داده های ماهواره ای و مدیریت مصرف آب/ ردیابی مصارف انسانی و طبیعی در زمین های کشاورزی
پایگاه خبری DA1news: یک مطالعه اخیر، از یک مدل نوآورانه مبتنی بر داده رونمایی کرده است که مصرف آب ناشی از فعالیت‌های انسانی و طبیعی در زمین‌های کشاورزی را از هم جدا می‌کند و دیدگاه جدیدی را در مورد پایداری اکوسیستم‌های دریاچه‌ای خشک ارائه می‌دهد.
به گزارش گروه علمی اخبار روزانه کشاورزی، مناطق خشک، که ۴۲٪ از سطح زمین را پوشش می‌دهند و ۳۸٪ از جمعیت جهان را در خود جای داده‌اند، در خط مقدم نبرد برای منابع کمیاب آب قرار دارند. گسترش بی‌وقفه کشاورزی، فشار زیادی را بر این اکوسیستم‌های شکننده وارد کرده است، به طوری که بسیاری از دریاچه‌های انتهایی به دلیل آبیاری بیش از حد، در حال کوچک شدن یا ناپدید شدن کامل هستند. فوریت تدوین استراتژی‌های پیشرفته نظارت و مدیریت، هرگز تا این حد زیاد نبوده است، زیرا استفاده پایدار از آب به یک عامل تعیین‌کننده کلیدی امنیت غذایی و تعادل اکولوژیکی در مناطق خشک تبدیل شده است.
یک مطالعه جدید که توسط محققان آکادمی علوم چین و همکاران بین‌المللی انجام شده و در مجله سنجش از دور در تاریخ ۱ آوریل ۲۰۲۵ منتشر شده است، یک مدل پیشرفته ارائه می‌دهد که قادر به تفکیک مصرف آب طبیعی و انسانی در زمین‌های کشاورزی است. این مطالعه بر روی حوضه دریاچه ابینور در چین، منطقه‌ای خشک که رشد کشاورزی به طور فزاینده‌ای منابع آب را تحت فشار قرار داده است، تمرکز دارد. این مدل با بهره‌گیری از سنجش از دور و یادگیری ماشینی، وضوح بی‌سابقه‌ای در الگوهای مصرف آب ارائه می‌دهد و بینش‌های عملی برای مدیریت پایدار منابع ارائه می‌دهد.
در قلب این تحقیق، رویکردی پیچیده برای تفکیک تبخیر و تعرق زمین‌های کشاورزی (ET) به اجزای طبیعی (ETn) و ناشی از انسان (ETH) آن وجود دارد. این مدل دقت قابل توجهی را نشان داد، با مقادیر R² بین ۰.۸۸ تا ۰.۹۶، که نشان می‌دهد تا سال ۲۰۱۹، فعالیت‌های انسانی مسئول ۷۷ درصد از مصرف آب زمین‌های کشاورزی بوده‌اند. یک یافته قابل توجه این بود که بازگرداندن دریاچه ابینور به سطح بهینه ۸۰۰ کیلومتر مربعی خود، سالانه به ۰.۲۹ کیلومتر مکعب آب اضافی نیاز دارد – شاخصی واضح از خسارتی که گسترش کشاورزی بر ذخایر آب منطقه‌ای وارد کرده است.
محققان با استفاده از تصاویر ماهواره‌ای Sentinel-2، یادگیری عمیق و الگوریتم‌های یادگیری ماشینی، پویایی زمین‌های کشاورزی و دریاچه را از سال ۲۰۰۳ تا ۲۰۱۹ رصد کردند. یک رگرسیون جنگل تصادفی برای مدل‌سازی رابطه بین عوامل محیطی و تبخیر و تعرق طبیعی آموزش داده شد و به دقت پیش‌بینی بالایی دست یافت. این مطالعه نشان داد که زمین‌های کشاورزی در حوضه دریاچه ابینور در طول دوره مطالعه ۵۰.۶۵ درصد گسترش یافته و باعث افزایش ۶۱ درصدی کل مصرف آب شده است. نکته قابل توجه این است که تبخیر و تعرق پس از سال ۲۰۱۳ افزایش شدیدی را تجربه کرد که با افزایش سریع زمین‌های کشاورزی آبیاری شده مرتبط است. این یافته‌ها با استفاده از داده‌های سطح آب از پایگاه داده DAHITI و اندازه‌گیری‌های آب سطحی از مجموعه داده‌های جهانی آب‌های سطحی (GSWD) به دقت اعتبارسنجی شدند.
دکتر هونگوی زنگ، نویسنده اصلی این مطالعه، گفت: «مدل ما ابزاری متحول‌کننده برای درک تعاملات پیچیده بین فعالیت‌های انسانی و فرآیندهای طبیعی در مصرف آب کشاورزی و تأثیر آن بر ذخیره آب دریاچه‌های انتهایی در مناطق خشک فراهم می‌کند. این گامی حیاتی در جهت دستیابی به مدیریت پایدار آب در مناطق خشک است، جایی که تعادل ظریف بین کشاورزی و حفظ اکوسیستم به طور فزاینده‌ای متزلزل می‌شود.»
این مطالعه با ترکیب داده‌های ماهواره‌ای با وضوح بالا و تکنیک‌های پیشرفته یادگیری ماشین، الگوی جدیدی برای مدیریت منابع آب ارائه می‌دهد. توانایی این مدل در تعیین کمیت و تمایز بین مصرف آب طبیعی و انسانی می‌تواند سیاست‌هایی را با هدف مهار آبیاری بیش از حد و در عین حال تضمین امنیت غذایی ارائه دهد. با نگاهی به آینده، کاربردهای بالقوه شامل نظارت بر آب در زمان واقعی، استراتژی‌های بهینه آبیاری و تلاش‌های پیشگیرانه برای حفاظت از محیط زیست برای جلوگیری از خشک شدن دریاچه‌ها در مناطق کم آب مانند آسیای مرکزی و فراتر از آن است.
این تحقیق گامی اساسی به سوی مدیریت پایدار آب در محیط‌های خشک است و مسیری مبتنی بر داده را برای مقابله با یکی از مهم‌ترین چالش‌های زیست‌محیطی زمان ما ارائه می‌دهد.
