تحلیل تاثیر اینترنت اشیا بر مدیریت هوشمند فضای سبز شهری

سال انتشار: 1405
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 68

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CASGC10_598

تاریخ نمایه سازی: 3 آبان 1405

چکیده مقاله:

هدف: با افزایش جمعیت شهری و تشدید بحران های زیست محیطی مانند کم آبی، گرمایش زمین و جزایر حرارتی شهری، مدیریت بهینه فضای سبز شهری به یکی از چالش های اساسی مدیران شهری تبدیل شده است. روش های سنتی نگهداری فضای سبز مبتنی بر برنامه های زمانی ثابت و بازدیدهای دوره ای، کارایی لازم را ندارند و منجر به هدررفت منابع، افزایش هزینه ها و کاهش سلامت درختان می شوند. هدف پژوهش حاضر تحلیل تاثیر اینترنت اشیا بر مدیریت هوشمند فضای سبز شهری و بررسی کاربردهای عملی آن در حوزه های آبیاری هوشمند، پایش سلامت درختان، مدیریت هرس و نگهداری پیش بینی کننده است. روش: این مطالعه با رویکرد مروری نظام مند و با بررسی منابع معتبر داخلی و بین المللی از پایگاه های داده علمی شامل ScienceDirect، IEEE، SID، Civilica و Magiran انجام شده است. پژوهش با تحلیل پروژه های عملی پیاده سازی شده در شهرهای ینا (آلمان)، بوخوم (آلمان)، فرانکفورت (آلمان)، کمپوباسو (ایتالیا)، بغداد (عراق) و بمبئی (هند) و بررسی مقالات علمی مرتبط با کاربرد اینترنت اشیا در مدیریت فضای سبز شهری، به شناسایی الگوهای موفق و چالش های پیاده سازی پرداخته است. نتایج: یافته ها نشان می دهد که شبکه های حسگر اینترنت اشیا با پایش بلادرنگ رطوبت خاک، دما، رطوبت هوا و شاخص های فیزیولوژیکی درختان، امکان گذار از مدیریت واکنشی به رویکرد پیش بینی کننده و مبتنی بر شواهد را فراهم می آورند. در پروژه شهر ینا، نصب حسگرهای رطوبت خاک در اعماق مختلف و انتقال داده ها از طریق شبکه LoRaWAN، برنامه ریزی آبیاری را بر اساس نیاز واقعی ممکن ساخته و بار کاری نیروی انسانی را کاهش داده است. در پروژه بوخوم، حسگرهای نصب شده بر روی درختان با پایش ارتعاشات، دما و پارامترهای محیطی، امکان تشخیص زودهنگام استرس درختان و پیش بینی خطر سقوط را فراهم کرده اند. سیستم BGI-Monitor با ترکیب داده های ماهواره ای کوپرنیکوس، حسگرهای اینترنت اشیا و مدل های با وضوح بالا، نمای بلادرنگی از سلامت پوشش گیاهی، رطوبت خاک و گرمای شهری ارائه می دهد. در حوزه آبیاری هوشمند، سیستم های مبتنی بر حسگرهای رطوبت خاک و الگوریتم های یادگیری ماشین، مصرف آب را تا ۳۰ درصد کاهش داده اند. یکپارچه سازی داده های سنسوری با مدل های یادگیری ماشین، منجر به افزایش ایمنی شهری، کاهش هزینه های نگهداری و ارتقاء سلامت اکوسیستم های شهری شده است. با این حال، چالش هایی نظیر هزینه های زیرساختی، نبود استانداردهای یکپارچه، محدودیت های اتصال به اینترنت و کمبود نیروی متخصص، موانع اصلی گسترش این فناوری هستند. پیشنهاد: بر اساس نتایج، پیشنهاد می شود که شهرداری ها با استقرار شبکه های حسگر هدفمند در فضاهای سبز کلیدی، استفاده از فناوری های ارتباطی کم مصرف مانند LoRaWAN، پیاده سازی سیستم های آبیاری هوشمند مبتنی بر داده های بلادرنگ، و توسعه پلتفرم های مدیریت یکپارچه داده، گام های عملی در جهت هوشمندسازی مدیریت فضای سبز شهری بردارند و استانداردهای ملی را برای جمع آوری و تبادل داده تدوین نمایند.

کلیدواژه ها:

نویسندگان

مجتبی مجد موسوی

مسئول امور اداری اداره برنامه ریزی و توسعه سرمایه انسانی، سازمان سیما ، منظر و فضای سبز شهری شهرداری شیراز .

مژگان زارعیان

بخش گیاه پزشکی سازمان سیما ، منظر و فضای سبز شهری شهرداری شیراز .