تصور کنید شهری که قرار بود پناهگاه باشد، خود منبع ریسک میشود. همین تصویر ساده، آغازِ انگیزهای بود که پژوهشگران ایرانی را به بازنگری جدی در نقشهبرداری و مدیریت سیلاب واداشت؛ از آققلا تا پلدختر، تجربهای که نشان داد فقدان داده و نقشههای معتبر میتواند شهر را در دام تصمیمهای نادرست بیندازد.
در ایران بیش از ۷۲ هزار کیلومتر رودخانه وجود دارد، اما تنها حدود دو هزار کیلومتر از آنها پهنهبندی شدهاند. این شکافِ دادهای، تنها یک عدد نیست؛ بلای پشتپردهای است که هنگام سیل، چهرهاش را آشکار میکند: ساختمانهای حیاتی در نقاط پرتراز خطر ساخته شدهاند و تصمیمهای کالبدی شهر، بدون نقشههای خطر و ریسک معتبر، خود به عاملی برای تشدید خسارت بدل شدهاند.
پاسخ به این معضل، صرفاً استفاده از فناوری نبود؛ بلکه ترکیب تجربههای بینالمللی با اقتضائات بومی ضرورت داشت. همکاری دانشگاه صنعتی خواجهنصیرالدین طوسی با دانشگاه علوم کاربردی زوریخ (OST)، مسیری را باز کرد که هدفش تبدیل دستورالعملهای نظری به ابزارهای عملیاتی و الزامآور برای شهرداریها و مدیریت بحران بود. پروژهای که در دو پهنه کاملاً متفاوت — یک منطقه مسطح مانند آققلا و یک منطقه کوهستانی مانند پلدختر — بهصورت پایلوت اجرا شد و نتایج فراتر از انتظار ظاهر شد.
این پروژه نشان داد امکان گذار از اسناد نظری به ابزارهای تصمیمسازی واقعی وجود دارد. و نه فقط وجود دارد؛ بلکه میتواند در شناسایی نقاط بحرانی شهرها، بازچینی مناسب کاربری اراضی و کاهش خسارات نقش تعیینکنندهای ایفا کند.
مدلهای «سیاوش» و «فرهاد»؛ وقتی یادگیری ماشینی وارد میشود
در ادامه مسیر، با حمایت برنامه CONNECT و سازمان توسعه همکاریهای علمی و فناورانه بینالمللی، تیم پژوهشی دو مدل هوشمند و خودکار طراحی و پیادهسازی کرد: «سیاوش» و «فرهاد». این اسمها تنها برچسب نیستند. این مدلها با ترکیب الگوریتمهای یادگیری ماشین و یادگیری عمیق، برای مناطقی که دادههای مشاهداتی ناقص یا پراکنده دارند، نقشههای خطر و ریسک را بازتولید میکنند.
سوال این است: چطور میتوان در غیاب دادههای تاریخی کامل، پیشبینی قابلاعتمادی ارائه داد؟ پاسخ در دو نکته بود: نخست، استفاده از الگوهای همبستگی فضایی و زمانی که بین حوضههای مشابه وجود دارد؛ دوم، بهرهگیری از دادههای جانبی مانند کاربری زمین، شیب توپوگرافی، و مشاهدات ماهوارهای که میتوانند کمبود مشاهدات میدانی را جبران کنند. مدلها از این ورودیهای ترکیبی برای تولید نقشههایی با قابلیت تبدیل به نقشههای ریسک و مدیریت بحران استفاده میکنند.
نتایج پایلوتها تکاندهنده بود. در پلدختر، تحلیلها نشان داد که توزیع ساختوساز و تأسیسات حیاتی، دقیقاً در نقاطی قرار گرفته که بیشترین آسیبپذیری را دارند. این امر به روشنی نشان میداد که فقدان نقشههای خطر الزامآور چگونه میتواند تصمیمات شهری را تبدیل به عامل تشدید خسارت کند.
در عمل، این مدلها نهفقط میتوانند محدودههای خطر را شناسایی کنند، بلکه قابلیت بهروزرسانی خودکار را دارند؛ ویژگیای حیاتی در شرایط تغییر اقلیم و ناپایداریهای هیدرولوژیک. به عبارت دیگر، وقتی دادههای جدید میرسد، مدلها خود را تنظیم میکنند و نقشهها بازتولید میشوند؛ فرایندی که نیاز به دخالت انسانی در سطح دادهنگاری را کاهش میدهد اما همچنان به راهنمایی خبرههای محلی نیاز دارد.
فرایند اتصال پژوهش به تصمیمگیری، فقط فناوری نیست؛ مسألهای حکمرانی است. برای جلوگیری از بایگانی شدن پژوهشهای مسئلهمحور، لازم است ساختارهای حمایتی و نظارتی تغییر کنند. پژوهش باید مسئلهمحور باشد و خروجیهایش قابل اجرا در شهرداریها، سازمانهای مدیریت بحران و نهادهای زیربنایی باشد.
این پروژه دو ساله که به عنوان پروژه برگزیده دفتر همکاریهای علمی سوئیس (Swiss Leading House) معرفی شد، نمونهای از این گذار است: از توصیههای نظری به دستورالعملهای بومیشده و از آنجا به مدلهای خودکار که قادرند در شرایط دادهکم نیز عمل کنند. اما چالشها تمام نشدهاند؛ اجرای سراسری این چارچوب نیازمند سرمایهگذاری، انتقال ظرفیت به نهادهای محلی و الزام قانونی برای استفاده از نقشههای بهروز و معتبر در فرایند برنامهریزی شهری است.
