ترکیب هوش مصنوعی و مهندسی منابع آب دیگر آینده‌ای دور نیست؛ بلکه همین حالا نیز در جریان است. اما آنچه در آینده پیش‌رو داریم، حتی دگرگون‌کننده‌تر خواهد بود. در اینجا به چند مورد از روش‌هایی اشاره می‌شود که هوش مصنوعی طی دهه آینده رشته ما را متحول خواهد کرد:

شکل پیوست‌شده موقعیت بیش از یک میلیون حلقه چاه بهره‌برداری از منابع آب زیرزمینی در ایران را نشان می‌دهد که برداشت سالانه‌ای معادل ۴۱.۷ میلیارد متر مکعب دارند. این میزان برداشت سالانه را می‌توان با استفاده از شاخص نسبت برداشت به منابع تجدیدپذیر آب زیرزمینی تحلیل کرد. این شاخص ساده‌ترین و در عین حال علمی‌ترین معیار برای تعیین پایداری یا بحران در برداشت آب زیرزمینی است که از تقسیم حجم برداشت سالانه بر حجم تغذیه طبیعی سالانه سفره‌های آب زیرزمینی به دست می‌آید. هنگامی که این نسبت از عدد یک فراتر رود، به این معناست که میزان برداشت از سفره‌های آب بیش از تغذیه طبیعی آن‌هاست که به تخلیه ذخایر و وضعیت ناپایدار و بحرانی منابع منجر می‌شود.

بر اساس پیش‌بینی‌های انجام‌شده، احتمال بروز بحران آب در شهر تهران از نیمه دوم شهریور ماه به بعد افزایش می‌یابد. این پیش‌بینی‌ها بر پایه روندهای فعلی و داده‌های حاصل از تحلیل سری‌های زمانی جریان ورودی و خروجی مخازن آبی صورت گرفته است. در این گزارش، نمودارهای پیش‌بینی حجم مخازن سه سد اصلی تأمین‌کننده آب تهران شامل سدهای کرج، لتیان و ماملو ارائه شده‌اند. این سدها نقش محوری در تأمین آب شرب و مصارف شهری پایتخت دارند. در مقابل، سدهای لار و طالقان به دلیل نقش کمتر در تأمین مستقیم آب تهران در این مرحله از تحلیل مورد بررسی قرار نگرفته‌اند.

صادق ضیائیان، رئیس مرکز ملی پیش‌بینی و مدیریت بحران مخاطرات وضع هوا در گفت‌وگو با خبرگزاری ایلنا، با اشاره به اظهارات اخیر رئیس سازمان توسعه و بهره‌برداری فناوری‌های نوین آب‌های جوی، که مدعی شده بود بارورسازی ابرها موجب افزایش ۱۵ تا ۲۰ درصدی بارش در مناطق هدف شده، تأکید کرد که این روش راهکاری مؤثر برای مقابله با خشکسالی نیست.

وضعیت بحرانی آب در کلان‌شهرهای ایران یکی از مهم‌ترین چالش‌های زیست‌محیطی، اقتصادی و اجتماعی کشور در دهه‌های اخیر به شمار می‌رود. با افزایش جمعیت، رشد سریع شهرنشینی و گسترش بی‌رویه صنایع، تقاضا برای آب به شدت افزایش یافته است، در حالی که منابع تجدیدپذیر آب در کشور محدود و آسیب‌پذیر هستند. بسیاری از کلان‌شهرها همچون تهران، اصفهان، مشهد، شیراز و کرج با بحران‌های جدی در تأمین آب شرب مواجه هستند و مجبور به انتقال آب از مناطق دوردست یا استفاده بیش از حد از منابع زیرزمینی شده‌اند. این وابستگی شدید به آب‌های زیرزمینی، افت شدید سطح آبخوان‌ها، خشک شدن چاه‌ها و فرونشست زمین را در پی داشته است که نه‌تنها مخاطرات زیرساختی ایجاد می‌کند، بلکه سلامت و امنیت زیست‌محیطی را نیز به خطر انداخته است.

در خرداد ماه ۱۴۰۴، وضعیت منابع آبی در سد الغدیر ساوه نگران‌کننده گزارش شده است. بر اساس اطلاعات منتشر شده از سوی اداره هواشناسی استان مرکزی، حجم فعلی آب موجود در این سد تنها به حدود ۲۵ میلیون مترمکعب رسیده است. این رقم تنها معادل ۹ درصد از ظرفیت کل مخزن سد را شامل می‌شود،

مهاجرت غیرقانونی، به‌ویژه در کشورهایی مانند ایران که با محدودیت منابع مواجه‌اند، افزون بر پیامدهای امنیتی و اجتماعی، می‌تواند تبعات بسیار جدی زیست‌محیطی و زیرساختی به همراه داشته باشد. یکی از مهم‌ترین این تبعات، بحران در مصرف منابع حیاتی مانند آب و برق است. تهران، به‌عنوان پایتخت و پرجمعیت‌ترین شهر ایران، همین حالا نیز با چالش‌های بزرگی در مدیریت منابع آب و انرژی مواجه است. افزایش جمعیت ناشی از مهاجرت غیرقانونی، بدون برنامه‌ریزی و زیرساخت‌های لازم، فشار شدیدی بر شبکه‌های آب‌رسانی و برق‌رسانی وارد می‌کند. مهاجرانی که بدون ثبت و کنترل وارد کشور می‌شوند، 

رییس سازمان حفاظت محیط زیست گفت: بر اثر بی توجهی‌های زیست‌محیطی ۴۳ درصد تالاب‌های کشور به کانون گرد و غبار تبدیل شده‌اند. شینا انصاری امروز در نشست کارگروه پسماند و محیط زیست البرز افزود: در برنامه هفتم توسعه به مباحث زیست‌محیطی توجه جدی در مولفه‌های مختلف از جمله مدیریتی شده است و قوانین خوبی در این زمینه داریم.

به گزارش خبرنگار شبکه خبری آب ایران، نخستین جلسه کارگروه دستورالعمل جامع کاربرد هوش مصنوعی در صنعت آب با حضور جمعی از مدیران حوزه آب کشور برگزار شد. مجتبی نوری، مدیرکل دفتر تحقیق، توسعه و فناوری اطلاعات شرکت مدیریت منابع آب ایران، در این جلسه ضمن تبریک آغاز این فرایند، از آن به عنوان رویدادی اثرگذار یاد کرد که می‌تواند مسیر آینده صنعت آب را به‌کلی دگرگون کند. وی با اشاره به تجربه شخصی‌اش در زمینه پایان‌نامه دانشگاهی در حوزه هوش مصنوعی، گفت: ۲۰ سال پیش، وقتی از هوش مصنوعی صحبت می‌کردیم، آن را بی‌ربط به مهندسی آب می‌دانستند؛ حتی استفاده ما از چت جی‌پی‌تی بیشتر در عرصه مدل‌سازی بود اما امروز می‌خواهیم هوش مصنوعی را به عنوان نیروی محرکه در تصمیم‌سازی‌ها، برنامه‌ریزی‌ها و عملیات فنی وارد صنعت آب کنیم.

مدیرکل دفتر اطلاعات و داده‌های آب کشور، با اشاره به کاهش ۴۴ درصدی ورودی سدهای کشور در سال آبی جاری نسبت به متوسط پنج ساله، وضعیت منابع آبی را نگران‌کننده توصیف کرد و گفت: کاهش چشمگیر ورودی سدها موجب تداوم وضعیت بحرانی منابع آب در برخی استان‌ها شده است. فیروز قاسم‌زاده مدیرکل دفتر اطلاعات و داده‌های آب کشور در گفت‌وگو با خبرنگار شبکه خبری آب ایران با اشاره به شرایط نگران‌کننده منابع آبی اظهار داشت: مطابق پیش‌بینی‌های اقلیمی، پاییز و زمستان امسال خشک بود و اکنون نیز آمارهای ثبت‌شده نشان می‌دهد که میزان بارندگی کشور در سال آبی ۱۴۰۴-۱۴۰۳، تاکنون ۳۴ درصد کمتر از متوسط بلندمدت بوده است.

بررسی برف در بسیاری از تحلیل ها بر روی پارامتر پوشش برف صورت میگیرد. این پارامتر فاقد ارزش گذاری عمق و تراکم برف است و بنابراین معیار درستی از تحلیل وضعیت برف نیست. در شکل های زیر، اختلاف پوشش برف و آب معادل برف در تاریخ 18 اسفند 1403 و 18 اسفند 1402 بر روی مرز حوضه آبریز سدهای 5 گانه تهران مقایسه شده است. رنگ سرخ کاهش و رنگ آبی افزایش سال جاری نسبت به سال قبل را نشان می دهد. محدوده های فاقد رنگ نیز بدون اختلاف بوده است. همچنان که مشخص می باشد، پوشش برف وضعیت مشابهی را نشان می دهد اما آب معادل برف کاهش شدید را نمایان کرده است.

با توجه به اطلاعات موجود، پیش‌بینی می‌شود که تهران در تابستان ۱۴۰۴ با چالش‌های جدی در تأمین آب مواجه شود. معاون درآمد و امور مشترکین شرکت آب و فاضلاب استان تهران اعلام کرده است که حجم آب موجود در سدهای پنج‌گانه تهران نسبت به سال گذشته کاهش چشمگیری داشته و احتمال کم‌آبی در تابستان آینده وجود دارد. برای مقابله با این وضعیت، از مشترکان درخواست شده است که مصرف آب خود را حداقل ۱۰ درصد کاهش دهند تا مشکلات کمتری در تأمین آب پیش آید. 

یکی از ویژگی‌های انسانی که باعث می‌شود مهندسی آب به‌طور کامل به هوش مصنوعی واگذار نشود، توانایی استفاده از قضاوت تجربی و تصمیم‌گیری در شرایط عدم قطعیت است. در حوزه مهندسی آب، با چالش‌های متعددی نظیر تغییرات اقلیمی، عدم قطعیت‌های موجود در داده‌های هیدرولوژیکی و پیچیدگی‌های مربوط به سیستم‌های زیست‌محیطی روبه‌رو هستیم. در چنین شرایطی، تجربه و بینش انسانی – که شامل خلاقیت، هوش هیجانی و درک عمیق از شرایط محلی و زمینه‌ای می‌شود – نقش حیاتی در تفسیر داده‌ها و انتخاب راهکارهای بهینه دارد.

هوش مصنوعی قادر به تهیه محتوا است، این توانایی از طریق پردازش های بسیار پیچیده بر زبان های طبیعی و ایجاد مدل های تئوری از آنها انجام می شود؛ بنابراین هوش مصنوعی قادر به تشخیص متن های تولید شده توسط انسان از ماشین نیز هست. در یک بررسی برای یک مقاله نشان داده شده است که چطور ربات QuillBot قادر بوده تا به دقت متن های تولید شده توسط هوش مصنوعی را در چهار دسته به صورت زیر تشخیص دهد:

کاهش شدید تراز آب در سدهای پنج‌گانه تهران، به‌ویژه در سدهای لتیان و کرج که از اصلی‌ترین منابع تأمین آب این شهر در کنار سد ماملو محسوب می‌شوند، وضعیت را در سال ۱۴۰۴ بحرانی کرده است. در پنج سال اخیر، میزان بارندگی در تهران به‌طور محسوسی کاهش یافته و این در حالی است که بارگذاری جمعیتی ناشی از ورود میلیون‌ها مهاجر افغان و صدها هزار مهاجر داخلی، فشار مضاعفی بر منابع محدود آب این شهر وارد کرده است. بررسی پیش‌بینی‌های اقلیمی نشان می‌دهد که کمبود آب در سدهای تهران در ماه‌های آینده جبران نخواهد شد.

انتقال آلودگی‌های نفتی و فلزات سنگین در رودخانه‌ها به عوامل مختلفی بستگی دارد و می‌تواند تا ده‌ها یا حتی صدها کیلومتر ادامه یابد، در حالی که همچنان اثرات مخربی بر محیط زیست و سلامت انسان داشته باشد. آلودگی‌های نفتی معمولاً به دلیل چگالی کمتر از آب، روی سطح آن حرکت کرده و بسته به دبی و سرعت جریان رودخانه، در مدت کوتاهی می‌توانند به مناطق دوردست منتقل شوند. این آلودگی‌ها حتی پس از تبخیر بخش‌های سبک‌تر، ترکیبات سنگین و سمی مانند هیدروکربن‌های آروماتیک چندحلقه‌ای (PAHs) را در آب باقی می‌گذارند که برای اکوسیستم‌های آبی و انسان خطرناک هستند.

انتخاب روش مناسب بستگی به نوع داده‌ها، هدف مدل‌سازی و پیچیدگی مسئله دارد. همچنین، استفاده از نرم‌افزارهایی مانند MATLAB می‌تواند در پیاده‌سازی این مدل‌ها مفید باشد. در حوزه هیدرولوژی، استفاده از روش‌های یادگیری ماشین به‌طور گسترده‌ای برای مدل‌سازی و پیش‌بینی پدیده‌های مختلف به‌کار می‌رود. برخی از روش‌های شناخته‌شده و مؤثر در این زمینه عبارت‌اند از:

مدل‌های هیدرولوژیکی به‌طور گسترده در علوم و مهندسی محیط‌زیست برای درک فرایندها و پیش‌بینی استفاده می‌شوند. مدل‌ها بسته به نحوه‌ی نمایش فرایندها (مفهومی در برابر مدل‌های مبتنی بر فیزیک) و نحوه‌ی تقسیم‌بندی حوزه‌ی فیزیکی (از پیکربندی‌های ساده‌ی تجمیعی تا مدل‌های کاملاً توزیعی دقیق) متفاوت هستند. در مقیاس حوضه، مدل‌های مفهومی پرکاربردترین نوع مدل‌ها هستند، زیرا آن‌ها توانایی ثبت پویایی‌های هیدرولوژیکی را به شیوه‌ای ساده و محاسباتی سریع دارند.

روش منطقی یک فرمول تجربی است که معمولاً در مناطق شهری برای محاسبه نرخ‌های اوج رواناب به منظور طراحی ساختارهای زهکشی استفاده می‌شود. این روش در برآورد رواناب در نواحی نسبتاً کوچک مانند بام‌ها و پارکینگ‌ها مفید است. استفاده از معادله منطقی باید محدود به مساحت‌های زهکشی کمتر از 20 هکتار (انجمن عمومی کارهای عمومی آمریکا، 1974) با نوع پوشش و شیب تقریباً یکنواخت باشد.

این شاخص‌ها به صورت ترکیبی برای تصمیم‌گیری‌های مدیریتی و برنامه‌ریزی جهت حفاظت از منابع آب زیرزمینی مورد استفاده قرار می‌گیرند. شاخص‌های مطرح در تحلیل پایداری آبخوان‌ها به منظور ارزیابی مدیریت پایدار منابع آب زیرزمینی و جلوگیری از تخریب این منابع عبارتند از:

هوش مصنوعی می‌تواند ابزاری مکمل و مفید برای تحقیق، ایده‌پردازی و اصلاح مقالات باشد، اما کیفیت یک مقاله خوب همچنان به تخصص، درک موضوع و قضاوت انسانی نیاز دارد. تلفیق هوش مصنوعی و دانش انسانی بهترین نتیجه را ارائه می‌دهد. استفاده از هوش مصنوعی برای نوشتن یا بهبود مقالات می‌تواند ابزار بسیار مفیدی باشد، اما به دلایل زیر تضمین‌کننده کیفیت یک مقاله خوب نیست:

در پروژه‌ای که در دانشگاه تنسی و با حمایت مالی سازمان حفاظت محیط‌ زیست ایالات متحده آمریکا انجام شد، مجموعه‌ای گسترده از مطالعات برای ارزیابی تأثیرات استفاده شهری از زمین بر تغذیه آب زیرزمینی صورت گرفت. این مطالعه شامل مدل‌سازی آب سطحی و شبیه‌سازی یکپارچه آب زیرزمینی با استفاده از داده‌های میدانی جامع جمع‌آوری‌شده طی یک دوره زمانی طولانی بود. ابزارهای مورد استفاده برای برآورد اجزای تراز آبی در منطقه آزمایشی با نام حوزه شهری جکسون-تنسی متمرکز شدند. این حوزه به عنوان یک حوضه بسته شهری کوچک در حاشیه سفره آب زیرزمینی مهم ممفیس شناخته می‌شود.

هوش مصنوعی جایگزین MODFLOW نخواهد شد، بلکه به‌عنوان یک ابزار قدرتمند در کنار آن به کار گرفته خواهد شد. ترکیب این دو می‌تواند مدل‌سازی آب زیرزمینی را سریع‌تر، دقیق‌تر و موثرتر کند. استفاده از MODFLOW یا نرم‌افزارهای مشابه در آینده به طور کامل توسط هوش مصنوعی (AI) منسوخ نخواهد شد، بلکه تکامل خواهد یافت و مکمل آن خواهد شد. دلایل این موضوع را می‌توان به شرح زیر توضیح داد

در یک پروژه در یک منطقه نزدیک به ناحیه عسلویه در جنوب کشور ایران، چالش اصلی که ماندگاری جریانات ناشی از بارش های سیلابی در مجموعه ای از انبارها و مخازن ساخت یافته بود، مورد بررسی قرار گرفت. ماندگاری جریان به صورت دریاچه های کوچک سطحی با توزیع متفاوت از منظر شکل گیری در هر بارش بود. پرسش اصلی در این پروژه بعد از آن شکل گرفته بود که زهکش ها و کانال های تعبیه شده در این ناحیه که آب را به سمت دریافت منتقل می کرد، بعد از یک بارش شدید، به صورت آنچه پیشتر تصور شده بود، قادر به خروج آب از ناحیه نبود. بنابراین طرح بازنگری و اصلاح شبکه جمع آوری آب های سطحی این منطقه مورد پرسش قرار گرفته بود.

زمینه‌هایی که نیازمند همدلی، خلاقیت اصیل و درک انسانی هستند، کمترین شانس را برای جایگزینی توسط AI دارند. بر همین اساس، افرادی که در این حوزه‌ها تخصص دارند، در آینده مزیت بیشتری خواهند داشت. ترتیب زمینه‌هایی که هوش مصنوعی در آن‌ها شانس کمتری برای پیشرفت دارد، با توجه به ضعف‌های ذاتی AI (مانند عدم خلاقیت اصیل، ناتوانی در همدلی و درک انسانی) به شرح زیر است:

در پروژه‌ای برای شبیه‌سازی سیلاب در یکی از حوضه‌های آبریز منطقه Yingcheng در Xiaogan، جنوب چین، یک چالش خاص مشاهده شد: روند افزایش شدت جریان‌های سیلابی رودخانه. این منطقه که با تشکیلات متراکم کارستی و کوه‌های مخروطی شکل (sugarloaf mountains) شناخته می‌شود، هنگام بارش‌های سنگین، مخازن زیرزمینی و حفره‌های متعدد آن به حالت اشباع می‌رسند. این موضوع به تخلیه غیرفرآیندی آب از این مناطق منجر می‌شود. به همین دلیل، اگر در چنین شرایطی یک رویداد بارشی دیگر رخ دهد، جریان آب در مسیر پایین‌دست تشدید می‌شود. این وضعیت می‌تواند حجم آب را، به‌ویژه در مناطقی مانند شهرستان پینگل (Pingle County)، به طور قابل توجهی افزایش دهد.

در پروژه‌ای که در منطقه نیوفاندلند در شرق کانادا انجام شد، این منطقه به دلیل ویژگی‌های فیزیوگرافی خاص خود، شامل زمین‌های نسبتاً مسطح، مورد تحلیل قرار گرفت. هدف اصلی، بررسی زمان‌بندی و توزیع رویدادهای شدید سیلاب در شبکه‌ای از آبراه‌ها، زمین‌های یخ‌زده، دریاچه‌ها و سدهای مخزنی بود. برای این منظور، مدلی بر اساس رویدادها در محیط HEC-HMS توسعه یافت. این مدل تمام عواملی که بر جریان تأثیر می‌گذارند را شامل می‌شد، از جمله تغییرات دما که بر ذوب برف تأثیر دارند، معادلات ذخیره‌سازی، دینامیک ورودی و خروجی سدهای مخزنی، جزئیات ساختاری سرریزها و دروازه‌های مخازن، تأخیر در مسیر جریان سیلاب، گستردگی انتشار سیلاب و اتلاف آب در حوضه‌های آبریز.

در زمینه مهندسی آب، هیدرولوژی و هیدرولیک، چندین مجله علمی معتبر و مشهور وجود دارد که به انتشار تحقیقات پیشرفته در این حوزه‌ها می‌پردازند. در ادامه لیستی از این مجلات آورده شده است. این مجلات از طریق پایگاه‌هایی مانند Scopus، Web of Science و Google Scholar قابل دسترسی هستند. برای انتشار مقالات در این مجلات، رعایت دستورالعمل‌های آن‌ها بسیار حائز اهمیت است:

 شواهد و مطالعاتی وجود دارد که نشان می‌دهند برداشت بیش از حد آب زیرزمینی می‌تواند به طور غیرمستقیم به وقوع زلزله‌های کوچک یا تغییرات در فعالیت لرزه‌ای منطقه منجر شود. این پدیده از طریق چند مکانیزم قابل توضیح است. اگرچه برداشت آب زیرزمینی نمی‌تواند زلزله‌های بزرگ ایجاد کند، اما می‌تواند زلزله‌های کوچک را تحریک کرده یا الگوهای لرزه‌ای منطقه را تغییر دهد. مطالعات بیشتر و پایش دقیق می‌تواند به درک بهتر این پدیده کمک کند.

فرونشست زمین، زنگ خطری جدی برای ایران، اکنون با نرخ بحرانی در تمامی استان‌ها در حال گسترش است. طبق گزارش‌ها، ۵ درصد از خاک کشور دچار فرونشست شده و استان‌هایی مانند کرمان و البرز، با فرونشستی تا ۴۰ سانتی‌متر در سال، از بیشترین آسیب‌ها رنج می‌برند. افت شدید سطح آب‌های زیرزمینی و کشاورزی غیراصولی از جمله عوامل اصلی این بحران هستند. درحالی‌که طرح‌های قانونی برای مقابله با این معضل در دستور کار قرار گرفته، کارشناسان تأکید می‌کنند که فقط پنج تا ده سال فرصت برای جلوگیری از مرگ آبخوان‌های کشور باقی مانده است.

نیروگاه‌ها در نواحی ساحلی به دلیل نزدیکی به منابع آب برای فرایندهای خنک ‌کننده و تولید انرژی، یکی از مهم‌ترین زیرساخت‌های حیاتی به ‌شمار می‌روند. در عین حال، به دلیل وجود سطح بالای آب زیرزمینی در این مناطق، مشکلاتی نظیر ورود آب به محل‌های حفاری و سازه‌های زیرزمینی نیروگاه‌ها بروز می‌کنند. به همین دلیل، استفاده از روش‌های زهکشی و Dewatering برای کنترل و مدیریت آب زیرزمینی از اهمیت بالایی برخوردار است. پروژه حاضر با هدف طراحی و اجرای سیستم Dewatering برای یک نیروگاه در محدوده نوار ساحلی دریای سرخ عربستان انجام شده است. این ناحیه با ویژگی‌های خاص زمین‌شناسی و هیدرولوژیکی خود، چالش‌هایی در زمینه مدیریت آب زیرزمینی ایجاد می‌کند که نیازمند استفاده از ابزارهای پیشرفته مدلسازی و شبیه‌سازی می‌باشد. در این راستا، نرم‌افزار GMS-MODFLOW به عنوان یکی از ابزارهای معتبر و پرکاربرد در زمینه مدل‌سازی جریان آب زیرزمینی انتخاب شده است. این نرم‌افزار با توانایی شبیه‌سازی دقیق وضعیت آبخوان‌ها، سطح آب زیرزمینی و تأثیرات اعمال روش‌های Dewatering، نقش مهمی در تحلیل و بهینه‌سازی این فرایند داشته است. هدف این گزارش، ارائه نتایج حاصل از شبیه‌سازی‌های انجام شده با GMS-MODFLOW، بررسی وضعیت آب زیرزمینی در محدوده پروژه، و ارائه راهکارهای موثر جهت کنترل و کاهش سطح آب زیرزمینی در محل توسعه سازه نیروگاه است.

بر اساس گزارش ارائه شده در پیشخوان رصد منابع آب کشور، آخرین بارش موثر کشور که بارندگی کم سابقه برف در نوار شمالی کشور در نیمه اول پاییز بود به صورت شکل های زیر ارائه شده است. شکل ها شامل بارش کل، بارندگی و بارش برف است که شامل نقشه و سری زمانی است.