ارزیابی پاسخ تراز آب زیرزمینی به سناریوهای تغییر اقلیم با به کارگیری رویکرد ترکیبی ریزمقیاس سازی آماری و مدل هوش مصنوعی (مطالعه موردی: دشت مراغه-بناب)

تغییر اقلیم و فعالیت های انسانی فشار مضاعفی بر منابع آب زیرزمینی در مناطق خشک و نیمه خشک، به ویژه در خاورمیانه، وارد کرده اند. علاوه بر اثرات اقلیمی، برداشت بیش ازحد از آبخوان ها در دشت های آبرفتی، منجر به افت تراز آب، کاهش کیفیت و تخریب اکوسیستم ها شده است. از این رو، ارزیابی دقیق این روندها برای مدیریت پایدار منابع آب ضروری است. در این پژوهش، به منظور پیش بینی اثرات تغییر اقلیم بر تراز آب زیرزمینی در چاه نمونه از دشت مراغه-بناب، از یک رویکرد ترکیبی اقلیمی-هوش مصنوعی استفاده شد. ابتدا متغیرهای اقلیمی با بهره گیری از مدل میانگین مدل های گردش عمومی جو پروژه CMIP۶ و مدل تولیدکننده تصادفی LARS-WG، تحت دو سناریوی انتشار برای دوره های آتی ریزمقیاس سازی شدند. جهت مدل سازی ارتباط غیرخطی و پیچیده میان متغیرهای اقلیمی و تراز آب زیرزمینی، از مدل عمیق حافظه طولانی کوتاه مدت (LSTM) برای شبیه سازی و پیشنمایی تراز آب زیرزمینی استفاده گردید. نوآوری کلیدی این پژوهش، تلفیق داده های نوین اقلیمی با معماری یادگیری عمیق و لحاظ نمودن اثر تاخیرهای زمانی متغیرهای هیدرولوژیکی و اقلیمی جهت ارتقای دقت پیش بینی ها است. نتایج پیشنمایی های اقلیمی حاکی از روند افزایشی معنادار دما در تمامی ماه ها و تغییر در توزیع زمانی بارش ها است که منجر به افزایش تبخیر و تعرق و کاهش تغذیه طبیعی آبخوان می شود. مدل LSTM نشان داد که تحت سناریوی های اقلیمی، تراز آب زیرزمینی با افت قابل توجهی مواجه خواهد شد. این کاهش تراز، پیامد مستقیم اثرات همزمان کاهش تغذیه اقلیمی و افزایش تقاضا برای منابع آب است.

کلیدواژه ها:

تراز آب زیرزمینی ، تغییر اقلیم ، مدل LSTM ، هوش مصنوعی ، CMIP۶