الزراعة في بيئة خاضعة للتحكم باستخدام التوأم الرقمي: ما الذي يتطلبه الأمر فعليًّا

أصبح كل بائع في قطاع الزراعة الإلكترونية (CEA) يستخدم الآن مصطلح «التوأم الرقمي». ومعظم ما يُباع تحت هذا المسمى هو مجرد لوحة معلومات تحتوي على رسوم بيانية تاريخية. أما «التوأم» فهو مفهوم أضيق نطاقًا وأكثر فائدة: إنه نموذج لمحصولك يتطور مع مرور الوقت، بالتوازي مع المحصول الحقيقي، ويتم تصحيحه عندما تتعارض النتائج الفعلية معه. وإليك ما يتطلبه ذلك فعليًّا في مزرعة عاملة.

التوأم الرقمي في الزراعة ذات البيئة الخاضعة للتحكم هو نموذج حي للمحصول يعمل بالتوازي مع المزرعة، ويستقبل بيانات أجهزة الاستشعار، ويتنبأ بالكتلة الحيوية وتاريخ الحصاد، ويتم تصحيحه بناءً على أوزان المحصول الفعلية. وفي الممارسة العملية، يتطلب الأمر ثلاثة عناصر: أجهزة استشعار موثوقة، ونموذج محصول يتوافق مع البيانات المتوفرة فعليًّا، ودورة معايرة تتتبع أخطاء التنبؤ بمرور الوقت.

ما هو التوأم الرقمي، وما ليس هو

لم ينبع هذا المفهوم من مجال الزراعة. بل جاء من مجال إدارة دورة حياة المنتج، حيث كان الإطار دائمًا يتألف من ثلاثة أجزاء — المنتج المادي، والمنتج الافتراضي، والربط البيانات بينهما، وهي صيغة تُنسب إلى مايكل غريفز، وأُطلق عليها لاحقًا اسم «التوأم الرقمي» في خارطة طريق لوكالة ناسا. وهذا الجزء الثالث هو نقطة فشل مشاريع الزراعة المائية المغلقة (CEA). تمتلك العديد من المزارع أجهزة استشعار. وتمتلك العديد منها نماذج. لكن القليل جدًّا منها يمتلك اتصالاً مباشراً ثنائي الاتجاه، حيث يتم تحديث النموذج بناءً على بيانات أجهزة الاستشعار، وتؤدي مخرجات النموذج إلى تغيير ما يقوم به العاملون في المزرعة.

يؤدي نموذج CEA التوأمي المفيد أربع مهام. فهو يتنبأ بتراكم الكتلة الحيوية وتاريخ الحصاد لكل دفعة قيد النمو. كما يجيب على أسئلة «ماذا لو» قبل اتخاذ القرار — مثلاً: إذا قمت بزيادة_{مستوى ثاني أكسيد الكربون} أو خفضت درجة الحرارة الليلية بمقدار درجتين، فماذا سيحدث للوزن الطازج في اليوم الثامن والعشرين؟ ويُشير إلى الحالات الشاذة، أي الانحراف بين المسار المتوقع والمسار الملحوظ، وهو ما يُعد عادةً أول إشارة على وجود خلل في الري أو عطل في الإضاءة. كما أنه ينتج «فاصل ثقة»، وليس رقمًا واحدًا، لأن التقدير النقطي الذي لا يحتوي على حدود للخطأ لا يمكن استخدامه في الالتزام بالتسليم.

ما ليس عليه: ليس بديلاً عن تقدير المزارع، ولا بديلاً عن السجلات. إذا كانت بيانات الدُفعات الخاصة بك مخزنة في جدول بيانات يحتوي على أسماء أصناف غير متسقة ويفتقر إلى طابع زمني موثوق لزراعة البذور، فإنك لا تواجه مشكلة «التوأم»، بل تواجه مشكلة في البيانات. قم بإصلاح نظام التسجيل أولاً — انظر «الدور الاستراتيجي لبرامج إدارة المزارع في عمليات الزراعة الداخلية» — ثم قم ببناء التنبؤات فوقه.

تحدد تغطية المستشعر الطراز الذي يمكنك تشغيله فعليًّا

هذا هو الجزء الذي يتجاهله البائعون. تختلف نماذج المحاصيل المنشورة اختلافًا هائلاً في متطلباتها من المدخلات، واختيار نموذج لا تستطيع أجهزتك تزويده بالبيانات يؤدي إلى نتائج غير موثوقة لا معنى لها.

تتطلب نماذج الخس الآلية، مثل نموذج النمو الديناميكي الذي أثبت صحته فان هنتن في واغينينغن للتحكم في مناخ الدفيئة، بيانات مستمرة عن درجة الحرارة_{وثاني أكسيد الكربون} والإشعاع. أما المتغيرات التي تأخذ في الاعتبار عجز ضغط البخار، فتضيف الرطوبة كعامل مؤثر رئيسي، وهو أمر مهم في المزارع الرأسية المغلقة حيث يرتبط التبخر وحمل إزالة الرطوبة ارتباطًا وثيقًا. وتستند الأبحاث المتعلقة بالطماطم إلى نماذج مشتقة من نموذج TOMGRO ذي المتغيرات الحالة المُختصرة، والذي تم تبسيطه عمدًا لتطبيقات التحكم. وعلى الطرف الآخر من الطيف، يستخدم نموذج المحاصيل العام SIMPLE 13 معلمة لتحديد نوع المحصول، أربعة منها خاصة بالصنف المزروع — وهذا بالضبط هو السبب في أنه ينطبق جيدًا على المحاصيل التي لم يقم أحد بمعايرة نموذج ميكانيكي كامل لها، مثل الأعشاب المتخصصة ونباتات البراسيكا.

وبالتالي، فإن التسلسل العملي هنا معكوس عن الطريقة التي يتبعها معظم المشغلين. لا تختر نموذجًا ثم تشتري أجهزة الاستشعار. بل قم بجرد ما تقيسه بشكل موثوق، وبأي فترة زمنية، وما هو سجل المعايرة الخاص به، ودع ذلك يحدد فئة النموذج.

ماذا يحدث عندما يختلف التوأم والميزان؟

هذه هي اللحظة التي يتم فيها تقييم العملية برمتها، والإجابة الصحيحة هي أن تقوم بتدوين القيمة الفعلية وتترك النظام يقيس خطأه بنفسه. والمقياس القياسي المستخدم هو «متوسط الخطأ المطلق النسبي» — وهو متوسط |القيمة المتوقعة − القيمة الفعلية| مقسومًا على القيمة الفعلية عبر الدفعات. وبدون مسار معايرة يستوعب القيم الفعلية للمحصول، لا يملك النموذج التوأم أي وسيلة للتمييز بين النموذج الخاطئ والمستشعر الخاطئ والمحصول السيئ فعليًّا.

يعود معظم الاختلافات إلى الأجهزة وليس إلى الفسيولوجيا. وتُعد مجسات درجة الحموضة (pH) والموصلية الكهربائية (EC) المشتبه بهما المعتادين: تشير الأبحاث التي أجرتها الجمعية الأمريكية للمهندسين الزراعيين والبيئيين (ASABE) حول التعويض الآلي عن الانحراف إلى أن المجسات التي تُترك مغمورة لفترات طويلة تُظهر انحرافًا في الإشارة يؤدي إلى تدهور دقة القياس. فمستشعر_{ثاني أكسيد الكربون (CO₂)} الذي تُظهر قراءته انخفاضًا بمقدار 200 جزء في المليون سيجعل النموذج الميكانيكي يتنبأ بنمو أقل من الواقع لعدة أشهر، وستلقي باللوم على النموذج. قم بتسجيل عمليات المعايرة كما تسجل عمليات التعقيم، مع ذكر الطوابع الزمنية واسم القائم بها.

المصدر الثاني الشائع هو عدم التوافق بين القيمة المحددة والحالة الفعلية. لطالما أوصى برنامج كورنيل لزراعة الخس بالزراعة المائية باستخدام «مجموع الإضاءة اليومي المستهدف» (DLI) يبلغ حوالي 17 مول/م²/يوم للخس. إن استخدام وحدة التغذية المزدوجة لتزويد الخس بـ DLI المستهدف بدلاً من DLI المقاس عند ارتفاع التاج سيؤدي إلى المبالغة في تقدير المحصول على كل رف حيث تكون المصابيح قد فقدت كفاءتها أو تعطل أحد المحركات. يجب إجراء القياس عند التاج، وليس عند وحدة التحكم.

الاستقلالية المبنية على هذه الحلقة ليست مجرد نظرية. فقد شارك في «تحدي الدفيئة المستقلة» الذي نظمته جامعة فاغينينغن فرق دولية قامت بإدارة الإضاءة والتدفئة وتوزيع_{ثاني أكسيد الكربون} والري والتسميد بشكل مستقل، حيث أدارت الفرق في نسخة التحدي لعامي 2024–2025 دورات زراعة الطماطم بالكامل بشكل مستقل. ونادرًا ما تكمن الفجوة بين ذلك وبين المزرعة التجارية في الخوارزمية نفسها، بل تكمن في جودة البيانات.

كيف تتعامل شركة AGEYE مع هذا الأمر

CultivAid Predict هو التوأم الرقمي الزراعي ومحرك التنبؤ الخاص بشركة AGEYE. وهو يعمل بستة نماذج معادلات تفاضلية عادية (ODE) للمحاصيل — نبات الخس NICOLET B3، ونبات الخس Van Henten، ونبات الخس Xu-Du المراعي لـ VPD، والطماطم TOMGRO، ونموذج SIMPLE الشامل، والأعشاب اللوجستية — ويدعم 16 صنفًا من المحاصيل تشمل أنواعًا مختلفة من الخس والأعشاب والكرنب والطماطم والفراولة والخضروات الصغيرة.

الخيار التصميمي المهم لمشكلة تغطية أجهزة الاستشعار المذكورة أعلاه هو توجيه النماذج وفقًا لأجهزة الاستشعار: يقوم «Predict» بتصنيف التدفقات الواردة على أنها أجهزة استشعار كاملة، أو أجهزة استشعار أساسية، أو تحسين مناخي، ويختار أفضل نموذج لكل محصول بناءً على البيانات المتاحة فعليًّا. تتولى نقطة نهاية السيناريو التعامل مع تغييرات الشروط الافتراضية. وتسجل نقطة نهاية المعايرة البيانات الفعلية للحصاد وتتتبع متوسط الخطأ المطلق النسبي (MAPE) مقارنةً بالتنبؤات، بحيث يصبح خطأ التنبؤ كميةً مقاسةً وليس مجرد افتراض. تتضمن التنبؤات حدود ثقة بارامترية، ويقوم المحرك باكتشاف الحالات الشاذة. للتخطيط التشغيلي الذي يتجاوز دفعة واحدة، يتضمن برنامج Predict محاكاة مزرعة متعددة الوكلاء تضم 6 وكلاء و18 نوعًا من الإجراءات.

يمكن الوصول إلى موقع Predict عبر الرابط predict.ageyetech.com. كما ينبغي على المزارع التي تزن بين توقعات الأرباح وتكاليف شراء الأجهزة أن تقرأ المقال بعنوان «متى تعود أتمتة المزرعة بأرباحها؟ شرح الحسابات الحقيقية».

ماذا يعني ذلك

لا تكمن القيمة التجارية لـ«التوأم» في كونه مجرد ظاهرة زراعية مثيرة للفضول، بل في قدرته على تقديم التزام مسبق موثوق به. ويُعد تقديم شركة «بلنتي» لطلب الحماية بموجب الفصل 11 من قانون الإفلاس وإعادة الهيكلة التي تلت ذلك تذكيرًا بأن الزراعة الداخلية تُقيَّم على أساس الحجم المُسلَّم وفقًا للعقد، وليس على أساس القدرة المُثبتة. يريد مشترو الخضروات الورقية عدد الصناديق في تاريخ محدد، وتُفرض غرامات في حالة النقص. خلال السنوات القليلة المقبلة، سيكون المشغلون الذين يفوزون باتفاقيات شراء متعددة السنوات هم أولئك القادرون على إظهار معدل خطأ مُعاير في توقعاتهم الخاصة، دفعةً تلو الأخرى، والذين يستخدمون نظام مراقبة المظلة بدلاً من جهاز التحكم. هذا ادعاء قابل للتدقيق. أما لوحة التحكم فهي ليست كذلك.

إذا كنت ترغب في معرفة ما يمكن أن تدعمه التغطية الحالية لأجهزة الاستشعار لديك قبل اتخاذ قرار بشأن مجموعة أدوات النمذجة، فابدأ باستخدام «حاسبة PPFD إلى DLI» و«حاسبة ربحية المحاصيل» المجانيتين.