Table of Contents

مقدمة: الفيو من أ فوق

ففهم صحة المحاصيل والأنماط الزراعية يعتمد على المراقبة الأرضية، وتقارير المزارعين، والدراسات الاستقصائية الميدانية اليدوية، وإن كانت هذه الأساليب ذات قيمة بطيئة ومحلية وغير كاملة في كثير من الأحيان، فالصور الساتلية توفر اليوم منظورا تحويليا: القدرة على رصد المناظر الزراعية الواسعة النطاق من المدار، مع تكرار عمليات الاعادة إلى الغلاف الجوي، والتسوية المكانية الحسنة بشكل متزايد، وقد أصبحت هذه القدرة حجر الزاوية في تحليل الأنماط الزراعية وتقييم الأمن الغذائي في جميع أنحاء العالم.

وتتيح مراقبة الأرض بواسطة السواتل للباحثين والوكالات الزراعية والمنظمات الإنسانية اكتشاف التغيرات الخفية في صحة النباتات، وتتبع التحولات في استخدام الأراضي، وتوقع حدوث نقص في الأغذية قبل أن تتصاعد إلى أزمات، ومن خلال استخدام أجهزة الاستشعار المتعددة الأطياف، ونظم الرادار، والتصوير الحراري، يمكن للسواتل أن ترى ما يتجاوز الطيف المرئي، وتكشف عن المعلومات عن الأساليب الحقيقية لفيزياء النباتات، والإجهاد الناجم عن التربة،

The Evolution of Agricultural Remote Sensing

وقد نضج استخدام السواتل لأغراض الرصد الزراعي بشكل كبير خلال العقود الخمسة الماضية، وقد أتاحت البرامج المبكرة، مثل سلسلة لانداسات التي أطلقتها ناسا والمسح الجيولوجي الأمريكي في عام 1972، أول صورة منهجية ومعتدلة لسطح الأرض، وقد سمحت هذه الصور للباحثين ببدء رسم خرائط لأراضي المحاصيل ورصد دورات الغطاء النباتي الموسمي على نطاق قاري.

ومنذ ذلك الحين، زادت أوجه التقدم في تكنولوجيا الاستشعار، والقدرة على تجهيز البيانات، وسياسات البيانات المفتوحة الوصول إلى الموقع بشكل كبير، ويوفر برنامج كوبرنيكوس التابع لوكالة الفضاء الأوروبية، مع سواتلها الخاصة بأجهزة الاستشعار، بيانات حرة ومفتوحة في قرارات غرامة تبلغ 10 أمتار مع فترة زمنية زمنية جديدة مدتها خمسة أيام، ويعرض المشغلون التجاريون مثل مقاس ومعاملات الكوكبة، قدرا أكبر من سرعة الاستبانة (المتر الفرعي) والصورة اليومية، مما يتيح رصدا مفصلا لمستخدمي النطاقات ذات النطاقات الصناعية.

من تحليل البيانات إلى تحليلها

وقد حدث تحول رئيسي في هذا المجال من توزيع الصور الخام إلى بيانات جاهزة للتحليل، إذ أن البيانات الساتلية المبكرة تتطلب تجهيزاً كبيراً قبل التجهيز - تصحيحات قياسية، وإصلاحات الغلاف الجوي، واقناع السحاب - قبل أن يمكن استخدامها في تحليل الغطاء النباتي، واليوم، فإن العديد من مقدمي البيانات ومنابرها (مثل نظام غوغل إينيت الأرضي، وجهاز الكشف عن التدفقات الكترونية المصغرة، والنماذج الفضائية).

أجهزة الاستشعار الرئيسية بواسطة السواتل وتطبيقاتها الزراعية

وتُستخدم أجهزة الاستشعار الساتلية المختلفة على النحو الأمثل لمختلف مهام الرصد الزراعي، ففهم قدرات ومبادلات كل نوع من أنواع الاستشعار أمر أساسي لاختيار مصدر البيانات الصحيح لتطبيق معين.

أجهزة الاستشعار البصرية المتعددة الأطياف

وتظهر أجهزة الاستشعار المتعددة الأطياف الضوء في عدة مجموعات ملتوية متفرقة، تشمل عادة القنوات المرئية (الضوءة والأخضر والأزرق) والقنوات شبه الحمراء، وهذه النطاقات الطيفية هي أساس مؤشرات الغطاء النباتي مثل NDVI، التي تستغل التناقض الشديد بين التقلبات العالية في الهواء والتردد المنخفض في الغطاء النباتي الصحي والضوئي الاصطناعي 8/9.

أجهزة الاستشعار الحرارية ذات الأشعة تحت الحمراء

وتقيس أجهزة الاستشعار الحراري درجة الحرارة السطحية، وهي نسبة قيمة لإجهاد مياه النبات، وعندما تجهز المحاصيل بالماء، فإنها تغلق قاعاتها لتحافظ على الرطوبة، مما يتسبب في ارتفاع درجات حرارة الورق إلى مستويات أعلى من الكمين، ويمكن عادة استخدام البيانات الحرارية الساتلية، مثل تلك المستمدة من أداة المجلس الاقتصادي والاجتماعي بشأن محطة الفضاء الدولية أو النطاقات الحرارية لمحطة لاندرسات، في كشف أوجه القصور في الري)١٠٠(.

رادار ذي فتحة اصطناعية (سار)

وتمارس أجهزة الاستشعار التابعة لوكالة الفضاء العربية، مثل أجهزة الاستشعار الخاصة بأجهزة الاستشعار الخاصة بأجهزة الاستشعار الخاصة بأجهزة الاستشعار الخاصة بأجهزة الاستشعار الخاصة بأجهزة الاستشعار الخاصة بأجهزة الاستشعار ذات الترددات الصغيرة، في مواقع الموجات الدقيقة التي يمكن أن تخترق الغيوم وتحصل على البيانات اليومية أو الليلية، وهي ميزة حيوية في المناطق المدارية والمونية حيث كثيرا ما تكون الصور الضوئية محجبة عن الغطاء السحابي، وتراعي الركيزة الخلفية للهيكل، والمي، ومحتويات المائية على مواضعيفات الزراعية.

رصد صحة المحاصيل مع مؤشرات الغطاء النباتي

وتحوّل مؤشرات الغطاء النباتي بيانات التفسخ الفطري الخام إلى مؤشرات للمقاييس الفيزيائية الحيوية مثل مؤشر المساحة، والكتلة الأحيائية الخضراء، والنشاط الاصطناعي، وأكثر المؤشرات استخداماً هو مؤشر النبات الموحّد الموحّد الموحّد، المحسوب على أنه (NIR – Red)/ (NIR + Red).

وقد تسمح السلسلة الزمنية المستمدة من البيانات الساتلية للمحللين بتتبع تطور المحاصيل خلال الموسم المتنامي، واكتشاف الشذوذ من المسارات المتوقعة، وتقدير إمكانية الحصول على المحاصيل، ويمكن أن تشير حالات الانحراف عن الصورة النمطية للأشعة دون الحمراء إلى مشاكل مثل نقص المغذيات، أو انتشار الآفات، أو تفشي الأمراض، أو الإجهاد المائي، مثلاً، حدوث انخفاض مفاجئ في مادة النيتروز خلال موسم الذروة، في حالة حدوث تناقص طفيف في التربة.

ما بعد الدراسة الاستقصائية الوطنية للتنقيب عن النباتات: مؤشرات الغطاء النباتي المتقدمة

وفي حين أن الامتحانات التنافسية الوطنية قوية ومن السهل تفسيرها، فإنه ينطوي على قيود - ولا سيما أنها تشبع بقيم مؤشرية متوسطة إلى عالية لحجم الورق وتراعي آثار الغلاف الجوي وآثاره الأساسية، وتعالج عدة مؤشرات بديلة أو تكميلية هذه القيود:

  • Enhanced Vegetation Index (EVI)] - Reduces atmospheric and soil noise and does not saturate as readily as NDVI in high-biomass regions, making it suitable for dense tropical agriculture and forests.
  • Normalized Difference Water Index (NDWI)] - Uses shortwave infrared (SWIR) bands to detect water content in vegetation and soil, useful for irrigation scheduling and drought stress monitoring.
  • Soil-Adjusted Vegetation Index (SAVI)] - Incorporates a soil brightness correction factor to minimize the influence of bare soil, improving performance in sparsely vegetated or semi-arid agricultural zones.
  • Leaf Area Index (LAI) ] - Retrieved from radiative transfer models applied to satellite reflectance data; LAI is a key input for crop growth models and yield forecasting.

ويعتمد اختيار المؤشر على السياق الزراعي المحدد، بما في ذلك نوع المحاصيل، وهيكل الأغناء، والظروف البيئية، والطور الثميني للمحاصيل، وكثيرا ما يستخدم المحللون مؤشرات متعددة في الجمع بينها لاستخلاص صورة أكمل لصحة المحاصيل.

تحليل استخدام الأراضي والنباتات الزراعية في سكال

وتتيح الصور الساتلية رسم خرائط وتحديد خصائص استخدام الأراضي الزراعية عبر النطاقات المحلية والإقليمية والعالمية، وهذا أمر أساسي لفهم أنماط زراعة المحاصيل، وديناميات حيازة الأراضي، والتوسع الزراعي أو التخلي عن الأراضي، وآثار تغير استخدام الأراضي على التنوع البيولوجي وخدمات النظم الإيكولوجية.

رسم الخرائط

تحديد المحاصيل التي تزرع عندما تكون خطوة أساسية لرصد الإنتاج والتخطيط لسلاسل الإمداد واستهداف خدمات الإرشاد، ورسم خرائط نوع المحاصيل بواسطة السواتل يُنتج إشارات زمنية ومنظورية مختلفة عن محاصيل المواد الكيميائية، وتركيب هياكل الصبغة، وصور التأمل في الآلات التي يمكن أن تُلتقط في صور ساتلية متعددة المراحل.

Cropland Extent and Change Detection

وتوفر الصور الساتلية طريقة متسقة وقابلة للتكرار لرسم خرائط النطاق العالمي للأراضي الزراعية وكشف التغيرات بمرور الوقت، ويمكن لمنتجات مثل بيانات تحليل الأمن الغذائي العالمي وإمدادات الأراضي، وطبقات الغطاء الأرضي العالمية في كوبرنيكوس أن تستخدم بيانات ساتلية لتحديد المناطق الزراعية، ومن خلال مقارنة الصور من سنوات مختلفة، يمكن للمحللين أن يحددوا المكان الذي أنشئت فيه أراضي زراعية جديدة (التي غالبا ما تكون مرتبطة بالغابات أو إزالة الأحراج).

زراعة الكثافة ودمات الفالو

وفي مناطق كثيرة، يزرع المزارعون محاصيل متعددة في السنة على نفس القطعة (الزراعة المتعددة) أو يتركون أرضاً لفصل أو أكثر، ويمكن أن تكشف السلسلة الزمنية المستمدة من السواتل عن هذه الأنماط عن طريق الكشف عن عدد دورات المحاصيل سنوياً استناداً إلى موجزات مؤشرات الغطاء النباتي.() وتُعد أجهزة الاستشعار ذات كثافة زمنية عالية (مثلاً، نظام المعلومات المسبقة عن البضائع المميتة على 250 متراً، التصوير اليومي من كوكبة) مناسبة تماماً لتقييم الإنتاج.

تقييم الأمن الغذائي مع المؤشرات الساتلية - الرقمية

إن الأمن الغذائي مفهوم متعدد الأبعاد يعتمد على توافر الأغذية والوصول إليها واستخدامها والاستقرار، وتسهم الصور الساتلية في المقام الأول في البعد " توافرها " بتوفير البيانات عن إنتاج المحاصيل، ولكنها تدعم أيضا نظم الإنذار المبكر والتوعية بالحالة التي تقوم عليها الأبعاد الأخرى.

Yield Estimation and Production Forecasting

(الطريقة التي تستخدمها الحكومة في تخطيط إنتاج المواد الغذائية بواسطة السواتل (النظام الآلي (النظام (النظام (النظام (النظام (النظام (النظام)

الإنذار المبكر بأحراج الأغذية

وتعتمد نظم الإنذار المبكر بالأمن الغذائي على مؤشرات الإجهاد الزراعي في الوقت المناسب، ويمكن أن تدمج في أطر مثل شبكة نظم الإنذار المبكر بالمجاعة، التي تعمل في أكثر من 30 بلداً، تقديرات سقوط الأمطار من أجهزة الاستشعار الساتلية (مثلاً، GPM، CHIRPS)، ومنتجات رطب التربة، في أطر مثل شبكة نظم الإنذار المبكر بالمجاعة، التي تعمل في أكثر من 30 بلداً، وعندما تظهر البيانات الساتلية وجود أوراماً سلبية مستمرة في مناطق النزاع

إدماج البيانات الساتلية مع المعلومات الاجتماعية - الاقتصادية والمعلومات الأرضية

ولا يمكن للصور الساتلية وحدها أن تقيّم الأمن الغذائي تقييما كاملا، إذ يجب أن تقترن بيانات الاستشعار عن بعد، في صورة شاملة، بالدراسات الاستقصائية للأسر المعيشية، وبيانات أسعار السوق، وتقارير النزاع، ومؤشرات الصحة/التغذية، وقد وضعت منظمات مثل برنامج الأغذية العالمي ومنظمة الأغذية والزراعة أطرا تحليلية متكاملة تغذي تقديرات إنتاج المحاصيل المستمدة من السواتل ببيانات اجتماعية واقتصادية لتحديد الفئات الأكثر تعرضا لخطر انعدام الأمن الغذائي.

دراسات الحالة والتطبيقات التشغيلية

رصد الجفاف في شرق أفريقيا

وفي المناطق شبه القاحلة من شرق أفريقيا، تهدد حالات الجفاف المتكررة سبل عيش الملايين من الرعاة والمزارعين من صغار الملاك، وقد أتاحت البيانات الساتلية - ولا سيما تقديرات سقوط الأمطار من مجموعة بيانات CHIRPS وحالة النباتات من METOP-AVHRR و MODIS - تشكيلة من نظم رصد الجفاف الإقليمية.

رسم الخرائط في منطقة جنوب وجنوب شرق آسيا

إن الأرز محصول ثابت بالنسبة لمليارات الناس، كما أن إنتاجه يعتمد اعتمادا كبيرا على إدارة المياه، إذ إن الصور الساتلية - ولا سيما بيانات " ستينيل-1 " ، التي يمكن أن تخترق الغطاء السحابي خلال الموسم الممون - قد استخدمت في رسم خرائط مناطق الأرز وتقدير تواريخ الزراعة في مختلف بلدان مثل فييت نام وتايلند والهند.

Global Crop Production Monitoring with the GEOGLAM Initiative

وتنسق مبادرة الفريق المعني برصد الأرض للرصد الزراعي العالمي جهود وكالات الفضاء ومؤسسات البحوث والوزارات الزراعية من أجل إجراء تقييمات ساتلية في الوقت المناسب لإنتاج المحاصيل العالمية، ويقدم مرصد المحاصيل في إطار نظام جيغلام للإنذار المبكر تقارير شهرية عن الظروف المتزايدة للمحاصيل الأساسية الرئيسية (الطقوس، الذرة، الأرز، الصويا) في ما يصل إلى 180 بلداً، ويستخدم هذه التقارير في عملية التقلب في الأسواق.

التحديات والحدود

وفي حين أن الصور الساتلية أصبحت أداة لا غنى عنها للرصد الزراعي وتحليل الأمن الغذائي، لا تزال هناك تحديات عديدة:

  • Cloud cover:] Persistent cloud cover in tropical and monsoon regions can severely limit the availability of optical satellite imagery. SAR sensors address this issue but require specialized expertise for interpretation and are not always available at the required resolution or frequency.
  • Spatial and temporal resolution trade-offs:] High spatial resolution sensors (sub-meter to 10 meters) often have longer revisit times (16 days for Landsat, 10 days for Sentinel-2 without constellation coupleing), while sensors with daily revisit time like MODIS have coarser resolution (250-1)
  • Ground truth and validation data:] Satellite-derived models require high-quality in situ data (crop type, yield, management practices) for calibration and validation. In many food-insecure regions, such data are sparse, outdated, or inaccessible, limiting the accuracy and reliable of satellite-based estimates.
  • Smallholder agriculture:] The majority of food production in low-income countries comes from smallholder farms with field sizes of less than one hectare.The current satellite sensors may not provide sufficient resolution to distinguish individual fields, and the intercropping and diverse cropping systems common in these contexts are difficult to classify automatically.
  • Data access and capacity:] Despite open-data policies from many space agencies, access to satellite data and the computational infrastructure needed to process it remain barriers for researchers and institutions in low-income countries. Capacity building and technology transfer are essential to ensure that the benefits of satellite monitoring are equitably distributed.

الاتجاهات المستقبلية والتكنولوجيات الناشئة

ويتقدم مجال رصد السواتل الزراعية بسرعة، مدفوعا بالابتكارات التكنولوجية والطلب المتزايد على المعلومات التي يمكن العمل بها في الوقت المناسب.

البعثات الساتلية الجديدة والوصلات

الجيل القادم من سواتل رصد الأرض يبشرون بالمكانيات العالية والفضائيات والزمنية، و بعثة ناسا لعلم الأحياء والجيولوجيا السطحية، وجيل كوبيرينيل-2 القادم من وكالة الفضاء الأوروبية، سيوفرون قدرات محسنة على تحديد المواقع، بما في ذلك نطاقات أكثر تضييقا لتحليل الغطاء النباتي.

الاستخبارات الفنية والحساب الإلكتروني المختلط

(التعلم المغناطيسي والتعلم العميق) يُحدثان ثورة في تحليل البيانات الساتلية للزراعة، والشبكات العصبية المُلتوية (CNNs) والهيكلات القائمة على المحولات تحققان أحدث النتائج في تصنيف نوع المحاصيل، والتنبؤ بالمحاصيل، وتحديد الحدود الميدانية.

التكامل مع أجهزة الاستشعار من طراز IoT و In-Situ

ويتزايد الجمع بين البيانات الساتلية والبيانات المستمدة من أجهزة الاستشعار التي تستخدم في مجال المواد التي تنشر في الحقول الزراعية، بما في ذلك مساحات رطب التربة، ومحطات الطقس، والكاميرات المجهزة بالطائرات بدون طيار، وهذا الدمج في التغطية الساتلية مع الدقة على المستوى الأرضي يتيح نماذج محصولية أكثر دقة وأدوات لدعم القرارات، مثلا، يمكن معايرة تقديرات التهرب من التربة بواسطة السواتل في ضوء المقاييس الموجودة في المدار.

Climate-Smart Agriculture and Resilience Monitoring

ومع تكثيف تغير المناخ، ستؤدي الصور الساتلية دورا متزايدا في رصد اعتماد وفعالية الممارسات الزراعية الذكية المناخية، مثل الحراثة الحفظية، وتغطي زراعة المحاصيل، والحراجة الزراعية، وتحسين إدارة المياه، ويمكن للسواتل أن تكتشف التغيرات في الغطاء التربوي، وتراكم الكتلة الأحيائية، وهيكل المناظر الطبيعية التي تبين ما إذا كان المزارعون ينفذون ممارسات لبناء القدرة على التكيف، ويمكن لهذه البيانات أن تسترشد بها في التخطيط الوطني للتكيف، والمساءلة عن تمويل المناخ، وفي وضع منتجات للتأمين تستند إلى مؤشرات.

الخلاصة: أداة مؤسسة لمستقبل الأمن الغذائي

وقد انتقلت الصور الساتلية من أداة بحثية متخصصة إلى قاعدة تشغيلية للرصد الزراعي وتحليل الأمن الغذائي، حيث إن توفير بيانات متسقة ومناسبة التوقيت وقابلة للاتساع بشأن صحة المحاصيل، واستخدام الأراضي، والظروف البيئية، قد مكّن صناع السياسات والمنظمات الإنسانية والمزارعين أنفسهم من اتخاذ قرارات مستنيرة على نحو أفضل، ولا يمكن لأي تكنولوجيا بمفردها أن تحل التحدي المعقد للأمن الغذائي العالمي، ولكن رصد الأرض بواسطة السواتل - مقترنا بمصادر بيانات تكميلية وطرائق تحليلية قوية - أصبح جزءا أساسيا.

ومع ظهور أجهزة استشعار جديدة على الإنترنت، ونضوج الذكاء الاصطناعي، وتوسيع نطاق الحصول على البيانات والكهرباء الحاسوبية، فإن إمكانية إسهام الصور الساتلية في الأمن الغذائي لن تنمو إلا، ويتمثل التحدي الآن في ضمان نشر هذه الأدوات القوية على نحو منصف وأخلاقي وفعال لدعم أكثر السكان ضعفا وبناء نظام غذائي عالمي أكثر مرونة.