مدل سازی تاب آوری شهری در برابر تغییرات اقلیمی با رویکرد هوش مصنوعی

تغییرات اقلیمی به عنوان یکی از بزرگترین تهدیدات قرن بیست و یکم، پیامدهای ویرانگری را برای کلان شهرها به همراه داشته است. از سیل های ناگهانی و جزایر گرمایی شهری گرفته تا خشکسالی های طولانی مدت، این پدیده ها زیرساخت های حیاتی و کیفیت زندگی شهروندان را به خطر انداخته اند. مفهوم «تاب آوری شهری» (Urban Resilience) به عنوان ظرفیت سیستم شهری برای جذب اختلالات، سازگاری با شرایط جدید و بازیابی عملکرد خود، به محور اصلی برنامه ریزی شهری تبدیل شده است. با این حال، ماهیت پیچیده، غیرخطی و چندبعدی تغییرات اقلیمی، مدل سازی و پیش بینی تاب آوری را با چالش های جدی مواجه کرده است. روش های سنتی که بر پایه سناریوهای خطی و داده های ایستا هستند، از عهده برآورد دقیق ریسک های ترکیبی و تعاملات پویا برنمی آیند. این پژوهش با هدف تدوین و ارزیابی چارچوبی نوین برای مدل سازی تاب آوری شهری در برابر تغییرات اقلیمی با بهره گیری از فناوری های هوش مصنوعی (AI) تدوین شده است. مسئله اصلی این است که چگونه می توان با استفاده از الگوریتم های یادگیری ماشین و یادگیری عمیق، مدل هایی ساخت که نه تنها آسیب پذیری مناطق مختلف شهری را شناسایی کنند، بلکه راهکارهای سازگاری بهینه را برای افزایش تاب آوری پیشنهاد دهند. این مطالعه با روش «توصیفی-تحلیلی» و با استفاده از رویکرد «یادگیری تقویتی» (Reinforcement Learning) و «شبکه های عصبی عمیق» (Deep Neural Networks) روی داده های کلان شهری (Big Data) انجام شده است. داده های ورودی شامل تصاویر ماهواره ای حرارتی، داده های هواشناسی تاریخی، نقشه های توپوگرافی، شبکه های زیرساختی و داده های اجتماعی-اقتصادی بوده است. یافته های پژوهش نشان می دهد که مدل های مبتنی بر هوش مصنوعی، به ویژه مدل های ترکیبی که داده های فضایی-زمانی را پردازش می کنند، قادر به شناسایی الگوهای پنهان آسیب پذیری هستند که با روش های آماری کلاسیک قابل تشخیص نیستند. نتایج نشان می دهد که ادغام شاخص های سبز (فضای سبز، بام های سبز) و خاکستری (دیوارهای سیل بند، زیرساخت های هوشمند) در مدل های هوشمند، منجر به شناسایی استراتژی های بهینه ای می شود که با هزینه کمترین، بیشترین افزایش تاب آوری را ایجاد می کنند. همچنین، مدل پیشنهادی توانسته است نقاط بحرانی (Hotspots) شهر را که در برابر رویدادهای حدی اقلیمی بیشترین ریسک را دارند، با دقت ۹۰٪ پیش بینی کند. این مقاله با ارائه یک چارچوب مفهومی برای «تاب آوری هوشمند»، پیشنهاد می کند که برنامه ریزان شهری باید از رویکرد واکنشی به رویکرد پیشگیرانه و تطبیقی حرکت کنند. هوش مصنوعی نه تنها ابزار تشخیص خطر، بلکه یک مشاور استراتژیک برای طراحی شهرهای سازگار با اقلیم است. در نهایت، این پژوهش بر لزوم ایجاد «دوقلوی دیجیتال» (Digital Twin) شهری برای شبیه سازی مستمر سناریوهای اقلیمی و نظارت بر شاخص های تاب آوری تاکید می کند.

کلیدواژه ها:

تاب آوری شهری ، تغییرات اقلیمی ، هوش مصنوعی ، یادگیری ماشین ، مدیریت ریسک ، شهرسازی پایدار