بازسازیذخایرزیرزمینیاستفادهماهوارهGRACEالگوریتم‌هاییادگیری ماشینimgclassnewscornerimagealignleftsrcfilesfanews14046123001479610jpgaltبازسازییادگیریماشینpبهگزارشخبرنگاردانشگاهخبرگزاریدانشجو؛نقلتربیتمدرسحسینشفیع‌زادهمقدمعضوهیاتعلمیگروهمهندسیمدیریتتوضیحاتیطرحاظهارآب‌هایعنوانبخشمهمیمنابعتجدیدپذیر،ارتباطنزدیکیمسائلاجتماعیاقتصادیجوامعبشریکیفیتبالا،توزیعگستردهسهولتاستفاده،بیش‌ازپیشموردتوجهمردمقراردادهاستpp ppویافزوداقلیمخشکنیمه‌خشکمحدودیتناهمگونیسطحیکشور،تبدیلمنبعاصلیمصارفشرب،کشاورزیصنعتیpاینپژوهشگرجمعیترشداقتصادی،فشاربهره‌برداریمصرفبسیاریافتهباعثاُفتسطحبنابراین،پایشمقیاس‌هایمختلفاهمیتخاصیبرخورداربرنامه‌ریزیپایدارمستلزماطلاعاتدقیقروندتغییراتpشفیع‌زادهادامهزمینه،بهره‌گیریمیدانگرانشزمین،داده‌هایذخیرهقدرتتفکیکمکانیدرجهتولیدوجود،اولاسریزمانیدارایمفقودهمقیاسعملاًمطالعاتمنطقه‌ایمناسبنبودهنیازریزمقیاس‌سازیدارندpخاطرنشانپژوهشبه‌روزترینروش‌هایشدp
Loading...
بازسازی ذخایر آب زیرزمینی با استفاده از ماهواره GRACE و الگوریتم‌های یادگیری ماشین
بازسازی ذخایر آب زیرزمینی با استفاده از ماهواره GRACE و الگوریتم‌های یادگیری ماشین

به گزارش خبرنگار دانشگاه خبرگزاری دانشجو؛ به نقل از دانشگاه تربیت مدرس حسین شفیع‌زاده مقدم عضو هیات علمی گروه مهندسی و مدیریت آب دانشگاه تربیت مدرس با توضیحاتی درباره این طرح اظهار داشت: آب‌های زیرزمینی به عنوان بخش مهمی از منابع آب تجدیدپذیر، ارتباط نزدیکی با مسائل اجتماعی-اقتصادی جوامع بشری دارند. کیفیت بالا، توزیع گسترده و سهولت استفاده، منابع آب زیرزمینی را بیش‌ازپیش مورد توجه و استفاده مردم قرار داده است.

 

وی افزود: با توجه به اقلیم خشک و نیمه‌خشک و محدودیت و ناهمگونی توزیع منابع آب سطحی کشور، آب‌های زیرزمینی تبدیل به منبع اصلی برای مصارف شرب، کشاورزی و صنعتی شده است.

 

این پژوهشگر گفت: با افزایش جمعیت و رشد اقتصادی، فشار بهره‌برداری و مصرف آب‌های زیرزمینی بسیار افزایش یافته و بهره‌برداری بیش از حد باعث اُفت شدید سطح آب‌های زیرزمینی شده است. بنابراین، پایش و مدیریت آب‌های زیرزمینی در مقیاس‌های مختلف از اهمیت خاصی برخوردار است. برنامه‌ریزی و مدیریت پایدار منابع آب زیرزمینی مستلزم اطلاعات دقیق در مورد روند تغییرات آب‌های زیرزمینی است.

 

شفیع‌زاده ادامه داد: در این زمینه، ماهواره GRACE با بهره‌گیری از تغییرات میدان گرانش زمین، داده‌های تغییرات ذخیره آب را با قدرت تفکیک مکانی یک درجه تولید می‌کند. با این وجود، اولا این سری زمانی دارای داده مفقوده بوده و همچنین مقیاس مکانی یک درجه دارند که عملاً برای مطالعات منطقه‌ای مناسب نبوده و نیاز به ریزمقیاس‌سازی دارند.

 

وی در پایان خاطرنشان کرد: در این پژوهش با به‌روزترین روش‌های یادگیری ماشین داده‌های GRACE بازسازی و ریزمقیاس‌سازی شد.

اخبار مرتبط