ریزمقیاس سازی آنومالی ذخیره آب زیرزمینی با استفاده از مدل جنگل تصادفی در استان قزوین

برآورد دقیق آنومالی ذخیره آب زیرزمینی (GWSA) برای مدیریت پایدار منابع آب زیرزمینی، به ویژه در مناطق دارای اقلیم خشک و نیمه خشک مانند استان قزوین، اهمیت فراوانی دارد. داده های GWSA حاصل از ماهواره GRACE و مدل GLDAS به دلیل تفکیک مکانی پایین، قادر به تشخیص تغییرات محلی نیستند. لذا، استفاده از روش های ریزمقیاس سازی قابل اعتماد ضروری است. در این مطالعه، با بهره گیری از داده های GRACE/GRACE-FO، اندازه گیری چاه های مشاهداتی، مدل رقومی ارتفاعی SRTM، داده های اقلیمی ERA۵ و FLDAS، مدل یادگیری ماشین جنگل تصادفی برای ریزمقیاس سازی GWSA در استان قزوین توسعه داده شد. مقادیر GWSA حاصل از چاه های مشاهداتی و ماهواره GRACE و مدل GLDAS به عنوان خروجی مدل و سه دسته ویژگی زمانی، مکانی و اقلیمی به عنوان ورودی مدل در نظر گرفته شد. نتایج نشان داد که روش پیشنهادی قادر به پیش بینی تغییرات زمانی و مکانی GWSA با R۲ حدود ۹۴/۰ و RMSE برابر ۳۲/۲ سانتی متر در داده های آزمون است. همچنین، سری زمانی پیش بینی شده، روند کاهشی یکنواخت را در ذخایر آب زمینی استان قزوین طی دو دهه گذشته نشان می دهد. یافته های این پژوهش می تواند به بهبود مدیریت منابع و برنامه ریزی بهره برداری پایدار از آب زیرزمینی کمک کند.

کلیدواژه ها:

ریزمقیاس سازی ، آنومالی ذخیره آب زیرزمینی ، جنگل تصادفی ، گریس