پیش بینی اثرات تغییر اقلیم بر منابع آب زیرزمینی با استفاده از روش های هوش مصنوعی (مطالعه موردی: دشت تالش)

با توجه به افزایش گازهای گلخانه ای و به دنبال آن بحران های آبی و اقلیمی متعدد، پیش بینی دقیق تغییرات سطح آب زیرزمینی در مدیریت منابع آب مهم و ضروری است. لذا در این مطالعه به بررسی تغییرات اقلیمی دشت تالش تحت سناریوهای RCP با استفاده از Lars-WG و منابع آبی آن از مدل های SVR و ANN با استفاده از پارامترهای پمپاژ از آبخوان، تبخیروتعرق پتانسیل، دمای کمینه و بیشینه، بارش طی بازه زمانی (1410-1400) پرداخته شد. نتایج تغییرات میانگین دمای کمینه و بیشنه تحت سناریوهای RCP حاکی از افزایش دما به میزان 9/0 و 69/0 درجه سانتی گراد می باشد. همچنین بررسی دقت مدل های SVR و ANN نشان می-دهد که AUC در مرحله آموزش و آزمایش در مدل ANN حداکثر مقادیر AUC برابر با 876/0 و 769/0 محاسبه گردید در حالی که مدل SVR حداکثر مقادیر آن برابر 867/0 و 819/0 برآورد گردید، لذا SVR دقت پیش بینی بهتری دارد. همچنین در طی بازه زمانی (1399-1384) سطح آب زیرزمینی به میزان 10 سانتی متر و در مدل SVR و ANN به ترتیب به میزان 9 و 6 سانتی متر به طور متوسط طی بازه زمانی ذکر شده کاهش سطح ایستابی داشته است. همچنین در بازه زمانی (1410-1400) در مدل های SVR و ANN به ترتیب به میزان 18، 20 و 21 سانتی متر، 20، 21 و 23 سانتی متر به ترتیب تحت سناریوهای RCP2.6، RCP4.5 و RCP8.5 کاهش سطح آب زیرزمینی رخ داده است. از این رو پیشنهاد می گردد در دشت تالش توجه به الگوی کشت متناسب با منابع آبی در نقاط مختلف دشت در اولویت برنامه ریزان بخش کشاورزی قرار گیرد.