فصلنامه علمی مدیریت محیط زیست شهری

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.

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.