أداة تحسين ثلاثية الأبعاد موجهة بالأهداف لتحديد مواقع زراعة الأشجار باستخدام تطور شكل تيجان الأشجار عبر الزمن

لماذا تهم زراعة الأشجار الأذكى في حياة المدن

تشهد المدن حول العالم ارتفاعاً في درجات الحرارة، وتُعد الأشجار من أبسط الوسائل المتاحة لإبقاء الشوارع أبرد وأنظف وأكثر راحة. لكن في المناطق الحضرية الكثيفة حيث المساحات ضيقة وتلقي المباني ظلالاً طويلة، يؤدي مجرد زراعة الأشجار «أينما وُجد مكان» إلى إهدار إمكاناتها. يقدم هذا البحث أداة رقمية جديدة تساعد المخططين على اتخاذ قرار دقيق حول أين يزرعون الأشجار بحيث تنمو تيجانها المستقبلية في الأماكن المناسبة—مقدمة الظل والتبريد والراحة لعقود دون تعارض مع المباني أو الطرق أو الاستخدامات الأخرى.

من الخرائط المسطحة إلى أهداف شجرية ثلاثية الأبعاد

اعتبرت معظم الجهود السابقة لتخطيط الأشجار الحضرية أن الأشجار دوائر بسيطة على الخريطة، مركزة على أهداف عامة مثل تظليل الأرصفة أو تبريد الحدائق أو حماية واجهات المباني. تميل هذه الطرق إلى تحسين فائدة واحدة في كل مرة والاعتماد على أشكال مبسطة للأشجار. الأداة الجديدة، المسماة TreeML-Planter، تعكس المشكلة: بدلاً من السؤال «ماذا سنحصل إذا زرعنا أشجاراً هنا؟»، تبدأ بهدف ثلاثي الأبعاد—حجم في الفراغ حيث تكون الأوراق أكثر فائدة—ثم تعمل بعكس الاتجاه لإيجاد أفضل مواقع الزراعة. يُمثل هذا الهدف كسحابة من المكعبات الصغيرة، أو فوكسلات، تحوم فوق الأرض وتُشير إلى الأماكن التي يجب أن تنمو فيها المظلة المستقبلية وتلك التي ينبغي أن تُترك خالية.

كيف يفكر المخطط الرقمي للمستقبل

للوصول إلى تلك الفوكسلات المستهدفة، تحتاج الأداة إلى معرفة كيف ستنمو الأشجار الحقيقية في البيئة الفوضوية للمدينة. تستخدم نموذج تعلم آلي مدرباً على مسوحات ثلاثية الأبعاد مفصلة لآلاف الأشجار الحضرية لتوقع حجم وشكل التيجان في اتجاهات مختلفة، اعتماداً على النوع والعمر والمباني أو الأشجار المجاورة. لكل نقطة زراعة محتملة على شبكة، يقدّر النموذج كيف ستتوسع التاج مع الزمن—صعوداً وجانبياً وحوالى العقبات. ثم تُحوّل هذه التيجان المتوقعة إلى نفس نظام المكعبات المستخدم للهدف، مما يجعل من الممكن مقارنة ما يُراد بما سينتجه كل ترتيب لزراعة الأشجار في الفراغ فعلياً.

ترك الخوارزمية تعيد ترتيب الأشجار

بمجرد تحديد التاج المستهدف وتنبؤات النمو، يستخدم TreeML-Planter روتين تحسين يعمل قليلاً كمن يحرك قطع الشطرنج مراراً وتكراراً. يبدأ بمواقع زراعة عشوائية داخل منطقة زراعة محددة، مع ضمان ألا تكون الأشجار قريبة جداً من بعضها. بالنسبة لترتيب معين، يطابق التيجان المتوقعة مع سحابة المكعبات المستهدفة ويحسب مدى التوافق باستخدام نتيجة تكافئ ملء المكعبات المرغوبة وتعاقب امتداد المظلة إلى مناطق ممنوعة. تختبر الخوارزمية بعد ذلك مواقع مجاورة لكل شجرة، محتفظة بالتغييرات التي تحسن النتيجة ومهملة تلك التي لا تفعل. على مدى العديد من الجولات، يقترب هذا الأسلوب «الصاعد نحو القمة» تدريجياً من ترتيب أشجار يملأ الحجم المستهدف للمظلة بأفضل شكل.

اختبار الأداة في ساحة حقيقية بميونيخ

اختبر الباحثون منهجهم في ساحة مبنية في وسط ميونيخ، محاطة بمباني أربعة طوابق ومفتوحة إلى حد كبير في الداخل. ركزوا على نوعين شائعين في المدن—الزيزفون صغير الأوراق (Tilia cordata) وشجرة البلاطاني (Platanus × hispanica)—واستكشفوا أعداداً مختلفة من الأشجار وأعماراً مستهدفة مختلفة، مثل خمسة أو سبعة أو تسعة أشجار تتطور إلى أعمار 20 أو 40 أو 60 عاماً. أنتجت الأداة مواقع زراعة محسّنة وأشكال تيجان مستقبلية لكل سيناريو. بالنسبة لزيزفون، أعطى توزيع تسع أشجار بهدف تاج عمره 40 عاماً أفضل تطابق مع المظلة المستهدفة. بالنسبة للبلاطاني، أدت تسع أفراد عند عمر 20 عاماً إلى أفضل أداء، محققة نتيجة عالية أسرع زمنياً. ومن المثير للاهتمام أن المزيد من الأشجار أو الأعمار الأكبر لم تكن دائماً أفضل، مما يبرز كيف تتفاعل صفات الأنواع وعادات النمو مع هندسة الشوارع والمباني الضيقة.

الحدود والتحديات وإمكانيات المستقبل

على الرغم من قوتها، للأداة الحالية قيود. تتطلب وقت حوسبة كبيراً، وتم التحقق من صحتها فقط ببيانات من ميونيخ، وتركز على النمو فوق الأرض فقط، مما يستبعد التأثيرات المعقدة للجذور وظروف التربة والبنى التحتية المدفونة على صحة الشجرة وشكل تاجها. كما تستخدم معادلات نمو عامة قد لا تلتقط تماماً كيف تستجيب الأشجار الفردية للضغوط المحلية. ومع ذلك، فإن الإطار مرن: يمكن للأعمال المستقبلية أن تشمل المزيد من الأنواع ومدناً أخرى وطرقاً أذكى لتوليد المظلة المستهدفة نفسها استناداً إلى أهداف مثل تقليل الحرارة أو تحسين الراحة أو الحفاظ على شمس للألواح الشمسية.

ما الذي يعنيه هذا لمدن أكثر اخضراراً وبرودة

بعبارة بسيطة، يظهر هذا البحث أننا قادرون الآن على تصميم الأشجار في المدن ليس فقط كنقاط على خريطة، بل كهياكل حية ثلاثية الأبعاد تتطور مع الزمن. من خلال تحديد هدف مكاني واضح لمكان نهاية الأوراق ومن خلال توقع كيف ينمو كل نوع حول المباني عبر الزمن، يساعد TreeML-Planter المخططين في اختيار مواقع زراعة توفر الظل والتبريد طويل الأمد تماماً حيثما يلزم، مع تجنب التعارض مع الشوارع والمشاهد والبنية التحتية. إذا ما دمِج مع محاكاة المناخ والراحة، فقد توجه مثل هذه الأدوات الجيل القادم من الغابات الحضرية—مما يجعل المدن أبرد وأكثر صحة وصالحة للعيش مع كل شجرة تُزرع بعناية.

الاستشهاد: Yazdi, H., Chen, X., Rötzer, T. et al. A 3D target-driven optimisation tool for tree planting location using temporal tree crown geometry development. npj Urban Sustain 6, 44 (2026). https://doi.org/10.1038/s42949-026-00350-z

الكلمات المفتاحية: الأشجار الحضرية, تبريد المناخ المحلي, تصميم زراعة الأشجار, نمذجة المظلة ثلاثية الأبعاد, الاستدامة الحضرية