تقویت تاب‌آوری شهری در مواجهه با تاثیرات تغییرات اقلیمی

مقدمه: تغییرات اقلیمی چالش‌های مهمی را در سطح جهان برای اقتصاد و جوامع ایجاد کرده است. ایران با موقعیت جغرافیایی متنوع خود، اثرات قابل توجهی از تغییرات اقلیمی از جمله خشکسالی‌های طولانی، افزایش فراوانی و شدت رویدادهای گرمای شدید و تغییر الگوهای بارش را تجربه می‌کند. مناطق شهری ایران به دلیل رشد سریع جمعیت (ساکن بودن 75% از جمعیت در آن‌ها)، به ویژه در برابر این اثرات آسیب‌پذیر هستند. کلانشهرهایی مانند تهران نیازهای راهبردی برای تقویت تاب‌آوری شهری خود در برابر اثرات تغییرات اقلیمی مانند موج‌های گرما، سیلاب‌های ناگهانی و کمبود آب دارند. پدیده جزیره گرمایی شهری، به ویژه در مناطق با تراکم جمعیتی بالا، این آسیب‌پذیری‌ها را تشدید می‌کند. کمبود آب ناشی از افزایش دما و خشکسالی، امنیت آبی شهرها را تهدید می‌کند، در حالی که آلودگی هوا به عنوان یک عامل تشدید کننده عمل می‌کند. علی‌رغم وجود استراتژی‌های ملی مدیریت بحران که به تغییرات اقلیمی اشاره دارند، تمرکز اصلی همچنان بر پاسخ و بازیابی است تا آمادگی و پیشگیری. این پژوهش با هدف بررسی چالش‌های تاب‌آوری شهری در شهرهای ایران در برابر تغییرات اقلیمی و ارائه راهکارهایی برای تقویت آن انجام شده است. این مطالعه به دنبال پاسخ به این سوال است که چگونه می‌توان تاب‌آوری شهری در شهرهای ایران را به طور موثر در برابر اثرات چندوجهی تغییرات اقلیمی تقویت کرد.روش تحقیق: این پژوهش به بررسی روند دما و بارش از سال 2000 تا 2024 پرداخته و این متغیرها را تا سال 2029 با استفاده از مدل رگرسیونی پیش‌بینی کرده است. چهار کلانشهر مهم ایران شامل تهران، مشهد، اصفهان و شیراز مورد مطالعه قرار گرفتند. روش‌شناسی این تحقیق شامل موارد زیر است: آماده‌سازی داده‌ها با استفاده از داده‌های شبیه‌سازی شده روزانه از سال 2000 تا 2024 شامل سال، ماه، روز سال، دما و مقدار بارش (داده‌های دما روند افزایشی 0.03-0.05 درجه سانتیگراد در سال را دنبال می‌کردند، در حالی که داده‌های بارش و تراکم جمعیتی نرمال شده نیز تولید شدند)؛ استانداردسازی داده‌ها با استفاده از روش standardscaler؛ آموزش مدل رگرسیون خطی با استفاده از داده‌های تاریخی (2000-2024)؛ پیش‌بینی دما برای دوره 2025-2029 با فرض ثابت ماندن میانگین بارش؛ محاسبه شاخص آسیب‌پذیری شهری (vulnerabilityindex) بر اساس دمای نرمال شده (temp_norm)، بارش نرمال شده (precip_norm) و تراکم جمعیتی نرمال شده (pop_norm) با استفاده از فرمول ln(vulnerabilityindex) = 0.4 * temp_norm + 0.3 * precip_norm + 0.3 * pop_norm؛ و تحلیل داده‌ها با استفاده از کتابخانه‌های numpy، pandas، scikit-learn و matplotlib در python.نتایج و بحث :یافته‌ها نشان دهنده روند افزایشی دما در هر چهار شهر بین سال‌های 2000 تا 2024 است. نرخ افزایش سالانه دما بین 0.03 تا 0.06 درجه سانتیگراد متغیر بود. شیراز بیشترین افزایش دما و میانگین دمای سالانه را تجربه کرد که به طور بالقوه نشان‌دهنده آسیب‌پذیری بالاتر در برابر گرمای شدید است. اصفهان که به عنوان خشک‌ترین شهر با کمترین میانگین بارش سالانه شناخته می‌شود، شاخص آسیب‌پذیری بالاتری (0.45) را نشان داد، که حاکی از آن است که عواملی فراتر از افزایش دما، مانند کمبود آب، به طور قابل توجهی در آسیب‌پذیری آن نقش دارند. تهران، علی‌رغم نرخ افزایش دمای متوسط، به دلیل تراکم جمعیتی بالا که فشار بیشتری بر زیرساخت‌ها وارد می‌کند، در رتبه دوم آسیب‌پذیری (0.45) قرار گرفت. مشهد شاخص آسیب‌پذیری پایین‌تری (0.38) و اصفهان کمترین شاخص را داشت (0.36). این نتایج نشان‌دهنده درجات مختلف آسیب‌پذیری اقلیمی در بین شهرهای مورد مطالعه است که تحت تاثیر تعامل دما، بارش و تراکم جمعیت قرار دارد. نتایج بر ضرورت اتخاذ راهبردهای متناسب و خاص هر شهر برای سازگاری موثر با تغییرات اقلیمی تاکید دارد. برای مثال، شیراز باید راهبردهایی را برای مقابله با گرمای شدید در اولویت قرار دهد، در حالی که اصفهان نیاز به تمرکز بر مدیریت منابع آب و تاب‌آوری در برابر خشکسالی دارد. تهران باید به تراکم بالای جمعیت خود رسیدگی کند، زیرساخت‌ها را بهبود بخشد، توزیع متوازن جمعیت را ترویج کند و سلامت عمومی را در برابر خطرات اقلیمی حفظ کند.نتیجه گیری: این پژوهش روند رو به افزایش دما در چهار کلانشهر مهم ایران را برجسته کرده و تاب‌آوری شهری آن‌ها را بر اساس شاخص آسیب‌پذیری محاسبه شده با در نظر گرفتن دما، بارش و تراکم جمعیت ارزیابی می‌کند. یافته‌ها نمایانگر پروفایل‌های آسیب‌پذیری متمایز برای هر شهر است و تاکید می‌کند که یک رویکرد یکسان برای سازگاری با تغییرات اقلیمی کافی نیست. این مطالعه بر اهمیت ادغام ملاحظات تغییرات اقلیمی در تمام جنبه‌های توسعه و برنامه‌ریزی شهری در ایران برای ارتقای پایداری و تاب‌آوری شهرهای آن تاکید می‌کند. همچنین استفاده از مدل‌های پیش‌بینی اقلیمی پیشرفته، مانند الگوریتم‌های یادگیری ماشین، برای بهبود دقت تحلیل‌های آتی پیشنهاد می‌شود.