تعزيز الخرائط الرقمية لوجود الكربون العضوي في التربة من خلال النمذجة المكانية والتحقق

لماذا يهتم الجميع بالكربون في التراب

يخزن كثير من الكربون على كوكبنا بهدوء في الطبقة العليا من التربة تحت أقدامنا. يساعد هذا الخزان غير المرئي على الحفاظ على استقرار مناخنا، ويدعم المحاصيل، ويقي الأراضي من التآكل. ومع ذلك ما زلنا نكافح لرسم خرائط دقيقة لكمية الكربون في التربة المختلفة، حتى داخل سهول زراعية واحدة. تُظهر هذه الدراسة من إيران كيف أن الحصول على خرائط أكثر ذكاءً، تأخذ في الحسبان تشابه الأماكن القريبة من بعضها البعض، يمكن أن يصقل تصورنا للكربون في التربة بشكل كبير ويساعد في توجيه الزراعة المستدامة والحساسة للمناخ.

البحث عن أنماط مخفية في تربة المزارع

تركز الباحثون على سهل زراعي رئيسي قرب مدينة أبيق في إيران، وهي منطقة ذات انحدارات لطيفة وحقول مروية ومراعي تنتج محاصيل أساسية مثل القمح والشعير والذرة. على مدار ست سنوات جمعوا 281 عينة تربة من أول 30 سنتيمتراً من الأرض، وهي طبقة مهمة بشكل خاص لجذور النباتات وتخزين الكربون. حللوا كل عينة لمعرفة محتواها من الكربون العضوي، الذي تبين أنه منخفض عموماً لكنه متغير إلى حد كبير من مكان لآخر. كما جمع الفريق معلومات سياقية مفصلة لكل موقع أخذت منه عينة، بما في ذلك الارتفاع فوق مستوى البحر، وشكل التضاريس، ومقاييس الغطاء النباتي المستندة إلى الأقمار الصناعية، ودرجات الحرارة وهطول الأمطار المحلية.

من الخوارزميات الكلاسيكية إلى التعلم المدرك للمكان

لتحويل القياسات المتفرقة إلى خريطة مستمرة، غالباً ما يستخدم العلماء أدوات التعلم الآلي مثل الغابات العشوائية (Random Forest)، التي تستطيع دمج عوامل بيئية متعددة واكتشاف علاقات معقدة. ومع ذلك، عادة ما تتعامل هذه الأدوات مع كل نقطة بيانات كما لو كانت معزولة. في الواقع، المواقع المجاورة في منظر طبيعي كثيراً ما تتشارك تاريخاً ومناخاً واستخداماً للأرض، لذا تميل تربة تلك المواقع إلى أن تكون متشابهة. تُسمى هذه الميلية لتشابه المواقع المتقاربة بالاعتماد المكاني، وتجاهلها قد يجعل الخرائط تبدو أكثر سلاسة مما هي عليه فعلياً ويمنح انطباعاً مبالغاً في الدقة. اختبر المؤلفون أربعة إعدادات نمذجة اختلفت في كيفية تعاملها مع تأثير "أهمية الجوار" وكيفية تحققها من موثوقيتها الخاصة.

إدخال البُعد المكاني في النماذج

في السيناريو الأول، استخدم الفريق غابة عشوائية معيارية تغذى فقط بمتغيرات بيئية مثل التضاريس والغطاء النباتي، وقَيَّموها بالتحقق العشوائي المتقاطع التقليدي، حيث تُقسَّم البيانات إلى مجموعات تدريب واختبار دون مراعاة الموقع. فسر هذا النموذج جزءاً جيداً من التباين في الكربون التربوي، لكن أخطاءه لم تكن موزعة عشوائياً: بل شكلت مجموعات على الخريطة، وهو علامة على أن النموذج فشل في التقاط بنية مكانية مهمة. في السيناريو الثاني أضاف الباحثون متنبئات مكانية جديدة مشتقة من المسافات بين نقاط العينة. حسّن هذا الإجراء الدقة إلى حد ما وقلّل، لكن لم يزل، تجمع الأخطاء. السيناريو الثالث غيّر فقط طريقة اختبار النموذج، باستخدام شكل مكاني من التحقق المتقاطع يحترم الفصل الجغرافي بين نقاط التدريب والاختبار. نتج عن ذلك درجات دقة أكثر واقعية وأقل قليلاً، لكن بقيت مشكلة الأخطاء الموزعة بشكل نمطي مكانياً.

طريق أكثر ذكاءً لخرائط واقعية لِكربون التربة

أتت الطفرة مع السيناريو الرابع، الذي استخدم شكلاً خاصاً من الغابات العشوائية مصمماً للبيانات المكانية. بدلاً من إضافة طبقات مكانية خارجية يدوياً، يبني هذا الأسلوب تلقائياً متنبئات مكانية داخلية بناءً على موقع العينات. مع هذا النهج، لم يحقق النموذج أعلى دقة فحسب، بل أنتج أيضاً أخطاء كانت في الأساس عشوائية مكانياً، مما يدل على أنه نجح في التقاط الأنماط المكانية الرئيسة في كربون التربة. كشفت الخريطة الناتجة عن تباينات أوضح ومناطق أكثر اتساقاً من التربة ذات كربون مرتفع ومنخفض تتطابق بشكل أوثق مع الاختلافات المعروفة في إدارة الأراضي والغطاء النباتي مقارنة بالنماذج السابقة.

ما معناه هذا للمزارعين والمناخ

بالنسبة لغير المتخصصين، الرسالة الأساسية هي أن موقع أخذ عينة التربة لا يقل أهمية عما تحتويه. من خلال تعليم أدوات الخرائط أن الحقول المجاورة تميل إلى السلوك المشابه، يمكننا الانتقال من صور تقريبية قد تكون مضللة لكربون التربة إلى خرائط مفصلة يمكنها توجيه قرارات عملية. تساعد الخرائط الأفضل المزارعين على استهداف ممارسات تزيد الكربون حيثما تكون الحاجة أكبر، وتدعم تقديرات أكثر دقة لما يمكن أن تخزنه التربة من كربون، وتمنح صانعِي السياسات قاعدة أقوى للتخطيط المناخي واستخدام الأرض. تظهر هذه الدراسة أن احتضان "الجغرافيا" داخل بياناتنا هو خطوة عملية وفعّالة نحو تربة أكثر صحة ومناخ أكثر استقراراً.

الاستشهاد: Jafari, A., Sarmadian, F., Heidari, A. et al. Enhancing digital mapping of soil organic carbon through spatial modeling and validation. Sci Rep 16, 8810 (2026). https://doi.org/10.1038/s41598-026-39496-2

الكلمات المفتاحية: الكربون العضوي في التربة, الخرائط الرقمية للتربة, التعلم الآلي المكاني, احتجاز الكربون, الزراعة المستدامة