شبكة حسّاسات لاسلكية موفرة للطاقة لمراقبة مستوى المياه الجوفية الحضرية باستخدام التعلم الآلي وحركة المجمّع

مراقبة المياه المخفية تحت مدننا

تعتمد العديد من المدن بهدوء على المياه المخزنة تحت أقدامنا. مع تزايد السكان وازدياد الجفاف، لم يعد من الكمال معرفة مدى ارتفاع أو انخفاض هذا الاحتياطي الجوفي—بل أصبح أمراً أساسياً لتخطيط الآبار، وتجنب هبوط الأراضي، والحفاظ على استمرار تدفق المياه. تقدم هذه الورقة طريقة ذكية لمراقبة المياه الجوفية الحضرية باستخدام حسّاسات لاسلكية، والتعلم الآلي، وجهاز جمع بيانات متجول، صممت جميعها لإطالة عمر البطاريات الصغيرة حتى تعمل الشبكة لسنوات مع القليل من التدخل البشري.

لماذا يصعب تتبّع المياه الجوفية

المياه الجوفية لا تتدفّق عبر أنابيب يمكننا قياسها بسهولة؛ بل تتسرّب عبر التربة والصخور وتغيّر ببطء على نطاق واسع. تعتمد المراقبة التقليدية على عدد قليل من الآبار التي تُفحص يدوياً، مما يعطي صورة تقريبية فقط. تعد شبكات الحساسات اللاسلكية بوعد أفضل: أجهزة صغيرة كثيرة منتشرة في المدينة، كل واحدة تقيس مستوى المياه أو ظروفاً ذات صلة وتُرسل القراءات إلى الخلف في الزمن الحقيقي. المشكلة أن هذه الأجهزة عادة ما تكون مدفونة، يصعب الوصول إليها، وتعمل ببطاريات صغيرة غير قابلة للشحن. إذا تواصلت كثيراً فانها تفرغ بسرعة. والأسوأ أن الحساسات القريبة من نقطة التجميع الرئيسية تضطر إلى إعادة إرسال رسائل الآخرين وتستنفد طاقتها أولاً، محدثة "مناطق ميتة" لا يمكن فيها جمع بيانات.

شبكة أذكى توزّع الحمل

يقترح المؤلفون بروتوكولاً جديداً يسمى جدولة النوم لتجميع البيانات مع حركة المجمّع (SSDA‑SM) للحفاظ على هذه الشبكة الحسية حية وموثوقة لفترات طويلة. بدلاً من أن يتحدث كل حساس مباشرة إلى المحور المركزي، تُشكّل الحساسات القريبة مجموعات، ويعمل أحد العقد في كل مجموعة كقائد مؤقت. يجمع هذا القائد قراءات جيرانه ويحوّل رسالة مجمّعة نحو جهاز "المجمّع" المتجول الذي يجمع كل البيانات. يساعد نموذج تعلم آلي بسيط في اختيار أي حساس يجب أن يقود في كل دورة عن طريق وزن مقدار البطارية المتبقي وعدد الجيران الذين يمكنه خدمتهم، مع تدوير الدور بحيث لا يُجهد جهاز واحد أكثر من اللازم. الحساسات المتقاربة جداً والتي ترى ظروف مياه جوفية متشابهة تتناوب على البقاء مستيقظة، بحيث تغطي الشبكة المنطقة دون تبديد للطاقة في قياسات زائدة عن الحاجة.

ضغط البيانات بإحكام قبل إرسالها

إرسال رسائل الراديو هو أغلى عملية لهذه الأجهزة تحت الأرض، لذلك يعمل SSDA‑SM على تقليص البيانات قبل مغادرة الأرض. عند كل قائد مجموعة، تستخدم النظام خدعة رياضية تعرف بالاستشعار الضاغط. بدلاً من إعادة كل قراءة خام، يدمج القائد العديد من القياسات في مجموعة أصغر بكثير من القيم المشفّرة التي لا تزال تحتفظ بالنمط الأساسي. لاحقاً، في المجمّع حيث تتوفر قدرة حسابية أكبر بكثير، تُفك هذه القيم المضغوطة لاستعادة الإشارات الأصلية بدقة. ولأن المياه الجوفية تتغير بسلاسة على مستوى المكان والزمان، يمكن التقاط سلوكها بدقة من أعداد أقل بكثير من عدد الحساسات، مما يسمح للشبكة بإرسال كمية أقل مع فقدان ضئيل في التفاصيل.

ترك المجمّع يأتي إلى الحساسات

مصدر آخر للهدر في التصاميم التقليدية هو موقع المجمّع الثابت. الحساسات الأقرب لذلك النقطة يجب أن تعيد رسائل العقد البعيدة مراراً وتكراراً، مما يستنزف بطارياتها أولاً ويُحدث "ثغرة" طاقية في الخريطة. في SSDA‑SM، يكون المجمّع متحركاً: يتحرك عبر المنطقة المراقبة على مسار مخطط، ويتوقّف بالقرب من مجموعات الحساسات بالتتابع. يُختار مساره لتقصير متوسط المسافة التي يجب أن تسافرها الرسائل ولتفضيل المجموعات التي قادتها بطاريات قريبة من النفاد. يخزن القادة بيانات مضغوطة مؤقتاً حتى يقترب المجمّع ضمن المدى، ثم يرسلونها في قفزة قصيرة. هذا التحرك، مع تشكيل مجموعات بعناية، يوزّع عبء الاتصال بشكل أكثر توازناً عبر الشبكة.

ماذا تكشف الاختبارات عن الأداء

اختبر الباحثون SSDA‑SM في محاكيات حاسوبية مفصّلة وقارنوها مع أربع طرق حديثة تحاول أيضاً توفير الطاقة أو استخدام مجمّعات متحركة. تحت نفس الظروف—100 حساس بقدرات طاقة مختلطة في مربع بحجم مدينة—حافظ التصميم الجديد على أول حساس حي لفترة أطول، وأخّر النقطة التي تموت عندها نصف الحساسات، وامتدّ الوقت حتى توقف الشبكة كلها. استهلك طاقة أقل لكل دورة اتصال، ونجح في توصيل حزم بيانات أكثر، وقلّل متوسط التأخير لوصول المعلومات إلى المجمّع. بقيت مجموعات الشبكة مستقرة لعدد أكبر من الدورات، وحقق خطوة الاستشعار الضاغط تقليص بيانات أعلى مع السماح للمجمّع بإعادة بناء أنماط المياه الجوفية بدقة تزيد على 97%.

ما يعنيه هذا لمديري مياه المدن

لغير المتخصصين، الرسالة واضحة: من خلال تحديد أي الحساسات تبقى مستيقظة، وأيها يتحدث نيابة عن جيرانه، ومدى إحكام ضغط البيانات، وأين يتحرّك جامع البيانات، يمكننا بناء شبكة مراقبة تراقب المياه الحضرية المخفية لفترة أطول بكثير بنفس البطاريات. يبيّن SSDA‑SM أن الجمع بين تعلم آلي بسيط، وجداول نوم ذكية، وضغط بيانات، ومجمّع متجول يمكن أن يحوّل مجموعة متناثرة من المجسات المدفونة إلى "جهاز عصبي" دائم على مستوى المدينة للمياه الجوفية. قد تمنح هذه الأنظمة المخططين صورة أوضح بكثير عن مدى سرعة تجفيف الطبقات المائية وتساعد في توجيه استخدام أكثر استدامة لهذا المورد الحيوي، وإن كان في معظمه غير مرئي.

الاستشهاد: Manchanda, R., Lakshmi, A.V., Kaur, G. et al. Energy-efficient wireless sensor network for urban groundwater level monitoring using machine learning and sink mobility. Sci Rep 16, 9474 (2026). https://doi.org/10.1038/s41598-026-39435-1

الكلمات المفتاحية: مراقبة المياه الجوفية, شبكات الحساسات اللاسلكية, الاستشعار الموفّر للطاقة, جمع البيانات المتحرك, الاستشعار الضاغط