فصلنامه علمی مدیریت محیط زیست شهری

چکیده گذار از اقتصاد خطی به اقتصاد چرخشی در مدیریت پسماندهای پلاستیکی شهری، یکی از چالش‌های محوری توسعه پایدار شهرهای معاصر محسوب می‌شود. این پژوهش با هدف مقایسه عملکرد اتحادیه اروپا و ایران در مدیریت پسماند پلاستیکی از منظر اقتصاد چرخشی انجام شده است. مقایسه بر اساس شش پارامتر کلیدی چارچوب قانونی و نظارتی، الگوهای مصرف و تولید، سرعت و کیفیت بازیافت، سیستم‌های جمع‌آوری و دفع، به‌کارگیری فناوری‌های نوین و دقت در تفکیک و دسته‌بندی ضایعات در منبع صورت گرفته است. یافته‌ها نشان می‌دهد که اتحادیه اروپا با تلفیقِ قوانین پیشگیرانه، اهداف کمّی الزام‌آور (مانند هدف ۵۵ درصد بازیافت پلاستیک تا سال ۲۰۳۰) و زیرساخت‌های فنی یکپارچه، در مسیر سیستماتیکی به سمت اقتصاد چرخشی حرکت می‌کند؛ به‌طوری که نرخ بازیافت پلاستیک در این منطقه به 26.5 درصد رسیده و از نرخ دفن 23.5 درصد، پیشی گرفته است. در مقابل، ایران علی‌رغم تصویب قوانین اولیه (مانند قانون مدیریت پسماند ۱۳۸۳)، با چالش‌های ساختاری جدّی نظیر: ضعف در اجرای مؤثر سیاست‌ها، نبود زیرساخت‌های منسجم برای بازیافت، وابستگی گسترده به بخش غیررسمی و فقدان شفافیت در آمارهای رسمی مواجه است. این عوامل باعث شده‌اند که نرخ بازیافت پلاستیک در ایران کمتر از ۱۴ درصد باقی بماند و بیش از ۸۴ درصد پسماندهای پلاستیکی بدون جداسازی دفن شوند. این مطالعه نشان می‌دهد که گذار مؤثر به اقتصاد چرخشی در ایران مستلزم اصلاحات اساسی نظیر اجرای قانون، رفع قیمت گذاری دستوری، تقویت نهادهای نظارتی، استانداردسازی، شفاف‌سازی داده‌ها و فعال‌سازی مشارکت آگاهانه شهروندی، نه صرفاً احداث کارخانه‌های بازیافت است.

چکیده در این پژوهش از سه مدل سیستم استنتاجی عصبی-فازی تطبیقی، شبکه عصبی مصنوعی چند لایه پرسپترون و شبکه عصبی مصنوعی پایه شعاعی برای شبیه سازی ۱۴ پارامتر کیفی آب در رودخانه هلیل‌رود طی یک دوره آماری ماهانه بلند مدت ۵۲ ساله استفاده شد. دبی جریان (Q) به عنوان ورودی برخی مدل‌ها به کار گرفته شد. ارزیابی این سه روش هوش مصنوعی توسط معیارهای آماری ضریب تعیین (R2)، جذر میانگین مربعات خطا (RMSE)، میانگین قدر مطلق خطا (MAE) و شاخص توافق ویلموت (d) انجام شد. نتایج حاصل از این پژوهش نشان داد، علارغم اینکه هر سه روش هوش‌مصنوعی ANFIS، ANN-MLP و ANN-RBF قابلیت بسیار بالایی در شبیه‌سازی 14 پارامتر کیفی مورد بررسی داشته‌اند، روش ANFIS در اکثر مدل‌ها برتر بوده است؛ به طوری که برای پارامتر SAR مقدار R²=0.99 و RMSE=1.04، برای پارامتر %Na مقدار R²=0.99 و RMSE=3.02 و برای پارامتر SO₄ مقدار R²=0.93 و RMSE=0.61 حاصل گردید. مدل b (با پنج پارامتر آسان‌اندازه‌گیری) به عنوان مدل عملیاتی پیشنهادی معرفی می‌شود که خطای RMSE را نسبت به مدل a (تنها با دبی) به طور متوسط ۶۵٪ کاهش داد. این پژوهش نشان می‌دهد که با استفاده از روش‌های هوشمند یادگیری ماشین می‌توان غلظت پارامترهای کیفی را در صورت عدم اندازه‌گیری آنها و بر اساس غلظت سایر پارامترهای کیفی محاسبه کرد، که این امر هزینه‌های آزمایشگاهی را کاهش می‌دهد.

چکیده اگرچه نقش زیرساخت‌های سبز (GI) در تعدیل گرمای شهری شناخته‌شده است، اما تأثیر پیکربندی فضایی آنها بر عملکرد حرارتی در اقلیم‌های خشک کمتر بررسی شده است. این پژوهش به‌صورت کمّی رابطه بین ساختار فضایی زیرساخت سبز و دمای سطح زمین (LST) را در شهر یزد بررسی می‌کند. در این تحقیق متریک‌های بوم‌شناسی سیمای سرزمین و تصاویر ماهواره‌ای Sentinel-2 و Landsat 9 در تابستان ۱۴۰۳ برای تهیه عرصه‌های سبز و محاسبه شاخص کاهش حرارت فضای سبز (GS-HMI) استفاده شده است. متریک‌های فضایی با نرم‌افزار FRAGSTATS در سطوح لکه، کلاس و سیمای سرزمین استخراج و ارتباط آنها با عملکرد خنک‌کنندگی از طریق رگرسیون چندمتغیره تحلیل گردید.
نتایج تحقیق بیانگر آن است که زیرساخت‌های سبز در یزد از الگوی بسیار پراکنده و گسسته با لکه‌های کوچک و مجزا و عدم وجود پهنه‌های سبز بزرگ و پیوسته مشخص می‌شود. لکه‌های خنک‌تر، از شاخص خوشه‌بندی (CLUMPY) به‌طور معناداری بالاتر و از تراکم مرز پایین‌تری برخوردار بودند. نتایج تحلیل رگرسیون نشان داد که حدود ۶۸٪ از تغییرات شاخص GS-HMI توسط سه متریک فضایی خوشه‌بندی، بزرگترین لکه و تراکم مرز قابل تبیین است. این یافته موید آن است که در محیط‌های خشک، سازمان فضایی زیرساخت سبز تأثیر بیشتری بر کارایی خنک‌کنندگی نسبت به مساحت کل آن دارد. طراحی فضاهای سبز یکپارچه، فشرده و با حریم ساده‌شده می‌تواند عملکرد حرارتی را بهینه و اثر جزیره حرارتی را کاهش دهد. روش‌شناسی ارائه‌شده در این پژوهش، چارچوبی قابل تعمیم برای ارزیابی روابط ساختار-عملکرد در چشم‌اندازهای شهری فراهم می‌کند که کاربرد جدی در طراحی شهری پایدار شهرهای مناطق خشک دارد.

چکیده در شهرهای دره‌ای–کوهستانی، تفاوت تابش و تهویه می‌تواند الگوی «هسته داغ» را به کانون‌های گرمایی در حاشیه تغییر دهد. این پژوهش الگوی مکانی جزیره حرارتی سطحی (SUHI) در خرم‌آباد (۱۶ مهر تا ۱۶ آبان ۱۴۰۴) و نقش پوشش گیاهی در تعدیل دمای سطح زمین را بررسی کرده است. دمای سطح زمین (LST) با تصاویر لندست ۸ و ۹ و الگوریتم تک‌کانالی همراه با پارامترهای ERA5 استخراج شد. NDVI از تصاویر سنتینل‑۲ محاسبه و به تفکیک ۳۰ متر هم‌مقیاس گردید. SUHI از تفاضل LST شهری و میانگین LST نواحی مرجع (بازتعریف‌شده با قیود ارتفاع، شیب و جهت دامنه) محاسبه شد. نتایج نشان داد ۲۷٫۱۵ درصد از مساحت شهر در کلاس «خنثی» و ۴٫۸۲ درصد در کلاس «بسیار گرم» قرار دارد، در حالی که ۵۰٫۶۱ درصد در طبقات سرد تا خنک جای می‌گیرد. کانون‌های بسیار گرم در حاشیه جنوبی (فرودگاه، تیپ ۱۸۴، انبار نفت، اراضی بایر) و کمربند شرقی (مسکن مهر تا دانشگاه آزاد) متمرکز شده‌اند. در مقابل، در اطراف دریاچه کیو، حاشیه خرم‌رود و برخی محله‌های مرکزی جزایر خنک دیده می‌شود. تحلیل آماری رابطه معکوس قوی بین LST و NDVI را تأیید کرد (r=-0.82؛ R²=0.71؛ p<0.001)؛ هر افزایش ۰٫۱ واحدی NDVI با کاهش متوسط ۲٫۸۶ درجه سلسیوس همراه است. بر این اساس، حفاظت از لکه‌های سبز درون‌دره‌ای، تقویت شبکه سبز-آبی حاشیه رودخانه و دریاچه، ایجاد کمربند سبز در حاشیه‌های حساس، محدودیت ساخت‌وساز در شیب‌های تند و حفظ کریدورهای تهویه در راستای دره، به عنوان راهکارهای کم‌هزینه و مؤثر برای کاهش تنش حرارتی پیشنهاد می‌شود.

چکیده این مطالعه با هدف انجام ارزیابی زیست‌محیطی چرخه‌عمر تولید اتیلن‌گلیکول در صنعت پتروشیمی ایران صورت گرفته است و در تلاش است تا با بهره‌گیری از رویکرد کمی و نظام‌مند ارزیابی چرخه‌عمر اثرات زیست‌محیطی تولید یک تن اتیلن‌گلیکول را شناسایی و کمی‌سازی کرده و نقاط بحرانی فرآیند را تعیین کند. روش تحقیق بر مبنای استانداردهای سری ISO 14040 تدوین شد. مرز سیستم با رویکرد «دروازه تا دروازه» تعریف و واحد عملکردی «تولید یک تن اتیلن‌گلیکول» در نظر گرفته شد. نتایج نشان داد که الگوی اثرگذاری زیست‌محیطی تولید اتیلن‌گلیکول به‌طور معناداری تحت تأثیر واحدهای یوتیلیتی و فرآیندهای پشتیبان قرار دارد. در دسته اثر گرمایش جهانی، واحد تولید برق و پس از آن تولید بخار بیشترین سهم را در انتشار معادل CO₂ به خود اختصاص دادند که بیانگر نقش غالب تأمین انرژی مبتنی بر سوخت‌های فسیلی در شکل‌دهی ردپای کربن محصول است. در دسته‌های مرتبط با سلامت انسان، از جمله اثرات سرطان‌زا و اثرات تنفسی آلی و غیرآلی نیز واحد تولید برق به‌عنوان نقطه بحرانی اصلی شناسایی شد؛ امری که نشان‌دهنده سهم بالای انتشارهای احتراقی و آلاینده‌های مرتبط با آن است. در مقابل، در دسته اثر غیرسرطان‌زاها، سهم غالب به واحد تولید آب صنعتی اختصاص یافت که اهمیت مصرف مواد شیمیایی و مدیریت جریان‌های مرتبط با آب را در اثرات سلامت‌محور برجسته می‌کند. در مجموع، یافته‌های پژوهش تأیید می‌کند که بهبود عملکرد زیست‌محیطی تولید اتیلن‌گلیکول مستلزم رویکردی یکپارچه است که به‌صورت هم‌زمان بر بهینه‌سازی مصرف انرژی (برق و بخار)، کاهش انتشارهای احتراقی، ارتقای مدیریت آب و پساب و بهبود مدیریت پسماند تمرکز کند.

چکیده در پژوهش حاضر، بیوچار حاصل از میوه درخت سرو با استفاده از کیتوسان به‌عنوان یک پلیمر زیستی غنی از گروه‌های آمینی، اصلاح سطحی شد تا عملکرد آن در حذف یون‌های نیکل (II) از محلول‌های آبی ارتقا یابد. به منظور بررسی مکانیسم‌های احتمالی حذف نیکل از محلول‌های آبی، جاذب بیوچار خام و بیوچار اصلاح‌شده با استفاده از آنالیزهای BET، FTIR وFE-SEM مشخصه‌یابی گردیدند. نتایج BET نشان داد که پوشش‌دهی کیتوسان، سطح ویژه بیوچار را از 13/2 به m²/g 75/5 افزایش داده و قطر متوسط منافذ را از 97/10 به nm 26/6 کاهش داده است. طیف‌سنجی FTIR ظهور پیک‌های جدید در cm⁻¹ ۱۶۲۰ (گروه آمیدی C=O))) و cm⁻¹ ۳۴۳۰ (ارتعاش کششی N–H) را تأیید کرد که مؤید تثبیت موفق گروه‌های آمینی و آمیدی بر سطح جاذب است. فرآیند حذف نیکل با استفاده از روش سطح پاسخ با چهار متغیر غلظت اولیه نیکل، pH، دوز جاذب و زمان تماس بهینه‌سازی گردید. مدل درجه سوم کاهش یافته با ضریب تعیین بالای 0.98 برای هر دو جاذب، تطابق بسیار خوبی با داده‌های تجربی نشان داد. در شرایط آزمایشگاهی، بیوچار اصلاح‌شده با کیتوسان به ۵۵ درصد حذف نیکل دست یافت، در حالی‌ که بیوچار خام تنها ۵۱ درصد حذف را نشان داد. این بهبود عملکرد، حاصل هم‌افزایی سازوکارهای جذب فیزیکی در شبکه متخلخل توسعه‌یافته، کمپلکس‌سازی سطحی با گروه‌های آمینی/آمیدی، و تبادل یونی است. یافته‌های این مطالعه حاکی از آن است که اصلاح بیوچار میوه سرو با کیتوسان، به‌رغم ارتقای قابل قبول ظرفیت جذب نیکل، نیازمند مطالعات تکمیلی در سیستم‌های صنعتی واقعی است.

چکیده با افزایش رشد فناوری و جمعیت، ورود آلاینده‌ها به منابع آبی رو به افزایش است و دریاچه‌های طبیعی در معرض آلودگی و تغذیه‌گرایی، از مهم‌ترین منابع آب کشورها به شمار می‌روند. در این پژوهش، از داده‌های کیفیت آب برای تخمین غلظت اکسیژن‌خواهی بیوشیمیایی پنج‌روزه (BOD₅) در شش زیرحوضه و ۳۴ ایستگاه نظارتی یک دریاچه قطبی با دسترسی سخت و محدود استفاده شد. هدف، کاهش هزینه‌های پایش، افزایش کارایی نظارت بر کیفیت آب و ارزیابی رویدادهای بحرانی بود. برای این منظور، عملکرد سه مدل یادگیری ماشین و یادگیری عمیق شامل جنگل تصادفی (Random Forest)، XGBoost و شبکه عصبی پیچشی (CNN) با معماری متفاوت ارزیابی شد. متغیرهای ورودی شامل پارامترهای فیزیکی، شیمیایی و زمانی مانند pH، کدورت، اکسیژن محلول، عمق دیسک سکی، رسانایی، دمای آب و زمان نمونه‌برداری بودند. داده‌ها در بازه‌ای ۴۰ ساله از ایستگاه‌های مختلف گردآوری شد و شامل حدود ۶۵۰ مشاهده بودند. با تحلیل ماتریس همبستگی، ضرایب پیرسون بینBOD₅ و متغیرهای ورودی محاسبه شد. نتایج نشان داد هر سه الگوریتم در پیش‌بینی BOD₅ مؤثرند. در مدل جنگل تصادفی، مقدارضریب تعیین (R²) در اعتبارسنجی بین ۰٫۸۵ تا ۰٫۸۶ بود و طبق تحلیل اهمیت متغیرها اکسیژن محلول، pH، کدورت و زمان نمونه‌برداری مهم‌ترین پارامترهای تخمین بودند. مدل XGBoost نیز R² برابر ۰٫۸۳ تا ۰٫۸۴ داشت و متغیرهای مهم شامل اکسیژن محلول، pH، کدورت و تاریخ نمونه‌برداری بودند. مدل CNN بهترین عملکرد را نشان داد و به R² برابر ۰٫۸۸ تا ۰٫۸۹ رسید. بر اساس تحلیل مدل برگزیدهCNN ، رسانایی، اکسیژن محلول، pH، کدورت و ساعت نمونه‌برداری مهم‌ترین پیش‌بینی‌کننده‌های BOD₅ بودند.