اینمرور نظاممند با هدف ارزیابیوضعیتکنونیکاربردهایهوش مصنوعی(AI)، در مدیریتمنابع آب سطحیانجام شده است. این مطالعه با پایبندیبه دستورالعملهایبیانیهPRISMA 2020، ادبیاتعلمیاخیر(بهویژهسالهای2۰22تا2۰2۵) را از پایگاههایداده معتبریچونScopus،Web of Science،ScienceDirect،IEEE XploreوGoogle Scholarبررسیکرده و بیشاز1۰۰مقاله پژوهشیمرتبط را مورد تحلیلقرار داده است.یافتههایکلیدیاینمرور نشان میدهدکه مدلهایهوش مصنوعی،بهویژهشبکههای حافظه طوالنیکوتاهمدت (LSTM) و مدلهایترکیبییادگیریماشین،عملکردیبرتر در پیشبینیو بهینهسازیپارامترهایمختلف آب دارند. ادغام هوش مصنوعیبا فناوریهاینوظهور مانند اینترنتاشیا(IoT) و سنجش از دور، امکان پایشبههنگامو تحلیلدادههای وسیعرا فراهم آورده و کاربردهایمتنوعیاز پیشبینیتقاضایآب شهریو کیفیتآب رودخانهها تا بهینهسازیآبیاریو مدیریتسیالب را پوشش میدهد.باوجود ایندستاوردهایچشمگیر،چالشهایمتعددیدر مسیرپیادهسازیگسترده هوش مصنوعیدر مدیریتآب وجود دارد. اینچالشها شامل کیفیتو دسترسیبه دادهها، عدم شفافیتو تفسیرپذیریمدلها، نیازهایمحاسباتیباال، محدودیتهای زیرساختی،تهدیداتامنیتسایبری،مالحظاتاخالقیو اجتماعی،هزینههایپیادهسازیو مقاومت در برابر تغییرهستند. اینمرور بر نقش تحولآفرینهوش مصنوعیدر مدیریتپایدارآب تأکیدمیکندو ضرورت توسعه مدلهایقابل تفسیرو ایجادهمکاریهایبینرشتهای را برایاستقرار مسئوالنه و مؤثر اینفناوریبرجستهمیسازد. دقت در روششناسیو جامعیتدر پوشش ادبیات،اعتبار اینمرور را افزایش داده و آن را به منبعیقابل اتکا برایپژوهشگران و تصمیمگیراندر اینحوزه تبدیلمیکند.

کلمات کلیدی