کاربرد تلفیقی هوش مصنوعی و سیستم های اطلاعات جغرافیایی در پیش بینی و مدیریت هوشمند کم آبی و فرونشست زمین در مناطق خشک: مطالعه موردی نوش آباد کاشان

کم آبی و فرونشست زمین از چالش های اصلی مناطق خشک ایران، به ویژه نوش آباد در پایین دست دشت کاشان، هستند که زیرساخت های شهری، کشاورزی و پایداری زیست محیطی را تهدید می کنند. این مطالعه یک مدل یکپارچه مبتنی بر الگوریتم های یادگیری عمیق شبکه های حافظه بلندمدت کوتاه مدت، LSTM، و شبکه های کانولوشنی، CNN و سیستم های اطلاعات جغرافیایی (GIS) برای پیش بینی کم آبی و پایش فرونشست زمین ارائه می دهد. با استفاده از داده های هیدرولوژیکی ۳۰ساله (۱۳۷۴-۱۴۰۴)، داده های ماهواره ای GRACE برای تغییرات جرم آبخوان، داده های InSAR Sentinel-۱ برای پایش فرونشست و نقشه سازی GIS، مدل پیشنهادی به دقت ۹۳.۸% (R²=۰.۹۳۸) در پیش بینی خشکسالی و ۹۲.۵% در شناسایی مناطق فرونشست دست یافت. این مدل، با رعایت پروتکل های ایمنی، سلامت و محیط زیست (HSE)، خطرات زیرساختی را تا ۶۰%، آلودگی آب را تا ۷۰% و تخریب زیست محیطی را تا ۵۰% کاهش داد. کاربردهای عملی برای خدمات شهری نوش آباد شامل پایش real-time، مدیریت هوشمند آب و ایمن سازی زیرساخت ها است که قابلیت تعمیم به سایر مناطق خشک ایران را دارد.

کلیدواژه ها:

کم آبی ، فرونشست زمین ، یادگیری عمیق ، LSTM ، CNN ، GIS ، HSE