השפעות של תופעת UHI 19.12.18 Effects of Urban Heat Island mitigation in various climate zones in the United States

השפעות ההקלה בתופעת ‘אי החום העירוני’ (UHI) באזורים אקלימיים שונים בארצות הברית

במחקר זה נבדק אפקט אי החום העירוני (UHI) באזורי אקלים שונים במטרה לנתח את יעילות אסטרטגיות ההקלה של תופעת ה-UHI. נעשה פיתוח של מודל בסיסי באמצעות שימוש במידע סטטיסטי עירוני ממחוז יוסטון, טקסס. כמו כן, נעשה שימוש במחולל מזג האוויר העירוני (UWG) בכדי לדמות את אפקט ה-UHI במהלך השבוע החם ביותר של ‘השנה המטאורולוגית האופיינית’ (TMY3). נערכו שני מחקרים כדי לייצג את ההשפעות של אפקטי ה-UHI על אזורי אקלים שונים. המחקר הראשון נערך למטרת השוואה של אפקטי ה-UHI בתנאי אקלים שונים. המחקר בחן את השינויים העירוניים וזאת על מנת לבצע אמידה של השפעות שונות באזורי האקלים השונים על אפקט ה-UHI. ההשפעות התגלו כשונות זו מזו במידה ניכרת, התוצאות שהתקבלו היו בטווח 1.25 ℃ ל- 4.35 ℃. המחקר השני בחן את אסטרטגיות ההקלה בתופעת ה-UHI, אסטרטגיות כמו גידול של צמחייה על גג הבניין והגדלת כיסוי שטחים בעצים ודשא, נבדקו כדי לבחון את רגישותן בתנאי אקלים שונים. התוצאות מראות כי לצמחייה הגדלה על הגגות ישנה השפעה שולית על הפחתת תופעת ה-UHI, במבנים רבי קומות בשטח עירוני, בעוד שהגדלת השטח המכוסה בדשא ובעצים, מועילה במיוחד באקלים חם. בנוסף, התוצאות מצביעות על כך שיש לקחת בחשבון בשימוש באסטרטגיות המוזכרות את מאפייני האקלים, וזאת על מנת לעודד סביבה בר קיימא.

1. מבוא

הגידול בצפיפות בסביבה הבנויה אשר גורם להרחבת פעילויות אנושיות בסביבה זו, הוביל להבדלי טמפרטורות משמעותיים בין אזורי הכפר לאזורים העירוניים. תופעה זו ידועה בשם איי חום עירוני (UHIs) (Santamouris, 2013) . הגידול העירוני, וכתוצאה מכך, העלייה בשימוש באנרגיה מוגברת, ידועים כגורמים לעלייה באפקט ה-UHI. יתר על כן, מבנים וסביבתם העירונית ידועים כתורמים מרכזיים לתופעת ה-UHI, במיוחד באזורים עירוניים בעלי צפיפות אוכלוסין גבוהה (Arnfield, 2003; Sailor & Lu, 2004). אם להיות יותר ספציפי, תופעות ה-UHI נגרמות על ידי חום הנוצר כתוצאה מחוסר איזון רדיאלי הנובע מתופעות כמו פליטת חום, מהירויות רוח נמוכות, חוסר בשטחים מכוסים בצמחייה ירוקה המעודדת את תהליך האידוי והבעייתיות בחומרים מהם עשויים המבנים והמדרכות בסביבה העירונית (Oke, 1982; Oke,Johnson, Steyn, & Watson, 1991).

גורמים אלה נבדקו במחקרים העוסקים בסביבות עירוניות. מחקרים אלה כוללים בהם נושאים כמו אנרגיה, זיהום ופליטות חום כתוצאה מפעילות אנושית בסביבה עירונית (Hassid et al,2000 Santamouris et al., 2001; Santamouris, Synnefa, & Karlessi, 2011), ירידה במהירות הרוח בעקבות הפריסה הצפופה של הבנייה (Santamouris et al., 2001), ירידה במידת ההחזריות של משטחים וירידה ברמת ההחזר של קרנות השמש (SRI) בגלל החומרים מהם עשויים הבניינים והמדרכות (Heidt & Neef, 2008; Santamouris et al., 2011), שימוש אינטנסיבי בקרקע (Harlan & Rudell, 2011; Mavrogianni et al., 2011), היעדר במשטחים המכוסים בצמחייה ירוקה (Chen, Ooka, Huang & Tsuchiya, 2009; Smith & Levermore, 2008 & Levermore, 2008) וההפסד הנובע מאגירתה של הקרינה. (Smith & Levermore, 2008).

אפקטי ה-UHI גורמים לעלייה משמעותית ברמת העומס הנדרשת עבור קרור של בניין (Davies, Steadman, & Oreszczyn, 2008). מבנים באזורים העירוניים צורכים יותר אנרגיה עבור מיזוג אוויר מאשר מבנים אחרים באזורים הפרבריים (Machairas, Tsangrassoulis, & Axarli, 2014), שבהם ניתן להגביל את העומס ולחסוך באנרגיה. על פי ההגדרה של “אפקט אי החום” של הסוכנות להגנת הסביבה בארה”ב, הטמפרטורה הממוצעת השנתית באיזור עירוני, המאוכלס ביותר ממיליון תושבים, יכולה להיות גבוהה יותר ב 1 °C עד 3 °C מאשר באזור כפרי, הפער יכול לגדול אף ל- 12 °C (Environmental Protectopn Agencey, 2017) באזורים בהם אפקט ה-UHI תלוי במיקום הגיאוגרפי, (Arnfield, 2003). בהתבסס על מודל רשת קיבולת ההתנגדות, עבור כל עלייה של 1 °C בטמפרטורה שמקורה ב- UHI, בניין המגורים משתמש ב-5% אנרגיה נוספים עבור קירור במהלך ליל קיץ אחד במרכז עירוני צפוף בטולוז, צרפת (Bueno, Norford, Pigeon, & Britter, 2012). למרות שה-UHI יכול להקטין את הביקוש לחימום בחורף, הגידול בביקוש לקירור בקיץ, חורג בצורה קיצונית מהירידה בביקוש לחימום מאז שנת 1970. כתוצאה מכך, הביקוש הכולל בשימוש באנרגיה גדל ב -11% ב21 ערים שונות ברחבי העולם (Santamouris, 2014a). דבר המגביר את השפעת אפקט ה-UHI (Davies et al., 2008; Eto, 1988; Layberry, 2008) ואת פליטת גזי החממה (Kennedy et al., 2009).

בהתחשב בכך שרוב אוכלוסיית העולם מתגוררת באזורים העירוניים ((Jansson, 2013 ואפקט ה-UHI קיים ללא קשר לגודלה של העיר, (Busato, Lazzarin, & Noro, 2014, Karl, Diaz & Kukla, 1988) ההחמרה באפקט ה-UHI, היא איום מיידי בגלל הגברת צריכת האנרגיה בבנייני מגורים. ללא פעולות התערבות, אשר יפחיתו את אפקט ה-UHI, העלייה בביקוש לקירור תגרום לעלייה של 500% בפליטת CO2 עד שנת 2050 עבור מבנים במרכזי ערים, בהשוואה לערכים שהתקבלו בשנת 2000 (Kolokotroni, Ren, Davies, & Mavrogianni, 2012 ). הגיאוגרפיה האזורית וסולמות האקלים הינם חיוניים להערכת המאמצים להקלת תופעת ה-UHI וההתחממות בבניין בודד ובשכונות מגורים שלמות (Georgescu, Morefield, Bierwagen, & Weaver, 2014). אם רמת ה-UHI משתנה בהתאם לתנאי האקלים האזורי, רמות היעילות של האסטרטגיות להפחתת UHI הנתמכות על רעיון הפעולה האזורי, עלולות להיות בלתי עקביות (Georgescu et al., 2014; Ramamurthy & Bou-Zeid, 2017). במילים אחרות, הפתרונות של “הסביבה” למיתון השפעת ה-UHI עשויים להיות בעלי השפעה מוגבלת בתנאי אקלים שונים (Georgescu et al., 2014).

במאמץ ליצור סביבות עירוניות טובות יותר, מחקרים רבים התייחסו להשפעות של הבנייה הירוקה (Georgescu, 2015; Gu, Kim, & Kim, 2015; Newsham, Mancini, & Birt, 2009; Shin, Kim, Gu, & Kim, 2017) והשפעת תנאי האקלים המקומיים על ה-UHI ברמת העיר וברמת האיזור. (Stewart & Oke, 2012, Zhao, Lee, Smith, & Oleson, 2014).

מחקרים אלה התמקדו בשונות של הUHI ללא בקרה על שינוי הגדרות הסביבה העירונית. לפיכך, השפעת ה-UHI ממשיכה להיות מוטלת בספק, שכן תוצאות המחקר מושפעות הן מהגדרות הסביבה העירונית והן מגורמי האקלים האזוריים (Saneinejad, Moonen, & Carmeliet, 2014). מורפולוגיות עירוניות, שהן פעולות לשינוי תצורת העיר, כמו פיתוח הרציפות ופיזור הבנייה באיזורים העירוניים, קשורות בקשר ישיר להשפעת ה-UHI (Debbage & Shepherd, 2015). כדי להכליל את השפעות האסטרטגיות להפחתת UHI באמצעות האקלים האזורי, הניסויים צריכים להתבצע בסביבה עירונית מבוקרת. לפיכך, מחקר זה חקר את ההשפעות של תנאי האקלים השונים על רמת ההשפעה UHI והיעילות של אסטרטגיות להפחתת UHI, באמצעות מודל עירוני (UCM) בכדי לשלוט על הגדרות הסביבה הבנויה. ממצאי מחקר זה יעזרו לקובעי המדיניות להבין טוב יותר את הקשר בין תנאי האקלים לבין אפקט ה-UHI ולסייע להם בקבלת החלטות משופרות בנוגע למדיניות הפחתת ה-UHI מבחינה גיאוגרפית.

1. רקע

1. אסטרטגיות ההקלה בתופעת ה-UHI ותנאי האקלים

רוב המערכות להערכת השקעת אנרגיה בבניינים, אינן יעילות עבור הערכת הצריכה בבניינים ועבור הערכת כמות פליטת הפחמן, וזאת בשל חוסר התקדמות בנושא ההתייעלות האנרגטית העירונית (Bourdic & Salat, 2012). בכדי לנסות להתמודד עם ההבדלים האזוריים, החלו לכלול במערכות הויסות האנרגיה בבניינים, פרמטרים גיאוגרפיים ואקלימיים מקומיים (Suzer, 2015). כלי ההערכה הסביבתיים המבוססים על קריטריונים, כגון מערכת רגולטורית של הבניין, נועדו “להעריך את הנושאים המשפיעים על הביצוע במבנה עצמו, ובמקרים מסוימים גם להעריך את השפעת המבנה על סביבתו” (Horvat & Fazio, 2005). עם זאת, רוב המערכות האלו לא פותחו על מנת להתמודד עם הבדלים בתנאי האקלים המקומיים. מאחר ששינויים באקלים המקומי עשויים להחריף את השפעת ה-UHI ולערער את ביצועי האנרגיה בבנייה העירונית, ברוב כלי ההערכה הסביבתיים של הבניין אומצו פרמטרים מתכווננים בכדי להתמודד עם תנאי האקלים המגוונים (Suzer, 2015). כתוצאה מכך, עוצמת צריכת האנרגיה של מבנים בבנייה ירוקה, אינה מתאימה לטמפרטורת האוויר החיצונית כפי שהיא נמדדת על ידי המדד HDD.

במבנים אשר לא נבנו בבנייה ירוקה, השימוש באנרגיה מתאים ביחס למדד HDD (Mohareb, Kennedy, Harvey, & Pressnail, 2011). בנוסף, מבנים אשר נבנו בבנייה ירוקה יכולים להשפיע על טמפרטורת הסביבה שלהם (Gu et al., 2015; Shin et al., 2017). השפעות המבנים שנבנו בבנייה ירוקה על הטמפרטורה החיצונית מצביעות על כך שהקריטריונים המשמשים לבניית כלי ההערכה הסביבתיים יכולים להיות יעילים בהפחתת השפעת ה-UHI.

יתר על כן, הפחתת השפעות ה-UHI משפרת את ביצועי האנרגיה בבניין, וכתוצאה מכך ניכר חיסכון באנרגיה באזורים העירוניים (Machairas et al, 2014). הגורמים הבולטים ל-UHI שאומצו עבור מערכות הערכת האנרגיה בבניין, משמשים גם להדגשת השיטות היעילות ביותר להפחתת ה-UHI. שימוש בחומרים בעלי מידת החזריות גבוהה ובהצללה מעצים ומבנים ייחודיים (Akbari, Pomerantz, & Taha, 2001; Rosenfeld, Akbari, Romm, & Pomerantz, 1998; Takebayashi & Moriyama, 2012) המדרכות (Asaeda, Ca, & Wake, 1996; Dimoudi et al., 2014), הסלילה המוקדמת והגגות עם הצמחייה הירוקה (Asaeda et al., 1996; Hathway & Sharples, 2012; He & Hoyano, 2010; Liu, 2002; Nakayama & Fujita, 2010; Saneinejad, Moonen, Defraeye, & Carmeliet, 2011; Saneinejad, Moonen, Defraeye, Derome, & Carmeliet, 2012; Wanphen & Nagano, 2009), הבנייה וגופי המים העירוניים (Han & Huh, 2008; Kleerekoper, van Esch, & Salcedo, 2012; Krüger & Pearlmutter, 2008; Runsheng, Etzion, & Erell, 2003; Tiwari, Kumar, & Sodha, 1982), העצים והאיזורים הרחבים בעלי צמחייה ירוקה (Akbari et al., 2001; Akbari, 2002; Alexandri & Jones, 2008; Rosenfeld et al., 1998; Rydin et al., 2012; Santamouris, 2014b), כמו כן, השימוש ברוח הטבעית (Smith & Levermore, 2008) כל אלה ידועים כאסטרטגיות יעילות להפחתת אפקט ה-UHI. בפועל, מחקרים רבים טענו כי ייתכן והאסטרטגיות להפחתת UHI לא יפעלו באותו האופן בכל רחבי העולם, במידה ומאפייני האקלים המקומיים לא נלקחו בחשבון (Akbari, 2002, Alexandri & Jones, 2008, Georgescu et al, 2014, Georgescu, 2015; Ramamurthy & Bou-Zeid, 2017). לדוגמה, מאפיינים כגון הלחות הממוצעת, כמות המשקעים, הטמפרטורה והרוח אשר קשורים באופן ישיר עם הUHI- (Du et al., 2016; Zhao et al., 2014). לפיכך,יש לקחת בחשבון את המאפיינים המקומיים של תנאי האקלים האזורי בכדי לפתח שיטות להפחתת UHI לשימוש בכל רחבי העולם.

1. הערכה של השפעות ה-UHI

מחקרים רבים פיתחו שיטות וכלים לחיזוי האקלים העירוני על ידי שילוב של מודלים עם טכנולוגיית סימולציה (Bruse, 1998; Bueno, Norford, Hidalgo, & Pigeon, 2013; Erell & Williamson, 2006; Oke, 1981). קיימים 3 סוגים שונים של אפקטי ה-UHI, המתבססים על הגבהים של המיקומים הנמדדים: שכבת פני השטח העירונית (USL), שכבת החיפוי העירונית (UCL), הכוללת את החלל בין הקרקע וגובה של בניין ממוצע ושכבת הגבול העירוני (UBL), אשר נמצא מעל ל-UCL (ראה איור 1) (Kuttler, 2008).

המדד Sky View Factor (SVF), מייצג את היחס בין הקרינה המתקבלת במשטח מישורי לקרינה המתקבלת מסביבה שלמה (Oke, 1981). ניתן למדוד אותו כיחס מנקודת ייחוס על הקרקע ב-USL, בהתחשב בגורם המשוקלל של צפיפות השטף הקרינתי ובזוויות השמש (Brown, Grimmond, & Ratti, 2001). באיזורים עירוניים ניתן לקבוע את ה-SVF באמצעות שיטות אנליטיות, באמצעות צילום הנעשה בעדשות מסוג fish-eye, באותות ממערכת מיקום גלובלית ובאמצעות GIS-מערכי נתונים תלת-מימדיים מבוססי מערכת מידע גיאוגרפית (Chen et al., 2012). פותחו שיטות שונות המשתמשות ב-SVF על מנת להעריך את השפעת ה- UHI, תוך התייחסות ליחסים בין ה- SVF לבין חילופי הקרינה ב-UCL (Gál, Lindberg, Unger, 2009; Unger, 2004, 2008).

איור 1: 3 שכבות שונות עבור מדידת אפקט UHI.

המודל Canyon Air Temperature (CAT) הוצג כמודל אנליטי אשר מעריך את טמפרטורות האוויר העירוניות ב-UCL אשר עברה שינוי מנתוני מזג האוויר הכפריים (Erell & Williamson, 2006).

Crawley (2008) הציע שיטה אמפירית לחיזוי של ה-UHI, השיטה מבוססת על אלגוריתמים עבור תרחישי שינוי האקלים אשר מתקבלים מהפאנל הפנים ממשלתי לשינוי האקלים. Salamanca, Krpo, Martilli ו- Clappier (2010) פיתחו מודל חדש לבניית אנרגיה (BEM) כדי לשפר את תהליך העברת החום ב- UCM, מודל זה כולל בתוכו את התנהגויות האנרגיה בתוך מבנים ואת פליטת החום ממערכות מיזוג האוויר. התוכנית “Town Energy Balance” (TEB)- מאזן האנרגיה העירוני, פותחה כדי לדמות את חילופי האנרגיה בין המודל האטמוספרי של Mesoscale לבין משטחים עירוניים המכוסים על ידי מבנים, כבישים או כל חומר מלאכותי אחר (Masson, 2000). Bueno, Norford et al. (2012), Bueno, Pigeon et al. (2012) שילבו בין תוכניות ה-BEM וה- TEB, כולל מערכות בנייה פסיביות, על מנת לייצג את ההשפעות של מערכות הבניין על האקלים העירוני ולאמוד בקנה מידה רחב את צריכת האנרגיה בבניין.

לאחרונה, פותח מחולל המזג האוויר העירוני (UWG) ואיתו ניתן לחשב את טמפרטורת האוויר והלחות בכל שעה בקניונים עירוניים באמצעות מדידת נתוני מזג אוויר מחוץ לאזורים העירוניים (Bueno, Norford, Hidalgo, & Pigeon, 2013).

אלגוריתם ה-UWG מורכב מ4 מודלים עיקריים: 1)  the Rural Station Model (RSM)- מודל התחנות הכפריות 2) Vertical Diffusion Model (VDM)- מודל הפעפוע המרכזי 3) Urban Boundary Layer Model (UBLM)- מודל שכבת גבול עירונית 4) Urban Canopy and Building Energy Model (UC-BEM)- מודל שכבות האוויר העירוניות ומבני אנרגיה.

איור 2 מציג את התהליך הרעיוני של חישוב אלגוריתם UWG. בהתבסס על  מדידות מזג האוויר, מודל ה-RSM מחשב את זרמי החום הכבדים מהאזורים הכפריים (Hrur) הנמדדים בעזרת המודלים VDM ו-UBLM. מודל ה-VDM מפיק את פרופילי הטמפרטורה האנכיים (θrur) באמצעות שימוש בטמפרטורות האוויר (Trur), במהירויות הרוח הנלקחות ממדידות מזג האוויר, ובזרם החום, הנלקח ממודל RSM. פרופילי טמפרטורת האוויר מועברים למודל-.UBLM לאחר מכן, מודל ה-UBLM מחשב את טמפרטורות האוויר (Tubl) בשימוש ב-UBL, בהתבסס על פרופילי הטמפרטורה (θrur) ושתי מערכות הזרמים אשר סופקו על ידי המודלים RSM ו.UC-BEM מודל ה- UC-BEM פותח על בסיס תכנית BEM-TEB ועל ידי אלגוריתם שימור האנרגיה בין אלמנטים שונים בקניון העירוני, במטרה לחשב את טמפרטורת האוויר (Tucl) ואת הלחות ב-UCL. החישוב מתבצע תוך שימוש בנתוני מזג האוויר הנמדדים, טמפרטורת האוויר המחושבת מ-UBL, ויתרות האנרגיה של הקניון העירוני כגון זרם החום המגיע מהקירות, החלונות והכבישים, חום הנפלט ממיזוג האוויר וממקורות חום אנתרופוגניים (ראה איור 2 ). ה-UWG מניח כי ב-UCL האוויר מעורבב היטב, כלומר, שבכל רגע נתון שבו טמפרטורת האוויר נבדקת, היא מייצגת גם את הטמפרטורה העירונית ב-UCL בהינתן המודל העירוני UCM. האלגוריתם לא מדמה את תנאי האוויר ב-UCL. מחקרים שונים נערכו כדי לאמת את האמינות והעמידות של אלגוריתם UWG בערים שונות כמו טולוז בצרפת ובאזל בשוויץ (Bueno, Hidalgo, Pigeon, Norford, & Masson, 2013, Bueno, Norford, Hidalgo, & Pigeon, 2013), סינגפור (Bueno, Roth, Norford, & Li, 2014) ובוסטון (Street, Reinhart, Norford, & Ochsendorf, 2013). במחקרים אלו ניתן למצוא את המשוואות והמודלים המפורטים המשמשים לחישוב אלגוריתם ה-UWG.

איור 2: תהליך חישוב קונספטואלי של UWG (Bueno, Norford et al., 2013).

מודל ה- Envi-met, הינו מודל תלת-מימדי אי-הידרוסטטי, אשר פותח על מנת לדמות את הקשר של השטח, הצמחים והאוויר בקרב בניינים, גגות, רחובות, צמחייה, מדרכות וצמחייה ירוקה, באזורים עירוניים. ערכי תוצאות המודל כוללים את טמפרטורת האוויר, הטמפרטורה הממוצעת, הלחות היחסית וקרינה גלובלית (Bruse, 1998). מחקרים אמפיריים שונים בוחנים את אמינותו של המודל Envi-met על ידי השוואתו לנתונים בפועל שהתקבלו בגואנגזו, דרום סין (Yang, Zhao, Bruse, & Meng, 2013); בבילבאו, אשר נמצאת בחלק הצפוני של חצי האי האיברי (Acero & Herranz-Pascual, 2015); וברומא, איטליה (Salata, Golasi, de Lieto Vollaro, & de Lieto Vollaro, 2016). השתמשו במודל זה בכדי לחקור נושאים הקשורים לסביבות עירוניות, כמו נוחות אקלימית חיצונית, צריכת האנרגיה בבנייה, אפקטי ה-UHI והאסטרטגיות להפחתת ה-UHI (Santamouris et al., 2018).

נעשה שימוש בסימולציית Computational Fluid Dynamics (CFD) ובסימולציות חישוביות (mesoscale) על מנת לחזות את מזג האוויר העירוני ולבחון את השפעותיו של האקלים העירוני על צריכת האנרגיה של מבנים (Oxizidis, Dudek, & Papadopoulos, 2008). Yi ו-  Malkawi (2012) שילבו בניתוחם, סימולציות מסוג CFD, את סימולציית מונטה קרלו וסימולציות רשת עצבית מלאכותית בכדי להפחית את העלות החישובית ואת הזמן שנדרש לייצור סימולציות CFD. מטרתם הייתה לחזות את הטמפרטורות השנתיות, את מהירויות הרוח ואת כיווני הרוח באזורים עירוניים.

עם זאת, לסימולציית ה-CFD ישנן מגבלות מסוימות כאשר היא מותנת בתנאים מגבילים, כמו מרחב בחינה מוגבל, פישוט משמעותי, ודרישה נרחבת עבור משאבי מחשוב (Erell & Williamson, 2006).

1. אפקט UHI ונוחות תרמית

אפקטי ה-UHI מעלים את הסיכון ללחץ חום, תנאי הקשור משמעותית לבריאות האדם (Tan et al, 2010) ולאיכות החיים בערים (Chen & Ng, 2012). בסביבות בנויות, ההשפעה היחסית של אפקטי ה-UHI על רמת הלחץ החום, תלויה בתנאי האקלים האזורי. בהקשר זה, את שביעות הרצון התרמית עבור הולכי הרגל ב-UCL, יש לחקור ביחס להשפעות אפקטי ה-UHI. (2014). Saneinejad et al, חקרו את ההשפעות של 3 אסטרטגיות שונות להפחתת ה-UHI על רמת הנוחות של הולכי הרגל, וזאת באמצעות מדד אקלים תרמי אוניברסלי (UTCI), שהוא מודד נוחות תרמית חיצונית. ה-UTCI הוא הטמפרטורה של סביבת ההתייחסות המייצגת תגובה פיזיולוגית דינמית בגוף האדם, בדומה לתנאים תרמיים בפועל. מצב של סביבת התייחסות מתואר בטבלה 1. UTCI ניתן לחישוב באמצעות שילוב של רוח, לחות, טמפרטורה ממוצעת וטמפרטורת האוויר, והוא מסווג על ידי 10 רמות חום החל מקור קיצוני ( -40 °C) ללחץ חום קיצוני (+46 ° C)  (Bröde et al., 2012). על אף שמדדי נוחות תרמית אחרים, כגון טמפרטורה פיזיולוגית, שימשו בעבר למדידת התנאים התרמיים, Blazejczyk, Epstein, Jendritzky, Staiger ו- Tinz (2012) סיכמו כי ה-UTCI רגיש מאוד לשינויים בערכים המטאורולוגיים והוא מייצג את התנאים הביו-אלקימים בצורה האופטימלית ובמגוון רחב של תנאי מזג אוויר.

טבלה 1: רשימת ערכי קלט מטרולוגיים בסביבת הייחוס של UTCI. (Bröde et al., 2012).

סביבת הייחוס של UTCI	קלט מטאורולוגי
טמפרטורת האוויר (Ta)	טמפרטורה ממוצעת (Tr)
0.5 m/s (נמדד בגובה 10 מטר)	מהירות הרוח (va)
50% (Ta <29 ° C)	לחות יחסית (rH)
hPa (Ta> 29 ° C) 20	לחץ אדי מים (pa)
4 הליכה   km/h (135 W/m2)	קצב חילוף החומרים

איור 3: שלבי העבודה של ההערכה ושל הניתוח.

1.  שיטתיות

במחקר זה, הניתוח למציאת החשיבות היחסית של האסטרטגיות להפחתת אפקט ה-UHI, באזורי אקלים שונים בארצות הברית, נעשה באמצעות מודלים וסימולציות. נעשה שימוש בסימולציות של אפקט ה-UHI ובוצעו חישובי UTCI, נערכו שני מחקרים כדי לייצג את ההבדלים היחסיים בהשפעות UHI. איור 3 ממחיש את תהליך העבודה הכולל של הניתוח, אשר כלל 3 שלבים עיקריים: 1) יצירת מקרה בסיס UCM, 2) נעשתה סימולציה של אפקטי ה-UHI ובוצע חישוב UTCI  3) הערכה וניתוח של התוצאות. התהליך הכולל, של ההדמיה והסימולציה, מתבסס על סביבת מודל פרמטרית, Grasshopper, שזה עורך אלגוריתמם גרפי באמצעות כלי תלת מימד, Rhinoceros 3D (McNeel, 2010). מחקרים רבים השתמשו בטכנולוגיית מודל פרמטרית עבור מידול בקנה מידה שכונתי ובמחקרי סימולציה Yi & Kim. (Amado & Poggi, 2014; Taleb & Musleh, 2015; Yi & Kim, 2015, 2017) תיאורים מפורטים של תהליך המידול והסימולציה ניתן למצוא בסעיפים הבאים.

1. מקרה הבסיס UCM

כפי שמתואר באיור 3, הצעד הראשון היה ליצור מקרה בסיס UCM. בחרנו את אזור מרכז העיר יוסטון כאזור המייצג צפיפות גבוהה ואיזור עירוני מתפתח בארה”ב, מאחר שאפקט ה-UHI המקסימלי התרחש בחלק הצפוף ביותר של האזור העירוני (Giannopoulou et al., 2011). יוסטון היא העיר הרביעית בגודלה בארה”ב, ובאזור מרכז העיר ישנם סוגים שונים של מבנים, החל מגורדי שחקים ועד למבנים היסטוריים. Yu, Liu, Wu, Hu, and Zhang (2010) העריכו את צפיפות הבניינים באמצעות נתוני LiDAR עבור מרכז העיר יוסטון. מחקר זה חילק את מרכז העיר יוסטון ל6 מחוזות עירוניים על פי הגדרות סביבה ייחודיות, ומדידת תכונות הצפיפות של כל בניין, כמו גובה, שטח ונפח. UCM הוא מקרה הבסיס שפותח על בסיס מידע משוער ונתונים עירוניים שנלקחו מ GIS, כולל שימושי הקרקע ממסד הנתונים Harris County Public GIS (Harris County Appraisal District, 2017). אם לדייק, הנתונים הועברו לסביבת המידול הפרמטרית, ולאחר מכן מוינו עבור הגדרת הגבול של מרכז העיר יוסטון (כפי שמוצג באיור 4A). המודל היה מורכב מ-280 בלוקים המאורגנים בדגם רשת. המידות של כל בלוק היו 86m*86m (רוחב*אורך) והממדים הכוללים היו 1360m*1948m (רוחב*אורך).

280 הבלוקים חולקו ל5 מחוזות עירוניים ול2 קטגוריות חלל פתוח, הכוללים פארקים וחניונים. מחוז הskyline (גורדי שחקים) ומחוז הsport&convention (ספורט והאמנות) היו ממוקמים בצד המערבי והמזרחי, עם 2 ו-41 בלוקים, בהתאמה. מחוזות הtheater (התיאטרון), הhistoric (ההיסטוריים) וother(האחרים) היו ממוקמים בצפון ובדרום, עם 11, 32 ו -42 בלוקים, בהתאמה. מיקומי החניה והאזורי הצמחייה הירוקים נאמדו על סמך המפה הכלולה באיור 4A ונתוני הGIS. 57 ו -27 בלוקים, בהתאמה. יחס הכיסוי הממוצע עבור כל מחוז שימש לקביעת שטח הבנייה, מתוך ההנחה שכל הבניינים היו מלבניים. גובהו של כל בניין ניתן באופן אקראי בכדי לעקוב אחר ההתפלגות הנורמלית על ידי מתן גובה ממוצע וסטיית התקן עבור כל מחוז. לדוגמה, יחס הכיסוי הממוצע למבנה, גובה המבנה הממוצע וסטיית התקן היו  m0.65, m118.5 ו -m83.6, בהתאמה, במחוז skyline של יוסטון. את המידע המפורט על צפיפות הבניין ניתן למצוא במחקר שנערך על ידי Yu et al. (2010). בהתאם לכך, ה-UCM הציג גובה בנייה ונפח מבנה ממוצעים הדומים לבנייה הקיימת במרכז העיר יוסטון. כלומר, הגבהים שניתנו אקראית, חיקו את הגדרות הסביבה האמיתית במחוז, תוך מתן אפשרויות פנימיות בכל מחוז. איור B4  ממחיש את מקרה הבסיס UCM שפותח באמצעות השיטה המתוארת לעיל.

איור 4: מקרה הבסיס של מודל עירוני

4A: מרכז העיר יוסטון

4B: מודל של מרכז העיר יוסטון

3.2 סימולציית ה-UHI

במחקר זה, נעשה שימוש באלגוריתם UWG כדי לדמות את UHI. הוא פותח ככלי לסביבת המידול של Rhinoceros (Nakano, Bueno, Norford, & Reinhart, 2015; Norford & Reinhart, 2016). הכלי, כחיבור עבור Grasshopper,  פותח על מנת שיהיה ניתן לשלב מודלים פרמטריים יחד עם תוכנת ניתוח UHI, הנקראת Dragonfly (Mackey, 2017a), אשר נעשה בה שימוש במחקר זה.

למרות שהסימולציה של UHI דורשת מספר משמעותי של פרמטרים כדי לייצג את UCM, ממשק המשתמש של UWG מסווג את פרמטרי הקלט שנקבעו על ידי ניתוח רגישויות, כולל יחס כיסוי האתר, יחס החזית לאתר וחום אנתרופוגני סביר (Nakano et al., 2015). יחס כיסוי האתר הוא היחס בין שטח הבניין לאזור האתר ב- UCM. היחס כיסוי לחזית האתר הוא היחס בין שטח הקיר האנכי לבין שטח התכנון העירוני. Bueno, Norford et al. (2013) קראו למונחים אלה אופקי צפיפות הבניין ויחס אנכי אופקי לאזור העירוני, בהתאמה. עבור מקרה הבסיס UCM, הערכים של שני הפרמטרים האלה חושבו בהתבסס על המידע הגיאומטרי העירוני הנתון. Stewart and Oke (2012) עיצבו את מערכת Local Climate Zone, סיווג אזור האקלים המקומי (LCZ), המבוססת על מבנה פני השטח, כיסוי הקרקע ופעילויות אנושיות, על מנת לתת מענה למאפיינים פיזיים ומאפייני אקלים שונים. עבור מקרה הבסיס UCM, זרם החום האנתרופוגני נקבע כ- 175 W/m2 שהיה הערך הממוצע עבור ה-LCZ (Stewart & Oke, 2012). את הפרמטרים האחרים ניתן לשנות באמצעות ממשק למשתמש. במונחים של סוג הבניין ופרמטרי הבנייה, במקרה הבסיס UCM, נעשה שימוש בקבוצת ערכים קבועים כמו החזריות פני השטח. הונח שכל המבנים מסחריים, בעלי יחס קיר-חלון של 80%.

ערכי הבניה, החומרים והעומסים הפנימיים התקבלו ממשרד האנרגיה האמריקני (DOE) למודלי בנייה מסחרית של בניין לאומי, אשר עומד בתקן (Deru et al. 2011) ANSI / ASHRAE / IES  90.1-2010. ערכי קלט מפורטים אחרים, של מקרה הבסיס UCM, עבור סימולציית UWG, מתוארים בנספח A.

במחקר זה נבחרו 3 פרמטרים שונים במקרה הבסיסי UCM עבור ביצוע ניתוח השוואתי. המשתנים הקשורים ל- UCM כללו את הצמחים הגדלים בגג, העצים ושיעור כיסוי השטח בדשא. ממשק המשתמש של UWG איפשר לבצע שינויים ביחס צמחי הגג והעצים. יחסי הכיסוי בדשא חושבו על ידי מניפולציה של מספר הבלוקים שבהם יש פארק במקרה הבסיס. ה-UWG מחייב מערך נתוני מזג אוויר בתבנית Energy Plus Weather (EPW) והוא נמדד באזור כפרי, על מנת להפוך את נתוני מזג האוויר (טמפרטורה ולחות) הכוללים את השפעת ה-UHI ב-UCM. ה-DOE מספק אזורי אקלים סטנדרטיים עבור determination analyses (ניתוח המראה מדוע לא התקבלו תוצאות לניתוח).

ארצות הברית מסווגת ל8 אזורים תרמיים. רובם מתחלקים לחלקים לחים (A), יבשתיים (B) וימיים (C), המייצגים סך של 15 אזורי אקלים (Halverson et al., 2014). במחקר זה, נבחרו 6 אזורי אקלים כמשתנים בכדי לחקור את ההשפעות היחסיות של מאפייני האקלים על אפקט ה-UHI. בטבלה 2 ניתן למצוא רשימה של אזורי אקלים וערים המייצגות.

מחקר זה השתמש בנתוני מזג האויר המטאורולוגיים השתניים (TMY3) שנמדדו מאזור כפרי ליד העיר (שדה התעופה), המייצג תנאי מזג אוויר ארוכי טווח (30 שנה) (Wilcox & Marion, 2008). עבור כל עיר, הטמפרטורה הממוצעת והלחות היחסית, במהלך השבועות החמים ביותר, שהתקבלו מנתוני מזג אוויר מסוג ,TMY3 מתוארים בטבלה 2. בהקשר של המונחים של ערכי ההזנה של האתר ב- UWG, נעשה שימוש בנתוני מזג האוויר TMY3.

טבלה 2: אזורי אקלים והערים המייצגות במחקר זה

טמפרטורה ממוצעת ולחות יחסית	השבוע החם ביותר בקיץ	עיר	אקלים איזורי
29.7 °C / 70 %	29 יולי-4 אוגוסט	יוסטון	חם ולח
36.3 °C / 30 %	3-9 אוגוסט	פניקס	חם ויבש
29.9 °C / 65 %	6-12 יולי	ממפיס	חמים ולח
29.4 °C / 27%	15-21 יוני	אל פאסו	חמים ויבש
27.1 °C / 65%	20-26 יולי	שיקגו	קר ולח
27.0 °C / 27%	3-9 אוגוסט	בויז	קר ויבש

1. ניתוח השוואה וניתוחי רגישות של האסטרטגיות להפחתת האפקט

נושאי החקירה שהובילו למחקר זה כללו את הדברים הבאים: 1) השפעות תנאי האקלים האזורי על התפתחות ה-UHI 2) אסטרטגיות הפחתת ה-UHI הנוכחיות המשולבות בדרך כלל במערכות דירוג של בנייה ירוקה, אך אינן יעילות באותה מידה בכל סוגי אקלים השונים. נעשו שני מחקרים בנושא (הראשון ניתוח השוואתי והשני ניתוח רגישות).

1. מחקר ראשון

עוצמת ה-UHI היא הפרש הטמפרטורה בין האזורים העירוניים והכפריים. מחקרים קודמים הראו הבדלים באפקט ה-UHI באקלים שונים. לדוגמה, נמצאו רמות גבוהות של UHI בפניקס (חם ויבש). עוצמת ה-UHI הממוצעת בליל קיץ היא 5 °C, והיא יכולה להגיע עד 11 °C (Hedquist & Brazel, 2014).

בשיקגו, עוצמת ה-UHI הגדולה ביותר, ב8 שכונות שונות, הייתה 2.34 מעלות צלזיוס בקיץ בשנת 2010 (Coseo & Larsen, 2014). על פי נתונים היסטוריים של נתוני האקלים הגלובלים (2004-2013), הממוצע המינימלי של UHI בחודשי הקיץ היה 1.84 מעלות צלזיוס, 1.89 מעלות צלזיוס, 2.67 מעלות צלזיוס, 3.11 מעלות צלזיוס ו -3.77 מעלות צלזיוס, ביוסטון, שיקגו, ממפיס ,בויס ופניקס, בהתאמה. המגוון של עוצמות ה-UHI השתנה בכל רחבי ארה”ב, בהתבסס על מאפיינים אזוריים ומקומיים (Kenward, Yawitz, Sanford, & Wang, 2014). במונחי מזג אוויר, העוצמות ה-UHI הגבוהות יותר מתרחשות במהירות רוח נמוכה, בתנאי שמים בהירים (Santamouris, 2016) ובלחות יחסית נמוכה (Gedzelman et al., 2003). למרות שהמחקרים הקודמים הציגו מגוון שונה של UHI עבור ערים שונות, תוצאות ניתוח זה לא הצליחו לייצג את ההשפעות של תנאי האקלים על UHI, בשל המדידות המתרחשות בסביבה עירונית שונה.

המחקר הראשון נערך בכדי לחקור את ההשפעות היחסיות של 6 תנאים מטאורולוגיים על השפעת UHI. משתני הקלט של UCM ו- UWG שימשו לאומדן עוצמת ה-UHI. תקופת הניתוח הייתה השבוע החם ביותר של שנה ממוצעת שהתקבלה מ6 קבצי EPW שונים (ראה טבלה 2). תקופה זו נבחרה כדי למדוד את עליית הטמפרטורה במהלך עונת הקיץ.

איור 5 מתאר את העוצמות הממוצעות של UHI המתקבלות מהסימולציית UWG במהלך השבועות החמים ביותר ב6 תנאי אקלים שונים.

עוצמות ה-UHI השליליות שהתקבלו במהלך היום הוצאו מן הייצוג של עוצמות UHI ממוצעות. התוצאות מראות כי עוצמת UHI נבדלה באופן משמעותי על בסיס תנאי האקלים.

עוצמות UHI גבוהות נמדדו באקלים חם, בהשוואה לאקלים חמים וקרים, למעט במקרה של בויז (קריר ויבש).

איור 5: ממוצע UHI עבור השבועות החמים ביותר באזורי אקלים שונים

עוצמת ה-UHI הגבוהה ביותר נמדדה ב-בויז (קריר ויבש), ב4.3 מעלות צלזיוס (ראה איור 5). נמצאה מגמה דומה במדידות שנערכו בפועל. UHI הממוצע, בזמן הלילה בבויז, מדורג במקום ה-13 בין 60 ערים בארה”ב (Kenward et al., 2014). נתון זה היה גבוה יחסית בהתחשב בגודלה של בויז, המהווה את העיר ה-99 בגודלה בארה”ב. כדי להגביר את האמינות של דפוסי UHI, נוצרו 20 תרחישים שונים בעלי תצורה עירונית על ידי מתן מידע אקראי על גובה הבניין עבור כל בלוק. במילים אחרות, 20 סטים של נתוני גובה הבניין שימשו לייצור מודלים עירוניים שונים. כל אחד מהם עקב אחר התפלגות נורמלית של מאפייני הבנייה הקיימים בכדי לייצג את המורפולוגיה העירונית הקיימת ואת סימולציות ה-UWG, וכל תרחיש נערך באופן עצמאי. ממוצע ה-UHI עבור 20 תרחישים ו99% ממרווחי הסמך שלהם עבור אזורי אקלים שונים מפורטים בטבלה 3. טווח של 99% רווחי הסמך עבור כל 6 אזורי האקלים, נשאר קרוב מאוד לערכים הממוצעים, וכל אזור האקלים היה בעל רווחי ביטחון שאינם חופפים. תוצאות אלו מראות כי היו הבדלים מובהקים סטטיסטית בין הממוצע של UHI ברמת מובהקות 0.01. במילים אחרות, כל אזור אקלים הניב UHI ייחודי עם סביבות עירונית מבניות מבוקרות.

עוצמת ה-UHI המקסימלית, במהלך השבועות החמים ביותר, מתוארת בטבלה 4, יחד עם הנתונים הנמדדים והשעות המתאימות. למרות שהערכים המקסימליים הראו הבדל משמעותי מהערכים הממוצעים, המתוארים באיור 5, סדר הדירוג שלהם היה זהה. איור 6 מייצג את הפרופילים של עוצמת ה-UHI השעתית באזורי אקלים שונים עבור הימים המתוארים בטבלה 4. למרות שהיו הבדלים במידת העוצמה של UHI, ברוב הערים, UHI התרחשו לאחר השקיעה והורחבו עד לזריחה (כלומר, בשעות הלילה). עוצמות ה-UHI בשעות היום היו קרובות לאפס או לערכים שליליים. אלו היו התוצאות בכל מקום מלבד שיקגו. מגמה זו של UHI בקיץ, בין שעות היום ושעות הלילה, מוכחת במספר מחקרים (Sailor, 2014). האינטנסיביות החיובית של הUHI במהלך היום בשיקגו (Coseo & Larsen, 2014) והעוצמה השלילית בפניקס (Brazel, Selover, Vose, & Heisler, 2000) היו נפוצות במיוחד, כאשר נראו מגמות דומות בתוצאות סימולצית ה-UWG (ראה איור 6). ה-UHI בלילה, ובמשך היום, היו גבוהים ונמוכים יחסית בבויז ובממפיס, בהתאמה.

עם זאת, אין זה אומר כי בויז היתה העיר ה’גרועה’ ביותר במונחים של תנאים תרמיים במהלך עונת הקיץ. הטמפרטורות העירוניות הממוצעות לימים, המתוארים בטבלה 4, בבויז ובממפיס, היו 27.9 מעלות צלזיוס ו-31.8 מעלות צלזיוס, בהתאמה, כאשר התרחשה השפעת ה-UHI (ראה איור 6). לעומת זאת, יוסטון (חם ולח) ופניקס (חם ויבש) דורגו במקום השני והשלישי ברשימת קיום השפעת UHI (ראה איור 5). הטמפרטורות הגבוהות ביותר עבור ערים אלה, עלו על 40.0 מעלות צלזיוס, בשל תנאי אקלים חם במיוחד (ראה איור 6). תוצאות אלו מראות כי יש להעריך את השפעת ה-UHI לצד ניתוח תנאי האקלים הסובבים.

רמת לחץ החום חושבה על סמך UTCI בכדי לחקור כמה אפקט ה-UHI משפיע לרעה על אזורים עירוניים. במחקר זה, ה-UTCI נקבע באמצעות טמפרטורת האוויר והלחות היחסית שהתקבלו מ-UWG. איור 7 מראה את אחוז ה-UTCI שהיה מעל 28 מעלות צלזיוס בכל האזורים הכפריים והעירוניים של העיר במהלך השבוע החם ביותר. טווח החום המתון ב-UTCI נע בין 26 °C ל-32 °C. ברוב המקרים, רמת החום גדלה באזורים עירוניים, יחד עם השפעות שליליות על בריאות הציבור, על הפריון והחיסכון באנרגיה.

תנאי האקלים הכפריים ביוסטון, פניקס וממפיס הציגו במקור רמות גבוהות של לחץ חום בהשוואה לערים אחרות, בשל שילוב של טמפרטורה גבוהה ולחות. ב-בויז נראתה ההשפעה ה-UHI הגבוהה ביותר והעלייה הנמוכה ביותר בלחץ החום (4.13%), כלומר, אפקט ה-UHI לא הווה בעיה לעומת המידע שהתקבל בערים אחרות. לעומת זאת, למרות שמדידות ה-UHI היו נמוכות יחסית בממפיס, באל פאסו ובשיקגו, המצב בערים אלו עדיין יכול להוות בעיה עקב העלייה הגבוהה בלחץ החום: 8.94%, 7.16% ו-9.56%, בהתאמה (ראה איור 7 ). משמעות הדבר היא כי תנאי האקלים צריכים להילקח בחשבון כאשר ניתנת עדיפות לאסטרטגיות בסביבה בנויה.

טבלה 3: ממוצע ה-UHI ומרווחי ביטחון של 99% עבור אזורי אקלים שונים

מרווח ביטחון של 99% (CI)	סטיית התקן	ממוצע	מדגם	אקלים
3.045-3.072	0.0047	3.059	20	חם ולח	יוסטון
2.373-2.394	0.0037	2.384	20	חם ויבש	פניקס
1.244-1.249	0.0009	1.246	20	חמים ולח	ממפיס
1.580-1.595	0.0026	1.587	20	חמים ויבש	אל פאסו
1.250-1.256	0.0012	1.253	20	קר ולח	שיקגו
4.344-4.350	0.0009	4.347	20	קר ויבש	בויז

טבלה 4:

תאריך/ זמן	עוצמת UHI מקסימלית (°C)	ערים
5 באוגוסט (5am)	9.3	יוסטון
7 באוגוסט (7am)	7	פניקס
7 ביולי (4am)	3.2	ממפיס
16 ביוני (3am)	7	אל פאסו
25 ביולי (10am)	5.7	שיקגו
8 באוגוסט (4am)	10.6	בויסי

1. מחקר שני

בוצע ניתוח רגישות לבחינת משמעותן של אסטרטגיות להפחתת UHI בתנאי מזג אוויר שונים. השאלה העולה במחקר השני הייתה אם תנאי האקלים עשויים להשפיע על יעילותן של אסטרטגיות להפחתת UHI. שטחים המכוסים בצמחייה ירוקה על ידי עצים, שיחים ועשב. שימוש בחומרים בעלי החזריות גבוהה עבור משטחי הבניין החיצוניים. ומאגרי מים פנים ארציים הידועים בהפחתת ה-UHI (O’Malley, Piroozfar, Farr, & Pomponi, 2015). ב LEED V4, ישנם שני נושאים עיקריים המתייחסים לUHI:1 ) עם גג וללא גג 2) חניה מקורה. אלה, כוללים הנחיות להקטנת אדריכלות נוף נוקשה (כבישים סלולים, מדרכות, חצרות וחניונים), וחומרי זיהוי (גג וללא גג) ואזורים מוצלים (עצים וחניה מקורה) (USGBC, 2014). מאפייני החומר משפיעים באופן משמעותי על UHI על ידי דחיית החום הסולארי, אשר ניתן למדידה כערך SRI. עם זאת, מחקר זה לא התייחס לנושא של ערכי ה-SRI באסטרטגיות ההקלה בתופעות ה- UHI.

במקום זאת, אסטרטגיות הפחתת אפקט ה-UHI (כגון צמחייה בגג, עצים ושיעור כיסוי השטח בדשא) היו הפרמטרים שאיתם מדדו את הרגישות של השפעת ה-UHI. התקנת גגות ירוקים, נטיעת עצים ושימוש בצמחייה, הם אמצעים נפוצים לשינויי האקלים העירוני ולהשפעה על ביצועי האנרגיה בבניין (Davies et al., 2008). טבלה 5 מפרטת את מקרי המבחן לניתוח הרגישות. במקרה הבסיס UCM, 1% משטח הגג הבניין היה אמור להיות מכוסה בצמחייה. היחס הוגדל במרווחים של 10% עבור כל גגות המבנים במקרים 1 עד 5. כיסוי השטח הראשוני בעצים היה 10% מהשטח העירוני. ממקרה 1 עד מקרה 5, היחס גדל מ 20% ל 60%. יחס כיסוי הדשא ב-UCM, היה 7.5% מהשטח. היחס גדל במקרה הבסיס UCM, על ידי שינוי בלוקי החניה למקומות חניה ‘ירוקים’ ב20% מהמרווחים. לדוגמה, המספר הכולל של מגרשי הדשא (פארקים) ובלוקי החניה היו 27 ו57, בהתאמה, במקרה הבסיס UCM. במקרה 1, 20% מהבלוקים שהוקצו עבור החניה, שודרגו לחניוני דשא. במקרה 5, יחס כיסוי הדשא המקסימלי לכל הבלוק כולו היווה 23% מכלל השטח.

איור 6: פרופילי עוצמת UHI במהלך שעה, עבור ערכי UHI המקסימליים במהלך השבועות החמים ביותר.

איור 7: אחוז UTCI מעל 28 מעלות צלזיוס בשבוע החם ביותר

טבלה 5: משתני קלט UWG המשמשים לניתוח הרגישות

מקרה 5	מקרה 4	מקרה 3	מקרה 2	מקרה 1	מקרה הבסיס	קלט משתנים
0.5	0.4	03	0.2	0.1	0.01	יחס הכיסוי בצומח בגג
0.6	0.5	0.4	0.3	0.2	0.1	יחס הכיסוי בעצים
0.23	0.20	0.17	0.14	0.1	0.075	יחס הכיסוי בדשא

איור 8: עוצמת UHI ממוצעת כתוצאה מיחסי כיסוי הצמחייה הירוקה באזורי אקלים שונים.

איור 8 מראה את ההשפעות של 3 הפרמטרים על ההשפעות אפקט ה-UHI, באזורי אקלים שונים, באמצעות שימוש במקררה הבסיס UCM. עניין זה מדגים את עוצמת ה-UHI הממוצעת עבור 3 אסטרטגיות ההקלה להשפעת הUHI, במהלך תקופת סימולציה הזהה לתקופת הזמן במקרה 1. בדרך כלל, נכללים נתוני הלילה של אפקט הUHI, למעט הנתונים שהתקבלו משיקגו. מהנתונים עולה כי לעלייה בכיסוי שטח הגג הייתה השפעה מועטה על הפחתת UHI בכל אזורי האקלים. גגות המכוסים בצמחייה ירוקה, מקטינים את טמפרטורת פני השטח ואת כמות החום המשוחררת מהגג. ישנם יתרונות נוספים הקשורים לחסכון באנרגיה, הפחתת הרעש והעלאת איכות האוויר (Santamouris, 2015). במונחים של הפחתת כמות החום, לגגות המכוסים בצמחייה ירוקה, ישנה השפעה על הקלת אפקטי ה-UHI כאשר מדובר בבניינים נמוכים.

לא נראתה הפחתת חום משמעותית כתוצאה מכיסוי הגגות בצמחייה ירוקה באזורים גבוהים במרכז העיר (Santamouris, 2015). חלק עיקר מהמקרה הבסיס UCM, ששימש במחקר זה, כלל גורדי שחקים בגובה ממוצע של m118.5. לפיכך, לגגות המכוסים בצמחייה ירוקה, עשויה להיות השפעה קלה על UHI בקניונים עירוניים. המרחבים הירוקים הנוספים, הכוללים את הפארקים והעצים באזורים העירוניים, תרמו באופן משמעותי לצמצום השפעת ה-UHI על ידי מתן צל ועידוד אפקטי הקירור והאידוי במהלך היום. קירור רדיאטיבי הינו תהליך הקירור המרכזי במהלך הלילה, במיוחד בלילות בהם השמים בהירים ואין עננים (Santamouris, 2015). הגידול בשטח המכוסה בדשא, היה יעיל עבור מקומות בעלי אקלים חם כמו יוסטון ופניקס. בממפיס, היעילות קטנה, וכתוצאה מכך, נראתה עלייה באפקט ה-UHI באזורי אקלים אחרים. יחס השטח המכוסה בעצים התגלה כאסטרטגיה יעילה להקטנת UHI ברוב אזורי האקלים שנבדקו, במיוחד בערים יוסטון (חם ולח) וממפיס (חם ולח). ניתוח הרגישות שנערך עבור מחקר זה הראה כי אסטרטגיות הפחתת UHI צריכות להיבחר על בסיס האקלים האזורי ולפי המקרה הבסיס UCM. משמעות הדבר היא, שמערכות בנייה ירוקות מחויבות לעדכן את קריטריוני הדירוג שלהן, ולקחת בחשבון את תנאי ה-UCM ואת תנאי האקלים, על מנת לשפר את היעילות. לדוגמה, בערים הנמצאות באזורי אקלים חמים, עלייה בכמות מגרשי החניה הירוקים, צריכה להיות בעדיפות גבוהה יותר מהתקנת גגות עם צמחייה ירוקה, בכדי לטפל בהקלות ה-UHI.

הרגישויות המשוערות של אפקט UHI, המושפעות מתנאי האקלים, מסייעות להמחיש את רמות היעילות של האסטרטגיות השונות להקלה באפקט ה-UHI.

בנוסף, אומדן הטמפרטורה המשוערת, מצביע על ערכים מותאמים עבור האסטרטגיה המתאימה בכל אזור אקלים, עניין זה מאפשר שימוש מיטבי בשטחים צמחיים באזורים העירוניים. במקרה של שיקגו, כל האסטרטגיות היו לא יעילות או היו בעלות השפעה שלילית על אפקט ה-UHI. המאפיין הייחודי הזה נמצא גם במחקר של מקרה 1, עוצמת UHI הגבוהה ביותר התרחשה במהלך היום. תוצאות אלו יכלו לנבוע משמיים מעוננים בשבוע החם ביותר בשיקגו, יחס הכיסוי המעונן היה בממוצע 59% ממהלך השבוע. נתון זה היה גבוה יחסית בהשוואה ל5 הערים האחרות, אשר נראה בהן ממוצע משוער של 20% -40%. נדרשות בדיקות נוספות בשיקגו ובערים באקלים דומה, קריר ולח, במהלך תקופות נוספות, בכדי לחקור כראוי את מגמת האפקטיביות של אסטרטגיות ההקלה. למרות שהתוצאות בעיר שיקגו נראות ייחודיות, הן עשויות להצביע על הצורך ביישום המבוסס אקלים עבטר בחינת אסטרטגיות להפחתת UHI.

1. דיון

במחקר זה, מקרה הבסיס UCM ייצג מורפולוגיה עירונית בצפיפות גבוהה, והניתוחים של סימולציות ה-UWG נערכו בשבועות הלוהטים ביותר ב6 ערים שנבחרו לייצג את תנאי האקלים השונים. חשוב להדגיש כי ההיקף והמגבלות של מחקר זה הן:

1. למרות שהמחברים בדקו תצורות עירוניות שונות, כל המקרים ייצגו סביבות עירוניות עם מבנים גבוהים. תצורות עירוניות שונות, בעלות מבנים גבוהים ונמוכים, צריכות להיבדק בתנאי אקלים שונים, יחד עם אסטרטגיות הפחתת ה-UHI הנלוות. האפקטיביות של הגגות המכוסים בצמחייה ירוקה צריכה להילקח בחשבון יחד עם מאפייני המורפולוגיה העירונית. גגות המכוסים צמחייה, עצים ויחס כיסוי השטח בדשא, תלויים במורפולוגיה העירונית, והשפעותיהם עשויות להשתנות כאשר נעשה שימוש במידע עירוני ממחוז שונה.
2. תנאי האקלים כוללים מספר גורמים כמו מהירות הרוח, לחות, משקעים ועננים. לכולם יש תפקיד משמעותי בהתפתחות ה-UHI. בניתוח זה, לא נלקחו בחשבון ההשפעות של כל גורם בנפרד על ה-UHI, ולכן, בערים שונות, מאותו אזור אקלים, יכולים להיות פוטנציאל והתנהגות UHI שונים לחלוטין, בהתבסס על גורמי האקלים. נדרשות בדיקות נוספות בערים אחרות בכל אזורי האקלים כדי לחקור כראוי את ההשפעה של תנאי האקלים.
3. סימולציות ה-UWG יוצרות את אפקטי הUHI, בעקבות ההנחה כי האוויר ב-UCL מעורבב היטב. נחוצים שילובים של אפקטי הUHI וסימולציות נוחות תרמית בכדי להגביר את האמינות של תוצאות הניתוח.
4. אף על פי שמערכות הבנייה הירוקה כוללות מספר גורמים הקשורים למאפיינים החומריים, מחקר זה הוגבל לבדיקת יחסי כיסוי שטחים באמצעות צמחייה ירוקה. בכדי לבצע ניתוח בהתאם למערכות הבנייה, עם קריטריונים מפורטים יותר, הכוללים את תכונות החומר, יש צורך לקבוע עדיפות לנתוני האקלים במערכות אלה.
5. יש להדגיש כי תנאי הסביבה הבנויה, שעבורה נערכו סימולציות UWG, הורכבו ממודל פשוט שהיה מבוסס על אזור מרכז העיר יוסטון. אזור זה שימש כמייצג עבור אזורים עירוניים מרכזיים בארה”ב, ולכן, לא הוצעה תשובה עניינית בעניין השפעת הסביבה הבנויה על אפקט ה-UHI.
6. יותר מ-100 מדדים תרמיים פותחו לצורך מתן מענה לתנאים הביו-אקלימיים של האדם והטמפרטורות הפנימיות והחיצוניות (Blazejczyk et al., 2012; De Dear, Brager, Reardon & Nicol, 1998).

בעוד שמודל הUTCI האחרון, UTCI-Fiala,  מציג את התנהגוית האדם עם בגדים, המבוססת על משוואת העברת חום הביולוגית (Fiala, Havenith, Bröde, Kampmann, & Jendritzky, 2012), ישנם גורמים אחרים שלא טופלו במודל זה, כמו ההעדפות האנושיות על פי תנאי האקלים הקיימים. לדוגמה, אנשים החיים באזור אקלים חם עשויים להעדיף טמפרטורות חמות יותר, לעומת האנשים החיים באזור אקלים קר (De Dear et al. 1998). לפיכך, בהשערות על אפקט הUHI- ובתוצאות מודל UTCI, לא  נלקחה בחשבון ההתאמה הפיזיולוגית של התושבים בכל עיר.

1. מסקנות

מחקר זה מציג את ההשפעה של תנאי האקלים על אפקט ה-UHI ואת היעילות של האסטרטגיות להפחתת UHI בסביבה עירונית מבוקרת. המודל העירוני, UCM, שפותח באמצעות מידע סטטיסטי עירוני ובאמצעות נתוני הבנייה, בא לשכפל את המורפולוגיה העירונית הקיימת. ההשפעות המדומות של UHI מראות כי לתנאי האקלים ישנה השפעה ניכרת הן על האפקט של ה-UHI עצמו והן על היעילות של האסטרטגיות השונות שמטרתן להפחית את הסיכון של UHI. מתוצאות הניתוח של מקרה 1 ניתן לראות כי תוצאות מרווחי הסמך של השפעות ה-UHI היו שונות עבור כל אזור אקלים, דבר המצביע על הבדלי טמפרטורה משמעותיים עקב תנאי אקלים שונים. בנוסף, התוצאות ממחקר 2 מראות כי השפעות אפקט ה-UHI וכן גידול יחסי כיסוי השטח בצמחייה ירוקה, באמצעות נטיעת עצים במגרשי החנייה, הושפעו מתנאי האקלים. תוצאות אלה מרמזות כי ניתן לפקפק באפקטיביות של אסטרטגית הפחתת UHI המורה על נטיעת עצים והגדלת שטחי הצמחייה העירוניים, ללא התחשבות באקלים האזורי.

לסיכום, התוצאות המדומות מצביעות על כך שבאומדנים של השפעות UHI והמדידות של רמות היעילות של האסטרטגיות להפחתת הUHI, צריכים לקחת בחשבון את תנאי האקלים על מנת לפתח סביבות בר קיימא. למרות שבמחקר עתידי יש לכלול גורמי קלט סביבתיים מתוחכמים יותר, תוצאות מחקר זה מובילות אותנו למסקנה, שהתמקדות כללית בתנאי האקלים היא היבט חיוני בהערכת והקטנת השפעת UHI. יתר על כן, כיוון הפיתוח העירוני צריך להיות מותאם אישית לתנאי האקלים המקומי על מנת לבנות ערים בר קיימא. הסתגלות זו מחייבת שינויים פיזיים במבנים ובסביבתם, ולפיכך נדרש תכנון לטווח הארוך ברמת העיר וברמת המחוז (Smid & Costa, 2017).

לשם כך, שיטת הסימולציה המוצעת, מאפשרת שילוב של קווים מנחים לעיצוב, כגון גובה הבניין, יחס שטח הרצפה ותקנות ההפחתה בעת בחינת ההשפעות הצפויות של UHI במהלך שלב התכנון המוקדם של הפיתוח העירוני.

תודות

עבודה זו נתמכה על ידי מענק המחקר הלאומי של אוניברסיטת אינצ’און בשנת 2015. המחברים מבקשים להביע את הערכתם על העזרה הנדיבה שקיבלו מהאוניברסיטה.

נספח A: ערכי קלט במקרה הבסיס UCM עבור סימולציה UWG

פלט			פרמטר קלט לסימולציה UWG	קטגוריה
0.4	אלבדו	קיר	בנייה	טיפולוגיית המבנה
0.9	אמיסיביות
0.001	יחס כיסוי ע”י צמחייה
0.2	אלבדו	גג
0.9	אמיסיביות
0.01	יחס כיסוי ע”י צמחייה
0.8	יחס קיר-חלון	חלון	בניין דירות
16.69		החום בשעות היום
4.73		החום בשעות הלילה
0.16		הסתננות
0.41		אוורור
24.4		הקור בשעות הלילה
26		הקור בשעות היום
0.165	אלבדו		דרך עירונית	שטח עירוני
1	מוליכות תרמית
1600000	קיבולת חום נפחית
78.8			גובה בניין ממוצע
0.29			שטח יחסי באתר
1.4			שטח פנים
1.5			יחס כיסוי בעצים
157.5			זרם חום אנתרופוגני
17.5			חום אנתרופוגני טמון
0.7			חלק בלתי נראה של עצים
0.6			חלק דומם של הדשא
0.25			צמחייה
700			גובה שכבה גבולית ביום	שכבת הגבול
80			גובה שכבה גבולית בלילה
150			גובה הפניה

1.עבור כל עיר נלקחו פרמטרים שונים לבניית מבנים כגון מאפייני חומר ו- U-value (חלון) נלקחו על סמך אזורי האקלים של קבצי מזג האוויר של EPW ומודלים לבניית אסמכתא  (Deru et al., 2011).

2. משתנים אלו שימשו לניתוח הרגישות במחקר 2 (ראה לוח 5).

3. יחס הקיר-חלון הוערך כ80% ללא קשר לאזור האקלים.

4. הנחנו שכל מקרי הבדיקה כללו את אותם ערכי פרמטרים של הבניין (Deru et al., 2011).

5. שינויי אוויר לשעה (ACH)

6. הערך נאמד בהתבסס על טווחח אלבדושל LCZ סוגים (1-6) (Stewart & Oke, 2012).

7. ערכים אלה נאמדו ממחקרים קודמים (Bueno et al., 2014).

.8 ערכי הקלט חושבו על מקרה הבסיס UCM (ראה איור 4) (Harris County Appraisal District, 2017; Yu et al., 2010).

9. החום שמקורו בשריפת דלק והפעילות אנושית (תחבורה, קירור/חימום, עיבוד תעשייתי, ומטבוליזם אנושי), למעט עבור מבנים השתמשנו בערך הממוצע של LCZ קומפקטי רב קומות (Stewart & Oke, 2012) והניחו כי החום האנתרופוגני הטמון היה 10% מהחום האנתרופוגני ההגיוני.

10. הערך נאמד בהתבסס על טווח של אלבדו לסוגי כיסוי הקרקע  (Stewart & Oke, 2012).

* במחקר זה, קובץ קלט עבור סימולציה UWG נוצר על ידי שינוי קובץ לדוגמה שפותחה על ידי Mackey (2017b).