کاربرد هوش مصنوعی در پیش بینی و پایش تغییرات اقلیمی (مطالعه ی مروری)

زمینه و هدف: تغییرات اقلیمی به عنوان یکی از جدی ترین چالش های زیست محیطی قرن حاضر، اثرات گسترده ای بر منابع آب، پوشش گیاهی، فراوانی خشکسالی ها و الگوهای بارش دارد. پیش بینی و پایش دقیق این تغییرات برای برنامه ریزی های مدیریتی و سیاست گذاری های اقلیمی ضرورت دارد. با این حال، روش های سنتی مدل سازی اقلیمی به دلیل نیاز به داده های تاریخی گسترده، انعطاف پذیری پایین و ضعف در شناسایی الگوهای غیرخطی، در پاسخ گویی به تغییرات سریع اقلیم ناکارآمد بوده اند. اهداف پژوهش: هدف از این مطالعه، مرور نظام مند پژوهش های ملی و بین المللی مرتبط با کاربرد هوش مصنوعی و فناوری های نوین در پیش بینی و پایش تغییرات اقلیمی است. روش شناسی: در این پژوهش، ۳۰ مقاله علمی معتبر از پایگاه های اطلاعاتی ISC، SID، Science Direct و Springer انتخاب و تحلیل محتوایی شدند. مطالعات مورد بررسی از الگوریتم های گوناگون هوش مصنوعی و یادگیری ماشین از جمله شبکه عصبی مصنوعی (ANN)، یادگیری عمیق (Deep Learning)، جنگل تصادفی (Random Forest)، ماشین بردار پشتیبان (SVM) و مدل های ترکیبی برای شبیه سازی پدیده های اقلیمی استفاده کرده اند. یافته ها: نشان داده شد که بهره گیری از الگوریتم های هوش مصنوعی سبب افزایش دقت پیش بینی در شاخص هایی مانند بارش، خشکسالی، تبخیر و تغییرات پوشش گیاهی شده است. مدل های یادگیری عمیق به ویژه در مدل سازی فرآیندهای پیچیده و غیرخطی اقلیمی، عملکرد برتری نسبت به روش های کلاسیک داشته اند. همچنین، تلفیق داده های ماهواره ای و مکانی با مدل های ML و DL امکان پایش بلادرنگ (Real-Time) و منطقه ای تغییرات اقلیمی را فراهم ساخته و دقت تحلیل های مکانی را به شکل قابل توجهی افزایش داده است. نتیجه گیری: کاربرد هوش مصنوعی در علوم اقلیم شناسی می تواند تحولی بنیادین در درک، پیش بینی و مدیریت پدیده های جوی ایجاد کند. در ایران، توسعه سامانه های هوشمند مبتنی بر داده های ملی و ماهواره ای، طراحی مدل های قابل تفسیر و ایجاد سامانه های تصمیم یار در حوزه های مدیریت منابع آب، کنترل خشکسالی و انطباق با تغییرات اقلیمی از اولویت های اصلی محسوب می شود. یافته های این مرور نظام مند می تواند مبنایی علمی برای پژوهش های آینده و تصمیم سازی های ملی در راستای سازگاری با تغییرات اقلیم باشد.

کلیدواژه ها:

تغییرات اقلیمی ، هوش مصنوعی ، یادگیری ماشین ، یادگیری عمیق ، پیش بینی بارش ، خشکسالی ، پایش محیط زیست