مروری بر کاربردهای هوش مصنوعی در تحلیل و مدیریت مخاطرات ژئومورفولوژیکی: فرصتها و چالشها

مخاطرات ژئومورفولوژیکی مانند زلزله، زمین لغزش، فرسایش خاک، سیل و فرونشست از چالش های اصلی ایران هستند که خسارات اقتصادی و زیست محیطی سنگینی به بار می آورند. این مطالعه مروری نظام مند با توجه به پتانسیل کاربردهای هوش مصنوعی (AI) در تحلیل و مدیریت این مخاطرات در مناطق پرخطر ایران (زمین لغزش در البرز، شمالی، تالش و زاگرس شمال غرب؛ فرسایش خاک در مرکز ایران؛ سیل در خوزستان و جنوب شرق؛ فرونشست در اصفهان، یزد، کرمان و فارس) با استفاده از منابع انتخابی ۲۰۱۸-۲۰۲۵ را بررسی می کند. الگوریتم های یادگیری ماشین (XGBoost، SVM، Random Forest) و یادگیری عمیق (LSTM، CNN) برای تحلیل داده های چندمنظوره زمین شناسی، هیدرولوژی، اقلیمی، خاک، پوشش گیاهی، ژئومورفولوژیکی و انسانی از منابع دورسنجی مختلفی نظیر MODIS، SMAP، CMIP۶، GRACE، ERA۵، NGDIR و Sentinel-۱،۲ استفاده شده اند. فناوری های ابری AWS، Google Earth Engine و بیگ دیتا تحلیل برخط و مقیاس پذیر را تسهیل کرده اند. نتایج نشان می دهد که AI با دقت بالا در بسیاری از زمینه های پژوهشی تا ۸۷% برای Random Forest در زمین لغزش پیش بینی و پایش خودکار را بهبود بخشیده، اما کمبود داده های باکیفیت، هزینه های محاسباتی و نبود همکاری بین رشته ای در ایران موانع کلیدی هستند. توسعه پایگاه داده ملی چندمنظوره، استانداردسازی داده ها با پروتکل های OGC و تقویت کنسرسیوم های بین رشته ای می تواند در تسریع تعمیق و شکوفایی این حوزه نقش مهمی داشته باشد. این مطالعه بر پتانسیل AI برای مدیریت پایدار مخاطرات مشروط به رفع چالش های فنی و نهادی تاکید دارد.

کلیدواژه ها:

هوش مصنوعی ، ژئومورفولوژی ، مخاطرات طبیعی ، یادگیری ماشین ، دورسنجی