رسم خرائط أنماط زراعة الأرز وأنواعها الثقافية باستخدام الاستشعار عن بعد

يُطعم الأرز أكثر من 3.5 مليار نسمة حول العالم، ومع ذلك، فإن أقل من 601 مليار منطقة زراعية للأرز لديها خرائط زراعية دقيقة ومحدثة، وفقًا لتحديث أطلس الأرز العالمي لعام 2024 الصادر عن المعهد الدولي لبحوث الأرز (IRRI). ويساهم رسم خرائط أنماط زراعة الأرز وأنواعها باستخدام الاستشعار عن بُعد في سد هذه الفجوة بسرعة، من خلال توفير بيانات دقيقة مكانيًا ومتسقة زمنيًا على نطاقات لا يمكن لأي مسح ميداني أن يضاهيها.

بدءًا من تمييز الأراضي المنخفضة المروية ذات المحصولين في دلتا نهر ميكونغ بفيتنام، وصولًا إلى تحديد الحقول المعتمدة على الأمطار في موسم واحد في أفريقيا جنوب الصحراء الكبرى، توفر الأنظمة القائمة على الأقمار الصناعية والرادار المعلومات التي يحتاجها المزارعون والحكومات وهيئات الأمن الغذائي للتخطيط بثقة. ومع تسارع معالجة البيانات بفضل الذكاء الاصطناعي والحوسبة السحابية، من المتوقع أن يصبح رصد الأرز شبه الفوري المعيار العالمي بحلول عام 2027.

لماذا يُعدّ الأرز مهماً ولماذا يصعب مراقبته؟

1. إنتاج الأرز ومعادلة الأمن الغذائي العالمي

يُعدّ الأرز الغذاء الأساسي لأكثر من نصف سكان العالم، وتتجاوز أهميته بكثير مجرد التغذية الفردية. وقد بلغ الإنتاج العالمي من الأرز ما يقارب 520 مليون طن متري من الأرز المطحون في عام 2024, ، وفقًا لبيانات منظمة الأغذية والزراعة، حيث تمثل آسيا ما يقرب من 901 تريليون طن من هذا الناتج.

أي اضطراب كبير في إمدادات الأرز، سواء كان ذلك بسبب الجفاف أو الفيضانات أو تفشي الآفات أو فشل السياسات، يؤدي إلى صدمات سريعة في أسعار الغذاء تؤثر بشكل غير متناسب على أفقر الأسر في العالم.

إن الحفاظ على الأمن الغذائي على هذا النطاق يتطلب أكثر من مجرد زراعة كميات كافية من الأرز. فهو يستلزم معرفة دقيقة لمواقع زراعة الأرز، وعدد مرات زراعة كل حقل سنوياً، والممارسات الزراعية المتبعة. وتحتاج الحكومات إلى هذه البيانات لتخصيص البنية التحتية للري، ودعم المدخلات الزراعية، وبناء احتياطيات للطوارئ.

يكمن التحدي في أن الأرز يزرع في مناظر طبيعية مجزأة بشكل استثنائي، تتراوح من سفوح التلال المدرجة في الفلبين إلى السهول المروية الشاسعة في الصين، مما يجعل المسوحات التقليدية حقلًا تلو الآخر غير عملية من الناحية اللوجستية والمالية على المستويين الوطني أو الإقليمي.

2. الحاجة إلى رصد منهجي لأنماط زراعة الأرز

تتغير أنماط زراعة الأرز باستمرار، أي عدد مواسم زراعة الأرز في السنة وكيفية توزيعها على مساحة معينة. ويؤدي تقلب المناخ إلى تقصير فترات الزراعة في بعض المناطق وتوسيعها في مناطق أخرى. كما تدفع المؤشرات الاقتصادية المزارعين إلى التحول من زراعة محصول واحد إلى زراعة محصولين عندما تتوافق وفرة المياه مع أسعار السوق.

بدون رصد منهجي، يعتمد المخططون على بيانات تعداد سكاني قد تكون قديمة لخمس سنوات أو أكثر، مما يؤدي إلى سوء تخصيص مزمن للمياه، ودعم الأسمدة، والقروض الريفية. يوفر الاستشعار عن بعد حلاً لهذه الفجوة في الرصد من خلال تقديم ملاحظات متسقة وقابلة للتكرار عبر بلدان بأكملها في غضون أيام.

بدلاً من الاعتماد على الإبلاغ الذاتي للمزارعين أو استطلاعات التعداد، تقوم الأنظمة القائمة على الأقمار الصناعية بمراقبة المشهد مباشرة، وتلتقط كيف تتغير حقول الأرز من خلال الفيضانات وعمليات الزرع والنمو النباتي والحصاد في كل موسم من مواسم السنة.

3. ما الذي يضيفه الاستشعار عن بعد إلى رسم الخرائط الزراعية؟

الاستشعار عن بعد هو علم الحصول على معلومات حول الأجسام أو المناطق من مسافة بعيدة، وذلك عادةً باستخدام أجهزة استشعار مثبتة على الأقمار الصناعية أو الطائرات أو المركبات الجوية غير المأهولة. وفي السياقات الزراعية، تقيس أجهزة الاستشعار الطاقة المنعكسة أو المنبعثة من المحاصيل والتربة والمياه عند أطوال موجية مختلفة من الطيف الكهرومغناطيسي.

نظراً لاختلاف انعكاس الطاقة باختلاف أنواع الغطاء الأرضي في مراحل النمو المختلفة، تستطيع صور الأقمار الصناعية التمييز بين حقل الأرز وحقل الذرة، وبين قطعة أرض مزروعة بالأرز المغمور بالمياه وقطعة أرض مزروعة مباشرة بالبذر الجاف، بدقة تزداد مع تطور تقنيات الاستشعار. ويخدم رسم خرائط أنماط زراعة الأرز وأنواع المحاصيل باستخدام الاستشعار عن بُعد أربعة أهداف مترابطة.

• أولاً، ينتج قوائم جرد مكانية صريحة لأماكن زراعة الأرز على نطاقات زمنية موسمية وسنوية.
• ثانياً، يصنف عدد دورات الزراعة التي تحدث سنوياً في كل منطقة محددة على الخريطة، مع التمييز بين أنظمة الزراعة الأحادية والثنائية والثلاثية.
• ثالثًا، يحدد الممارسات الثقافية المستخدمة، مثل ما إذا كان الحقل مزروعًا بالبذور المنقولة أو بالبذور المباشرة، أو ما إذا كانت إدارة المياه خاضعة للتحكم أو تعتمد على الأمطار.
• رابعاً، يقوم بتوليد بيانات أساسية تُستخدم في التنبؤ بالإنتاج، وموازنة المياه، وتخطيط التكيف مع المناخ، وأنظمة الزراعة الدقيقة.

فهم أنظمة زراعة الأرز وأنواعها الثقافية

1. ما الذي يعنيه نمط زراعة الأرز فعلياً

يصف نمط زراعة الأرز الترتيب الزمني لزراعة الأرز خلال السنة التقويمية في موقع محدد. فهو لا يقتصر على تحديد ما إذا كان الأرز يُزرع أم لا، بل يشمل عدد مرات زراعته، ومواعيد بداية ونهاية كل موسم، والمحصول الذي يسبقه أو يليه في الحقل نفسه، إن وُجد. إن رسم خرائط هذه الأنماط على مستوى المنطقة يمنح المخططين صورة ديناميكية لكثافة استخدام الأراضي والطلب على الموارد، وهي صورة لا يمكن الحصول عليها من خلال لقطة واحدة.

2. أنظمة زراعة الأرز أحادية المحصول

في أنظمة زراعة المحصول الواحد، يزرع المزارعون الأرز لموسم واحد في السنة، ويتزامن ذلك عادةً مع موسم الأمطار الموسمية أو دورة ري واحدة مُتحكَّم بها. وتسود هذه الأنظمة في المناطق التي يحد فيها توفر المياه أو العمالة أو المناخ من إمكانية زراعة موسم ثانٍ.

تميل أنظمة المحاصيل الفردية إلى أن يكون لها فترات نمو أطول في الموسم الواحد، وغالبًا ما تستخدم أصنافًا تقليدية أو محسنة طويلة الأمد، كما أنها تعتمد بشكل غير متناسب على الأمطار، مما يجعلها حساسة للغاية لتوقيت هطول الأمطار وتوزيعها.

3. أنظمة زراعة الأرز المزدوجة

تُنتج أنظمة الزراعة المزدوجة محصولين من الأرز سنوياً من الحقل نفسه. وهي شائعة في جميع أنحاء جنوب شرق وجنوب آسيا، بما في ذلك دلتا النهر الأحمر في فيتنام، وسهول بنغلاديش الفيضية، والمناطق المروية في البنجاب بالهند.

إن الفجوة الزمنية بين الموسمين ضيقة، وغالبًا ما تكون أقل من 30 يومًا، لذا فإن تحديد مناطق المحاصيل المزدوجة من بيانات الأقمار الصناعية يتطلب ملاحظات متسلسلة زمنية كثيفة لاكتشاف دورتين فينولوجيتين كاملتين خلال عام واحد.

4. أنظمة زراعة الأرز الثلاثية

تُمارس زراعة المحاصيل الثلاثية، التي تتضمن ثلاثة محاصيل من الأرز سنوياً، في مناطق محدودة حيث يكون توافر المياه ودرجة الحرارة مناسبين على مدار العام. وتدعم دلتا نهر ميكونغ في جنوب فيتنام وأجزاء من مقاطعة غوانغدونغ في جنوب الصين أنظمة زراعة المحاصيل الثلاثية.

رغم أنها تزيد من كثافة استخدام الأراضي، إلا أن أنظمة الزراعة الثلاثية تنطوي على تحديات كبيرة في خصوبة التربة وإدارة الآفات. ويُعدّ تحديد هذه الحقول عن بُعد عمليةً معقدةً تقنياً، لأن فترات الراحة القصيرة بين المحاصيل تُكثّف الإشارات الفينولوجية في فترات زمنية ضيقة.

5. زراعة الأرز المعتمدة على الأمطار

يُشكّل الأرز المزروع بالأمطار، والذي يعتمد كلياً على مياه الأمطار دون استخدام مصادر مياه اصطناعية، ما يقارب 451 تريليون طن من إجمالي مساحة زراعة الأرز عالمياً، وفقاً للمعهد الدولي لبحوث الأرز (IRRI). ويُعدّ هذا النظام هو السائد في أفريقيا جنوب الصحراء الكبرى، والمناطق الجبلية في جنوب وجنوب شرق آسيا، والسهول الفيضية التي تعتمد على الأمطار.

تُعدّ أنظمة الزراعة المطرية شديدة التأثر بتقلبات هطول الأمطار، مما يؤدي إلى تذبذب المحصول بمقدار 30-50 طنًا متريًا بين السنوات الرطبة والجافة في بعض المناطق. ومن منظور الاستشعار عن بُعد، يصعب رسم خرائط زراعة الأرز المطرية لأن إشارة الفيضانات تكون أضعف وأكثر عدم انتظامًا مقارنةً بالحقول المروية المُدارة.

6. زراعة الأرز المروي

تتلقى أنظمة ري الأرز المياه عبر القنوات والمضخات والخزانات المُدارة، مما يُمكّن المزارعين من التحكم بدقة عالية في مواعيد الزراعة والحصاد. ويشغل الأرز المروي حاليًا حوالي 551 تريليون طن فقط من مساحة زراعة الأرز العالمية، ولكنه يُساهم بـ 751 تريليون طن من إجمالي إنتاج الأرز، مما يعكس ميزة زيادة المحصول بفضل الأمن المائي.

يؤدي غمر حقول الأرز المروية بشكل متعمد إلى خلق بصمة ارتداد رادارية قوية ومتسقة يمكن لأجهزة الاستشعار بالأقمار الصناعية اكتشافها بشكل موثوق، مما يجعل الأرز المروي من بين أكثر أنواع المحاصيل التي تم رسم خرائطها بدقة في العالم.

7. أنظمة زراعة الأرز في المرتفعات والمنخفضات

يُزرع الأرز الجبلي في تربة جيدة التصريف وغير مغمورة بالمياه، وغالبًا ما يكون ذلك على سفوح التلال أو المدرجات في آسيا وأفريقيا. ولأن هذه الحقول لا تُغمر بالمياه عمدًا، فإنها تفتقر إلى الإشارة المائية التي تُمكّن الرادار من تحديد أرز الأراضي المنخفضة، مما يُجبر الباحثين على الاعتماد على الأنماط الطيفية للغطاء النباتي فقط.

على النقيض من ذلك، يُزرع أرز الأراضي المنخفضة في حقول مسطحة أو ضحلة تتجمع فيها المياه بشكل طبيعي أو عن طريق الري. وتهيمن أنظمة الأراضي المنخفضة على مناطق إنتاج الأرز في آسيا، وهي الهدف الرئيسي لمعظم جهود رسم الخرائط واسعة النطاق.

يوفر التباين المورفولوجي بين الحقول المرتفعة والمنخفضة، بما في ذلك شكل الحقل والموقع الطبوغرافي وبنية الغطاء النباتي، إشارات مكانية تكميلية يمكن لتحليل الصور القائم على الكائنات استغلالها بشكل فعال.

8. الأرز المزروع مباشرة مقابل الأرز المنقول

تتضمن زراعة الأرز بالنقل زراعة الشتلات في مشتل لمدة تتراوح بين 25 و30 يومًا، ثم نقلها يدويًا أو آليًا إلى الحقل الرئيسي. أما زراعة الأرز بالبذور مباشرة، فتتضمن نثر البذور أو غرسها مباشرة في الحقل المُجهز دون الحاجة إلى مرحلة المشتل.

تُنتج هاتان الطريقتان بصمات زمنية مختلفة بشكل ملحوظ في بيانات الأقمار الصناعية: تُظهر الحقول المزروعة بالبذور اخضرارًا حادًا ومتزامنًا بعد حوالي ثلاثة أسابيع من الفيضان، بينما تُظهر الحقول المزروعة بالبذور مباشرةً نموًا تدريجيًا للغطاء النباتي منذ يوم البذر. هذا الاختلاف الفينولوجي، الدقيق ولكنه حقيقي، يمكن رصده من خلال تحليل دقيق للسلاسل الزمنية لمؤشرات الغطاء النباتي.

أدوات وتقنيات الاستشعار عن بعد لرسم خرائط الأرز

1. المبدأ الفيزيائي وراء الاستشعار عن بعد

تعكس كل نبتة الإشعاع الشمسي وتمتصه وتنقله وفق أنماط تحددها التركيبة الكيميائية لأوراقها، وبنية غطائها النباتي، ومحتواها المائي. تمتص الأوراق الخضراء الضوء الأحمر بقوة لعملية التمثيل الضوئي، بينما تعكس جزءًا كبيرًا من طاقة الأشعة تحت الحمراء القريبة. في المقابل، تمتص التربة المغمورة بالمياه جميع الإشعاع الوارد تقريبًا.

تُنتج هذه الاستجابات المتباينة بصمات طيفية يمكن التنبؤ بها والتي يمكن لأجهزة الاستشعار الموجودة على الأقمار الصناعية تسجيلها بتوقيت ثابت، مما يُمكّن المحللين من تتبع حالة المحاصيل ومرحلة نموها وقرارات الإدارة على مستوى الحقل دون الحاجة إلى زيارة الحقل على الإطلاق.

2. الاستشعار البصري عن بعد

تستشعر المستشعرات البصرية الإشعاع الشمسي المنعكس، مما ينتج صورًا تُحاكي إلى حد كبير ما تراه العين البشرية عند امتدادها إلى أطوال موجية تحت الحمراء. وتُهيمن ثلاث منصات بصرية على أبحاث رسم خرائط الأرز.

لاندسات (سلسلة من الأقمار الصناعية التي تشغلها وكالة ناسا وهيئة المسح الجيولوجي الأمريكية منذ عام 1972) توفر صورًا بدقة مكانية تبلغ 30 مترًا مع دورة إعادة زيارة مدتها 16 يومًا. ويجعلها أرشيفها الزمني الطويل ضرورية لدراسة تغير مساحة زراعة الأرز على مدى عقود. ومع ذلك، فإن تكرار الصور كل 16 يومًا يعني أنه قد يتم تفويت بعض الظواهر الفينولوجية خلال موسم النمو القصير بين عمليات الرصد.

سينتينل-2 يُحسّن نظام Sentinel-2 (الذي تشغله وكالة الفضاء الأوروبية، والذي أُطلق عامي 2015 و2017 كنظام قمرين صناعيين) من نظام Landsat بدقة تتراوح بين 10 و20 مترًا ودورة إعادة زيارة كل 5 أيام عند خط الاستواء. يُتيح هذان التحسينان معًا تحديدًا أدق للحقول وأخذ عينات أفضل من مراحل نمو المحاصيل، وتستخدم معظم دراسات رسم خرائط الأرز عالية الدقة الحديثة، بما في ذلك تلك المنشورة في مجلة ISPRS للتصوير المساحي والاستشعار عن بعد عام 2024، بيانات Sentinel-2 كمصدر رئيسي للبيانات البصرية.

موديس يوفر جهاز التصوير الطيفي متوسط الدقة (MODIS)، الموجود على متن قمري تيرا وأكوا التابعين لوكالة ناسا، دقة مكانية تتراوح بين 250 و500 متر مع إمكانية إعادة المسح يوميًا. ورغم أن دقته غير كافية لرسم خرائط الحقول الفردية، إلا أن MODIS يظل ذا قيمة كبيرة لتقييم كثافة المحاصيل على المستويين الوطني والقاري، حيث تكون الدقة المكانية العالية أقل أهمية من الكثافة الزمنية.

3. الاستشعار عن بعد بالرادار

رادار الفتحة التركيبية (SAR) هي تقنية تعتمد على الرادار، حيث ترسل نبضات ميكروية باتجاه سطح الأرض وتقيس الطاقة المتناثرة عائدةً إلى المستشعر. وعلى عكس المستشعرات البصرية، يعمل الرادار ذو الفتحة التركيبية (SAR) بشكل مستقل عن الغطاء السحابي والإضاءة الشمسية، مما يعني أنه يجمع البيانات بكفاءة متساوية في ليلة غائمة خلال موسم الرياح الموسمية كما في يوم جاف صافٍ.

تُعد هذه الخاصية ذات أهمية بالغة لرسم خرائط الأرز في المناطق الاستوائية في آسيا، حيث تفقد أجهزة الاستشعار البصرية أسابيع من موسم النمو بشكل روتيني بسبب انسداد السحب.

سينتينل-1 تبث وكالة الفضاء الأوروبية (ESA) طاقة الموجات الميكروية في النطاق C (طول الموجة حوالي 5.6 سم) وتوفر بيانات رادار الفتحة التركيبية (SAR) عالمية مجانية بدقة 10 أمتار مع دورة تكرار تتراوح بين 6 و12 يومًا. تتفاعل حقول الأرز مع إشارات رادار الفتحة التركيبية بطريقة مميزة:

• تعمل الحقول المغمورة بالمياه كمرآة شبه مثالية، حيث تعكس معظم طاقة الرادار بعيدًا عن المستشعر (مما ينتج عنه قيم ارتداد منخفضة)، بينما
• تعمل مظلة الأرز المتنامية على تشتيت الطاقة بشكل متزايد نحو المستشعر مع زيادة كثافة النبات ومساحة الأوراق.

يشكل مسار التشتت العكسي هذا بمرور الوقت، والذي يكون منخفضًا أثناء الفيضانات وعمليات الزرع، ويرتفع خلال المراحل الخضرية، ثم ينخفض مرة أخرى بعد الإزهار، بصمة فينولوجي رادارية فريدة من نوعها للأرز.

وجد نغوين وآخرون (الاستشعار عن بعد للبيئة، 2023) أن تصنيف السلاسل الزمنية لصور الرادار ذي الفتحة التركيبية (SAR) من القمر الصناعي Sentinel-1 قد حقق دقة إجمالية 92.3% في رسم خرائط مواسم زراعة الأرز عبر ثلاث مقاطعات في دلتا ميكونغ في فيتنام، بما في ذلك مناطق المحاصيل الثلاثية حيث لم تكن البيانات البصرية متاحة لأكثر من 60% من فترة النمو بسبب الغطاء السحابي.

في المناطق الاستوائية التي تزرع الأرز، لا تعد الطرق القائمة على الرادار ذي الفتحة التركيبية مجرد بديل للاستشعار البصري، بل إنها غالباً ما تكون الخيار الموثوق الوحيد لرسم الخرائط موسماً بعد موسم خلال أشهر الرياح الموسمية.

4. تكامل بيانات متعددة المستشعرات

لا يوجد مستشعر واحد يوفر المزيج الأمثل من التفاصيل المكانية والكثافة الزمنية وقدرة اختراق السحب. ولذلك، فإن أنظمة رسم خرائط الأرز الأكثر دقة تدمج أنواعًا متعددة من المستشعرات ضمن إطار تحليلي واحد.

تعتمد بنية مشتركة على الجمع بين بيانات Sentinel-1 SAR للتتبع الزمني الخالي من السحب مع بيانات Sentinel-2 البصرية للثراء الطيفي خلال الفترات الصافية، وتستخدم MODIS كمرجع ذي دقة منخفضة للكشف عن الأنماط الفينولوجية على المستوى الإقليمي.

عندما يتم دمج تدفقات البيانات هذه خوارزميًا، يمكن لمجموعة البيانات المدمجة تحديد حدود المحاصيل، واكتشاف تواريخ الزرع، وتعيين تصنيفات الأنواع الثقافية بمستوى من اليقين لا يمكن لأي مستشعر بمفرده تحقيقه.

تحديد أنماط زراعة الأرز من بيانات الأقمار الصناعية

1. السمات الزمنية لمراحل نمو الأرز

يمر الأرز بتسلسل محدد جيدًا من مراحل النمو: إعداد الأرض وغمرها بالمياه، وزراعة الشتلات أو البذر، والتفريع (نمو سيقان متعددة من نبات واحد)، وبدء تكوين السنبلة، والإزهار (ظهور رأس الزهرة الحاملة للحبوب)، والحصاد.

تُحدث كل مرحلة تغييراً قابلاً للقياس في الخصائص البصرية والرادارية للحقل. ويستخدم المحللون هذه البصمات الخاصة بكل مرحلة، والتي يتم التقاطها كسلسلة زمنية من المؤشرات الطيفية أو ارتداد الرادار ذي الفتحة التركيبية، لإعادة بناء ما حدث في كل حقل ومتى، دون أي معرفة مسبقة من المزارع.

2. رسم خرائط الأرز بناءً على علم الظواهر

رسم الخرائط القائم على علم الفينولوجيا يُعدّ استخدام توقيت الأحداث البيولوجية لتصنيف المحاصيل النهج السائد للكشف عن زراعة الأرز في المساحات الكبيرة. وتعتمد هذه الطريقة على مطابقة منحنيات رياضية مع بيانات السلاسل الزمنية، ثم تحديد الحقول التي يتطابق فيها النمط الزمني مع منحنى نمو الأرز المميز. وتشمل تواريخ الأحداث الرئيسية المستخرجة من عملية المطابقة هذه ما يلي:

• بداية موسم النمو (والتي تُعرف عادةً بزيادة حادة في قيم مؤشر الغطاء النباتي بعد الفيضانات)،,
• ذروة موسم النمو (مؤشر مساحة الأوراق القصوى)، و
• نهاية الموسم (انخفاض سريع عند الحصاد).

يحدد عدد هذه الدورات التي يتم اكتشافها خلال السنة التقويمية بشكل مباشر ما إذا كان الحقل مصنفًا على أنه حقل مزروع مرة واحدة أو مرتين أو ثلاث مرات.

3. تقييم كثافة الزراعة

تُعدّ كثافة الزراعة، أي عدد مواسم الزراعة المكتملة سنويًا على وحدة أرض، من أهمّ مخرجات رسم خرائط أنماط زراعة الأرز ذات الصلة بالسياسات. ويعتمد أحد الأساليب البسيطة والفعّالة على حساب عدد مرات ظهور ذروة طيفية أو ذروة ارتدادية شبيهة بتلك الموجودة في الأرز ضمن السلسلة الزمنية السنوية للبكسل.

عند دمجها مع المرشحات المكانية لإزالة عمليات الكشف الزائفة الناتجة عن الأراضي الرطبة أو المسطحات المائية أو الفيضانات الموسمية، فإن عمليات العد الدوري هذه تنتج خرائط للأرز أحادي المحصول وثنائي المحصول وثلاثي المحصول والتي يمكن التحقق من صحتها من خلال المسوحات الميدانية والإحصاءات الإقليمية.

4. رسم خرائط توزيع الأرز الموسمية والسنوية

لا تقتصر الخرائط الموسمية (خريطة واحدة لكل موسم زراعي في السنة) على تحديد أماكن زراعة الأرز فحسب، بل تشمل أيضاً مواعيد زراعته في كل موقع. وتكشف مجموعات الخرائط الموسمية السنوية عن التقويم الزراعي الكامل للمنطقة، بما في ذلك التوزيع المكاني للأرز المزروع في بداية الموسم مقابل الأرز المزروع في نهايته، وهو ما يؤثر بشكل مباشر على جدولة الري، وإدارة الآفات، ولوجستيات الحصاد.

5. الكشف عن دورات المحاصيل التي تشمل الأرز

في العديد من أنظمة زراعة الأرز الآسيوية، يتناوب المزارعون بين زراعة الأرز والقمح والخضراوات والبقوليات، أو يتركون الأرض بوراً لفترات محددة، ضمن الحقل نفسه على مدار مواسم متتالية. وتكشف تقنيات الاستشعار عن بُعد عن هذه الدورات الزراعية من خلال تحليل البيانات السنوية الكاملة بدلاً من تحليل أي موسم منفرد بمعزل عن غيره.

يُظهر حقلٌ يُصنّف كمحصول أرز في موسم الأمطار، ومحصول قمح في موسم الجفاف، نمطًا زمنيًا مميزًا ذا قمتين في بيانات مؤشر الغطاء النباتي، حيث تُحدد الخصائص الطيفية لكل قمة نوع المحصول المعني. ويُعدّ رسم خرائط هذه الدورات الزراعية أمرًا بالغ الأهمية لتقييم صحة التربة، ونمذجة احتياجات الري، وبرامج تنويع مصادر الدخل.

كيف يُسهم برنامج GeoPard في رسم خرائط أنماط زراعة الأرز

يتطلب رسم خرائط أنماط زراعة الأرز مراقبة مستمرة ومتعددة المصادر على مدار موسم النمو بأكمله، وهذا ما يوفره نظام GeoPard تحديدًا. فمن خلال دمج صور الأقمار الصناعية Landsat-8 وSentinel-2 وPlanet في منصة واحدة، يراقب GeoPard الحقول يومًا بعد يوم بدقة تصل إلى 3 أمتار، مما يضمن عدم تفويت أي أحداث مهمة في زراعة الأرز، مثل الفيضانات قبل الزراعة، واخضرار الشتلات، والحصاد، بسبب حجب الرؤية.

لقد أظهر دمج البيانات من أجهزة الاستشعار المتعددة في المنصة تحسناً في الدقة بمقدار 4% مقارنة بنهج المستشعر الواحد، مما يزيد بشكل مباشر من حدة الفصل بين أنظمة زراعة الأرز أحادية المحصول، وثنائية المحصول، وثلاثية المحصول.

لتحديد النوع الثقافي، فإن مجموعة مؤشرات الغطاء النباتي من GeoPard، بما في ذلك NDWI للكشف عن الفيضانات السطحية، وEVI2 لتوقيت الكتلة الحيوية للغطاء النباتي، وLAI لكثافة الغطاء النباتي، تلتقط السيرة الطيفية التي تفصل الأرز المروي المزروع عن أنظمة الزراعة المطرية أو البذر المباشر.

في أيام الرياح الموسمية الغائمة عندما تفشل الصور البصرية تمامًا، تحافظ طبقة بيانات الرادار المتكاملة في GeoPard على تتبع الغطاء النباتي دون انقطاع، وتقرأ حوض التشتت الخلفي للرادار ذي الفتحة التركيبية الذي يمثل السمة المميزة لحقل الأرز المغمور بالمياه في وقت الزراعة.

تتيح أداة مقارنة الطبقات للمهندسين الزراعيين وضع ما يصل إلى أربع طبقات بيانات متزامنة جنبًا إلى جنب، مما يجعل من السهل فصل أنواع زراعة الأرز عن طريق مقارنة إشارات الفيضانات NDWI مع اتجاهات الغطاء النباتي متعددة السنوات وخرائط إنتاجية التربة.

بفضل أكثر من 30 عامًا من صور الأقمار الصناعية، تكشف المنصة أنماط كثافة المحاصيل على المدى الطويل على مستوى الحقل. وتُدمج هذه المعلومات مباشرةً في خرائط تطبيق المعدلات المتغيرة للأسمدة والبذور وحماية المحاصيل، مما يحوّل خرائط أنواع زراعة الأرز إلى توصيات إدارية ملموسة على مستوى الحقل.

رسم خرائط لأنواع زراعة الأرز باستخدام الاستشعار عن بعد

1. الخصائص الطيفية للممارسات الثقافية المختلفة

يُحدد النمط الثقافي، أي المزيج المحدد من ممارسات الإدارة المطبقة على حقل الأرز، التطور الزمني للبصمة الطيفية لهذا الحقل. فعلى سبيل المثال، يبدأ الأرز المزروع في المياه الراكدة الموسم باستجابة بصرية يهيمن عليها الماء (انعكاس منخفض عبر جميع النطاقات المرئية)، يليه تحول مفاجئ مع نمو غطاء الشتلات.

يُظهر الأرز المزروع مباشرة في أرض غير مغمورة بالمياه زيادة تدريجية في إشارة الغطاء النباتي منذ بداية الإنبات، دون فترة الفيضان الأولية التي تكتشفها أجهزة الاستشعار البصرية وأجهزة الاستشعار الرادارية ذات الفتحة التركيبية بسهولة.

2. التمييز بين الأرز المروي والأرز المروي بالأمطار

تختلف حقول الأرز المروية عن حقول الأرز المعتمدة على الأمطار في جانبين ملحوظين: توقيت وانتظام الفيضانات، وثبات دورة نموها الموسمية. تميل الحقول المروية إلى الفيضان في مواعيد محددة، وتُظهر تباينًا أقل من عام لآخر في مواعيد زراعة الشتلات، وتحافظ على كثافة غطاء نباتي ثابتة من خلال إدارة المياه المُحكمة.

تُظهر الحقول المعتمدة على الأمطار تباينًا زمنيًا أكبر بين السنوات، ويمكن أن تتعرض لإجهاد مائي في منتصف الموسم يمكن اكتشافه على شكل انخفاضات غير طبيعية في قيم مؤشر الغطاء النباتي، وأحيانًا تفشل في إكمال موسم نمو كامل خلال سنوات الجفاف.

يلتقط تحليل السلاسل الزمنية متعددة السنوات بنية التباين هذه، مما يسمح لخوارزميات التصنيف بفصل المناطق المروية عن المناطق المعتمدة على الأمطار بدقة تتجاوز عادةً 85% في الأنظمة المعايرة جيدًا.

3. رسم خرائط الأرز المزروع بالنقل والأرز المزروع مباشرة

إن المؤشر الأكثر موثوقية للتمييز بين الأرز المزروع بالنقل والأرز المزروع مباشرة في بيانات SAR هو توقيت ومدة فترة الفيضان الأولية ذات التشتت الخلفي المنخفض.

يتم غمر حقول الأرز المزروعة لمدة تتراوح بين أسبوعين وأربعة أسابيع قبل نقل الشتلات، مما يخلق فترة طويلة من الظلام الراداري في بداية الموسم.

تُظهر الحقول المزروعة مباشرة إما عدم وجود فترة غمر (زراعة جافة) أو فترة قصيرة جدًا (زراعة رطبة)، ويكون ارتفاع التشتت الخلفي مبكرًا نسبيًا لتاريخ البذر، كما يختلف هيكليًا في ميله. ويمكن استخلاص هذه الخصائص الزمنية تلقائيًا باستخدام خوارزميات تُطبق على سلاسل زمنية كثيفة من بيانات الرادار ذي الفتحة التركيبية (SAR).

4. الكشف عن الممارسات الإدارية باستخدام الاستشعار عن بعد

إلى جانب طريقة الزرع ونظام الري، يمكن للاستشعار عن بعد اكتشاف ممارسات معينة لإدارة المياه، مثل التناوب بين الترطيب والتجفيف (AWD)، وهي تقنية تستخدم لتقليل انبعاثات غاز الميثان واستهلاك المياه عن طريق تجفيف حقول الأرز بشكل متقطع.

تُظهر حقول الزراعة بالتناوب بين الري والصرف أنماطًا متذبذبة لارتداد صور الرادار ذي الفتحة التركيبية (SAR) خلال فترة النمو، مما يعكس دورات الري والصرف المتكررة، بينما تُظهر الحقول المغمورة باستمرار مسارًا أكثر استقرارًا لارتداد الصور. وتُعد هذه الخاصية ذات قيمة خاصة لرصد تبني ممارسات زراعة الأرز الذكية مناخيًا في قوائم جرد انبعاثات غازات الاحتباس الحراري الوطنية.

5. مؤشرات إدارة المياه في حقول الأرز

يتميز الكشف عن سطح الماء باستخدام تقنية الرادار ذي الفتحة التركيبية (SAR) بحساسية عالية، حيث يمكنه تحديد المياه الراكدة على عمق لا يتجاوز بضعة سنتيمترات تحت غطاء نبات الأرز. وتتيح هذه الحساسية للمحللين رسم خرائط لحالة الفيضانات في كل حقل على حدة في نقاط رئيسية من موسم النمو، مما يدعم قرارات جدولة الري والتقييم المبكر لأضرار الفيضانات.

عندما يتم تجميع خرائط سطح الماء من تواريخ متعددة زمنيًا، فإنها تنتج بصمة ديناميكية لإدارة المياه لكل حقل والتي تعمل كمدخل عالي القيمة لنماذج تصنيف الأنواع الثقافية.

التقنيات والأساليب: من المؤشرات إلى التعلم العميق

1. مؤشرات الغطاء النباتي لرصد الأرز

تُعدّ مؤشرات الغطاء النباتي تركيبات رياضية لقيم الانعكاس عند أطوال موجية مختلفة، مصممة لتضخيم إشارة الكتلة الحيوية للنباتات وصحتها مع تقليل التشويش الناتج عن خلفية التربة والتأثيرات الجوية وهندسة الإضاءة. وتُعتبر ثلاثة مؤشرات أساسية في أعمال رسم خرائط الأرز.

1. مؤشر NDVI (مؤشر اختلاف الغطاء النباتي المعياري) يُحسب هذا المؤشر بقسمة (NIR – Red) على (NIR + Red)، وهو المؤشر الأكثر استخدامًا في مراقبة الأرز. يتتبع هذا المؤشر اخضرار الغطاء النباتي من مرحلة إنبات البذور وحتى مرحلة الشيخوخة، حيث ترتفع القيم عادةً من الصفر تقريبًا عند الزراعة إلى 0.6-0.8 عند ذروة النمو الخضري.

ثانيًا: مؤشر الغطاء النباتي المحسن (EVI) يقوم بتصحيح تأثيرات الهباء الجوي في الغلاف الجوي والضوضاء الخلفية للتربة بشكل أكثر فعالية من مؤشر NDVI، مما يجعله مفضلاً في البيئات ذات الحمل العالي للهباء الجوي، كما هو الحال خلال مواسم حرق الكتلة الحيوية الشائعة في المناطق الاستوائية في آسيا.

ثالثًا: مؤشر المياه السطحية (LSWI) يشتمل على انعكاس الأشعة تحت الحمراء ذات الموجة القصيرة للكشف عن محتوى الماء في كل من غطاء النبات وسطح التربة، مما يجعله شديد الحساسية لأحداث الفيضانات التي تميز زراعة الأرز في الأراضي المنخفضة ويوفر إشارة قوية للكشف عن بداية موسم النمو.

2. تحليل السلاسل الزمنية

تُصوّر صورة واحدة من القمر الصناعي حالة حقل أرز في لحظة معينة، لكن تاريخ هذا الحقل يُكتب بتسلسل تلك اللحظات. يربط تحليل السلاسل الزمنية العديد من الملاحظات، عادةً صورة واحدة كل 5-16 يومًا على مدار عام كامل، ويستخرج مقاييس زمنية مثل تاريخ بدء الموسم، وذروة مؤشر الغطاء النباتي (NDVI)، ومعدل نمو النبات، وتاريخ الحصاد.

تصف هذه المقاييس مجتمعةً السلوك الفينولوجي الكامل للحقل، وهي أكثر دقةً في تحديد نوع المحصول من أي ملاحظة في تاريخ واحد. وتُستخدم الأساليب الإحصائية، بما في ذلك الانحدار التوافقي وتقنية مطابقة الوقت الديناميكية (DTW)، بشكل شائع لمواءمة ومقارنة بيانات السلاسل الزمنية عبر سنوات ومناطق مختلفة.

3. التعلم الآلي لتصنيف الأرز

لقد أحدث التعلم الآلي تحولاً في نطاق ودقة رسم خرائط أنماط زراعة الأرز من خلال أتمتة تحديد العلاقات المعقدة وغير الخطية بين البيانات الطيفية الزمنية وظروف الحقل.

1. الغابة العشوائية (RF) هي طريقة تجميعية تبني مئات من أشجار القرار المستقلة، يتم تدريب كل منها على مجموعة فرعية عشوائية من الميزات، وتجمع أصواتها للوصول إلى تصنيف نهائي. تتميز هذه الطريقة بمتانتها في مواجهة بيانات التدريب المشوشة، وقدرتها على التعامل بكفاءة مع مساحات الميزات عالية الأبعاد، كما توفر درجات أهمية متغيرة تساعد المحللين على فهم أي من الميزات الزمنية أو الطيفية تؤثر على قرارات التصنيف.

ثانيًا: آلة المتجهات الداعمة (SVM) يجد SVM الحد الفاصل الأمثل بين الفئات في فضاء الميزات عالي الأبعاد. ويؤدي أداءً جيدًا عندما تكون بيانات التدريب محدودة، مما يجعله مفيدًا في المناطق التي تعاني من ندرة البيانات حيث يكون جمع البيانات المرجعية مكلفًا.

ثالثًا: التعلم العميق, تستطيع الشبكات العصبية، ولا سيما الشبكات العصبية الالتفافية (CNNs) والشبكات العصبية المتكررة (RNNs) مثل بنية الذاكرة طويلة المدى (LSTM)، تعلم الأنماط المكانية داخل الصور الفردية والأنماط الزمنية عبر سلاسل الصور في آنٍ واحد. وقد حققت المصنفات القائمة على LSTM، عند تطبيقها على سلاسل زمنية من صور الأقمار الصناعية، دقةً فائقة في مهام رسم خرائط الأرز، حيث أفادت العديد من الدراسات بدقة إجمالية تتجاوز 90% على نطاقات إقليمية.

أظهر شياو وآخرون (المجلة الدولية للاستشعار عن بعد وتطبيقات المعلومات الجغرافية، 2025) أن نموذج التعلم العميق LSTM المدرب على بيانات السلاسل الزمنية المدمجة من Sentinel-1 وSentinel-2 قد رسم خرائط لأنواع زراعة الأرز عبر ثلاث دول في جنوب آسيا. بلغت الدقة الإجمالية 91.7% ومعامل كابا 0.89, ، متفوقًا على الغابة العشوائية بنسبة 6.4 نقطة مئوية في ظل نفس ظروف بيانات التدريب.

بالنسبة لرسم خرائط أنواع زراعة الأرز على نطاق واسع حيث يكون جمع بيانات التدريب ممكناً، فإن مصنفات التعلم العميق القائمة على LSTM هي الآن الطريقة المعيارية وينبغي أن تكون الخيار الافتراضي لبرامج رسم الخرائط الوطنية الجديدة.

4. تحليل الصور القائم على الكائنات (OBIA)

تحليل الصور القائم على الكائنات (OBIA) تعمل هذه الطريقة عن طريق تجميع البكسلات المتجاورة ذات الخصائص الطيفية والمكانية المتشابهة في كائنات (قطاعات) قبل تصنيفها، بدلاً من تصنيف كل بكسل بشكل مستقل.

في رسم خرائط الأرز، تعتبر تقنية تحليل الصور القائمة على الكائنات (OBIA) ذات قيمة لأنها تستطيع دمج الشكل والملمس والسياق في التصنيف، مما يميز حقل الأرز عن المسطح المائي ذي اللون المماثل بناءً على الشكل المستطيل المنتظم لحقل الأرز.

تُعد تقنية تحليل الصور القائمة على الكائنات (OBIA) فعالة بشكل خاص عند الدقة المكانية العالية جدًا، مثل البيانات من الأقمار الصناعية التجارية بدقة 1-5 أمتار أو صور الطائرات بدون طيار.

5. تقنيات كشف التغيير

يكشف نظام رصد التغيرات عن المناطق التي شهدت تحولاً في استخدام الأراضي بين تاريخين أو أكثر. وفي رصد نظام زراعة الأرز، يخدم رصد التغيرات غرضين: تتبع التوسع أو الانكماش السنوي لمساحة زراعة الأرز استجابةً للعوامل المناخية أو الاقتصادية، وتحديد التغيرات التي تحدث في منتصف الموسم مثل فشل المحاصيل أو هجرها أو الفيضانات غير المتوقعة.

يُعدّ رصد التغيرات ثنائية الزمن (مقارنة تاريخين مباشرةً) بسيطًا ولكنه عرضة للتأثر بالاختلافات الفينولوجية بين السنوات. أما رصد التغيرات متعددة الزمن عبر مجموعات البيانات السنوية الكاملة فهو أكثر دقة، ويمكنه التمييز بين التغيرات الحقيقية في استخدام الأراضي والتغيرات الفينولوجية الموسمية.

تقييم الدقة والتحقق من الصحة

1. جمع بيانات الحقيقة الأساسية

يتطلب كل منتج لرسم خرائط الأرز التحقق من صحته باستخدام بيانات ميدانية مُجمّعة بشكل مستقل. تشمل بيانات التحقق الميداني عادةً زيارات ميدانية مُرتبطة بنظام تحديد المواقع العالمي (GPS)، حيث يُسجّل باحثون مُدرّبون نوع المحصول، ومرحلة نموه، وحالة إدارة المياه، وطريقة زراعته في عينة تمثيلية إحصائيًا من المواقع. تُجمع هذه البيانات لتتزامن زمنيًا مع عمليات رصد الأقمار الصناعية، وتُستبعد من تدريب النموذج وتُستخدم حصريًا لتقييم دقته.

2. مقاييس دقة التصنيف

بالنسبة للتطبيقات الخاصة بالأرز، يتم الإبلاغ بشكل متزايد عن درجة F1، التي توازن بين دقة المنتج والمستخدم لكل فئة، جنبًا إلى جنب مع معامل كابا كملخص أداء رقمي واحد أكثر إفادة. تشمل المقاييس القياسية لتقييم دقة الخريطة ما يلي:

• الدقة الإجمالية (نسبة جميع نقاط التحقق المصنفة بشكل صحيح)،,
• دقة المُنتِج (احتمالية تعيين حقل من فئة حقيقية معينة بشكل صحيح، على غرار الاستدعاء)،,
• دقة المستخدم (احتمالية أن يكون الحقل المُرتبط بفئة معينة هو فعلاً تلك الفئة، وهو ما يُشابه الدقة)، و
• معامل كابا (مقياس للاتفاق مصحح للاتفاق العشوائي، حيث تشير القيم التي تزيد عن 0.80 إلى اتفاق قوي).

3. التحقق من صحة خرائط أنماط الاقتصاص والأنواع الثقافية

يتطلب التحقق من صحة خرائط أنماط المحاصيل بيانات أرضية متعددة الأوقات، مع زيارات ميدانية في نقاط متعددة عبر التقويم الزراعي للتأكد من عدد المواسم التي تم حصادها بالفعل في كل عام في كل موقع تحقق.

يُعد التحقق من النوع الثقافي، الذي يميز بين الزراعة المنقولة والزراعة المباشرة أو الري والزراعة المطرية، أكثر صعوبة لأن هذه الفروق ليست واضحة دائمًا في الحقل وتتطلب مقابلات مع المزارعين أو الملاحظة المباشرة لأحداث الإدارة خلال فترات حساسة في موسم النمو.

توفر الإحصاءات الزراعية الوطنية، على الرغم من أنها غالباً ما يتم تجميعها على مستوى المقاطعة أو المنطقة، طبقة إضافية من التحقق من صحة تقديرات المساحة، مما يسمح بمقارنة إجمالي الخرائط مع الأرقام الرسمية المبلغ عنها.

تطبيقات في جميع أنحاء النظام الزراعي

1. التخطيط الزراعي وتطوير السياسات

تُتيح خرائط أنماط زراعة الأرز، المُستمدة من الاستشعار عن بُعد، لوزارات الزراعة الدقة المكانية اللازمة لتصميم تدخلات مُوجَّهة. ويمكن إعطاء الأولوية للمناطق التي تُزرع فيها محاصيل مفردة وتعتمد على الأمطار لتطوير مشاريع ري صغيرة النطاق؛ كما يمكن دراسة المناطق التي تُزرع فيها محاصيل ثلاثية وتشهد انخفاضًا في الإنتاجية، بحثًا عن تدهور التربة أو انخفاض منسوب المياه الجوفية.

2. تقدير إنتاج الأرز

يؤدي الجمع بين خرائط مساحة زراعة الأرز من الاستشعار عن بعد ونماذج تقدير المحصول، مثل عمليات محاكاة نمو المحاصيل المدفوعة ببيانات الطقس، إلى إنتاج توقعات الإنتاج على المستويين دون الوطني والوطني قبل أسابيع أو أشهر من الحصاد.

تتضمن لوحة معلومات الأمن الغذائي التابعة لبنك التنمية الآسيوي ونظام المعلومات والإنذار المبكر العالمي التابع لمنظمة الأغذية والزراعة (GIEWS) بيانات مساحة الأرز المستمدة من الأقمار الصناعية لتوليد تقديرات الإنتاج قبل الحصاد مع مكاسب دقة مثبتة مقارنة بالأساليب القائمة على المسح.

3. إدارة موارد المياه

يُعد الأرز المروي أكبر مستهلك منفرد للمياه العذبة في آسيا، حيث يمثل ما يقرب من 401 تريليون طن من إجمالي سحب المياه الزراعية في دول مثل الهند وبنغلاديش.

إن أهم ما ينتج عن رسم خرائط الأرز عبر الأقمار الصناعية ليس الخريطة نفسها، بل القرار الذي تتيحه، سواء كان ذلك بناء قناة، أو إغلاق بئر، أو إعادة توجيه الدعم.

إن معرفة مكان زراعة الأرز المروي بدقة، وعدد المواسم التي يتم فيها ريه، والحقول التي تستخدم ممارسات إدارة المياه الفعالة مثل الري بالتناوب بين الري والري، تدعم بشكل مباشر تخطيط أحواض الأنهار، وجدولة تشغيل الخزانات، وتقييمات استدامة المياه الجوفية.

4. رصد الأمن الغذائي

تعتمد أنظمة الإنذار المبكر بانعدام الأمن الغذائي على الكشف السريع عن فشل المحاصيل. فعندما لا تُكمل حقول الأرز دورة نموها كاملة، يرصد نظام المراقبة عبر الأقمار الصناعية هذا الخلل من خلال غياب أو قصر ذروة النمو خلال الفترة الموسمية المتوقعة. وتستخدم شبكة أنظمة الإنذار المبكر بالمجاعة (FEWS NET)، المدعومة من الوكالة الأمريكية للتنمية الدولية (USAID)، بيانات الغطاء النباتي عبر الأقمار الصناعية، بما في ذلك بيانات مراقبة خاصة بالأرز، لإصدار تنبيهات بشأن الأمن الغذائي في جميع أنحاء آسيا وأفريقيا.

5. تقييم أثر تغير المناخ

تكشف الأرشيفات طويلة الأمد لخرائط أنماط زراعة الأرز، والتي تغطي بيانات لاندسات على مدى عشرين عامًا أو أكثر، كيف تغيرت مساحات زراعة الأرز ومواسمها وإنتاجيتها استجابةً لتغيرات درجات الحرارة وأنظمة هطول الأمطار. توفر هذه الخرائط التاريخية أدلة تجريبية على تأثيرات تغير المناخ على أنظمة زراعة الأرز، وتُستخدم كمدخلات لتوقع المخاطر الزراعية المستقبلية في ظل سيناريوهات الاحترار المختلفة.

7. تطبيقات الزراعة الدقيقة

على مستوى المزرعة، يدعم رسم خرائط أنواع زراعة الأرز باستخدام الطائرات المسيّرة، بالإضافة إلى بيانات التربة والمياه على مستوى الحقل، اتخاذ قرارات إدارة دقيقة، مثل استخدام الأسمدة بمعدلات متغيرة، ورصد الآفات في مواقع محددة، وتحديد مواعيد الزراعة المثلى. وتتطور هذه التطبيقات حاليًا بسرعة في اليابان وكوريا الجنوبية وأجزاء من الصين، حيث تُعدّ زراعة الأرز آلية للغاية، وتتوفر بنية تحتية للبيانات لربط مخرجات الاستشعار عن بُعد بأنظمة إدارة المزارع.

التحديات والقيود التي تحد من رسم خرائط الأرز

1. الغطاء السحابي وتوافر البيانات

يُحدّ الغطاء السحابي المستمر خلال موسم الرياح الموسمية، الذي يشهد زراعة معظم أرز آسيا، بشكل كبير من عدد عمليات الرصد البصري المتاحة. في بعض المواقع، يُقلّل تلوث السحب من عمليات رصد Sentinel-2 المتاحة خلال فترة زراعة الشتلات وبداية النمو الخضري إلى أقل من عمليتي رصد شهريًا. تُخفف بيانات الرادار ذي الفتحة التركيبية (SAR) من هذه المشكلة، لكنها لا تقضي عليها تمامًا، إذ يُمكن أن تُؤدي الأمطار الغزيرة إلى تشبع إشارة الرادار مؤقتًا.

2. وحدات بكسل مختلطة وأحجام حقول صغيرة

في المناطق التي تكون فيها حقول الأرز أصغر من الدقة المكانية للمستشعر، تلتقط كل بكسل مزيجًا من غطاء أرضي من الأرز وغيره، مما يجعل التصنيف غير واضح. وتنتج أنظمة زراعة الأرز في المرتفعات الجبلية وحقول الأرز الصغيرة في أجزاء من إندونيسيا والفلبين بكسلات مختلطة بشكل روتيني حتى مع دقة Sentinel-2 البالغة 10 أمتار، مما يحد من استخدام الطرق القائمة على البكسل في هذه البيئات.

3. التشابه الطيفي والزمني بين أنواع المحاصيل

تُظهر بعض المحاصيل، ولا سيما قصب السكر والجوت وبعض المراعي، منحنيات نمو مشابهة للأرز في سلاسل بيانات مؤشر الغطاء النباتي (NDVI) أو مؤشر الغطاء النباتي المحسن (EVI)، مما يؤدي إلى التباس في التصنيف. يقلل الكشف عن الفيضانات باستخدام تقنية الرادار ذي الفتحة التركيبية (SAR) من هذا الالتباس بالنسبة لأرز الأراضي المنخفضة، لكن تظل أنظمة أرز الأراضي المرتفعة التي لا تغمرها المياه صعبة التمييز عن المحاصيل المشابهة لها طيفيًا دون بيانات ميدانية إضافية أو مدخلات جغرافية مساعدة.

4. قيود الدقة الزمنية

يتطلب رسم خرائط أنماط زراعة الأرز وأنواعها باستخدام الاستشعار عن بُعد أخذ عينات زمنية مكثفة، ويفضل أن تكون عملية الرصد مرة واحدة على الأقل كل 8-10 أيام طوال موسم النمو. وعندما يقلل الغطاء السحابي أو فجوات مدارات الأقمار الصناعية من هذه الكثافة الزمنية، قد لا تتمكن خوارزميات الكشف الآلي من رصد أصناف الأرز قصيرة المدة أو مواسم الزراعة الثلاثية سريعة الدورة.

5. قيود البيانات الأرضية

لا تزال بيانات التدريب المصنفة عالية الجودة، والملاحظات الميدانية المطابقة لأنواع المحاصيل المعروفة وممارسات الإدارة، مكلفةً وصعبة لوجستيًا في جمعها على النطاق المطلوب لتدريب أنظمة رسم الخرائط الوطنية والتحقق من صحتها. في العديد من البلدان المنتجة للأرز ذات الدخل المنخفض، تُعدّ القدرة البشرية والمالية على جمع البيانات الميدانية بشكل منهجي العائق الأكبر أمام تحسين دقة رسم الخرائط.

الاتجاهات الناشئة ومستقبل رصد الأرز

1. مراقبة الأرز باستخدام الطائرات بدون طيار والطائرات المسيرة

تُتيح الطائرات المسيّرة المزودة بمستشعرات متعددة الأطياف وحرارية الآن تصويرًا دقيقًا للغاية (بمستوى السنتيمتر) للمزارع الفردية، ما يُمكّن من تحديد حدود الحقول وصفوف المحاصيل، وحتى حالة صحة النباتات الفردية. وتعمل هذه الطائرات كحلقة وصل بين رسم الخرائط على نطاق الأقمار الصناعية ومراقبة النباتات الفردية، موفرةً بيانات أرضية فائقة الدقة ضرورية لتدريب نماذج الأقمار الصناعية والتحقق من صحتها في البيئات ذات المناظر الطبيعية المجزأة.

2. الذكاء الاصطناعي والتعلم العميق لتصنيف الأرز

تحقق الشبكات العصبية الالتفافية المطبقة على السلاسل الزمنية لصور الأقمار الصناعية، بالإضافة إلى بنى المحولات المقتبسة من معالجة اللغة الطبيعية، حاليًا أعلى دقة في تصنيف الأرز تم الإبلاغ عنها على الإطلاق.

أظهر إطار عمل PRISM (نظام تحديد محصول الأرز القائم على علم الظواهر باستخدام بيانات متعددة المصادر) الذي نشره باحثون في جامعة فاغينينغين في عام 2024 أن التعلم الذاتي على أرشيفات الأقمار الصناعية غير المصنفة يمكن أن يدرب نماذج تصنيف الأرز مسبقًا والتي تتطلب الحد الأدنى من البيانات الأرضية المصنفة لضبطها بدقة، مما يقلل بشكل كبير من عبء المسح الميداني.

3. أنظمة مراقبة الأرز شبه الآنية

تقوم أنظمة مراقبة الأرز التشغيلية شبه الآنية بمعالجة بيانات الأقمار الصناعية الواردة تلقائيًا، وتحديث خرائط الأرز على فترات تتراوح بين 10 و16 يومًا، وتقديم تنبيهات بشأن مواعيد الزراعة، وحالات الإجهاد المائي، وتوقيت الحصاد مباشرة إلى لوحات المعلومات الحكومية أو تطبيقات الهاتف المحمول التي يستخدمها المزارعون ووكلاء الإرشاد الزراعي.

تدير كل من إدارة الأرز في تايلاند ووزارة الزراعة في فيتنام أنظمة نموذجية من هذا النوع، ويدعم المعهد الدولي لبحوث الأرز تطوير قدرات مماثلة في بنغلاديش وكمبوديا.

4. دمج بيانات الأقمار الصناعية وبيانات إنترنت الأشياء

تقوم أجهزة استشعار إنترنت الأشياء (IoT) المنتشرة في حقول الأرز، والتي تقيس رطوبة التربة ومستوى المياه ودرجة الحرارة والمناخ المحلي للغطاء النباتي، بتوليد ملاحظات مستمرة على مستوى الأرض تكمل وتعاير بيانات الاستشعار عن بعد عبر الأقمار الصناعية.

عندما يتم دمج شبكات استشعار إنترنت الأشياء وملاحظات الأقمار الصناعية في أطر دمج البيانات، يمكن لنظام المراقبة الناتج اكتشاف الإجهاد المائي وبداية الفيضانات وضغط الأمراض بثقة أكبر ووقت إنذار مبكر مقارنة بما يوفره أي من المصدرين بشكل مستقل.

5. الزراعة الرقمية والزراعة الذكية

إن التقارب بين رسم خرائط الأرز عبر الأقمار الصناعية، واستشعار إنترنت الأشياء، ودعم اتخاذ القرارات المدعوم بالذكاء الاصطناعي، يخلق أسس زراعة الأرز الذكية، حيث يتم الاستناد في قرارات الإدارة من توقيت الري إلى تطبيق الأسمدة إلى تدفقات البيانات المكانية الصريحة وشبه الآنية بدلاً من القواعد العامة القائمة على التقويم.

أثبتت البرامج التجريبية في محافظة نيغاتا اليابانية ومقاطعة هيلونغجيانغ الصينية أن الإدارة الدقيقة للأرز، المدعومة بالاستشعار عن بعد، يمكن أن تقلل من تكاليف المدخلات. 15-25% مع الحفاظ على المحاصيل أو تحسينها، وفقًا لتقارير التجارب الميدانية الأولية من عام 2024.

الخاتمة

تطورت عملية رسم خرائط أنماط زراعة الأرز وأنواع المحاصيل باستخدام الاستشعار عن بُعد من مجال بحثي أكاديمي إلى أداة عملية تستخدمها الحكومات والوكالات الدولية ومنصات التكنولوجيا الزراعية في آسيا وخارجها. وتُنتج الآن مناهج السلاسل الزمنية متعددة المستشعرات، التي تجمع بين البيانات البصرية وبيانات الرادار ذي الفتحة التركيبية (SAR) وتُعالج باستخدام مصنفات التعلم الآلي والتعلم العميق، خرائط لمساحات زراعة الأرز على المستوى الوطني بدقة إجمالية تتجاوز 85-90%. ولا تقتصر هذه الخرائط على تحديد أماكن زراعة الأرز فحسب، بل تُحدد أيضًا عدد مرات زراعته سنويًا، ونظام الري المُستخدم، وطريقة زراعته.

إنّ تجاوز مجرد رسم خرائط مساحات زراعة الأرز إلى تصنيف الأنماط الثقافية هو ما يحوّل بيانات الغطاء الأرضي إلى أداة معلومات زراعية قيّمة. فمعرفة أن منطقة ما قد تحوّلت من زراعة الأرز بالنقل إلى زراعته مباشرة في الأرض على مدى عقد من الزمن، يشير إلى تغيرات في سوق العمل واستنزاف المياه الجوفية في آن واحد. كما أن معرفة المناطق المعتمدة على الأمطار الأكثر عرضة لموجات الجفاف المبكرة، والتي يتم تحديدها من خلال أنماطها الطيفية الزمنية، تتيح الاستجابة المسبقة للجفاف بدلاً من الاستجابة الطارئة للكوارث. ويُتيح الاستشعار عن بُعد هذا المستوى من المعلومات المكانية بتكلفة زهيدة مقارنةً ببرامج المسح الميداني المكافئة.