המכון למדעי הסביבה בפקולטה לחקלאות

🧠 מסתבר שגם מומחים נופלים בזה. ולא מפני שלא קראו את האותיות הקטנות.

יש מושג שכדאי להכיר: גרינוושינג.

זהו מצב שבו חברה מציגה את עצמה כ”ירוקה” וידידותית לסביבה, אבל בפועל התמונה מורכבת יותר.

אז למה כל כך קשה לזהות את זה, גם כשהכול כתוב מול העיניים?

מחקר חדש של הדוקטורנטית לילך שמע־זלטוקרילוב, ד”ר אביגיל הורביץ וד”ר סוון נולטה בחן כיצד מומחים פיננסיים קוראים הצהרות קיימות של בנקים. המשתתפים קראו מכתבי הנהלה אמיתיים (בעיבוד מחקרי), בזמן שטכנולוגיית מעקב עיניים (Eye Tracking) מדדה לאן הופנתה תשומת הלב שלהם.

החוקרים התמקדו ב”פער אמירה–עשייה”: מצב שבו חברה מצהירה על יעדי קיימות שאפתניים, אך באותה פסקה ממש מציינת גם הסתייגויות שמרככות את ההתחייבות. הכול גלוי. אבל לא הכול זוכה לאותה תשומת לב.

כאשר המומחים הקדישו תשומת לב להסתייגויות בטקסט, הם נטו להפחית את ההמלצה להשקיע בחברה. אולם כאשר אותו פער הופיע במסגרת של ESG, ההשפעה הייתה חלשה יותר. גם לאחר שזיהו את הפער, המשתתפים נטו להמליץ על השקעה. ממצא זה תומך ברעיון של “זוהר חיובי” (Positive Halo), שבו עצם המסגור כ”יוזמה ירוקה” משפיע על שיקול הדעת.

ואולי הממצא המפתיע ביותר: מתוך 128 המומחים שנבדקו, דווקא אלו שדיווחו על חשיפה גבוהה יותר לשיח בנושא קיימות זיהו פחות את הפערים. החוקרים מכנים זאת “פרדוקס הספקנות”: מצב שבו היכרות עם השיח עלולה דווקא להוביל להתרגלות ולפספוס של הסתייגויות חשובות.

ואם ניקח את הדברים מעבר לגרינוושינג ולעולם ההשקעות, המחקר מציע הצצה מרתקת לאופן שבו בני אדם מעבדים מידע. גם כשהמידע מלא ושקוף, הקשב שלנו אינו ניטרלי. ההצהרות הגדולות מושכות את העין ואת תשומת הלב, ואילו ההסתייגויות המורכבות נוטות להתמסמס.

קישור לכתבה בדה מרקר על המחקר בתגובה הראשונה>

צילום: אייל טואג, תמונת היט-מאפ מהמחקר,
By Lig Ynnek - Flickr: RNC Tampa 2012, CC BY 2.0, commons.wikimedia.org

הקשר בין נסיעה ברכב, מיקרופלסטיק וחסה 🚗➡️🥬 המחקר החדש של חוקרים מהמכון למדעי הסביבה בפקולטה לחקלאות חושף מסלול שלא רבים מכירים.

אסונות סביבתיים לא מסתיימים כשהנפט מפסיק לזרום.

ההשפעות שלהם ממשיכות לאתגר את המערכת האקולוגית במשך שנים. 🌿

👣 יותר מעשור לאחר דליפת הנפט הגדולה בשמורת עברונה, ויותר מ־50 שנה לאחר הדליפה הראשונה באזור, מתברר שההשפעות שלהן עדיין ניכרות. ולא רק בצמחייה ובקרקע, אלא גם בהרכב אוכלוסיות העכבישים.

במחקר חדש של אימאן אבו סארה, סטודנטית לתואר שני במכון למדעי הסביבה בפקולטה לחקלאות של האוניברסיטה העברית, בהנחיית פרופ’ אפרת גביש־רגב ובשיתוף פרופ’ יעל לובין מאוניברסיטת בן־גוריון בנגב, נאספו וזוהו מאזורים נקיים ומזוהמים בעברונה למעלה מ־1,300 עכבישים מ־75 מינים שונים. 🕸️

🕷️ המחקר מצא כי דליפות הנפט שינו את הרכב קהילות העכבישים באזורים המזוהמים. בעוד שמינים מסוימים נפגעו, אחרים דווקא הצליחו להתבסס באזורים אלו. עוד נמצא כי שפע העכבישים ירד משמעותית באזורים הפגועים.

במילים אחרות, גם שנים לאחר האסון, המערכת האקולוגית עדיין מתמודדת עם השלכות הדליפה.

למה דווקא עכבישים?

משום שהם טורפים מרכזיים במארג המזון ונחשבים סמנים ביולוגיים טובים להערכת בריאות המערכת האקולוגית. השינויים בהרכב המינים שלהם מספקים הצצה להשפעות הרחבות של הזיהום על המערכת כולה.

החשיבות של המחקר חורגת מעבר לעברונה. רוב הידע העולמי על דליפות נפט מגיע מסביבות ימיות, בעוד שמערכות מדבריות, הידועות כרגישות במיוחד וקשות לשיקום, כמעט שלא נחקרו.

הממצאים מספקים כלים חשובים להבנת ההשפעות ארוכות הטווח של זיהום נפט בשטח מדברי, ויכולים לסייע בתכנון שיקום יעיל יותר של בתי גידול.

🌿 המחקר מבוסס על נתונים שנאספו במסגרת פרויקט הניטור ארוך הטווח של רשות הטבע והגנים ותוכנית “המארג”, והוצג בשבוע האחרון בוועידה השנתית ה־54 למדע ולסביבה (קישור לכתבה ב"הארץ" בתגובה הראשונה).

📸 צילומים: אימאן אבו סארה, שרון אסיס, איברהים סלמאן, ד”ר איגור ארמיאץ’ שטיינפרס.

האגודה הישראלית לאקולוגיה ולמדעי הסביבה
הפקולטה לחקלאות, מזון וסביבה ע"ש רוברט ה. סמית, רחובות
האוניברסיטה העברית

🌳 מדריכים את המדריכים 🌳

איזו דרך טובה יותר יש כדי לחבר בין מחקר לעשייה - מאשר לשבת עם האנשים שמלווים את החקלאים בשטח?
שמחנו להשתתף ביום העיון למדריכי שה"מ ולשתף במחקרים עדכניים מהמכון למדעי הסביבה.

איך מלמדים רובוט למצוא עגבניות? 🍅
חקלאות אוטונומית היא ענף חדש שבו מערכות חכמות ורובוטים מבצעים חלק מהמשימות החקלאיות — כמו ניטור צמחים, זיהוי פירות וקטיף — במטרה להפוך את הגידול למדויק ויעיל יותר.
מחקר חדשני זה של הדוקטורנט דימיטרי אוסנקו בהנחיית ד"ר דוד הלמן מהמכון למדעי הסביבה בפקולטה לחקלאות, וד"ר חן גלעדי מהמכללה האקדמית להנדסה ע"ש סמי שמעון, מתמודד עם אחד האתגרים המשמעותיים בדרך לפיתוח חקלאות רובוטית: כדי שרובוטים יוכלו לקטוף פרי מצמחים אמיתיים, הם צריכים לאתר פירות רבים שמוסתרים מאחורי עלים.

במחקר הדוקטורט שלו, דמיטרי אוסנקו עוסק בבעיה הזו באמצעות צמחי עגבנייה ננסיים, שהם מודל מתאים לחקלאות במבנים ולחקלאות אנכית. לצמחים אלו יש חופת עלים צפופה מאוד, ולכן הם מהווים אתגר משמעותי לקטיף רובוטי.
כאשר עגבנייה בשלה מוסתרת מאחורי עלים, רובוט עלול לפספס אותה, והמטרה כאן היא למצוא דרכים לחשוף את הפירות לפני הקטיף: מערכת גידול רובוטית עתידית תצטרך לדעת מתי כדאי להסיר עלים, כמה עלים ניתן להסיר בלי לפגוע בצמח, או כיצד להזיז את חופת העלים כדי לחשוף את הפרי.
דמיטרי בוחן כיצד הסרה חלקית של עלים משפיעה על הצמח — על היבול, איכות הפירות, תהליך הפוטוסינתזה ומבנה הצמח. בנוסף, הוא פיתח שיטה ליצירת מודל תלת־ממדי של הצמח באמצעות צילום וידאו פשוט מטלפון חכם, שמאפשרת להעריך את כמות העלים בלי לפגוע בצמח.
במקביל, הוא חוקר כיצד רובוטים יוכלו להזיז את חופת העלים באופן עצמאי. לשם כך הוא מתעד תנועות טבעיות שבהן מזיזים עלים כדי לחשוף פירות מוסתרים, ומשתמש במידע הזה לפיתוח מערכות רובוטיות עתידיות.

מחקר זה הופך מידע מורכב על צמחים למספר כלים חיוניים שיקדמו אותנו צעד נוסף לקראת חקלאות אוטונומית מעשית.

How do we teach a robot to find tomatoes hidden behind leaves? 🍅
Autonomous agriculture is an approach in which smart systems and robots perform parts of the farming process — such as monitoring plants, detecting fruits, and harvesting — with the goal of making crop production more precise and efficient.
This innovative research by PhD student Dmitrii Usenko, supervised by Dr. David Helman from the Institute of Environmental Sciences at the Faculty of Agriculture, and Dr. Chen Giladi from the Department of Mechanical Engineering at Sami Shamoon College of Engineering, addresses one of the major challenges on the path toward robotic farming: for robots to harvest fruit from real plants, they first need to locate fruits that are hidden behind leaves.
In his PhD research, Dmitrii studies this challenge using micro-dwarf tomato plants, which are a suitable model for indoor and vertical farming systems. These plants have a very dense leaf canopy, making them a significant challenge for robotic harvesting.
When a ripe tomato is hidden behind leaves, a robot may fail to detect it. The goal is therefore to find ways to expose the fruits before harvesting: a future robotic growing system will need to determine when leaf removal is beneficial, how much leaf area can be removed without harming the plant, or how to move the leaf canopy to reveal hidden fruits.
Dmitrii investigates how partial leaf removal affects the plant — including yield, fruit quality, photosynthesis, and plant structure. In addition, he developed a method for creating a 3D model of the plant using simple smartphone video recordings, allowing researchers to estimate leaf quantity without damaging the plant.
At the same time, he studies how robots could independently manipulate the plant canopy. To do this, he records natural movements used to move leaves aside and reveal hidden fruits and uses this information to develop future robotic systems.
This innovative research transforms complex plant information into practical tools that will bring us one step closer to making autonomous agriculture a reality.