نازنین نصراللهی

در شهرهای واقع در اقلیم گرم و خشک، دستیابی هم‌زمان به آسایش حرارتی در فضای باز، تهویه مؤثر و تأمین نور روز کافی، معادله‌ای چندوجهی است که پاسخ آن در هندسه بافت شهری نهفته است. مسئله آنجا پیچیده می‌شود که مؤلفه‌های مورفولوژیک- از نسبت ارتفاع به عرض دره شهری گرفته تا جهت‌گیری معابر و تراکم ساختمانی- نه به‌صورت مستقل، بلکه در شبکه‌ای از تعاملات غیرخطی و گاه متناقض بر عملکرد اقلیمی شهر اثر می‌گذارند. با این حال، بخش عمده ادبیات پژوهشی موجود در این زمینه همچنان بر تحلیل تک‌متغیره و ایستای این مؤلفه‌ها متکی است و شهر را سیستمی بدون پویایی زمانی فرض می‌کنند. این ساده‌سازی، فاصله‌ای جدی میان یافته‌های پژوهشی و واقعیت عملکردی بافت شهری ایجاد کرده است. پژوهش حاضر با درک این خلأ، چارچوبی یکپارچه طراحی کرده که شبیه‌سازی پارامتریک، دینامیک سیالات محاسباتی و یادگیری ماشین را در یک گردش کار واحد ادغام می‌کند. در این پژوهش شهر ایلام - به‌عنوان نمونه‌ای شاخص از شهرهای کوچک اقلیم گرم و خشک ایران که طی هفت سال اخیر افزایش دمای سطحی تا 4.4 درجه سلسیوس را تجربه کرده- بستر اجرای این چارچوب قرار گرفت. برای این منظور فرایند پژوهش در سه گام پیش رفت: نخست، مرور نظام‌مند ادبیات علمی، متغیرهای کلیدی و معیارهای سنجش را مشخص ساخت. در گام دوم، پردازش تصاویر بدست آمده از Landsat8 و Sentinel2 داده‌های LST، NDVI و EVI را فراهم آورد و سپس چهار بافت شهری متمایز — خطی، جدولی، نیمه‌متراکم و همسایگی — از منظر پارامترهای هندسی (H/W، SVF) و شاخص‌های عملکردی (EUI، UTCI، PMV، DA) مقایسه شدند. گام سوم به بهینه‌سازی پارامتریک بافت خطی اختصاص یافت؛ بافتی که بیشترین فاصله را از نقطه بهینه انرژی نشان می‌داد. مدل‌سازی در محیط Grasshopper با ابزارهای Honeybee، Ladybug و Radiance انجام شد، فایل اقلیمی EPW با مدل UWG برای بازتاب واقعی جزیره حرارتی بومی‌سازی گردید و 44 متغیر ورودی در برابر 13 خروجی شبیه‌سازی شد. آنچه از داده‌ها برآمد، تصویری روشن اما پرتنش از واقعیت طراحی شهری بود. تحلیل تطبیقی محدوده بهینه H/W را در بازه 0.35 تا 0.45 تثبیت کرد. بافت نیمه‌متراکم (0.39H/W =) با ثبت kWh/m²⋅yr 159.43EUI = بهترین کارنامه انرژی را از آنِ خود کرد، اما بافت خطی (0.57H/W =) پارادوکسی ساختاری را عیان ساخت: مطلوب‌ترین UTCI در کنار بدترین عملکرد انرژی ( kWh/m²⋅yr 175.23EUI =). این تناقض، به‌روشنی نشان داد که بهینه‌سازی تک‌هدفه نه‌تنها ناکافی، بلکه گمراه‌کننده است. عمق یافته‌ها اما در تحلیل یادگیری ماشین آشکار شد. سرعت باد با ضریب همبستگی 0.93 +به‌عنوان تعیین‌کننده‌ترین عامل آسایش حرارتی بیرونی شناسایی شد؛ نتیجه‌ای که اولویت طراحی را از سایه‌اندازی صرف به مهندسی جریان هوا سوق می‌دهد. ارتفاع ساختمان‌ها پارامتر غالب بر مصرف انرژی و رژیم رطوبتی تشخیص داده شد و جهت‌گیری کانیون با ضریب مسیر 28.18β = نه‌تنها مؤثرترین متغیر بر نور روز، بلکه کم‌هزینه‌ترین اهرم مداخله طراحی معرفی گردید. مدل‌های جایگزین یادگیری ماشین با دقت 0.994R² ≥ اعتبار عملیاتی یافتند و تحلیل حساسیت مونت‌کارلو، سلسله‌مراتبی پایدار از قابلیت اتکای خروجی‌ها برای مدیریت ریسک طراحی ترسیم کرد. نتیجه‌گیری نهایی این پژوهش بر یک گزاره محوری استوار است: عملکرد اقلیمی مطلوب در بافت شهری گرم و خشک، محصول حداکثرسازی یا حداقل‌سازی هیچ پارامتر منفردی نیست، بلکه از تعادل هندسی هدایت‌شده میان مؤلفه‌های مورفولوژیک برمی‌خیزد. چارچوب ارائه‌شده، با پیوند دادن شبیه‌سازی عددی و هوش مصنوعی در فرایندی تکرارپذیر، ابزاری قابل تعمیم برای تصمیم‌سازی شواهدمحور در طراحی شهری اقلیم‌پاسخ فراهم می‌آورد.