Utveckling av ett rutnätsbaserat produkt för fukthalten i rotzonen i Indien, 1981–2024

Varför det vatten som gömmer sig i marken spelar roll

För miljontals jordbrukare i Indien avgörs en god skörd av något de inte kan se direkt: vattnet som lagras i marken under deras fötter. Detta dolda vatten inom rötternas räckvidd håller grödorna vid liv mellan regnen, påverkar hur värmeböljor känns och avgör om en torrperiod utvecklas till en förödande torka. Hittills har Indien saknat en lång och detaljerad tidsserie över denna underjordiska fukt. Den studie som beskrivs här fyller det tomrummet genom att skapa en daglig karta över fukthalten i rotzonen för hela Indien från 1981 till 2024, vilket öppnar nya möjligheter för smartare jordbruk, bättre torkvarningar och tydligare insikter i hur klimatförändringar påverkar landet.

Att titta under ytan

De flesta satellituppdrag kan bara mäta fukt nära markytan, några centimeter djupt—för grunt för att visa vad växtrötterna faktiskt upplever. Dessa satellitserier sträcker sig dessutom oftast bara tillbaka ungefär ett decennium, vilket försvårar bedömningar av långsiktiga trender. Samtidigt kan datorbaserade modeller som simulerar vattenrörelser i mark och floder köras över flera decennier, men de missa ofta lokala detaljer och kan underskatta den verkliga mängden vatten i marken, särskilt i områden med intensiv bevattning, komplicerad topografi eller tät vegetation. Forskarna ville kombinera båda metodernas styrkor för att rekonstruera hur våt eller torr rotzonen (ner till en meter) varit över Indien under mer än fyra decennier.

Att blanda satellitdata, modeller och väder

Teamet började med en högupplöst väderdatamängd för Indien, inklusive daglig nederbörd och temperatur, korrigerad mot markbaserade observationer. Dessa data matades in i en detaljerad markyta- och flodmodell kallad H08, som simulerar hur vatten rinner av, infiltrerar marken och återförs till luften genom avdunstning och växternas transpiration. Detta genererade långa dagliga tidsserier av avrinning, evapotranspiration och markfukt för varje 0,05° rutcell—ungefär ett par kilometers storlek—över Indiens större avrinningsområden. Modellen fångade visserligen tidsmässiga mönster väl, men tenderade att underskatta hur mycket vatten som faktiskt fanns lagrat i marken, särskilt i blötare regioner. För att rätta till detta använde forskarna rotzonsfukt från en NASA-satellitprodukt (SMAP Level 4), tillgänglig från 2015 och framåt, som en pålitlig referens.

Att lära en modell att tänka som en satellit

För att överbrygga klyftan mellan kortsiktiga satellitobservationer och långsiktiga modelldata vände sig forskarna till maskininlärning. För varje rutcell i Indien tränade de en Random Forest-modell—en form av ensemble av beslutsträd—för att lära sambandet mellan fyra indata och den satellitbaserade rotzonsfukten: modellerad markfukt, modellerad evapotranspiration, föregående veckas nederbörd och daglig lufttemperatur. Genom att fokusera på varje ruta separat bevarades lokala skillnader i klimat, jordarter och markanvändning. När modellen tränats på perioden 2016–2024 användes maskininlärningssystemet för att ”backkasta” daglig markfukt hela vägen tillbaka till 1981 och generera en kontinuerlig 44-årig tidsserie som både är fysiskt konsistent och anpassad för att matcha vad satelliten skulle ha observerat.

Att jämföra den nya kartan med verkligheten

En sådan rekonstruktion är bara användbar om den överensstämmer med verkliga förhållanden, så teamet testade sitt resultat noggrant. Först kontrollerade de hur väl H08-modellen reproducerade flöden i floder och avdunstning mätta av satelliter och fann generellt god överensstämmelse över hundratals mätstationer. Därefter utvärderade de den maskininlärda markfukten mot SMAP själv: i större delen av Indien följde den nya produkten satelliten mycket nära, med små fel och starka korrelationer. Vid en provlokal med marksensorer på flera djup matchade den rekonstruerade rotzonsfukten observationerna med hög noggrannhet, trots skillnaden mellan en punktmätning och en större rutcell. Slutligen jämförde de markfuktavvikelser under två ökända torkår, 2002 och 2009, med oberoende satellitmätningar av växtaktivitet (solinducerad klorofyllfluorescens). Torrhetsmönstren i mark och vegetation stämde väl överens, vilket visar att den nya datamängden fångar hur grödor och naturlig växtlighet reagerar på vattens stress.

Vad detta betyder för bönder och planerare

Resultatet är en öppen, daglig, rutnätsbaserad karta över hur mycket vatten som lagrats i den översta metern av marken i hela Indien från 1981 till 2024. För icke-specialister innebär detta en ny grund för att besvara praktiska frågor: Hur ovanlig är årets torrhet jämfört med tidigare årtionden? Vilka distrikt är mest sårbara för skördeförluster vid svaga monsunregn? Hur har bevattning och förändrade nederbördsmönster format underjordiskt vatten över tiden? Författarna varnar för att datan är mindre tillförlitlig i snötäckta bergsområden och vissa starkt bevattnade regioner, men betonar att denna långa och detaljerade tidsserie redan kan stödja bättre torkövervakning, mer realistiska gröd- och vattenmodeller samt mer informerade policybeslut för livsmedels- och vattensäkerhet i en värmande värld.

Citering: Chuphal, D.S., Abhishek, Kushwaha, A.P. et al. Development of Gridded Root-Zone Soil Moisture Product for India, 1981–2024. Sci Data 13, 560 (2026). https://doi.org/10.1038/s41597-026-06940-x

Nyckelord: markfuktighet, torka, Indien, fjärranalys, jordbruk