ارزیابی تغییرات اقلیمی و پیش بینی نیاز انرژی گرمایشی با استفاده از یادگیری ماشین در مناطق سردسیر شمال غرب و غرب ایران: رویکردی فضایی-زمانی برای طراحی معماری پایدار

این مطالعه به ارزیابی تغییرات درجه-روز گرمایشی (HDD) در نواحی سردسیر شمال غرب و غرب ایران (شامل استان های آذربایجان شرقی، آذربایجان غربی، اردبیل، زنجان، کردستان، کرمانشاه، همدان و بخش هایی از لرستان و ایلام) می پردازد. اهمیت موضوع در تاثیر تغییرات اقلیمی بر تقاضای انرژی گرمایشی ساختمان ها نهفته است؛ کاهش HDD می تواند به صرفه جویی در مصرف سوخت منجر شود، اما چالش هایی مانند تغییر در طراحی معماری ایجاد کند. داده های مورد استفاده، متوسط دمای روزانه از مجموعه بازتحلیل ERA۵-Land با رزولوشن فضایی بالا برای ۳۵۶ نقطه جغرافیایی در دوره ۱۹۸۵-۲۰۲۴ بود. روش شناسی شامل محاسبه HDD، تحلیل توزیع فضایی با روش های درون یابی، شناسایی خوشه های فضایی (Hotspot & Coldspot) با آمار محلی Getis-Ord G*، و پیش یابی تغییرات برای دهه ۲۰۲۶–۲۰۳۵ با استفاده از الگوریتم یادگیری ماشین رگرسیون رندوم فارست بود. نتایج نشان دهنده الگوی فضایی پایدار گرادیان شمالی-جنوبی HDD است، با مقادیر بالاتر در نواحی کوهستانی شمال غربی و پایین تر در بخش های مرکزی و جنوبی. روند تغییرات دهه ای عمدتا کاهشی (میانگین حدود ۲۱۲- درجه-روز در مقیاس سالانه) و خوشه های داغ عمدتا در ارتفاعات البرز متمرکز هستند. پیش بینی ها گویای میانگین کاهشی منطقه معادل ۳۶۰- درجه- روز را در دهه ۲۰۲۶-۲۰۳۵ نشان می دهند، که با شدت بیشتر در فصول سرد و نواحی مرکزی مدلسازی شده است. این یافته ها در برنامه ریزی انرژی منطقه ای، طراحی ساختمان های کم مصرف و سیاست گذاری سازگاری با تغییرات اقلیمی کاربرد دارد. دورنمای آینده شامل گسترش مطالعه به سایر مناطق ایران، تلفیق عوامل اضافی مانند بارش و رطوبت، و بهره گیری از مدل های پیشرفته تر یادگیری ماشین برای افزایش دقت پیش بینی ها است تا مدیریت پایدار انرژی در مناطق سردسیر تقویت شود.

کلیدواژه ها:

تغییر اقلیم ، تقاضای انرژی ، معماری پایدار ، مناطق سرد ، رندوم فارست