تقييم تخزين مياه الخزان والتنبؤ بالنضوب باستخدام صور الأقمار الصناعية متعددة الأطياف والنمذجة الهيدرولوجية المعزّز بالذكاء الاصطناعي

الملخص

تقترح هذه الدراسة نهجًا جديدًا قائمًا على الذكاء الاصطناعي لتقدير خزين المياه في الخزانات والتنبؤ بمستويات نضوب المياه، باستخدام بيانات الأقمار الصناعية متعددة الأطياف والنماذج الهيدرولوجية. تمت معالجة بيانات القمر الصناعي Sentinel-2 المرصودة فوق بحيرة حديثة في العراق بتاريخ 7 أيلول 2025 باستخدام خوارزميات التعلم الآلي والتعلم العميق لتحديد سطح المياه، كما استُخدمت نماذج تنبؤية للتنبؤ بمنسوب المياه ونضوبه. وفي تصنيف سطح المياه، تم اختبار نموذج U-Net وحقق دقة إجمالية بلغت 96.8%. أما في التنبؤ بمنسوب المياه، فقد استُخدم نموذج تجميعي من نماذج التنبؤ بمنسوب المياه، وحقق أقل خطأ في التنبؤ من بين النماذج التي تم تقييمها (RMSE = 0.19 م). واستنادًا إلى التقييم المعتمد على الذكاء الاصطناعي، قُدّر الخزين الحالي للخزان بنحو 2.80 مليار م³، أي ما يعادل 25.2% من الخزين الأصلي للخزان. وفي ظل ظروف التدفق التي تم تقييمها (الوارد: 194 م³/ث؛ الصادر: 375 م³/ث)، قدّر نموذج التنبؤ بالنضوب المدة المتبقية بنحو 5.9 أشهر، مع فاصل ثقة 95% يتراوح بين 5.6 و6.2 أشهر. ويوضح الإطار المقترح إمكانية دمج تحليل صور الأقمار الصناعية والنمذجة التنبؤية وتقدير عدم اليقين لأغراض مراقبة الخزانات ودعم اتخاذ القرار. ومع ذلك، ينبغي اعتبار تقديرات الخزين والنضوب تقديرات قائمة على النماذج، وينبغي التحقق منها بصورة إضافية استنادًا إلى مشاهدات ميدانية مستقلة.