هدف این مقاله ارائه مناطق ممکن برای کاشت انواع مختلف پوشش گیاهی در نزدیکی راهبندان برای کاهش آلودگی هوا در پایتخت کرواسی، شهر زاگرب است. بر اساس جاده ترافیک اصلی و یادگیری ماشین تصادفی جنگل با استفاده از داده های شهرهای اروپایی WorldView-2، مناطق بالقوه ایجاد می شوند. مشاهده می شود که بر اساس یک بافر 10 متری، سطح کاشت احتمالی بیش از 220000 متر مربع و بر اساس 15 متر بافر امکان کاشت بیش از 410000 متر مربع وجود دارد. گیاهان پیشنهادی عبارتند از Viburnum lucidum ، Photinia x fraseri ، Euonymus japonicus ، Tilia cordata ، Aesculus hippocastanum ، Pinus sp.، Taxus baccata ., Populus alba , Quercus robur , Betula pendula که مشخصه مناطق شهری در کرواسی هستند. کاشت درختان پیشنهادی ممکن است منجر به افزایش 3-5٪ در کل درختان در شهر زاگرب شود. اگرچه تحقیقات مشابهی منتشر شده است، این مقاله یافته های جدیدی را از روش های ترکیبی یادگیری ماشین برای تعریف مناطق سبز شهری ارائه می دهد. علاوه بر این، این مقاله نتایج اصلی را برای این منطقه ارائه می‌کند.

کلید واژه ها:

آلودگی هوا ؛ جنگل تصادفی ; شهر زاگرب ؛ داده های WorldView-2 ; مناطق سبز شهری ؛ ترافیک جاده ای

1. مقدمه

هوای آلوده در مناطق شهری مشکلات بهداشتی بی شماری را برای مردم به همراه دارد و نیاز به رفع آن ها در مقیاس جهانی را ایجاد می کند. زاگرب، پایتخت کرواسی، شهری است که برخی از مسائل مهم آلودگی هوا دارد. در ماه های سردتر، سطوح آلودگی قابل توجه است و نیاز به پروژه ها و مداخلات در فضای عمومی برای کاهش سطح آلاینده ها و بهبود کیفیت هوا دارد. آلودگی هوا در زاگرب را می توان به چند دلیل نسبت داد، مانند کارخانه ها، مناطق صنعتی و نیروگاه ها. زغال سنگ و گازوئیل همچنان سوخت های اصلی مورد استفاده در تولید انرژی و استفاده از ماشین آلات سنگین هستند. به غیر از آن، کارخانه ها، بسته به نوع محصولاتی که تولید می کنند، می توانند منبع مواد شیمیایی جدید متعددی مانند دیوکسین ها، فوران ها، میکروپلاستیک ها و غیره باشند. در مناطق شهری پرجمعیت،1 ]. مقدار زیادی دود و دود از وسایل نقلیه شخصی که برای رفت‌وآمدهای روزمره استفاده می‌شوند و از وسایل نقلیه سنگین مانند کامیون‌ها و کامیون‌هایی که کالاها و اقلام صنعتی را حمل می‌کنند منتشر می‌شود [ 1 ]. برای به دست آوردن تصویر واضح تر، به سادگی می توان به تعداد خودروهای تولید شده نگاه کرد. در سال 1999، حدود 39 میلیون خودرو تولید شد [ 2 ]. هر سال، این تعداد افزایش می یابد و در سال 2020، حدود 70 میلیون خودرو تولید شد [ 2 ، 3 ]. در کرواسی، در 5 سال گذشته، افزایش 15 درصدی در خودروهای سواری ثبت شده وجود داشت [ 4 ]]. روزانه حدود 100000 وسیله نقلیه موتوری در زاگرب استفاده می شود. یکی از راه‌هایی که می‌توان تا حدی این مشکل را کاهش داد، ممنوعیت رانندگی در مرکز شهر یا ممنوعیت در روزهای خاص (مانند شنبه و یکشنبه) است [ 5 ]. اگرچه این تأثیر مثبت دارد، اما جاده های اصلی باید برای تردد باز بماند. ترافیک توسط یک گزارش ژئوپورتال در شهر زاگرب تعریف شده است [ 6]. ترافیک به صورت انتزاعی شناسایی و در این کار گنجانده می‌شود، زیرا بیشترین آلودگی در نزدیکی جاده‌های دارای ترافیک است. راه حل ممکن دیگر استفاده از وسایل حمل و نقل سازگار با محیط زیست، مانند اتومبیل های برقی، دوچرخه، یا حمل و نقل عمومی، یا تلاش برای جلوگیری از گسترش آلودگی بیشتر از راهروهای پر رفت و آمد با استفاده از زیرساخت های سبز است. زیرساخت سبز کنار جاده را می توان با حداقل تغییرات مورد نیاز در محیط های شهری موجود اعمال کرد [ 7 ]. مداخلات فضایی هدفمند، خوب برنامه ریزی شده و مبتنی بر شواهد می تواند سلامت ساکنان شهری را ارتقا دهد [ 8 ].
با توجه به [ 9 ]، اصطلاح “زیرساخت سبز” می تواند به درختان و پوشش گیاهی مرتبط باشد که مزایای اکولوژیکی را در مناطق شهری یا سازه های دست ساز، مانند سیستم های زهکشی پایدار شهری فراهم می کند. انتخاب مناسب طراحی زیرساخت سبز می تواند تأثیر مثبتی بر قرار گرفتن شخصی در معرض آلاینده های هوا و سلامت انسان داشته باشد. زیرساخت‌های سبز در مناطق شهری می‌توانند آسیب‌پذیری در برابر امواج گرما و سیل را کاهش دهند و با افزایش ذخیره‌سازی کربن و کاهش اثرات آلودگی به کاهش تغییرات آب و هوایی کمک کنند. پوشش گیاهی شهری می تواند بهبود قابل توجهی در کیفیت هوا از طریق کاهش آلاینده های هوا ایجاد کند [ 10]. هنگام طراحی موانع سبز، باید زمینه را در نظر گرفت و بین دو محیط شهری معمولی، جاده باز و دره خیابان، تمایز قائل شد، زیرا انتخاب نامناسب پوشش گیاهی می‌تواند با اعمال تلاطم مکانیکی بیشتر باعث پراکندگی آلودگی شود [ 11 ]. باربانو و همکاران (2020) [ 12 ] دریافتند که درختان می توانند به طور قابل ملاحظه ای گردش و شدت جریان را تغییر دهند. با شکستن گرداب سایبان به گرداب های کوچکتر، یک ناحیه گردش مجدد در پای دیوار رو به باد ایجاد می شود که می تواند بر کیفیت هوای محلی تأثیر منفی بگذارد. این واقعیت که پوشش گیاهی می تواند اثرات نامطلوبی بر کیفیت هوا و در نتیجه قرار گرفتن در معرض عابران پیاده داشته باشد، به وضوح نشان می دهد که به منظور ارتقای سلامت عمومی، هر زمان که مداخله برنامه ریزی در نظر گرفته می شود، باید مطالعات پرتوگیری انجام شود.13 ]. سایر اثرات منفی احتمالی زیرساخت سبز، مانند انتشار ترکیبات آلی فرار بیولوژیکی (bVOCs) یا گرده، می تواند با انتخاب دقیق و سنجیده گونه ها برای کاشت کاهش یابد. بالاترین امتیاز بر اساس امتیاز کیفیت هوای درخت شهری عبارتند از Acer campestre ، Acer platanoides ، Alnus glutinosa ، Betula pendula، Chamaecyparis lawsoniana ، Crataegus monogyna ، Larix decidua ، Prunus laurocerasus و Pinus nigra [ .]. این واقعیت که همه گونه های گیاهی به یک اندازه در برابر آلودگی هوا مقاوم نیستند نیز باید در نظر گرفته شود. بر خلاف سایر گونه هایی که نسبت به آلودگی هوا کاملاً مقاوم هستند، گیاهان حساس تحت تأثیر منفی آن قرار می گیرند. در نتیجه، انتخاب گونه های گیاهی مناسب بسیار مهم است. شاخص تحمل آلودگی هوا (APTI) میزان حساسیت یا تحمل گیاهان به آلودگی را ارزیابی می کند. گونه‌های گیاهی را می‌توان بر اساس مقدار شاخص عملکرد پیش‌بینی‌شده (API) به دسته‌های متعددی دسته‌بندی کرد که هم APTI و هم پارامترهای مختلف مانند ساختار تاج پوشش، نوع درخت، ارزش اقتصادی و غیره را در نظر می‌گیرد. کیفیت هوا را می‌توان با استفاده از آن بهبود بخشید. یک گونه گیاهی با مقدار API بالا [ 15]. مشکل گرده گل و آلرژی های احتمالی را می توان با انتخاب ارقام ماده یا گونه های گرده افشانی حشرات کاهش داد. یک تصور غلط رایج در مورد فضای سبز شهری این است که افزایش مقدار پوشش گیاهی به طور خطی غلظت آلاینده های سطح زمین را کاهش می دهد. هنگامی که ممکن است با حفظ هوا در نزدیکی پوشش گیاهی برای مدت طولانی به رسوب کمک شود، فضای سبز شهری مفید است. سبزی شهری می تواند در فضاهای مختلف موفق باشد، از یک “واحه سبز” متوسط، مانند یک نیمکت احاطه شده توسط پرچین های ضخیم، تا یک جنگل شهری متراکم [ 16 ].]. شهرهای بزرگ اروپایی به اهمیت فضای سبز شهری پی برده اند و پروژه هایی را برای افزایش تعداد مناطق کاشته شده با درختان و درختچه ها انجام می دهند. به عنوان مثال، در شهر نانت فرانسه، که عنوان پایتخت سبز اروپا را در سال 2013 به دست آورد، 100٪ جمعیت در فاصله 300 متری فضای سبز زندگی می کنند [ 17 ]. از سوی دیگر، زاگرب یکی از پایتخت‌هایی است که کمترین میزان سرانه سبز شهری را دارد. اهمیت فضای سبز در مبارزه با تغییرات اقلیمی توسط دولت کرواسی نیز به رسمیت شناخته شده است که خود را متعهد به کاشت یک میلیون درخت در سال تا سال 2030 کرده است.
یکی از گام‌ها در جهت نظارت و مدیریت بهتر فضای سبز شهری در شهر زاگرب با ایجاد پایگاه دیجیتالی به نام «کاداستر سبز» انجام شد. این پایگاه داده آنلاین نتیجه همکاری بین شهر زاگرب است. Zrinjevac، یک شرکت دولتی مسئول حفظ فضای سبز شهری زاگرب. و شرکت Apis. برای ایجاد این کاداستر کلیه درختان، گلزارها، درختچه‌ها، چمن‌زارها، سبدها و زمین‌های ورزشی و کودکان سیستم‌بندی و فهرست‌بندی شد. بر اساس داده های ارائه شده توسط Zrinjevac، بیش از 160000 درخت و درختچه در منطقه شهر وجود دارد. گونه های غالب عبارتند از توس ( Betula pendula )، افرا ( Acer platanoides)، پلاتانا ( Platana x acerifolia )، افرا چنار.Acer pseudoplatanus ) و کاج سیاه ( Pinus niger ). این گونه ها برای زندگی در آب و هوای قاره ای و همچنین در مناطق شهری به خوبی سازگار هستند.
ذرات معلق (PM) موجود در هوا مخلوط پیچیده ای از فلزات سنگین، عناصر، کربن سیاه، خاک و سایر مواد است و فراوان ترین آلاینده هوا است [ 18 ]. برگ‌های گیاه مانند یک فیلتر زیستی با تجمع PM، حتی PM در ابعاد نانو، روی سطوح برگ‌ها و شاخه‌ها عمل می‌کنند. رسوب خشک ذرات بر روی سطوح برگ مکانیسم اساسی اثر مثبتی است که گیاهان بر کیفیت هوا دارند [ 19 ، 20 ]. باران می‌تواند ذرات رسوب‌شده را از سطوح برگ بشوید و سپس می‌تواند در خاک بی‌حرکت شود یا دوباره معلق شود. عوامل متعددی مانند غلظت، اندازه و ترکیب PM می توانند بر رسوب خشک تأثیر بگذارند. به خوبی شناخته شده است که این گونه ها در توانایی خود برای تجمع ذرات متفاوت هستند [21 ] و انتخاب گیاه بهینه برای خدمت به عنوان بخشی از زیرساخت سبز در یک منطقه شهری خاص بسیار مهم است. هر دو ساختار کلان و ریز یک گونه گیاهی پتانسیل آن را برای کاهش آلاینده های هوا تعیین می کند [ 22 ]. نوع پوشش گیاهی و خصوصیات آن مانند تراکم شاخ و برگ، ارتفاع بوته و خصوصیات برگ نقش بسزایی در توانایی گیاهان در تصفیه هوا دارند. تراکم برگی بالاتر معمولاً به معنای رسوب بالاتر برگ است. از طرف دیگر، شاخ و برگ های بسیار متراکم می توانند جریان هوا را از طریق تاج پوشش و در نتیجه رسوب ذرات را کاهش دهند [ 23 ].]. گیاهان همیشه سبز می توانند مقادیر بیشتری از آلاینده ها را در مقایسه با گیاهان برگریز جذب کنند. این اثر به ویژه در زمستان که غلظت آلاینده ها در هوا بیشتر است، آشکار می شود [ 24 ]. علاوه بر این، برگ‌های کوچک‌تر یا برگ‌های پوشیده شده با کرک‌ها یا موم‌های ریز با رسوب ذرات بالاتر مرتبط بودند [ 25 ]. هنگام برنامه ریزی زیرساخت سبز، باید ویژگی های محل کاشت را در نظر گرفت. در مناطق باز نزدیک جاده ها، گیاهان بلندتر به طور موثرتری تاثیر توده های گرد و غبار ناشی از ترافیک را کاهش می دهند، که در مجاورت جاده، می تواند حدود دو متر باشد [ 26 ]. در به اصطلاح “دره های خیابانی”، درختان بلندتر می توانند پراکندگی آلاینده های هوا را کاهش دهند و آلودگی هوا را به سطح عابران پیاده محدود کنند [ 21 ].].
به غیر از حذف ذرات از هوا، درختان و درختچه ها در مناطق شهری می توانند جذب و جذب کربن را افزایش دهند. بر اساس شاخص شهر سبز اروپا، زاگرب از بین 30 شهر مورد مطالعه و مقایسه، رتبه 26 را دارد. به ویژه نتایج ضعیف زاگرب در بخش انتشار CO 2 با میانگین 6.68 تن CO 2 سرانه به دست آورد. گونه‌های درختی متعددی مانند صنوبر سفید ( Populus alba) و بلوط معمولی ( Quercus robur) به ویژه در ترسیب کربن موفق هستند . گونه های دیگری مانند کاج سنگی ( Pinus pinea) ، شاه بلوط اسبی ( Aesculus hippocastanum) و صنوبر سفید اروپایی ( P. alba)برای حذف CO، O 3 ، NO 2 و SO 2 از هوا موثر هستند، در حالی که A. hippocastanum به طور بسیار موثری PM 10 را حذف می کند . نویسندگان دریافتند که P. pinea، A. hippocastanum و P. alba بهترین گونه ها برای حذف کل آلاینده ها هستند [ 27 ]. چند گونه دیگر در حذف آلاینده های هوا موفق هستند. آهک برگ ریز ( Tilia cordata ) دارای شاخ و برگ متراکمی است که تجمع PM، فلزات سنگین و هیدروکربن های آروماتیک چند حلقه ای (PAHs) را در مناطق باز افزایش می دهد [ 28 ]. برگ های درخت توس ( Betula pendula ) سرشار از موم هایی هستند که PM را جمع می کنند.25 ]. افرای صحرایی ( Acer campestre ) یکی از متحمل ترین درختان به شرایط شهری است [ 29 ].
موانع درختی بر شار هوا تأثیر می گذارد و در نتیجه رسوب ذرات را افزایش می دهد. با این حال، زمانی که پوشش گیاهی در 20 متری جاده قرار دارد، ناحیه برخورد گرد و غبار ناشی از ترافیک در دو متر اول از سطح زمین متمرکز می شود [ 26 ]. علاوه بر این، سوزن درختان مخروطی مانند P. pinea و سرخدار ( Taxus baccata) یک لایه موم ضخیم‌تری تولید می‌کند که آنها را برای تجمع PM نسبت به گونه‌های پهن برگ، از جمله در طول زمستان، مؤثرتر می‌کند [ 27 ، 30 ]. در مناطق شهری فضای محدودی برای کاشت وجود دارد، بنابراین برای داشتن مانع پوشش گیاهی موثر باید از سطح زمین تا بالای سایبان پوشش کاملی داشته باشد. درختچه هایی مانند ویبرونوم (Viburnum lucidum )، photinia نوک قرمز ( Photinia x fraseri )، و دوک ژاپنی ( Euonymus japonicus ) انتخاب خوبی برای طراحی یک مانع سبز هستند [ 18 ]. هر دو ویبرنوم و فوتینیا درختچه های قوی همیشه سبز یا درختان کوچک با تاجی متراکم و گرد هستند. Euonymus japonicus یک درختچه همیشه سبز با رشد سریع است، بنابراین می تواند به طور موثر PM را در زمستان کاهش دهد. توانایی قوی برای سازگاری با محیط دارد و در برابر آلودگی، خشکسالی، بیماری و حرارت مقاوم است. برگهای E. japonicus صاف با یک لایه مومی ضخیم و استومای مقعر هستند که توانایی آنها را در جذب ذرات معلق از هوا افزایش می دهد [ 31 ]]. به غیر از درختان و درختچه های ذکر شده، گونه های متعدد دیگری نیز برای کاشت در آب و هوای قاره ای منطقه شهری زاگرب مناسب هستند. ترکیبی از گونه های برگریز و همیشه سبز می تواند حذف PM را در تمام طول سال بهینه کند.
در 20 سال گذشته، مطالعات علمی زیادی در رابطه با محاسبه مناطق شهری، فضای سبز و غیره انجام شده است. نویسندگان [ 32 ] مناطقی را که در آن تغییرات در پوشش گیاهی شهری رخ داده است، بر اساس تصاویر ماهواره ای و داده های لیدار تعیین کردند. نویسندگان [ 8 ] رفاه اقتصادی را با استفاده از تصاویر ماهواره ای با وضوح بالا برآورد کردند، در حالی که [ 33 ] باغ های خصوصی در مناطق شهری را با استفاده از تکنیک های شی گرا و تصاویر ماهواره ای با وضوح بسیار بالا نقشه برداری کردند. نویسندگان [ 34] بر اساس تصاویر ماهواره ای با وضوح بالا، مرزبندی مناطق حفاظت از زمین های کشاورزی برتر در اطراف مناطق کلان شهر را محاسبه کرد. از آنجایی که نقشه برداری از مناطق شهری و پوشش گیاهی موضوعی پرطرفدار است، ذکر همه نویسندگان مرتبط در این زمینه تحقیقاتی تقریبا غیرممکن است. اکثر نویسندگان نقشه برداری از گونه های مختلف پوشش گیاهی را بر روی تصاویر مختلف و با روش های مختلف در نظر گرفتند [ 35 ، 36 ، 37 ].
هدف این مقاله نشان دادن این است که، حتی در مناطق بسیار شهری، مانند زاگرب، تعداد درختان و درختچه های شهری را می توان به طور قابل توجهی افزایش داد. در نتیجه، اثرات منفی آلودگی هوا برای جاده های ترافیکی اصلی شهر زاگرب را می توان کاهش داد. این مقاله تنها به تمرکز بر آلودگی هوا به عنوان یک مشکل حمل و نقل فضایی محدود شده است. ما به گزینه‌های جایگزین، مانند قیمت‌گذاری رفت‌وآمد برای کاهش تعداد خودروها نمی‌پردازیم. این مقاله یافته‌های جدیدی را برای استفاده از یادگیری ماشین به منظور تعریف مناطق سبز شهری، تعیین مکان‌های ممکن برای کاشت درختان و در نتیجه کاهش آلودگی در شهرها ارائه می‌کند. اگرچه برای برخی دیگر از نقاط جهان، امکانات مناطق سبز شهری محاسبه شده است، اما برای این منطقه و شهر زاگرب، این اولین مقاله در این زمینه است.

2. آلاینده های رایج هوا

آلاینده های هوای فضای باز گروه وسیعی از مواد شیمیایی با منشاء طبیعی و انسانی هستند. امروزه تاکید بر مطالعه انتشارات انسانی و کاهش احتمالی آنها از طریق اقدامات نظارتی و داوطلبانه است. با توجه به EPA، شش آلاینده به عنوان “آلاینده معیار” نامیده می شوند زیرا سطوح قابل قبول برای این مواد توسط معیارهای سلامت انسان و محیط زیست تنظیم می شود. آلاینده های معیار عبارتند از مونوکسید کربن (CO)، سرب (Pb)، دی اکسید نیتروژن (NO 2 )، ازن (O 3 )، ذرات معلق با اندازه های مختلف (PM 2.5 و PM 10 )، و دی اکسید گوگرد (SO 2 ).
دی اکسید نیتروژن یک گاز نارنجی قهوه ای با بوی تند و تند است. در غلظت های بالاتر باعث آسیب ریه و در دوزهای کمتر باعث سرفه، تنگی نفس، درد قفسه سینه و هموپتیزی می شود [ 38 ]. منابع اصلی NO 2 در فضای باز ترافیک جاده ای و تولید انرژی است. دی اکسید نیتروژن یک آلاینده اولیه است، اما می تواند از طریق واکنش های شیمیایی به تشکیل آلاینده های ثانویه مانند ازن نیز کمک کند.
مونوکسید کربن (CO) گازی بی رنگ و بی بو است که در طی احتراق ناقص هر ماده کربنی ایجاد می شود. منبع اصلی مونوکسید کربن در مناطق شهری دود اگزوز وسایل نقلیه است. در غلظت های بالاتر، می تواند کشنده باشد زیرا ظرفیت حمل اکسیژن را کاهش می دهد و باعث هیپوکسی می شود. در غلظت‌های کمتر، می‌تواند باعث طیفی از علائم مانند سردرد، تهوع و استفراغ، ضعف و بی‌حالی شود.
ذرات معلق یا آلودگی ذرات اصطلاحی برای مخلوطی از ذرات جامد مانند گرد و غبار، خاک، دوده یا دود و قطرات مایع موجود در هوا است. این ذرات در اندازه‌های مختلف وجود دارد و بخشی از این ذرات را می‌توان با چشم غیرمسلح دید، در حالی که برخی دیگر آنقدر کوچک هستند که تنها با استفاده از میکروسکوپ الکترونی قابل تشخیص هستند. امروزه دو دسته اصلی ذرات مورد مطالعه قرار می گیرند: ذرات قابل استنشاق با قطرهای ≤10 میکرومتر (PM 10 ) و (PM 2.5 )) ذرات بسیار ریز قابل استنشاق با قطرهای ≤2.5 میکرومتر. قطر کوچکتر یک ذره می تواند به طور قابل توجهی خطر آن را برای سلامت انسان افزایش دهد. پس از استنشاق، این ذرات ریز می توانند به اعماق ریه ها نفوذ کرده و حتی وارد جریان خون شوند. حذف سرب از بنزین، طراحی موتورهای بهبود یافته، سوخت های کم گوگرد و به ویژه فیلترهای ذرات دیزل به کاهش آلاینده های ذرات از وسایل نقلیه کمک کرد. ذرات ناشی از لنت ترمز و درام خودرو در حال حاضر تقریباً برابر با انتشار گازهای خروجی هستند و به زودی از انتشار لوله های دم پیشی خواهند گرفت. اگرچه اطلاعات کمی در مورد اندازه و ترکیب ذرات سایش وجود دارد، سایش لنت ترمز و درام به عنوان منبع اصلی فلزات بسیار ریز شناخته شده است [ 39 ، 40 ].

3. مواد و روش ها

3.1. منطقه مطالعه

منطقه مورد مطالعه در شهر زاگرب، پایتخت کرواسی است. زاگرب در زیر کوه مدودنیکا قرار دارد و در امتداد سواحل چپ و راست رودخانه ساوا امتداد دارد. مرکز شهر شهری پر از ساختمان است، در حالی که خارج از مرکز شهر، پارک های تفریحی و مناطق سبز شهری وجود دارد. شکل 1 شهر زاگرب را در ترکیب RGB تصاویر WorldView-2 نشان می دهد. بر اساس پوشش زمین CORINE [ 41 ]، این منطقه مورد مطالعه به پنج کلاس به منظور انجام یادگیری ماشینی نظارت شده با استفاده از طبقه‌بندی‌کننده‌های تصادفی جنگل، تفکیک شده است. این پنج کلاس به شرح زیر است:
  • آب‌های داخلی: دریاچه‌ها، برکه‌ها و استخرهایی با منشأ طبیعی حاوی آب شیرین و آب جاری که تماماً از رودخانه‌ها و نهرها ساخته شده‌اند. بدنه های آب شیرین ساخته دست بشر را شامل می شود [ 41 ].
  • جنگل‌ها – مناطق اشغال شده توسط جنگل‌ها و جنگل‌ها با الگوی پوشش گیاهی متشکل از درختان مخروطی و/یا برگ‌ریز بومی یا عجیب و غریب، که می‌توانند برای تولید الوار یا سایر محصولات جنگلی استفاده شوند [ 41 ].
  • مناطق سبز شهری – شامل مناطقی با پوشش گیاهی در بافت شهری است. پارک ها و گورستان ها را شامل می شود [ 41 ].
  • زمین های زراعی – شامل زمین های تحت یک سیستم چرخشی است که برای برداشت گیاهان و زمین های آیش استفاده می شود [ 41 ].
  • بافت شهری – مناطق اشغال شده توسط خانه ها و ساختمان هایی که برای خدمات اداری یا عمومی استفاده می شوند [ 41 ].

3.2. تصاویر WorldView-2

WorldView-2 یک سنسور سنکرون خورشید است که یک باند پانکروماتیک با وضوح بالا و هشت ممنوعیت چند طیفی را ارائه می دهد [ 42 ]. باندهای چند طیفی چهار رنگ استاندارد (قرمز، سبز، آبی و نزدیک به مادون قرمز 1) و چهار باند جدید (ساحلی، زرد، لبه قرمز و نزدیک به مادون قرمز 2) هستند [ 42 ]]. سه محصول موجود برای دانلود وجود دارد: استاندارد (2A)/استاندارد آماده ارتو (OR2A)، استریو آماده ارتو، و مقیاس نقشه ارتو 1:12000 orthorectified. وضوح فضایی کانال های RGB 1.24 متر است، در حالی که محدوده طیفی از 400 نانومتر (آبی ساحلی) تا 1040 نانومتر (نزدیک به مادون قرمز) است. برای این مقاله، از نوارهای قرمز، سبز و آبی با وضوح طیفی 450-510 نانومتر برای نوار آبی، 518-580 نانومتر برای نوار سبز و 630-690 نانومتر برای نوار قرمز استفاده شده است. داده های شهر زاگرب از [ 43 ] دانلود شد. تاریخ ضبط 13 آگوست 2013 بود و محصول استاندارد (2A) دانلود شد.

3.3. طبقه‌بندی تصادفی جنگل

یادگیری ماشینی یک تکنیک هوش مصنوعی است که با تجزیه و تحلیل و یادگیری از تجربیات گذشته به رایانه ها می آموزد که مانند انسان ها فکر کنند. با شناسایی داده ها و شناسایی الگوها کار می کند و حداقل دخالت انسان را شامل می شود. یادگیری عمیق نوعی یادگیری ماشینی است و مانند یادگیری ماشین عمل می کند، اما سطوح بسیاری از این الگوریتم ها وجود دارد و هر کدام تفسیر متفاوتی از داده ها ارائه می دهند. یادگیری ماشینی می تواند از چند ثانیه تا چند ساعت طول بکشد، در حالی که یادگیری عمیق می تواند چند ساعت تا چند هفته طول بکشد. با توجه به زمان اجرای سریعتر، روش یادگیری ماشین انتخاب شد. جنگل تصادفی یک روش یادگیری ماشینی است که درختان را به گونه‌ای ترکیب می‌کند که هر درخت به یک مقدار بردار تصادفی بستگی دارد، که به طور مستقل نمونه‌برداری می‌شود و به طور مساوی برای همه درختان یک جنگل توزیع می‌شود.44 ]. نویسندگان روش‌های مختلف یادگیری ماشین را برای تشخیص الگوی شهری روی تصاویر با وضوح بسیار بالا، مانند WorldView-2، آزمایش کردند و جنگل تصادفی بهترین طبقه‌بندی کننده برای تصاویر با وضوح بسیار بالا بود [ 45 ]. کرانچیچ و همکاران (2019) [ 46 ] نشان داد که جنگل تصادفی را می توان در تصاویر با وضوح متوسط ​​استفاده کرد و نتایج بسیار بالایی تولید کرد. آنها همچنین پارامترهایی را برای استخراج با کیفیت بسیار بالا از مناطق سبز شهری تعریف کردند [ 46]. بنابراین، پارامترهای آنها در این مطالعه برای طبقه بندی نظارت شده استفاده می شود. چندین پارامتر می تواند بر نتایج طبقه بندی تأثیر بگذارد، مانند حداکثر عمق درخت، حداقل تعداد نمونه یا حداکثر تعداد دسته ها. حداکثر عمق درخت نشان دهنده عمق کل درخت است. یک مقدار کم می تواند منجر به عدم تناسب شود، در حالی که ارزش زیاد می تواند منجر به بیش از حد برازش شود. حداقل تعداد نمونه حداقل تعداد نمونه لازم را در یک گره برگ به منظور تقسیم نشان می دهد. مقدار مشترک درصد کمی از تعداد کل نمونه ها است [ 46]. حداکثر عمق درخت روی 30، حداکثر تعداد نمونه بر روی 6، و حداکثر تعداد دسته ها بر روی 5 تنظیم شد. حداکثر تعداد دسته ها مقادیر احتمالی یک متغیر طبقه بندی را نشان می دهد، که به منظور یافتن یک K <max_categories خوشه بندی می شوند. تقسیم زیر بهینه [ 46 ]. به عبارت دیگر، حداکثر تعداد دسته ها با تعداد کلاس هایی که ما در صحنه خود می خواهیم مطابقت دارد. با توجه به ادبیات [ 47 ] حتی تعداد کمی از نمونه ها منجر به طبقه بندی با دقت بالا می شود. شکل 2 تصاویر WorldView-2، نمونه های آموزشی، نمونه های کنترلی و شلوغ ترین جاده های اصلی شهر زاگرب را نشان می دهد. جاده های ارائه شده در شکل 2بر اساس تصاویر WorldView-2 به صورت دستی بردار شده و به دلیل گزارشات ترافیک طولانی در این جاده ها انتخاب شده اند [ 6 ]. طبقه‌بندی در SAGA GIS روی رایانه‌ای با Intel® Core ™ i7-8550u، 16 گیگابایت رم، 64 بیت در سیستم‌عامل Windows 10 انجام شد. دقت طبقه بندی با استفاده از ماتریس سردرگمی [ 48 ] ارائه شد. حذف، کمیسیون، کاپا تخمینی و کاپا کلی را می توان از ماتریس سردرگمی مشاهده کرد. ماتریس سردرگمی انواع کلاس هایی را که از نقشه ها و ردیف های طبقه بندی شده و انواع کلاس هایی که از منبع مرجع در ستون ها تعیین می شوند را نشان می دهد. داده های طبقه بندی شده به درستی روی مورب ها نشان داده می شوند [ 48]. مقدار کاپا شباهت بین نمونه های امضا و شاهد را اندازه گیری می کند و مقدار بالاتر از 0.80 نشان دهنده دقت طبقه بندی بالا است [ 49 ]. یک خطای کمیسیون زمانی رخ می دهد که چند ضلعی از کلاس های مختلف در داده های مرجع قرار می گیرند، در حالی که خطای حذف زمانی ظاهر می شود که چند ضلعی های مرجع در کلاس های دیگر قرار دارند [ 50 ]. به طور کلی، دقت طبقه بندی بسیار بالا زمانی حاصل می شود که کاپا کلی بزرگتر از 0.80 باشد. شکل 3 نمودار جریان روش شناسی این مقاله را ارائه می دهد.
در سه نقطه در زاگرب، آلاینده های هوا در طول 5 سال گذشته اندازه گیری شده است. سه ایستگاه اندازه گیری (زاگرب-1، زاگرب-2، زاگرب-3) بخشی از شبکه ملی پایش مداوم کیفیت هوا هستند. ایستگاه ها مجهز به دستگاه هایی برای تجزیه و تحلیل خودکار پارامترهای نظارت شده و تجهیزات جمع آوری فعال هستند. آنها در یک منطقه شهری و در مجاورت خیابان های شلوغ واقع شده اند. میز 1تجهیزات و تکنیک های اندازه گیری مورد استفاده در هر 3 ایستگاه را ارائه می دهد. ایستگاه Zagreb-1 در مجاورت خیابان Miramarska و Vukovarska، چهارراه در مرکز زاگرب (مختصات 45,800339, 15,974072) قرار دارد. ایستگاه اندازه گیری تا نزدیکترین ساختمان 30 متر و تا لبه جاده 5 متر فاصله دارد. در ساعات شلوغی، این خیابان‌های بسیار شلوغ و با شدت ترافیک بالا هستند. ایستگاه زاگرب-2 در یک منطقه چمن بزرگتر در مجاورت دوراهی Mandlova و Maksimirska در قسمت شرقی زاگرب واقع شده است (مختصات 45,823717, 16,035825). از آنجایی که خیابان Maksimirska یک راهرو مهم ترافیکی است که شرق شهر را به مرکز شهر متصل می کند، این خیابان بسیار شلوغ نیز می باشد. ایستگاه Zagreb-3 در تقاطع خیابان Sarajevska و گذرگاه Kauzlarić در بخش جنوبی زاگرب واقع شده است (مختصات 45,764947, 16,006469). این ایستگاه همچنین در محدوده شهری و در مجاورت خیابان اصلی و در فاصله 20 متری از نزدیکترین ساختمان مسکونی واقع شده است. مورفولوژی شهری اطراف سه سایت و نرخ ترافیک مشابه است زیرا هر سه در منطقه شهری زاگرب و در مجاورت خیابان‌های بزرگ چند خطه قرار دارند که به عنوان راهروهای اصلی ترافیک برای مسافران روزانه عمل می‌کنند.شکل 4 آلاینده های مختلف هوا را در سه مکان مختلف در زاگرب به شرح زیر نشان می دهد: (a1)، (b1) و (c1) آلاینده CO موجود. (a2)، (b2)، و (c2) آلاینده‌های NO 2 را نشان می‌دهند. (a3)، (b3) و (c3) پارامترهای NO x را نشان می دهند. و (a4)، (b4)، و (c4) ذرات PM 10 را دارند. مقادیر ارائه شده در نمودارها مقادیر معتبر روزانه هستند.

4. نتایج و بحث

هوای پاک یک نیاز ضروری و همیشگی برای سلامت انسان و همچنین برای همه اشکال حیات روی زمین است. مطالعات متعدد نشان می‌دهد که آلودگی هوا بر جنبه‌های مختلف سلامتی حتی در غلظت‌های کمتر از آنچه قبلاً شناخته شده بود، تأثیر می‌گذارد. در 26 مه 2015 در ژنو، سوئیس، شصت و هشتمین مجمع جهانی بهداشت قطعنامه‌ای با عنوان «سلامت و محیط‌زیست: پرداختن به تأثیر آلودگی هوا بر سلامتی» تصویب کرد و آلودگی هوا را به‌عنوان یک عامل خطر برای بیماری‌های غیرقابل انتقال، مانند آسم، ایسکمیک شناسایی کرد. بیماری قلبی، سکته مغزی، بیماری مزمن انسدادی ریه و سرطان [ 51 ].
WHO دستورالعمل هایی را در سال 2021 به عنوان وسیله ای برای ارائه توصیه های کمی مبتنی بر سلامت برای کیفیت هوا صادر کرد. این دستورالعمل‌ها مقادیری را برای غلظت‌های بلندمدت و کوتاه‌مدت تعدادی از آلاینده‌های کلیدی هوا ارائه می‌کنند که بیش از حد آنها می‌تواند خطری برای سلامت عمومی باشد ( جدول 2 ) [ 52 ].
غلظت‌های هدف موقت به عنوان گام‌هایی برای کاهش تدریجی آلودگی هوا پیشنهاد شده‌اند و در مناطقی که آلودگی هوا زیاد است استفاده می‌شود.
با مقایسه مقادیر اندازه گیری شده با مقادیر تجویز شده توسط WHO، قابل توجه است که کیفیت هوا در زاگرب ضعیف است و می تواند منجر به تعدادی از مشکلات بهداشتی در جمعیت شود. همانطور که از شکل 4 مشاهده می شود ، کیفیت هوا به صورت فصلی تغییر می کند. در ماه‌های سردتر، کیفیت هوا ضعیف‌تر از ماه‌های گرم‌تر است. در سال 2017، مقادیر PM10 به مدت 78 روز در ایستگاه اندازه گیری زاگرب-3 از مقدار حد مجاز (50 میکروگرم بر متر مکعب) بالاتر بود. در سال 2018، مقادیر PM10 به ترتیب برای 46 و 63 روز در ایستگاه‌های اندازه‌گیری Zagreb-1 و Zagreb-3 از مقادیر حدی بالاتر بود. در طول سال 2019، مقادیر PM10 به مدت 53 روز از 50 میکروگرم بر متر مکعب بالاتر بود . مقادیر NO2 در طول سال‌های 2017 و 2019 در ایستگاه اندازه‌گیری زاگرب-1 بیشتر شد [ 53, 54 , 55 ]. شکل 5 نتایج طبقه بندی را نشان می دهد و جدول 3 دقت طبقه بندی را نشان می دهد. طبقه بندی صرفاً تعیین کاربری اراضی این منطقه مورد مطالعه است.
همانطور که در شکل 5 و جدول 3 مشاهده می شود ، طبقه بندی به دقت بسیار بالایی دست یافت. از شکل 5 می توان دریافت که شهر زاگرب دارای جنگل ها و مناطق سبز شهری نسبتاً پرجمعیت است. با این حال، مسئله اصلی عدم وجود گیاهانی است که می توانند آلاینده های اطراف جاده ها را جذب کنند. شکل 6 احتمالات اصلی برای کاشت گیاهان برای کاهش آلاینده های هوا را نشان می دهد و از (الف) تا (د) مناطق انتخاب شده برای تجزیه و تحلیل ارائه شده است.
پس از طبقه‌بندی، نتایج دقت طبقه‌بندی بسیار بالایی را ارائه کردند، دو منطقه حایل در اطراف جاده‌ها ایجاد شد: یکی با فاصله 10 متر و دیگری با فاصله 15 متر. مناطق حائل خودسرانه ایجاد شد. یک رستر طبقه بندی با هر دو بافر بریده شد. نواحی اطراف جاده ها که پوشش اراضی آن زمین زراعی بود محاسبه شد. شکل 7 نتایج برجسته شده از نتایج طبقه بندی بریده شده و مناطق از (الف) تا (د) را مطابق شکل 6 نشان می دهد. جدول 4 مناطقی را به متر مربع نشان می دهد که می توان گیاهان را در آن کاشت کرد. کاشت به صورت توزیع تصادفی در طول جاده ها با توجه به پوشش درختی برآورد شده برنامه ریزی شد.
مناطق انتخاب شده را می توان به عنوان جاده طبقه بندی کرد و انواع زیرساخت های سبز بر این اساس پیشنهاد می شود. هنگام برنامه ریزی و اندازه گیری یک مانع سبز، برای دستیابی به شرایط بهینه برای کاهش آلودگی هوا، باید چندین فاکتور را در نظر گرفت. ارتفاع موانع پوشش گیاهی باید بیشتر از دود ناشی از انتشار وسیله نقلیه باشد و مقدار پیشنهادی برای این پارامتر 4-5 متر است. گونه‌های بوته‌ای پیشنهادی را می‌توان برای دستیابی به ارتفاع مطلوب و پوشاندن ناحیه زیر رویش زیر درختان بلند هرس کرد. ضخامت مانع پوشش گیاهی به تراکم برگی بستگی دارد و بسته به سطح کاشت موجود می تواند از حداقل 5 متر تا 10 متر و بیشتر متغیر باشد. ضخامت یکی از مهم ترین پارامترهایی است که بر اثربخشی موانع تأثیر می گذارد. یک مانع خیلی ضخیم مانند دیوار عمل می کند، و اکثر شارهای آلاینده می توانند به جای عبور از سد از روی آن عبور کنند. از سوی دیگر، اگر مانع فاقد تراکم باشد یا دارای شکاف باشد، شارهای آلاینده ترجیحاً می توانند از پوشش گیاهی عبور کنند. طول سد باید حداقل 50 متر بیشتر از منطقه مورد نظر باشد تا از عبور جانبی شارهای آلاینده جلوگیری شود.23 ، 56 ]. موری و همکاران (2018) [ 18 ] راندمان دو گونه و دو تراکم کاشت، 1 بوته در متر مربع و 0.5 بوته در متر مربع مانع را مقایسه کردند ، مشاهده کردند که ترانسکت‌هایی با سطح کل برگ بالاتر، بیشترین رسوب ذرات را در واحد سطح داشتند. سطح برگ بدون توجه به گونه و تراکم کاشت. برای این مقاله، تخمین متوسط ​​2 متر مربع مساحت برای یک درختچه و 10 متر مربع برای درختان بزرگتر در نظر گرفته شد. از جدول 5مشاهده می شود که چه تعداد گیاه را می توان در سطح موجود کاشت. گونه‌های پیشنهادی بخشی از طرح استاندارد پارک‌ها و خیابان‌های زاگرب هستند، اگرچه پیشنهاد می‌کنیم که تعداد گونه‌ها به منظور افزایش مقاومت در برابر بیماری‌ها و آفات افزایش یابد. تقریباً نیمی از درختان شهرهای اروپایی به 3 تا 5 جنس ( Acer ، Aesculus ، Platanus و Tilia ) تعلق دارند [ 57 ]. بسیاری از گونه های غیر بومی کاملاً با شرایط آب و هوایی حاکم در زاگرب مطابقت دارند.
اثرات کاهشی این مناطق، در صورت کاشت، باید طبق روش پیشنهادی جیم و همکاران محاسبه شود. (2008) [ 58 ]، که در آن شار آلاینده (F) به عنوان حاصل ضرب سرعت رسوب ( Vd ) و غلظت آلاینده هوا (C) محاسبه می شود. شار کل آلاینده های هوا به درختان شهری i (F t) را می توان با ضرب شار آلاینده در پوشش درخت (A) در یک دوره زمانی معین (T) ارزیابی کرد. سطح آلاینده های هوا حذف شده توسط درختان شهری (F) را می توان به عنوان مجموع تمام شارهای آلاینده فردی به دست آمده کمیت کرد. برای محاسبه، فرض بر این بود که کل سطح موجود مناسب برای کاشت واقعاً کاشته شده و درختان و درختچه ها به بلوغ فیزیولوژیکی خود رسیده اند ( جدول 6 ). فقط از مقادیر ایستگاه زاگرب استفاده شد زیرا نزدیکترین ایستگاه به منطقه مورد علاقه است.
بیشترین تأثیر درختان و درختچه های شهری بر غلظت ازن، دی اکسید گوگرد و دی اکسید نیتروژن در طول روز در طول فصل درون برگ (از بهار تا پاییز برای گیاهان برگریز) است که درختان در حال تعرق آب هستند. حذف ذرات معلق در طول روز و شب و در طول سال اتفاق می افتد زیرا ذرات توسط سطوح برگ و پوست جذب می شوند. درختان و درختچه های همیشه سبز به ویژه در فصل زمستان که اوج غلظت آلاینده های هوا مشاهده می شود مفید هستند ( شکل 4 ). حذف مونوکسید کربن هم در روز و هم شب در طول فصل درون برگ اتفاق می افتد [ 59 ].
مطالعات اندکی تلاش کرده اند تا تأثیر زیرساخت های سبز را بر کاهش آلودگی هوا تعیین کنند. یانگ و همکاران (2005) [ 60 ] نشان داد که درختان مرکز شهر پکن (چین) در طول یک سال 772 تن PM 10 را حذف کردند. تحقیقات مشابهی که در کلرادو، ایالات متحده انجام شد، نشان داد که درختان شهری که 11 درصد از مساحت شهر را پوشش می‌دهند، تقریباً 234 تن PM 10 را حذف کردند [ 61 ]. نواک و همکاران (2005) [ 59 ] تخمین زد که همه درختچه های درختی شهری در سراسر ایالات متحده تقریباً 305 کیلوتن ازن، 97 کیلوتن NO 2 ، 70 کیلوتن SO2 ، 22 کیلوتن CO و 215 کیلوتن PM 10 را حذف می کنند. مک دونالد و همکاران (2007) [62 ] نشان داد که کاشت درختان در 25٪ از مناطق شهری موجود در شهرهای بریتانیا قادر به کاهش غلظت PM 10 به میزان 2-10٪ بود. مقادیر ذکر شده از آلاینده های حذف شده تأثیر مثبت مستقیمی بر سلامت انسان دارد. با در نظر گرفتن همه اینها، گیاهان شهری احتمالاً بهترین گزینه تصفیه برای هوای آزاد هستند.
وانگ و همکاران (2019) [ 63 ] دریافت که توس نقره ای (B. pendula) با مساحت 125 متر مربع / درخت و با قطر تاج پوشش 8 متر، هنگامی که در کنار جاده ای به صورت ردیفی (8 درخت / 100 متر) کاشته شد. ، می تواند تا 50٪ از ترافیک ناشی از PM10 را کاهش دهد. علاوه بر این، در دره‌های خیابانی، کاشت درختان توس می‌تواند کیفیت هوای داخل خانه را با کاهش PM1.0، PM2.5 و PM10 (60 تا 80%) به میزان قابل توجهی افزایش دهد.
تخمین‌های دقیق و دقیق از تأثیر زیرساخت‌های سبز بر کاهش آلاینده‌ها پیچیده است و گاهی اوقات به دلیل روش‌شناسی‌های مختلف مقایسه مقادیر از منابع مختلف ادبیات دشوار است. استفاده از مقادیر LAI (شاخص سطح برگ) و LAD (تراکم سطح برگ) به مقایسه عملکرد گونه های گیاهی منفرد کمک می کند. هر دو مقدار پارامترهای تراکم هستند که منطقه پوشش گیاهی موجود برای رسوب را توصیف می کنند [ 64 ]. به طور کلی، غلظت تعداد ذرات رو به باد با افزایش LAD کاهش می یابد [ 65 ]. از آنجایی که گونه های طبیعی بسته به ویژگی های مورفولوژیکی مقادیر LAD متفاوتی دارند، مطالعات انجام شده [ 66 ] نشان می دهد که مقادیر بهینه LAD باید بین 3 تا 4 متر مربع باشد ./ m3 .
تاکید بر این نکته حائز اهمیت است که تراکم بهینه مورد نیاز برای حذف موثر آلاینده ها را می توان نه تنها با انتخاب گونه های گیاهی مناسب، بلکه با مراقبت بیشتر از گیاهان کاشته شده به صورت هرس و نازک کردن ساختارهای متراکم و یا کاشت اضافی در صورت نیاز به دست آورد. چگالی بسیار کم است [ 67 ].
هنگام در نظر گرفتن فضای سبز شهری به عنوان یک راه حل ممکن برای آلودگی هوا، باید اثرات مخرب احتمالی زیرساخت های سبز با طراحی ضعیف را نیز در نظر گرفت که به دلیل اثرات آیرودینامیکی، به ویژه در جاده های نزدیک (به عنوان مثال، دره های خیابانی) می تواند داشته باشد. به همین دلیل، هنگام برخورد با کیفیت هوا، سرسبزی شهری و بهترین نتیجه ممکن برای همه، یک رویکرد میان رشته‌ای عمیق مورد نیاز است.

5. نتیجه گیری ها

این مطالعه آلاینده‌های هوا را در جاده‌های ترافیکی اصلی شهر زاگرب نشان می‌دهد. مناطق سبز شهری برای کاهش آلاینده های هوا و همچنین برای رفاه جمعیت مهم هستند. بر اساس داده های ماهواره ای و یادگیری ماشینی، مناطق اصلی کاشت ممکن برای شهر زاگرب تعریف شد. از نتایج، می توان دریافت که اگر رویکرد محافظه کارانه داشته باشیم، حدود 113963 درختچه و 22792 درخت را می توان در یک منطقه حائل 10 متری کاشت. در یک منطقه حائل 15 متری می توان 205140 درختچه و 41028 درخت کاشت. بر اساس رویکرد محتاطانه، کاشت درختان و درختچه ها می تواند جمعیت پوشش گیاهی را از 3 به 5 درصد در شهر زاگرب افزایش دهد که نه تنها بر کاهش آلاینده های هوا، بلکه بر سلامت عمومی نیز تأثیر مثبت خواهد داشت. این مقاله یافته‌های جدیدی را در یادگیری ماشین به منظور تعریف مناطق سبز شهری برای تعیین مکان‌های ممکن برای کاشت درختان و در نتیجه کاهش آلودگی در شهرها ارائه می‌کند. تاکنون الگوریتم‌های یادگیری ماشینی متفاوتی برای نقشه‌برداری زیرساخت‌های شهری سبز استفاده شده‌اند. این مقاله کاربرد چند رشته‌ای تکنیک‌های سنجش از دور را برای بهبود نقشه‌برداری مناطق سبز شهری و ارائه مناطق ممکن برای ایجاد زیرساخت‌های سبز که می‌تواند آلودگی را کاهش دهد، ارائه می‌کند. اگرچه، برای برخی دیگر از نقاط جهان، امکانات مناطق سبز شهری محاسبه شده است، اما برای منطقه و شهر زاگرب، این اولین مقاله در این زمینه است. این مقاله تاثیر زیادی و درک متفاوتی از امکانات در شهرهای بزرگ با پوشش زمین مشابه خواهد داشت. کار آینده بر ایجاد مراحل کاشت برای کاهش موفقیت آمیز آلاینده های هوا در شهرهای بزرگ متمرکز خواهد بود. محدودیت‌های این مطالعه به دلیل محدودیت داده‌های ترافیکی موجود و تمرکز تنها بر بخش زیست‌محیطی کاهش آلودگی، بدون در نظر گرفتن ارزش‌های اقتصادی است. تحقیقات آینده باید شامل ارزیابی تکنیک‌های مختلف یادگیری ماشینی و یادگیری عمیق با استفاده از روش‌های بسیار ارزان‌تر، مانند کاشت درختان در کنار جاده‌های اصلی باشد. علاوه بر این، تحقیقات آینده باید توصیه هایی را بر اساس تحلیل های ذینفعان به ذینفعان ارائه دهد. توصیه های کلی به ذینفعان این است که برنامه ریزی مناسب و مشارکت متخصصان در حل مشکلات برای افزایش استفاده از فضای سبز شهری برای بهبود کیفیت هوا، کاهش دما ضروری است.

منابع

  1. Mayer, H. آلودگی هوا در شهرها. اتمس. محیط زیست 1999 ، 33 ، 4029-4037. [ Google Scholar ] [ CrossRef ]
  2. تولید خودرو. در دسترس آنلاین: https://www.worldometers.info/cars/ (در 27 ژانویه 2022 قابل دسترسی است).
  3. تعداد خودروهای فروخته شده در سرتاسر جهان بین سال‌های 2010 تا 2021. در دسترس آنلاین: https://www.statista.com/statistics/200002/international-car-sales-since-1990/ (در 27 ژانویه 2022 قابل دسترسی است).
  4. اداره آمار کرواسی دفتر وسایل نقلیه راد ثبت شده و تصادفات جاده ای، 2019 . 2020. در دسترس آنلاین: https://web.dzs.hr/default.htm (در 27 ژانویه 2022 قابل دسترسی است).
  5. Bendix، A. 15 شهر بزرگ در سراسر جهان که شروع به ممنوعیت خودروها کرده اند. در دسترس آنلاین: https://www.businessinsider.com/cities-going-car-free-ban-2018-12#rome-could-help-preserve-its-monuments-by-banning-diesel-cars-10 (دسترسی در 27 ژانویه 2022).
  6. Podataka، Z. Infrastruktura Prostornih ZGGeoportal. در دسترس آنلاین: https://geoportal.zagreb.hr/Novost.aspx?id=19 (در 9 ژانویه 2022 قابل دسترسی است).
  7. عرفان، م. شاه، ح. کوج، ا. توماس، اچ. یافتن فضایی برای رشد پرچین های شهری به عنوان یک فیلتر هوای طبیعی در امتداد مسیرهای عابر پیاده: یک بررسی مبتنی بر GIS از یک مرکز شهری بریتانیا. یورو مدیتر. جی. محیط زیست. یکپارچه سازی 2018 ، 3 ، 40-49. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  8. انگستروم، آر. هرش، جی. نیوهاوس، دی. فقر از فضا: استفاده از تصاویر ماهواره ای با وضوح بالا برای برآورد رفاه اقتصادی . بانک جهانی: واشنگتن، دی سی، ایالات متحده آمریکا، 2017. [ Google Scholar ]
  9. بندیکت، MA; مک ماهون، ای. زیرساخت سبز: پیوند مناظر و جوامع . مطبوعات جزیره: واشنگتن، دی سی، ایالات متحده آمریکا، 2006; ISBN 9781429497923. [ Google Scholar ]
  10. کومار، پی. دراکمن، ا. گالاگر، جی. گاترسلبن، بی. آلیسون، اس. آیزنمن، تی اس; هوانگ، یو. حما، س. تیواری، ع. شارما، ا. و همکاران رابطه بین آلودگی هوا، زیرساخت سبز و سلامت انسان. محیط زیست بین المللی 2019 ، 133 ، 105181. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  11. Abhijith، KV; کومار، پی. گالاگر، جی. مک نابولا، ا. بالدوف، ر. پیلا، اف. برودریک، بی. دی ساباتینو، اس. Pulvirenti، B. عملکردهای کاهش آلودگی هوا در زیرساخت های سبز در جاده های باز و محیط های دره خیابان ساخته شده-یک بررسی. اتمس. محیط زیست 2017 ، 162 ، 71-86. [ Google Scholar ] [ CrossRef ]
  12. باربانو، اف. دی ساباتینو، اس. استول، آر. Pardyjak، ER یک مطالعه عددی تأثیر پوشش گیاهی بر مزارع متوسط ​​و تلاطم در یک محله اروپایی-شهر. ساختن. محیط زیست 2020 , 186 , 107293. [ Google Scholar ] [ CrossRef ]
  13. Amorim, JH; رودریگز، وی. تاوارس، ر. والنته، جی. بورگو، سی. مدلسازی CFD اثر آیرودینامیکی درختان بر پراکندگی آلودگی هوای شهری. علمی کل محیط. 2013 ، 461-462 ، 541-551. [ Google Scholar ] [ CrossRef ]
  14. دونوان، آر جی. استوارت، او؛ اوون، اس ام. مکنزی، آر. هویت، توسعه CN و استفاده از امتیاز کیفیت هوای درخت شهری برای اپیزودهای آلودگی فتوشیمیایی با استفاده از منطقه بیرمنگام، بریتانیا، به عنوان مطالعه موردی. محیط زیست علمی تکنولوژی 2005 ، 39 ، 6730-6738. [ Google Scholar ] [ CrossRef ]
  15. Bui، H.-T. اودسورن، یو. Kwon، K.-J. کیم، اس.-ای. یانگ، جی.-سی. جونگ، N.-R. پارک، بی.-جی. ارزیابی تحمل آلودگی هوا و تجمع ذرات معلق 11 گونه گیاه چوبی. Atmosphere 2021 , 12 , 1067. [ Google Scholar ] [ CrossRef ]
  16. هویت، CN; اشورث، ک. MacKenzie، AR استفاده از زیرساخت سبز برای بهبود کیفیت هوای شهری (GI4AQ). Ambio 2020 ، 49 ، 62-73. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  17. وستمن، اچ. Kalisch, D. Towards a National Indicator for Urban Space Space of Urban and Environmental Discounts in Germany: Method and Findings ; دانشگاه هومبولت برلین، مرکز تحقیقات مشارکتی 649—ریسک اقتصادی: برلین، آلمان، 2016. [ Google Scholar ]
  18. موری، جی. فینی، ا. گالیمبرتی، م. جینپرو، ام. بورچی، جی. ماسا، دی. Ferrini، F. رسوب آلودگی هوا بر روی یک مانع پوشش گیاهی کنار جاده در یک محیط مدیترانه ای: اثر ترکیبی گونه های درختچه ای همیشه سبز و تراکم کاشت. علمی کل محیط. 2018 ، 643 ، 725-737. [ Google Scholar ] [ CrossRef ]
  19. الدبوس، ع. کومار، ص. تأثیر موانع پوشش گیاهی کنار جاده بر نانوذرات معلق در هوا و قرار گرفتن در معرض عابران پیاده تحت شرایط باد متفاوت. اتمس. محیط زیست 2014 ، 90 ، 113-124. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  20. نواک، دی جی; هیرابایاشی، اس. بودین، ا. Hoehn, R. حذف PM2.5 توسط درختان در ده شهر ایالات متحده و اثرات بهداشتی مرتبط با آن. محیط زیست آلودگی 2013 ، 178 ، 395-402. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  21. بوکلیری، آر. گرومکه، سی. دی ساباتینو، اس. راک، ب. اثرات آیرودینامیکی درختان بر غلظت آلاینده در دره های خیابانی. علمی کل محیط. 2009 ، 407 ، 5247-5256. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  22. یسبارت، تی. کوچ، ک. سامسون، آر. دنیس، S. دیوارهای سبز برای کاهش آلودگی ذرات معلق شهری – بررسی. شهری برای. سبز شهری. 2021 ، 59 ، 127014. [ Google Scholar ] [ CrossRef ]
  23. Baldauf, R. ویژگی های طراحی پوشش گیاهی کنار جاده که می تواند کیفیت هوای محلی و نزدیک جاده را بهبود بخشد. ترانسپ Res. قسمت D Transp. محیط زیست 2017 ، 52 ، 354-361. [ Google Scholar ] [ CrossRef ]
  24. پیکریداس، م. تاسوگلو، ع. فلور، ک. Pandis، SN مشخصه منشا ذرات ریز در یک منطقه شهری با اندازه متوسط ​​در مدیترانه. اتمس. محیط زیست 2013 ، 80 ، 264-274. [ Google Scholar ] [ CrossRef ]
  25. سابو، آ. پوپک، آر. ناورت، بی. هانسلین، اچ ام. گاورونسکا، اچ. Gawronski، SW تفاوت گونه های گیاهی در تجمع ذرات معلق در سطوح برگ. علمی کل محیط. 2012 ، 427-428 ، 347-354. [ Google Scholar ] [ CrossRef ]
  26. اعتیمزیان، وی. آهونن، اس. نیکولیک، دی. گیلیز، جی. کوهنز، اچ. ژیلت، دی. Veranth، J. رسوب و حذف گرد و غبار فراری در خشک جنوب غربی ایالات متحده: اندازه گیری ها و نتایج مدل. J. Air Waste Manag. دانشیار 2004 ، 54 ، 1099-1111. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  27. پائولتی، ای. باردلی، تی. جیووانینی، جی. پکیولی، L. تاثیر کیفیت هوای یک پارک شهری در طول زمان. Procedia Environ. علمی 2011 ، 4 ، 10-16. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  28. پوپک، آر. آکوفسکی، آ. بیتس، CI; Oleksyn, J. تجمع ذرات معلق، فلزات سنگین و هیدروکربن های آروماتیک چند حلقه ای روی برگ های Tilia cordata Mill. در پنج شهر لهستان با سطوح مختلف آلودگی هوا. بین المللی J. Phytoremediation 2017 ، 19 ، 1134-1141. [ Google Scholar ] [ CrossRef ]
  29. دزیرزانوفسکی، ک. پوپک، آر. گاورونسکا، اچ. Saebø، A.; Gawroński، SW رسوب ذرات معلق با اندازه های مختلف بر روی سطوح برگ و موم گونه های جنگلی شهری. بین المللی J. Phytoremediation 2011 ، 13 ، 1037-1046. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  30. بکت، KP; فریر اسمیت، پی اچ. تیلور، جی. جنگل های شهری: نقش آنها در کاهش اثرات آلودگی ذرات معلق. محیط زیست آلودگی 1998 ، 99 ، 347-360. [ Google Scholar ] [ CrossRef ]
  31. ژانگ، تی. بای، ی. هنگ، ایکس. سان، ال. لیو، ی. ذرات معلق و رسوب فلزات سنگین بر روی برگهای Euonymus japonicus در طول موسمی شرق آسیا در پکن، چین. PLoS ONE 2017 , 12 , e0179840. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  32. Malpica، JA; آلونسو، MC شهری با تصاویر ماهواره‌ای و داده‌های Lidar تغییر می‌کند. بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2010 ، 18 ، 853-858. [ Google Scholar ]
  33. متیو، آر. فریمن، سی. آریال، جی. نقشه برداری باغ های خصوصی در مناطق شهری با استفاده از تکنیک های شی گرا و تصاویر ماهواره ای با وضوح بسیار بالا. Landsc. طرح شهری. 2007 ، 81 ، 179-192. [ Google Scholar ] [ CrossRef ]
  34. شیا، ن. وانگ، ی. خو، اچ. سان، ی. یوان، ی. چنگ، ال. جیانگ، پی. لی، ام. تعیین مناطق حفاظتی اولیه زمین های کشاورزی در اطراف یک کلان شهر بر اساس تصاویر ماهواره ای با وضوح بالا. علمی Rep. 2016 , 6 , 37634. ​​[ Google Scholar ] [ CrossRef ]
  35. فنگ، Q. لیو، جی. Gong, J. پهپاد سنجش از دور برای نقشه برداری پوشش گیاهی شهری با استفاده از تحلیل تصادفی جنگل و بافت. Remote Sens. 2015 ، 7 ، 1074–1094. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  36. فو، بی. وانگ، ی. کمبل، ای. لی، ی. ژانگ، بی. یین، اس. زینگ، ز. جین، ایکس. مقایسه الگوریتم جنگل تصادفی مبتنی بر شی و مبتنی بر پیکسل برای نقشه برداری پوشش گیاهی تالاب با استفاده از داده های GF-1 و SAR با وضوح فضایی بالا. Ecol. اندیک. 2017 ، 73 ، 105-117. [ Google Scholar ] [ CrossRef ]
  37. ژانگ، ایکس. فنگ، ایکس. جیانگ، اچ. روش شی گرا برای نقشه برداری پوشش گیاهی شهری با استفاده از تصاویر IKONOS. بین المللی J. Remote Sens. 2010 ، 31 ، 177-196. [ Google Scholar ] [ CrossRef ]
  38. آلبرتز، WM آلودگی هوای داخلی: NO، NO 2 ، CO و CO 2 . کلین آلرژی جی. ایمونول. 1994 ، 94 ، 289-295. [ Google Scholar ] [ CrossRef ]
  39. کیهیل، TA; بارنز، دی. اسپادا، نیوجرسی تغییر فصلی فلزات فوق‌العاده ریز در مسیر باد جاده‌ای فرعی که به شدت سفر شده است. اتمس. محیط زیست 2014 ، 94 ، 173-179. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  40. کیهیل، TA; بارنز، دی. لاتون، جی. میلر، آر. اسپادا، ن. ویلیس، RD; Kimbrough، S. فلزات انتقالی در ذرات درشت، ریز، بسیار ریز و بسیار ریز از یک ترانسکت بزرگراهی بین ایالتی در نزدیکی دیترویت. اتمس. محیط زیست 2016 ، 145 ، 158-175. [ Google Scholar ] [ CrossRef ]
  41. آژانس، EE CORINE Land Cover—راهنمای فنی ; دفتر انتشارات رسمی جوامع اروپایی: لوکزامبورگ، 2000. [ Google Scholar ]
  42. سنسور ماهواره WorldView-2 (0.46 متر). در دسترس آنلاین: https://www.satimagingcorp.com/satellite-sensors/worldview-2/ (دسترسی در 7 آوریل 2022).
  43. به منطقه اطلاعات WorldView-1/2/3/4 خوش آمدید. در دسترس آنلاین: https://earth.esa.int/eogateway/missions/worldview-2 (در 7 آوریل 2022 قابل دسترسی است).
  44. بریمن، ال. جنگل های تصادفی. ماخ فرا گرفتن. 2001 ، 45 ، 5-32. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  45. ویلند، ام. Pittore, M. ارزیابی عملکرد الگوریتم‌های یادگیری ماشین برای تشخیص الگوی شهری از تصاویر ماهواره‌ای چند طیفی. Remote Sens. 2014 , 6 , 2912–2939. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  46. کرانچیچ، ن. مداک، د. ژوپان، آر. Rezo, M. روش‌های یادگیری ماشین برای طبقه‌بندی زیرساخت سبز در مناطق شهری. ISPRS Int. J. Geo-Inf. 2019 ، 8 ، 463. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  47. دنگ، اچ. جنگل تصادفی هدایت شده در بسته RRF. arXiv 2013 , arXiv:1306.0237. [ Google Scholar ]
  48. Foody، GM وضعیت ارزیابی صحت طبقه بندی پوشش زمین. سنسور از راه دور محیط. 2002 ، 80 ، 185-201. [ Google Scholar ] [ CrossRef ]
  49. ویرا، ای جی؛ Garrett, JM درک توافق بین ناظران: آمار کاپا. فام مد. 2005 ، 37 ، 360-363. [ Google Scholar ]
  50. بوشتی، ال. Flasse، SP; Brivio، PA تجزیه و تحلیل تضاد بین حذف و کمیسیون در محصولات موضوعی دوگانه با وضوح فضایی کم: مرز پارتو. سنسور از راه دور محیط. 2004 ، 91 ، 280-292. [ Google Scholar ] [ CrossRef ]
  51. سازمان بهداشت جهانی. بهداشت و محیط زیست: پرداختن به تأثیر آلودگی هوا بر سلامتی ؛ سازمان بهداشت جهانی: ژنو، سوئیس، 2015. [ Google Scholar ]
  52. سازمان بهداشت جهانی. رهنمودهای جهانی کیفیت هوای سازمان جهانی بهداشت سازمان بهداشت جهانی: ژنو، سوئیس، 2021; ISBN 9789240034228. [ Google Scholar ]
  53. Prirodu, H. Agencija za Okoliš i Izvješće o Praćenju Kvalitete Zraka na Području Republike Hrvatske za 2017. Godinu ; Hrvatska Agencija za Okoliš i Prirodu: زاگرب، کرواسی، 2017. [ Google Scholar ]
  54. Prirodu, H. Agencija za Okoliš i Izvješće o Praćenju Kvalitete Zraka na Području Republike Hrvatske za 2018. Godinu ; Hrvatska Agencija za Okoliš i Prirodu: زاگرب، کرواسی، 2018. [ Google Scholar ]
  55. Prirodu, H. Agencija za Okoliš i Izvješće o Praćenju Kvalitete Zraka na Teritoriju Republike Hrvatske za 2019. Godinu ; Hrvatska Agencija za Okoliš i Prirodu: زاگرب، کرواسی، 2019. [ Google Scholar ]
  56. نفت، آی. اسکونجیو، ام. کالور، ن. سینگ، اس. شبیه‌سازی فیلتراسیون آئروسل توسط پوشش گیاهی: اعتبارسنجی مدل‌های موجود با داده‌های آزمایشگاهی موجود و کاربرد در سناریوی نزدیک به جاده. Aerosol Sci. تکنولوژی 2016 ، 50 ، 937-946. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  57. تیواری، ا. ویلیامز، ID; هایدریش، او. نامدئو، ا. بندرو، وی. Calfapietra، C. توسعه زیرساخت سبز چند منظوره خیابان با استفاده از رویکرد شاخص عملکرد. محیط زیست آلودگی 2016 ، 208 ، 209-220. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  58. تیواری، ع. شعاب، م. Dixit، A. مدل‌سازی حساسیت به آتش‌سوزی جنگل مبتنی بر GIS در Pauri Garhwal، هند: ارزیابی مقایسه‌ای نسبت فرکانس، فرآیند سلسله مراتب تحلیلی و تکنیک‌های مدل‌سازی فازی. نات. خطرات 2021 ، 105 ، 1189-1230. [ Google Scholar ] [ CrossRef ]
  59. نواک، دی جی; کرین، DE; استیونز، JC حذف آلودگی هوا توسط درختان و درختچه های شهری در ایالات متحده. شهری برای. سبز شهری. 2006 ، 4 ، 115-123. [ Google Scholar ] [ CrossRef ]
  60. یانگ، جی. مک براید، جی. ژو، جی. Sun, Z. جنگل شهری در پکن و نقش آن در کاهش آلودگی هوا. شهری برای. سبز شهری. 2005 ، 3 ، 65-78. [ Google Scholar ] [ CrossRef ]
  61. مک فرسون، جنرال الکتریک؛ نواک، دی جی; Rowntree، RA اکوسیستم جنگل شهری شیکاگو: نتایج پروژه آب و هوای جنگل شهری شیکاگو . وزارت کشاورزی ایالات متحده، خدمات جنگل، ایستگاه آزمایش جنگل شمال شرقی: Radnor، PA، ایالات متحده آمریکا، 1994; جلد 186.
  62. مک دونالد، AG; بیلی، WJ; فاولر، دی. دراگوسیتس، یو. اسکیبا، یو. اسمیت، RI; دونوان، آر جی. برت، او؛ هویت، CN; Nemitz، E. کمی سازی اثر کاشت درختان شهری بر غلظت و رسوبات PM10 در دو محله بریتانیا. اتمس. محیط زیست 2007 ، 41 ، 8455-8467. [ Google Scholar ] [ CrossRef ]
  63. ژو، Q. ژائو، ایکس. وو، دی. تانگ، آر. دو، X. وانگ، اچ. ژائو، جی. خو، پی. پنگ، ی. تأثیر شهرنشینی و آب و هوا بر پوشش گیاهی در منطقه پکن-تیانجین-هبی چین. Remote Sens. 2019 , 11 , 2452. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  64. Janhäll, S. بررسی پوشش گیاهی شهری و آلودگی هوا ذرات – رسوب و پراکندگی. اتمس. محیط زیست 2015 ، 105 ، 130-137. [ Google Scholar ] [ CrossRef ]
  65. Abhijith، KV; کومار، پی. تحقیقات میدانی برای ارزیابی اثرات زیرساخت سبز بر کیفیت هوا در شرایط جاده باز. اتمس. محیط زیست 2019 ، 201 ، 132-147. [ Google Scholar ] [ CrossRef ]
  66. قاسمیان، م. امینی، س. Princevac، M. تأثیر موانع جامد و پوشش گیاهی کنار جاده بر کیفیت هوای نزدیک جاده. اتمس. محیط زیست 2017 ، 170 ، 108-117. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  67. بارویس، ی. کومار، ص. طراحی موانع پوشش گیاهی برای کاهش آلودگی هوای شهری: یک بررسی عملی برای انتخاب گونه‌های گیاهی مناسب. NPJ Clim. اتمس. علمی 2020 ، 3 ، 12. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
Ijgi 11 00259 g001 550
شکل 1. شهر زاگرب: ترکیب RGB تصاویر WorldView-2 [ 38 ].
Ijgi 11 00259 g002 550
شکل 2. نمونه های راه، آموزش و کنترل [ 38 ].
Ijgi 11 00259 g003 550
شکل 3. نمودار جریان روش.
Ijgi 11 00259 g004a 550 Ijgi 11 00259 g004b 550
شکل 4. آلودگی هوا در سه مکان مختلف در زاگرب.
Ijgi 11 00259 g005 550
شکل 5. نتیجه طبقه بندی تصادفی جنگل [ 38 ].
Ijgi 11 00259 g006 550
شکل 6. امکانات برای گیاهانی که آلاینده های هوا را کاهش می دهند [ 38 ].
Ijgi 11 00259 g007 550
شکل 7. نتایج برجسته از طبقه بندی بریده شده با بافر 15 متری.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید