به گزارش سرویس ترجمه خبرگزاری ایمنا، شهرها در سراسر جهان برنامههای بلندپروازانهای برای مقابله با تغییر اقلیم دارند؛ اسنادی که برای سالهای ۲۰۳۰ و ۲۰۵۰ نوشته شدهاند و وعده کاهش گرما، تابآوری بیشتر و آیندهای پایدار میدهند، اما مشکل اصلی امروز شهرها، نه وجود نداشتن آرمانهای بزرگ، بلکه نبود ابزارهای عملی برای اقدام فوری است. مدیران شهری نمیدانند اگر همین تابستان درخت بکارند یا پشتبامها را سفید کنند، چقدر دما کاهش پیدا میکند و سرمایهگذاری در کدام محله بیشترین بازدهی انسانی و محیطی را دارد.
اینجا هوش مصنوعی و شبیهسازی وارد میشوند. فرق «داده» با «شبیهسازی» ساده است. داده میگوید سال گذشته چه شد، اما شبیهسازی پاسخ میدهد «اگر چنین کنیم، چه خواهد شد». به عبارت دیگر، شهرها امروز به جای یک «دستگاه پیشبینی»، به آرشیوی از وقایع گذشته دسترسی دارند. هوش مصنوعی میتواند لایههای مختلف اطلاعاتی را ترکیب کند، برای مثال نقشه گرما را روی نقشه تراکم جمعیت و آسیبپذیری سالمندان بیندازد و دقیق نشان دهد کدام کوچه و خیابان اولویت نخست برای خنکسازی دارد. این کار را هم با سرعتی انجام میدهد که هیچ تیم کارشناسی به تنهایی امکان آن را ندارد.
یکی از اشتباهات رایج در برنامهریزی شهری این است که مشاوران پایداری خیلی دیر به پروژه اضافه میشوند؛ بهطور معمول وقتی که طرح ساختمان یا خیابان نهایی شده است. در آن مرحله، هر تغییر اقلیمی هزینهبر و کماثر است. راه درست، وارد کردن شبیهسازی از مرحله «پیش از تعیین جرم ساختمان» محسوب میشود.از سوی دیگر تکیه بر شهود معماران با تجربه بهویژه در اقلیمهای ناآشنا، بسیار خطرناک است، بنابراین نه از روی حدس که باید از داده شروع کرد.
چگونه هوش مصنوعی شکاف اقلیمی شهرها را پر میکند؟
هوش مصنوعی در سالهای اخیر سادهتر و در دسترستر شده است. دیگر تنها شهرهای بزرگ و ثروتمند نیستند که میتوانند از آن استفاده کنند؛ شهرداریهای کوچک با بودجه محدود هم میتوانند با این ابزارها کار کنند. مهارت اصلی انسان دیگر برنامهنویسی نیست، بلکه «پرسیدن سؤال درست» است. این تحول بزرگ بهمعنای دموکراتیک شدن تصمیمگیری اقلیمی است، اما یک چالش اساسی باقی میماند؛ آینده آبوهوا نامشخص است و سناریوهای مختلف، اعداد متفاوتی پیشبینی میکنند.
راهحل هوشمندانه توجه به الگوها بهجای تمرکز بر اعداد مطلق دما در سال ۲۰۵۰ است. تجربه نشان میدهد حتی اگر سناریوهای مختلف دماهای متفاوتی ارائه دهند، نقشه «نقاط داغ شهر» در همه آنها یکسان است. همان محلههایی که امروز گرمند، ۲۰ سال بعد هم گرمترین نقاط خواهند بود. پس میتوان بدون منتظر ماندن برای قطعیت کامل، همین امروز دست به کار شد.
موفقیت اقلیمی شهرها به یک «منبع واحد از حقیقت» وابسته است؛ پایگاه داده مشترکی که سیاستگذار، سرمایهگذار، پژوهشگر و شهروند عادی بتوانند به آن دسترسی داشته باشند. وقتی تصمیمی گرفته میشود، به جای اطلاعیههای کلی، میتوان یک نقشه تعاملی نشان داد و اظهار کرد که شبیهسازیها نشان میدهد این محله در موج گرما آسیبپذیرترین است. شهروندان آنگاه نهتنها شنونده، بلکه مشارکتکننده در درک مسئله میشوند.
به این ترتیب شهرها دیگر به استراتژی کلی اقلیمی جدیدی نیاز ندارند، آنها به ابزارهایی نیاز دارند که بلندپروازی را به اقدام فوری و دادهمحور تبدیل کند. هوش مصنوعی و شبیهسازی امروز آن ابزارها را در دسترس قرار دادهاند. آنچه باقی میماند، اراده برای استفاده هرچه سریعتر از آنهاست.
ریاض عربستان سعودی: تشخیص نقطهگرم شهر با کامپیوتر
محققان در شهر ریاض عربستان سعودی، با استفاده از هوش مصنوعی و تصاویر ماهوارهای به بررسی الگوهای گرمای شهری پرداختند. آنها فهمیدند که رفتار گرما در ریاض برخلاف تصور عموم است؛ در طول روز، خود شهر گاهی از مناطق اطراف خنکتر میشود، اما شبها دمای شهر به.طور میانگین حدود سه درجه از حومه گرمتر میرود. مهمترین کشف آنها این بود که «مکان» بیش از هر چیز دیگری تعیین میکند کدام راهکار مؤثر است. یعنی نمیشود برای کل شهر یک نسخه واحد پیچید؛ کاری که در یک خیابان جواب میدهد ممکن است در خیابان بعدی بیاثر باشد. این یافته به شهرداری ریاض کمک میکند به جای اقدامات سراسری و پرهزینه، بهطور دقیق در همان نقاط حساس و گرم شهر سرمایهگذاری کند.
هنگکنگ: پیشبینی آینده گرم برای پیدا کردن پناهگاههای خنک
کارشناسان در هنگکنگ، از نرمافزارهای شبیهسازی استفاده کردند تا پیشبینی کنند وضعیت گرما در سال ۲۰۵۰ چگونه خواهد بود. آنها با ترکیب دادههای اقلیمی فعلی و پیشبینیهای آینده، نقشهای از پناهگاههای خنک شهر تهیه کردند. نتیجه نگرانکننده بود؛ تا ۳۰ سال دیگر، تعداد مکانهایی که مردم بتوانند در ساعات گرم روز از گرما فرار کنند بهشدت کاهش پیدا میکند و مناطق دارای گرمای قابل تحمل کوچک و کوچکتر میشوند.
با این حال ارزش اصلی این شبیهسازی در این بود که همین امروز به مدیران شهری نشان میدهد کدام محلهها در آینده بحرانیترین وضعیت را خواهند داشت. به این ترتیب، آنها میتوانند هماکنون در همان نقاط درخت بکارند یا ایستگاههای خنک احداث کنند، بدون اینکه نیاز باشد تا سال ۲۰۵۰ صبر کنند.
ایگالئو، یونان: شبیهساز کامپیوتری شهر برای کمک به فقیرترین محلها
شهر ایگالئو در حومه آتن، یک گام فراتر گذاشته و دوقلوی دیجیتال یعنی یک مدل کامپیوتری کامل از شهر خود ساخته است. این مدل میتواند سناریوهای مختلف را آزمایش کند و نشان دهد «اگر فلان کار را بکنیم، چه تأثیری بر دمای هر کوچه و خیابان خواهد داشت». نوآوری واقعی این پروژه در هدف آن است؛ آنها بهدنبال محلههایی میگردند که هم گرمای شدید دارند و هم جمعیت آسیبپذیر همچون سالمندان یا خانوادههای فقیری که توانایی خنک کردن خانه خود را ندارند. این شهر به جای اینکه تنها میانگین دما را پایین بیاورد، میخواهد اطمینان حاصل کند که گرمترین و فقیرترین محلهها نخستین کمک را دریافت کنند. مردم عادی نیز در این پروژه مشارکت دارند و نظراتشان در مدل کامپیوتری وارد میشود، به همین دلیل به آن آزمایشگاه زنده میگویند.
پروژه مشترک چند شهر اروپایی، پیشبینی گرما در مقیاس کوچه و خیابان
در سطحی وسیعتر، یک پروژه مشترک اروپایی با همکاری مرکز پیشبینیهای جوی اروپا و مؤسسه فناوری فلاندرز، سرویسی راه انداخته است که دمای شهرها را با دقت بسیار بالا (در حد ۱۰۰ تا ۲۰۰ متر، یعنی به اندازه یک بلوک شهری) پیشبینی میکند. این سرویس به شهرها اطلاعات بسیار کاربردی شامل تعداد روزهای گرمای کشنده در سال، میزان جزیره گرمایی در هر محله، پیشبینی مرگومیر ناشی از گرما، ساعات کاری از دست رفته بهدنبال گرما و مهمتر از همه، بهترین مکانها برای احداث پناهگاههای خنک میدهد.
چهار شبکه بزرگ از شهرهای اروپایی در طراحی این سرویس مشارکت داشتهاند تا اطمینان حاصل شود خروجی آن بهطور دقیق همان چیزی باشد که یک مدیر شهری برای تصمیمگیری نیاز دارد. این چهار شبکه شامل شبکه شهرهای تابآور (Resilient Cities Network)، اتحاد اقلیم (Climate Alliance)، آیسیالایآی (ICLEI) و یورو سیتیز (Euro Cities) هستند که نهتنها در طراحی سرویس مشارکت دارند، بلکه نقش کلیدی در ترویج و مقیاسپذیری آن در میان شهرهای عضو خود ایفا میکنند.
در طرح حاضر سرویس نهایی تنها توسط متخصصان فنی در آزمایشگاهها طراحی نمیشود، بلکه نیازها و اولویتهای واقعی مدیران شهری از همان ابتدا در فرایند توسعه لحاظ میشود. ۶ شهر اروپایی شامل کاشکایش (پرتغال)، ورمز (آلمان)، سالونیک (یونان)، بریستول (انگلستان)، میلان (ایتالیا) و ینیشهر (ترکیه) بهعنوان شهرهای آزمایشی انتخاب شدهاند و تجربیات مستقیم آنها در بهبود نهایی سرویس به کار گرفته میشود. این پروژه نشان میدهد که شبیهسازی اقلیمی دیگر یک ابزار لوکس برای شهرهای ثروتمند نیست، بلکه به یک سرویس عمومی و در دسترس تبدیل شده است.
آنچه این مثالها نشان میدهد این است که شهرها در نقاط مختلف جهان بدون نیاز به بودجههای هنگفت، توانستهاند با استفاده از هوش مصنوعی و شبیهسازی، از حالت حدس و گمان خارج شوند و تصمیمات خود را بر پایه داده بگذارند. آنها یاد گرفتهاند که برای کاهش گرمای شهری نیازی به انتظار تا سال ۲۰۵۰ نیست؛ با ابزارهایی که همین امروز در دسترس است، میتوان بهطور دقیق دانست کدام درخت را در کدام خیابان کاشت، کدام پشتبام را سفید کرد و به کدام محله اولویت داد.
نظر شما