مع تزايد تأثير التغيرات المناخية في الزراعة، أصبحت معرفة ما يُزرع وأين، وحجم المساحات المزروعة، عاملاً مهماً في تقدير إنتاج الغذاء، والاستعداد لنقصه. لكن الحصول على هذه البيانات يظل تحدياً في كثير من الدول، خصوصاً تلك التي تعتمد على مزارع صغيرة يصعب مسحها ميدانياً بصورة منتظمة.
وفي هذا السياق، يفتح الذكاء الاصطناعي، بالاستعانة بصور الأقمار الاصطناعية، مجالاً جديداً لمراقبة المحاصيل، ورسم خرائطها بسرعة، وبتكلفة أقل. وأظهرت دراسة لباحثين في جامعة كمبردج البريطانية أن أداة للذكاء الاصطناعي طوّرها الفريق يمكن أن تساعد الحكومات والمنظمات المعنية بالأمن الغذائي على رسم خرائط أكثر دقة للمحاصيل في المزارع الصغيرة، باستخدام صور الأقمار الاصطناعية، وبتكلفة حاسوبية أقل، ما يتيح تقدير الإنتاج، ورصد التغيرات الزراعية، والاستعداد بصورة أفضل لنقص الغذاء المحتمل.
واختبر الباحثون أداة «تيسيرا» (Tessera) -وهي نموذج مفتوح المصدر للذكاء الاصطناعي مدرّب على صور الأقمار الاصطناعية- لرسم خريطة للمحاصيل في حوض الفول السوداني بالسنغال، وهي منطقة زراعية تعتمد بدرجة كبيرة على عمل صغار المزارعين، والزراعة البعلية.
وأظهرت الاختبارات أن «تيسيرا» تمكنت من تحديد نوع المحصول الصحيح في نحو 84 في المائة من الحالات. وتأتي الدراسة في وقت تزداد فيه الحاجة إلى بيانات زراعية دقيقة لمراقبة تأثير التقلبات المناخية في إنتاج الغذاء، خصوصاً في المناطق التي يعتمد فيها جزء كبير من الإنتاج على مزارع صغيرة، ومياه الأمطار. وفي غرب أفريقيا، يمثل تغير أنماط هطول الأمطار والجفاف أحد المخاطر التي قد تؤثر في إنتاج المحاصيل، والأمن الغذائي.
كيف تعمل «تيسيرا»؟ تعتمد الأداة على تحليل صور الأقمار الاصطناعية على مدار عام كامل، وتحويل كل بقعة أرضية تبلغ مساحتها 10 أمتار مربعة إلى سلسلة من الأرقام تُعرف باسم «التضمين» (Embedding). ويحمل هذا التمثيل الرقمي معلومات عن كيفية تغير الأرض، والمحاصيل التي تنمو فيها بمرور الوقت.
بعد ذلك يمكن استخدام خوارزمية بسيطة وعدد محدود من نقاط البيانات الميدانية لتحديد أنواع المحاصيل، وإنشاء خريطة واسعة النطاق لها. وتقلل هذه الطريقة الحاجة إلى جمع كميات كبيرة من البيانات الميدانية، أو إجراء عمليات حسابية مكلفة لتحليل صور الأقمار الاصطناعية، ما قد يجعل مراقبة المحاصيل أكثر إتاحة للحكومات، والمنظمات التي تفتقر إلى الموارد اللازمة لاستخدام الطرق التقليدية.
وقارن الباحثون أداء «تيسيرا» مع طريقتين مستخدمتين على نطاق واسع لرسم خرائط المحاصيل من الأقمار الاصطناعية، إضافة إلى «ألفا إيرث» (AlphaEarth)، وهو نموذج مشابه طوّره مختبر «غوغل ديب مايند»، لكن بنيته الأساسية ليست متاحة للجمهور. واختُبرت النماذج في رسم خرائط المحاصيل خلال أعوام 2018 و2019 و2021، مع تقييم دقتها، وموثوقيتها، وإمكانية إعادة استخدامها، والتكلفة الحاسوبية اللازمة لتشغيلها.
وأظهرت النتائج أن «تيسيرا» حافظت على أداء أفضل عندما جرى تدريبها باستخدام بيانات سنة واحدة، ثم تطبيقها على سنة أخرى، ما يشير إلى إمكانية الاستفادة منها في السنوات اللاحقة دون الحاجة إلى إجراء مسوحات ميدانية جديدة كل عام.
وقالت الدكتورة ماديلين ليسايوس، الباحثة الرئيسة للدراسة بقسم علوم وتكنولوجيا الحاسوب بجامعة كمبردج، لـ«الشرق الأوسط» إن من أبرز فوائد «تيسيرا» في التطبيقات الزراعية تمتعها باستقرار زمني أكبر للبيانات مقارنة بأساليب التعلم الآلي التقليدية.
وأوضحت أن البيانات التي جُمعت قبل 5 أو 10 سنوات يمكن أن تظل قابلة للاستخدام مع النماذج الحالية، وهو ما كان من الصعب تحقيقه بالأساليب التقليدية، بما يتيح الاستفادة من البيانات الموجودة، وتقليل الاعتماد على حملات جمع جديدة بصورة مستمرة.
وأضافت أن الأداة تقلل أيضاً من الخبرات التقنية اللازمة للاستفادة من صور الأقمار الاصطناعية، خصوصاً بالنسبة إلى صغار المزارعين، مشيرة إلى أن تكاليف تخزين البيانات وتشغيل النماذج يمكن أن تنخفض بمقدار يتراوح بين 10 و20 مرة مقارنة بالأساليب التقليدية، مع الاستغناء عن حساب سمات أو مؤشرات معقدة، ومخصصة، ما يجعل استخدام صور الأقمار الاصطناعية في تطبيقات الأمن الغذائي أكثر سهولة.
وأوضحت ليسايوس أن «تيسيرا» توفر بنية تكنولوجية تسمح بتشغيل التحليلات الزراعية حتى على الهاتف الجوال، مع قدر محدود من المدخلات التقنية، ما يجعل المعلومات المستخلصة من الأقمار الاصطناعية أكثر إتاحة للمزارعين المحليين لتحليل مناطقهم بأنفسهم. وقالت إن هذه الإتاحة يمكن أن تسهم في تقليص الفجوة الرقمية في القطاع الزراعي، كما توفر بيانات تساعد على فهم الاتجاهات الزراعية، ودعم اتخاذ القرار.
وعلى نطاق أوسع، يمكن للحكومات والجهات الداعمة لصغار المزارعين استخدام هذه المعلومات في تخطيط برامج الإرشاد الزراعي، وورش العمل، وتوزيع المدخلات، فضلاً عن رصد انتشار أمراض المحاصيل، وتأثيرات المناخ، وأنماط إدارة الأراضي، بما يساعد على توجيه الدعم إلى المناطق والمزارعين الأكثر احتياجاً.
وفيما يتعلق بتوسيع استخدام «تيسيرا» إلى دول أفريقية أخرى، قالت ليسايوس إن النهج يمكن تطبيقه في مختلف المناطق الزراعية بالقارة الأفريقية. ويتطلب تكييفه مع محاصيل ومناخات ونظم زراعية مختلفة توفير ما لا يقل عن 12 عينة أو وسم عالي الجودة لكل محصول مستهدف في المنطقة، وبعد ذلك يمكن استخدام الأداة كمنتج جاهز لاستخراج معلومات تدعم تطبيقات الزراعة، والأمن الغذائي.
