پهنهبندی هوشمند آسیبپذیری شهر اهواز در برابر مخاطرات چندگانه با استفاده از GIS، سنجش از دور و هوش مصنوعی توضیحپذیر

گسترش کالبدی شهرها، تغییرات کاربری زمین، افزایش سطوح نفوذناپذیر و تشدید فشارهای اقلیمی موجب شده است که آسیبپذیری شهری در برابر مخاطرات محیطی به مسئلهای چندبعدی تبدیل شود. در چنین شرایطی، ارزیابی جداگانه مخاطراتی مانند گرمای شهری، آبگرفتگی و آلودگی هوا نمیتواند بهطور کامل الگوی فضایی آسیبپذیری شهر را تبیین کند. پژوهش حاضر با هدف پهنهبندی هوشمند آسیبپذیری شهر اهواز در برابر مخاطرات چندگانه و شناسایی عوامل موثر بر آن با استفاده از سیستم اطلاعات جغرافیایی، سنجشازدور و هوش مصنوعی توضیحپذیر انجام شده است. روش پژوهش از نظر هدف کاربردی و از نظر ماهیت، توصیفی - تحلیلی و مدلمحور است. در این پژوهش، دادههای سنجشازدور شامل تصاویر Landsat وSentinel، دادههای توپوگرافی، اطلاعات کاربری زمین، شاخصهای پوشش گیاهی و ساخت و ساز، دادههای آبگرفتگی، اطلاعات آلودگی هوا و متغیرهای جمعیتی و کالبدی در محیط GIS تلفیق میشوند. برای استخراج الگوی آسیبپذیری از الگوریتمهای Logistic Regression، Support Vector Machine، Random Forest و XGBoost استفاده شده و برای تبیین سهم متغیرها در خروجی مدل، روش SHAP به کار گرفته میشود. یافتههای پژوهش نشان میدهد که رویکرد چندمخاطرهای، در مقایسه با تحلیل منفرد هر مخاطره، ظرفیت بیشتری برای شناسایی نواحی دارای همپوشانی فشارهای محیطی و اجتماعی دارد. همچنین، ترکیب متغیرهایی نظیر دمای سطح زمین، پوشش گیاهی، شدت ساخت و ساز، سطوح نفوذناپذیر، شرایط آبگرفتگی، آلودگی هوا و تراکم جمعیت میتواند امکان شناسایی فضایی کانونهای آسیبپذیری را فراهم کند. استفاده از SHAP نیز امکان عبور از رویکرد «جعبه سیاه» و تشخیص سهم نسبی عوامل در پیشبینی آسیبپذیری را فراهم میسازد. بر این اساس، چارچوب پژوهش میتواند مبنایی برای اولویتبندی مداخلات مدیریت شهری، افزایش تابآوری و تخصیص هدفمند منابع در شهر اهواز باشد.

کلیدواژه ها:

آسیبپذیری شهری ، مخاطرات چندگانه ، هوش مصنوعی توضیحپذیر ، SHAP ، سنجشازدور.