این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات منابع آب ایران، جلد ۲۱، شماره ۱، صفحات ۱۲۷-۱۴۸
عنوان فارسی روندهای نوظهور در ادغام سنجش از دور و یادگیری ماشین در مدیریت منابع آب زیرزمینی: یک مطالعه علم‌سنجی
چکیده فارسی مقاله 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 گردد. 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.
کلیدواژه‌های فارسی مقاله سنجش از دور،منابع آب زیرزمینی،تکنیک‌های راداری InSAR،مدل‌سازی هیدرولوژیکی،
عنوان انگلیسی Emerging Trends in the Integrating Remote Sensing and Machine Learning for Groundwater Resources Management: A Bibliometric Study
چکیده انگلیسی مقاله Sustainable management of groundwater resources, as a multifaceted challenge in water sciences, necessitates the adoption of novel computational approaches for monitoring, modeling, and predicting dynamics. This research investigates the status and outlines future research directions in advanced remote sensing applications for groundwater management from 2000 to 2024. Data extracted from the Web of Science Core Collection database (n=2356) were analyzed using the Bibliometrix package in the R environment. The results reveal a significant growth in the research field, with GRACE satellite data recognized as a key indicator in assessing groundwater storage changes. Furthermore, the emergence of "land-surface model" and "risk assessment" concepts reflects a trend towards integrated modeling and comprehensive risk evaluation. The integration of multi-source remote sensing data (including data from new-generation satellites and aerial platforms) with advanced artificial intelligence algorithms (such as deep neural networks, physics-informed models, and reinforcement learning methods) is expected to become a central focus for leading researchers in hydrology, water resources, and machine learning engineering. This convergence will pave the way for developing more reliable prediction models, accurate uncertainty analysis, and the provision of optimal groundwater resources management solutions under various climatic and land-use scenarios. This bibliometric analysis, by systematically reviewing the research published in reputable scientific databases, provides an overview of the status, emerging trends, and future priorities in this vital field for the scientific community.
کلیدواژه‌های انگلیسی مقاله سنجش از دور,منابع آب زیرزمینی,تکنیک‌های راداری InSAR,مدل‌سازی هیدرولوژیکی
نویسندگان مقاله ابوالفضل اکبرپور |
استاد گروه مهندسی عمران، دانشگاه بیرجند، بیرجند، ایران.

معین توسن |
دانشجوی دکتری منابع آب، دانشگاه بیرجند، بیرجند، ایران

راضیه شمشیرگران |
دانشجوی دکتری مهندسی و مدیریت منابع آب، دانشگاه بیرجند، بیرجند، ایران

نشانی اینترنتی https://www.iwrr.ir/article_221211_6c5370499a7094464300719f0964b095.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات