Οι επιπτώσεις της αστικής μορφολογίας στις αστικές θερμικές νησίδες σε κατοικημένες περιοχές: Erzurum, Τουρκία
Από RemoteSensing Wiki
Πρωτότυπος τίτλος: The Impacts of Urban Morphology on Urban Heat Islands in Housing Areas: The Case of Erzurum, Turkey
Συγγραφείς: by Cansu Güller and Süleyman Toy
Πηγή: https://www.mdpi.com/2071-1050/16/2/791
Περίληψη
Η παρούσα μελέτη εξετάζει τη σχέση μεταξύ της αστικής μορφολογίας και της έντασης των Urban Heat Islands (UHI) σε διάφορες περιοχές κατοικίας στην πόλη της Ερζουρούμ στην Τουρκία. Βρέθηκε ότι τα UHI επηρεάζονται από παράγοντες όπως τα δίκτυα δρόμων, οι κτιριακές δομές και η χρήση του εδάφους. Προτείνεται τη βελτιστοποίηση της αστικής μορφολογίας για τη μείωση των UHI, υπογραμμίζοντας τη σημασία της χρήσης συγκεκριμένων δεικτών και της χωρικής ειδικότητας στον σχεδιασμό και τον στρατηγικό σχεδιασμό των πόλεων για την αντιμετώπιση των κλιματικών προκλήσεων.
1.Εισαγωγή
Τα τελευταία χρόνια, τα ακραία καιρικά φαινόμενα, τα οποία προκαλούνται από την κλιματική αλλαγή, έχουν αναδειχθεί ως επείγουσες απειλές για τις κοινότητες. Η διαδικασία της αστικοποίησης συνεισφέρει σημαντικά στην κλιματική αλλαγή, με τον τρόπο που καταναλώνει ενέργεια και μολύνει την αστική ατμόσφαιρα, καθώς και με τον τρόπο που μετατρέπει σταδιακά φυσικές επιφάνειες της γης σε αδιαπέραστες. Οι αστικές επιφάνειες συνεχίζουν να διευρύνονται μέσα στις πόλεις, αλλάζοντας την αστική δομή και μορφολογία για να προσαρμοστούν στην αύξηση του πληθυσμού. Η επέκταση αυτή επηρεάζει σημαντικά το κλίμα μέσω του φαινομένου του νησιού θερμότητας της πόλης. Τα νησιά θερμότητας χαρακτηρίζουν τη διακριτή μεταβολή της θερμοκρασίας μεταξύ των μικροκλιμάτων μέσα σε μια πόλη και τις γύρω περιοχές. Η επέκταση των πόλεων έχει ενισχύσει αυτό το φαινόμενο, συμβάλλοντας στην αύξηση της κατανάλωσης ενέργειας, την επιδείνωση της μόλυνσης και τις δυσμενείς επιπτώσεις στη δημόσια υγεία και ευημερία. Επομένως, η άμεση αντιμετώπιση αυτού του φαινομένου είναι κρίσιμη, απαιτώντας μια σφαιρική κατανόηση των παραγόντων που επηρεάζουν τα νησιά θερμότητας για την αποτελεσματική μείωση των επιβλαβών τους επιπτώσεων.
2.Υλικα και μέθοδοι
2.1 Περιοχή σπουδών
Η μελέτη επιλέγει τρεις διαφορετικές περιοχές κατοικίας με διαφορετικά μορφολογικά πρότυπα στο κέντρο της Ερζουρούμ, Τουρκία. Αναλύονται οι μετρήσεις ηλιακής ακτινοβολίας και θερμοκρασίας για τις περιοχές αυτές. Το μελετώμενο έργο εστιάζει στην εξέταση της επίδρασης των μορφολογικών στοιχείων της πόλης στη δημιουργία των νησιών θερμότητας. Η μελέτη εξετάζει τρεις διαφορετικές περιοχές κατοικίας στο κέντρο της Ερζουρούμ, Τουρκία, με διαφορετικά μορφολογικά χαρακτηριστικά. (εικ.1)
Οι περιοχές αυτές έχουν αναπτυχθεί κατά τη διάρκεια του Σχεδίου Ανάπτυξης του 1967 και διαφέρουν σημαντικά στο ύψος, τη μορφή και τη διάταξη των κτιρίων, καθώς και στον σχεδιασμό των δρόμων. Η περιοχή Dadaşkent έχει υποστεί γρήγορη ανάπτυξη με υψηλά κτίρια και ευθύγραμμο οδικό δίκτυο, ενώ οι περιοχές Yenişehir και Yıldızkent έχουν χαρακτηριστεί από μεσαίας ύψους κτίρια και σχεδιασμό που επικεντρώνεται στην ισορροπία μεταξύ ανοικτών και κλειστών χώρων. Τέλος, η περιοχή Kayakyolu παρουσιάζει ένα μοναδικό συνδυασμό από χαρακτηριστικά όπως ασχεδίαστα χαμηλά κτίρια, υποβαθμισμένα δρόμους και σχεδιασμένα ψηλά κτίρια, παρά την ανάπτυξή της μετά την εισαγωγή του σχεδίου Ζεκί Υαπάρ. Η μελέτη επικεντρώνεται στην επίδραση αυτών των μορφολογικών χαρακτηριστικών στις θερμικές συνθήκες της περιοχής.
2.2 Χρονική περίοδος
Για τη μελέτη επιλέχθηκε η περίοδος του Ιουλίου 2022 λόγω της συχνής αίθριας κατάστασης του ουρανού. Ειδικότερα, η 15η Ιουλίου επιλέχθηκε λόγω του πολύ χαμηλού ποσοστού νεφώσεως και της βέλτιστης ποιότητας εικόνας. Η ημερομηνία αυτή χαρακτηρίζεται από μηνιαία μέγιστη θερμοκρασία 33 °C και ελάχιστη θερμοκρασία 14 °C, σύμφωνα με τα μετεωρολογικά δεδομένα από την Ερζουρούμ.
2.3. Υλικά
Χρησιμοποιήθηκαν δεδομένα από τηλεπισκόπηση μέσω του Landsat 8 Operational Land Imager (OLI) της Αμερικανικής Υπηρεσίας Γεωλογικής Εξέτασης (USGS). Τα δεδομένα του Landsat-8 OLI καταγράφηκαν κατά τη διάρκεια της ημέρας του καλοκαιριού τον Ιούλιο του 2022, στις 07:56. Η ανάλυση περιλάμβανε τον υπολογισμό των δεικτών NDBI, NDVI και LST.
Τα δεδομένα για το οδικό δίκτυο ελήφθησαν από δύο κύριες πηγές: το Open Street Map (OSM) και τη βάση δεδομένων της Γενικής Διεύθυνσης Υψηλών Οδών, γνωστή ως Atlas. Η εμπιστοσύνη στις πληροφορίες επαληθεύτηκε μέσω πρόσθετων πηγών, όπως οι Google Maps, Google Streets και οι δρόμοι του Environmental System Research Institute (ESRI). Τα δεδομένα αυτά ενσωματώθηκαν στο περιβάλλον GIS για να παραχθεί μια συνολική χαρτογράφηση.
Επιπλέον, πραγματοποιήθηκε πεδίο ερευνών για την εντοπισμό των περιοχών κατοικιών και των πράσινων χώρων σε κάθε περιοχή κατοικίας (HA). Αν και η μελέτη περιλαμβάνει πράσινους χώρους γνωστούς για τον αποτελεσματικό δροσισμό τους, η επίδρασή τους αποκλείστηκε από την ανάλυση για να διασφαλιστεί η ακρίβεια των αποτελεσμάτων.
Τέλος, τα ύψη και οι μορφές των κτιρίων ταξινομήθηκαν σε οκτώ κατηγορίες, και στα οκτώ διαφορετικά σημεία ελέγχου καταγράφηκαν εικόνες από τον ουρανό, ώστε να εξεταστεί η επίδραση τους στην ανάπτυξη
2.4. Μεθοδολογία
Η γενική διαδικασία μεθοδολογίας δίνεται στην εικ.2.
2.4.1.Ανάλυση θερμοκρασίας στην επιφάνεια του εδάφους
Οι υπολογισμοί της Θερμοκρασίας της Επιφάνειας της Γης (LST) αποτελούν σημαντική τεχνική για την επισήμανση της χωρικής διανομής του φαινομένου του UHI (Urban Heat Island), το οποίο έχει μελετηθεί εκτενώς στη βιβλιογραφία. Η εξίσωση του NDVI είναι κρίσιμη κατά τον υπολογισμό της LST, ειδικά λόγω της γνωστής ικανότητας των πράσινων αστικών χώρων να ανακουφίζουν τη θερμοκρασία της επιφάνειας.
Για την ανάλυση της LST χρησιμοποιήθηκε το λογισμικό QGIS 3.12, ενώ για τους υπολογισμούς χρησιμοποιήθηκε το εργαλείο raster calculator για την μετατροπή των δεδομένων από τις ζώνες του Landsat 8 OLI. Η ζώνη 10 από τους δύο θερμικούς αισθητήρες υπερύθρων (TIRS) επιλέχθηκε ειδικά λόγω της υψηλότερης ακρίβειας των υπολογισμών LST. Μετά τη μετατροπή των τιμών DN σε ακτινοβολία στην κορυφή της ατμόσφαιρας (TOA), οι τιμές της θερμοκρασίας φωτεινότητας (BT) υπολογίστηκαν χρησιμοποιώντας τις θερμικές σταθερές που παρέχονται στα μεταδεδομένα.
Οι υπολογισμοί του NDVI είναι απαραίτητοι για τον προσδιορισμό του Pv (αναλογία φυτοκάλυψης) και του εκπομπού (ε) που χρησιμοποιούνται στους υπολογισμούς της LST. Τέλος, η LST υπολογίζεται χρησιμοποιώντας την εξίσωση που συνδυάζει το BT, το NDVI και το ε, ανάλογα με τον τύπο χρήσης της γης.
2.4.2. Ανάλυση σύνταξης χώρου
Η ανάλυση Space Syntax εξετάζει τα οδικά δίκτυα για να ορίσει με ακρίβεια τους αστικούς χώρους με βάση τα μορφολογικά χαρακτηριστικά που υπολογίζονται ποσοτικά με βάση τις συνδέσεις που φαίνονται στους χάρτες τομέων. Στην αστική κλίμακα, οι άξονες αντιπροσωπεύουν τμήματα δρόμων, και η Space Syntax εστιάζει στην τοπολογική διάσταση του οδικού δικτύου, ειδικά στο πώς αλληλεπιδρούν οι άξονες. Ο βαθμός ολοκλήρωσης αξιολογεί το βαθμό με τον οποίο το αρχικό τμήμα ενσωματώνεται στο γενικό σύστημα, με μεγαλύτερη ολοκλήρωση που υποδεικνύει μεγαλύτερο αριθμό συνδέσεων στο δίκτυο.
Η ανάλυση του Space Syntax πραγματοποιήθηκε χρησιμοποιώντας το λογισμικό DepthmapX (έκδοση 0.8.0). Αρχικά, δημιουργήθηκε ένας άξονας χάρτη της πόλης Ερζουρούμ στο QGIS 3.12. Στη συνέχεια, τα δεδομένα υποβλήθηκαν σε ανάλυση γωνιών τμήματος μέσα στο λογισμικό DepthmapX μετά τη μετατροπή τους σε μορφή shapefile.
Η Space Syntax βασίζεται σε τέσσερα βήματα που απεικονίζονται στην εικ.3 : (i) ο δρόμος προτύπου μετατρέπεται σε άξονα χάρτη, (ii) ο άξονας χάρτη μετατρέπεται σε δυαδικό γράφημα, (iii) υπολογίζεται η ολοκλήρωση κάθε κόμβου στο γράφημα ολοκλήρωσης, και (iv) οι τιμές χρωματίζονται και χαρτογραφούνται πίσω στον άξονα χάρτη, δημιουργώντας μια τελική αναπαράσταση χρωματικής κωδικοποίησης.
2.4.3. Φωτογραφική ανάλυση του συντελεστή Sky View
Οπτικές και φωτογραφικές τεχνικές χρησιμεύουν ως μέσα για την καθορισμό του SVF. Η φωτογραφική μεθοδολογία περιλαμβάνει τη χρήση ενός φακού fisheye για τη λήψη εικόνων αστικών φαραγγιών. Δεδομένου ότι δεν υπάρχει κανονισμένο ύψος για τη λήψη εικόνων SVF, οι εικόνες ελήφθησαν σε αυτή τη μελέτη το καλοκαίρι και κατά τη διάρκεια συνθηκών αίθριου και καθαρού ουρανού. Το λογισμικό Adobe Photoshop (έκδοση CS6) χρησιμοποιήθηκε για τον υπολογισμό των τιμών SVF από αυτές τις εικόνες. Αυτή η προσέγγιση εντόπισε αποτελεσματικά το SVF, ακόμη και σε εικόνες που τραβήχτηκαν κάτω από θόλους δέντρων, διακρίνοντας τον γαλάζιο ουρανό ανάμεσα σε κλαδιά και φύλλα. Μετά την ακριβή επιλογή του χρώματος του ουρανού, προσδιορίστηκε ο συνολικός αριθμός όλων των ορατών pixel στην εικόνα του φακού fisheye (β) και ο αριθμός των pixel που αντιπροσωπεύουν τον ορατό ουρανό (α). Και οι δύο μετρήσεις pixel καταγράφηκαν στο Microsoft Excel και οι τιμές SVF υπολογίστηκαν χρησιμοποιώντας την εξίσωση α/β σύμφωνα με τη μεθοδολογία που περιγράφεται στο Debbage
2.4.4. Ανάλυση NDBI και NDVI
Η χρήση των καναλιών Landsat επιτρέπει την αξιολόγηση δεικτών πυκνότητας χρήσης της γης (NDVI και NDBI) χρησιμοποιώντας διάφορες μεθόδους. Οι τεχνικές δεικτών φασματικής ανάλυσης βασίζονται στις ιδιότητες του ηλεκτρομαγνητικού φάσματος και στη φασματική συμπεριφορά των αστικών τοπίων όσον αφορά την απορρόφηση ή ανάκλαση. Στο πλαίσιο αυτό, οι χτισμένες περιοχές και οι ξερές εκτάσεις τείνουν να αντανακλούν περισσότερη ενέργεια στο μέσο υπέρυθρο (SWIR) σε σύγκριση με το εγγύς υπερύθρο (NIR). Αντίθετα, οι υδάτινες επιφάνειες δεν αντανακλούν στο υπερύθρο φάσμα. Οι υγιείς πράσινες επιφάνειες εμφανίζουν τυπικά υψηλότερη ανάκλαση στο NIR φάσμα σε σύγκριση με το SWIR φάσμα. Αυτές οι διαφορετικές ζώνες εντός των εικόνων δορυφόρου αντιπροσωπεύουν διάφορα μήκη κύματος του ηλεκτρομαγνητικού φάσματος, σχηματίζοντας τη βάση για διάφορες μεθόδους δεικτών φασματικής ανάλυσης και τους αντίστοιχους τους τύπους και μεθόδους υπολογισμού. Η εκτίμηση του NDVI είναι ένας από τους πιο διαδεδομένους δείκτες πυκνότητας χρήσης της γης για την αξιολόγηση της πυκνότητας των φυτών. Ο NDVI υπολογίζεται χρησιμοποιώντας την υψηλή ανάκλαση στο NIR και την υψηλή απορρόφηση στο κόκκινο φάσμα, ενώ, η χρήση του NDBI αναδεικνύει την πυκνότητα των χτισμάτων μεταξύ διαφορετικών κατηγοριών χρήσης γης
3. Αποτελέσματα
3.1. Αποτελέσματα της ανάλυσης της θερμοκρασίας της επιφάνειας του εδάφους
Οι περιοχές μελέτης έδειξαν μια χωρική κατανομή της LST στις περιοχές μελέτης με τιμές που κυμαίνονται από 41,86 °C έως 68,66 °C. Επισημαίνεται ότι η υψηλότερη τιμή LST καταγράφηκε στην HA2, όπου υπάρχουν συγκροτήματα με πολυώροφα κτίρια. Αντίθετα, τα κτίρια μεσαίων και χαμηλών ορόφων στις HA1 και HA3 εμφάνισαν σχετικά χαμηλότερες τιμές LST.
Η ανάλυση της LST ανέδειξε ότι η μέση τιμή LST στην HA2 ήταν η υψηλότερη (64,96 °C), ενώ ακολούθησαν η HA1 (64,44 °C) και η HA3 (63,97 °C).
Τα ευρήματα της ανάλυσης LISA έδειξαν μοτίβα ομαδοποίησης της LST στις HA1 και HA2, αλλά όχι στην HA3. Συγκεκριμένα, στην HA1 παρατηρήθηκαν συστάδες με χαμηλές τιμές στο βόρειο τμήμα και υψηλές τιμές στο νότιο τμήμα. Επίσης, στην HA2, το νότιο τμήμα με τα υψηλά πολυώροφα κτίρια εμφάνισε συστάδες με υψηλές τιμές, ενώ το βορειοδυτικό τμήμα είχε συστάδες με χαμηλές τιμές.
3.2. Αποτελέσματα της ανάλυσης space syntax
Η εικόνα 6 παρουσιάζει τον δείκτη ολοκλήρωσης του οδικού δικτύου της Έρζουρου, αναπαριστώντας τις τιμές ολοκλήρωσης σε διάφορες αποχρώσεις. Παρατηρείται ότι οι περιοχές με διαφορετικό επίπεδο ολοκλήρωσης είναι διακριτές, με τον κύριο άξονα να δείχνει υψηλότερη ολοκλήρωση σε σχέση με την περιφέρεια της πόλης. Οι τρεις περιοχές μελέτης έδειξαν διαφορετικά επίπεδα ολοκλήρωσης, με το HA2 να ξεχωρίζει για την υψηλότερη ολοκλήρωση ενώ το ΗΑ1 παρουσίασε ολοκληρωμένες περιοχές στις βόρειες και νότιες περιοχές με την ολοκλήρωση να μειώνεται προς την περιφέρεια. Στο HA3, παρατηρήθηκε υψηλότερο επίπεδο ολοκλήρωσης στους βόρειους τομείς, με την ολοκλήρωση να μειώνεται προς τις νότιες περιοχές.
3.3. Αποτελέσματα της ανάλυσης NDVI και NDBI
Ο Πίνακας 2 και ο Πίνακας 3 παρέχουν στατιστικές πληροφορίες για τις τιμές NDBI και NDVI στα τρία διαφορετικά HA. Από αυτούς τους πίνακες προκύπτει ότι το HA2 διαθέτει υψηλότερο NDBI, υποδεικνύοντας περισσότερες χτισμένες περιοχές σε σύγκριση με τα άλλα δύο, μαζί με χαμηλότερο ποσοστό πρασίνου. Αντίθετα, το HA1, που κυριαρχείται από μονοκατοικίες, εμφάνισε χαμηλότερες χτισμένες περιοχές και υψηλότερο ποσοστό πρασίνου. Οι χάρτες που απεικονίζουν τις κατανομές του NDBI και του NDVI (Σχήμα 7) δείχνουν εμφανώς τις διαφορές στις τιμές των δεικτών μεταξύ των διαφορετικών ΗΑ. Η τιμή NDVI στη δημόσια ζώνη στο βορειοδυτικό τμήμα του HA2 φαινόταν υψηλότερη λόγω των ενεργών κατασκευαστικών έργων για μια νέα περιοχή κατοικιών. Ωστόσο, αυτή η συγκεκριμένη περιοχή αποκλείστηκε από τη μελέτη, επικεντρώνοντας την προσοχή μόνο στα δεδομένα από τις υφιστάμενες κατοικημένες περιοχές.
3.4. Αποτελέσματα της φωτογραφικής ανάλυσης του συντελεστή Sky View
Τα τρία διαφορετικά αστικά τμήματα παρουσίασαν διαφορετικά μορφολογικά χαρακτηριστικά, με το HA1 να έχει μεσαίου ύψους διαμερίσματα στο βόρειο μέρος και μονοκατοικίες στο νότιο, το HA2 να διαθέτει μεσαίου ύψους οικοδομικά τετράγωνα στο βόρειο τμήμα και συγκροτήματα με πολυόροφα κτίρια στο νότιο, ενώ το HA3 να παρουσιάζει ποικιλία από χαμηλές, ακανόνιστες κατοικίες στο νότιο μέρος και πολυώροφα διαμερίσματα στο νοτιοδυτικό. Η ανάλυση SVF αποκάλυψε ότι τα πολυώροφα διαμερίσματα είχαν χαμηλότερες τιμές SVF, ενώ τα χαμηλά κτίρια είχαν υψηλότερες τιμές SVF. Οι αυλές και τα γραμμικά μπλοκ συνήθως εμφάνιζαν υψηλότερες τιμές SVF. Τέλος, παρατηρήθηκαν διακριτά μοτίβα στην SVF μεταξύ διαφόρων κτιρίων, υπογραμμίζοντας την επίδραση των μορφών κατοικιών και των υψών τους στην SVF.
3.5. Αποτελέσματα της ανάλυσης συσχέτισης μεταξύ της ολοκλήρωσης (Space Syntax), SVF, NDVI, NDBI και LST
Η μελέτη εξέτασε τις συσχετίσεις μεταξύ της θερμοκρασίας επιφάνειας της γης (LST) και δεικτών μορφολογίας σε τρία διαφορετικά Χωροταξικά Περιβάλλοντα (HA). Τα αποτελέσματα της ανάλυσης Pearson ανέδειξαν διαφορετικά χαρακτηριστικά μεταξύ των HA. Παρατηρήθηκε ότι οι τιμές LST τείνουν να αυξάνονται με υψηλότερες τιμές του δείκτη NDBI και να μειώνονται με υψηλότερες τιμές του δείκτη NDVI. Συγκεκριμένα, στα HA1 και HA2 παρατηρήθηκε έντονη θετική συσχέτιση μεταξύ NDBI και LST, ενώ το NDVI είχε σημαντική αρνητική επίδραση στο LST και στα δύο αυτά HA. Αντίθετα, στο HA3 δεν παρατηρήθηκε σημαντική συσχέτιση μεταξύ NDBI, NDVI και LST.
Το HA3 ξεχώρισε λόγω της μικτής μορφής κτιρίων, με χαμηλά κτίρια και πολυώροφες πολυκατοικίες. Η ποικιλομορφία αυτή οδήγησε σε διαφορετικές τιμές LST που δεν εξαρτώνταν αποκλειστικά από τους δείκτες NDBI και NDVI. Έτσι, η ανάλυση του δείκτη SVF αποδείχθηκε σημαντική για την κατανόηση των μεταβολών του LST. Οι διαφορετικοί τύποι κτιρίων επηρέαζαν σημαντικά το SVF, ιδίως στο HA3, με τον δείκτη SVF να εμφανίζει θετική συσχέτιση με το LST σε αυτό το HA.
Αντίθετα, στο HA2, όπου κυριαρχούσαν πολυώροφα κτίρια, παρατηρήθηκαν εξαιρετικά χαμηλές τιμές SVF. Παρά την μειωμένη πρόσληψη ηλιακής ακτινοβολίας λόγω του χαμηλού SVF, παρατηρήθηκε υψηλό επίπεδο γήινης ακτινοβολίας, οδηγώντας σε αύξηση του LST. Η συνεργασία μεταξύ του εξαιρετικά χαμηλού SVF και των μειωμένων τιμών NDVI στο HA2 συνέβαλε στην αύξηση του LST. Επιπλέον, ο δείκτης ολοκλήρωσης έδειξε συσχέτιση με το LST σε όλα τα HA, όπου μειωμένες τιμές δείκτη ολοκλήρωσης συνδέονταν με χαμηλότερες τιμές LST. Αυτή η συσχέτιση μπορεί να αποδοθεί σε αυξημένη σκίαση σε ενσωματωμένες περιοχές.
4. Συζήτηση
Τα ευρήματα της μελέτης αυτής δείχνουν ότι τα Χωροταξικά Περιβάλλοντα (HA) που χαρακτηρίζονται από υψηλή πυκνότητα και υψηλά κτίρια βιώνουν υψηλότερη θερμοκρασία επιφάνειας του εδάφους (LST) το καλοκαίρι σε σύγκριση με τα HA που έχουν λιγότερα, μεσαίου ύψους και χαμηλά κτίρια. Αυτή η παρατήρηση είναι συμβατή με προηγούμενες μελέτες που εξετάζουν τη σχέση μεταξύ LST και αστικής μορφολογίας. Η σημασία των μορφολογικών χαρακτηριστικών στα HA δεν μπορεί να υποτιμηθεί, καθώς επηρεάζουν το μικροκλίμα και συμβάλλουν τελικά στην αύξηση της LST. Η ανάλυση Space Syntax δείχνει ότι ο δείκτης ολοκλήρωσης του δικτύου δρόμων έχει υψηλή επεξηγηματική ισχύ για την LST σε όλα τα HA, αλλά η κατεύθυνση της σχέσης μεταξύ LST και του δείκτη αυτού αλλάζει ανάλογα με τα χαρακτηριστικά κατοικιών κάθε ΗΑ. Η LST φαίνεται να μειώνεται σε περιοχές με υψηλή ολοκλήρωση στα ΗΑ1 και ΗΑ3, ενώ αυξάνεται σε περιοχές με αστικές πολυκατοικίες στο ΗΑ2. Η ανάλυση αυτή επισημαίνει την πολύπλοκη σχέση μεταξύ του αστικού σχεδιασμού και του ελέγχου της θερμοκρασίας και προκαλεί προβληματισμό σχετικά με τις προσδοκίες. Επιπλέον, οι δείκτες NDBI και NDVI είχαν σημαντική συσχέτιση με την LST σε ΗΑ1 και ΗΑ2, αλλά όχι στο ΗΑ3, υποδεικνύοντας την ανάγκη για πιο ολοκληρωμένες μελέτες σε περιβάλλοντα με διαφορετικά χαρακτηριστικά. Βασιζόμενοι στα ευρήματα, προτείνονται μέτρα για τη μείωση του φαινομένου Urban Heat Islands (UHI) με έμφαση στη διασφάλιση ποικιλομορφίας σε ύψη και μορφές κτιρίων και την ενίσχυση του πράσινου δικτύου της πόλης. Τέλος, η ανάλυση του δείκτη Συντελεστή Ορατότητας (SVF) έδειξε σημαντική συσχέτιση με την LST σε όλα τα ΗΑ, αναδεικνύοντας την ανάγκη για περαιτέρω έρευνα για να κατανοήσουμε πλήρως την πολυπλοκότητα της σχέσης μεταξύ τους.
5. Συμπεράσματα
Σε περιοχές κατοικιών στην Ερζουρούμ της Τουρκίας, όπου η έκθεση στην ηλιακή ακτινοβολία είναι υψηλή η αστική μορφολογία επηρεάζει το μικροκλίμα, ιδίως το φαινόμενο των Urban Heat Islands (UHI). Η σοβαρότητα του φαινομένου UHI διαφέρει ανάλογα με τον τύπο των κτιρίων, με τα ψηλά κτίρια να επιδεινώνουν το φαινόμενο περισσότερο από τα χαμηλά και μεσαίου ύψους κτίρια. Οι δείκτες χωρικής μορφής, όπως ο δείκτης ακεραιότητας και ο δείκτης παρατήρησης ουρανού (SVF), επηρεάζουν σημαντικά το UHI, με τον δείκτη SVF να έχει έντονη επίδραση σε περιοχές χαμηλής SVF. Η διανομή και διάταξη των κτιρίων επηρεάζει επίσης το UHI, με τα κτίρια μεσαίου ύψους να βοηθούν στη μείωσή του, ενώ οι υψηλοί πύργοι διαχωρισμένων κτιρίων είναι αποτελεσματικοί στην αντιμετώπισή του. Επιπλέον, η κάλυψη του εδάφους με βλάστηση (NDVI) και οι δείκτες έντασης χρήσης γης (NDBI) επηρεάζουν το UHI, με την περισσότερη πράσινη και τη σχεδιασμένη ανάπτυξη να εμφανίζουν κρυστάλλωση επί του φαινομένου.
Βασιζόμενη σε αυτά τα ευρήματα, η μελέτη υποστηρίζει την εξέταση χωρικών και ειδικών δεικτών κατά τον σχεδιασμό της αστικής μορφολογίας για τη μείωση του UHI. Επιπλέον, υπογραμμίζεται η σημασία της αντιμετώπισης του UHI στο πλαίσιο της κλιματικής αλλαγής, καθώς οι προτεινόμενες στρατηγικές μπορούν να βοηθήσουν στην προσαρμογή στις επιπτώσεις της κλιματικής αλλαγής και στη μείωση των εκπομπών αερίων του θερμοκηπίου.
Παρόλα αυτά, η μελέτη αναγνωρίζει περιορισμούς όπως η εστίαση στα δεδομένα θερμοκρασίας επιφάνειας κατά τους θερινούς μήνες και η έλλειψη δεδομένων για το χειμώνα, καλώντας για περαιτέρω έρευνα προκειμένου να διερευνηθεί η επίδραση των μορφολογικών δεικτών κατά τη διάρκεια του χειμώνα και να εξεταστούν παράγοντες.
