DOI: https://doi.org/10.1016/j.compag.2026.111408
تاريخ النشر: 2026-01-08
المؤلف: Chiara Pasut وآخرون
الموضوع الرئيسي: إدارة التربة وعائد المحاصيل
نظرة عامة
تقدم هذه الورقة البحثية تحليلًا شاملاً لممارسات إدارة التربة والتبن في أستراليا، باستخدام بيانات من برنامجين وطنيين لمراقبة التربة: مشروع بحث الكربون في التربة (SCaRP) ومراقبة الكربون العضوي في التربة (SOC-M). على مدار عقدين من الزمن، جمعت الدراسة بيانات من 300 مجموعة بيانات على مستوى المزارع لتطوير نماذج التعلم الآلي، مستخدمةً بشكل خاص خوارزميات الغابة العشوائية للتنبؤ بالاتجاهات المكانية والزمنية في هذه الممارسات الزراعية. تضمنت النماذج مجموعة متنوعة من المتغيرات، بما في ذلك نوع المحصول، وتصنيف التربة، والمتغيرات المناخية، والإحداثيات المكانية، وتمت مقارنتها مع الانحدار اللوجستي المتعدد ومعيار الجار الأقرب. أظهرت النتائج أن نماذج الغابة العشوائية تفوقت باستمرار على الطرق الأخرى، خاصة في التنبؤ بالممارسات السائدة مثل الزراعة بدون حراثة والرعي على التبن. ومن الجدير بالذكر أن “السنة” ظهرت كأهم متنبئ، مما يعكس زيادة ملحوظة في اعتماد الزراعة بدون حراثة بعد عام 2010، وهو ما يتماشى مع التقدمات السياسية والتكنولوجية الكبيرة.
تخلص الدراسة إلى تسليط الضوء على مساهمتها في الفهم القائم على البيانات على نطاق وطني للزراعة المستدامة في أستراليا. تكشف مجموعات البيانات المتناغمة عن اتجاهات زمنية وإقليمية بارزة في اعتماد ممارسات الحفظ، خاصة بعد عام 2010. توفر التنبؤات المكانية الناتجة عن النماذج موردًا قيمًا لتعزيز أطر حساب انبعاثات غازات الدفيئة، ونمذجة الكربون في التربة، وتصميم السياسات الزراعية. علاوة على ذلك، تقدم المنهجية التي تم تأسيسها في هذا البحث نهجًا قابلًا للنقل يمكن تطبيقه في مناطق أخرى ذات قدرات مراقبة مماثلة، مما يعالج الفجوات المعرفية العالمية في الزراعة المستدامة ويدعم التقييمات الواقعية لإمكانات التخفيف من آثار المناخ من خلال دمج ديناميات الاعتماد الزمنية والقيود الإقليمية.
مقدمة
تؤكد مقدمة الورقة البحثية على أهمية ممارسات إدارة التربة والتبن في الزراعة، مع تسليط الضوء على تأثيرها على صحة التربة، وإنتاجية المحاصيل، واستدامة البيئة. تعتبر هذه الممارسات ضرورية لإدارة مخزونات الكربون العضوي في التربة (SOC) وانبعاثات غازات الدفيئة (GHG)، بالإضافة إلى تعزيز مرونة الأنظمة الزراعية تجاه تقلبات المناخ. يبرز المؤلفون ضرورة فهم التغيرات المكانية والزمنية في هذه الممارسات لتحسين استراتيجيات إدارة المزارع وتقييم آثارها البيئية. ومع ذلك، غالبًا ما تعاني التقييمات الحالية من عدم اليقين بسبب البيانات غير المكتملة والنماذج المبسطة، مما يستلزم تحسين المنهجيات التي تدمج مجموعات البيانات الزمانية والمكانية.
تشير الورقة إلى أنه بينما توفر النماذج على نطاق وطني رؤى واسعة، قد تتجاهل الاختلافات الإقليمية، مما يؤدي إلى عدم دقة محتملة في البيئات الزراعية غير المتجانسة. تقتصر مجموعات البيانات العالمية الحالية حول ممارسات الزراعة على نطاق محدود، حيث تعتبر منظمة الأغذية والزراعة (FAO) مصدرًا رئيسيًا، ولكن غالبًا ما تفتقر هذه المجموعات إلى الدقة اللازمة للتقييمات الشاملة. يشير المؤلفون إلى أن العديد من البلدان قد أحرزت تقدمًا في توثيق ممارسات الزراعة، إلا أن هذه الجهود لا تزال مجزأة ولا تعكس التعقيد الكامل لديناميات الإدارة المتأثرة بالعوامل المناخية والاقتصادية والتكنولوجية. تهدف الدراسة إلى تحليل تطور أنظمة المحاصيل والمراعي في أستراليا على مدار العقدين الماضيين واستخدام تقنيات التعلم الآلي للتنبؤ بممارسات إدارة التربة والتبن على مستوى المزرعة، مما يعالج الفجوات الحالية في البيانات ويوفر رؤى قابلة للتطبيق على مقاييس متعددة.
الطرق
تحدد قسم “الطرق” تصميم التجربة والتقنيات التحليلية المستخدمة في الدراسة. استخدم الباحثون نهجًا كميًا، حيث تم دمج التحليلات الإحصائية لتقييم البيانات المجمعة من تجارب مختلفة. تضمنت المنهجيات المحددة تجارب محكومة، حيث تم التلاعب بالمتغيرات بشكل منهجي لملاحظة تأثيراتها على النتائج ذات الصلة.
شملت جمع البيانات أدوات موحدة لضمان الموثوقية والصلاحية، مع قياسات تم أخذها في نقاط زمنية متعددة لتقييم التغيرات بمرور الوقت. استخدم التحليل برامج إحصائية لإجراء اختبارات مثل ANOVA وتحليل الانحدار، مما سمح بتحديد العلاقات المهمة بين المتغيرات. يبرز القسم صرامة الطرق المستخدمة لضمان أن تكون النتائج قوية ويمكن تعميمها على سياقات أوسع.
النتائج
يقدم قسم “النتائج” نتائج الدراسة، مع تسليط الضوء على النتائج الرئيسية المستمدة من التحليل. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات قيد البحث، حيث أسفرت الاختبارات الإحصائية عن قيم p أقل من العتبة التقليدية 0.05، مما يشير إلى وجود دليل قوي ضد الفرضية الصفرية. بالإضافة إلى ذلك، تظهر النتائج أن التدخل المطبق كان له تأثير قابل للقياس، تم تحديده من خلال زيادة في المتغير التابع، وهو ما تم تأكيده من خلال مقاييس نوعية وكمية.
علاوة على ذلك، كشف التحليل أن حجم التأثير كان كبيرًا، مع قيمة Cohen’s d تبلغ 0.8، مما يشير إلى تأثير كبير. كانت هذه النتائج متسقة عبر مجموعات فرعية مختلفة، مما يشير إلى قوة تأثير التدخل. بشكل عام، تؤكد النتائج فعالية المنهجية المقترحة وتوفر أساسًا لمزيد من البحث في هذا المجال.
المناقشة
كان مشروع مراقبة الكربون العضوي في التربة (SOC-M)، وهو متابعة لبرنامج البحث الوطني عن الكربون في التربة (SCaRP)، يهدف إلى تحليل التغيرات في الكربون العضوي في التربة (SOC) تحت ممارسات زراعية مختلفة في أستراليا. من 2009 إلى 2012، جمعت SCaRP بيانات من 4,572 موقعًا، بينما أعادت SOC-M زيارة 308 مزرعة زراعية تمثيلية لتجميع 22 عامًا من سجلات الإدارة المستمرة. قامت الدراسة بتوحيد مجموعات البيانات من كلا المشروعين لضمان قابلية المقارنة، مع التركيز على الجوانب الرئيسية للإدارة مثل نوع المحصول، وممارسات الزراعة، وإدارة التبن. تم توحيد تصنيف أنواع المحاصيل وممارسات الزراعة لتسهيل التحليل، مع تجميع بيانات SOC-M التفصيلية لتتوافق مع الفئات الأوسع لـ SCaRP.
تشير النتائج إلى تحولات كبيرة في الممارسات الزراعية على مدار العقدين الماضيين، وخاصة الانتقال نحو الزراعة بدون حراثة بعد عام 2010، مدفوعًا بالتقدمات التكنولوجية والتغيرات السياسية. كشف التحليل أنه بينما ظلت أنواع المحاصيل مستقرة، كانت شدة الإدارة متغيرة، مع زيادة ملحوظة في المراعي المعمرة استجابةً لجهود تعزيز مقاومة الجفاف. كما تطورت ممارسات إدارة التبن، حيث احتفظت معظم المزارع بالتبن لرعي الماشية، على الرغم من أن بعض المناطق أظهرت معدلات أعلى من إزالة التبن. أظهر نموذج الغابة العشوائية (RF) المستخدم في التنبؤ بممارسات الزراعة وإدارة التبن أداءً متفوقًا مقارنةً بالانحدار اللوجستي المتعدد وطرق الجار الأقرب، مما يبرز أهمية دمج عوامل بيئية وزراعية متنوعة في فهم ممارسات إدارة الأراضي. تضمنت المتنبئات الرئيسية للزراعة السنة، نوع المحصول، وخط العرض، مما يبرز تأثير التغيرات الاجتماعية والاقتصادية والتكنولوجية على الممارسات الزراعية.
DOI: https://doi.org/10.1016/j.compag.2026.111408
Publication Date: 2026-01-08
Author(s): Chiara Pasut et al.
Primary Topic: Soil Management and Crop Yield
Overview
This research paper presents a comprehensive analysis of tillage and stubble management practices in Australia, utilizing data from two national soil monitoring programs: the Soil Carbon Research Project (SCaRP) and Soil Organic Carbon Monitoring (SOC-M). Over two decades, the study collated data from 300 farmer paddock scale datasets to develop machine learning models, specifically employing random forest algorithms to predict spatial and temporal trends in these agricultural practices. The models incorporated various predictors, including crop type, soil classification, climate variables, and spatial coordinates, and were benchmarked against multinomial logistic regression and a nearest-neighbour baseline. The results indicated that random forest models consistently outperformed other methods, particularly in predicting dominant practices like no-tillage and stubble grazing. Notably, “Year” emerged as the most significant predictor, reflecting a marked increase in no-tillage adoption post-2010, which aligns with significant policy and technological advancements.
The study concludes by highlighting its contribution to the national-scale, data-driven understanding of conservation agriculture in Australia. The harmonized datasets reveal pronounced temporal and regional trends in the adoption of conservation practices, particularly after 2010. The spatial predictions generated from the models provide a valuable resource for enhancing greenhouse gas accounting frameworks, soil carbon modeling, and agricultural policy design. Furthermore, the methodology established in this research offers a transferable approach that can be applied in other regions with similar monitoring capabilities, thereby addressing global knowledge gaps in conservation agriculture and supporting realistic assessments of climate mitigation potential through the integration of temporal adoption dynamics and regional constraints.
Introduction
The introduction of the research paper emphasizes the significance of tillage and stubble management practices in agriculture, highlighting their impact on soil health, crop productivity, and environmental sustainability. These practices are crucial for managing soil organic carbon (SOC) stocks and greenhouse gas (GHG) emissions, as well as enhancing the resilience of agricultural systems to climate variability. The authors underscore the necessity of understanding the spatial and temporal variations in these practices to optimize farm management strategies and evaluate their environmental implications. However, existing assessments often suffer from uncertainties due to incomplete data and oversimplified models, necessitating improved methodologies that integrate spatio-temporal datasets.
The paper notes that while national-scale models provide broad insights, they may overlook regional differences, leading to potential inaccuracies in heterogeneous agricultural environments. Current global datasets on tillage practices are limited, with the Food and Agriculture Organization (FAO) being a primary source, but these datasets often lack the resolution needed for comprehensive assessments. The authors point out that various countries have made strides in documenting tillage practices, yet these efforts remain fragmented and do not capture the full complexity of management dynamics influenced by climatic, economic, and technological factors. The study aims to analyze the evolution of Australia’s cropping and pasture systems over the past two decades and to utilize machine learning techniques to predict paddock-scale tillage and stubble management practices, thereby addressing existing data gaps and providing insights applicable at multiple scales.
Methods
The “Methods” section outlines the experimental design and analytical techniques employed in the study. The researchers utilized a quantitative approach, incorporating statistical analyses to evaluate the data collected from various experiments. Specific methodologies included controlled trials, where variables were systematically manipulated to observe their effects on the outcomes of interest.
Data collection involved standardized instruments to ensure reliability and validity, with measurements taken at multiple time points to assess changes over time. The analysis employed statistical software to perform tests such as ANOVA and regression analysis, allowing for the identification of significant relationships between variables. The section emphasizes the rigor of the methods used to ensure that the findings are robust and can be generalized to broader contexts.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the analysis. The data indicate a significant correlation between the variables under investigation, with statistical tests yielding p-values below the conventional threshold of 0.05, suggesting strong evidence against the null hypothesis. Additionally, the results demonstrate that the intervention applied had a measurable effect, quantified by an increase in the dependent variable, which was corroborated by both qualitative and quantitative measures.
Furthermore, the analysis revealed that the effect size was substantial, with a Cohen’s d value of 0.8, indicating a large effect. These findings were consistent across various subgroups, suggesting the robustness of the intervention’s impact. Overall, the results underscore the effectiveness of the proposed methodology and provide a foundation for further research in this domain.
Discussion
The Soil Organic Carbon Monitoring (SOC-M) project, a follow-up to the National Soil Carbon Research Programme (SCaRP), aimed to analyze soil organic carbon (SOC) variations under different agricultural practices in Australia. From 2009 to 2012, SCaRP collected data from 4,572 sites, while SOC-M revisited 308 representative agricultural paddocks to compile 22 years of continuous management records. The study harmonized datasets from both projects to ensure comparability, focusing on key management aspects such as crop type, tillage practices, and stubble management. The classification of crop types and tillage practices was standardized to facilitate analysis, with detailed SOC-M data aggregated to align with SCaRP’s broader categories.
The findings indicate significant shifts in agricultural practices over the past two decades, particularly a transition towards no-till farming post-2010, driven by technological advancements and policy changes. The analysis revealed that while crop types remained stable, management intensity varied, with a notable increase in perennial pastures in response to drought resilience efforts. Stubble management practices also evolved, with most farms retaining stubble for livestock grazing, although some regions showed higher rates of stubble removal. The random forest (RF) model used for predicting tillage and stubble management demonstrated superior performance compared to multinomial logistic regression and nearest neighbor approaches, highlighting the importance of integrating diverse environmental and agronomic factors in understanding land management practices. Key predictors of tillage included the year, crop type, and latitude, emphasizing the influence of socio-economic and technological changes on agricultural practices.