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.

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.