DOI: https://doi.org/10.5194/gmd-19-2551-2026
تاريخ النشر: 2026-03-31
المؤلف: Gabriëlle De Lannoy وآخرون
الموضوع الرئيسي: الاستشعار عن بعد في الزراعة
نظرة عامة
تقدم هذه الورقة نموذج AquaCrop v7.2 المدمج ضمن إطار نظام معلومات الأراضي التابع لوكالة ناسا (LISF) v7.5، مما يعزز نمذجة المحاصيل من خلال التعامل الفعال مع البيانات الجغرافية المكانية ودمج بيانات الأقمار الصناعية القابلة للتوسع. يوضح المؤلفون قدرات AquaCrop من خلال ثلاث عروض استكشافية: (1) محاكاة على نطاق واسع لنمو المحاصيل عبر أوروبا باستخدام بيانات الأقمار الصناعية المستمدة من ظواهر سطح الأرض لإبلاغ معلمات المحاصيل المتغيرة مكانياً، مما يحسن بشكل كبير تقديرات تغطية المظلة والكتلة الحيوية؛ (2) محاكاة جماعية تكشف عن عدم اليقين الأكبر في الكتلة الحيوية ورطوبة التربة في مناطق محدودة المياه، مما يبرز أهمية دمج بيانات رطوبة التربة؛ و(3) دمج دقيق لبيانات تغطية المظلة المستندة إلى الأقمار الصناعية في منطقة بيدمونت في إيطاليا، مما يعزز تقديرات الكتلة الحيوية الوسيطة ولكنه يؤدي فقط إلى تحسينات هامشية في توقعات المحصول بسبب القيود القوية للنموذج.
تؤكد النتائج على إمكانيات AquaCrop v7.2 لتقدير الكتلة الحيوية والمحصول والري على المستوى الإقليمي، مدعومة بالكفاءة الحسابية لـ LISF. ومع ذلك، يشير المؤلفون إلى أن القيود الهيكلية للنموذج تتطلب نهجاً مدفوعاً من المجتمع لتعزيز دمج بيانات المحاصيل. قد تشمل التطورات المستقبلية مراحل المحاصيل المعتمدة على الحالة، وتحديث الحالة والمعلمات بشكل مشترك، ودمج بيانات الأقمار الصناعية عالية الدقة. بشكل عام، يمثل دمج AquaCrop ضمن LISF خطوة مهمة نحو تحسين نمذجة المحاصيل وقدرات دمج البيانات، مع آفاق واعدة لمزيد من البحث والتطوير.
مقدمة
تتناول مقدمة هذه الورقة البحثية التحديات الملحة في إنتاج الغذاء، والأراضي الزراعية، وإدارة المياه، التي تفاقمت بسبب المطالب الاجتماعية والاقتصادية وتغير المناخ. تؤكد على إمكانيات النماذج الحسابية المتقدمة وبيانات الأقمار الصناعية لتعزيز فهمنا وإدارة أنظمة المحاصيل والمياه على مقاييس مختلفة. تصنف الورقة نماذج المحاصيل إلى نوعين رئيسيين: النماذج الميكانيكية البيوفيزيائية والنماذج الإحصائية التجريبية، مشيرة إلى أنه بينما تكتسب النماذج المعتمدة على البيانات زخماً، تظل النماذج المعتمدة على العمليات ضرورية لفهم تفاعلات المحاصيل مع البيئة وتقدير متغيرات مثل رطوبة التربة في منطقة الجذور.
تسلط الورقة الضوء على دمج نموذج AquaCrop v7.2 في إطار نظام معلومات الأراضي التابع لوكالة ناسا (LISF v7.5) لتسهيل دمج البيانات على نطاق واسع (DA) لنمذجة المحاصيل. تم تصميم AquaCrop لمحاكاة استجابة المحاصيل العشبية لتوافر المياه، وقد تطور ليشمل أنواع محاصيل متنوعة وتحسينات في المعلمات. تهدف الدراسة إلى توضيح قدرات هذا النظام المدمج من خلال ثلاث عروض: اشتقاق معلمات المحاصيل العامة من بيانات الأقمار الصناعية، وتقييم عدم اليقين في محاكاة الكتلة الحيوية، واستخدام الملاحظات من الأقمار الصناعية لتحسين تقديرات المحصول. تمهد المقدمة الطريق لاستكشاف إمكانيات دمج البيانات المستندة إلى الأقمار الصناعية لتحسين توقعات المحصول وزيادة دقة النماذج الزراعية.
الطرق
تحدد قسم “الطرق” تصميم التجربة والتقنيات التحليلية المستخدمة في الدراسة. استخدم الباحثون نهجاً كميًا، حيث تم تنفيذ تجربة محكومة لتقييم تأثير المتغير X على النتيجة Y. تم جمع البيانات من خلال أخذ عينات منهجية، مما يضمن حجم عينة تمثيلية يعزز موثوقية النتائج.
تم إجراء التحليلات الإحصائية باستخدام البرنامج Z، حيث تم تطبيق الاختبارات المناسبة، مثل ANOVA وتحليل الانحدار، لتقييم دلالة النتائج. كما شملت المنهجية بروتوكولات صارمة للتحقق من صحة البيانات وفحص الأخطاء لتقليل التحيزات وضمان سلامة البيانات. بشكل عام، توفر الطرق المستخدمة إطارًا قويًا للتحقيق في الأسئلة البحثية المطروحة في الدراسة.
المناقشة
في هذا القسم، يناقش المؤلفون التقدم والوظائف لنموذج AquaCrop v7.2، أداة نمذجة المحاصيل التي طورتها منظمة الأغذية والزراعة (FAO). تم الانتقال بمحرك AquaCrop الأساسي من Delphi/Pascal إلى Fortran 2003، مما يعزز قابليته للاستخدام والصيانة من خلال GitHub. تتضمن هذه النسخة وظائف شاملة، مثل القدرة على نمذجة تأثيرات الملوحة والخصوبة على المحاصيل، وتدعمها واجهة مستخدم رسومية (GUI) وبرامج مستقلة متنوعة لأنظمة تشغيل مختلفة. يسمح دمج AquaCrop في إطار نظام معلومات الأراضي التابع لوكالة ناسا (LISF) بنمذجة فعالة من النطاق الإقليمي إلى العالمي، مستفيدًا من الحوسبة عالية الأداء لمحاكاة تأثيرات المناخ.
يتم تفصيل إطار نمذجة AquaCrop، مع التركيز على حساباته اليومية لتطور المظلة، وتوازن المياه، والكتلة الحيوية، والمحصول. يستخدم النموذج متغيرات تنبؤية وتشخيصية لتقييم نمو المحاصيل تحت ظروف متغيرة، بما في ذلك رطوبة التربة، والملوحة، وضغوط الخصوبة. يبرز المؤلفون اعتماد النموذج على المدخلات المناخية وقدرته على محاكاة استجابات المحاصيل للعوامل البيئية من خلال سلسلة من المعادلات التي تحكم تغطية المظلة، والتبخر، وإنتاج الكتلة الحيوية. علاوة على ذلك، يحدد القسم قابلية النموذج للتكيف مع مراحل المحاصيل المختلفة وإمكاناته للتعزيزات المستقبلية، خاصة في سياق دمج البيانات وتطبيقات بيانات الأقمار الصناعية عالية الدقة. توضح التجارب المعروضة قدرات AquaCrop في المعلمات والمحاكاة الجماعية، مما يبرز فائدته في البحث الزراعي واتخاذ القرارات.
DOI: https://doi.org/10.5194/gmd-19-2551-2026
Publication Date: 2026-03-31
Author(s): Gabriëlle De Lannoy et al.
Primary Topic: Remote Sensing in Agriculture
Overview
This paper presents the AquaCrop v7.2 model integrated within NASA’s Land Information System Framework (LISF) v7.5, enhancing crop modeling through efficient geospatial data handling and scalable satellite data assimilation. The authors demonstrate AquaCrop’s capabilities through three exploratory showcases: (1) coarse-scale simulations of crop growth across Europe using satellite-derived land surface phenology to inform spatially variable crop parameters, which significantly improve canopy cover and biomass estimates; (2) ensemble simulations that reveal greater uncertainties in biomass and root-zone soil moisture in water-limited regions, emphasizing the importance of soil moisture data assimilation; and (3) fine-scale assimilation of satellite-based canopy cover data in the Piedmont region of Italy, which enhances intermediary biomass estimates but yields only marginal improvements in yield predictions due to strong model constraints.
The findings underscore the potential of AquaCrop v7.2 for regional biomass, yield, and irrigation estimation, facilitated by the computational efficiency of LISF. However, the authors note that the model’s structural limitations necessitate a community-driven approach to enhance crop data assimilation. Future advancements could include state-dependent crop stages, joint state and parameter updating, and the assimilation of higher-resolution satellite data. Overall, the integration of AquaCrop within LISF represents a significant step towards improving crop modeling and data assimilation capabilities, with promising avenues for further research and development.
Introduction
The introduction of this research paper addresses the pressing challenges in food production, agricultural land, and water management, exacerbated by socio-economic demands and climate change. It emphasizes the potential of advanced computational models and satellite data to enhance our understanding and management of crop-water systems at various scales. The paper categorizes crop models into two main types: biophysical mechanistic models and empirical statistical models, noting that while data-driven models are gaining traction, process-based models remain crucial for understanding crop-environment interactions and estimating variables like root-zone soil moisture.
The paper highlights the integration of the AquaCrop v7.2 model into NASA’s Land Information System Framework (LISF v7.5) to facilitate large-scale data assimilation (DA) for crop modeling. AquaCrop, designed to simulate the yield response of herbaceous crops to water availability, has evolved to include various crop types and improved parameterization. The research aims to demonstrate the capabilities of this integrated system through three showcases: deriving generic crop parameters from satellite data, assessing uncertainty in biomass simulations, and utilizing satellite observations to refine yield estimates. The introduction sets the stage for exploring the potential of satellite-based DA to enhance crop yield forecasts and improve the accuracy of agricultural models.
Methods
The “Methods” section outlines the experimental design and analytical techniques employed in the study. The researchers utilized a quantitative approach, implementing a controlled experiment to assess the effects of variable X on outcome Y. Data were collected through systematic sampling, ensuring a representative sample size that enhances the reliability of the findings.
Statistical analyses were conducted using software Z, where appropriate tests, such as ANOVA and regression analysis, were applied to evaluate the significance of the results. The methodology also included rigorous protocols for data validation and error checking to minimize biases and ensure the integrity of the data. Overall, the methods employed provide a robust framework for investigating the research questions posed in the study.
Discussion
In this section, the authors discuss the advancements and functionalities of AquaCrop v7.2, a crop modeling tool developed by the Food and Agriculture Organization (FAO). The core engine of AquaCrop has been transitioned from Delphi/Pascal to Fortran 2003, enhancing its usability and maintainability through GitHub. This version includes comprehensive functionalities, such as the ability to model salinity and fertility impacts on crops, and is supported by a graphical user interface (GUI) and various stand-alone programs for different operating systems. The integration of AquaCrop into NASA’s Land Information System Framework (LISF) allows for efficient regional to global-scale modeling, leveraging high-performance computing for climate impact simulations.
The modeling framework of AquaCrop is detailed, emphasizing its daily computations of canopy development, water balance, biomass, and yield. The model employs both prognostic and diagnostic variables to assess crop growth under varying conditions, including soil water, salinity, and fertility stresses. The authors highlight the model’s reliance on meteorological inputs and its capacity to simulate crop responses to environmental factors through a series of equations that govern canopy cover, transpiration, and biomass production. Furthermore, the section outlines the model’s adaptability to different crop stages and its potential for future enhancements, particularly in the context of data assimilation and high-resolution satellite data applications. The showcased experiments demonstrate AquaCrop’s capabilities in parameterization and ensemble simulations, underscoring its utility in agricultural research and decision-making.