استشعار عن بُعد مُدمج على مستوى البكسل وتعلّم آلي قابل للتفسير لاستكشاف الهيدروجين الطبيعي في الجزء الجنوبي الشرقي من حوض بريكاسبِيَن، غرب كازاخستان

لماذا يهم الهيدروجين الخفي

غالبًا ما يُشاد بالهيدروجين كوقود نظيف للمستقبل، لكن معظمه اليوم يُنتَج بتكاليف كبيرة للطاقة والمال. هناك قصة أهدأ تحدث تحت أقدامنا: قد تكون الأرض نفسها تنتج كميات هائلة من غاز الهيدروجين طبيعيًا. تستكشف هذه الورقة كيف يمكن للعلماء اكتشاف دلائل سطحية دقيقة من الفضاء واستخدام ذكاء اصطناعي شفاف وقابل للتفسير لتضييق النطاق بشأن أماكن احتمال وجود الهيدروجين الطبيعي في الصخور في غرب كازاخستان.

نوع جديد من البحث عن ثروات الطاقة

على عكس النفط والغاز، فإن الهيدروجين الطبيعي خفيف الوزن، ويتسرب بسهولة، ولا يترك سوى آثار سطحية باهتة. الأدوات التقليدية مثل المسوحات السيزمية أو قياسات الجاذبية تجد صعوبة في اكتشافه مباشرة. ومع ذلك، في عدة مناطق حول العالم ارتبط الهيدروجين بأنواع صخور محددة، وصدوع عميقة، وجروف سطحية دائرية غريبة تُسمى أحيانًا «دوائر الجنيات». يحتوي حوض بريكاسبِيَن في غرب كازاخستان بالفعل على حقول نفط عملاقة، وطبقات ملحية سميكة تشكل أختامًا جيدة، وأنواع من الصخور المعروفة بأنها تولّد الهيدروجين. تشير تلك الوصفة الجيولوجية إلى أن المنطقة قد تخزن أيضًا جيوبًا من الهيدروجين المنتج طبيعيًا، إذا تمكنا من تعلم كيفية إيجادها بكفاءة وبميزانية منخفضة.

رؤية غاز غير مرئي من الفضاء

اتجه الباحثون إلى أقمار سيلينتل-2 الأوروبية، التي تسجّل ضوء الشمس المنعكس من الأرض في ألوان متعددة، بما في ذلك أطوال موجية حساسة للنباتات ورطوبة التربة والمعادن السطحية. تتكون كل صورة قمرية من مربعات صغيرة، أو بكسلات، بعرض 10 أمتار—أي بحجم قطعة أرض منزلية صغيرة تقريبًا. لكل بكسل في منطقة أتروا بغرب كازاخستان، حسب الفريق مجموعة من السمات الرقمية: النطاقات اللونية الخام، ومؤشرات بسيطة تتتبع صحة النباتات والمياه السطحية، وقياسات النسيج التي تلتقط مدى خشونة أو تجانس السطح. شكّلت هذه المكونات وصفًا من 22 متغيرًا لظروف كل بكسل السطحية، دون الحاجة للحفر أو أخذ عينات محلية.

تدريب الآلات على تمييز الأنماط الدقيقة

لربط تلك البصمات السطحية بإمكانية تسرب الهيدروجين، استخدم الفريق أربعة أساليب معروفة في التعلّم الآلي تتفوق في مهام التصنيف. درّبوا هذه النماذج على ملايين البكسلات المعلّمة من قبل خبراء باعتبارها محتملة الصلة بالهيدروجين أو لا، استنادًا إلى مسوحات ميدانية سابقة ومعرفة جيولوجية. بدلًا من إصدار إجابة بنعم أو لا لكل بكسل، أنتجت النماذج احتمالًا لوجود الهيدروجين. ثم طُبّق حد صارم بحيث تُعلم فقط البكسلات ذات الثقة العالية جدًا. لتعزيز الموثوقية، احتفظ الباحثون بالمواقع التي اتفقت فيها ثلاثة من النماذج الأربعة على الأقل، ثم جمعوا البكسلات المجاورة إلى عناقيد يمكن أن تمثل مناطق مرشحة حقيقية للهيدروجين بدلاً من بُقَع ضوضاء منعزلة.

فتح «الصندوق الأسود» للذكاء الاصطناعي

من أبرز المخاوف بشأن التعلّم الآلي في العلوم الجيولوجية هو الثقة: إذا قال نموذج إن «هذه البقعة تبدو واعدة»، يريد الخبراء معرفة السبب. لذا بنى الدراسة قابلية التفسير مباشرة في سير العمل. باستخدام تقنية تُدعى SHAP، قاس المؤلفون مدى دفع كل ميزة طيفية للبكسل نحو أو بعيدًا عن توقع الهيدروجين. عبر النماذج المختلفة، ظهرت أنماط متشابهة. كانت النطاقات في الأشعة تحت الحمراء القريبة وتحت الحمراء قصيرة الموجة—الحساسة لإجهاد النباتات والطبقات المعدنية الجافة والأسطح الغنية بالملح—هي الأثرى تأثيرًا باستمرار. وعندما وُضعت خرائط أهمية هذه الميزات فوق مقاطع جيولوجية وصدوع معروفة، تزامنت العديد من المناطق ذات الدرجات العالية مع مسارات هجرة ممكنة وشذوذات سطحية، مما أضفى مصداقية فيزيائية على اختيارات الآلة.

من المسح الشامل إلى العمل الميداني

الخرائط الناتجة ليست دليلًا مباشرًا على خزانات هيدروجين مخفية، لكنها توفر أداة فحص قوية. تميل النماذج إلى الإشارة بسخاء إلى المواقع المحتملة، ملتقطةً معظم البكسلات التي تبدو شبيهة بالهيدروجين وفي الوقت نفسه مُولِّدةً العديد من الإنذارات الكاذبة. بالنسبة لمرحلة الاستكشاف الأولى، يعد هذا المقايضة مقبولة: الهدف هو تقليص منطقة حدودية شاسعة إلى مجموعة قابلة للإدارة من الأهداف لحملات ميدانية. في أتروا، يُبرز النهج عددًا محدودًا من العناقيد المتماسكة، بعضها محاذٍ لصدوع عميقة و«نوافذ» ملحية، حيث يمكن للغاز أن يرتفع من باطن الأرض بشكل محتمل. من خلال الجمع بين بيانات الأقمار الصناعية، والتعلّم الآلي على مستوى البكسل، وشرح واضح لما يدفع كل توقع، تقدم الدراسة خارطة طريق قابلة للتفسير ومنخفضة التكلفة للاستكشاف عن الهيدروجين الطبيعي في كازاخستان وأحواض أخرى غير مستكشفة حول العالم.

الاستشهاد: Wayo, D.D.K., Goliatt, L., Hazlett, R. et al. Integrated pixel-wise remote sensing and explainable machine learning for natural hydrogen exploration in southeastern part of Pricaspian Basin, Western Kazakhstan. Sci Rep 16, 11085 (2026). https://doi.org/10.1038/s41598-026-41845-0

الكلمات المفتاحية: الهيدروجين الطبيعي, الاستشعار عن بُعد, التعلّم الآلي, كازاخستان, استكشاف الطاقة