מאת פסח בנסון • 16 בדצמבר 2025
ירושלים, 16 בדצמבר 2025 (TPS-IL) — מחקר ישראלי חדש מציע שמודלים של למידת מכונה עשויים לספק לחקלאים בעתיד הקרוב דרך מדויקת יותר לחזות את כמות המים שגידולים צורכים מדי יום, ובמקביל להניח את היסודות לזיהוי מוקדם של עקה בצמחים.
המחקר התמקד בטרנספירציה יומית של צמחים – תהליך שבו מים מתאדים דרך העלים, ומהווה אינדיקטור מרכזי לכמות המים שצמח צורך בפועל. בעוד שטרנספירציה היא מרכיב מרכזי בתכנון השקיה, רוב השיטות הקיימות להערכתה מסתמכות על מידע עקיף כגון נתוני מזג אוויר או לחות קרקע, ולא על ההתנהגות הפיזיולוגית של הצמח עצמו.
המחקר, בהובלת שניא פרידמן וניר אברבוך תחת פיקוחו של פרופ' מנחם מוסליון באוניברסיטה העברית בירושלים, התבסס על שבע שנות מדידות רציפות ברזולוציה גבוהה מצמחי עגבניות, חיטה ושעורה שגודלו בתנאי חממה חצי-מסחריים. באמצעות מערכת ליזימטר מדויקת במיוחד המבוססת על תאי עומס, הצוות תיעד שינויים עדינים במשקל הצמח בזמן אמת, מה שאפשר מדידה ישירה ומדויקת במיוחד של טרנספירציה יומית.
מאגר הנתונים ארוך הטווח ברמת הצמח אפשר חידוש מרכזי: אימון מודלים של למידת מכונה על התנהגותם של צמחים בריאים ומוצפים במים, במקום על מדדים סביבתיים עקיפים. על ידי הזנת הנתונים למודלים כמו Random Forest ו-XGBoost, הצוות הראה שלמידת מכונה יכולה לחזות באופן אמין טרנספירציה יומית על סמך תנאים סביבתיים ומאפייני צמח במגוון גידולים.
במבחנים בלתי תלויים, מודל XGBoost השיג ערך R² של 0.82, והתאים באופן קרוב לטרנספירציה הנמדדת גם כאשר הופעל בתנאי אקלים שונים ובמתקני מחקר נפרדים. לדברי החוקרים, יכולת זו להכליל על פני גידולים וסביבות מצביעה על כך שהמודלים לוכדים אותות פיזיולוגיים יסודיים ולא רעש ספציפי לגידול.
שני משתנים התגלו כמשפיעים במיוחד: ביומסה של הצמח וטמפרטורה יומית. "משתנים אלו עיצבו באופן עקבי את כמות המים שהצמחים צרכו," אמרה פרידמן. "הבנה כיצד צמח בריא ומוצף במים צפוי להתנהג ביום נתון מאפשרת לנו גם לזהות מתי משהו אינו כשורה."
רעיון זה מייצג היבט חדשני נוסף של העבודה. מכיוון שהמודל חוזה מה צמח בריא אמור לעשות, סטיות בלתי צפויות מהחיזוי עשויות לשמש כסימני אזהרה מוקדמים לעקה. עקה כזו יכולה לנבוע מבצורת, מליחות, מחלות, נזק לשורשים או לחצים סביבתיים אחרים, פוטנציאלית לפני הופעת סימפטומים נראים לעין.
"אם צמח מתנהג באופן שונה מהמודל חוזה, סטייה זו יכולה להוות אינדיקציה להתנהגות צמח חריגה או לא בריאה," אמרה פרידמן.
אברבוך, שמחקרו מתמקד בהשקיה מדויקת, אמר שהממצאים מצביעים על שינוי באופן שבו כלים מבוססי נתונים יכולים לשמש בחקלאות. "כיום, החלטות השקיה רבות עדיין מסתמכות על הערכות עקיפות," אמר. "למרות שהמודל הזה עדיין אינו מוכן לשדה, הממצאים מראים כיצד מערכות עתידיות יוכלו לשלב תחזיות פיזיולוגיות לתמיכה בתזמון השקיה מדויק יותר."
בעוד שהגישה הנוכחית תלויה בנתוני ליזימטר שאינם זמינים בדרך כלל לחקלאים, החוקרים רואים בכך צעד קונספטואלי לעבר כלי החלטה מונעי צמחים שיוכלו בסופו של דבר להיות מותאמים לחיישנים מעשיים יותר.
המחקר גם הראה תוצאות טובות כאשר נבדק על צמחים שגודלו בחממת מחקר נפרדת באוניברסיטת תל אביב, מה שמחזק את הפוטנציאל ליישום רחב יותר באקלים ומערכות גידול שונות.
בטווח הקצר, גישת המחקר רלוונטית ביותר למחקר ולסביבות גידול מבוקרות. על ידי אספקת קו בסיס פיזיולוגי מדויק לאופן שבו צמחים בריאים אמורים לטרנספירציה בתנאים נתונים, המודל יכול לסייע לחוקרים בבניית קו בסיס לצריכת מים של גידולים, באימות אלגוריתמי השקיה ובשיפור ניהול חממות. סטיות בין טרנספירציה צפויה לנמדדת עשויות לשמש גם כאינדיקטור מוקדם לעקה בצמחים בניסויי רבייה או במערכות ניסיוניות, לעיתים קרובות לפני הופעת סימפטומים נראים לעין.
בטווח הארוך יותר, תובנות מהמודל מצביעות על כלי חקלאות מדויקת מתקדמים יותר עבור חקלאים, התומכים בתזמון השקיה טוב יותר וחיסכון במים. כאשר מודלים דומים ישולבו עם חיישנים מוכנים לשדה, הם יוכלו גם להוות בסיס למערכות התראה מוקדמת שיזהירו חקלאים מפני עקה מתפתחת הנגרמת מבצורת, מליחות, מחלות או נזק לשורשים.
המחקר פורסם בכתב העת המדעי Plant, Cell & Environment.
נושאים קשורים
