ابزارهای جدید مشخص می کنند که درختان شهری می توانند بیشترین تسکین را از گرما فراهم کنند

ویرایش شده توسط Swati Mestri، بررسی توسط Robert Egan

این مقاله با توجه به روند و سیاست های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

شهرهایی که سعی در خنک کردن خیابان‌های غرق‌آلود دارند، اغلب اهدافی را برای سایبان درختان در نظر می‌گیرند. اما این اهداف می‌توانند این واقعیت را نادیده بگیرند که همه سایه‌ها به یک اندازه مفید نیستند و هر محله‌ای جایی برای درختان بیشتری ندارد.

دو مطالعه جدید توسط محققان دانشگاه بریتیش کلمبیا رویکرد هدفمندتری را ارائه می دهند. ابزارهای مکمل که در Kelowna، B.C آزمایش شده‌اند، می‌توانند نقاط داغ شهری را تا بلوک‌های منفرد شناسایی کنند و تعیین کنند که درخت‌های جدید می‌توانند بیشترین فواید را داشته باشند.

دکتر ملیسا مک‌هیل، استاد دانشکده جنگل‌داری و نظارت محیط‌زیست UBC و نویسنده ارشد هر دو مطالعه، می‌گوید: «شهرها اغلب می‌دانند که به تاج درخت بیشتری نیاز دارند، اما هنوز باید دقیقا تصمیم بگیرند که کاشت در کجا امکان‌پذیر است و در کجا سایه بیشترین تفاوت را ایجاد می‌کند». این رویکردها با هم، ما را از اهداف گسترده در سطح شهر به سمت تصمیم‌گیری در مقیاس خیابان‌ها و محله‌هایی سوق می‌دهند که مردم واقعا گرما را تجربه می‌کنند.»

نقشه‌های حرارتی ماهواره‌ای به شهرها منظره‌ای از دمای سطح را ارائه می‌دهند، اما اغلب فاقد جزئیات مورد نیاز برای برنامه‌ریزی بلوک به بلوک هستند. پیکسل های استاندارد 30 متری می توانند دمای پشت بام ها، آسفالت، چمنزار و تاج درختان را در یک میانگین واحد ترکیب کنند.

در اولین مطالعه که در Remote Sensing منتشر شد، محققان UBC یک تکنیک یادگیری ماشینی منبع باز را آزمایش کردند که تصاویر ماهواره‌های Landsat و Sentinel-2 را تا وضوح 10 متر واضح می‌کند.

نقشه‌های با وضوح بالاتر تقریبا پنج برابر بیشتر از تغییرات دما در کلونا را نشان دادند. با تصاویر متعارف 30 متری، نقاط داغ در مناطق وسیعی به وسعت 18000 متر مربع (4.4 هکتار)، تقریبا دو و نیم زمین فوتبال کانادایی ظاهر شد. رویکرد 10 متری نقاط داغ بسیار کوچکتر را شناسایی کرد، به وسعت 700 متر مربع (7500 فوت مربع)، در حدود ردپای یک زمین مسکونی بزرگ.

ویژگی‌های منظره مانند تاج درخت و سطوح سنگفرش شده بیش از 65 درصد از جزئیات دمای اضافی را توضیح می‌دهند، که نشان می‌دهد این روش به جای نویز دیجیتال، تفاوت‌های منظره واقعی را تشخیص می‌دهد. در حالی که دمای سطح با دمای هوا یکسان نیست، رویکرد آزادانه در دسترس می تواند به شهرها کمک کند تا نقاط داغ کوچکی را که نقشه برداری معمولی از دست می دهد، شناسایی کنند.

یافتن گرما تنها بخشی از چالش است. شهرها همچنین باید بدانند که کجا درختان را می توان به طور واقع بینانه کاشت و سایه مفید ایجاد کرد.

در مطالعه دوم که در Urban Forestry & Urban Greening منتشر شد، تیم از CanopyFit، یک رویکرد مدل‌سازی که توسط مک‌هیل طراحی و رهبری شد و با آزمایشگاه زیست‌محیطی و پایداری شهری و شرکای شهرداری او توسعه داده شد، برای ترسیم پتانسیل کاشت عملی استفاده کرد.

مناطق نامناسب برای کاشت، مانند ساختمان‌ها، زمین‌های ورزشی، تأسیسات زیرزمینی، مناطق حائل آتش‌سوزی و اکوسیستم‌های حساس به محیط زیست را حذف می‌کند، سپس پتانسیل سایه را در کنار قرار گرفتن در معرض گرما و نیاز اجتماعی و اقتصادی ارزیابی می‌کند.

در سراسر Kelowna، مدل فضایی را برای 248 هکتار (610 هکتار) از سایبان بالغ جدید بالقوه شناسایی کرد، اما این فرصت بسیار ناهموار بود. فقط 20٪ از منطقه تجزیه و تحلیل شده بیش از نیمی (50.8٪) از کل افزایش سایه بالقوه را تشکیل می دهد.

تجزیه و تحلیل همچنین به راه حل های مختلف برای محله های مختلف اشاره می کند. برخی مناطق «برد-برد» هستند، جایی که نیاز به گرما و سهام بالا با فضای کاشت کافی همزمان است و کاشت درخت اضافی می‌تواند مزایای بسیار زیادی را به همراه داشته باشد. برخی دیگر با گرمای زیاد و نیاز بیشتر مواجه هستند، اما فضای کمی برای درختان جدید دارند، که جایگزین هایی مانند حذف آسفالت، تغییر قوانین توسعه یا نصب سایه مهندسی شده را پیشنهاد می کند.

از آنجایی که هر دو رویکرد از چارچوب‌های سازگار و داده‌های در دسترس استفاده می‌کنند، شهرداری‌ها در جاهای دیگر می‌توانند آنها را با اطلاعات محلی ترکیب کنند تا استراتژی‌هایی برای کاهش گرما ایجاد کنند.

مک هیل گفت: شهرها فضا و منابع محدودی برای کاشت دارند، بنابراین ما باید استراتژیک باشیم. "هدف ایجاد و نگهداری درختان بزرگ و سالم در جایی است که به سرمایش و مزایای دیگر آنها بیشتر نیاز است. در جایی که محیط ساخته شده فضای کمی برای درختان باقی می گذارد، یافته ها می توانند به شهرها کمک کنند تا موانع کاشت را شناسایی کرده و روش های دیگر برای ایجاد سایه را ارزیابی کنند."

ایوان شی و همکاران، تقویت دیدگاه ما از بالا: تکنیک کاهش مقیاس برای آشکار کردن الگوهای گرمای شهری با مقیاس کوچکتر، سنجش از دور (2026). DOI: 10.3390/rs18183091

بنجامین نیکسون و همکاران، قرار دادن سایه در جایی که اهمیت دارد: رویکرد طبقه‌بندی برای اولویت‌بندی مکان‌های کاشت درخت با استفاده از برابری حرارت و مدل‌سازی سایه، جنگل‌داری شهری و سبزسازی شهری (2026). DOI: 10.1016/j.ufug.2026.129668

سواتی مستری دارای مدرک لیسانس در مهندسی الکترونیک است و از سال 2019 به عنوان ویرایشگر محتوا کار کرده است. او ویرایش اسناد تحقیقاتی در زمینه فناوری، مراقبت های بهداشتی و علم مواد را تجربه کرده است و علاقه خاصی به فناوری و فضا دارد. نمایه کامل →

لیسانس زیست شناسی ریاضی، کارشناسی ارشد در نوشتن خلاق. خوش سفر با دیدگاه های منحصر به فرد در علم و زبان. نمایه کامل →