کاشت هدفمند گونه ها: بهینه سازی ترکیب فضای سبز شهری با الگوریتم های تکاملی(رهیافتی نوین برای مدیریت شهری )

فضای سبز شهری به عنوان یکی از ارکان اصلی زیرساخت های سبز، نقشی چندوجهی در کاهش آلودگی هوا، تعدیل جزیره حرارتی، مدیریت رواناب و ارتقای کیفیت زندگی شهروندان ایفا می کند. با این حال، رویکردهای سنتی کاشت درختان شهری غالبا بر افزایش کمی پوشش گیاهی متمرکز بوده و از بهینه سازی ترکیب گونه ای بر اساس نیازهای مکانی و اهداف اکولوژیکی غافل مانده اند. این مقاله چارچوبی نوین برای بهینه سازی ترکیب گونه های درختی شهری با استفاده از الگوریتم های تکاملی ارائه می دهد. در این چارچوب، ابتدا نیازهای محیطی و اکولوژیکی هر منطقه شهری (نظیر جذب ذرات معلق، کاهش دما، مدیریت رواناب و تنوع زیستی) استخراج شده و سپس با اثربخشی اکولوژیکی هر گونه درختی تطبیق داده می شود. الگوریتم ژنتیک چندهدفه NSGA-II به عنوان موتور بهینه سازی، فضای جستجوی ترکیب گونه ای را کاوش کرده و مجموعه ای از راه حل های پارتو-بهینه را ارائه می دهد که هر یک نمایانگر ترکیبی متفاوت از گونه ها با وزن دهی متناسب با اولویت های محلی است. نتایج مطالعات موردی در شهرهای فیلادلفیا، شیکاگو و تهران نشان می دهد که این چارچوب می تواند اثربخشی خدمات بوم سازگار را تا ۸۰ درصد در تنظیم خرداقلیم و ۲۰ درصد در مدیریت رواناب بهبود بخشد (Dong و همکاران، ۲۰۲۶). یافته های این پژوهش چارچوبی عملیاتی برای شهرداری ها فراهم می کند تا با اتخاذ رویکرد «کاشت هوشمندتر» به جای «کاشت بیشتر»، بهره وری اکولوژیکی فضای سبز شهری را بهینه سازند.

کلیدواژه ها:

بهینه سازی چندهدفه ، الگوریتم ژنتیک ، ترکیب گونه های درختی ، فضای سبز شهری ، خدمات بوم سازگار ، NSGA-II