درخت حوزه‌های تخصصی

به لحاظ شرایط حاکم و وجود بستر مساعد (از نظر لیتولوژی، پدولوژی و توپوگرافی )، دامنه‎های شمالی قوشه داغ از نظروقوع حرکات توده‎ای (لغزش وریزش و…) از ناپایدارترین وهمچنین از نظرتشکیل و توسعة خندق‎ها، از مستعدترین مناطق محسوب می شود. در اثر تشکیل وتوسعة خندق‎ها در منطقه مقدار زیادی از خاک‎های قابل کشت سطوح شیب‎دار در اختیار شبکه‎های زهکشی قرار می‎گیرند. به همین دلیل بررسی و مطالعة دقیق علل تشکیل وتوسعة خندق‎ها در منطقه از اهمّیّت زیادی برخوردار است. در بررسی علل وعوامل خندق‎زایی، نقش عوامل مرفوژنز و توپوگرافی همواره مدّ نظر قرار دارد. شیب وطول دامنه، اختلاف ارتفاع، شکل دامنه به عنوان مهم‎ترین عوامل توپوگرافی در نحوة جریان رواناب‎ها و افزایش و یا کاهش قدرت فرسایش‎دهی آنها نقش عمده‎ای ایفاء می‎کند. در مقالة حاضر از طریق روش‎های کمّی، رابطة عوامل توپوگرافی در توسعة سر خندق‎ها مورد تجزیه و تحلیل کمّی قرار گرفته است. نتایج حاصل از این تجزیه و تحلیل‎ها نشان می‎دهد که سهم طول دامنه در طویل شدن خندق‎های منطقه به مراتب بیش از سایر عوامل توپوگرافی دخیل در رشد خندق‎ها است؛ به‎طوری‎که اگر طول دامنه افزایش یابد و سایر عوامل ثابت نگاه داشته شوند، پتانسیل فرسایش خاک در سطوح شیب دار 5/2 برابر افزایش خواهد یافت. سهم دامنه‎های مقعّر که در اثر عمل برفساب و لغزش (و یا به نحوی در اثر تغییر در شیب دامنه‎ها) پدید می‎آیند، در تشکیل و توسعة خندق‎های منطقه قابل توجّه است. خندق‎های متعدّدی که در پای چنین دامنه‎هایی پدید آمده‎اند از نقش و سهم مهمّ دامنه‎های مذکور در تشکیل و توسعة خندق‎ها حکایت می‎کنند.

در این پژوهش نتایج سه مدل ریزمقیاس نمایی SDSM، شبکة عصبی ANN، و مدل مولد آب وهوایی LARS-WG در شبیه سازی پارامترهای اقلیمی بارش روزانه، کمینه، و بیشینة دمای روزانه در منطقة شمال غرب ایران مقایسه شده است. منطقة مورد مطالعه شامل دوازده ایستگاه هواشناسی است که دارای آمار بلندمدت اند. از داده های دما و بارش روزانة ایستگاه ها در دورة 1961 1990 به عنوان دورة پایه در مدل و دورة 1991 2001 به عنوان دورة اعتبارسنجی استفاده شده است. در این بررسی از دو آزمون ناپارامتری و شاخص ریشة مجموع مربعات خطای مدل (RMSE) برای مقایسة دقت سه مدل استفاده شده است. نتایج نشان داد برای دماهای کمینه و بیشینه عملکرد مدل ANN بهتر از دو مدل دیگر است. برای داده های بارش، طبق شاخص RMSE، دقتِ مدل SDSM نسبت به دو مدل دیگر بیشتر است. بر اساس آزمون ناپارامتری من - ویتنی، عملکرد دو مدلِ SDSM و LARS-WG یکسان و بهتر از مدل ANN بود. تحلیل مکانی عملکرد سه مدل نشان می دهد که عملکرد مدل ها بسته به نوع اقلیم منطقه است؛ به طوری که منطقة جنوب غرب آذربایجان شرقی و کردستان، به سبب ناپایداری های بیشتر، عملکرد پایین تری دارند.

در اثر فعالیت های بشری و تغییر در سیمای طبیعی با ایجاد شهر تفاوت هایی از نظر درجه حرارت بین مناطق مرکزی شهر و حومه آن به وجود می آید، که به جزیره حرارتی معروف است. این پدیده به ویژه در شهرهای بزرگ مشهودتر است. هدف این تحقیق شناخت تفاوت دمایی مناطق مختلف شهر رشت و حاشیه اطراف به منظور تهیه نقشه دمایی شهر و امکان تشکیل جزیره دمایی در شهر رشت است که عرصه مطالعاتی این تحقیق نیز می باشد که برای انجام این تحقیق از آمار روزانه در ایستگاه های سینوپتیک موجود در حومه رشت (کشاورزی و فرودگاه) استفاده شد و برای ارزیابی حرارتی در قسمت های مختلف شهر نیز نه ایستگاه به کمک شهرداری رشت و اداره هواشناسی استان دائر و در طول جمع آوری داده های روزانه (بهمن 85 لغایت خرداد 1386) مورد استفاده قرار گرفته است نتایج حاصله از مقایسه داده های آمار نشان می دهد اختلاف دمایی معادل 5 الی 6.4 درجه سانتی گراد بین مرکز جزیره گرمایی با نواحی اطراف در شرایط حداقل دمایی و اختلاف دمایی معادل 3 الی 5.6 سانتی گراد در شرایط دمایی بیشینه به وجود می آید و هم چنین بیشینه اختلاف در سطح شهر مربوط به ایستگاه سبزه میدان است که در ماه خرداد در حداقل دما این اختلاف با 4.6 درجه سانتی گراد به دمای حداکثر می رسد و در همین ماه در حداکثر دما با اختلاف 2.97 درجه سانتی گراد به حداقل رسیده و ثبت گردیده است. نقشه های هم ارزش دمایی به صورت کنتوری و پهنه بندی در محیط سیستم اطلاعات جغرافیایی ترسیم و مکان های احتمالی جزیره گرمایی مشخص شد.

به دلیل اهمیت تغییرات زمانی- مکانی بارش این موضوع با استفاده از روش های مختلف و دیدگاه های متفاوتی مورد بررسی قرار گرفته است. برخی از روش های مورد استفاده متکی بر تکنیک های زمین آماری و آمار کلاسیک است. نتیجه این قبیل مطالعات تهیه نقشه های هم ارزش از بارندگی و مشخصات آن می باشد.در این تحقیق با استفاده از تکنیک های زمین آمار و آمار کلاسیک و بر پایه تکنیک های ترسیمی طی دوره آماری 2003-1961 و بر اساس داده های 152 ایستگاه سینوپتیک و 170 ایستگاه کلیماتولوژی و مجموعا 92940 داده ماهانه، تغییرات زمانی بارش برای 8012 سلول در محدوده ایران زمین مورد تحلیل قرار گرفت.در راستای این پژوهش ضمن تهیه نقشه همباران کشور بر اساس روش کریگینگ نواحی که طی دوره آماری مورد بررسی، متحمل تغییر قرار گرفته اند، مشخص گردید. نتایج تحقیق نشان می دهد که حدود 4/51 درصد از مساحت کشور در معرض تغییرات بارش قرار گرفته اند. این تغییرات عمدتا در نواحی کوهستانی و نیز نیمه غربی کشور رخداد بیشتری داشته اند. عموما نواحی با بارندگی بیشتر متحمل تغییر بیشتری نیز بوده اند. میزان تغییرات به ازای هر سال از 6/29 میلی متر در کوهرنگ تا 7/15- میلی متر در سراب بوده است.

با توجه به اهمیت بارش در مدیریت منابع آب و آمایش سرزمین و نقش آن در برنامه ریزی های خرد وکلان، بخصوص تاثیر فراوان آن بر اقتصاد کشاورزی، الگوسازی و شبیه سازی رفتار بارش در سال های اخیر، مورد توجه مجامع علمی بوده است. الگوی فصلی - ضربی باکس، جنکینس (1976) برای دست یابی به این مقصود با توجه به ماهیت فصلی بودن داده های بارش از کارایی بیشتری برخوردار است. در این روش، متوسط هر ماه بر اساس میانگین بارش ماه های پیشین در همان سال و سال های قبل و همچنین ضربه های تصادفی بیان می شود. در این تحقیق با استفاده از داده های پنجاه ساله بارش ماهانه ایستگاه های ارومیه و تبریز، ابتدا مولفه های اولیه و ثانویه مورد مطالعه قرار گرفت، سپس بر اساس روش seasonalARIMA و پارامترهای مربوط (به شرط نرمال و تصادفی بودن باقیمانده ها) الگوی نهایی بارش ایستگاه های ارومیه و تبریز به ترتیب (000) (111)12، (000) (011)12 تعیین شد. در نهایت به پیش بینی مقادیر سال های آتی پرداخته شد. ضریب همبستگی بالای بارش پیش بینی شده و مشاهده شده برای سال های 2001 و 2002، حاکی از توانایی الگوی انتخابی در برآورد بارش ایستگاه های مورد مطالعه است

تحقیق حاضر درصدد شناسائی رخداد خشکسالی و دوره های کوتاه مدّت وقوع آن در منطقة خراسان می باشد. جهت دستیابی به این منظور از دو روش بهره گرفته شده است. برای بررسی وضعیّت خشکسالی های منطقه از آمار بارش ماهانة 34 ایستگاه طیّ سال های تحقیق (1997- 1968) و روش گیبس- ماهر استفاده‌ شد. گام بعدی به شناخت دوره های کوتاه مدّت وقوع خشکسالی اختصاص یافت. این کار نیز با استفاده از روش زنجیرة مارکف مرتبة اوّل دو حالته انجام شد. برای این کار که از داده های بارش روزانة پنج ایستگاه منتخب در بخش های مختلف استان استفاده شد، ویژگی های مهمّ مرتبط با دوره های تر و خشک کوتاه مدّت همچون احتمالات ساده و اقلیمی، فراوانی روزها، طول دوره های تر و خشک و نیز سیکل هوایی تعیین شد. سپس با محاسبة فراوانی دوره‌های خشک، احتمال وقوع این دوره ها و سرانجام دورة بازگشت آنها مشخّص گردید. تحلیل نتایج پردازش بارش ماهانه با روش نرمال، شرایط سال‌های مختلف از نظر خشکسالی و ترسالی را معلوم ساخت؛ به گونه‌ای‌که 57 درصد ایستگاه‌ها در سال 1970 دارای شرایط خشکسالی بسیار شدید بوده‌اند. برعکس، در سال 1991 تمام ایستگاه‌ها بارش دریافتی بالاتر از میزان نرمال داشته و 76 درصد از آنها نیز ترسالی با شدّت‌های مختلف را تجربه کرده‌اند. تعیین دقیق مقدار احتمال دو روز خشک متوالی، اختلاف بین احتمالات ساده و اقلیمی وقوع روزهای تر و خشک و نیزفراوانی وقوع دوره های خشک از نتایج مهّم این مطالعه می باشد؛ چنان که احتمال دورة خشک متوالی از 71 تا 98 درصد نوسان داشت. بین احتمالات ساده و اقلیمی خشکسالی ایستگاه‌ها نیز اختلاف چشمگیری مشاهده نشد. به لحاظ فراوانی روزهای خشک نیز در تمامی فصول، متوسّط تعداد روزهای خشک بیست روز و بالاتر از آن می‌باشد.

تهران از جمله آلوده ترین پایتخت ها بوده و در دهه های اخیر مساله آلودگی هوای آن به عنوان یکی از معضلات زیست محیطی شهروندان تهرانی تلقی می شود و امروزه از نظر آلودگی محیط زیست و هوا یکی از آلوده ترین شهرهای جهان است. استفاده از گیاهان، جهت پایش و سنجش آلودگی هوا روشی مناسب و موثر شناخته شده است. از این رو در این تحقیق جهت بررسی میزان آلودگی، گونه توت(Morus alba) که پراکنش همگنی در سطح شهر تهران دارد، انتخاب شد و مقدار فلزات سنگین Al, As, Fe, Co, Cr, Cu, Mn, Ni, Pb, Zn در هر یک از مناطق 22 گانه شهر تهران مورد اندازه گیری قرار گرفت. برای این کار 100 نقطه نمونه گیری در کل سطح شهر در نظر گرفته شد. نمونه گیری در مهرماه سال 1388 انجام شد. در ابتدا برگ های گونه ذکر شده از نقاط مورد نظر در سطح شهر جمع آوری شد. نمونه ها از ارتفاع 1/5-1 متری از سطح زمین و از برگ هایی که در سمت جاده قرار گرفته بودند و جهت اطمینان از اندازه آنها، برگ هایی با سطوح مشابه و با درازای 15- 10 سانتی متری انتخاب شدند. سپس بعد از آماده سازی نمونه ها ( شامل خشک کردن، پودر کردن و هضم کردن) با استفاده از دستگاه ICP اقدام به اندازه گیری میزان غلظت فلزات سنگین مورد نظرگردید. در نهایت نتایج بدست آمده با استفاده از نرم افزار GIS پهنه بندی شد. نتایج نشان داد که بیشترین تمرکز انواع فلزات در قسمت-های مرکزی، جنوب و جنوب شرق تهران است. هم چنین در بین عناصر مختلف، آلومنیوم و آهن، بیشترین آلودگی را دارند، به طوری که حداقل میزان دیده شده از عنصر آهن در منطقه 3 ، از حد استاندارد آن بالاتر می باشد.

سیل، یکی از پدیده های ویرانگر طبیعی است که پیش بینی آن از اهمیت بالایی برخوردار است و در این میان برآورد بارش- رواناب به دلیل تأثیرگذاری عوامل مختلف، دشوار است. در این پژوهش با استفاده از شبکه پرسپترون چند لایه(MLP)، قانون یادگیری پس انتشار خطا(BP)، الگوریتم لونبرگ- مارکوارت(LM) و معیارهای RMSE و R2 جهت کارایی مدل، 6 سناریو تعریف گردید. بررسی حالات مختلف نشان داد که بهترین مدل شبکه عصبی جهت شبیه سازی بارش- رواناب، مدلی است با ساختار1-32-6 نرون در لایه های ورودی، پنهان و خروجی که مقادیر میانگین مربعات خطای مدل در مراحل مختلف آزمایش، صحت سنجی و آزمون به ترتیب؛ 23/0، 19/0 و 21/0 و ضریب همبستگی در بهترین سناریو به ترتیب؛ 98%، 97% و 96% می باشد که حاکی از همبستگی بالا و معنی داری بین مقادیر مشاهداتی و مقادیر پیش بینی شده دارد. نتایج حاصل، توانایی بالای شبکه عصبی مصنوعی در مدله نمودن بارش- رواناب را به هنگام استفاده از پارامترهای ؤئومورفولوژیکی در حوضه فریدن به خوبی نشان می دهد.

در این تحقیق داده¬های مربوط به ناهنجاریهای دمایی کره زمین و بارش متوسط سالیانه ایستگاه تبریز در طی دوره آماری 1951-2005 استفاده شده¬اند. روشهای اصلی به¬کار¬ گرفته شده در این مطالعه عبارت است از روش تعیین ضریب همبستگی پیرسون، تحلیل مؤلفه روند سری¬های زمانی، رگرسیون خطی ساده و رگرسیون پولی¬نومیال به عنوان یک روش نیمه¬خطی و شبکه¬های عصبی مصنوعی. نتایج حاصل از کاربرد و تحلیل همبستگی پیرسون نشانگر همبستگی منفی و معکوس معنا¬داری بین بارش سالیانه تبریز و ناهنجاریهای دمایی کره زمین است. این به آن معنا است که غالباً با منفی¬شدن ناهنجاریهای دمایی کره زمین، بارش سالیانه تبریز افزایش¬پیدا کرده و ترسالی به¬وقوع می¬پیوندد و برعکس با مثبت شدن ناهنجاریهای دمایی کره زمین، متوسط بارش سالیانه تبریز کاهش پیدا کرده و خشکسالی به وقوع می¬پیوندد. تحلیل مؤلفه روند بلندمدت سری¬های زمانی نشان می¬دهد که در طول دوره آماری از بارش متوسط سالیانه تبریز کاسته می¬شود، اما روند ناهنجاریهای دمایی کره زمین روندی افزایشی از خود نشان¬می¬دهد. ارتباط بارش متوسط سالیانه تبریز با گرمایش جهانی نیز با استفاده از شبکه¬های عصبی مصنوعی شبیه¬سازی شده است. نتایج حاصل از کاربرد روشهای مختلف در این مطالعه نشان می¬دهد که روش شبکه عصبی مصنوعی در مقایسه با روشهای رگرسیون خطی ساده و رگرسیون نیمه خطی پولی¬نومیال درجه 6، روش شبیه¬سازی بهتر و دقیقتر است. روشهای مختلف شبکه¬های عصبی مصنوعی به¬کار گرفته شده در این مطالعه نشان¬ می¬دهد که روش پرسپترون چند لایه با 3 لایه مخفی و الگوریتم آموزش پس انتشار قابلیت بسیار عالی در پیش¬بینی همبستگی بین سری¬ها دارد.

برای تهیه اطلس اقلیم شناسی ویژگی های یخبندان های ایران و دستیابی به الگوهای زمانی و مکانی آن، داده های مربوط به دمای حداقل روزانه 62 ایستگاه هواشناسی سینوپتیک برای یک دوره 15 ساله (2007-1991) برای ماه های اکتبر تا می از سازمان هواشناسی کشور اخذ گردید. با انتخاب روز اول اکتبر (9 مهر) به عنوان روز مبنا، پنج ویژگی آماری: متوسط روز آغاز یخبندان، متوسط روز خاتمه یخبندان، متوسط فراوانی تعداد روزهای یخبندان، متوسط طول فصل یخبندان و متوسط طول فصل رشد استخراج و نقشه های توزیع مکانی آنها ترسیم گردید. آرایش فضایی این شاخص ها به گونه ایی است که از جنوب تا مرکز ایران که ارتفاعات مرتفع در آن کمتر است دارای آریش منظم غربی – شرقی است اما از مرکز ایران به سمت شمال که ارتفاعات مرتفع نقش بارزتری پیدا می کنند این آرایش بهم خورده و بیشتر تابع ارتفاعات می گردند. در ادامه با اجرای تحلیل خوشه ای بر روی پنج ویژگی آماری یخبندان در ایران، مشاهده شد، که می توان ایران را به 6 خوشه متمایز تفکیک نمود. خوشه های بدست آمده با حروف انگلیسی A تا F نامگذاری شده اند. آرایش مکانی این 6 پهنه نیز همچون پنج ویژگی آماری یخبندان تابعی از عرض جغرافیایی و ارتفاع است. پهنه A جنوبی ترین پهنه ایران است که فاقد هرگونه یحبندان بوده و پهنه F که در شمال غربی ایران واقع شده است دارای زودرس ترین، دیررس ترین، طولانی ترین طول دوره یخبندان و کوتاه ترین طول فصل رشد در ایران می باشد. بنابراین آرایش ویژگی آماری یخبندان در ایران هم تابع عوامل زمین –اقلیم است و هم تابع سیستم های سینوپتیکی وارد شده به کشور.

هدف از این مطالعه، ناحیه بندی و تحلیل چرخه های بارش نواحی مرکزی کشور است. بدین منظور از 29 متغیّر اقلیمی برای72 ایستگاه سینوپتیکی و کلیماتولوژی، طی دورة آماری از سال های 1359 تا 1390 استفاده شده است. برای دست یابی به این هدف، ابتدا با استفاده از روش های زمین آمار، پایگاه داده ای به ابعاد 29× 3673 کیلومتر تشکیل شده است. سپس به منظور ناحیه بندی اقلیمی از روش های تحلیل خوشه ای و تحلیل ممیّزی بهره گرفته شده است. به منظور آشکارسازی چرخه های نهان و آشکار بارش هریک از نواحی، از تحلیل طیفی (تحلیل همسازه ها) استفاده شده است. داده های حاصل از متغیرهای اقلیمی انتخاب شده به روش تجزیة خوشه ای ادغام وارد6، مورد بررسی و تجزیه و تحلیل قرار گرفت که پس از ترسیم دندروگرام چهار پهنة اقلیمی (1- ناحیه ای بارش زیاد، دمای بسیار کم و رطوبت زیاد؛ 2- بارش متوسط، دمای کم و رطوبت متوسط؛ 3- بارش بسیار کم، دمای بسیار زیاد و رطوبت بسیار کم؛ 4- بارش کم، دمای زیاد و رطوبت کم) شناسایی شد. به منظور ارزیابی نتایج حاصل از تجزیة خوشه ای، از روش تحلیل ممیّزی و آزمون تفاضل میانگین استفاده شد. نتایج حاصل از تحلیل ممیّزی نشان داد که 87/98 درصد از ایستگاه ها به طور صحیح در گروه مربوط به خود قرار گرفته اند. نتایج حاصل از اعمال تحلیل چرخه های بارش هر یک از این نواحی نشان داد که در هر چهار گروه، بیشتر چرخه های کوتاه مدت 2 تا 4 ساله حاکم بوده است؛ با وجود این، متنوع ترین چرخه ها در ناحیة یک، به دلیل عواملی مانند مجاورت با آب های خلیج فارس و قرارگیری در سایة ناهمواری های زاگرس، رخ داده است.

از جمله مخاطرات محیطی مهم می توان به پدیده های آب و هوایی مخرّب اشاره کرد که سالانه خسارات مالی و جانی بسیاری به بار می آورند. برای پیش بینی و مقابله با آثار زیانبار این پدیده ها، علاوه بر روش های همدیدی معمول، بررسی ساختار ترمودینامیکی جو در لایه های مختلف و تحلیل شاخص های ناپایداری ضروری است. در پیش بینی های عملی هواشناسی، شاخص های بسیاری برای ارزیابی پایداری اتمسفر و پیش بینی ناپایداری به کار می رود. تلاش های کمی برای بررسی این شاخص ها در ایران انجام شده و برای کالیبره کردن و معرفی آستانه ها، کاری انجام نشده است. در این مطالعه، سعی شده جمع بندی کاملی از حدود و آستانهٔ شاخص های ناپایداری برای پیش بینی انواع پدیده های مخرّب تهیه شود. بدین منظور، دقت مجموعه ای از پارامترها و شاخص ها، به طور ویژه برای مشهد محاسبه و بررسی شده است که عبارت اند از: شاخص شوالتر، شاخص مجموع مجموع ها و فشار سطح تعادل، آب قابل بارش، عدد ریچاردسون، شاخص صعود LI، شاخص K، SWEAT، CAPE و CIN. پدیده های آب و هوایی مخرّبی که در طی سال های 1980 تا 2009 در ایستگاه مشهد رخ داده، استخراج و در سه دسته برق، توفان تندری، تگرگ، دسته بندی و استفاده شده اند. روزهایی که این معیارها را نداشته اند، در دسته ای به نام بدون ناپایداری قرار گرفته اند. برای محاسبه مقادیر شاخص ها، از داده های جو بالای حاصل از ارسال رادیوسوند در ایستگاه مشهد استفاده شده است. این داده ها نسبت به وجود یا عدم پدیده های مخرّب تحلیل، و نتایج این تحلیل ها بصورت نمودارهای باکس پلات و نقاط پراکنده برای نمایش بصری روابط و آستانه ها، در پدیده های مختلف ارائه شده است. درنهایت آستانه هر شاخص برای پیش بینی انواع پدیده ها در مشهد معرفی شده، و ترکیب شاخص صعود (LI) و انرژی پتانسیل در دسترس همرفتی (CAPE) و همچنین شاخص صعود و سطح تعادل، به عنوان بهترین شاخص های ترکیبی معرفی شدند.

امروزه شهرنشینی و پیامدهای زیست محیطی آن بر همگان آشکار شده است. از میان عوامل ویرانگر شهری، سیاستمداران و پژوهشگران حوزه علوم محیطی، بیش از هر عامل دیگری به جزایر حرارتی توجه داشته اند. هدف از این پژوهش، شناسایی مناطق بحرانی زیست محیطی جزایر حرارتی شهری اصفهان است. برای دستیابی به این هدف، ابتدا 9 تصویر مربوط به دوره گرم سال، طی دوره آماری 2013 تا 2015 از ماهواره لندست 8 بارگیری و سپس پیش پردازش های لازم، دمای سطح زمین (LST) و شاخص تفاضل بهنجارشده پوشش گیاهی (NDVI) محاسبه شد. در ادامه از شاخص قیاسی وضع بحرانی زیست محیطی (ECI) برای شناسایی مناطق حساس استفاده شد. نتایج نشان داد به دلیل وجود جزایر حرارتی سرد ( 1) بین مرکز شهر و حومه، شیب حرارتی تندی وجود دارد و بزرگ ترین جزیره حرارتی شهری در منطقه 6 شناسایی شد. جزایر حرارتی کانونی و جزایر حرارتی نواری، دو گونه دیگر از جزایر حرارتی شهری هستند که پس از مناطق پیرامونی، در بیشترین مناطق این شهر دیده شد. بیشترین حساسیت زیست محیطی در مناطق جنوبی شهر (منطقه 6 شهری) و کمترین حساسیت زیست محیطی نیز در مرکز شهر (مناطق 1 تا 3 شهری) بود. بر این اساس، توسعه بام سبز و پوشش گیاهی سازمان یافته و متناسب با آب و هوای بومی، بهترین راهکار برای تعدیل جزیره حرارتی و برون رفت از بحران پیش روست.