کاربرد هوش مصنوعی در شناسایی مناطق بالقوه مستعد به سیلاب

با توجه به افزایش شدت و فراوانی سیلاب ها در نتیجه تغییرات اقلیمی و توسعه نامتوازن شهری، شناسایی مناطق مستعد به سیل یکی از اولویت های اصلی در مدیریت منابع طبیعی و کاهش مخاطرات زیست محیطی می باشد. در سال های اخیر هوش مصنوعی (AI) به عنوان ابزاری نوین نقش موثری در تحلیل داده های محیطی و تولید نقشه های مستعد به سیل ایفا کرده است. پژوهش حاضر با هدف بررسی جامع مطالعات داخلی و خارجی به تحلیل الگوریتم های یادگیری ماشین و یادگیری عمیق مانند MaxEnt، SVM، Random Forest، LSTM، CNN و Transformer-based models در شناسایی مناطق سیل خیز می پردازد. نتایج نشان می دهد که مدل های AI با استفاده از داده های سنجش از دور مانند Sentinel-۱ و SAR، شاخص های محیطی NDVI، TWI، بارندگی و داده های چندزمانه توانسته است دقت پیش بینی را تا بیش از ۹۰ درصد افزایش دهد. در مطالعات داخل کشور تمرکز بیشتر بر مدل های کلاسیک و داده های منطقه ای بوده، در حالی که تمرکز پژوهش های بین المللی به سمت مدل های ترکیبی می باشد. همچنین چالش هایی مانند کمبود داده های دقیق، ضعف در بومی سازی مدل ها و محدودیت در زیرساخت های محاسباتی در ایران وجود دارد.

کلیدواژه ها:

هوش مصنوعی ، سیلاب ، آبخیزداری