تاثیر جزایر سرد شهری در کاهش جزایر حرارتی مطالعه موردی مناطق 2 و 4 کلان شهر تبریز
مهدی هریسچیان
1
(
دانشجوی دکترای جغرافیا و برنامه ریزی شهری، گروه جغرافیا و برنامه ریزی شهری، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز،
)
حسن محمودزاده- برنامه ریزی شهری
2
(
دانشیار گروه جغرافیا و برنامه ریزی شهری دانشگاه تبریز
)
رسول قربانی
3
(
استاد جغرافیا و برنامه ریزی شهری، گروه جغرافیا و برنامه ریزی شهری، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران
)
کلید واژه: جزایر حرارتی شهری, جزایر سرد شهری, زیرساخت های سبز, مدل سرمایش شهری, مناطق 2 و 4 تبریز,
چکیده مقاله :
در این پژوهش به ارزیابی تاثیرات جزایر سرد شهری (زیرساخت های سبز) موجود در مناطق 2 و 4 کلان شهر تبریز بر کاهش جزایر حرارتی شهری پرداخته شده است. در این تحقیق داده ها با استفاده از تصاویر ماهواره ای لندست، نقشه های کاربری اراضی مربوط به دوره های زمانی 1363، 1381 و 1401، داده های هواشناسی، جدول بیوفیزیکال و نقشه طرح تفصیلی 1395 شهرداری تبریز جمع آوری گردیده و با استفاده از GIS و مدل سرمایش شهری نرم افزار InVEST مورد تجزیه و تحلیل قرار گرفته است. نتایج نشان داد که در سال 1363 منطقه 2 با دارا بودن 04/10 درصد فضای سبز و منطقه 4 به ترتیب با 51/4 درصد فضای سبز و 08/32 درصد اراضی کشاورزی به ترتیب حدود 42/14 و 79/37 درصد، در سال 1381 منطقه 2 با فضای سبز در حدود 72/7 درصد و منطقه 4 با اراضی کشاورزی و فضای سبز در حدود 37/24 و 83/1 درصد به ترتیب حدود 46/10 و 10/27 درصد و در سال 1401 نیز منطقه 2 با فضای سبز و اراضی کشاورزی در حدود 96/12 و 155/0 درصد و منطقه 4 با اراضی کشاورزی و فضای سبز در حدود 74/19 و 09/3 درصد در بهترین حالت به ترتیب حدود 15/33 و 47/23 درصد توانسته اند، جزایر حرارتی شهری را کاهش دهند. همچنین نتایج نشان داد که در سال 1363 الگوی کاهش جزایر حرارتی شهری منطقه 2 بلوکی و تکه تکه، منطقه 4 بیشتر بلوکی و کمتر تکه تکه، در سال 1381 منطقه 2 خوشه ای و تکه تکه، منطقه 4 بیشتر بلوکی و کمتر خوشه ای و تکه تکه و در سال 1401 منطقه 2 بیشتر خوشه ای و کمتر بلوکی و تکه تکه، منطقه 4 نیز بیشتر بلوکی و بعد از آن تکه تکه بوده است. همچنین در سال 1363 مناطق 4 و 2 کلان شهر تبریز به ترتیب با 69688158 و 19337882، در سال 1381 نیز به ترتیب با 107206826و 58416241 و در سال 1401 مناطق 2 و 4 کلان شهر تبریز به ترتیب با 173423460 و 153319717 کیلو وات ساعت بیشترین میزان ذخیره انرژی ناشی از کاهش جزایر حرارتی شهری را داشته اند.
چکیده انگلیسی :
In this research, the effects of urban cold islands (green infrastructures) in districts 2 and 4 of Tabriz metropolitan on the mitigation of urban heat islands have been evaluated. In this research, data were collected using Landsat satellite images, land use maps related to the periods of 1984, 2002, and 2022, meteorological data, biophysical table, and detailed plan map of 2016Tabriz Municipality and using GIS and model Urban cooling has been analyzed by InVEST software. The results showed that in 1984, district 2 with 10.04% of green space and District 4 with 4.51% of green space and 32.08% of agricultural land, respectively, about 14.42% and 37.79% respectively, in 2002, district 2 with green space around 7.72% and district 4 with agricultural land and green space around 24.37 and 1.83%, respectively around 10.46 and 27.10% and in 2022 also district 2 With green space and agricultural land at about 12.96 and 0.155 percent, and district 4 with agricultural land and green space at about 19.74 and 3.09 percent, in the best case, about 33.15 and 23.47 percent, respectively mitigate urban heat islands. Also, the results showed that in 1984, the pattern of mitigating urban heat islands in District 2 was blocky and fragmented, and district 4 was more blocky and less fragmented, in 2002 district 2 was clustered and fragmented, district 4 was more blocky and less clustered and fragmented, and in 2022, district 2 was more clustered and less blocky and fragmented, and district 4 was more blocky and then fragmented. Also, in 1984, districts 4 and 2 of Tabriz Metropolitan with 69688158 and 19337882, respectively, in 2002 with 107206826 and 58416241 respectively, and in 2022, districts 2 and 4 of Tabriz Metropolitan with 173423460 and 153319717-kilowatt hours respectively have the highest amount of energy savings due to the mitigation of urban heat islands.
Journal of Research and Urban Planning (Isuue) |
|
Research Paper
The effect of urban cold islands in mitigating urban heat islands, a case study of Districts 2 and 4 of Tabriz Metropolitan
Mahdi Herischian: PhD student, Geography and Urban Planning, Department of Geography and Urban Planning, Faculty of Planning and Environmental Sciences, University of Tabriz, Tabriz, Iran
Hassan Mahmoudzadeh1: Associate Professor and Faculty Member of Islamic Azad University, Noor Branch, Iran
Rasoul Ghorbani: Assistant Professor, Department of Geography and Urban Planning, Faculty of Planning and Environmental Sciences, University of Tabriz, Tabriz, Iran
Abstract | ARTICL EINFO |
In recent decades, third-world countries have experienced more urban heat islands due to the sharp increase in urban land use and land cover and rapid urbanization. Urban heat islands reduce the quality of life of citizens and have a negative impact on sustainable urban development. Meanwhile, urban cold islands (urban green and blue infrastructures) play a major role in mitigating urban heat islands. Therefore, in this research, the effects of urban cold islands (green infrastructures) in districts 2 and 4 of Tabriz metropolitan on the mitigation of urban heat islands have been evaluated. In this research, data were collected using Landsat satellite images, land use maps related to the periods of 1984, 2002, and 2022, meteorological data, biophysical table, and detailed plan map of 2016Tabriz Municipality and using GIS and model Urban cooling has been analyzed by InVEST software. The results showed that in 1984, district 2 with 10.04% of green space and District 4 with 4.51% of green space and 32.08% of agricultural land, respectively, about 14.42% and 37.79% respectively, in 2002, district 2 with green space around 7.72% and district 4 with agricultural land and green space around 24.37 and 1.83%, respectively around 10.46 and 27.10% and in 2022 also district 2 With green space and agricultural land at about 12.96 and 0.155 percent, and district 4 with agricultural land and green space at about 19.74 and 3.09 percent, in the best case, about 33.15 and 23.47 percent, respectively mitigate urban heat islands. Also, the results showed that in 1984, the pattern of mitigating urban heat islands in District 2 was blocky and fragmented, and district 4 was more blocky and less fragmented, in 2002 district 2 was clustered and fragmented, district 4 was more blocky and less clustered and fragmented, and in 2022, district 2 was more clustered and less blocky and fragmented, and district 4 was more blocky and then fragmented. Also, in 1984, districts 4 and 2 of Tabriz Metropolitan with 69688158 and 19337882, respectively, in 2002 with 107206826 and 58416241 respectively, and in 2022, districts 2 and 4 of Tabriz Metropolitan with 173423460 and 153319717-kilowatt hours respectively have the highest amount of energy savings due to the mitigation of urban heat islands. | Received: Accepted: PP:
Use your device to scan and read the article online
Keywords: urban heat islands, urban cold islands, green infrastructure, urban cooling model, InVEST software, Districts 2 and 4 of Tabriz |
Citation: Herischian, M., Mahmoudzadeh, H., & Ghorbani, R. (2024). The effect of urban cold islands in mitigating urban heat islands, a case study of Districts 2 and 4 of Tabriz Metropolitan. Journal of Research and Urban Planning, Vol, No, PP DOI: DOR: |
Extended Abstract
[1] . Corresponding author: Hassan Mahmoudzadeh, Tel: +989143149252 Email: mahmoudzadeh@tabrizu.ac.ir
Introduction
Third world countries have experienced more urban heat islands due to the intense trend of urban land use and land cover changes and rapid urbanization in recent decades. Meanwhile, urban cold islands (green infrastructures) play a major role in mitigating urban heat islands. Among the various mitigation technologies and strategies of urban heat islands, green infrastructure (GI) including parks, trees, water bodies, green roofs and vertical green systems with low cost and affordability and optimal protection of the environment can mitigate surface urban heat islands contribute through processes of evaporation and transpiration, changing heat exchanges through advection and creating shade. Tabriz is one of the megacities of Iran that has experienced rapid urbanization and growth in recent decades. The problem of the challenge of urban heat islands has also become a serious issue in this metropolitan. Urban heat islands, along with polluted air and high temperatures, threaten Tabriz's urban viability and severely reduce the level of welfare and comfort of citizens. Therefore, this research aims to evaluate the role of urban cold islands (green infrastructures) in Districts 2 and 4 of Tabriz Metropolitan in mitigating urban heat islands.
Methodology
The current research is descriptive-analytical in terms of method and has a developmental-applicative nature. The required information was collected using library, documentary, electronic sources, surveys, and field observations. In this research, the urban cooling model from the InVEST 3.12.0 software package was used. The urban cooling model is one of the models that calculates the mitigation of urban heat islands based on shading, evaporation and transpiration, and albedo, as well as the distance from cooling islands (such as parks). In this index, vegetation cover is used to estimate the mitigation of heat islands. Finally, the model estimates the service value of heat island mitigation using two evaluation methods: energy consumption (potential energy reduction) and labor productivity (light and heavy work). The main inputs of this model include a land use and land cover raster map, a reference evaporation and transpiration raster map (et0) and a biophysical table including information about each of the land use/land cover map classes, a vector map of city buildings and an energy consumption table based on the type of buildings and air temperature. In this research, data related to Landsat satellite images (related to three time periods 1984, 2002, and 2022), land use/land cover, meteorological data, biophysical table, and detailed plan map of 2016 Tabriz municipality have been used. In this research, the data has been analyzed using GIS and the urban cooling model of InVEST software.
Results and discussion
The findings showed that land use/land cover has an increasing role in mitigating urban heat islands, so that in 1984, Districts 2 and 4 of Tabriz, in the best state, about 14.42% and 37.79%, respectively, mitigated urban heat islands. This year, District 2 of Tabriz Metropolitan had about 10.04% of green space and District 4 had about 4.51% of green space and 32.08% of agricultural land, respectively, therefore, due to having more green infrastructure, District 4 has been able to perform better than District 2 in mitigating urban heat islands. In 2002, Districts 2 and 4, in the best state, have been able to mitigate urban heat islands by 10.46% and 27.10%, respectively. The maximum amount of cooling in District 4 compared to District 2 in this year is due to the higher amount of land use related to agricultural land and green space, i.e. about 24.37 and 1.83 percent in this district compared to District 2, while District 2 had no use related to agricultural land and its green space was about 7.72%. In this way, this year, Tabriz District 4 has performed better in neutralizing urban heat islands compared to District 2. In 2022, Districts 2 and 4 of Tabriz, in the best state have been able to mitigate urban heat islands by 33.15 and 23.47 percent, respectively. In this year, the uses of green space and agricultural land in District 2 were about 12.96 and 0.155 percent, respectively, and District 4 was about 3.09 and 19.74 percent, so this year, District 2 compared to District 4, it has performed better in mitigating urban heat islands. Therefore, there is a difference between green infrastructures in mitigating urban heat islands, so green spaces play a greater and better role in mitigating urban heat islands than agricultural lands and pastures. In 1984, Districts 4 and 2 of Tabriz Metropolitan were 69688158 and 19337882, respectively, in 2002, 107206826, and 58416241, and in 2022, Districts 2 and 4 of Tabriz Metropolitan were 173423460 and 153319717-kilowatt hours, respectively have the highest amount of energy savings due to the mitigation of urban heat islands.
Conclusion
The results showed that urban cold islands, especially green infrastructure, play an important role in mitigating urban heat islands. The existing green infrastructures in Districts 2 and 4 of Tabriz Metropolitan in 1984, 2002, and 2022, respectively, have been able to mitigate 82.81, 82.86 and 82.88% of urban heat islands in parts of these areas which best state to mitigate urban heat islands is to neutralize them. The highest mitigation of urban heat islands in District 2 is related to the areas where there are urban-scale parks and large-scale green spaces with a surface and block pattern, such as the two urban parks of Eel Goli and Baghlar Baghi. After El Goli Park and Baghlar Baghi Park, the green spaces in Tabriz University and the Sacred Defense Museum Park play the biggest role in mitigating urban heat islands in Tabriz District 2, and the largest mitigation in heat islands in Tabriz District 4 is also related to Azarbaijan Park (Tabriz Great Park) which has a surface and block distribution pattern. Green infrastructure, which has a fragmented and clustered distribution pattern, could not work well in mitigating urban heat islands and therefore has low effects. Also, the results showed that the residential uses that were located in urban parks and urban green spaces, especially large-scale urban parks, had the highest amount of energy storage due to the mitigation of urban heat islands.
مقاله پژوهشی
تاثیر جزایر سرد شهری در کاهش جزایر حرارتی مطالعه موردی مناطق 2 و 4 کلان شهر تبریز
مهدی هریسچیان: دانشجوی دکتری، گروه جغرافیا و برنامه ریزی شهری، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران
حسن محمودزاده1: دانشیار، گروه جغرافیا و برنامه ریزی شهری، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران
رسول قربانی: استاد، گروه جغرافیا و برنامه ریزی شهری، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران
اطلاعات مقاله | چکیده |
تاریخ دریافت: تاریخ پذیرش: شماره صفحات:
از دستگاه خود برای اسکن و خواندن
واژه‌های کلیدی: جزایر حرارتی شهری، جزایر سرد شهری، زیرساخت های سبز، مدل سرمایش شهری، نرم افزار InVEST، مناطق 2 و 4 تبریز | کشورهای جهان سوم در طی دهه های اخیر در پی افزایش شدید تغییرات کاربری و پوشش اراضی شهری و شهرنشینی سریع، جزایر حرارتی شهری بیشتری را تجربه کرده اند. جزایر حرارتی شهری کیفیت زندگی شهروندان را کاهش داده و بر توسعه پایدار شهری تاثیر منفی می گذارد. در این بین جزایر سرد شهری (زیرساخت های سبز و آبی شهری) در کاهش جزایر حرارتی شهری نقش عمده ای را ایفا می کنند. فلذا در این پژوهش به ارزیابی تاثیرات جزایر سرد شهری (زیرساخت های سبز) موجود در مناطق 2 و 4 کلان شهر تبریز بر کاهش جزایر حرارتی شهری پرداخته شده است. در این تحقیق داده ها با استفاده از تصاویر ماهواره ای لندست، نقشه های کاربری اراضی مربوط به دوره های زمانی 1363، 1381 و 1401، داده های هواشناسی، جدول بیوفیزیکال و نقشه طرح تفصیلی 1395 شهرداری تبریز جمع آوری گردیده و با استفاده از GIS و مدل سرمایش شهری نرم افزار InVEST مورد تجزیه و تحلیل قرار گرفته است. نتایج نشان داد که در سال 1363 منطقه 2 با دارا بودن 04/10 درصد فضای سبز و منطقه 4 به ترتیب با 51/4 درصد فضای سبز و 08/32 درصد اراضی کشاورزی به ترتیب حدود 42/14 و 79/37 درصد، در سال 1381 منطقه 2 با فضای سبز در حدود 72/7 درصد و منطقه 4 با اراضی کشاورزی و فضای سبز در حدود 37/24 و 83/1 درصد به ترتیب حدود 46/10 و 10/27 درصد و در سال 1401 نیز منطقه 2 با فضای سبز و اراضی کشاورزی در حدود 96/12 و 155/0 درصد و منطقه 4 با اراضی کشاورزی و فضای سبز در حدود 74/19 و 09/3 درصد در بهترین حالت به ترتیب حدود 15/33 و 47/23 درصد توانسته اند، جزایر حرارتی شهری را کاهش دهند. همچنین نتایج نشان داد که در سال 1363 الگوی کاهش جزایر حرارتی شهری منطقه 2 بلوکی و تکه تکه، منطقه 4 بیشتر بلوکی و کمتر تکه تکه، در سال 1381 منطقه 2 خوشه ای و تکه تکه، منطقه 4 بیشتر بلوکی و کمتر خوشه ای و تکه تکه و در سال 1401 منطقه 2 بیشتر خوشه ای و کمتر بلوکی و تکه تکه، منطقه 4 نیز بیشتر بلوکی و بعد از آن تکه تکه بوده است. همچنین در سال 1363 مناطق 4 و 2 کلان شهر تبریز به ترتیب با 69688158 و 19337882، در سال 1381 نیز به ترتیب با 107206826و 58416241 و در سال 1401 مناطق 2 و 4 کلان شهر تبریز به ترتیب با 173423460 و 153319717 کیلو وات ساعت بیشترین میزان ذخیره انرژی ناشی از کاهش جزایر حرارتی شهری را داشته اند. |
استناد: هریسچیان، مهدی؛ محمودزاده، حسن و رسول قربانی. (1402). تاثیر جزایر سرد شهری در کاهش جزایر حرارتی مطالعه موردی مناطق 2 و 4 کلان شهر تبریز. فصلنامه پژوهش و برنامه‌ریزی شهری، سال، شماره، مرودشت: صص DOI: DOR: |
[1] . نویسنده مسئول: حسن محمودزاده، تلفن: 09143149252، پست الکترونیکی: mahmoudzadeh@tabrizu.ac.ir
مقدمه
امروزه عوامل متعددی از جمله تخریب پوشش های سبز شهری و افزایش بی رویه آلاینده های زیست محیطی در نواحی شهری سبب حبس شدن انرژی تابشی خورشید و بروز پدیده جزیره حرارتی شهری می گردد که پیامدهای خطرناکی از جمله انتقال آلودگی هوا و ذرات پراکنده سمی را به همراه دارد .(Ramezani & Naghibi, 2020: 195) در پدیده جزیره حرارتی شهری، دما در مرکز شهر بالاتر از دمای حومه شهر است (Howard, 2013). میزان بالای گرمای ناشی از فعالیت های انسانی، کاهش پوشش گیاهی شهری، و ساختارهای سکونتگاهی با تراکم بالا بدون راهروهای بادی از جمله عوامل مهم ایجاد و افزایش میزان جزایر حرارتی شهری و افزایش تاثیرات ناشی از آن می باشد. این پدیده ارتباط نزدیکی با اندازه شهر، تراکم جمعیت، مصرف انرژی و تراکم ساختمانی داشته و تأثیرات جدی بر سلامت و رفاه انسانی دارد (Sailor & Dietsch, 2007; Costa et al, 2014; Godish et al, 2014; World Health Organization, 2014; Rocklöv et al, 2014; Estrada at al, 2017; Smith et al, 2015). پدیده جزایر حرارتی شهری جزء ابرچالش هایی است که بشر با آن مواجه شده است (An et al, 2020; Kovats et al, 2005; Song et al, 2020). جزایر حرارتی شهری نه تنها باعث ایجاد فرآیندهای زوال اکولوژیکی شهری مانند گرمای شدید، غلظت بالای PM2.5(یکی از عوامل اصلی آلودگی هوا) و چرخه هیدرولوژیکی نامتوازن می شود، بلکه به طور غیرمستقیم بر فضای عملکردی و رفتاری زندگی ساکنان شهری نیز تأثیر می گذارد (Zhou & Shepherd, 2010; Ulpiani, 2021; Rizwan et al, 2008; Kondo et al, 2021). علاوه بر این جزایر حرارتی پایدار شهری، یک تهدید بالقوه برای سلامتی افراد مسن و نوزادان است .(Van Der Hoeven & Wandl, 2015) افزایش دما با افزایش میزان مرگ و میر و عوارض ناشی از تنش گرمایی نیز رابطه مستقیم دارد. گرمازدگی یکی از شایع‌ترین و تهدیدکننده‌ترین بیماری‌هایی است که عموماً در اثر گرمای شدید رخ میدهد، زمانی که دمای داخلی بدن فرد به 103 درجه فارنهایت1 (۹۰/۴۳ درجه سانتیگراد) می‌رسد. این افزایش دمای آنی، مکانیسم کار بسیاری از اندام‌های بدن را مختل کرده و ممکن است در عرض چند ساعت منجر به مرگ فرد شود (Heidari et al, 2020). جزایر حرارتی، بهره وری کارگران را کاهش داده و از این طریق، پیامدهای اقتصادی منفی ایجاد می کند .(Kjellstrom et al, 2016) همچنین این پدیده، مصرف انرژی را به دلیل استفاده بیشتر برای تهویه مطبوع افزایش می دهد(Abel et al, 2018; Wang et al, 2016; Taslim et al, 2015; Kolokotsa et al, 2013; Priyadarsin, 2012; Zinzi & Agnoli, 2012). که در نهایت منجر به افزایش مصرف انرژی الکتریکی ناشی از سوخت‌های فسیلی و در نتیجه بدتر شدن کیفیت هوا و افزایش انتشار گازهای گلخانه‌ای می شود (Walcek & Yuan, 1995; Taha, 1997; Cohen et al, 2004). همچنین جزایر حرارتی شهری موجب افزایش استفاده از انرژی و در نتیجه موجب افزایش انتشار کربن در اشل جهانی است (Oke, 1982). بدیهی است که جزایر حرارتی شهری همراه با افزایش دمای سطح زمین2 می تواند مجموعه ای از مشکلات اقتصادی، اجتماعی، اقلیمی و زیست محیطی ایجاد کند که کیفیت زندگی شهروندان را به شدت کاهش می دهد (Das & Das, 2020; Dwivedi & Mohan, 2018; Santamouris, 2020). بدین ترتیب جزایر حرارتی شهری می تواند به شدت بر توسعه پایدار شهرها و مناطق اطراف آنها تأثیر بگذارد (Sharma et al, 2016).
در میان فن‌آوری ها و استراتژی های کاهشی مختلف جزایر حرارتی شهری، زیرساخت‌های سبز (GI3) از جمله پارک‌ها، درختان، بدنههای آبی، بام‌های سبز و سیستم‌های سبز عمودی می‌توانند به کاهش دمای سطح زمین (LSTs4) و کاهش جزایر حرارتی شهری سطحی (SUHI5) از طریق محافظت در برابر تشعشعات خورشیدی، خنک سازی سطوح از طریق تبخیر و تعرق و تغییر تبادلات حرارتی از طریق فرارفت کمک کنند .(Erell et al, 2011; Santamouris, 2014, 2015; Spronken-Smith et al, 2000) زیرساخت های سبز و آبی شهری اثر خنک کنندگی قابل توجهی دارد که می تواند خرداقلیم های محلی را از طریق اثر خنک کنندگی خود بهبود بخشد، از این رو این زیرساخت ها به عنوان جزایر سرد شهری شناخته می شوند .(Chen et al, 2022)در عین حال، زیرساخت های آبی و سبز شهری به عنوان روشی امیدآفرین محسوب می شود، زیرا به هزینه های زیادی نیاز نداشته و به حفاظت از محیط زیست نیز کمک می کند (Martins et al, 2016). با این حال، با توسعه سریع شهرها، جزایر سرد شهری به تدریج در حال شکاف، کوچک شدن و تکه تکه شدن است (Dong et al, 2022) که بر ظرفیت خنک کنندگی جزایر سرد تأثیر می گذارد. از طرفی به دلیل محدودیت های کاربری اراضی در داخل شهر، امکان این نیست که زیرساخت های آبی و سبز شهری به طور نامحدود جهت خنک سازی شهری افزایش یابد .(Qiu et al, 2023: 1) مناطق شهری دارایی های کالبدی و انسانی زیادی دارند و همچنین دارای مسائل شهرنشینی زیادی نیز هستند که این مسائل در کشورهای در حال توسعه شدیدتر از کشورهای توسعه یافته است (Dissanayake et al, 2019) که برخی از این مسائل غیر قابل برگشت بوده ولی برخی از آنها را می توان با شناسایی در مراحل اولیه مدیریت کرد (Dissanayake et al, 2019; Ranagalage et al, 2018) که از جمله این مسائل، مسئله جزایر حرارتی شهری است. تبریز یکی از کلان شهرهای ایران است که در طی دهه های اخیر شهرنشینی و رشد سریعی را تجربه کرده است. مشکل چالش جزایر حرارتی شهری در این کلان شهر به یک مسئله جدي تبدیل شده است. متوسط دما در این کلان شهر همانند سایر مناطق کشور به طور متوالی در حال افزایش است. جزایر حرارتی شهري همراه با هواي آلوده و درجه حرارت بالا، زیست پذیري شهري را در کلان شهر تبریز تهدید می کند .(Azadi Mubaraky & Ahmadi, 2020: 248) الگوی جزیره حرارتی شهری تبریز یک الگوی پیرامونی و از نوع مثلثی شکل بوده، به طوری که هر چه از مرکز شهر به جهات مختلف آن پیش برویم، بر مقدار دمای سطح زمین و کانون های جزایر حرارتی شهری افزوده می شود .(Ibid, 2021: 60) البته در چالش جزایر حرارتی شهری تبریز ضعف مدیریت شهری تبریز در تملک اراضی پادگان ارتش را نیز نباید نادیده گرفت که با تبدیل این اراضی به زیرساخت های سبز شهری می توانست آن را به کریدور تهویه طبیعی هوای تبریز تبدیل نموده و باعث کاهش جزایر حرارتی میدان ساعت و بازار تبریز شود که نه تنها این کاربری به زیرساخت های سبز از جمله پارک و فضای سبز تبدیل نشد، بلکه بیش از 250 درخت از درختان این پادگان هم قطع شده و به ساخت و ساز شهری اختصاص یافت. با توجه به موارد ذکر شده هدف این پژوهش ارزیابی نقش جزایر سرد شهری (زیرساخت های سبز) مناطق 2 و 4 کلان شهر تبریز در کاهش جزایر حرارتی شهری است. همچنین سوالات پژوهش پیش رو عبارت است از: مهم ترین جزایر سرد شهری که در کاهش جزایر حرارتی شهری مناطق 2 و 4 تبریز نقش بیشتری دارند کدام اند؟ جزایر سرد شهری مناطق 2 و 4 تبریز تا چه میزان از جزایر حرارتی شهری را توانسته اند خنثی کنند؟ الگوی کاهش جزایر حرارتی شهری مناطق 2 و 4 تبریز از چه نوع می باشد؟
پیشینه و مبانی نظری تحقیق
جزایر حرارتی شهری به شهر یا منطقه ای گفته می شود که دمای آن به میزان قابل توجهی ببیشتر از مناطق اطراف است یا این که جزایر حرارتی شهری به حالتی اطلاق می شود که در آن دمای هوای شهر مربوطه بیشتر از مناطق روستایی اطراف است. عوامل زيادي در ايجاد جزاير حرارتي نقش دارند مانند سرعت باد، مصالح ساختماني، فضاي سبز شهري، كارخانه ها، صنايع بزرگ و ساير فعاليت هاي انساني، شكل تابش خورشيد و... ( .(Valizadeh Kamran et al, 2017: 35این مورد در درجه اول به دلیل ظرفیت حرارتی بالای مصالح ساختمانی است. کاهش جریان حرارتی نهانی به دلیل افزایش جریان فاضلاب آب های سطحی، افزایش ناشی از فعالیت های انسانی که دارای همزمانی با کاهش کمیت فضاهای باز و سبز در بافت های شهری باشند، است. جزایر حرارتی شهری زمانی اتفاق می‌افتد که بخش بزرگی از محیط‌های شهری با سطوحی از قبیل سنگ فرش، ساختمان‌ها و سایر سطوح جاذب و نگه‌دارنده گرما جایگزین پوشش طبیعی زمین میشود. در نتیجه دما و به تبع آن هزینه‌های انرژی افزایش می‌یابد و به افزایش بیماری‌ها و مرگ‌ومیر ناشی از گرما و به افزایش آلودگی هوا کمک می‌کند .(Yuan et al, 2022) سازه‌های دست‌ساز، مانند مساکن و جاده‌ها، گرمای ناشی از نور خورشید را با میزان بیشتری نسبت به زیستگاه‌های طبیعی، مانند جنگل‌ها و توده‌های آبی، جذب و دوباره منتشر می‌کنند. امروزه روند رشد جمعیت در نواحی شهری و روستایی و تمایل به زندگی شهری و شهرنشینی سبب تغییرات گسترده کاربری اراضی در نواحی شهری و پیرامون شهرها شده است که تاثیرات سوء زیست محیطی و اجتماعی- اقتصادی زیادی به همراه داشته است.(Akbari et al, 2020: 167) به دلیل تراکم بالای این سازه ها و کمبود فضای سبز در مجاورت، مناطق شهری جزایری با دمای بالاتر در مقایسه با مناطق روستایی اطراف ایجاد می کنند .(Effect, 2022) همچنین، تغییر دمای سطح زمین در طول روز و شب نیز بر جزایر حرارتی شهری تأثیر می گذارد. طبق تحقیقات انجام شده توسط بالا6 و همکاران (2020)، دمای روز بیشتر تحت تأثیر پوشش گیاهی است، در حالی که شب تحت تأثیر نفوذناپذیری پوشش سطحی است. همچنین تحقیق دیگری توسط بالا و همکاران (2021) نشان داد که همبستگی مثبت بین زمین های بایر و مناطق ساخته شده، با جزایر حرارتی شهری در طول روز وجود دارد که نشان دهنده اثر معکوس پوشش گیاهی است. تغییرات کاربری و پوشش اراضی از جمله عوامل مهم در جزایر حرارتی شهری و تغییرات آن می باشد. تغییرات سریع در کاربری و پوشش اراضی شهری همراه با افزایش جمعیت شهری رخ می دهد (Ramachandra et al, 2018). جمعیت شهری در نتیجه جابجایی مستمر از روستاها که نیازمند فرصت های شغلی بهتر هستند، به سرعت در حال افزایش است (Dutta et al, 2021). ایجاد و توزیع کاربری و پوشش اراضی مانند ساختمان‌ها، بزرگراه‌ها و مناطق سبز در مناطق شهری به شدت با افزایش دمای سطح زمین مرتبط است، به طوری که هر جزء دارای کیفیت حرارتی و تشعشع منحصر به فرد خود است (Bokaie et al, 2016). تغییرات در کاربری و پوشش اراضی شهری، تغییرات اقلیمی را تسریع می کند؛ زیرا کاربری و پوشش اراضی با کاهش تنوع زیستی و تولید اثر جزایر حرارتی شهری مرتبط است .(Kafy et al, 2021) کاهش کاربری اراضی کشاورزی و آبی همراه با افزایش جذب تابش نور خورشید منجر به افزایش دمای سطح زمین و اثرات مضر بر آب و هوا و زندگی انسان می شود (Owen et al, 1998; Fadhil et al, 2023). شناسایی مناسب ویژگی های شهری/روستایی برای درک ویژگی‌های حرارتی و رطوبتی محیط زیست شهری و چالش های انسانی مرتبط ضروری است.(Steeneveld et al, 2011) همچنین میزان رطوبت را می توان با میزان و نوع کاربری و پوشش اراضی منطقه شهری تغییر داد: از قبیل کاهش میزان پوشش گیاهی و آب و برعکس، مناطق بزرگ سطح زمین که غیرقابل نفوذ هستند، باعث کاهش رطوبت می شوند که منجر به ایجاد جزایر خشک شهری (UDI7) به ویژه در طول روز می شوند .(Liu et al, 2009; Moriwaki et al, 2013)جزایر حرارتی شهری تحت تأثیر تعدادی از مولفه های هواشناسی، عمدتاً باد و پوشش ابر نیز قرار دارد .(Sundborg, 1950)اولین معیار در این زمینه انتقال توده هوایی و دومین معیار هم اختلاط هوایی است که هر دو معیار موجب کاهش تفاوت های دمایی هستند که در این زمینه دومین معیار مستقیماً بر تشعشعات موج کوتاه و بلند تأثیر می گذارد. سرعت کم باد با اثر جزایر حرارتی شهری مرتبط است. این مورد در جایی که ساختمان ها فشرده و نزدیک به یکدیگر هستند، رایج تر بوده و می تواند گردش هوا را محدود کند .(Leal Filho et al, 2017)
جزایر سرد شهری (زیرساخت های سبز شهری) و نقش آن در کاهش جزایر حرارتی شهری
استفاده از زیرساخت‌های سبز شهری و توزیع متوازن درختان در خیابان‌ها و فضاهای باز در شهرها به عنوان موثرترین استراتژی جهت کاهش جزایر حرارتی شهری و افزایش درجه آسایش حرارتی انسان محسوب می شود .(Saaroni et al, 2018) این زیرساخت ها جزء "تکنیک های تغییر میکرواقلیم" شامل تغییرات محیط فیزیکی با استفاده از پوشش گیاهی هستند (Gago et al, 2013; Norton et a, 2015; Saaroni et al, 2018; Solecki et al, 2005). فضاهای سبز جدید امکان کاهش دمای سطح زمین و به حداقل رساندن اثرات جزایر حرارتی شهری را فراهم می کنند، از این رو کیفیت زندگی ساکنان محلی را بهبود می بخشد. سایه ایجاد شده توسط درختان از نفوذ گرمای ناشی از تابش نورخورشید به دیواره‌های نفوذناپذیر جلوگیری می‌کند که در نتیجه آن گرمای کمتری به جو منتشر می شود (Hidalgo & Arco, 2021). در عین حال، تبخیر و تعرق عناصر گیاهی، به آنها اجازه می دهد تا بخشی از رطوبت خود را در جو آزاد کنند که اثر خنک کنندگی محیطی داشته و در نهایت منجر به کاهش دمای سطح زمین و جزایر حرارتی شهری می شود (Gago et al, 2013; Solecki et al, 2005).
زیرساخت های آبی و سبز شهری جزء جزایر سرد اصلی شهری می باشند که در تغییرات عمده آب و هوایی از طریق کاهش جزایر حرارتی شهری نقش عمده ای را ایفا می کنند. زمین پارک ها جزء جزایر سرد اصلی شهری می باشد و قدرت خنک کنندگی، محدوده خنک کنندگی و همچنین راندمان خنک کنندگی آن عمدتاً تحت تأثیر ناحیه دارای جزایر سرد است .(Gao et al, 2022) زیرساخت های سبز می توانند به طور چشمگیری اثرات جزایر حرارتی شهری را از طریق اثرات خنک کنندگی بسته به عناصر زیرساخت سبز و همچنین ساختار عملکرد فضایی زیرساخت سبز کاهش دهند. با وجود شهرنشینی سریع، فضاهای سبز و آبی درون شهرها در حال از بین رفتن و تکه تکه شدن هستند. مطالعات نشان داده اند که جزایر سرد با میزان پیوستگی بالا می تواند اثرات خنک کنندگی بیشتر و بهتری داشته و به عنوان یک رویکرد اکوسیستمی برای کمک به سازگاری با فشار حرارتی استفاده شود .(Depietri, 2020) لین8 و همکاران (2021) تأثیر ویژگی‌های مورفولوژیکی فضایی فضاهای سبز را بر میزان و شدت جزایر حرارتی شهری نشان دادند و بیان کردند که بلوک‌های فضای سبز تکه تکه شده بایستی جهت افزایش ظرفیت خنک‌کنندگی دارای پیوستگی بوده و باهم در ارتباط باشند. ماراندو9 و همکاران(2022)، دیپایتری(2020) و کیان و لی10 (2023) نشان دادند که زیرساخت های سبز با فاصله نزدیک و با درجه اتصال مناسب در خنک‌سازی مؤثرتر است. اکسای11 و همکاران (2015) دریافتند که افزایش تعداد مناطق حیاتی که به اتصال جزایر سرد کمک می کنند یک استراتژی موثر برای بهبود جزایر حرارتی شهری است. مطالعات بالا نشان می دهد که افزایش اتصال جزایر سرد به طور موثری انفکاک و تکه تکه شدگی جزایر سرد را مهار کرده، اثر خنک کنندگی آنها را تا حدود زیادی افزایش داده و ریزاقلیم شهری را بهبود می بخشد .(Villanueva-Solis et al, 2013)علاوه بر این، شبکه خنک کننده در کاهش تکه تکه شدگی جزایر سرد، پیوستگی زیرساخت های سبز شهری، بهبود هر چه بیشتر فشار حرارتی شهری و ظرفیت کاهش حرارتی موثر است .(Qiu et al, 2023: 2)کشورهایی که دارای شهرنشینی سریع بوده اند زیرساخت های سبز موجود در آن ها بیشتر از نوع تکه تکه بوده است. با توجه به این که کشورهای در حال توسعه در طی دهه های اخیر شهرنشینی شتابان و سریعی را تجربه کرده اند، از این رو جزایر سرد شهری در شهرهای این کشورها خاصه کلان شهرها از نوع تکه تکه و خوشه ای بوده است. از این رو کاهش جزایر حرارتی شهری چندان مناسب و بهینه ای را در این کشورها شاهد نیستیم که این مورد بر کیفیت زندگی و سطح آسایش حرارتی شهروندان این کشورها تاثیر منفی می گذارد. مناطق با پارک های شهری، دریاچه ها و کوه ها که در یک الگوی سطحی و بلوکی توزیع شده اند، در مقایسه با مناطق مسکونی شهری اثرات کاهشی جزایر حرارتی بیشتری را از خود نشان می دهند (Hu et al, 2023: 17). در رابطه با نقش زیرساخت های سبز شهری در کاهش جزایر حرارتی شهری، تحقیقات زیادی در سطح داخلی و خارجی انجام شده که در جدول 1 به نمونه هایی از آن ها اشاره می شود.
جدول1- پیشینه تحقیق
نتایج پژوهش | عنوان پژوهش | نویسنده گان (سال) |
نتایج نشان داد که حداکثرهای دمایی سطح در پهنه های متراکم شهری با بلند مرتبه سازی های گسترده، و با وجود مصالحی با تخلخل و آلبدوی کم و پوشش گیاهی ضعیف و تنک حضور گسترده ای دارند و در مکان هایی با تراکم پوشش گیاهی بالا و مصالحی با آلبدو و تخلخل زیاد مانند پارک های شهری حداقل دمای سطح را خواهیم داشت. همچنین نتایج حاکی از همبستگی معنادار بین جزایر حرارتی و پوشش گیاهی و مصالح بود که با افزایش پوشش گیاهی جزایر حرارتی کاهش می یابد و بالعکس با افزایش میزان مصالحی با آلبدوی پایین میزان جزایر حرارتی افزایش می یابد. | کاهش اثر جزایر حرارتی از طریق طراحی محیطی نمونه موردی منطقه ۶ شهرداری تهران
| ونایی (1395) |
نتایج شبیهسازی برای تابستان 2015 میلادی نشان میدهد که در سه نقطه انتخاب شده باوجود نزدیکی فواصل، حدود 1 درجه تفاوت دمایی مشاهده میشود که نزدیکی به بدنههای آبی و به خصوص فضای سبز از عوامل اصلی تأثیرگذار میباشند و همچنین دادههای زمینی انطباق نسبی با روند تغییرات در نقاط دارند. بر این اساس، سناریوهای مختلفی از حضور فضای سبز پیشنهاد و به کمک شبیهسازی مورد ارزیابی قرار گرفت. نتایج نشان داد که فضاهای سبز خرد میتواند در صورت طراحی مناسب و بر مبنای اصول علمی تأثیر مناسبی در تعدیل اثرات جزایر حرارتی در مقیاسهای کوچک داشته باشد. | بررسی روش ترکیبی در تشخیص جزایر گرمایی و راهکار تعدیل از طریق ظرفیت فضای سبز شهری (مورد مطالعه: شهر اصفهان)
| شوشتری و همکاران (1397) |
نتایج نشان داد که استراتژی های کاهش اثر (شامل تغییر رنگ پشت بام ها و جداره های شهری به رنگ هایی با انعکاس بیشتر و...) و استراتژی های سازگاری (شامل آموزش شهروندان با هدف وفق با دماهای بیشتر، ترویج و آموزش شهروندان در زمینه صرفه جویی در مصرف برق و گاز و بهره گیری از روش های جلب مشارکت شهروندان) بیشترین امکان اجرا در کلان شهر تهران را داراست. به صورت کلی، استراتژی های کاهش اثر امکان بیشتری برای اجرا در شهر تهران را داراست. نیاز به تغییر رویکرد از استراتژی های کاهش اثر به سوی استراتژی های سازگاری در سیاست های کلان مقابله با جزایر حرارتی احساس می شود. | امکان سنجی بهره گیری از استراتژی های سازگاری و کاهش اثر در مقابله با جزایرحرارتی شهری (مطالعه موردی: کلان شهر تهران)
| برهانی و همکاران (1399) |
یافته‌ها حاکی از آن است که هرچقدر نسبت ارتفاع به عرض بیشتر شود، دسترسی نور خورشید به محیط کمتر میشود و در نتیجه دمای محیط کاهش می‌یابد. همچنین سایه‌اندازی ناشی از نسبت (H/w)، وجود گیاهان و باد در دره‌های شهری میتواند دمای محیط را کاهش دهد. علاوه بر آن کاهش سطوح نفوذناپذیر پوشش‌های شهری و وجود مصالح با آلبدوی بالا، باعث افزایش در تبخیر و تعرق میشود که شرایط خنک‌تر شدن محیط‌های شهری را مهیا می‌کند و سبب کاهش تأثیرات نامطلوب گرمای شهری بر سلامت انسان میشود. همچنین نتایج نشان داد که ایجاد سایه‌اندازی از طریق ترکیب پوشش گیاهی و همچنین ایجاد تغییرات متنوع در ساختارهای ارتفاع به عرض (H/w) که هم سایه‌اندازی را افزایش دهد و هم در بخش‌هایی راه را برای انتشار گرمای محیط باز نماید، میتواند در کاهش دمای محیط و سطوح، تأثیرگذار باشد. همچنین استفاده از سطوح شهری نفوذپذیر و انتخاب مصالح جداره‌های ساختمان‌ها با بازتابش کم در جذب کمتر نور خورشید تأثیرگذار است و میتواند شدت جزایر حرارتی شهری را کاهش دهد. | کاهش تأثیرات جزایر حرارتی شهری بر سلامت انسان‌ها از طریق تغییرات فرم شهری در اقلیم گرم و خشک شهر مشهد (نمونه موردی الگوی بافت شطرنجی محله شاهد و بافت ارگانیک محله پاچنار)
| ثناگر دربانی و همکاران (1399) |
نتایج نشان داد که 61 درصد از نواحی دارای پارک شهری با توجه به دمای سطح زمین در "مناطق سرد" قرار دارند. تجزیه و تحلیل خوشه‌ای سیستم بخشی نشان داد که 31 پارک شهری را می‌توان به سه دسته براساس ظرفیت خنک‌کنندگی و چهار شاخص نرمال‌شده خنک‌کننده پارک طبقه‌بندی کرد که هر کدام اثرات سرمایشی متفاوتی را نشان می‌دهند. همچنین در این پژوهش مفهوم مقدار آستانه بهره وری (TVoE12) بر اساس گرادیان خنک کنندگی پارک برای تعیین اندازه بهینه پارک محاسبه شد. این میزان 08/1 هکتار تعیین شد که نشان میدهد برنامه‌ریزی پارک شهری باید طراحی پارک‌های شهری با این اندازه را در نظر بگیرد، زیرا آنها میزان آسایش حرارتی شهری را تا حدود زیادی بهبود می بخشند. | چگونه می توان پارک های شهری را برای کاهش تاثیرات جزایر حرارتی شهری در "شهرهای کوره ای" برنامه ریزی کرد؟ دیدگاه انباشت | یائو13 و همکاران (2022) |
نتایج نشان داد که پارک‌های شهری تأثیر قابل‌توجهی بر خنک سازی دارد: 1) پارک گیاه شناسی سردترین پارک با میانگین دمای هوای 55/33 درجه سانتیگراد بود، پس از آن پارک نیکو14 (33/34 درجه سانتیگراد)، پارک طبیعی15 (48/34 درجه سانتیگراد)، رابیندرا سرابور16 (55/34 درجه سانتیگراد)، و پارک مرکزی (65/36 درجه سانتیگراد) قرار داشتند. 2) دمای نسبی سطح زمین با PV همبستگی منفی را از خود نشان داد (51/0 R=- برای پارک گیاه شناسی؛ R=-65/0 برای پارک طبیعی؛57/0R=- برای پارک مرکزی) و 3) در نهایت، سبزینگی تأثیر منفی بر الگوی حرارتی در منطقه کلان شهری کلکته (R=-16/0) داشت. بنابراین، از نتایج مستند شد که پارک‌های شهری (به عنوان فضاهای سبز) دارای اثر خنک‌کنندگی در مناطق اطراف هستند. | کمی سازی اثرات خنک کنندگی فضای سبز شهری: مطالعه موردی پارک های شهری منطقه گرمسیری مگا کلان شهری17 (هند) | داس18 و همکاران (2022) |
نتایج نشان داد که نوع غالب زون های آب و هوای محلی پوشش اراضی ساخته شده از رتبه میان رده باز (LCZ19 5) به رتبه بالارده ی باز (LCZ 4) تغییر کرده است. علاوه بر این، تقریباً همه انواع پوشش های طبیعی اراضی حوزه های اقلیم محلی، به جز "درختان متراکم" (LCZ A) همه روند نزولی داشته اند. مقایسه تغییرات پوشش اراضی با میزان جزایر حرارتی محاسبه‌شده در سال‌های مربوطه نشان داد که جزایر حرارتی (از0/3 درجه سانتیگراد به 3/3 درجه سانتیگراد) از سال 2008 تا 2013 افزایش را نشان می دهد. در نقطه مقابل، جزایر حرارتی از سال2013 تا 2018 حتی با وجود میزان شهرنشینی سریع به 1/3 درجه سانتیگراد کاهش یافته است. تغییرات پوشش اراضی در راستای هدف توسعه ای شهر که از «ایجاد یک شهر مدرن» به «ایجاد یک شهر زیست پذیر» تغییر کرد، متفاوت بوده است. جزایر حرارتی با ترویج آرایش باز زون های اقلیم محلی و بهبود اکوسیستم "سبز" کاهش یافته که نشان دهنده یک استراتژی بالقوه جهت دستیابی به توسعه پایدار در طی شهرنشینی سریع است. | نمونه هایی از کاهش میزان جزایر حرارتی شهری در طی شهرنشینی سریع با استفاده از حوزه های اقلیم محلی | وانگ20 و همکاران (2023) |
نتایج نشان داد که تاثیر پوشش گیاهی اضافه شده را تنها می‌توان بر روی سطوح اصلاح‌شده و یا در مجاورت آنها مشاهده کرد. مخصوصا این که فضای سبز متراکم شهری منجر به کاهش 2 تا 3 درجه ای محسوس دمای هوا در مناطق معینی در طول روز شد که تأثیر فوق العاده زیاد توسعه هدفمند فضای سبز را نشان می دهد. علاوه بر این، توجه به تاثیر مسدود کنندگی جریان هوای پوشش گیاهی درختی بسیار مهم است، زیرا که میتواند بار حرارتی را 1 تا 3 درجه سانتیگراد در مناطق واقع در جهت رو به باد افزایش دهد. | ارزیابی تاثیر راهبردهای کاهش گرما با استفاده از فضاهای سبز شهری اضافه شده در طول موج گرما در یک شهر با اندازه متوسط | اسکاربیت21 و همکاران (2024) |
(Authors, 2022)
مواد و روش تحقیق
در این پژوهش از مدل سرمایش شهری از مجموعه بسته های نرم افزاری InVEST 3.12.0استفاده شده است. مدل سرمایش شهری از جمله مدل هایی است که کاهش میزان جزایر حرارتی شهری را بر اساس سایه، تبخیر و تعرق، و آلبدو و همچنین میزان فاصله از جزایر خنک‌کننده (مانند پارک‌ها) محاسبه می‌کند. این شاخص برای تخمین کاهش جزایر حرارتی از طریق پوشش گیاهی استفاده می شود. در نهایت، این مدل ارزش خدمات کاهش جزایر حرارتی را با استفاده از دو روش ارزیابی برآورد می‌کند: مصرف انرژی (کاهش میزان بالقوه انرژی) و بهره‌وری کار (کار سبک و سنگین). ورودی های اصلی این مدل شامل نقشه رستری کاربری اراضی/پوشش اراضی، نقشه رستری تبخیر و تعرق مرجع (et0) و جدول بیوفیزیکی شامل اطلاعات در باره هر یک از کلاس های نقشه کاربری اراضی/پوشش اراضی است (https: xiaoganghe.github.io). برای تهیه هر یک از داده های مورد نیاز مدل طبق رو ش زیر عمل شد:
نقشه کاربری اراضی
برای تهیه این لایه از تصاویر ماهواره ای لندست 5 برای سال های 1984 و 2002 و لندست8 برای سال 2022، نرم افزار های Envi 5.8 و GIS و روش طبقه بندی حداکثر احتمال (MLC22) استفاده شد. نقشه کاربری اراضی در 9 کلاس شامل تراکم مسکونی زیاد، تراکم مسکونی متوسط، تراکم مسکونی کم، فضای باز، اراضی بایر، اراضی کشاورزی، فضای سبز، مرتع و آب با پیکسل 30 متر تهیه شد (شکل1).
شکل1- نقشه کاربری اراضی/پوشش اراضی مناطق 2 و 4 کلان شهر تبریز به ترتیب از چپ به راست برای سال های 1363، 1381 و 1401 (Authors, 2022)
نقشه تبخیر و تعرق مرجع (ET0)
جهت تهیه این نقشه از روش پنمن مانتیث23 استانداردASCE (معادله استاندارد ارائه شده توسط انجمن مهندسین عمران آمریکا) استفاده شد (شکل2). در روش پنمن مانتیث ابتدا تبخیر و تعرق گیاه مرجع (علف) تخمین زده شده و سپس از روی آن تبخیر و تعرق گیاه موردنظر محاسبه می شود Alizadeh, 1998)) .معادله محاسبه تبخير- تعرق مرجع در بازه زماني ساعتي و روزانه به صورت زير مي باشد (Monteith, 1965).:
رابطه (1):
T0= 0.408Δ (Rn - G) + y(Ca /T + 273.16)U2(es -ea (
Δ + y(1 + cdu2)
که در آن ET0 تبخير- تعرق گياه مرجع (ميلي متر بر روز براي دوره روزانه و ميلي متر بر ساعت براي دوره هاي ساعتي)، Δ شیب منحني فشار بخار اشباع در ميانگين درجه حرارت (كيلو پاسكال بر درجه سانتي گراد)، تابش خالص در سطح گياه (مگاژول بر متر مربع بر ساعت)، G چگالي شار حرارتي خاك (مگاژول بر متر مربع بر ساعت)، γ ثابت سايكرومتري (كيلو پاسكال بر درجه سانتي گراد)، Thr متوسط درجه حرارت ساعتي (درجه سانتي گراد)، U2 سرعت باد روزانه و ساعتي در ارتفاع 2 متري (متر بر ثانیه)، es ميانگين فشار بخار اشباع هوا در ارتفاع 5/1 تا 2 متری (کیلوپاسکال)، و ea ميانگين فشار بخار واقعي هوا در ارتفاع5/1 تا 2 متری (کیلوپاسکال)، Cn و Cd به ترتيب ثابت هاي صورت و مخرج بوده و تابع نوع گياه مرجع و بازه زماني اندازه گيري مي باشد. تبخیر و تعرق مرجع یا رفرنس تابع ناحیه مدنظر، تابش خورشید، طول و عرض جغرافیایی و... است. میانگین تبخیر و تعرق مرجع برای مناطق 2 و 4 کلان شهر تبریز برای سال های 1363، 1381 و 1401 به ترتیب 984/250، 226/271 و 277/291 میلی متر در سال بوده است. داده های مرتبط با آلبدو از سایت https://www.copernicus.eu/en/global-land-surface-albedo استخراج شده است.
شکل2- نقشه تبخیر و تعرق مرجع مناطق 2 و 4 کلان شهر تبریز به ترتیب از چپ به راست برای سال های 1363، 1381 و 1401 (Authors, 2022)
جدول بیوفیزیکال
جدول بیوفیزیکال شامل اطلاعاتی در باره هر یک از کلاس های کاربری اراضی/پوشش اراضی شامل موارد زیر:
سایه24
مقادیر مرتبط به اثر سایه بین 0 و 1 است که این اثر نشان دهنده پوشش درخت بوده ((Ronchi et al, 2020: 5 و در مورد درختان بالای 2 متر مورد محاسبه قرار می گیرد (جدول2).
Kc
ضریب تبخیر و تعرق هر نوع گیاه و خاکی نسبت به تبخیر و تعرق مرجع می باشد و مقادیر آن بین 0 و 1 می باشد که این مقدار برای کاربری های مختلف در این پژوهش از کتابچه راهنمای نرم افزار InVest اخذ شده است (Allen et al,1998) (جدول2).
آلبدو
میزان آلبدو بین 0 و 1 است که نشان دهنده نسبت تابش نورخورشید است که به طور مستقیم توسط هر یک از کلاس های کاربری اراضی/پوشش اراضی منعکس می شود ((Ronchi et al, 2020: 5. هر چه میزان روشنایی یک سطح بیشتر باشد میزان آلبدوی آن بیشتر است از این رو برف دارای بیشترین آلبدو یعنی یک و اجسام سیاه از جمله آسفالت دارای کمترین میزان آلبدو یعنی صفر است (جدول2).
تاثیر ناشی از فضاهای سبز بزرگ
داده های مرتبط با این مورد از طریق کلاس های کاربری اراضی/پوشش اراضی مناطق دارای پوشش گیاهی غیرکشاورزی در اراضی مصنوعی به دست آمد. میزان این اثر نیز بین 0و 1 می باشد. به عنوان نمونه اگر در شعاع یک کیلومتری همسایگی یک پیکسل فضاهای سبز موجود در آن، در مجموع بیش از 2 هکتار باشد، شامل این تاثیر می باشد (جدول2).
جدول2- جدول بیوفیزیکال
lucode | Description | Shade | Kc | Albedo | Green_area | building_intensity |
1 | High intens (> %80 IA)
| 05/0 | 37/0 | 18/0 | 0 | 95/0 |
2 | (%80- 50) Med intens
| 18/0 | 55/0 | 19/0 | 0 | 3/0 |
3 | (%50- 20) Low intens | 33/0 | 76/0 | 19/0 | 0 | 1/0 |
4 | Open space(< %20)
| 45/0 | 93/0 | 2/0 | 0 | 1/0 |
5 | Bare Land | 0 | 3/0 | 2/0 | 0 | 0 |
6 | Cultivated Land | 1 | 7/0 | 2/0 | 1 | 0 |
7 | Green space | 1 | 1 | 15/0 | 1 | 0 |
8 | Pasture | 1 | 1 | 2/0 | 1 | 0 |
9 | Water | 1 | 1 | 06/0 | 1 | 0 |
منبع: xiaoganghe.github.io https: www.
شدت جزایر حرارتی
شدت جزایر حرارتی عبارت است از اختلاف بین دمای مرجع روستایی و حداکثر دمای مشاهده شده در شهر ((Ronchi et al, 2020: 5. این میزان در مورد مناطق 2 و 4 کلان شهر تبریز در سال 1363، 2/3 درجه سانتیگراد، سال1381، 2/4 درجه سانتیگراد و سال 1401 2/5 درجه سانتیگراد و دمای مرجع روستایی هم به ترتیب برای سال های 1363، 1381و 1401، 1/28، 2/27، 2/29 درجه سانتیگراد است.
حداکثر فاصله جهت ترکیب (اختلاط) دمای هوا
این مورد عبارت است از شعاع جستجو به کار گرفته شده(برحسب متر) برای محاسبه میانگین موثر در اختلاط دمای هوا .(Ibid)در عمل دمای هوای یک پیکسل با دمای هوای پیکسل همسایه به دلیل وجود باد مخلوط و یکنواخت می شود. بدین ترتیب که نرم افزار InVest ابتدا دمای تک تک پیکسل ها را محاسبه کرده، سپس دمای هر پیکسل را با دمای پیکسل های همسایه طبق شعاع ورودی به نرم افزار میانگین گیری می کند. در مورد مناطق 2 و 4 کلان شهر تبریز این شعاع 500 متر در نظر گرفته شد.
حداکثر فاصله برای یافتن فضای سبز بزرگ مقیاس (2 هکتار و بیشتر)
این میزان هم در مورد مناطق 2 و 4 کلان شهر تبریز 450 متر در نظر گرفته شد.
میانگین درصد رطوبت نسبی
این میزان برای کلان شهر تبریز با استفاده از داده های هواشناسی به دست آمد. میانگین درصد رطوبت نسبی تبریز برای سال های 1363، 1381 و 1401 به ترتیب برابر با 56، 48 و 47 درصد بوده است.
میزان ذخیره انرژی
1. نقشه ساختمان ها برای محاسبه میزان ذخیره انرژی
برای نقشه وکتوری ساختمان های موجود در کلان شهر تبریز از نقشه طرح تفصیلی 1395 شهرداری تبریز استفاده شد.
2. جدول میزان مصرف انرژی براساس نوع ساختمان ها و دمای هوا
این جدول براساس این که به ازاء افزایش هر درجه دمای هوا چقدر مصرف انرژی در کاربری ساختمانی موردنظر افزایش می یابد، به دست می آید. در این پژوهش ساختمان های موجود در کلان شهر تبریز در هر سه دوره زمانی 1363، 1381 و 1401 از نوع مسکونی در نظر گرفته شد و میزان مصرف انرژی به ازاء افزایش هر درجه دمای هوا هم با مراجعه به سایت اداره اطلاعات انرژی آمریکا (EIA25) و کتابچه راهنمای نرم افزار InVest، 10 کیلو وات ساعت در نظر گرفته شد. در کل میزان ذخیره انرژی بر اساس رابطه تجربی بین مصرف انرژی و دما محاسبه می شود .(Santamouris et al, 2015)
محدوده مورد مطالعه
کلان شهر تبريز در گوشه شمال غربي كشور و در امتداد محور بين المللي تهران - بازرگان كه ايران را به اروپا متصل مي سازد قرار گرفته است. شهر تبريز با وسعتي حدود 25056 هكتار در 38 درجه و 1 دقيقه تا 38 درجه و 8 دقيقه عرض شمالي و 46 درجه و 5 دقيقه تا 46 درجه و 22 دقيقه طول شرقي واقع شده است. متوسط ارتفاع شهر حدود 1460 متر از سطح درياهاي آزاد برآورد گرديده است. به لحاظ ويژگي هاي جغرافيايي و طبيعي، موقعيت استقرار شهر تبريز و هسته اوليه شكل گيري شهر حاكي از مناسب ترين و مساعدترين عوامل جغرافيايي بوده كه به دليل همين مواهب و مساعدت هاي جغرافيايي در روند تاريخي توسعه فيزيكي به يكي از بزرگ ترين شهرهاي كشور تبديل شده است .(Naghsh-E-Mohit Consulting Engineers, 2012: 1) براساس آمار آخرین سرشماری عمومی نفوس و مسکن کلان شهر تبریز دارای دو میلیون نفر جمعیت و 497898 خانوار است. که از این تعداد 819.530 نفر مرد و 803.566 نفر زن هستند. منطقه2کلان شهر تبریز به وسعت 2093 هكتار (35/8 درصد از كل وسعت شهر) در جنوب شرق شهر و در دامنه هاي پاييني كوه سهند و در تراز ارتفاعي 1430 تا 1620 متر گسترش يافته است. طيف ارتفاعي1550 تا 1600 متر، با وسعتي در حدود 6/786 هكتار بيشترين وسعت را در اين منطقه دارد به طوري كه 37 درصد از كل مساحت منطقه را در برمي گيرد .(Ibid: 22) منطقه 2 طبق آمار سال 1395، دارای 196507 نفر جمعیت و 62348 خانوار است که از این تعداد 96588 نفر مرد و 99919 نفر زن است. منطقه 4 تبریز با وسعتي در حدود 2550 هکتار در حدود 1/10درصد از کل وسعت شهر را شامل شده و تماماً در حوزه هموار دشتي قرار گرفته است. حداقل ارتفاع منطقه در حدود 1335 و حداكثر آن 1406 متر است .(Ibid: 26) این منطقه طبق آمار سال 1395، دارای 315183 نفر جمعیت و 102481 خانوار است که از این تعداد 158698 نفر مرد و 156485 نفر زن است.
شکل3- نقشه منطقه مورد مطالعه (Authors, 2022)
[1] Fahrenheit
[2] Land Surface Temperature
[3] Green infrastructure
[4] Land surface temperatures
[5] Surface urban heat island
[6] Bala
[7] Urban Dry Island
[8] Lin
[9] Marando
[10] Qian & Li
[11] Xie
[12] Threshold value of efficiency
[13] Yao
[14] Nicco
[15] Nature
[16] Rabindra Sarabor
[17] Tropical mega metropolitan area
[18] Das
[19] Local Climate Zone
[20] Wang
[21] Skarbit
[22] Maximum Likelihood Classification
[23] Penman Monteith
[24] Shade
[25] Energy Information Administration
بحث و یافته‌های تحقیق
تغییرات کاربری و پوشش اراضی
نقشة کاربری اراضی مربوط به سال های 1363، 1381 و 1401 مناطق 2 و 4 کلان شهر تبریز در شکل قابل مشاهده است. مقایسة نقشه های کاربری اراضی مربوط به این دوره های زمانی روند تغییرات کاربری اراضی کلان شهر تبریز را بدین صورت نشان می دهد: در سال 1363 در منطقه 2 به ترتیب کاربری های مربوط به اراضی بایر با 20/68 درصد، مسکونی با 40/17 درصد، فضای سبز با 04/10 درصد، فضای باز با 14/4 درصد، در منطقه 4 نیز کاربری های مربوط به مسکونی با 78/44 درصد، کشاورزی با 08/32 درصد، اراضی بایر با 13/16 درصد، فضای سبز با 51/4 درصد، فضای باز با 83/1درصد، در سال 1381 نیز در منطقه 2 به ترتیب کاربری های مربوط به اراضی مسکونی با 42/65 درصد، اراضی بایر با 53/45 درصد، فضای سبز با 72/7 درصد، فضای باز با 55/2 درصد، در منطقه 4 نیز کاربری های مربوط به مسکونی با 27/66 درصد، اراضی کشاورزی با 37/24 درصد، اراضی بایر با 92/6 درصد، فضای سبز با 83/1 درصد و در سال 1401 نیز در منطقه 2 به ترتیب کاربری های مربوط به مسکونی با 28/53 درصد، فضای باز با 70/19 درصد، اراضی بایر با 60/13 درصد، فضای سبز با 96/12 درصد و اراضی کشاورزی با 155/0 درصد و در منطقه 4 نیز به ترتیب کاربری های مربوط به مسکونی با 50/64 درصد، اراضی کشاورزی با 74/19 درصد، فضای باز با 48/6 درصد، اراضی بایر با 58/5 درصد و فضای سبز با 09/3 درصد بیشترین میزان از کل کاربری های شهری را به خود اختصاص داده اند. همچنین بررسی روند تغییرات کاربری اراضی از سال 1363 تا 1401نشان می دهد که کاربری مسکونی منطقه 2 از سال 1363 تا 1381 افزایش زیادی داشته و از سال 1381 تا 1401 روند کاهشی را تجربه کرده است. همچنین منطقه 4 در مورد این کاربری از سال 1363 تا 1381 روند افزایشی داشته و از سال 1381 تا 1401 در حدود 770/1 درصد کاهش داشته است. کاربری مربوط به اراضی بایر در منطقه 2 از سال 1363 تا 1401 کاهش زیادی داشته است. این کاربری در منطقه 4 از سال 1363 تا 1381 کاهش زیادی را تجربه کرده ولی از سال 1381 تا 1401 در حدود 336/1 درصد کاهش داشته است. کاربری مربوط به فضای سبز در منطقه 2 از سال 1363 تا 1381 روند کاهشی داشته و از سال 1381 تا 1401 در حدود 24/5 درصد افزایش داشته است. منطقه 4 نیز در مورد این کاربری از سال 1363 تا 1381 در حدود 67/2 درصد و از سال 1381 تا 1401 نیز در حدود 26/1 درصد افزایش داشته است. منطقه 2 از سال 1363 تا 1381 اراضی کشاورزی نداشته و از 1381 تا 1401 در حدود 154/0 درصد اراضی کشاورزی داشته است. در منطقه 4 نیز اراضی کشاورزی به صورت متوالی روند کاهشی را از خود نشان داده است. در کل می توان گفت در بازه زمانی 38 ساله اراضی کشاورزی و فضای سبز که نقش بسیار فزاینده ای در کاهش جزایر حرارتی دارند درصد بسیار پایینی از کل کاربری های اراضی مربوط به مناطق 2 و 4 کلان شهر تبریز را به خود اختصاص داده است (شکل1).
در مناطق 2 و 4 کلان شهر تبریز مقدار میانگین شاخص کاهش جزایر حرارتی شهری در سال 1363 از 097/0 تا 82/0 است که اعداد نزدیک به 097/0 نشان دهنده این است که این مناطق در کاهش جزایر حرارتی بد عمل نموده و اعداد نزدیک به 82/0 نیز نشان دهنده این است که این مناطق در کاهش جزایر حرارتی شهری بهتر عمل نموده است. در سال 1363 مناطق 2 و 4 در بهترین حالت به ترتیب حدود 42/14 و 79/37 درصد و در بدترین حالت هم به ترتیب حدود 22/56 و 33/24 درصد توانسته اند جزایر حرارتی شهری را کاهش دهند. بدین ترتیب منطقه 4 در مقایسه با منطقه 2 در خنثی سازی جزایر حرارتی شهری عملکرد بهتری داشته است. در این سال منطقه 2 کلان شهر تبریز حدود 04/10 درصد فضای سبز و منطقه 4 نیز به ترتیب حدود 51/4 درصد فضای سبز و 08/32 درصد اراضی کشاورزی داشته است، از این رو منطقه 4 به دلیل دارا بودن زیرساخت های سبز بیشتر توانسته است در کاهش جزایر حرارتی شهری در بهترین حالت بهتر از منطقه 2 عمل کند. همچنین مناطق 2 و 4 در این سال در طول روز در بهترین حالت می توانستند خودشان را 65/2 درجه خنک کنند؛ یعنی به عبارتی دمای این مناطق در بهترین حالت 64/28 درجه سانتیگراد بوده که به دمای مرجع روستایی یعنی 1/28 درجه نزدیک بوده است. این مناطق در بدترین حالت هم می توانستند 310/0 درجه نیز خودشان را خنک کنند؛ یعنی به عبارتی دمای مناطق 2 و 4 تبریز در این وضعیت 99/30 درجه بوده است. در این سال منطقه 2 به ترتیب در کلاس های 30/0 تا 49/0، 50/0 تا 83/0، 097/0 تا 12/0، 20/0 تا 29/0 درصد، 52/41، 15/33، 95/10، 92/9 و 45/4 درصد جزایر حرارتی شهری را کاهش داده است که از این رو این منطقه کلاس های در حد متوسط و بهترین حالت بیشترین میزان را به خود اختصاص داده است. منطقه 4 نیز به ترتیب در کلاس های 097/0 تا 19/0، 20/0 تا 34/0، 68/0 تا 83/0، 50/0 تا 67/0 و 35/0 تا 49/0 درصد، 99/31، 12/27، 47/23، 11/9 و 30/8 درصد جزایر حرارتی شهری را کاهش داده است که از این رو این منطقه در کلاس های مربوط به بدترین حالت و یک کلاس بعد از بدترین حالت و در کلاس بهترین حالت بیشترین میزان را به خود اختصاص داده است. در سال 1363 در منطقه 4 پارک آذربایجان، پایانه مسافربری غرب، محلات وزیرآباد و کوچه باغ به ترتیب با 55/26، 68/5، 41/5 و 34/5 درصد و در منطقه 2 دانشگاه تبریز، شاهگلی، پارک ائل گلی، محلات گلگشت و آبرسان به ترتیب با 43/9، 59/5، 05/5، 91/3 و 21/3 درصد بیشترین میزان کاهش جزایر حرارتی شهری را به خود اختصاص داده اند. در این سال مناطق 2 و 4 کلان شهر تبریز توانسته اند در حدود 81/82 درصد از جزایر حرارتی شهری را در قسمت هایی از این مناطق که بهترین حالت را داشته اند خنثی کنند. در مناطق 2 و 4 کلان شهر تبریز مقدار میانگین شاخص کاهش جزایر حرارتی شهری در سال 1381 از 097/0 تا 83/0 است که اعداد نزدیک به 097/0 نشان دهنده این است که این مناطق در کاهش جزایر حرارتی بد عمل نموده و اعداد نزدیک به 83/0 نیز نشان دهنده این است که این مناطق در کاهش جزایر حرارتی شهری بهتر عمل نموده است. در سال 1381 نیز مناطق 2 و 4 در بهترین حالت به ترتیب حدود 46/10 و 10/27 درصد و در بدترین حالت هم به ترتیب حدود 12/39 و 31/30 درصد توانسته اند جزایر حرارتی شهری را کاهش دهند. بیشینه بودن میزان خنک کنندگی منطقه 4 نسبت به منطقه 2 در بهترین حالت ناشی از بیشتر بودن میزان کاربری های مربوط به اراضی کشاورزی و فضای سبز یعنی در حدود 37/24 و 83/1 درصد در این منطقه نسبت به منطقه 2 است، در حالی که منطقه 2 هیچ گونه کاربری مربوط به اراضی کشاورزی نداشته و فضای سبز آن هم در حدود 72/7 درصد بوده است. بدین ترتیب در این سال منطقه 4 در مقایسه با منطقه 2 در خنثی سازی جزایر حرارتی شهری عملکرد بهتری داشته است. مناطق 2 و 4 در سال 1381 در طول روز در بهترین حالت می توانستند خودشان را 48/3 درجه خنک کنند، یعنی به عبارتی دمای این مناطق در بهترین حالت 91/27 درجه بوده که به دمای مرجع روستایی یعنی 2/27 درجه نزدیک بوده است. این مناطق در بدترین حالت هم می توانستند 407/0 درجه خودشان را خنک کنند؛ یعنی به عبارتی دمای مناطق 2 و 4 تبریز در این وضعیت 99/30 درجه بوده است. در این سال منطقه 2 به ترتیب در کلاس های 097/0 تا 12/0، 31/0 تا 49/0، 50/0 تا 83/0، 21/0 تا 30/0 و 13/0 تا 20/0 درصد، 12/39، 63/34، 46/10، 89/8 و 89/6 درصد از جزایر حرارتی شهری را کاهش داده که از این رو کلاس های مربوط به بدترین حالت و کلاس نزدیک به بهترین حالت بیشترین میزان را به خود اختصاص داده است. منطقه 4 نیز در کلاس های 097/0 تا 19/0، 66/0 تا 83/0، 20/0 تا 32/0، 33/0 تا 45/0 و 46/0 تا 65/0 درصد، 30/31، 10/27، 05/27، 85/11 و 69/3 درصد جزایر حرارتی شهری را کاهش داده که از این رو این منطقه در کلاس بدترین حالت و یک کلاس بعد از بدترین حالت و کلاس بهترین حالت بیشترین میزان را به خود اختصاص داده است. در سال 1381 در منطقه 4 پارک آذربایجان، محله رضوان شهر، پایانه مسافربری غرب، محلات وزیرآباد و کوچه باغ با 57/26، 41/6، 68/5، 41/5 و 34/5 درصد و در منطقه 2 ساری زمی، دانشگاه تبریز، زغفرانیه، یاغچیان، شاهگلی، ولیعصر جنوبی، گلشهر، پرواز، پارک ائل گلی به ترتیب با 16، 43/9، 77/6، 75/6، 59/5، 47/5، 44/5، 28/5 و 05/5 درصد بیشترین میزان کاهش جزایر حرارتی شهری را به خود اختصاص داده اند. در این سال مناطق 2 و 4 کلان شهر تبریز توانسته اند در حدود 86/82 درصد از جزایر حرارتی شهری را در محدوده هایی از این مناطق که بهترین حالت را داشته اند کاهش دهند. در مناطق 2 و 4 کلان شهر تبریز مقدار میانگین شاخص کاهش جزایر حرارتی شهری در سال 1401 نیز همچون سال 1381 از 097/0 تا 83/0 است که اعداد نزدیک به 097/0 نشان دهنده این است که این مناطق در کاهش جزایر حرارتی بد عمل نموده و اعداد نزدیک به 83/0 نیز نشان دهنده این است که این مناطق در کاهش جزایر حرارتی شهری بهتر عمل نموده است. در سال 1401 نیز مناطق 2 و 4 در بهترین حالت به ترتیب حدود 15/33 و 47/23 درصد و در بدترین حالت هم به ترتیب حدود 95/10 و 99/31 درصد توانسته اند جزایر حرارتی شهری را کاهش دهند. از این رو میزان خنک کنندگی منطقه 2 در مقایسه با منطقه 4 بیشتر بوده است. بدین ترتیب منطقه 2 در مقایسه با منطقه 4 در خنثی سازی جزایر حرارتی شهری عملکرد بهتری داشته است. مناطق 2 و 4 در سال 1401 در طول روز در بهترین حالت می توانستند خودشان را 31/4 درجه خنک کنند؛ یعنی به عبارتی دمای این مناطق در بهترین حالت 08/30 درجه سانتیگراد بوده که به دمای مرجع روستایی یعنی 2/29 درجه نسبتا نزدیک بوده است. این مناطق در بدترین حالت هم می توانستند 509/0 درجه خودشان را خنک کنند؛ یعنی به عبارتی دمای مناطق 2 و 4 تبریز در این وضعیت 89/33 درجه بوده است. در این سال منطقه 2 کاربری های مربوط به فضای سبز و اراضی کشاورزی را در حدود 96/12 و 155/0 درصد و منطقه 4 اراضی کشاورزی و فضای سبز در حدود 74/19 و 09/3 درصد داشته است، فلذا در این سال منطقه 2 نسبت به منطقه 4 در کاهش جزایر حرارتی شهری عملکرد بهتری داشته و با توجه به این مورد نقش هر چه بیشتر فضای سبز نسبت به اراضی کشاورزی در کاهش جزایر حرارتی شهری مشخص می شود. در این سال منطقه 2 به ترتیب در کلاس های 31/0 تا 49/0، 50/0 تا 83/0، 098/0 تا 12/0، 20/0 تا 30/0 و 13/0 تا 19/0 درصد، 52/41، 15/33، 95/10، 92/9 و 45/4 درصد جزایر حرارتی شهری را کاهش داده که از این رو این منطقه در کلاس نزدیک به بهترین حالت و کلاس بهترین حالت بیشترین میزان را به خود اختصاص داده است. منطقه 4 نیز به ترتیب در کلاس های 098/0 تا 19/0، 20/0 تا 32/0، 65/0 تا 83/0، 45/0 تا 64/0 و 33/0 تا 44/0 درصد، 99/31، 12/27، 47/23، 10/9 و 30/8 درصد جزایر حرارتی شهری را کاهش داده که از این رو در کلاس های مربوط به بدترین حالت و یک کلاس بعد از بدترین حالت و بهترین حالت بیشترین میزان را به خود اختصاص داده است. در سال 1401 بیشترین میزان کاهش جزایر حرارتی در منطقه 2 در محلات ساری زمی، دانشگاه تبریز، زعفرانیه، یاغچیان، شاهگلی، ولیعصر جنوبی، گلشهر، پرواز و ائل گلی بوده است که این محلات به ترتیب، 99/15، 43/9، 77/6، 75/6، 59/5، 47/5، 44/5، 28/5، 06/5 درصد توانسته اند جزایر حرارتی شهری را خنثی کنند. در منطقه 4 نیز پارک آذربایجان، محله رضوان شهر، پایانه مسافربری غرب، محلات وزیرآباد و کوچه باغ به ترتیب توانسته اند 58/26، 40/6، 68/5، 41/5 و 34/5 درصد از کل جزایر حرارتی شهری در این منطقه را خنثی کنند. در این سال مناطق 2 و 4 کلان شهر تبریز توانسته اند در حدود 88/82 درصد از جزایر حرارتی شهری را در بخش هایی از این مناطق که بهترین حالت را تجربه کرده اند کاهش دهند (شکل4).
در سال 1363 الگوی کاهش جزایر حرارتی شهری منطقه 2 بلوکی و تکه تکه، منطقه 4 بیشتر بلوکی و کمتر تکه تکه، در سال 1381 منطقه 2 خوشه ای و تکه تکه، منطقه 4 بیشتر بلوکی و کمتر خوشه ای و تکه تکه، در سال 1401 منطقه 2 بیشتر خوشه ای و کمتر بلوکی و تکه تکه، منطقه 4 نیز بیشتر بلوکی و بعد از آن تکه تکه بوده است. با توجه به این که در طی دهه های اخیر کلان شهر تبریز شهرنشینی سریعی را طی نموده است، در هر دو منطقه 2 و 4 در هر سه دوره زمانی الگوی کاهش جزایر حرارتی شهری تکه تکه وجود داشته است. در سال 1363 در بهترین حالت منطقه 2 منطبق با الگوی کاربری اراضی/پوشش اراضی، به ترتیب منطبق با الگوی کاربری فضای سبز و باز، منطقه 4 منطبق با کاربری اراضی کشاورزی و فضای سبز، در سال 1381 منطقه 2 منطبق با کاربری فضای سبز و فضای باز، منطقه 4 منطبق با کاربری اراضی کشاورزی و فضای سبز، در سال 1401 منطقه 2 به ترتیب منطبق با کاربری فضای باز و سبز، منطقه 4 منطبق با کاربری اراضی کشاورزی و فضای سبز و در بدترین حالت در سال 1363 منطقه 2 منطبق با کاربری اراضی بایر، تراکم مسکونی زیاد، منطقه 4 منطبق با تراکم مسکونی زیاد و متوسط، اراضی بایر، در سال 1381 منطقه 2 منطبق با کاربری اراضی بایر، تراکم مسکونی زیاد و متوسط، منطقه 4 منطبق با کاربری تراکم مسکونی زیاد، متوسط و کم، اراضی بایر و در سال 1401 منطقه 2 منطبق با اراضی بایر، تراکم مسکونی زیاد و متوسط و منطقه 4 منطبق با تراکم مسکونی زیاد، متوسط و کم بوده است. بدین ترتیب کاربری های مربوط به اراضی کشاورزی، فضای سبز و فضای باز (جزایر سرد اصلی مناطق 2 و 4 کلان شهر تبریز) در بهترین حالت و کاربری های تراکم مسکونی زیاد و متوسط و اراضی بایر در بدترین حالت در کاهش جزایر حرارتی مناطق 2 و 4 کلان شهر تبریز در هر سه دوره زمانی نقش آفرینی کرده اند (شکل4). در کل بیشترین میزان از کاهش جزایر حرارتی شهری در منطقه 2 مربوط به محدوده هایی بوده است که پارک های در مقیاس شهری و فضاهای سبزی بزرگ مقیاس در آن ها وجود داشته است، مانند دو پارک شهری ائل گلی و باغلار باغی که پارک ائل گلی با مساحت 61 هکتار، به عنوان بزرگ ترین پارک فعال شهر محسوب می شود. علاوه بر این، در این پارک دریاچه ائل گلی با 9 هکتار وسعت که گنجایش 721111 متر مکعب آب را دارد، نیز قرار دارد. از این رو پارک ائل گلی با دارا بودن زیرساخت های سبز و آبی به صورت توامان دارای تاثیرات کاهش جزایر حرارتی فزاینده ای بوده و جزء جزایر سرد اصلی این منطقه می باشد. بیشترین میزان از کاهش جزایر حرارتی شهری منطقه 2 تبریز منوط به این پارک می باشد. بعد از پارک ائل گلی، فضاهای سبز موجود در دانشگاه تبریز و پارک موزه دفاع مقدس بیشترین نقش را در کاهش جزایر حرارتی شهری منطقه 2 تبریز دارند. دیگر پارک های موجود در این منطقه از قبیل پارک های ناحیه ای (مانند پارک بهاران، پارک پروین اعتصامی، پارک استاد شهریار و...)، پارک های محله ای(مانند پارک زعفرانیه، پارک طوبی، پارک فدک و...) و پارک های همسایگی (مانند پارک ماندانا، پارک دستمالچی و پارک اول زعفرانیه و...) در کاهش جزایر حرارتی شهری این منطقه به ترتیب دارای تاثیرگذاری متوسط رو به پایین بوده اند. بیشترین میزان از کاهش جزایر حرارتی منطقه 4 تبریز نیز مربوط به پارک آذربایجان (پارک بزرگ تبریز) بوده است. پارک آذربایجان با مساحت حدود 800 هکتاری در محل پیشین اراضی کشاورزی احداث شده که دو رودخانه مهران رود و تلخه رود نیز از وسط آن عبور می کند. فاز 1 و 2 این پارک که در سال 1380احداث شده است، به دلیل مجاورت با فرودگاه تبریز می تواند نقش فزاینده ای در کاهش جزایر حرارتی اصلی تبریز ایفاء نماید. از این رو این پارک نیز با دارا بودن زیرساخت های آبی و سبز بیشترین میزان از کاهش جزایر حرارتی منطقه 4 تبریز را خنثی می نماید. بعد از پارک آذربایجان، امیر باغی و باغ گلستان در رتبه های بعدی کاهش جزایر حرارتی منطقه 4 تبریز قرار دارند. دیگر پارک های موجود در این منطقه از قبیل پارک کودک، پارک پامچال، پارک شادی و پارک بهار نیز در کاهش جزایر حرارتی شهری دارای تاثیر پایین بوده اند.
شکل4- نقشه ظرفیت کاهش جزایر حرارتی به تفکیک محلات مناطق 2 و 4 کلان شهر تبریز به ترتیب از چپ به راست برای سال های 1363، 1381 و 1401 (Authors, 2022)
میزان ذخیره انرژی براساس کاهش جزایر حرارتی شهری
در سال 1363 مناطق 4 و 2 کلان شهر تبریز به ترتیب برابر با 69688158 و 19337882 کیلو وات ساعت بیشترین میزان ذخیره انرژی ناشی از کاهش جزایر حرارتی شهری را داشته است. در منطقه 4 محلات عمو زین الدین، وزیر آباد، کوچه باغ، ویجویه، شهرک چمران و بهار به ترتیب با 43/9، 33/8، 49/7، 53/6، 25/6 و 16/6 درصد و در منطقه 2 محلات گلباد، آبرسان، گلگشت، ولیعصر جنوبی، رجایی شهر، بیلان کوه و الهی پرست به ترتیب با 59/22، 90/15، 09/13، 89/7، 18/7، 33/6 و 08/6 درصد بیشترین میزان ذخیره انرژی براساس کاهش جزایر حرارتی شهری را به خود اختصاص داده اند (شکل5). در سال 1381 مناطق 4 و 2 کلان شهر تبریز به ترتیب برابر با 107206826و 58416241 کیلو وات ساعت بیشترین میزان ذخیره انرژی ناشی از کاهش جزایر حرارتی شهری را داشته است. در منطقه 4 محلات عمو زین الدین، وزیرآباد، رضوان شهر، کشتارگاه، کوچه باغ، چوست دوزان، حکم آباد و آخونی به ترتیب با 73/7، 22/7، 72/6، 2/6، 68/5، 68/5، 52/5 درصد و در منطقه 2 محلات ولیعصر جنوبی، زعفرانیه، رجایی شهر، گلشهر، پرواز، الهی پرست، گلباد، آبرسان و گلگشت به ترتیب با 04/12، 13/10، 61/9، 95/8، 805/7، 56/7، 37/7، 12/6 و 10/5 درصد در بین محلات دیگر این مناطق بیشترین میزان ذخیره انرژی را داشته اند(شکل5). در سال 1401 مناطق 2 و 4 کلان شهر تبریز به ترتیب با 173423460 و 153319717 کیلو وات ساعت بیشترین میزان ذخیره انرژی ناشی از کاهش جزایر حرارتی شهری را داشته اند. در منطقه 2 محلات قورخانه، رجائی شهر، الهی پرست، گلشهر، ولیعصر جنوبی، زعفرانیه و میرداماد به ترتیب با 48/9، 32/7، 58/6، 57/6، 38/6، 35/6 و 34/6 درصد و در منطقه 4 محلات رضوان شهر، عمو زین الدین، وزیرآباد و کشتارگاه به ترتیب با 75/7، 42/6، 32/6 و 60/5 درصد بیشترین میزان ذخیره انرژی را در اثر کاهش جزایر حرارتی شهری داشته اند (شکل5). در کل کاربری های مسکونی که در محدوده و در نزدیکی زیرساخت های سبز خاصه پارک ها و فضاهای سبز بزرگ مقیاس واقع شده اند، بیشترین میزان ذخیره انرژی ناشی از کاهش جزایر حرارتی شهری مناطق 2 و 4 کلان شهر تبریز را داشته اند.
شکل 5- میزان ذخیره انرژی ناشی از کاهش جزایر حرارتی شهری زیرساخت های سبز به تفکیک محلات مناطق 2 و 4 کلان شهر تبریز به ترتیب از چپ به راست برای سال های 1363، 1381 و 1401. (Authors, 2022)
نتیجهگیری و ارائه پیشنهادها
در این پژوهش به نقش زیرساخت های سبز شهری در کاهش جزایر حرارتی مناطق 2 و 4 کلان شهر تبریز و مقایسه تطبیقی این دو منطقه پرداخته شد. نتایج این پژوهش نشان داد که جزایر سرد شهری خاصه زیرساخت های سبز نقش مهمی در کاهش جزایر حرارتی شهری دارند. زیرساخت های سبز موجود در مناطق 2 و 4 کلان شهر تبریز در سال های 1363، 1381 و 1401 به ترتیب توانسته اند در حدود 81/82، 86/82 و 88/82 درصد از جزایر حرارتی شهری را در قسمت هایی از این مناطق که بهترین حالت کاهش جزایر حرارتی شهری را داشته اند، خنثی کنند. بیشترین میزان کاهش جزایر حرارتی شهری در منطقه 2 مربوط به محدوده هایی بوده که پارک های در مقیاس شهری و فضاهای سبز بزرگ مقیاس و با الگوی سطحی و بلوکی در آن ها وجود داشته است، مانند دو پارک شهری ائل گلی و باغلار باغی. بعد از پارک ائل گلی و باغلار باغی، فضاهای سبز موجود در دانشگاه تبریز و پارک موزه دفاع مقدس بیشترین نقش را در کاهش جزایر حرارتی شهری منطقه 2 تبریز داشته اند و بیشترین میزان از کاهش جزایر حرارتی منطقه 4 تبریز نیز مربوط به پارک آذربایجان (پارک بزرگ تبریز) که دارای الگوی توزیع سطحی و بلوکی است، بوده است. زیرساخت های سبز که دارای الگوی توزیعی تکه تکه و خوشه ای بوده در کاهش جزایر حرارتی شهری نتوانسته خوب عمل کند و از این رو دارای تاثیرات پایینی می باشد. همچنین این پژوهش مشخص کرد که کاربری اراضی/پوشش اراضی نقش فزاینده ای در کاهش جزایر حرارتی شهری دارد، به طوری که در سال 1363 مناطق 2 و 4 تبریز در بهترین حالت به ترتیب حدود 42/14 و 79/37 درصد توانسته اند، جزایر حرارتی شهری را کاهش دهند. در این سال، منطقه 2 کلان شهر تبریز حدود 04/10 درصد فضای سبز و منطقه 4 نیز به ترتیب حدود 51/4 درصد فضای سبز و 08/32 درصد اراضی کشاورزی داشته است، از این رو منطقه 4 به دلیل دارا بودن زیرساخت های سبز بیشتر توانسته است، در کاهش جزایر حرارتی شهری در بهترین حالت بهتر از منطقه 2 عمل کند. در سال 1381 نیز مناطق 2 و 4 در بهترین حالت به ترتیب حدود 46/10 و 10/27 درصد توانسته اند، جزایر حرارتی شهری را کاهش دهند. بیشینه بودن میزان خنک کنندگی منطقه 4 نسبت به منطقه 2 در این سال ناشی از بیشتر بودن میزان کاربری های مربوط به اراضی کشاورزی و فضای سبز یعنی در حدود 37/24 و 83/1 درصد در این منطقه نسبت به منطقه 2 است، در حالی که منطقه 2 هیچ گونه کاربری مربوط به اراضی کشاورزی نداشته و فضای سبز آن هم در حدود 72/7 درصد بوده است. بدین ترتیب در این سال منطقه 4 تبریز در مقایسه با منطقه 2 در خنثی سازی جزایر حرارتی شهری عملکرد بهتری داشته است. در سال 1401 نیز مناطق 2 و 4 تبریز در بهترین حالت به ترتیب حدود 15/33 و 47/23 درصد توانسته اند، جزایر حرارتی شهری را کاهش دهند. در این سال فضای سبز و اراضی کشاورزی منطقه 2 به ترتیب در حدود 96/12 و 155/0 درصد و منطقه 4 نیز در حدود 09/3 و 74/19 درصد بوده است، فلذا در این سال، منطقه 2 نسبت به منطقه 4 در کاهش جزایر حرارتی شهری عملکرد بهتری داشته است. از این رو بین زیرساخت های سبز در کاهش جزایر حرارتی شهری نیز تفاوت وجود دارد، به طوری که فضاهای سبز نسبت به اراضی کشاورزی و مراتع نقش بیشتر و بهتری در کاهش جزایر حرارتی شهری دارند. به این ترتیب مدیریت شهری کلان شهر تبریز باید به برنامه هایی که به حفظ و توسعه فضاهای سبز شهری از قبیل پارک ها و باغ های شهری منجر می شود، روی بیاورد. با وجود این که بزرگترین جزیره حرارتی کلان شهر تبریز در فرودگاه تبریز قرار داشته و این فرودگاه در کنار پایگاه دوم شکاری نیروی هوایی قرار گرفته و توسعه کاربری مسکونی در محدوده آن ها ممنوع بوده و عمده کاربری های موجود در آن محدوده ها حمل و نقل و انبار است و همچنین با توجه به این که فرودگاه تبریز با پارک آذربایجان دارای مجاورت می باشد و این پارک از جمله فضاهای سبز بزرگ (بالای دو هکتار) می باشد، فلذا اثرات ناشی از بزرگ ترین جزیره حرارتی شهری بر مناطق مورد مطالعه خاصه منطقه 4 تبریز تا حدود زیادی کاهش می یابد. نتایج نشان داد که در سال 1363 مناطق 4 و 2 کلان شهر تبریز به ترتیب برابر با 69688158 و 19337882، در سال 1381 با 107206826و 58416241 و در سال 1401 مناطق 2 و 4 کلان شهر تبریز به ترتیب با 173423460و 153319717 کیلو وات ساعت بیشترین میزان ذخیره انرژی ناشی از کاهش جزایر حرارتی شهری را داشته اند. همچنین نتایج نشان داد که کاربری های مسکونی که در محدوده پارک های شهری و فضاهای سبز شهری خاصه پارک های شهری بزرگ مقیاس قرار داشته اند، بیشترین میزان ذخیره انرژی ناشی از کاهش جزایر حرارتی شهری را داشته اند. هم سو با نتایج این پژوهش، پژوهش های مشابه دیگری نیز در سطج داخلی و جهانی به بررسی تاثیر جزایر سرد شهری در کاهش جزایر حرارتی شهری پرداخته است. این پژوهش ها نیز مانند پژوهش حاضر به نقش فزاینده جزایر سرد شهری یعنی زیرساخت های سبز در کاهش جزایر حرارتی شهری تاکید کرده اند، چنان چه در سطح داخلی پژوهش ونایی و همکاران (1395) (تاکید بر نقش پوشش گیاهی در کاهش جزایر حرارتی شهری) و شوشتری و همکاران (1397) (تاکید بر نقش فضاهای سبز در کاهش جزایر حرارتی شهری در مقیاس کوچک) و در عرصه خارجی نیز داس و همکاران (2022) (نقش عمده پارک های شهری در خنک سازی مناطق اطراف) و اسکاربیت و همکاران (2024) (نقش پوشش گیاهی و توسعه فضای سبز هدفمند در کاهش 2 تا 3 درجه ای دمای هوا) به این مورد تاکید داشته اند. همچنین یائو و همکاران (2022) در پژوهش خود بر نقش پارک های بزرگ مقیاس (با 08/1 هکتار) برای تامین آسایش حرارتی شهری تاکید کرده اند که پژوهش حاضر هم نشان داد که محدوده هایی که به پارک های بزرگ (پارک ائل گلی و باغلارباغی در منطقه 2 و پارک آذربایجان در منطقه 4 تبریز) نزدیک بوده اند، بیشترین میزان کاهش جزایر حرارتی را داشته اند. تفاوتی که این پژوهش با پژوهش های انجام شده داخلی دارد این است که در پژوهش های داخلی به سنجش تاثیر زیرساخت های سبز شهری با استفاده از نرم افزار InVEST پرداخته نشده است و در مقایسه با پژوهش های خارجی هم می توان گفت در پژوهش حاضر به رتبه بندی کاهش جزایر حرارتی شهری ناشی از زیرساخت های سبز و تاثیر آن در میزان ذخیره انرژی در سطح محلات مناطق 2 و 4 کلان شهر تبریز و همچنین میزان کاهش جزایر حرارتی شهری در رابطه با انواع کاربری اراضی شهری نیز پرداخته شده است که این مورد باعث می شود میزان کاهش جزایر حرارتی شهری و تاثیرات آن به صورت هر چه دقیق تر و بهتر در سطح محلات مناطق 2 و 4 کلان شهر تبریز مشخص شود، امری که در پژوهش های خارجی نیز بدان پرداخته نشده است. با توجه به این که پیوستگی و اتصال زیرساخت های سبز و میزان و مساحت این زیرساخت ها نقش فزاینده ای در کاهش جزایر حرارتی شهری دارد و نیز با توجه به این که فضاهای سبز تکه تکه و خوشه ای در کاهش جزایر حرارتی شهری چندان تاثیری ندارند، پیشنهاد می شود که برنامه ریزان و مدیران شهری در برنامه ریزی شهری به افزایش میزان و سرانه زیرساخت های سبز و پیوستگی و اتصال این زیرساخت ها توجه ویژه ای داشته باشند. از این رو بهترین راه محاسبه ضریب مقاومت تغییر کاربری ها جهت ایجاد زیرساخت های سبز، استفاده از کریدورهای سبز اکولوژیکی در مسیر رودخانه مهران رود و اتصال و پیوستگی بوستان ها و پارک های موجود است.
ملاحظات اخلاقی:
حامی مالی: این پژوهش حامی مالی نداشته است.
تعارض منافع: بنابر اظهار نویسندگان مقاله حاضر فاقد هرگونه تعارض منافع بوده است.
References
1. Abel, D. W., Holloway, T., Harkey, M., Meier, P., Ahl, D., Limaye, V. S., & Patz, J. A. (2018). Air-quality-related health impacts from climate change and from adaptation of cooling demand for buildings in the eastern United States: An interdisciplinary modeling study. PLoS medicine, 15(7), e1002599. https://doi.org/10.1371/journal.pmed.1002599
2. Akbari, D., Moradizadeh, M., Akbari, M., (2020), Land Use Changes and Urban Development Simulation Using Neural Network and Markov Chain Cellular Automata, Journal of Research and Urban Planning, 10) 39(, 167-170. https://doi.org/20.1001.1.22285229.1398.10.39.12.0 [In Persian].
3. Alizadeh, A. (1998). Principles of designing irrigation systems, Mashhad: Astan Quds Razavi Publishing, Imam Reza University (AS), third edition. [In Persian].
4. Allen, R. G., Pereira, L. S., Raes, D., & Smith, M. (1998). Crop evapotranspiration-Guidelines for computing crop water requirements-FAO Irrigation and drainage paper 56. Fao, Rome, 300(9), D05109
5. An, N., Dou, J., Gonz´alez-Cruz, J.E., Bornstein, R.D., Miao, S., & Li, L. (2020). An observational case study of synergies between an intense heat wave and the urban heat island in Beijing. J. Appl. Meteorol. Climatol. 59 (4), 605–620. https://doi.org/10.1175/JAMC-D-19-0125.1
6. Azadi Mubaraky, M., & Ahmadi, M. (2020). Investigating the heat islands of Tabriz with the approach of urban livability, Researches earth sciences, 11(43), 245-262. https://doi.org/ 10.52547/ESRJ.11.3.245 [In Persian].
7. Azadi Mubaraky, M., & Ahmadi, M. (2021). Investigation of urban heat islands of Tabriz metropolis using multi-time data of LANDSAT8 satellite based on hot spot analysis method, Journal of regional planning, 11(43), 47-63. https://doi.org/10.30495/JZPM.2021.3992 [In Persian].
8. Bala, R., Prasad, R., & Yadav, V. P. (2020). A comparative analysis of day and night land surface temperature in two semi-arid cities using satellite images sampled in different seasons. Advances in Space Research, 66(2), 412-425. https://doi.org/10.1016/j.asr.2020.04.009
9. Bala, R., Prasad, R., & Yadav, V. P. (2021). Quantification of urban heat intensity with land use/land cover changes using Landsat satellite data over urban landscapes. Theoretical and Applied Climatology, 145, 1-12. https://doi.org/10.21203/rs.3.rs-243576/v1
10. Borhani, K., Sadralah Goodarzi, S., & Esmaeili, S. (2020). Feasibility study on the implementation of adaptation and mitigation strategies in coping with urban heat islands (case study: Tehran metropolis), Journal of human Geography research quarterly, 52(1), 263-281. https://doi.org/10.22059/JHGR.2018.263461.1007759 [In Persian].
11. Bokaie, M., Zarkesh, M.K., Arasteh, P.D., & Hosseini, A. (2016). Assessment of Urban Heat Island Based on the Relationship between Land Surface Temperature and Land Use/Land Cover in Tehran. Sustain. Cities Soc. 23, 94–104. https://doi.org/10.1016/j.scs.2016.03.009
12. Chen, H., Deng, Q., Zhou, Z., Ren, Z., & Shan, X. (2022). Influence of land cover change on spatio-temporal distribution of urban heat island —a case in Wuhan main urban area. Sustain. Cities Soc. 79, 103715. https://doi.org/10.1016/j.scs.2022.103715
13. Cohen, A. J., Anderson, H. R., Ostro, B., Pandey, K. D., Krzyzanowski, M., Künzli, N., ... & Smith, K. R. (2004). Urban air pollution. Comparative quantification of health risks: global and regional burden of disease attributable to selected major risk factors, 2, 1353-1433.
14. Costa, S., Ferreira, J., Silveira, C., Costa, C., Lopes, D., Relvas, H., ... & Paulo Teixeira, J. (2014). Integrating health on air quality assessment—review report on health risks of two major European outdoor air pollutants: PM and NO2. Journal of Toxicology and Environmental Health, Part B, 17(6), 307-340. https://doi.org/10.1080/10937404.2014.946164
15. Das, M., & Das, A. (2020). Assessing the relationship between local climatic zones (LCZs) and land surface temperature (LST) – a case study of Sriniketan-Santiniketan Planning Area (SSPA), West Bengal, India. Urban Clim. 32, 100591. https://doi.org/10.1016/j.uclim.2020.100591
16. Das, M., Das, A., & Momin, S. (2022). Quantifying the cooling effect of urban green space: A case from urban parks in a tropical mega metropolitan area (India). Sustainable Cities and Society, 87, 104062. https://doi.org/10.1016/j.scs.2022.104062
17. Depietri, Y. (2020). The social–ecological dimension of vulnerability and risk to natural hazards. Sustainability Science, 15(2), 587-604. https://doi.org/10.1007/s11625-019-00710-y
18. Dissanayake, D. M. S. L. B., Morimoto, T., Murayama, Y., & Ranagalage, M. (2019). Impact of landscape structure on the variation of land surface temperature in sub-saharan region: A case study of Addis Ababa using Landsat data (1986–2016). Sustainability, 11(8), 2257. https://doi.org/10.3390/su11082257
19. Dong, Y., Ren, Z., Fu, Y., Hu, N., Guo, Y., Jia, G., & He, X. (2022). Decrease in the residents’ accessibility of summer cooling services due to green space loss in Chinese cities. Environ. Int. 158, 107002. https://doi.org/10.1016/j.envint.2021.107002
20. Dutta, D., Rahman, A., Paul, S. K., & Kundu, A. (2021). Impervious surface growth and its inter-relationship with vegetation cover and land surface temperature in peri-urban areas of Delhi. Urban Climate, 37, 100799. https://doi.org/10.1016/j.uclim.2021.100799
21. Dwivedi, A., & Mohan, B.K. (2018). Impact of green roof on micro climate to reduce Urban Heat Island. Remote Sens. Appl.: Soc. Environ. 10, 56–69. https://doi.org/10.1016/j.rsase.2018.01.003.
22. Erell, E., Pearlmutter, D., & Williamson, T. (2011). Urban Microclimate: Designing the spaces between buildings. London, Washington, DC.: Earthscan. Saturday, November 28, 2015
23. Effect, H.I. (2022). Heat island effect, Available from: https://www.epa.gov/heatislands.
24. Estrada, F., Botzen, W. W., & Tol, R. S. (2017). A global economic assessment of city policies to reduce climate change impacts. Nature Climate Change, 7(6), 403-406. https://doi.org/ 10.1038/nclimate3301.
25. Fadhil, M., Hamoodi, M. N., & Ziboon, A. R. T. (2023). Mitigating urban heat island effects in urban environments: strategies and tools. In IOP Conference Series: Earth and Environmental Science (Vol. 1129, No. 1, p. 012025). IOP Publishing. https://doi.org/10.1088/1755-1315/1129/1/012025
26. Gago, E.J., Roldan, J., Pacheco, R., & Ord´o˜nez, J. (2013). The city and urban heat islands: a review of strategies to mitigate adverse effects. Renew. Sustain. Energy Rev. 25, 749–758. https://doi.org/10.1016/j.rser.2013.05.057
27. Gao, Z., Zaitchik, B. F., Hou, Y., & Chen, W. (2022). Toward park design optimization to mitigate the urban heat Island: Assessment of the cooling effect in five US cities. Sustainable Cities and Society, 81, 103870. https://doi.org/10.1016/j.scs.2022.103870
28. Godish, T., Davis, W.T., Fu, J.S. (2014). Air Quality; CRC Press: Boca Raton, FL, USA.
29. Heidari, H., Mohammadbeigi, A., Khazaei, S., Soltanzadeh, A., Asgarian, A., & Saghafipour, A. (2020). The effects of climatic and environmental factors on heat-related illnesses: A systematic review from 2000 to 2020. Urban Climate, 34, 100720. https://doi.org/10.1016/j.uclim.2020.100720
30. https://xiaoganghe.github.io/InVEST-Cities-in-Nature/docs/Urban-Cooling/about/#summary.
31. https://www.copernicus.eu/en/global-land-surface-albedo.
32. Howard, L. (2013). The Climate of London: Deduced from Meteorological Observations.
33. Hidalgo, D., & Arco, J. (2021). Modeling of the Urban Heat Island on local climatic zones of a city using Sentinel 3 images: Urban determining factors. Urban Clim 37 (September 2020). https://doi.org/10.1016/j.uclim.2021.100840
34. Hu, Y., Wang, C., & Li, J. (2023). Assessment of Heat Mitigation Services Provided by Blue and Green Spaces: An Application of the InVEST Urban Cooling Model with Scenario Analysis in Wuhan, China. Land, 12(5), 963. https://doi.org/10.3390/land12050963
35. Kafy, A. A., Rahman, M. S., Islam, M., Al Rakib, A., Islam, M. A., Khan, M. H. H., ... & Sattar, G. S. (2021). Prediction of seasonal urban thermal field variance index using machine learning algorithms in Cumilla, Bangladesh. Sustainable Cities and Society, 64, 102542. https://doi.org/10.1016/j.scs.2020.102542
36. Kjellstrom, T., Briggs, D., Freyberg, C., Lemke, B., Otto, M., & Hyatt, O. (2016). Heat, human performance, and occupational health: a key issue for the assessment of global climate change impacts. Annual review of public health, 37, 97-112. https://doi.org/10.1146/annurev-publhealth-032315-021740
37. Kolokotsa, D., Santamouris, M., & Zerefos, S. C. (2013). Green and cool roofs’ urban heat island mitigation potential in European climates for office buildings under free floating conditions. Solar Energy, 95, 118-130. https://doi.org/10.1016/j.solener.2013.06.001
38. Kondo, K., Mabon, L., Bi, Y., Chen, Y., & Hayabuchi, Y. (2021). Balancing conflicting mitigation and adaptation behaviours of urban residents under climate change and the urban heat island effect. Sustainable Cities and Society, 65, 102585. https://doi.org/10.1016/j.scs.2020.102585
39. Kovats, R.S., Campbell-Lendrum, D., & Matthies, F. (2005). Climate change and human health: Estimating avoidable deaths and disease. Risk Anal. 25 (6), 1409–1418. https://doi.org/10.1111/j.1539-6924.2005.00688.x
40. Leal Filho, W., Echevarria Icaza, L., Emanche, V.O., Quasem & Al-Amin, A. (2017). An evidence-based review of impacts, strategies and tools to mitigate urban Heat Islands. Int. J. Environ. Res. Public Health 14. https://doi.org/10.3390/ijerph14121600
41. Lin, J., Huang, C., Wen, Y., & Liu, X. (2021). An assessment framework for improving protected areas based on morphological spatial pattern analysis and graph-based indicators. Ecological Indicators, 130, 108138. https://doi.org/10.1016/j.ecolind.2021.108138
42. Liu, W., You, H., & Dou, J. (2009). Urban-rural humidity and temperature differences in the Beijing area. Theoret. Appl. Climatol. 96, 201–207. https://doi.org/10.1007/s00704-008-0024-6
43. Marando, F., Heris, M. P., Zulian, G., Udías, A., Mentaschi, L., Chrysoulakis, N., ... & Maes, J. (2022). Urban heat island mitigation by green infrastructure in European Functional Urban Areas. Sustainable Cities and Society, 77, 103564. https://doi.org/10.1016/j.scs.2021.103564
44. Martins, T.A.L., Adolphe, L., Bonhomme, M., Bonneaud, F., Faraut, S., Ginestet, S., Michel, C., & Guyard, W. (2016). Impact of Urban Cool Island measures on outdoor climate and pedestrian comfort: Simulations for a new district of Toulouse, France.Sustain. Cities Soc. 26, 9–26. https://doi.org/10.1016/j.scs.2016.05.003
45. Monteith, J. L. (1965). Evaporation and environment. In Symposia of the society for experimental biology (Vol. 19, pp. 205-234). Cambridge University Press (CUP) Cambridge.
46. Moriwaki, R., Watanabe, K., & Morimoto, K. (2013). Urban dry island phenomenon and its impact on cloud base level. Journal of JSCE, 1(1), 521-529. https://doi.org/10.2208/journalofjsce.1.1_521.
47. Naghsh-E-Mohit Consulting Engineers. (2012). Development and Construction (Comprehensive) Plan of Tabriz City, Environmental Report of the Existing Stage, Ministry of Roads and Urban Development, General Office of Roads and Urban Development of East Azerbaijan Province. [In Persian].
48. Norton, T.A., Parker, S.L., Zacher, H., & Ashkanasy, N.M. (2015). Employee green behavior: a theoretical framework, multilevel review, and future research agenda. Organ. Environ. 28 (1), 103–125. https://doi.org/10.1177/1086026615575773
49. Oke, T. (1982). The energetic basis of urban heat island. Q. J. R. Meteorolog. Soc. 108, 1–24. https://doi.org/10.1002/qj.49710845502
50. Owen, T.W., Carlson, T.N., & Gillies, R.R. (1998). An Assessment of Satellite Remotely-Sensed Land Cover Parameters in Quantitatively Describing the Climatic Effect of Urbanization. Int. J. Remote Sens. 19 (9), 1663–1681. https://doi.org/10.1080/014311698215171
51. Priyadarsini, R. (2012). Urban heat island and its impact on building energy consumption In Advances in Building Energy Research. https://doi.org/10.3763/aber.2009.0310
52. Qian, W., & Li, X. (2023). A cold island connectivity and network perspective to mitigate the urban heat island effect. Sustainable Cities and Society, 94, 104525. https://doi.org/10.1016/j.scs.2023.104525
53. Qiu, J., Li, X., & Qian, W. (2023). Optimizing the spatial pattern of the cold island to mitigate the urban heat island effect. Ecological Indicators, 154, 110550. https://doi.org/10.1016/j.ecolind.2023.110550
54. Ramachandra, T.V., Bharath, S., & Gupta, N. (2018). Modelling Landscape Dynamics with LST in Protected Areas of Western Ghats, Karnataka. J. Environ. Manage. 206, 1253–1262. https://doi.org/10.1016/j.jenvman.2017.08.001
55. Ramezani, S., & Naghibi, F. (2020). Investigation of the vegetation index changes in the formation of the urban heat islands (Case study: Urmia city), Journal of research and urban planning, 11(42), 195-206. https://doi.org/20.1001.1.22285229.1399.11.42.14.5 [In Persian].
56. Ranagalage, M., Dissanayake, D. M. S. L. B., Murayama, Y., Zhang, X., Estoque, R. C., Perera, E. N. C., & Morimoto, T. (2018). Quantifying surface urban heat island formation in the world heritage tropical mountain city of Sri Lanka. ISPRS international journal of geo-information, 7(9), 341. https://doi.org/10.3390/ijgi7090341
57. Rizwan, A. M., Dennis, L. Y., & Chunho, L. I. U. (2008). A review on the generation, determination and mitigation of Urban Heat Island. Journal of environmental sciences, 20(1), 120-128. https://doi.org/10.1016/S1001-0742(08)60019-4
58. Rocklöv, J., Forsberg, B., Ebi, K., & Bellander, T. (2014). Susceptibility to mortality related to temperature and heat and cold wave duration in the population of Stockholm County, Sweden. Global health action, 7(1), 22737. https://doi.org/10.3402/gha.v7.22737
59. Ronchi, S., Salata, S., & Arcidiacono, A. (2020). Which urban design parameters provide climate-proof cities? An application of the Urban Cooling InVEST Model in the city of Milan comparing historical planning morphologies. Sustainable Cities and Society, 63, 102459. https://doi.org/10.1016/j.scs.2020.102459
60. Sanagar darbani, E., Rafieian, M., hanaee , T., & Monsefi parapari, D. (2020). The Effects of Urban Heat Islands Mitigation on Human Health through Change in Urban form Hot and Arid Climate of Mashhad (Case Study: Graticular Texture of Shahed and Organic Texture of Pachenar Neighborhoods), Journal of environmental science and technology, 22(4), 375-387. https://doi.org/10.22034/JEST.2020.33354.4134 [In Persian].
61. Saaroni, H., Amorim, J.H., Hiemstra, J.A., & Pearlmutter, D. (2018). Urban Green Infrastructure as a tool for urban heat mitigation: Survey of research methodologies and findings across different climatic regions. Urban Clim. 24, 94–110. https://doi.org/10.1016/j.uclim.2018.02.001
62. Sailor, D. J., & Dietsch, N. (2007). The urban heat island mitigation impact screening tool (MIST). Environmental Modelling & Software, 22(10), 1529-1541. https://doi.org/10.1016/j.envsoft.2006.11.005
63. Santamouris, M. (2014). Cooling the cities – A review of reflective and green roof mitigation technologies to fight heat island and improve comfort in urban environments. Solar Energy, 103, 682–703. https://doi.org/10.1016/j.solener.2012.07.003
64. Santamouris, M. (2015). Regulating the damaged thermostat of the cities—Status, impacts and mitigation challenges. Energy and Buildings, 91, 43–56. https://doi.org/10.1016/j.enbuild.2015.01.027
65. Santamouris, M. (2020). Recent progress on urban overheating and heat island research. Integrated assessment of the energy, environmental, vulnerability and health impact. Synerg. Glob. Clim. Change Energy Build. 207. https://doi.org/10.1016/j.enbuild.2019.109482
66. Sharma, A., Conry, P., Fernando, H.J.S., Hamlet, A.F., Hellmann, J.J., & Chen, F. (2016). Green and Cool Roofs to Mitigate Urban Heat Island Effects in the Chicago Metropolitan Area: Evaluation with a Regional Climate Model. Environ. Res. Lett. 11 (6), 64004. https://doi.org/ 10.1088/1748-9326/11/6/064004
67. Shoshtari, S. A., Ghalehnoee, M., EzzatianV., Maleki, A., Paknejad, M., & Rahpou, R. (2018). Studying the combined method in identifying Urban Heat Islands and their Mitigation via Urban Green Spaces (case study: Isfahan City), Journal of Urban studies, 7(28), 41-54. https://doi.org/10.34785/J011.2018.015 [In Persian].
68. Skarbit, N., Unger, J., & Gál, T. (2024). Evaluating the Impact of Heat Mitigation Strategies Using Added Urban Green Spaces during a Heatwave in a Medium-Sized City. Sustainability, 16(8), 3296. https://doi.org/10.3390/su16083296
69. Smith, K. R., Chafe, Z., Woodward, A., Campbell-Lendrum, D., Chadee, D. D., Honda, Y., ... & Haines, A. (2015). Human health: impacts, adaptation, and co-benefits. In Climate Change 2014 Impacts, Adaptation and Vulnerability: Part A: Global and Sectoral Aspects (pp. 709-754).
70. Song, J., Chen, W., Zhang, J., Huang, K., Hou, B., & Prishchepov, A.V. (2020). Effects of building density on land surface temperature in China: spatial patterns and determinants. Landsc. Urban Plan. 198, 103794 https://doi.org/10.1016/j.landurbplan.2020.103794
71. Solecki, W.D., Rosenzweig, C., Parshall, L., Pope, G., Clark, M., Cox, J., & Wiencke, M. (2005). Mitigation of the heat island effect in urban New Jersey. Environ. Hazards 6 (1), 39–49. https://doi.org/10.1016/j.hazards.2004.12.002
72. Spronken-Smith, R. A., Oke, T. R., & Lowry, W. P. (2000). Advection and the surface energy balance across an irrigated urban park. International Journal of Climatology, 20. https://doi.org/10.1002/1097-0088(200007)20:9<1033::AID-JOC508>3.0.O;2-U
73. Steeneveld, G.J., Koopmans, S., Heusinkveld, B.G., van Hove, L.W.A., & Holtslag, A.A.M. (2011). Quantifying urban heat island effects and human comfort for cities of variable size and urban morphology in the netherlands. J. Geophys. Res.: Atmosph. 116 https://doi.org/10.1029/2011JD015988
74. Sundborg, A. (1950). Local climatological studies of the temperature conditions in an urban area. Tellus 2, 222–232. https://doi.org/10.3402/tellusa.v2i3.8544
75. Taha, H. (1997). Modeling the impacts of large-scale albedo changes on ozone air quality in the South Coast Air Basin. Atmospheric Environment, 31(11), 1667-1676. https://doi.org/10.1016/S1352-2310(96)00336-6
76. Taslim, S., Parapari, D. M., & Shafaghat, A. (2015). Urban design guidelines to mitigate urban heat island (UHI) effects in hot-dry cities. Jurnal Teknologi, 74(4), 119-124. https://doi.org/10.11113/jt.v74.4619
77. Ulpiani, G. (2021). On the linkage between urban heat island and urban pollution island: Three-decade literature review towards a conceptual framework. Science of the total environment, 751, 141727. https://doi.org/10.1016/j.scitotenv.2020.141727
78. Valizadeh Kamran, K., Gholamnia, K., Eynali, G., & Moosavi, M. (2017). Estimation land surface temperature and extract heat islands using split window algorithm and multivariate regression analysis (Case Study of Zanjan). Journal of research and urban planning, 8(30), 35-50. https://doi.org/20.1001.1.22285229.1396.8.30.3.9 [In Persian].
79. Van Der Hoeven, F., & Wandl, A. (2015). Amsterwarm: Mapping the landuse, health and energy-efficiency implications of the Amsterdam urban heat island. Building Services Engineering Research and Technology, 36(1), 67-88. https://doi.org/10.1177/0143624414541451
80. Venai, N. (2016), mitigate urban heat island through environmental design, a case study of district 6 of Tehran Municipality, MSc thesis, supervisors: Mohammad Reza Masnavi and Amir Hoshang Ehsani, Environmental Design Engineering, Faculty of Environment, University of Tehran. [In Persian].
81. Villanueva-Solis, J., Ranfla, A., & Quintanilla-Montoya, A. L. (2013). Isla de calor urbana: modelación dinámica y evaluación de medidas de mitigación en ciudades de clima árido extremo. Información tecnológica, 24(1), 15-24. http://dx.doi.org/10.4067/S0718-07642013000100003
82. Walcek, C. J., & Yuan, H. H. (1995). Calculated influence of temperature-related factors on ozone formation rates in the lower troposphere. Journal of Applied Meteorology and Climatology, 34(5), 1056-1069. https://doi.org/10.1175/1520-0450(1995)034<1056:CIOTRF>2.0.CO;2
83. Wang, Y., Chen, L., & Kubota, J. (2016). The relationship between urbanization, energy use and carbon emissions: evidence from a panel of Association of Southeast Asian Nations (ASEAN) countries. Journal of Cleaner Production, 112, 1368-1374. http://dx.doi.org/10.1016/j.jclepro.2015.06.041
84. Wang, Z., Zhu, P., Zhou, Y., Li, M., Lu, J., Huang, Y., & Deng, S. (2023). Evidence of relieved urban heat island intensity during rapid urbanization through local climate zones. Urban Climate, 49, 101537. https://doi.org/10.1016/j.uclim.2023.101537
85. World Health Organization. Ambient (Outdoor). (2014). Air Quality and Health Fact Sheet No 313; World Health Organization: Geneva, Switzerland, Updated in May 2018.
86. Xie, M., Gao, Y., Cao, Y., Breuste, J., Fu, M., & Tong, D. (2015). Dynamics and temperature regulation function of urban green connectivity. Journal of Urban Planning and Development, 141(3), A5014008. https://doi.org/10.1061/(ASCE)UP.1943-5444.0000266
87. Yao, X., Yu, K., Zeng, X., Lin, Y., Ye, B., Shen, X., & Liu, J. (2022). How can urban parks be planned to mitigate urban heat island effect in “Furnace cities”? An accumulation perspective. Journal of Cleaner Production, 330, 129852. https://doi.org/10.1016/j.jclepro.2021.129852
88. Yuan, G. N., Marquez, G. P. B., Deng, H., Iu, A., Fabella, M., Salonga, R. B., ... & Cartagena, J. A. (2022). A review on urban agriculture: technology, socio-economy, and policy. Heliyon. https://doi.org/10.1016/j.heliyon.2022.e11583
89. Zhou, Y., & Shepherd, J. M. (2010). Atlanta’s urban heat island under extreme heat conditions and potential mitigation strategies. Natural hazards, 52, 639-668. https:// doi.org/10.1007/s11069-009-9406-z
90. Zinzi, M., & Agnoli, S. (2012). Cool and green roofs. An energy and comfort comparison between passive cooling and mitigation urban heat island techniques for residential buildings in the Mediterranean region. Energy and buildings, 55, 66-76. https://doi.org/10.1016/j.enbuild.2011.09.024