کشف برداشت غیرمجاز آب زیرزمینی (VIIRS + Sentinel-2 + برق چاه)

برداشت غیرمجاز از آبخوان‌ها موجب افت سطح ایستابی، شورشدگی خاک، تشدید فرونشست و کاهش تاب‌آوری کشاورزی می‌شود. طرح حاضر با فیوژن داده‌های سنجش‌ازدور (نور شب VIIRS و تصاویر Sentinel-2) و سری‌زمان مصرف برق چاه‌ها، الگوهای غیرعادی بهره‌برداری را آشکار و اولویت بازرسی میدانی را تعیین می‌کند. برای استان سمنان و دشت‌های پیرامونی، خروجی عملیاتی شامل نقشهٔ نقاط داغ، امتیاز احتمال تخلف، لیست مختصات بازرسی و داشبورد مدیریتی است که منجر به کاهش تخلف ۱۰–۳۰٪ و کاهش اعزام‌های بی‌نتیجه ۳۰–۵۰٪ می‌شود.

نظارت صرفاً میدانی نه پوشش زمانی/مکانی کافی دارد و نه مقرون‌به‌صرفه است. نور شب VIIRS نشانه‌ای از فعالیت انسانی در ساعات غیراداری می‌دهد؛ Sentinel-2 با شاخص‌های گیاهی (NDVI/NDMI) پایداری پوشش و تقویم کشت را عیان می‌کند؛ و سری‌زمان مصرف برق چاه‌های کشاورزی امضای پمپاژ را آشکار می‌سازد. تلفیق این سه منبع با روش‌های آماری/یادگیری ماشین به شناسایی الگوهای نامعمول می‌انجامد که بازرسی هدفمند را ممکن می‌کند.

• پوشش شهرستان‌های هدف با مدل احتمال تخلف در قطعۀ مزرعه.
• افزایش نسبت کشف به اعزام (Hit-Rate) ≥ ۲× نسبت به وضع موجود.
• کاهش برداشت غیرمجاز ≥ ۱۰–۳۰٪ طی ۶–۱۲ ماه.

• VIIRS Night Lights: Radiance شبانه، تصحیح ابری/ماه، حذف نویز گذرا.
• Sentinel-2: باندهای مرئی/IR؛ محاسبهٔ NDVI/NDMI؛ تصحیح اتمسفری؛ موزاییک‌سازی قطعه‌ای.
• برق چاه‌ها: سری‌زمان مصرف (۱۵/۶۰ دقیقه)، برچسب‌گذاری مجاز/نامجاز با همکاری دستگاه متولی.
• کاداستر زراعی: قطعه‌بندی مزارع و ارتباط با کنتور/چاه.
• حاکمیت: ناشناس‌سازی هویتی، سطح‌بندی دسترسی، ممیزی استفاده از داده.

1. هم‌مرجع‌سازی زمان/مکان: Snap کردن پیکسل‌های VIIRS/S2 به قطعات و پنجره‌های زمانی مشترک.
2. ساخت ویژگی‌ها: آماره‌های نوسان روشنایی شب، پایداری پوشش (Seasonal NDVI Profiles)، شاخص رطوبت، و فیچرهای سری‌زمان برق (Duty Cycle، Peak Hours، Anomalous Bursts).
3. مدل احتمال تخلف: ترکیب مدل‌های ناظر/نیمه‌ناظر (Isolation Forest/LOF + Logistic/XGBoost)؛ کالیبراسیون احتمال.
4. نقاط داغ و لیست بازرسی: خوشه‌بندی مکانی (DBSCAN) + رتبه‌بندی بر اساس احتمال و نزدیکی به منابع حساس.
5. داشبورد: نقشهٔ تعاملی، فیلتر زمان/محل/نوع کشت، کارتابل بازرسی و گزارش خروجی.

• ماه ۱: دریافت داده‌ها، تصحیح و هم‌مرجع‌سازی، ساخت فیچر.
• ماه ۲: آموزش/اعتبارسنجی مدل، تولید نقشهٔ احتمال، تست میدانی محدود.
• ماه ۳: استقرار شهرستانی، آموزش کاربران، تنظیم برنامهٔ به‌روزرسانی ماهانه.

اگر ۱۵٪ قطعات یک شهرستان «مشکوک» برآورد شوند و ۴۰٪ از آن‌ها در بازرسی تأیید شوند، با متوسط صرفه‌جویی ۱۲۰۰ m³/ماه/چاه، طی ۱۲ ماه به حدود ۸۶۴,۰۰۰ m³ آب حفظ‌شده می‌رسیم. با فرض ۳۰,۰۰۰ ریال/m³ ⇒ ۲۵٫۹ میلیارد ریال/سال ارزش آب + کاهش هزینه‌های بازرسی‌های بی‌نتیجه (~۳۰–۵۰٪).

دادهٔ برق در سطحاقل موردنیاز و با ناشناس‌سازی پردازش می‌شود؛ دسترسی‌ها ثبت و ممیزی می‌گردد. روش اعتراض/رسیدگی برای ذینفعان پیش‌بینی می‌شود و بازرسی تصادفی برای کنترل خطاها در کنار بازرسی هدفمند ادامه می‌یابد.

• ابر/غبار و دادهٔ ماهواره‌ای ناقص → پنجره‌های زمانی جایگزین و هموارسازی.
• برچسب‌های آموزشی محدود → یادگیری نیمه‌ناظر و برنامهٔ صحه‌گذاری میدانی.
• جابجایی الگوهای کشت → مدل‌های فصلی و بازآموزی منظم.

• داشبورد تحلیلی و نقشهٔ نقاط داغ با فیلترهای چندمعیاره.
• فهرست بازرسی با مختصات/اولویت و فرم‌های مستندسازی.
• گزارش ماهانهٔ روند و شاخص‌های اثربخشی.

• کاور: نمای هوایی شبِ نوار کشاورزی با نقاط نور پراکنده، آسمان تیره، حس «ردیابی داده‌محور».
• تحلیلی: لایهٔ NDVI رنگی روی موزاییک Sentinel-2 با مارکرهای مشکوک، تایپوگرافی مینیمال.
• میدانی: خودروی بازرسی در مزرعه هنگام غروب، کادر حرفه‌ای، تُن رنگی گرم.