پایداری | متن کامل رایگان | تحدید حدود و اولویت بندی مناطق متاثر از اقلیم با استفاده از نمونه شهر پسا صنعتی - شهرساز | سایت تخصصی شهرسازی با هوش مصنوعی | شهرساز

بهترین آموزش های کاربردی در شهرسازی

بهترین آموزش های کاربردی در شهرسازی را از Urbanity.ir بخواهید

نصب رول بولت در ۵ مرحله

ادامه ...

…

ادامه ...

Monday, 20 May , 2024
امروز : دوشنبه, ۳۱ اردیبهشت , ۱۴۰۳

آخرین اخبار »

شناسه خبر : 12369

ارسال

پرینتخانه » مقالات تاریخ انتشار : 09 می 2024 - 3:30 | 7 بازدید | ارسال توسط : riazat

پایداری | متن کامل رایگان | تحدید حدود و اولویت بندی مناطق متاثر از اقلیم با استفاده از نمونه شهر پسا صنعتی

۱٫ معرفی تغییرات پیشرونده آب و هوا به نیاز به ترسیم مناطقی از شهرها کمک می کند که در برابر خطرات مختلف آسیب پذیر هستند، به طوری که برنامه ریزان شهری و دولت های محلی می توانند اقدامات محلی سازگاری با تغییرات آب و هوایی را در شهرها اولویت بندی و هدف قرار دهند. برای […]

۱٫ معرفی

تغییرات پیشرونده آب و هوا به نیاز به ترسیم مناطقی از شهرها کمک می کند که در برابر خطرات مختلف آسیب پذیر هستند، به طوری که برنامه ریزان شهری و دولت های محلی می توانند اقدامات محلی سازگاری با تغییرات آب و هوایی را در شهرها اولویت بندی و هدف قرار دهند.

برای اقدامات مناسب سازی موثر در مناطق شهری، تعریف مخاطرات، چالش ها و مشکلات شهری برای مناطق حساس و آسیب پذیر ضروری است. [۱]. این رویکرد امکان انتخاب مناسب اقدامات انطباق و در نتیجه سازگاری بهتر با تغییرات آب و هوا را فراهم می‌کند و در نتیجه ایمنی ساکنان و زیرساخت‌ها را بهبود می‌بخشد. شناخت کامل وضعیت شهر این فرصت را فراهم می کند تا پتانسیل ها و نقاط ضعف توسعه آن مشخص شود. این یک پیش نیاز (نقطه شروع) برای ایجاد طرح سازگاری با تغییرات اقلیمی به عنوان یک ابزار استراتژیک برای مدیریت شهر است. به ویژه، تعیین مناطق آسیب‌پذیر برای برنامه‌ریزی فضایی، که یکی از مهم‌ترین ابزارهای سیاستی برای سازگاری با تغییرات اقلیمی است، مهم است. [۲]. همچنین اولویت بندی اقداماتی که باید توسط مدیریت شهری به عنوان بخشی از سیاست انطباق با تغییرات اقلیمی انجام شود، مهم است [۳].

ارزیابی خطرات تغییر اقلیم یک کار پیچیده است و به هدف و زمینه خاص ارزیابی از جمله شرایط جغرافیایی، ساختاری، محیطی و اجتماعی-اقتصادی گذشته، فعلی و توسعه برنامه ریزی شده شهر بستگی دارد. بسته به این موارد، روش های موجود به طور مناسب بین آنها انتخاب شده و انتخاب ها اعمال می شوند [۴]. تا به امروز، انواع مختلفی از اثرات بالقوه (و مزایای بالقوه) تغییرات آب و هوایی بر شهرها شناسایی شده است. اینها شامل (۱) اثرات بر افزایش سطح دریا در مناطق ساحلی (مربوط به طوفان)، (۲) اثرات حوادث شدید بر زیرساخت های ساخته شده، (۳) اثرات بر سلامت، (۴) اثرات بر منابع آب و (۵) اثرات بر روی در دسترس بودن انرژی [۴]. درک بهتر تعامل بین آب و هوا و سطح زمین در گذشته و حال بسیار مهم است، به ویژه برای پیش بینی تغییرات آینده آن. به منظور پرداختن مؤثر به نیازها و اولویت‌های توسعه در حال تغییر، لازم است با استفاده از ابزارهای جدید، مانند ابزار Nowcasting، که تخمینی از میانگین زمان انتظار برای مقادیر شدید پارامترهای اقلیمی را ارائه می‌کند، درک متفاوتی از تغییر اقلیم به دست آوریم. [۵]. برای شهرهای ساحلی، مدل‌سازی طوفان‌های استوایی (IMT) با استفاده از الگوریتم‌های خوشه‌ای وجود دارد که ناپایداری سیستم جو-اقیانوسی را ارزیابی می‌کند. [۶,۷]. ابزارهای جدید درک بهتر تأثیر متقابل بین تأثیرات آب و هوا، استراتژی‌های کاهش، اقدامات سازگاری و پیشرفت پایدار را ممکن می‌سازد. [۵].

روش های مختلفی برای انتخاب آسیب پذیرترین مناطق شهر وجود دارد. محققان در حال بررسی استفاده از نقشه برداری مشارکتی و الگوریتم های مختلف یادگیری ماشین و توسعه روش های جدید مبتنی بر شبکه های عصبی مصنوعی (ANN) هستند. [۸,۹,۱۰]. استفاده از این روش‌های جدید، تکمیل و تایید نتایج به‌دست‌آمده با روش‌های دیگر را ممکن می‌سازد، به عنوان مثال، به عنوان بخشی از یک تحلیل چند معیاره با مدل‌های GIS. [10].

تجزیه و تحلیل چند معیاره (MCA) روشی است که به عنوان تصمیم گیری چند معیاره (MCDM) یا تجزیه و تحلیل تصمیم چند معیاره (MCDA) نیز شناخته می شود. [۱۱]. روشی است که در آن می توان از تکنیک ها و ابزارهای مختلف برای ارزیابی داده ها با توجه به معیارها و ویژگی های متعدد استفاده کرد [۱۱]. یکی از متداول‌ترین تکنیک‌های مورد استفاده در MCA، فرآیند تحلیل سلسله مراتبی (AHP) است که مبتنی بر جبر خطی است و اجازه می‌دهد تا مقیاس‌های نسبت را از مقایسه داده‌های زوجی به‌دست آوریم. [۱۲,۱۳].

در زمینه تعیین مناطق حساس به تغییرات آب و هوایی، این روش‌های آماری اغلب بر پایگاه‌های اطلاعاتی و نقشه‌های جغرافیایی مرجع تکیه می‌کنند. ابزارهای مبتنی بر GIS تجزیه و تحلیل فضایی قوی و مدل‌سازی آسیب‌پذیری در مقیاس شهری را امکان‌پذیر می‌کنند. [۱۴]. یک سیستم اطلاعات جغرافیایی (GIS) یکپارچه با MCA یک سیستم پشتیبانی تصمیم گیری فضایی چند معیاره (MC-SDSS) را تشکیل می دهد. [۱۵].

توسعه پایدار شهری به هدف مهم جوامع اروپایی تبدیل شده است و پدیده‌های تغییر اقلیم در شهرها به عنوان معضلات اصلی شناخته می‌شوند. خطرات زیادی در ارتباط با جمعیت شهری و زیرساخت ها وجود دارد. آنها به زمینه های خاص بستگی دارند: ویژگی های جغرافیایی، تاریخی و ذاتی ساختارهای فضایی شهری. دو خطر مرتبط با آب و هوا شایع ترین آنها هستند.

یکی از خطرناک ترین پدیده های ناشی از تغییرات اقلیمی که بیشتر و بیشتر در حال وقوع است، سیل ناگهانی در شهرها است. [۱۶]. بسیاری از دانشمندان از MCA برای شناسایی مناطقی که بیشتر در معرض خطر سیل هستند استفاده می کنند و این روش اغلب شامل یک فرآیند سلسله مراتبی تحلیلی است. آنها نتایج را با استفاده از سیستم های اطلاعات جغرافیایی توسعه می دهند [۱۷,۱۸,۱۹].

پدیده مهم دیگر مربوط به ویژگی های حرارتی مناطق شهری است. تغییرات در محیط حرارتی شهری منجر به جزایر گرمایی شهری (UHIs) و امواج گرما در اواسط تابستان می شود. UHI پدیده ای از انباشت گرما در مناطق شهری به دلیل محیط داخلی شهری و فعالیت های انسانی است. باعث مشکلات اجتماعی-اقتصادی مانند مصرف بیش از حد انرژی و پتانسیل بالا برای بیماری های ناشی از گرما و مرگ و میر می شود. [۲۰]. بارزترین ویژگی اقلیم شهری محسوب می شود [۲۱]. UHI یکی از مشکلات مهم و جدی محیط شهری است و توجه تصمیم گیرندگان را به خود جلب کرده است [۲۲]. برای شناسایی خطرات حرارتی، محققان از روش های آماری استفاده می کنند. یکی از نمونه‌ها مطالعه‌ای در شهر Aschaffenburg است که برای آن شبیه‌سازی‌های مدل آب و هوای شهری ترمودینامیکی انجام شد. [۲۳]. محققان مسیرهای جریان هوا را از نقاط گرما و مناطق خنک روستایی شهر محاسبه کردند. مناطق جزیره گرمایی شهر با پردازش آماری نتایج تعیین شد. همچنین مناطقی که هوای خنک برای خنک کردن کانون های حرارتی از آن جریان می یافت، شناسایی شدند [۲۳].

یکی از رویکردهای شناسایی مناطق بحرانی که خطر حرارتی بالقوه برای جمعیت دارند، جزیره حرارتی شهری سطحی (SUHI) است. [۲۴]، که می تواند با تعدادی از پارامترها مرتبط باشد که خطرات بالقوه برای جمعیت و زیرساخت را مشخص می کند. SUHI با استفاده از روش های آماری و ابزارهای مبتنی بر GIS برای توصیف گستره آن تعیین می شود.

یکی دیگر از جنبه های مرتبط با تأثیر تغییر اقلیم در شهرها، صنعتی شدن است. شهرهای صنعتی و فراصنعتی دارای مشکلات خاصی هستند که آسیب پذیری آنها را مشخص می کند، اما همچنین ویژگی هایی دارند که پتانسیل سازگاری را ارائه می دهند. [۲۵]. به عنوان مثال، توسعه مجدد برون فیلد یک اقدام مهم برای کاهش تغییرات آب و هوایی در مناطق فراصنعتی است. [۲۶]. از سوی دیگر، فضاهای سبز شهری سهم مهمی در بهبود سازگاری با اقلیم دارند [۲۷]. زیرساخت سبز (GI) به عنوان یک پیش نیاز مسلم برای شهرهای تاب آور شناخته شده است. استراتژی های سبزسازی می تواند محیط شهری را با افزایش آسایش حرارتی مردم و کاهش اثرات منفی امواج گرما و سیل بهبود بخشد. پتانسیل سازگاری را می توان با استفاده از پارامترهای مبتنی بر داده های NDVI مبتنی بر ماهواره تخمین زد.

از آنجایی که تغییرات در محیط شهری ساخته شده اثر خنک کنندگی پوشش گیاهی و خاک مرطوب را کاهش می دهد، درک بهتر فرآیندهای پیچیده در فصل مشترک شهرنشینی، آب و هوا و سلامت انسان مهم است. برای هر یک از روش های ذکر شده، استفاده از انواع داده های با وضوح بالا، ترجیحاً تا حد امکان جدید، یا در مورد یادگیری ماشین، استفاده از داده های آموزشی کافی مهم است. این رویکرد منجر به نتایجی با دقت بالا می شود.

با توجه به پتانسیل روش شناختی و منابع اطلاعات مکانی، امکان تعیین آسیب پذیری در برابر خطرات مرتبط با اقلیم وجود دارد. بر این اساس، هدف این مطالعه انطباق و آزمایش یک رویکرد روش‌شناختی برای تعیین مناطق آسیب‌پذیر در برابر خطرات مرتبط با آب و هوا با استفاده از مثال شهر فراصنعتی Knurów در لهستان بود. این مطالعه از روش تحلیل چند معیاره با استفاده از فرآیند تحلیل سلسله مراتبی بر اساس نقشه های GIS استفاده کرد. پارامترهای جغرافیایی که با شاخص‌هایی در SUHIs، مناطق سبز، خطرات سیل و میدان‌های قهوه‌ای مشخص می‌شوند به عنوان مبنایی برای MCA استفاده شدند. این رویکرد در زمینه خاص یک شهر فراصنعتی آزمایش شد. ما از شهر فراصنعتی Knurów در لهستان به عنوان مثال استفاده کردیم. این رویکرد شامل تقسیم شهر به مناطق آماری و استفاده از یک روش چند معیاره با استفاده از فرآیند تحلیل سلسله مراتبی بر اساس داده های نقشه GIS بود.

در مورد شهرهای لهستان، می توان از یک پایگاه داده گسترده از داده های آماری (شامل داده های جمعیت)، داده های مکانی و توپوگرافی (از جمله داده های کاربری زمین) و سایر داده های ارائه شده توسط ادارات شهرداری و موسسات دولتی استفاده کرد. بخش مهمی از فرآیند انتخاب مناطق آسیب پذیر در برابر تغییرات اقلیمی در یک شهر، تصمیم گیری در مورد انتخاب واحدهای فضایی است. در مورد شهرهای لهستان، اینها می توانند مناطق، مناطق آماری یا مناطق کاداستر باشند. در موارد موجه از تقسیم به حوضه های آبریز استفاده می شود.

بخش ۲ رویکرد روش شناسی اتخاذ شده در این تحقیق را با توضیح انتخاب، وزن دهی و نرمال سازی شاخص ها تشریح می کند و منابع و روش گردآوری داده های مورد استفاده برای محاسبات را ارائه می دهد. که در بخش ۳، ما نتایجی را که به دست آوردیم یک به یک در رابطه با ویژگی صنعتی Knurów مورد بحث قرار می دهیم. اینها ارزیابی خطر هیدرولوژیکی، ارزیابی پتانسیل سبز و ارزیابی خطر حرارتی برای مناطق آماری هستند. ما همچنین نتایج MCA را در رابطه با اهداف ارزیابی شده و هدف کلی مورد بحث قرار می دهیم. بخش ۴ مقایسه روش و نتایج با کار سایر محققان با استفاده از MCA و AHP ارائه می دهد. بخش پایانی مقاله، بخش ۵، حاوی نتیجه گیری است.

۲٫ رویکرد روش شناختی

در این مطالعه، ما از فرآیند تحلیل سلسله مراتبی (AHP) استفاده کردیم. سلسله مراتب شامل سه سطح است: (۱) هدف اصلی، (۲) سه هدف و (۳) پانزده ویژگی، پنج ویژگی برای هر هدف. هدف اصلی ارزیابی شاخص خطر بالقوه ناشی از تغییر اقلیم شهری است که مستلزم محاسبه شاخص ریسک هیدرولوژیکی بالقوه در رابطه با خطرات هیدرولوژیکی مختلف (H)، شاخص پتانسیل کاهش سبز شهری برای خطرات حرارتی و هیدرولوژیکی است. (G) و شاخص خطر حرارتی بالقوه در رابطه با خطر جمعیت در معرض جزیره گرمایی شهری (T). معیارهای هدف اول و سوم معیار هزینه در نظر گرفته می شوند، در حالی که معیارهای هدف دوم معیار سود در نظر گرفته می شوند.

برای دستیابی به هدف اول (H)، ویژگی های زیر محاسبه شد:

H1. میانگین آب بندی خاک های یک منطقه آماری معین.
H2. درصد مساحت حوضه های بدون زهکش در منطقه یک منطقه آماری معین.
H3. تعداد ساختمان ها در مناطق حوضه های بدون زهکش و آب ۱۰۰ ساله در یک منطقه آماری معین.
H4. تعداد رویدادهای سیل محلی در یک منطقه آماری معین؛
H5. درصد مساحت آب ۱۰۰ ساله در ناحیه یک منطقه آماری معین.

هدف دوم (G) شامل ویژگی های زیر است:

G1. درصد منطقه فعال بیولوژیکی در منطقه یک منطقه آماری معین؛
G2. درصد مناطق تحت سایه درختان در مناطق ساخته شده یک منطقه آماری معین.
G3. درصد مناطق با NDVI بیشتر از ۰٫۴ در منطقه یک منطقه آماری معین.
G4. درصد مناطق سبز در ناحیه یک منطقه آماری معین؛
G5. درصد مناطق با NDMI بیشتر از ۰٫۲ در منطقه یک منطقه آماری معین.

هدف سوم (T) شامل موارد زیر است:

T1. تعداد ساکنان مناطق با درجه حرارت بالا بر اساس منطقه آماری.
T2. درصد مساحت جزیره حرارتی سطح شهری در منطقه یک منطقه آماری معین.
T3. درصد منطقه بافر ۱۰۰ متری اطراف جزیره حرارتی سطح شهری در منطقه یک منطقه آماری معین.
T4. میانگین دمای سطح یک منطقه آماری معین.
T5. درصد مساحت با آب بندی خاک بیش از ۰% در منطقه یک منطقه آماری معین.

نمایشی از سلسله مراتب ۳ سطحی در زیر ارائه شده است (شکل ۱).

در مرحله بعد، داده های آماری کارتوگرافی به مقادیر معیار (مثلاً میانگین آب بندی خاک در یک منطقه آماری) تبدیل و سپس در معرض استانداردسازی قرار گرفتند. برای استانداردسازی از فرمول های زیر استفاده شده است:

$برای سود شاخص ، n_{من j} = \frac{ک_{من j}}{ک_{متر آ ایکس}}$

(۱)

$برای هزینه شاخص ، n_{من j} = ۱ - \frac{ک_{من j}}{ک_{متر آ ایکس}}$

(۲)

$n_{من j}$ – استاندارد شده من-ام ارزش j-معیار

$ک_{من j}$ -من-ام ارزش j-معیار

$ک_{متر آ ایکس}$ – حداکثر مقدار j-معیار

از آنجایی که روش AHP مورد استفاده در تجزیه و تحلیل چند معیاره (MCA) مستلزم آن است که ستون‌های ماتریس مجموعاً به ۱ برسد، پس از استانداردسازی اولیه، استانداردسازی مجدد اضافی با استفاده از مجموع مقادیر استاندارد شده انجام شد که می‌توان با استفاده از موارد زیر نوشت: فرمول [۲۸]:

$برای هر دو سود و \cos تی شاخص ، r_{من j} = \frac{n_{من j}}{\sum_{من = ۱}^{متر} n_{من j}}$

(۳)

$r_{من j}$ -مجموع مجدد استاندارد شده من-ام ارزش j-معیار استاندارد شده

در تفسیر نتایج، هر چه مقدار معیار بالاتر باشد، شاخص‌های ریسک بالقوه کمتر و شاخص پتانسیل کاهش سبزی بیشتر می‌شود. هر چه مقدار شاخص بالاتر باشد، رتبه بالاتر است، که حداقل ۱ (بدترین حالت) و حداکثر آن ۳۳ (بهترین حالت) بود. عدد ۳۳ نشان دهنده تعداد موجودات فضایی مورد ارزیابی است.

۲٫۱٫ داده های کاربردی

برای رسیدن به هدف بلندپروازانه خود، لازم بود از انواع مختلف داده ها از منابع مختلف استفاده کنیم. از داده های برداری و شطرنجی هر دو استفاده شد که همگی رایگان بودند. داده های برداری مکانی از ژئوپورتال ملی لهستان دانلود شد [۲۹]. این داده‌های مکانی شامل موارد زیر بود: پوشش اراضی (کاربری زمین)، ساختمان‌ها، شبکه رودخانه‌ها و رودخانه‌ها، محدوده مناطق کاداستر، محدوده شهرها و محدوده مناطق آماری. این داده ها بخشی از پایگاه داده اشیاء توپوگرافی BDOT10k هستند و در مقیاس ۱:۱۰۰۰۰ ارائه شده اند. [۲۹]. نقشه خطر سیل و نقشه خطر سیل برای موضوع INSPIRE مناطق خطر طبیعی از سامانه اطلاعاتی حفاظت ملی دانلود شد. [۳۰]. موضوع شامل داده های مکانی در مورد وسعت سیل های ۵۰، ۱۰۰ و ۵۰۰ ساله است، به عنوان مثال، گستره سیل با احتمالات ۱ در ۵۰، ۱۰۰ یا ۵۰۰ سال. داده های نقطه ای در مورد سیل های محلی از تالار شهر در Knurów به دست آمد. ژئوپورتال ملی لهستان (geoportal.gov.pl، در ۱۵ مارس ۲۰۲۴ مشاهده شد) همچنین منبع داده های شطرنجی مدل رقومی ارتفاع و همچنین داده های LIDAR بود که برای ایجاد یک نقشه درختی استفاده شد. ما از داده های شطرنجی ماهواره Landsat 8 (USGS) و ماهواره Sentinel-2 (ESA) و همچنین داده های شطرنجی در مورد تراکم نفوذناپذیری ۲۰۱۸ استفاده کردیم که از طریق پلتفرم Eyes On Earth کوپرنیک اروپا قابل دسترسی هستند. علاوه بر داده های مکانی، از داده های آماری نیز استفاده شد، به ویژه داده های جمعیت از پایگاه داده محلی آمار لهستان [۳۱]. تمامی داده ها برای تولید نقشه های معیارهای فوق تحت تبدیل و پردازش ویژه قرار گرفتند.

برای توسعه نقشه جزیره گرمایی شهری، از داده‌های Landsat 8 استفاده کردیم که در معرض رویه توصیف شده در Bronder و همکاران قرار گرفت. (۲۰۱۹) [۳۲].

۲٫۲٫ منطقه مطالعه

منطقه مورد مطالعه شهر Knurów است که در Voivodeship Silesian در جنوب لهستان واقع شده است. مساحت آن ۳۳٫۹۵ کیلومتر مربع است و در سال ۲۰۲۰ ۳۷۸۰۱ نفر جمعیت داشته است. [۳۳]. تراکم جمعیت در آن زمان ۱۰۵۷ نفر در کیلومتر مربع بود [۳۳]. این شهر در منطقه مرتفع سیلزی واقع شده است که از دو منطقه میانی مختلف تشکیل شده است. قسمت شمال شرقی به ارتفاعات کاتوویتس تعلق دارد، در حالی که قسمت جنوب غربی در فلات ریبنیک قرار دارد. [۳۴].

Knurów حدود ۱۲۰ سال سابقه معدن زغال سنگ دارد که نه تنها بر توسعه شهر تأثیر گذاشت، بلکه منجر به ایجاد انبوه زغال سنگ در مجاورت دو معدن زغال سنگ: Knurów و Szczygłowice شد. [۳۵,۳۶]. علیرغم ویژگی صنعتی آن، تقریبا نیمی از مساحت شهر پوشیده از جنگل است که بر قسمت جنوبی شهر (BDOT10k) تسلط دارد.شکل ۱). قسمت شمالی شهری ترین قسمت شهر است که خانه های چندخانواری و تک خانواری دارد.میز ۱).

طبق تحقیقات ما بر اساس داده‌های BDOT10k، محل‌های دفن زباله، عمدتاً برای زباله‌های زغال‌سنگ، حدود ۱۲٫۷ درصد از منطقه شهری را پوشش می‌دهند. منطقه مسکونی تقریباً به همان اندازه است (۱۲٫۴٪). علفزارها، جنگل ها و درختچه ها حدود ۶۵ درصد از مساحت شهری را پوشش می دهند.شکل ۲).

تجزیه و تحلیل ما از مدل عددی زمین Knurów نشان داد که میانگین ارتفاع شهر ۲۴۳٫۶ متر از سطح دریا و تخلیه معدن مرکزی ۲۸۵٫۳ متر از سطح دریا است. مناطق پایین تر در قسمت غربی شهر واقع شده اند.

مورفولوژی مناطق معدنی در طول بیش از یک قرن معدن به طور قابل توجهی تغییر کرده است. فرونشست پیشرونده منطقه منجر به تغییرات هیدرولوژیکی و هیدروژئولوژیکی و تخریب بسیاری از سازه های ساختمانی شده است. این تغییرات منجر به سیل و آسیب های ساختاری به ساختمان ها و آب های سطحی انسانی شده است. [۳۷]. پیش بینی شده است که تغییر شکل زمین منجر به غرقابی قابل توجه و سیل دائمی بعدی خواهد شد. [۳۸]. این پدیده ها در حال حاضر در سطح قابل توجهی در شهر رخ می دهد [۳۹].

آلودگی انسانی، که ارتباط نزدیکی با خصوصیات صنعتی Knurów دارد، علت آلودگی آب های سطحی است. منابع اصلی آلودگی شامل تخلیه آب های زیرزمینی شور از معادن و شستشوی زباله های معدن است. Knurów در ۴ بدنه آب سطحی قرار دارد (RW600019115899 Bierawka از Knurówka تا دهانه، RW600061158329 Potok Szczygłowicki، RW60006115838 Bierawka تا RW6000 و RW6000 و Knur از جمله Ornontowicki Potok)، که به طور مداوم به عنوان بخشی از محیط زیست ایالت نظارت می شوند برنامه نظارت [۳۹].

اثرات منفی نه تنها به مناطق مسکونی و بدنه های آبی بلکه به مناطق وسیعی از جنگل نیز سرایت کرده است. تغییرات قابل توجهی در مناطق جنگلی مشاهده شده است که به درجات مختلف در آغاز قرن بیست و یکم رخ داده است. [۴۰]. در دهه ۱۹۹۰، پیش بینی شد که فرونشست زمین در منطقه Knurów می تواند تا سال ۲۰۳۰-۲۰۵۰ به ۴۰ متر برسد. [۴۱]. تغییر شکل زمین در حال حاضر به حدی است که علیرغم کارهای احیای فشرده، زمین به طور قابل توجهی تغییر شکل داده است. می توان تغییر شکل را از طریق کاری که تأثیر استخراج زغال سنگ را به حداقل می رساند، کاهش داد [۴۲]. با این حال، تغییر شکل زمین در حال بدتر شدن است [۴۳]. یک مطالعه از سال ۲۰۲۲ پیش بینی می کند که ۲۱ حوضه بدون زهکش به عمق ۱۰ متر می رسند. [۴۴].

در حال حاضر شورای شهر احیا و احیای مناطق فرسوده و مناظر پس از معدن را به عنوان یکی از اهداف سیاست شهری خود قرار داده است. [۳۶]. از جمله اقدامات مربوطه می توان به احیای محیط زیست و تعیین مناطق طبیعی تحت حفاظت اشاره کرد. آنها معرفي مناطق پوشش گياهي و سبز كردن مناطق مشخص شده براي كشت مجدد را ضروري مي دانند. [۳۶].

آب و هوای Knurów در مقیاس کوپن و گایگر به عنوان Dfb تعریف می شود که یک آب و هوای قاره ای با تابستان های گرم است. [۴۵]. با بیشترین تعداد روزهای با هوای بسیار گرم همراه با بارش متمایز می شود. فراوانی روزهای با هوای معتدل گرم با پوشش ابری زیاد و بارش نیز بیشترین میزان را دارد [۴۶].

۲٫۳٫ بخش فضایی شهر Knurów

شهر Knurów را می توان به سه منطقه کاداستر تقسیم کرد: Knurów، Krywałd و Szczygłowice. با این حال، اینها برای تعیین دقیق مناطقی که نیاز به اقدام است بسیار گسترده هستند. بنابراین، تصمیم بر این شد که برای ارزیابی شاخص خطر بالقوه، که خطر بالقوه برای شهر ناشی از تغییرات آب و هوایی را توصیف می کند، از تقسیم به مناطق آماری استفاده شود.شکل ۳).

منطقه آماری یک واحد سرزمینی برای جمع آوری داده های آماری است که حداکثر از نه ناحیه سرشماری تشکیل شده است. اندازه منطقه آماری به گونه ای تعریف شده است که نباید از ۲۷۰۰ نفر یا ۹۹۹ واحد مسکونی بیشتر باشد. [۴۷].

۳۳ منطقه آماری در شهر Knurów وجود دارد و تجزیه و تحلیل چند معیاره برای این مناطق انجام شد. نقشه زیر تقسیم فضایی شهر Knurów را به مناطق آماری نشان می دهد که با استفاده از زمین غالب در هر منطقه تکمیل می شود. می بینیم که فقط ۸ کلاس کاربری غالب زمین وجود دارد (شکل ۳).

۴٫ بحث

مطالعات متعددی که در مجلات علمی گزارش شده است با تعیین مناطق حساس به اقلیم سروکار دارد، اما تنها یک خطر را در نظر می گیرد، به عنوان مثال، خطر حرارتی مرتبط با جزیره گرمایی شهری در بالای زمین. [۱۶,۵۰,۵۱,۵۲] یا خطر سیل مرتبط با وجود رودخانه ها یا حوضه های آبریز متعدد بدون زهکش. می توان خود را به تجزیه و تحلیل یک خطر محدود کرد، اما آب و هوا پدیده پیچیده ای است. علاوه بر این، مقایسه عوامل خطر با عواملی که می توانند پیامدها را کاهش دهند و نتایج را به طور قابل توجهی تحت تأثیر قرار دهند، مهم است. به همین دلیل، مطالعه ما سه هدف را تجزیه و تحلیل کرد – دو تهدید و یک عامل کاهش دهنده. ۱۵ معیار در دو سطح فرآیند تحلیل سلسله مراتبی مورد تجزیه و تحلیل قرار گرفت.

با توجه به تقسیم بندی به سه هدف، پنج معیار به صورت جفت با هم مقایسه شدند. این مناسب بود زیرا تعداد ویژگی‌های مورد مقایسه از ۷ (۲±) تجاوز نمی‌کرد. [۵۳]. ساعتی، نویسنده روش AHP، پیشنهاد می کند که تنها تعداد محدودی از معیارها می توانند نتایج دقیقی را برای تجزیه و تحلیل ارائه دهند. بر این اساس، ۱۵ معیار در مطالعه ما برای سنجش سه هدف مناسب بودند. هر چه شاخص ها بیشتر باشد، رسیدن به وزن یکنواخت دشوارتر است [۴۹].

تحقیقات در مورد شهرهای صنعتی و فراصنعتی اغلب بر مطالعه میزان تخریب فضاهای سبز متمرکز است [۵۴,۵۵,۵۶]. درختان در کاهش دما در شهرها نقش دارند [۵۷,۵۸,۵۹] و در مطالعه ما، درصد مناطق تحت سایه درختان در مناطق ساخته شده در یک منطقه آماری در Knurów مقدار بالایی را نشان داد که یک یافته مثبت بود. این را می توان با تعیین اینکه کدام گونه درختی با توجه به دانش فعلی برای کدام نوع مناطق مناسب است، تجزیه و تحلیل کرد [۵۴]. چنین کاری مهم است زیرا ممکن است شرایط متفاوتی در پارکینگ ها (نیاز به درختان بلند برای اجازه پارک خودروها) و در جاده ها (گونه های مناسب برای سایه انداختن سطح جاده اما تحت الشعاع پایین ترین طبقات ساختمان ها) وجود داشته باشد. تحقیقات باید به ویژه شرایط اقلیمی و گونه های درختی موجود در منطقه را در نظر بگیرد تا اثر کاهشی مثبت فضای سبز در شهرهای آن افزایش یابد.

در شهر Knurów، حوضه‌های بدون زه‌کشی متعددی وجود دارد که توسط استخراج معادن و حوضه‌های دیگر ایجاد شده در طول توسعه شهری ایجاد شده‌اند. تجزیه و تحلیل انجام شده نشان داد که به عنوان بخشی از اقدامات انطباق آتی، جستجوی راه حل در مناطق مورد مطالعه که با وجود حوضه های بدون زهکش، تراکم جمعیت بالا و مناطق ساخته شده مشخص می شود، مهم است. هدف از اقدامات سازگاری باید محافظت از زیرساخت های موجود در برابر اثرات منفی سیل شهری باشد.

از آنجایی که هیچ حوضه ای بدون رواناب در نزدیکی مناطق با احتمال ۱% طغیان رودخانه وجود ندارد، استفاده از پتانسیل حوضه های بدون رواناب برای جذب و ذخیره آب اضافی در طول دوره های سیل منطقی است. تجزیه و تحلیل های انجام شده نشان داد که ترکیب پتانسیل نگهداری حوضه های بدون زهکش با راه حل های مبتنی بر زیرساخت سبز قابل توجیه است.

مشکلات کیفیت آب باید در نظر گرفته شود. در صورت وقوع سیل در مکان های آلوده، آب باید تحت نظر باشد. برای این منظور، ابزارهای نوری نوآورانه را می توان برای تشخیص کیفیت آب در زمان واقعی بدون نیاز به نمونه برداری سنتی و تجزیه و تحلیل آزمایشگاهی فیزیکی و شیمیایی استفاده کرد. [۶۰].

نتایج تجزیه و تحلیل باید در رابطه با وضعیت موجود و تهدیدات پیش بینی شده تغییرات آب و هوایی آینده، به ویژه با توجه به شرایط حرارتی و همچنین عوامل مؤثر بر شرایط هیدرولوژیکی تفسیر شود. شرایط طبیعی، تغییرات اقتصادی و طرح های توسعه شهری نیز در این زمینه حائز اهمیت است.

تحلیل ها و محاسبات ما نشان داد که تأثیر آن بر شهر بسته به نوع توسعه و تمرکز ساختمان ها و جمعیت متفاوت است. اقدامات برای محدود کردن تأثیر جزیره گرمایی شهری باید با توجه به وضعیت محلی توصیف شده توسط شاخص خطر حرارتی بالقوه متمایز شود. با توجه به عدم قطعیت ارزیابی و، به ویژه، تشدید پیش بینی شده پدیده های دمایی نامطلوب، منطقی است که از مناطق SUHI همراه با یک بافر خاص به عنوان مبنایی برای اقدامات سازگاری استفاده شود.

پدیده افزایش دما در سطح محلی، به ویژه در مناطق صنعتی و فراصنعتی و در مناطق خدمات عمومی (مناطق تفریحی، مدارس و مناطق تجاری (مراکز خرید و سوپرمارکت‌ها)) رخ می‌دهد. معمولاً اثرات نامطلوب این نوع توسعه اراضی بر مناطق مسکونی اطراف نیز مشاهده می شد. بنابراین، زمانی که این شاخص عوامل مختلفی از جمله غلظت ساختمان‌ها و سایر سطوح مهر و موم شده (پارکینگ، زمین‌های بازی، سطوح مصنوعی) و همچنین تراکم بالای جمعیت را در بر می‌گیرد، توجیه می‌شود که در مکان‌هایی که با شاخص ریسک بالقوه بالایی مشخص می‌شوند، اقدام شود.

در سطح کل شهر، زباله های معدن در Knurów، که به دلیل خواص فیزیکی زباله های زغال سنگ منبع مهم گرما هستند، نقش مهمی در شکل دادن به شرایط حرارتی در شهر دارند. از سوی دیگر، مناطق فراصنعتی در زیر آب یک اثر خنک کننده مثبت ارائه می دهند. بنابراین، منطقی است که مناطقی که تحت فشار فعالیت های معدنی هستند، به اندازه کافی توسعه یابد تا اثرات منفی (احیای) به حداقل برسد و اثرات مثبت (توسعه دشت های سیلابی به عنوان عنصر زیرساخت سبز-آبی) افزایش یابد.

رویکرد روش‌شناختی پیشنهادی با استفاده از MCA برای شاخص‌های فضایی، ابزار مفیدی برای تعیین مناطق با خطر بالقوه ناشی از تغییرات آب و هوایی در شهر است. این رویکرد ویژگی‌های کلیدی محیطی را که جنبه‌های ارزیابی خطر و پتانسیل انطباق را نشان می‌دهند، تجزیه و تحلیل کرد.

این رویکرد اطلاعات مفیدی را برای برنامه‌ریزی سازگاری آب و هوای شهری ارائه می‌کند که زمینه خاص فعالیت‌های صنعتی را در نظر می‌گیرد، که تأثیراتی دارد که به ویژه در فرآیندهای فرونشست زمین (خطر سیل) و اثرات زباله‌های معدن زغال سنگ (مولدهای گرما) قابل مشاهده است.

۵٫ نتیجه گیری ها

Knurów نمونه ای از شهری است که عامل اصلی حرارتی آن منطقه ای با توسعه مسکن چندخانواری فشرده، صنعت، زباله زغال سنگ و فعالیت های خرده فروشی و خدمات در مقیاس بزرگ است. علاوه بر این، فعالیت های فشرده معدنی در این منطقه منجر به توسعه حوضه های زهکشی شده است که ۱٪ از مساحت شهر را تشکیل می دهد. انباشت مشکلات متعدد در داخل شهر باعث توسعه روشی در این مطالعه برای شناسایی مناطقی شد که بیشتر تحت تأثیر تأثیرات منفی مخاطرات مرتبط با آب و هوا در شهر هستند. نتایج رضایت‌بخشی به‌دست آمد، که امکان شناسایی مناطق آسیب‌پذیر را که در آن اقدامات سازگاری مورد نیاز است و طبقه‌بندی مناطق بر اساس فوریت اقدامات اصلاحی امکان‌پذیر ساخت. روش توسعه‌یافته ماهیت جهانی دارد و می‌تواند به طور مفید در استراتژی‌سازی شهر، به‌ویژه هنگام توسعه برنامه‌های سازگاری با تغییرات اقلیمی، برای حمایت از اولویت‌بندی اقدامات کاهشی و برای شناسایی مناطق آسیب‌پذیر در برابر خطرات حرارتی و هیدرولوژیکی یا با کمترین استفاده شود. توسعه زیرساخت سبز

استفاده از فرآیند روش‌شناختی پیشنهادی، اطلاعات مفیدی را برای برنامه‌ریزی سازگاری آب و هوای شهر با در نظر گرفتن ویژگی‌های خاص شهر، مانند فعالیت‌های صنعتی موجود (به‌ویژه استخراج زغال‌سنگ، که منجر به فرونشست زمین و خطرات سیل می‌شود)، تولید کرد. میدان های قهوه ای و تاثیر زباله های زغال سنگ مرکزی به عنوان یک مولد گرما.

استفاده از داده‌های دقیق و اطلاعات مکانی سازمان‌دهی‌شده در یک سیستم اطلاعات جغرافیایی برای محاسبه مقادیر معیارهایی که متعاقباً در تحلیل چند معیاره اعمال شدند، اساسی بود.

منبع:
۱- shahrsaz.ir , پایداری | متن کامل رایگان | تحدید حدود و اولویت بندی مناطق متاثر از اقلیم با استفاده از نمونه شهر پسا صنعتی
,۲۰۲۴-۰۵-۰۹ ۰۳:۳۰:۰۰
۲- https://www.mdpi.com/2071-1050/16/10/3957