کاربرد مدلهای هوش مصنوعی در پایش و استخراج منابع آب سطحی ایران با تلفیق داده های زمینی و ماهواره ای

در قرن ۲۱، بحران آب شیرین به یکی از چالشهای اساسی، جهان به ویژه در مناطق خشک و نیمه خشک مانند ایران تبدیل شده است. محدودیت منابع، رشد جمعیت، توسعه بی رویه کشاورزی و تاثیرات تغییر اقلیم موجب افزایش تنشهای آبی شده اند. با توجه به اهمیت پایش منابع آب سطحی، این پژوهش به بررسی کاربرد مدلهای هوش مصنوعی در پیش بینی جریانهای سطحی با تاکید بر داده های عددی زمینی می پردازد. روش تحقیق کیفی و کتابخانه ای است و ۵ مطالعه منتخب بین سال های ۲۰۱۹ تا ۲۰۲۵ تحلیل شده اند. الگوریتم های مورد بررسی شامل شبکه های عصبی مصنوعی (ANN)، رگرسیون برداری پشتیبان (SVR)، جنگل تصادفی (RF) و مدل های ترکیبی همچون BMA بودند. نتایج نشان می دهد که مدل های ترکیبی و الگوریتم هایی مانند RF به ویژه در شرایط کمبود داده های ماهواره ای عملکرد بسیار مناسبی در پیش بینی جریان آب سطحی دارند. همچنین افزودن متغیرهای ثانویه مانند NDVI، شیب و دمای هوا موجب بهبود دقت مدل ها شده اند. یافته ها بر اهمیت ترکیب داده های زمینی و مدل های یادگیری ماشین با پیچیدگی محاسباتی پایین در توسعه ابزارهای تصمیم یار برای مدیریت پایدار منابع آب در ایران تاکید دارند.

کلیدواژه ها:

منابع آب سطحی ، هوش مصنوعی ، یادگیری ماشین ، داده زمینی ، مدیریت منابع آب