of soil thermal regimes using different deep learning frameworks under climate change. Sci Rep 16, 7377 (2026). https://doi.org/10.1038/s41598-026-38496-6

الكلمات المفتاحية: درجة حرارة التربة, التعلم العميق, تغيّر المناخ, التنقيص المكاني, الزراعة