Giriş Giriş Giriş

Kentsel ortamlar giderek daha kötü hava kalitesi ve yüksek sıcaklıklar tarafından rahatsız edilir, yoğun trafik, endüstriyel emisyonlar ve çok tehlikeli yüzeyler tarafından yönlendirilir. Buna karşılık, dünyadaki şehirler yeşil altyapıya dönüyor -ağaçlar, karlar, yeşil çatılar ve parklar - doğa bazlı bir çözüm gibi görünüyor. Ancak kentsel bitki kirliliği yerel hava kirletici seviyelerinin ve mikrobiyalleri nasıl etkiliyor?Bu soruyu cevaplayarak, bitkiler, atmosfer ve şehir formları arasındaki karmaşık etkileşimleri yakalamak için karmaşık etkileşimleri ele almak gerekir.

Kentsel Vejetasyon ve Çevre Fonksiyonlarını Anlamak

Kentsel bitki örtüsü homojen bir kaynak değildir. Farklı yeşillik türleri farklı işlevleri ve faydaları sunar. Ağaçlar, örneğin gölge, kontenja konu ve nezleksiyon yoluyla nezlemisyon. Shrubs ve zemincover daha az kanopy kapak sunabilir, ancak zeminin yakınında kirleticileri azaltabilir. Yeşil çatılar ve dikey bahçeler bitki örtüsü inşa edilmiş alana kadar yoğun olarak yayılır.

Hava Purification Mechanisms

Bitkiler birkaç yol boyunca hava kirleticilerini kaldırırlar.(0)Dry deposition[DDry)[*) birincil mekanizmadır: gazlar ve partiküller, yağmur tarafından yıkanır veya yaprak kesikleri dahil edilirken,% 10-25 yerel olarak azaltır.

Microclimate Yönetmeliği

Vejetasyon, mikroklimleri gölgelendirme ve buharlaşma yoluyla birleştirir. Shaded yüzeyler 20–45°F (11-25°C) Kısıtsız olanlardan daha soğuktur ve buharlı hava sıcaklıklarını 2-9°F (1-5°C) ile azaltır.

Kentsel Vejetasyon Etkileri için Yaklaşımlar

Bilim adamları, bitki örtüsünün kirletici konsantrasyonları ve mikroklimatik koşulları nasıl benzediğini tanımlamak için bir dizi modelleme tekniği kullanıyor. Model seçimi araştırma sorusu, uzaysal ölçek, mevcut veriler ve hesaplama kaynaklarına bağlıdır.

C ⁇ Akışkanlar Dinamik (CFD) Modeller

Özel tasarım ve yüksek çözünürlükte hava akış modelleri çözmek için Navier-Stokes denklemleri çözmek için Navier-Stokes denklemleri çözmek (ve yüksek çözünürlükte (1-10 m) Vejetasyon genellikle küçük domainlerle göz ardı edilir (birkaç şehir bloğu ile).

Büyük-Eddy Simülasyonu (LES)

LES, sokak kanallarını şarj etmek için açıkça büyük bir miktarlar çözmüş olmasıdır. daha küçük olanları parametrelendirmek için 2020 çalışması:0)Environmental Pollution, yoğun olarak eklenmiş ağaçlar havalandırmayı azaltıp ya da büyümenin katlanabileceğini gösterdi.

Dispersion Models (Gaussian ve Lagrangian)

Daha büyük ölçekli (şehire bağlı), [[Üyeri:0)AERMOD) ve CALPUFF kullanılır. Bu modeller atmosferik bir fizik basitleştirir, ancak bitki örtüsü kullanarak kirleticiler için bir lavabo olarak dahil edebilir, daha az ayrıntılı olsa da, tüm şehirler üzerinde çalışabilirler.

Arazi Yüzey Modelleri (LSMs)

LSMs enerji, su ve karbon florelerini toprak yüzeyi (küreler dahil) ve atmosfer ile tanımlar. [CLM)Community Land Model (CLM)) ve LSMs:2Urban Tethys-Chloris) örneğin, yaprak alanı indeksinde değişiklikler (LAI) yüzey sıcaklıklarını, nem ve mantıklı ısı flux'ı etkileyebilir.

Empirical ve İstatistiksel Modeller

İstatistiksel yaklaşımlar – çok fazla regresyon, makine öğrenmesi ve arazi kullanımı regresyon – iyi bilinen hava kalitesi ve sıcaklık tahminleri gibi normalleştirilmiş fark bitki indeksi (NDVI), ağaç kanopy kapağı ve yeşil alanlara mesafe gerektirir.Bu modeller büyük veri setleri kullanarak tahmin edilebilir ama çok bilinen bir örnektir.

Anahtar girişleri ve Doğru Modelleme için Parametreler

Tüm modeller doğru verilere güvenir. girişlerin kalitesi doğrudan çıktıların güvenilirliğini etkiler. Anahtar parametreler şunları içerir:

  • [FONT=0)Leaf Area Index (LAI): Total broşür yüzey alanı birim zemin alanı başına düşük LAI etkiler, betonlama ve buharlaşma. Yüksek LAI türü (örneğin, deciddik oaks) yaz aylarında düşük LAI coniferslerden daha etkili bir kirleticiler.
  • [FONT:0)Vejetasyon Yüksekliği ve Canopy Yoğun Kanalları ile birlikte Uzun Ağaçlar Daha Fazla Güneş radyasyonu engelleyebilir, aynı zamanda dar sokaklara dikilirse zemindeki rüzgar hızını ve tuzak kirleticilerini de azaltabilir.
  • [FONT:0]Stomatal Davranış: [Dönetici: [Dönetici: 0,4 ve C4 bitkilerinin farklı iletim oranları vardır, ozon ve NO2 kaldırmayı etkiler.
  • [FONT Inventories:[[Döneticiler: [Dönetici, endüstriyel ve konut emisyonlarının doğru haritaları kirletici kaynakları tanımlamak için gereklidir.
  • [FONT:0]Meteorolojik Veriler: [Dönem: [Dönüşük: Rüzgar hızı, yön, sıcaklık, nem ve güneş radyasyonu dağılımı ve ayrıştırma. Modeller genellikle hava istasyonları veya ERA5 gibi reanaliz ürünlerine güveniyor.
  • [FONT:0)Urban Geometry:[Dönetici: Bina yüksekliği, sokak genişliği ve yönlendirme tespiti kanyon havalandırma ve gölgeleme kalıpları.

Model Geçerlilik ve Hassasiyet Analizi

Model tahminlerine güvenmekten önce, bilim adamları onları alan ölçümlerine karşı doğrulamalıdır.Bu, LAI'yi izleme istasyonları veya mobil kampanyalardan verileri azaltan bir ölçümle karşılaştırır. Hassasiyet analizi, hangi parametrelerin en etkili sonuçları olduğunu tanımlamaya yardımcı olur. Örneğin, 2018 bir atmosfer ortamı) LAI'yi % 12 ile 4'ten 4'e kadar azaltmış bir modelde değiştirmenin, ancak ağaç porosity'nin LAI'den daha büyük bir etkisi olduğunu tespit eder.

Hava Kalitesinde Etkileri: Kirli-Specific Effects

Vejetasyon farklı şekillerde farklı kirleticiler etkiler.

Maddeye (PM2.5 ve PM10)

Yaprak yüzeylere yapılan geri yükleme yolu.ETHFLT:0)Koniferous ağaçlar[DDDDDÜT:1) yüksek LAI ve kaba bark, yüksek organik aerosol (SOA) oluşumuna katkıda bulunan uçucu organik bileşikleri (VOCs) serbest bırakmak, net etkiyle artan ağaç kapağını göstermektedir.

Nitrojen Dioksit (NO2)

NO2 stomatal yukarı ve yüzeysel ayrışma ile kaldırıldı. Model simülasyonlar, sokak ağaçlarının açık alanlarda% 5–15 azaltılabileceğini önerir, ancak yoğun sokak kanyonlarında, havalandırma bu kazanımlar dengelenebilir. Bakımcı uzaysal planlama -e.g., yeraltı ağaçları yerine, hava akışını korurken kireçleri artırabilir.

Ozon (O3)

Ozon bitki yüzeyleriyle tepki verir ve stomata'da yapılır. Ancak ağaçlar aynı zamanda bigenik VOC'leri (BVOCs), özellikle de O3'ü bazı bölgelerde 3 ppb'ye kadar azaltır, ancak yüksek riskli bir model çalışmasıyla arttırılır.

Mikroclimate Faydaları: Heat Island Mitigation and Thermal Comfort

Kentsel bitki örtüsü iki birincil işlem yoluyla ortamı serinliyor:0)shading[Döntgen:2) ve [[Döntgenlik[Dönetici: 3)) Şading, güneş ısıtmasını azaltırken, ısıyı geç ısıya dönüştürürken, hava sıcaklığı azaltır.

Yüzey ve Hava Sıcaklık Azaltıları

Modelleme çalışmaları, kentsel ağacın% 20 ila %40 arasında daha az etkili olmasına rağmen, ortalama olarak gösterilen bir model 3-5°C ve hava sıcaklıklarını yaz öğleden sonraları boyunca 1-2°C'ye kadar azaltabileceğini gösteriyor. Yeşil çatılar, binadaki ısı ve ısı soğutma enerji talebiyle daha az etkili olsa da, netleştirici şehirler tarafından yaygın olarak alıntılanan bir model.

Termal Konfor Indices

Modeller şimdi, ısıtımı gibi termal konfor ölçümleri içerir:0)Physiological Equivalent Sıcaklık (PET)[Dönemli ısı:2) veya [[Üye Olmayan ısıtımı (UTCI)) ve "çok sıcak stres" dan "sıcak ısı yükü" yübürü ile birlikte 4 °C'den 34 °C'ye kadar, "çok sıcak stres" değiştirilebilir.

Entegre Modelleme Çerçeveleri

Son zamanlarda yapılan çalışmalar, bitki örtüsü ve mikroplimate modellerini bitki örtüsü büyüme modelleriyle gerçekleştirmeyi amaçlamaktadır.TheurFLT:0)WRF-Chem) örneğin, yeşil çatılar ve ağaçlar dahil olmak üzere, yeşil renkte bir modeldir.[Dönemli yazılımlar ve eksiltmeler.).

Vaka Çalışmaları ve Pratik Uygulamaları

Barcelona'nın Superblocks

Barcelona'nın “Superblocks” programı, trafik sıkışık yeşil bölgelere yeniden yapılandırıyor. Basit ve ENVI-met, tipik bir bloku dönüştürmek, NO2 konsantrasyonunu% 25 ve daha düşük yaz hava sıcaklıklarını 2.5°C tarafından azaltabileceğini tahmin etti.

Londra'nın Kentsel Yeşil Faktör

Londra'nın s.D:0)Urban Yeşiling Faktörü (UGF)) politika, yeşil kapak türlerine dayanan minimum puan elde etmek için yeni gelişmeler gerektirir.

Singapur'un Yeşil Planı 2030

Singapur, yüksek trafik koridorlarında% 30'a kadar PM2.5'i azaltabileceğine dair uzun süredir kullanılan modellere sahiptir. Hükümet şimdi büyük yollar boyunca yeşil tampon bölgeleri yetkilendirir.

Kentsel Planlama için Pratik Uygulama

Modelleme sonuçları doğrudan uzaysal planlama kararlarını bilgilendirir:

  • [FONT:0)Street ağacı yerleştirme:[Dönetici:[Dönetici: 0) Modeller, yüksek gövdeli veya göz ardı edilebilir şekillerde ağaçları tavsiye ederek kanyonlardan kaçınmaya yardımcı olur.
  • [FONT=0)Yeşil koridorlar:[Dönemli bitki örtüsünün sürekli şeritleri soğutma akışlarını kolaylaştırır ve alanları çevreleyen faydaları genişletir.
  • [FONT=0) Yeşil çatı teşvikleri:[Döneticileri 1 ) Mikroklimate modelleri, bina enerji tasarruflarını ölçtü, sübvansiyonları haklı çıkardı.
  • [FONT:0)Urban orman yönetimi:[Dönemli senaryolar hangi ağaç türü eklenmiş arazide birim alanı başına en yüksek kirletici geri çekilme gösteren gösterir.

Meydanlar ve Sınırlar

C ⁇ Maliyet

Tüm şehirler üzerinde yüksek çözünürlüklü simülasyonlar hala dayanılmazdır. Çoğu çalışma küçük alanlara odaklanır, limitli ölçeklenebilirlik. Future exascale Computing, on yıl içinde dinamik kentsel ölçekli modellemeye izin verebilir.

Data Scarcity ve Uncertainty

Birçok şehir ayrıntılı bitki mucitleri, emisyon mucitleri ve meteorolojik verileri eksiktir. Uydu-derived LAI ve toprak kapak ürünleri (örneğin, Landsat'tan MODIS) referanslar sunar, ancak 30-250 m uzaysal kararlarına sahiptir.

Biyolojik Süreçlerin Yeniden Tanımlanması

Vejetasyon modelleri genellikle phenology, su stresi ve zararlı etkiler basitleştirir. beklenmedik bir kuraklık veya hastalık salgını beklenen faydaları dramatik şekilde değiştirebilir.

Unintended Consequences

BVOC emisyonlarının ozonu kötüleştirebilir. Ağaçlardan kirleticileri etkiler. Wetland Plant bu ticaret için kapsamlı bir model oluşturabilir.

Future Yol Tarifi

Makine Öğrenme ve Hibrit Modeller

Yapay sinir ağları ve rastgele ormanlar büyük veri setlerinden karmaşık ilişkiler öğrenebilir, hesaplama maliyeti azaltır. ML emulation ile birlikte fizik tabanlı simülasyonu birleştiren Hybrid modeller ortaya çıkıyor - örneğin, hızlı senaryo testi için derin bir öğrenme modeli kullanarak.

Uzaktan Sensing Entegrasyon

Uydu temelli LiDAR (örneğin GEDI, ICESat-2) ve hiperspectral sensörleri şimdi küresel ölçeklerde 3D bitki ve sağlık verileri sağlar. Bu verilerin modellerine göre parametreizasyonu LAI ve kanopy yükseklikleri artıracaktır.

Vatandaş Bilimi ve Low-Cost Sensörleri

Düşük maliyetli PM ve sıcaklık sensörlerinin Ağı (örneğin, MorAir, Air Now), bu kalabalık kaynaklı veri kümelerini kullanarak zemin gerçek verileri üretebilir, yerel doğrulukları geliştirir.

Katılımcı ve Dijital Twin Modeller

Kentsel dijital ikizler - şehirlerin gerçek zamanlı kopyalarını - hava kalitesi ve mikroklimate modelleri ile entegre edecek. Şehir planlayıcıları bu araçları yeşil senaryoları interaktif olarak tasarlayacak ve uygulamadan önce etkilerini değerlendirecektir.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Yerel hava kirletici düzeylerde kentsel bitki örtüsünün etkisini modellemek ve mikrolimates güçlü, gelişen bir disiplindir.Doğrusal simülasyonlardan ampirik istatistiklere kadar, modeller stratejik olarak yerleştirilen yeşillik, hava kirliliğini azaltıp ısı stresi azaltabileceğine dair kanıtlar sağlayacaktır. Ancak, modeller sadece yarınki girdileri ve varsayımları kadar iyi olacaktır.