۱٫ معرفی
شهرنشینی در دهه های گذشته به طور پیوسته در حال افزایش بوده است. بر اساس گزارش بانک جهانی، جمعیت شهری جهان از ۳۳٫۷ درصد کل جمعیت به ۵۶٫۶ درصد طی دوره ۱۹۶۰-۲۰۲۰ افزایش یافته است. در ایالات متحده، تعداد افرادی که در شهرها زندگی می کنند از ۷۰ درصد به ۸۲٫۷ درصد در همین مدت افزایش یافته است. انتظار می رود تا سال ۲۰۵۰، ۶۸ درصد از جمعیت جهان در مناطق شهری زندگی کنند [
۱]. اگرچه مراکز شهری مساحت نسبتاً کوچکی را پوشش می دهند، شهرنشینی یکی از مهم ترین تغییرات خصوصیات سطح زمین را تشکیل می دهد. شهرنشینی از بسیاری جهات به طور قابل توجهی بر محیط زیست تأثیر می گذارد، از جمله کاهش قابل توجهی در تبخیر و تعرق و رطوبت محلی جو به دلیل کاهش پوشش رویشی. آلودگی محیط زیست و کاهش کیفیت هوا ناشی از فعالیت های صنعتی و خانگی؛ سهم سنگینی در ردپای کربن؛ اصلاح توزیع رطوبت خاک و در دسترس بودن آب زیرزمینی ناشی از گسترش سطوح غیر قابل نفوذ و تغییرات بعدی در الگوهای رواناب. تغییرات در تقسیم‌بندی انرژی سطحی، توزیع گرما، و الگوهای جریان باد ناشی از چیدمان سازه‌های شهری. و تغییر در الگوهای بارندگی در مناطق شهری [
۲,
۳,
۴,
۵,
۶,
۷,
۸,
۹,
۱۰].
یکی از بارزترین اثرات شهرنشینی، ظهور جزایر گرمایی شهری (UHI) است. در فرآیند شهرنشینی، مناظر طبیعی مانند انواع مختلف پوشش گیاهی با مواد سخت، خشک و غیر قابل نفوذ با ظرفیت جذب گرما و ساطع حرارت بیشتر جایگزین می شوند (مانند پارکینگ ها، ساختمان ها/بام ها، جاده ها، پیاده روها). در نتیجه، مناطق شهری جزایر گرمایی را تشکیل می دهند، زیرا آنها بسیار گرمتر از مناطق روستایی اطراف هستند. دمای هر دو روز و شب در مناطق شهری بالاتر است و تا ۴ درجه سانتیگراد در روز و ۲ درجه سانتیگراد در شب اختلاف دارند. [
۸]; در مناطق شهری ایالات متحده، اثر جزیره گرمایی باعث می شود دمای روز تقریباً ۰٫۵-۴ درجه سانتی گراد گرمتر از دمای مناطق اطراف باشد، در حالی که دمای شبانه حدود ۲-۵ درجه فارنهایت بالاتر است. [
۱۱]. سایر عوامل به UHI ها کمک می کنند: فعالیت های انسانی مقادیر قابل توجهی گرما (انتشار گرمای انسانی) را از موتورهای در حال کار، سیستم های تهویه مطبوع، واحدهای صنعتی و دیگر منابع خانگی تولید می کند. [
۸,
۱۲,
۱۳,
۱۴,
۱۵,
۱۶]. مطالعات اخیر نشان داده اند که کاهش فعالیت های انسانی در طول قرنطینه COVID-19 منجر به کاهش قابل توجه شدت UHI شده است. [
۱۷,
۱۸,
۱۹,
۲۰,
۲۱,
۲۲]. هندسه شهری، طراحی خیابان، اندازه و شکل ساختمان‌ها می‌توانند جریان باد را تغییر دهند، تهویه طبیعی را کاهش دهند و بر نحوه انتشار گرمای شهری تأثیر بگذارند. [
۲۳,
۲۴,
۲۵,
۲۶,
۲۷,
۲۸,
۲۹,
۳۰]. انواع پوشش زمین عامل مهم دیگری است: شدت UHI تا حدی به میزان سبزی و توانایی سطوح شهری برای انعکاس تابش بستگی دارد. [
۳۱,
۳۲,
۳۳,
۳۴]. شرایط آب و هوایی غالب نیز نقش مهمی در شدت UHI ها دارد. بسته به نوع آب و هوا و تنظیمات جغرافیایی مناطق شهری، سطوح مختلفی از شدت UHI یافت شده است. [
۸,
۳۵,
۳۶,
۳۷,
۳۸,
۳۹,
۴۰,
۴۱]; امواج گرمایی که در مقیاس منطقه ای رخ می دهند اغلب UHI ها را تقویت می کنند [
۴۲,
۴۳,
۴۴,
۴۵,
۴۶,
۴۷,
۴۸].
UHI ها می توانند هم بر محیط زیست و هم بر معیشت مردم تأثیر بسزایی داشته باشند. گرمای بیش از حد شهری تقاضای انرژی را افزایش می دهد و باعث مصرف بیشتر برق می شود که منجر به افزایش انتشار گازهای گلخانه ای از نیروگاه ها و آلاینده هایی مانند ذرات معلق و ازن سطح زمین می شود که بسیار سمی است. [
۴۹,
۵۰,
۵۱,
۵۲,
۵۳,
۵۴]. UHI ها همچنین منجر به کاهش کیفیت آب می شوند: رواناب گرم و آلوده طوفان از مواد غیرقابل نفوذ شهری می تواند باعث افزایش قابل توجه دمای آب مجاور شده و به زندگی آبزیان آسیب برساند. [
۵۵,
۵۶,
۵۷,
۵۸].
گرمای شهری منبع اصلی خطر سلامتی برای ساکنان شهرها است. قرار گرفتن در معرض گرما با طیفی از پیامدهای نامطلوب سلامتی از جمله کم آبی بدن، گرمازدگی، گرمازدگی، گرمازدگی و تشدید شرایط همراه مانند بیماری های مختلف قلبی عروقی، قلبی-ریوی و مغزی، دیابت، اختلالات روانی و رفتاری و بیماری ها مرتبط است. از دستگاه گوارش [
۱۴,
۵۹,
۶۰,
۶۱,
۶۲,
۶۳]. تقویت UHI در طول دوره‌های رویدادهای موج گرما، اثرات نامطلوب سلامتی را تشدید می‌کند: افزایش تقاضا برای خدمات اورژانسی و مراقبت‌های بهداشتی (مانند تماس با آمبولانس، بستری شدن در بیمارستان)، افزایش عوارض و مرگ‌های ناشی از گرما. [
۴۶,
۶۴,
۶۵,
۶۶,
۶۷]. این وضعیت با این واقعیت تشدید می شود که گرمای شدید شهری باعث افزایش غلظت آلاینده های مضر از جمله انواع ذرات معلق، گازهای گلخانه ای (افزایش تقاضای برق تولید شده توسط نیروگاه های سوخت فسیلی) و ازن سطح زمین (مه دود) می شود. که به شدت با بیماری های قلبی عروقی و تنفسی و مرگ و میر ناشی از گرمای شهری مرتبط است [
۴۹,
۵۰,
۶۸,
۶۹].
اثرات نامطلوب UHI بر جمعیت شهری تأثیر متفاوتی می گذارد و خطر مرتبط به طور نابرابر توزیع می شود. بسیاری از مطالعات نشان داده اند که عوامل جمعیت شناختی و اجتماعی-اقتصادی، که به طور قابل توجهی بین محله ها در مناطق شهری متفاوت است، بر خطر قرار گرفتن در معرض و ظرفیت مقابله با اثرات UHI تأثیر می گذارد. [
۵۲,
۷۰,
۷۱,
۷۲,
۷۳,
۷۴,
۷۵]. افراد مسن از جمله افرادی هستند که بیشتر تحت تأثیر اثرات نامطلوب UHI قرار می گیرند و خطرات مرگ و میر نامتناسب ناشی از گرمای شدید را تجربه می کنند. [
۱۱,
۴۵,
۷۲,
۷۶,
۷۷,
۷۸,
۷۹,
۸۰]. شدت UHI بالاتر معمولاً در داخل شهرها اتفاق می افتد، جایی که جمعیت فقیرتر تمایل دارند متمرکز شوند، که منجر به اثرات نامطلوب نامتناسب می شود. [
۷۰,
۸۱,
۸۲,
۸۳,
۸۴]. چنین مناطقی پرجمعیت هستند و پوشش گیاهی کمی دارند. از این رو، برخلاف محله‌های جدیدتر و مرفه‌تر واقع در مناطق حومه شهر، بسیار بیشتر در معرض گرمای بیش از حد شهری قرار دارند. [
۳۳,
۷۲]. ساکنان کم درآمد اغلب قادر به دسترسی به سیستم های پشتیبانی عمومی مورد نیاز برای کاهش اثرات نامطلوب UHI نیستند. به طور کلی، آنها در فقیرترین مناطق شهری با خانه هایی با کیفیت حرارتی پایین زندگی می کنند که اغلب فاقد تهویه مطبوع هستند [
۸۲,
۸۴,
۸۵,
۸۶]. خانوارهای کم درآمد مجهز به تهویه مطبوع به دلیل قرار گرفتن در معرض حرارت بیشتر شهری و عملکرد حرارتی ضعیف، انرژی خنک کننده بیشتری نسبت به میانگین مصرف می کنند. [
۵۲,
۸۷,
۸۸,
۸۹,
۹۰,
۹۱,
۹۲]. عوامل دیگر آسیب پذیری متفاوت نسبت به گرمای شهری را تشدید می کند. درآمد پایین اغلب با سطح پایین سرمایه انسانی (سطح پایین آموزش، دانش و تخصص محدود در مواجهه با مخاطرات طبیعی) همراه است، که توانایی چنین جمعیت هایی را برای (i) ارتباط مؤثر، (ii) داشتن یک صدا محدود می کند. درک اقدامات تطبیقی، و (iii) پاسخ مناسب به هشدارها [
۸۳,
۹۳,
۹۴,
۹۵]. فقدان حمایت اجتماعی قوی بیشتر به آسیب پذیری متفاوت نسبت به گرمای شهری کمک می کند. مطالعات نشان داده است که افراد منزوی اجتماعی آسیب پذیرترین افراد هستند [
۷۰,
۹۴,
۹۵,
۹۶,
۹۷,
۹۸,
۹۹].
اگرچه اثرات UHI بر مناطق شهری بدون توجه به اندازه آنها تأثیر می گذارد [
۱۰۰,
۱۰۱]، بیشتر مطالعات بر روی شهرهای بزرگ متمرکز شده است. در نتیجه، شکاف قابل توجهی در جستجوی مجدد در مورد جنبه های مختلف UHI در شهرهای متوسط و کوچک وجود دارد. [
۱۱,
۱۴,
۷۵]. علاوه بر این، مورد هر شهر با توجه به موقعیت‌های جغرافیایی منطقه‌ای متفاوت، اقلیم‌های کوچک، ناهمگونی و تنوع جمعیت‌های شهری محلی، و ارتباط محرک‌های اجتماعی-اقتصادی آسیب‌پذیری نسبت به گرمای شهری در مقیاس محلی منحصربه‌فرد است. [
۸,
۱۱,
۱۷,
۷۵,
۱۰۰]. بنابراین، اگرچه UHI ها عموماً ویژگی های فیزیکی نسبتاً یکنواختی را در مناطق شهری نشان می دهند، تأثیرات آنها ممکن است به طور قابل توجهی متفاوت باشد، زیرا هر شهر ممکن است انواع خاصی از تعامل بین متغیرهای محیطی و اجتماعی-اقتصادی را تجربه کند، با چالش های خاصی روبرو شود و نیاز به سیاست هایی داشته باشد که بر اساس بافت محلی شکل می گیرند. [
۱۱,
۱۰۰]. در این مطالعه، ما آسیب‌پذیری نسبت به گرمای شهری را برای چهار شهر در آلاباما بررسی کردیم: دو شهر از بزرگترین شهرهای این ایالت، یعنی بیرمنگام و مونتگومری، و دو شهر کوچک‌تر که یک شهرک را تشکیل می‌دهند: آبورن و اوپلیکا. محله‌های حومه‌ای اطراف در تحلیل گنجانده شدند. ابتدا دمای سطح زمین (LST) را برای هر یک از شهرها با استفاده از تصاویر ماهواره‌ای Landsat استخراج کردیم. برخلاف بسیاری از مطالعاتی که برای محاسبه LST به تصاویر ماهواره‌ای برای ثبت دمای سطح برای یک روز تکیه می‌کردند، رویکرد ما شامل استفاده از مجموعه‌ای از تصاویر ماهواره‌ای چندین ساله برای هر شهر بود. سپس با تجمیع متغیرهای محیطی و اجتماعی-اقتصادی در سه عامل تعیین‌کننده، یک شاخص آسیب‌پذیری UHI در سطح گروه بلوک ایجاد کردیم: قرار گرفتن در معرض، حساسیت، و ظرفیت تطبیقی. نمرات حاصل با استفاده از ابزار سیستم اطلاعات جغرافیایی (GIS) ترسیم شد. در نهایت، ما شاخص حاصل را تجزیه کردیم تا برای هر منطقه شهری خاص یک نمایه دقیق ایجاد کنیم که می‌تواند به عنوان مبنایی برای طراحی سیاست‌هایی باشد که بافت محلی را در نظر می‌گیرد و به طور موثر به چالش‌های خاص رسیدگی می‌کند.
۴٫ بحث و نتیجه گیری
جهان در حال تجربه یک موج پایدار از رشد شهری است که با افزایش سطوح نابرابری‌های اجتماعی-اقتصادی و مخاطرات زیست‌محیطی مرتبط است که گرمای شهری کمترین آنها نیست. اگرچه یافتن خطوط پایه منسجم به دلیل (۱) تفاوت در روش‌های مورد استفاده برای تعیین کمیت گرمای شهری و ارزیابی آسیب‌پذیری جمعیت شهری، و (۲) ویژگی‌های خاص هر شهر (الگوهای محیطی، ساختاری و جمعیتی) دشوار است. اکثریت قابل توجهی از مطالعات موافق هستند که فقیرترین محله های شهری در مقایسه با مناطق ثروتمندتر با قرار گرفتن در معرض بالاتری در معرض گرما قرار دارند و ظرفیت کمتری برای مقابله با آن دارند. جمعیت‌های آسیب‌پذیر مانند سالمندان، کودکان خردسال، آنهایی که دارای شرایط پزشکی از قبل موجود هستند و جمعیت‌هایی با شرایط اجتماعی-اقتصادی پایین‌تر بیشترین آسیب را می‌بینند. به عنوان مثال، چاکرابورتی و همکاران. [
۱۴] از داده‌های طیف‌سنج تصویربرداری با وضوح متوسط (MODIS) ناسا برای محاسبه شدت UHI به عنوان دیفرانسیل میانگین مساحت در LST بین محله‌های شهری و مرجع روستایی مربوطه آنها، و (ii) ترکیب آن با NDBI، NDVI، و albedo و ادغام آن استفاده کرد. داده های حاصل با درآمد در مقیاس محله شهری و داده های جمعیت. تجزیه و تحلیل آنها نشان داد که در ۷۲٪ موارد در ۲۵ شهر، محله هایی با وضعیت اجتماعی-اقتصادی پایین تر، مطابق با توزیع درآمد در شهرها، با قرار گرفتن در معرض گرمای بیشتری مواجه می شوند. د لا باررا و همکاران [
۱۳۵] ترکیب LST به دست آمده از Landsat 15، NDVI، و تفاوت نرمال شده شاخص ساخته شده (NDBI) با داده های اجتماعی-اقتصادی در سطح مسیر سرشماری در سانتیاگو (شیلی). آنها دریافتند که درجه حرارت در محله های کم درآمد ۲٫۵ تا ۳٫۳ درجه سانتیگراد بیشتر از مناطق پردرآمد است. جنرت و همکاران [
۱۳۶] داده‌های دمای سطح و پوشش گیاهی حاصل از ماهواره را از اوایل روز تابستان با داده‌های سرشماری و توپوگرافی ایالات متحده ترکیب کرد. تحقیقات آنها نشان داد که در فونیکس، به ازای هر ۱۰۰۰۰ دلار افزایش میانگین سالانه درآمد خانوار یک محله، کاهش ۰٫۲۸ درجه سانتیگراد در دمای سطح تابستان وجود دارد. وولکل و همکاران [
۱۳۷] داده‌های دمای شهری را برای شهر پورتلند (اورگان) با استفاده از روش جمع‌آوری تراورس خودرو (ماشین‌هایی با سنسور دمای نصب شده و سیستم موقعیت‌یابی جهانی) جمع‌آوری کرد، سپس از آمار منطقه‌ای ArcGIS برای محاسبه میانگین دما در سطح گروه بلوک سرشماری استفاده کرد. داده های به دست آمده با داده های اجتماعی-اقتصادی از جمله درآمد، نژاد، تحصیلات، توانایی زبان انگلیسی و وجود مسکن مقرون به صرفه ترکیب شدند. آنها دریافتند که گروه‌هایی با ظرفیت سازگاری محدود، از جمله آنهایی که در جمعیت فقیر و غیرسفید پوست هستند، در معرض خطر بیشتری برای قرار گرفتن در معرض گرما قرار دارند. دیالساندرو و همکاران [
۷۳] نابرابری های حرارتی را با بازیابی LST از داده های Landsat 8 برای بیست منطقه شهری جنوب غربی ایالات متحده و با استفاده از مدل های رگرسیون فضایی برای تجزیه و تحلیل تغییرات گرمای شهری بر اساس درآمد و نژاد در سطح گروه بلوک سرشماری بررسی کرد. آنها دریافتند که به طور متوسط ۱۰ درصد فقیرترین محله های شهری ۲٫۲ تا ۳٫۷ درجه سانتی گراد گرمتر از ۱۰ درصد ثروتمندترین محله ها هستند. چنین نتایجی با یافته های ما مطابقت دارد. مانند دیالساندرو و همکاران. [
۷۳]ما LST را از تصاویر Landsat 8 محاسبه کردیم و ارزیابی آسیب‌پذیری را در سطح گروه بلوک انجام دادیم. پس از طبقه بندی گروه های بلوک بر اساس شاخص ثروت ESRI و محاسبه میانگین LST برای هر گروه بلوک با استفاده از ابزار ArcGIS Zonal Statistics، ما ۱۰٪ ثروتمندترین و فقیرترین گروه های بلوک را مقایسه کردیم و دریافتیم که (i) برای Auburn-Opelika، LST 3.4 بود. درجه سانتی گراد در فقیرترین گروه های بلوک بالاتر است. این تفاوت برای بیرمنگام ۳٫۶ درجه سانتیگراد و برای مونتگومری ۲٫۱ درجه سانتیگراد بود.
علاوه بر نمونه های ذکر شده قبلی، رویکردهای مختلفی برای ارزیابی آسیب پذیری در برابر گرمای شهری به کار گرفته شده است. اکثر این مطالعات نابرابری های قابل توجهی را در قرار گرفتن در معرض گرمای شهری مشاهده کرده اند. با این حال، الگوهای توزیع گرما بین شهرها و در هر منطقه شهری به دلیل عوامل متعددی از جمله شرایط آب و هوایی محلی، پیکربندی و اندازه شهری، تراکم تاج پوشش شهری، وجود توده‌های آبی و وسعت مناطق غیرقابل نفوذ متفاوت است. علاوه بر این، ترکیب جمعیتی و اجتماعی-اقتصادی شهرها می تواند به طور قابل توجهی متفاوت باشد. در نتیجه، آسیب پذیری در برابر گرمای شهری به تأثیر متقابل پیچیده عوامل فیزیکی، اجتماعی و اقتصادی بستگی دارد. برای توسعه استراتژی‌های موثر برای کاهش اثرات گرمای شهری بر سلامت و رفاه مردم، انجام ارزیابی‌های آسیب‌پذیری در مقیاس‌های جداگانه شهر و مقیاس بسیار مهم است. در این مطالعه، ما از مجموعه‌ای از تصاویر ماهواره‌ای Landsat 8 برای استخراج LST و ایجاد یک شاخص آسیب‌پذیری UHI برای سه شهر در آلاباما در سطح گروه بلوک استفاده کردیم. این سطح از تجزیه و تحلیل بسیار دقیق‌تر از مقیاس‌های معمولی است که معمولاً در مطالعات قابل مقایسه استفاده می‌شوند.
تفاوت‌های متمایز در توزیع فضایی آسیب‌پذیری گرمای شهری در حال حاضر در میان این سه شهر مشهود است. الگوهای فضایی نشان می دهد که توزیع امتیازات آسیب پذیری به طور قابل توجهی تحت تأثیر پیکربندی شهری است. شهر بیرمنگام تفاوت قابل توجهی را بین ساختمان ها و سنگفرش های متراکم در منطقه مرکزی خود و حومه آن که از ترکیبی از اقامتگاه ها و پوشش سبز تشکیل شده است، نشان می دهد. بخش مرکزی شهر یک خوشه فشرده از گروه‌های بلوک بسیار آسیب‌پذیر را تشکیل می‌دهد (قرار گرفتن در معرض گرمای شهری همراه با حساسیت بالا و ظرفیت تطبیقی کم). در مقایسه با بیرمنگام، ترکیب سطوح غیرقابل نفوذ و فضای سبز شهری در مونتگومری بیشتر قابل توجه است. توزیع نمرات شاخص آسیب‌پذیری بالا ناهمگونی را نشان می‌دهد، با یک خوشه برجسته از گروه‌های بلوک متمرکز در منطقه غربی-مرکزی شهر، در کنار خوشه‌های پراکنده کوچک‌تر که در سراسر مناطق غربی و مرکزی یافت می‌شوند. در نتیجه، بزرگی امتیازات آسیب پذیری حرارت شهری می تواند در فواصل کوتاه بسیار متفاوت باشد. در Auburn-Opelika، توزیع نمرات برای همه زیرشاخص‌ها یک تنوع فضایی مشخص را نشان می‌دهد. نمرات بالای نوردهی همیشه با حساسیت بالا همخوانی ندارد. بنابراین، تفسیر اثرات گرمای شهری بر جمعیت ها صرفاً با بررسی توزیع امتیازات روی نقشه ها کار ساده ای نیست.
با توجه به تغییرات مشاهده شده در شهرهای مختلف، ساختارشکنی شاخص آسیب پذیری حتی ارزشمندتر می شود. تجزیه و تحلیل همبستگی بین شاخص آسیب‌پذیری و شاخص‌های تشکیل‌دهنده آن نشان می‌دهد که شاخص‌های ثابت و متغیر مرتبط با شاخص آسیب‌پذیری گرمایی در شهرهای بیرمنگام، مونتگومری و آبرن-اوپلیکا وجود دارد. متغیرهایی که به طور پیوسته رابطه قوی با شاخص آسیب پذیری در هر سه شهر نشان دادند شامل غیرقابل نفوذ، LST، بدون وسیله نقلیه، اقلیت و ثروت بودند. از سوی دیگر، برخی از شاخص‌ها همبستگی ضعیف و غیر معنی‌داری را با شاخص آسیب‌پذیری در همه شهرها نشان دادند: زبان‌شناسی، جوانان و سالمندان نمونه‌های بارز آن هستند. از نظر تنوع بین شهرها، متغیرهای خاصی سطوح مختلفی از همبستگی را با شاخص آسیب پذیری در شهرهای مختلف نشان دادند. به عنوان مثال، وسایل نقلیه متغیر رابطه قوی با شاخص آسیب پذیری در آبرن-اوپلیکا و مونتگومری نشان دادند اما همبستگی ضعیفی با شاخص در بیرمنگام نشان دادند. به طور مشابه، جداسازی متغیر به طور قابل توجهی با شاخص آسیب پذیری در بیرمنگام همبستگی داشت، اما رابطه معنی داری با شاخص در آبرن-اوپلیکا و مونتگومری نشان نداد.
علاوه بر این، تجزیه و تحلیل خوشه‌ای و نمودارهای عنکبوت مرتبط از تجزیه و تحلیل دقیق‌تر و محلی‌تر تشکیل شده است که هدف آن شناسایی گروه‌های بلوک با آسیب‌پذیری گرمای شهری بالا و پایین و تجزیه شاخص برای تجزیه و تحلیل سهم هر شاخص است. چنین تحلیلی امکان بررسی دقیق‌تر عوامل مؤثر در هر شهر را فراهم می‌کند و در نهایت منجر به توصیه‌های سیاستی مناسب برای رسیدگی به آسیب‌پذیری گرمای شهری در مقیاس محلی می‌شود. مانند تجزیه و تحلیل همبستگی، تجزیه و تحلیل خوشه‌ای الگوهای ثابتی را در همه شهرها در رابطه با شاخص‌های کمک‌کننده به آسیب‌پذیری بالای گرمای شهری و همچنین تغییرات در اهمیت شاخص‌های خاص بین شهرها پیدا کرد. در تمام شهرها، مناطق بسیار آسیب‌پذیر با حساسیت بالا مشخص می‌شوند که عمدتاً با شاخص‌هایی مانند اقلیت، انزوا، سطوح غیرقابل نفوذ و عدم امنیت اجتماعی توضیح داده می‌شود. این شاخص ها به طور مداوم به حساسیت بالا در گروه های بلوک در تمام شهرها کمک می کند. علاوه بر این، ظرفیت تطبیقی پایین به طور مداوم با نمرات ضعیف در ثروت و تاج پوشش شهری همراه بود. جالب توجه است، در تمام شهرها، شاخص تفریحی قوی‌ترین امتیاز ظرفیت تطبیقی را در گروه‌های بلوک بسیار آسیب‌پذیر نشان داد. این نشان می‌دهد که دسترسی به فضاهای تفریحی ممکن است یک عامل مؤثر در آسیب‌پذیری گرمای شهری در آن مکان‌های خاص نباشد. بنابراین، سیاستگذاران ممکن است نیازی به اولویت افزایش تعداد مناطق تفریحی در آن مناطق نداشته باشند، زیرا ممکن است از قبل به چنین فضاهایی دسترسی کافی داشته باشند. اقلیت قوی ترین مشارکت کننده در زیرشاخص حساسیت در بیرمنگام و مونتگومری بود، اما سهم آن در آبرن-اوپلیکا بسیار کم بود. به طور مشابه، خانه‌های قدیمی امتیازات بالاتری داشتند و به میزان قابل توجهی در حساسیت در بیرمنگام و مونتگومری در مقایسه با Auburn-Opelika نقش داشتند. در مقابل، هیچ امنیت اجتماعی به طور برجسته در حساسیت در آبرن-اوپلیکا نقش نداشت، اما در بیرمنگام و مونتگومری امتیاز بسیار پایین‌تری کسب کرد. به طور خلاصه، علیرغم وجود شاخص‌های ثابتی که به آسیب‌پذیری بالای گرمای شهری در همه شهرها کمک می‌کند، تغییرات در اهمیت شاخص‌های خاص بین شهرها نشان می‌دهد که سیاستگذاران باید عوامل خاص شهر را هنگام توسعه مداخلات هدفمند برای رسیدگی به آسیب‌پذیری گرمای شهری در نظر بگیرند. این یافته ها می تواند سیاست گذاران را در اولویت بندی منابع و اجرای استراتژی های مناسب برای کاهش آسیب پذیری های خاص مشاهده شده در هر شهر راهنمایی کند. به عنوان مثال، نتایج تجزیه و تحلیل ما نشان می دهد که جمعیت های اقلیت و خانه های قدیمی به عنوان عوامل مهم تری در آسیب پذیری گرمای شهری در مناطق شهری بزرگتر مانند مونتگومری و بیرمنگام ظاهر می شوند. با این حال، به نظر نمی‌رسد که این عوامل در شهرهای کوچک‌تر مانند Auburn-Opelika دارای همان سطح برجستگی باشند.
به طور کلی، توسعه شاخص گرمای شهری برای سه شهر مختلف بر اساس تجمیع زیرشاخص‌ها، همراه با ساختارشکنی‌های بعدی، دانش قابل توجهی را به همراه داشت. اطلاعات به‌دست‌آمده از تجزیه و تحلیل خوشه‌ای و نمودارهای عنکبوت مرتبط را می‌توان تا سطح گروه بلوکی برای شناسایی نقاط قوت و ضعف هر واحد، شناسایی شاخص‌های مرتبط یا کم‌اهمیت، و توسعه پروفایل‌های گروه بلوکی که تصمیم‌گیرندگان را راهنمایی می‌کند، کاهش داد. با این حال، در نظر گرفتن محدودیت‌های بالقوه مرتبط با چنین رویکردی مهم است. انتخاب شاخص‌های زمینه‌ای و روش‌های آماری مورد استفاده برای نرمال‌سازی داده‌ها، تعیین وزن و تجمیع نتایج شامل ایجاد مفروضات خاص، ساده‌سازی‌ها و قضاوت‌های ذهنی است. برخی از محدودیت های آماری به خوبی مستند شده اند و هیچ راه حل کاملی برای ساخت یک شاخص ترکیبی وجود ندارد. [
۱۳۳,
۱۳۸,
۱۳۹]. علاوه بر این، لازم است پویایی آسیب پذیری در نظر گرفته شود. عوامل مختلفی ممکن است باعث تغییر آسیب‌پذیری در طول زمان شوند، از جمله توسعه شهری و سایر تغییرات کاربری زمین، تغییرات محیطی، تغییرات جمعیتی، پویایی اجتماعی-اقتصادی، و بلایای طولانی‌مدت یا مرکب. [
۱۴۰,
۱۴۱,
۱۴۲]. علاوه بر این، با اجرای فزاینده اقدامات سازگاری و مقاوم‌سازی توسط برنامه‌ریزان شهری، ظرفیت مدیریت استرس گرمایی افزایش می‌یابد که منجر به کاهش آسیب‌پذیری در مناطق هدف می‌شود.
این مطالعه بر اهمیت انجام تحقیقات جامع‌تر و خاص‌تر مکان، که نقش مهمی در توسعه استراتژی‌های کاهش کارآمد دارد، تأکید می‌کند. لازم به ذکر است که یافته‌های این مطالعه به دلیل ویژگی‌های منحصربه‌فردی که هر شهر یا محله نشان می‌دهد، ممکن است به راحتی در سایر شهرها یا مناطق قابل اجرا نباشد. این ویژگی های متمایز از عوامل مختلفی ناشی می شود، از جمله جمعیت شناسی، شرایط محیطی، زیرساخت ها، پیکربندی شهری، و شرایط اجتماعی-اقتصادی. [
۱۴۳]. بنابراین، چنین مطالعاتی درک دقیقی از آسیب‌پذیری گرمای شهری از طریق شناسایی نقاط داغ محلی ارائه می‌کند که امکان تعیین مداخلات هدفمند و اولویت‌دار را فراهم می‌کند که آسیب‌پذیری‌های خاص را برطرف می‌کند. آنها همچنین امکان شناسایی بهتر ساختارهای حاکمیت محلی را فراهم می‌کنند و مشارکت و مشارکت جامعه را تسهیل می‌کنند، زیرا جمعیت محلی اجرای استراتژی‌هایی را می‌پذیرند که مبتنی بر دانش محلی است و هدف آن رفع نیازهای جامعه است.
رویکرد آماری مورد استفاده برای ایجاد شاخص آسیب‌پذیری ما شامل رویه‌های مشخصی است که معمولاً در توسعه شاخص‌های به‌طور گسترده‌ای شناخته شده، مانند شاخص تنظیم بازار محصول استفاده می‌شود. [
۱۴۴]، شاخص بازار داخلی [
۱۴۵]، شاخص جو کسب و کار [
۱۴۶]، شاخص پایداری محیطی [
۱۴۷,
۱۴۸]، شاخص کل علم و فناوری [
۱۴۹]و شاخص وضعیت اجتماعی و اقتصادی [
۱۵۰]. مطالعات مختلف آنالیزهای عدم قطعیت و حساسیت و سایر آزمون‌های اعتبارسنجی را بر روی این شاخص‌ها انجام داده‌اند، همانطور که در آثار متعدد مستند شده است. [
۱۳۳,
۱۳۸,
۱۵۱,
۱۵۲]. برای افزایش کیفیت این مطالعه، تلاش‌های آتی باید شامل دو جنبه کلیدی باشد. در مرحله اول، تجزیه و تحلیل عدم قطعیت و/یا تحلیل حساسیت باید برای ارزیابی بیشتر استحکام شاخص ترکیبی گنجانده شود. ثانیاً، بررسی جامع شاخص‌ها را می‌توان با درگیر کردن ذینفعان و جوامع، از جمله بینش کارشناسان موضوع، و در نظر گرفتن حذف شاخص‌های کم‌اهمیت و در عین حال معرفی شاخص‌های مرتبط جدید، انجام داد. با به روز رسانی و پالایش منظم خروجی های این مطالعه، تصمیم گیرندگان این اختیار را خواهند داشت تا اقدامات مبتنی بر داده ها را بر اساس عوامل زمینه ای مؤثر بر شاخص ترکیبی و زیرشاخص ها انجام دهند. ادغام این ابزار در چارچوب گسترده‌تر مدیریت شهری، توسعه استراتژی‌های مناسب برای هر گروه بلوک را امکان‌پذیر می‌سازد، تخصیص منابع هدفمند را تسهیل می‌کند و به جوامع محلی در ایجاد انعطاف‌پذیری در برابر چالش‌های گرمای شهری کمک می‌کند.
