روندهای نوظهور در ادغام سنجش از دور و یادگیری ماشین در مدیریت منابع آب زیرزمینی: یک مطالعه علم‌سنجی

نویسندگان

1 دانشجوی دکتری منابع آب، دانشگاه بیرجند، بیرجند، ایران

2 استاد گروه مهندسی عمران، دانشگاه بیرجند، بیرجند، ایران.

3 دانشجوی دکتری مهندسی و مدیریت منابع آب، دانشگاه بیرجند، بیرجند، ایران

doi
10.22034/iwrr.2025.512699.2842
چکیده

مدیریت پایدار منابع آب زیرزمینی، به عنوان یک چالش چندوجهی در علوم آب مستلزم به‌کارگیری رویکردهای محاسباتی نوین جهت پایش، مدل‌سازی و پیش‌بینی دینامیک است. در این پژوهش، به بررسی وضعیت کنونی و ترسیم مسیرهای آتی تحقیقات در کاربردهای پیشرفته سنجش از دور در مدیریت آب‌های زیرزمینی از سال 2000 تا 2024 پرداخته شده است. داده‌های استخراج‌شده از پایگاه Web of Science Core Collection  (n=2356)با استفاده از بسته Bibliometrix در محیط R مورد تحلیل قرار گرفتند. نتایج نشان می‌دهد که حوزه پژوهشی با رشد قابل‌توجهی مواجه بوده و داده‌های ماهواره‌ای GRACE  به‌عنوان یک شاخص کلیدی در ارزیابی تغییرات ذخایر آب زیرزمینی شناخته شده‌اند. از طرفی ظهور مفاهیم "land-surface model" و "risk assessment" گرایش پژوهش‌ها را به سمت مدل‌سازی‌های یکپارچه و ارزیابی جامع مخاطرات را منعکس می‌کند. انتظار می‌رود تلفیق داده‌های چندمنبعی سنجش از دور (شامل داده‌های نسل جدید ماهواره‌ها و پلتفرم‌های هوایی) با الگوریتم‌های نوین هوش مصنوعی (از جمله شبکه‌های عصبی عمیق، مدل‌های فیزیک‌آگاهانه و روش‌های یادگیری تقویتی) به کانون توجه پژوهشگران برجسته در حوزه‌های هیدرولوژی، منابع آب و مهندسی یادگیری ماشین بدل شود. این همگرایی زمینه توسعه مدل‌های پیش‌بینی با قابلیت اطمینان بالاتر، تحلیل دقیق عدم قطعیت و ارائه راهکارهای بهینه مدیریت منابع آب زیرزمینی در سناریوهای مختلف اقلیمی و کاربری اراضی را فراهم می‌آورد. این تحلیل علم‌سنجی، با بررسی ساختار یافته پژوهش‌های منتشر شده در پایگاه‌های علمی معتبر، یک دیدگاه از وضعیت کنونی، مسیرهای نوظهور و اولویت‌های آتی در این حوزه حیاتی را برای جامعه علمی ترسیم می‌کند.