التنبؤ باستخدام نموذج Bi-GRU باستهلاك المياه العالمي في الزراعة والاستهلاك العالمي الكلي

لماذا يهم استخدام المياه المستقبلي الجميع

المياه النظيفة هي أساس غذائنا ومدننا وصناعاتنا، ومع ذلك تواجه العديد من المناطق نقصاً بالفعل. تطرح هذه الدراسة سؤالاً بسيطاً لكنه عاجل: كم من المياه سيحتاجه العالم في العقود القادمة، لا سيما للزراعة التي تستهلك معظم مياهنا العذبة؟ من خلال الجمع بين سجلات عالمية لاستخدام المياه وأداة ذكاء اصطناعي حديثة، يقيس الباحثون الطلب المستقبلي حتى عام 2040 ويختبرون مدى جودة طرق التنبؤ المختلفة. يمكن أن تساعد نتائجهم الحكومات والمخططين على الاستعداد لعالم أكثر جفافاً وكثافة سكانية.

تزايد الضغط على الأنهار والمياه الجوفية

تبدأ الورقة بتوضيح السياق: تغطي المياه معظم سطح الأرض، لكن الجزء العذب والقابل للاستخدام محدود. ارتفع الطلب العالمي بنحو ستة أضعاف خلال القرن الماضي، حيث يذهب نحو 70 في المئة من السحوبات إلى الزراعة، و20 في المئة إلى الصناعة والنسبة المتبقية للمنازل. ستحدث الكثير من الزيادة السكانية المتوقعة في أفريقيا وآسيا، وهما منطقتان عرضتان بالفعل لضغوط المياه وتغير المناخ. تشهد دول مثل الهند والصين وإندونيسيا والسعودية وتركيا زيادة سريعة في استخدام المياه مع توسع المدن ونمو الاقتصادات وزيادة الأراضي المروية. في المقابل، تظهر دول مثل ألمانيا واليابان والمملكة المتحدة استخداماً مستقراً أو متراجعاً قليلاً بفضل إجراءات الحفظ والكفاءة.

تحويل سجلات المياه العالمية إلى مجموعة بيانات قابلة للاستخدام

للانتقال من القلق إلى التوقع، يجمع المؤلفون مجموعة بيانات استهلاك المياه العالمية التي تغطي السنوات من 2000 إلى 2024 لعشرين اقتصاداً رئيسياً منتشرة عبر مناخات ومستويات دخل مختلفة. لكل دولة وسنة، تتضمن مجموعة البيانات إجمالي استخدام المياه، والمياه المخصصة للزراعة، واستخدام الأسر والصناعة للفرد، وتأثيرات هطول الأمطار ومعدل استنفاد المياه الجوفية. يقوم الفريق بتنظيف البيانات بعناية، والتحقق من القيم المفقودة أو الشاذة وإعادة معالجة جميع الأرقام إلى نطاق موحد بحيث لا يهيمن بلد أو متغير واحد على عملية التعلم. ثم يقسمون السلاسل الزمنية لكل دولة إلى أجزاء للتدريب والتحقق والاختبار، مع التأكد من أن السنوات اللاحقة تظل غير مُطَّلَع عليها أثناء التدريب حتى يمكن تقييم التنبؤات بشكل عادل.

كيف يقرأ نموذج تسلسلي ذكي الماضي

جوهر الدراسة هو نموذج تعلم عميق يُدعى الوحدة المتكررة ذات البوابة ثنائية الاتجاه، أو Bi-GRU. على عكس الخطوط التنبؤية البسيطة، صُمم هذا النموذج لقراءة التسلسلات. يعالج تاريخ استخدام المياه والعوامل ذات الصلة في كل من الاتجاهين الأمامي والخلفي، مما يتيح له التقاط أنماط تعتمد على فترات طويلة من الأمطار الجيدة أو السيئة، أو التغيرات التدريجية في السياسات أو التحولات البطيئة في السكان والصناعة. تضغط طبقات الشبكة هذه الأنماط إلى تمثيل داخلي ثم تخرج مقدارين رئيسيين لكل دولة: إجمالي استخدام المياه والاستخدام الزراعي للمياه. يقارن المؤلفون Bi-GRU بعدة بدائل متقدمة، بما في ذلك شبكات الذاكرة الطويلة والقصيرة الأمد (LSTM)، ونموذج المحول الزمني، ونموذج قائم على الرسم البياني يربط بين الدول، وطريقة تنبؤ احتمالية.

مدى قوة التنبؤات

عند اختباره على بيانات غير مرئية من 2021 إلى 2024، يقدم Bi-GRU باستمرار أكثر التنبؤات دقة بشكل عام. قيساً بواسطة مقاييس الخطأ الشائعة، يتفوق على جميع النماذج المنافسة لمعظم الدول، خصوصاً تلك ذات الأنماط الطويلة الأجل المستقرة نسبياً مثل الهند وألمانيا والمملكة المتحدة. كما يجري المؤلفون اختبارات إحصائية لإظهار أن التحسينات ليست نتيجة الصدفة. باستخدام النموذج الأفضل أداءً، يتوقعون إجمالي واستخدام المياه الزراعية من 2025 إلى 2040. من المتوقع أن تشهد بعض الدول، بما في ذلك الهند وتركيا والعديد من الاقتصادات سريعة النمو، استمرار زيادات في الطلب، لا سيما للري. وقد تستقر دول أخرى أو تقلل استهلاكها إذا استمرت اتجاهات الكفاءة الحالية.

ماذا تعني النتائج للأمن الغذائي والمائي

بالنسبة للقارئ غير المتخصص، الرسالة الأساسية هي أن التنبؤات الطويلة الأجل الأفضل يمكن أن تحول المخاوف الضبابية حول «نقص المياه في المستقبل» إلى أرقام ملموسة يمكن للمخططين التصرف بناءً عليها. تُظهر الدراسة أن الذكاء الاصطناعي الحديث المعتمد على التسلسل يمكنه تتبع كيفية تفاعل المناخ والسكان والتنمية لتشكيل استخدام المياه الوطني، ويمكنه فعل ذلك بدقة أكبر من الطرق السابقة. هذه التوقعات لا تضمن ما سيحدث، لكنها تبرز الأماكن التي من المرجح أن يجهد فيها الطلب الزراعي والإجمالي الإمدادات، مما يوجه الاستثمارات في تقنيات الري والتخزين وإعادة التدوير والإصلاحات السياسة. باختصار، التنبؤ الأذكى هو أداة عملية للمحافظة على تدفق المياه وإنتاجية الحقول في عالم يزداد دفئاً وكثافة سكانية.

الاستشهاد: Irfan, M., Rashid, J., Bibi, J. et al. Forecasting of global water usage in agriculture and total global consumption by using the Bi-GRU model. Sci Rep 16, 15071 (2026). https://doi.org/10.1038/s41598-026-44885-8

الكلمات المفتاحية: استخدام المياه العالمي, المياه الزراعية, توقعات التعلم العميق, نموذج Bi-GRU, تنبؤ الطلب على المياه