الآن يمكنك اختبار المحاصيل قبل زرعتها عبر الذكاء الاصطناعي

يمكن للمزارعين الآن اختبار المحاصيل في عالم افتراضي قبل زراعتها

قد يؤدي اتخاذ قرارات خاطئة بشأن الري أو الأسمدة أو مكافحة الآفات إلى خسائر كبيرة في الوقت والمال وحتى المحاصيل بالكامل. لكن دراسة جديدة تشير إلى أن هذه القرارات قد تُختبر مستقبلًا قبل تنفيذها في الحقول.

وتمكن باحثون من تطوير نسخة رقمية مطابقة للمزرعة، يمكنها محاكاة الظروف الحقيقية وتوجيه القرارات الزراعية بدقة وصلت إلى 87.5% في التجارب الأولية.

ويهدف هذا الابتكار إلى تقليل المخاطر الزراعية عبر تحويل حالة عدم اليقين إلى بيانات يمكن رؤيتها واتخاذ قرارات بناءً عليها مسبقًا.

داخل هذا النظام، يتم دمج بيانات الطائرات بدون طيار، وأجهزة الاستشعار الأرضية، والأقمار الصناعية في نموذج واحد يعكس ظروف الحقول الحقيقية.

وقد أظهر فريق من جامعة تينيسي أن هذا النظام قادر على مطابقة طلبات المزارعين مع الإجراءات الصحيحة، مع استبعاد الخيارات غير الآمنة قبل تنفيذ أي قرار ميداني.

ورغم هذه النتائج الواعدة، لا تزال الاختبارات محصورة في بيئات خاضعة للرقابة، ما يترك تساؤلات حول مدى دقة النظام في مواجهة الظروف الواقعية مثل تغير الطقس المفاجئ أو انتشار الآفات أو اختلاف التربة.

وتُعد الزراعة من أكثر القطاعات استهلاكًا للمياه عالميًا، إذ تستحوذ على نحو 70% من إجمالي المياه العذبة المستخدمة، ما يجعل أي خطأ في الري مكلفًا للغاية.

كما أن الاستخدام المفرط للأسمدة يؤدي إلى فقدان العناصر الغذائية، حيث تقوم الكائنات الدقيقة بتحويل النيتروجين الزائد إلى غازات أو جريان سطحي لا تستفيد منه المحاصيل.

وتتغير الظروف الزراعية بسرعة، سواء بسبب الآفات أو الجفاف أو فقدان العناصر الغذائية، ما يجعل الإنذار المبكر أمرًا بالغ الأهمية.

في النظام الجديد، تستخدم الطائرات صورًا متعددة الأطياف يمكنها رصد علامات الإجهاد في النباتات قبل ظهورها بصريًا.

وعند اكتشاف أي مشكلة، يتم جمع عينات من الأرض لتحليلها بسرعة وتحديد السبب بدقة.

وتُغذّى هذه البيانات في نموذج «التوأم الرقمي» الذي يحاكي المزرعة بشكل حي، حيث تُترجم المعلومات إلى توصيات واضحة وسهلة التنفيذ.

وفي 85 حالة اختبار، تمكن النظام من ربط الطلبات اللغوية بالإجراءات الصحيحة بنسبة دقة بلغت 87.5%.

كما أظهر النظام قدرة على فرض معايير السلامة في 88% من الحالات، وتصحيح أي مخالفات قبل تنفيذها فعليًا في الحقول.

وتكمن أهمية هذا النظام في أنه يمنع الأخطاء التي قد تؤثر على الري أو الرش أو جداول الحصاد قبل حدوثها.

ويعتمد المشروع على نماذج ذكاء اصطناعي قادرة على تحويل البيانات المعقدة إلى توصيات مبسطة يفهمها المزارعون بسهولة.

وقال البروفيسور تشارلز كاو من جامعة تينيسي إن الهدف هو تزويد المزارعين بأدوات عملية تساعدهم على زيادة الإنتاج وتقليل المخاطر.

ويضيف أن تبسيط اللغة يجعل التقنية أكثر وصولًا للمزارعين الصغار الذين لا يمتلكون خبراء بيانات أو أنظمة تحليل متقدمة.

كما يعتمد المشروع على نظام «التعلم الفيدرالي»، الذي يسمح بتطوير النماذج دون نقل البيانات الزراعية الخام بين الدول.

ويؤكد الباحثون أن هذا النهج يحافظ على خصوصية المزارعين ويحمي بياناتهم الحساسة المتعلقة بإدارة الأراضي والإنتاج.

كما يجري تطوير النظام ليعمل عبر الحوسبة الطرفية داخل الطائرات وأجهزة الاستشعار، ما يسمح بمعالجة البيانات مباشرة دون الحاجة إلى اتصال دائم بالإنترنت.

ويتيح ذلك رصد الإجهاد النباتي والآفات وظروف التربة في الوقت الفعلي حتى في المناطق النائية.

ومن المتوقع بدء نشر النماذج الأولية من أجهزة الاستشعار في ربيع 2026، في خطوة انتقالية من التجارب المعملية إلى الاستخدام الميداني.

ويشارك في المشروع فريق دولي من الولايات المتحدة واليابان والهند وأستراليا، بدعم من مؤسسة العلوم الوطنية.

ويهدف المشروع إلى تقليل خسائر المحاصيل بنسبة تتراوح بين 20 و30%، إلى جانب خفض استهلاك المياه والأسمدة بنسبة تقارب 20%.

ورغم النتائج الأولية القوية، يؤكد الباحثون أن نجاح النظام على نطاق تجاري واسع لا يزال بحاجة إلى اختبارات طويلة في الحقول الحقيقية.

كما تبقى الخبرة البشرية عنصرًا أساسيًا، إذ يمكن للنماذج اقتراح الخيارات لكنها لا تتحمل مسؤولية القرار النهائي.

وفي حال نجاح التجارب الميدانية، قد يتمكن المزارعون من اختبار قراراتهم مسبقًا وتقليل الخسائر بشكل كبير.