پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 31 |
| تعداد شماره‌ها | 370 |
| تعداد مقالات | 3,628 |
| تعداد مشاهده مقاله | 4,645,482 |
| تعداد دریافت فایل اصل مقاله | 5,193,004 |
تحلیل کاربرد هوش مصنوعی در مدیریت مخاطرات محیطی در قلمروهای کوهستانی | ||
| پژوهش های محیطی در قلمروهای کوهستانی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 22 شهریور 1404 | ||
| نوع مقاله: پژوهشی کاربردی | ||
| شناسه دیجیتال (DOI): 10.22034/ermr.2025.144309.1032 | ||
| نویسندگان | ||
| معصومه اسدی1؛ مریم شایسته فر2؛ حمید گنجائیان* 3 | ||
| 1پژوهشکده حفاظت آب و خاک و آبخیزداری | ||
| 2دانشگاه سیستان و بلوچستان | ||
| 3دانشگاه تهران | ||
| چکیده | ||
| استفاده از هوش مصنوعی (AI) در مدیریت مخاطرات طبیعی و انسانی مناطق کوهستانی، ظرفیت بالقوه‌ای برای کاهش خسارات و ارتقای تاب‌آوری دارد. این پژوهش با مرور مطالعات کتابخانه‌ای و ارائه مثال‌های عملی، به تحلیل کاربرد AI در مدیریت مخاطرات زمین‌لرزه، حرکات دامنه‌ای، سیلاب، آتش‌سوزی جنگل‌ها، تخریب پوشش‌گیاهی و توسعه شهری پرداخته شده است. اطلاعات کلی این پژوهش بر مبنای مطالعات کتابخانه‌ای بوده است ولی در بخش مثال‌های عملی، از تصاویر ماهواره‌های MODIS، Sentinel-1 و Landsat استفاده شده است. مهم‌ترین ابزارهای مورد استفاده در این پژوهش، GMT، TerrSet، سامانه گوگل ارث انجین و ArcGIS بوده است. در این پژوهش به-منظور بررسی تاثیرات هوش مصنوعی در مدیریت مخاطرات محیطی در مناطق کوهستانی، به بررسی اهمیت استفاده از این فناوری در بررسی مخاطرات زمین‌لرزه، زمین‌لغزش، سیلاب، تخریب پوشش‌گیاهی، آتش‌سوزی، توسعه فیزیکی شهرها و آلودگی منابع آب پرداخته شده است. نتایج این پژوهش نشان داده است که مخاطرات طبیعی، هوش مصنوعی با ادغام داده‌های چندمنبعی توانسته است پیش‌بینی‌های دقیق‌تری نسبت به روش‌های سنتی ارائه دهد. این دقت بالاتر نه تنها زمان واکنش را افزایش می‌دهد، بلکه امکان برنامه‌ریزی پیشگیرانه و کاهش خسارات جانی و مالی را فراهم می‌سازد. برای نمونه، پیش‌بینی سیلاب با مدل‌های LSTM و هشدار زودهنگام زمین‌لغزش با استفاده از CNN نمونه‌هایی عملی از این توانمندی‌ها هستند. در حوزه مخاطرات انسانی،AI به‌عنوان یک سیستم هشدار سریع و ابزار تحلیلی پیشرفته عمل می‌کند. از جمله، پایش مستمر تغییرات پوشش گیاهی با شاخص NDVI، شناسایی سریع آتش‌سوزی‌ها با شبکه‌های عصبی کانولوشنی، و مدل‌سازی مسیر آلاینده‌ها در آبخوان‌ها، نشان‌دهنده قابلیت‌های بالای این فناوری در حفاظت از اکوسیستم‌های حساس کوهستانی است. با توجه به نتایج بدست آمده، این فناوری، با قدرت پردازش داده‌های عظیم و شناسایی الگوهای پیچیده، می‌تواند ابزاری کارآمد و نوآورانه برای پیش‌بینی، پایش و کاهش اثرات این مخاطرات باشد. | ||
| کلیدواژه‌ها | ||
| هوش مصنوعی؛ مخاطرات محیطی؛ مناطق کوهستانی | ||
|
آمار تعداد مشاهده مقاله: 3 |
||