ਲਾਭ:
- ਅਸਪਸ਼ਟ ਸਥਿਰਤਾ ਇੱਛਾਵਾਂ ਨੂੰ ਮਾਪਣਯੋਗ ਟੀਚਿਆਂ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਜਿਵੇਂ ਕਿ ਪਾਣੀ, ਪਾਰਗਮਤਾ, ਮੂਲ ਪ੍ਰਜਾਤੀ ਅਨੁਪਾਤ, ਛਾਂ, ਰੱਖ-ਰਖਾਅ ਅਤੇ ਜੈਵ ਵਿਭਿੰਨਤਾ
- ਇੱਕ ਸਕੋਰਕਾਰਡ ਵਿੱਚ ਡਿਜ਼ਾਈਨ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਅਤੇ ਇੱਕ ਜੈਵ ਵਿਭਿੰਨਤਾ ਚੈਕਲਿਸਟ ਤਿਆਰ ਕਰਨ ਦੀ ਸਮਰੱਥਾ, ਕਮਜ਼ੋਰ ਵਾਤਾਵਰਣਕ ਬਿੰਦੂਆਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰਦੇ ਹੋਏ
- ਹਰੇ ਦਿਖਾਈ ਦੇਣ ਅਤੇ ਵਾਤਾਵਰਣਕ ਤੌਰ 'ਤੇ ਅਮੀਰ ਹੋਣ ਦੇ ਵਿਚਕਾਰ ਫਰਕ ਨੂੰ ਸਮਝਣ ਦੀ ਯੋਗਤਾ ਅਤੇ ਤੱਤ ਡਿਜ਼ਾਈਨ ਕਰਨ ਲਈ ਮੇਲ ਖਾਂਦੀ ਈਕੋਸਿਸਟਮ ਸੇਵਾਵਾਂ
ਇੱਕ ਪਾਰਕ ਸਿਰਫ ਇਸ ਲਈ ਟਿਕਾਊ ਨਹੀਂ ਹੈ ਕਿਉਂਕਿ ਇਹ "ਹਰਾ" ਹੈ। ਇੱਕ ਲਾਅਨ ਜੋ ਬਹੁਤ ਸਾਰਾ ਪਾਣੀ ਪੀਂਦਾ ਹੈ, ਇੱਕ ਸਿੰਗਲ ਸਪੀਸੀਜ਼ ਤੋਂ ਲਗਾਏ ਗਏ ਰੁੱਖ ਅਤੇ ਕੁਦਰਤ ਨਾਲ ਬੰਦ ਇੱਕ ਡਿਜ਼ਾਈਨ; ਹਾਲਾਂਕਿ ਇਹ ਹਰਾ ਦਿਸਦਾ ਹੈ, ਪਰ ਇਹ ਵਾਤਾਵਰਣਕ ਤੌਰ 'ਤੇ ਮਾੜਾ ਅਤੇ ਮਹਿੰਗਾ ਹੋ ਸਕਦਾ ਹੈ। ਸਥਿਰਤਾ ਇੱਕ ਡਿਜ਼ਾਇਨ ਦੀ ਸੰਸਾਧਨਾਂ (ਪਾਣੀ, ਊਰਜਾ, ਸਮੱਗਰੀ) ਦੀ ਥੋੜ੍ਹੇ ਜਿਹੇ ਵਰਤੋਂ ਕਰਨ ਅਤੇ ਲੰਬੇ ਸਮੇਂ ਵਿੱਚ ਆਪਣੇ ਆਪ ਨੂੰ ਕਾਇਮ ਰੱਖਣ ਦੇ ਯੋਗ ਹੋਣ ਦੀ ਯੋਗਤਾ ਹੈ। ਜੈਵ ਵਿਭਿੰਨਤਾ ਇੱਕ ਖੇਤਰ ਵਿੱਚ ਜੀਵਿਤ ਕਿਸਮਾਂ (ਪੌਦੇ, ਕੀੜੇ, ਪੰਛੀ) ਦੀ ਵਿਭਿੰਨਤਾ ਹੈ; ਈਕੋਸਿਸਟਮ ਜਿੰਨਾ ਅਮੀਰ ਹੋਵੇਗਾ, ਇਹ ਓਨਾ ਹੀ ਲਚਕੀਲਾ ਹੈ। ਈਕੋਸਿਸਟਮ ਸੇਵਾਵਾਂ ਉਹ ਲਾਭ ਹਨ ਜੋ ਕੁਦਰਤ ਸਾਨੂੰ ਮੁਫਤ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ: ਛਾਂ ਅਤੇ ਕੂਲਿੰਗ, ਹਵਾ ਸ਼ੁੱਧੀਕਰਨ, ਪਾਣੀ ਦੀ ਫਿਲਟਰੇਸ਼ਨ, ਪਰਾਗੀਕਰਨ, ਮਾਨਸਿਕ ਸਿਹਤ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਤੁਸੀਂ ਦੇਖੋਗੇ ਕਿ ਇਹਨਾਂ ਤਿੰਨ ਸੰਕਲਪਾਂ ਨੂੰ ਡਿਜ਼ਾਈਨ ਵਿੱਚ ਮਾਪਣਯੋਗ ਟੀਚਿਆਂ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਨੀ ਹੈ।
ਸਥਿਰਤਾ ਨੂੰ ਮਾਪਣਯੋਗ ਬਣਾਉਣਾ
"ਆਓ ਸਥਿਰਤਾ ਨਾਲ ਡਿਜ਼ਾਈਨ ਕਰੀਏ" ਇੱਕ ਅਸਪਸ਼ਟ ਇੱਛਾ ਹੈ। ਇਸ ਨੂੰ ਮਾਪਣ ਯੋਗ ਟੀਚਿਆਂ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ:
- ਪਾਣੀ: ਸਿੰਚਾਈ ਦੀ ਲੋੜ ਨੂੰ ਘਟਾਉਣਾ (ਸੋਕੇ-ਰੋਧਕ ਪੈਲੇਟ, ਬਰਸਾਤੀ ਪਾਣੀ ਦੀ ਵਰਤੋਂ)।
- ਪਾਰਦਰਸ਼ੀਤਾ: ਸਖ਼ਤ (ਵਾਟਰਪ੍ਰੂਫ਼) ਮਿੱਟੀ ਦੀ ਦਰ ਨੂੰ ਘਟਾਉਣਾ।
- ਮੂਲ ਅਨੁਪਾਤ: ਪੌਦਿਆਂ ਦੇ ਪੈਲੇਟ ਵਿੱਚ ਮੂਲ ਪ੍ਰਜਾਤੀਆਂ ਦੇ ਅਨੁਪਾਤ ਨੂੰ ਵਧਾਉਣਾ।
- ਸ਼ੇਡ/ਕੂਲਿੰਗ: ਗਰਮੀਆਂ ਦੇ ਛਾਂ ਵਾਲੇ ਖੇਤਰ ਨੂੰ ਵਧਾਉਣਾ (ਸ਼ਹਿਰੀ ਤਾਪ ਟਾਪੂ ਨੂੰ ਘਟਾਉਣਾ — ਸ਼ਹਿਰੀ ਗਰਮੀ ਟਾਪੂ ਆਲੇ-ਦੁਆਲੇ ਦੇ ਖੇਤਰ ਨਾਲੋਂ ਗਰਮ ਹੋਣਾ)।
- ਰੱਖ-ਰਖਾਅ ਦਾ ਬੋਝ: ਲੰਬੇ ਸਮੇਂ ਲਈ ਰੱਖ-ਰਖਾਅ ਅਤੇ ਲਾਗਤ ਨੂੰ ਘਟਾਉਣਾ।
- ਜੈਵ ਵਿਭਿੰਨਤਾ: ਸਪੀਸੀਜ਼ ਵਿਭਿੰਨਤਾ ਅਤੇ ਜੰਗਲੀ ਜੀਵਾਂ ਲਈ ਰਿਹਾਇਸ਼ ਪ੍ਰਦਾਨ ਕਰਨਾ।
AI ਇਹਨਾਂ ਵਿਸ਼ਿਆਂ ਨੂੰ ਇੱਕ ਨਿਯੰਤਰਣ ਢਾਂਚੇ ਵਿੱਚ ਵੰਡਣ, ਟੀਚਿਆਂ ਨੂੰ ਠੋਸ ਬਣਾਉਣ, ਅਤੇ ਡਿਜ਼ਾਈਨ ਫੈਸਲਿਆਂ ਨੂੰ ਉਹਨਾਂ ਟੀਚਿਆਂ ਨਾਲ ਜੋੜਨ ਵਿੱਚ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ। ਪਰ ਅਸਲ ਮਾਪ (ਪਾਣੀ ਦੀ ਖਪਤ, ਛਾਂ ਦਾ ਖੇਤਰ) ਪ੍ਰੋਜੈਕਟ ਡੇਟਾ ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਸੰਕੇਤ: AI ਨੂੰ ਪੁੱਛੋ "ਕੀ ਇਹ ਡਿਜ਼ਾਈਨ ਟਿਕਾਊ ਹੈ?" ਪੁੱਛਣ ਦੀ ਬਜਾਏ, ਕਹੋ, "ਇਸ ਡਿਜ਼ਾਈਨ ਨੂੰ ਪਾਣੀ, ਪਾਰਦਰਸ਼ੀਤਾ, ਸਥਾਨਕ ਦਰ, ਰੰਗਤ ਅਤੇ ਜੈਵ ਵਿਭਿੰਨਤਾ 'ਤੇ ਸਕੋਰ ਕਰੋ ਅਤੇ ਕਮਜ਼ੋਰ ਪੁਆਇੰਟ ਦਿਖਾਓ।" ਮਾਪਣਯੋਗ ਢਾਂਚਾ ਅਸਪਸ਼ਟ ਪ੍ਰਸ਼ੰਸਾ ਨਾਲੋਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਕੀਮਤੀ ਹੈ.
ਜੈਵ ਵਿਭਿੰਨਤਾ ਲਈ ਡਿਜ਼ਾਈਨ
ਲੈਂਡਸਕੇਪ ਸਿਧਾਂਤ ਜੋ ਜੈਵ ਵਿਭਿੰਨਤਾ ਨੂੰ ਵਧਾਉਂਦੇ ਹਨ: ਵੱਖ-ਵੱਖ ਪਰਤਾਂ (ਜ਼ਮੀਨ ਦਾ ਢੱਕਣ, ਝਾੜੀਆਂ, ਰੁੱਖ), ਫੁੱਲਾਂ ਵਾਲੀਆਂ ਕਿਸਮਾਂ ਜੋ ਪਰਾਗਿਤ ਕਰਨ ਵਾਲੇ ਕੀੜਿਆਂ ਨੂੰ ਆਕਰਸ਼ਿਤ ਕਰਦੀਆਂ ਹਨ, ਪੰਛੀਆਂ ਲਈ ਪਨਾਹ ਅਤੇ ਭੋਜਨ, ਪਾਣੀ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ, ਅਤੇ "ਬਹੁਤ ਜ਼ਿਆਦਾ ਸੁਥਰੇ ਨਹੀਂ" ਕੁਦਰਤੀ ਕੋਨੇ। AI ਇਹਨਾਂ ਸਿਧਾਂਤਾਂ ਨੂੰ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ ਢਾਲਣ ਅਤੇ ਇੱਕ "ਜੈਵਿਕ ਵਿਭਿੰਨਤਾ ਚੈਕਲਿਸਟ" ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ। ਕਿਸਮ ਦੀ ਚੋਣ ਦੁਬਾਰਾ ਯੂਨਿਟ 5 ਵਿੱਚ ਸਥਾਨਕ ਤਸਦੀਕ ਦੁਆਰਾ ਜਾਂਦੀ ਹੈ।
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 - ਪਾਣੀ ਦੇ ਪੈਰਾਂ ਦੇ ਨਿਸ਼ਾਨ ਘਟੇ। ਇੱਕ ਹਾਊਸਿੰਗ ਅਸਟੇਟ ਗਾਰਡਨ ਵਿੱਚ ਲਾਅਨ ਦੇ ਵੱਡੇ ਖੇਤਰ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ। YZ ਨੇ ਘਾਹ ਦੀ ਦਰ ਨੂੰ ਘਟਾਉਣ, ਸੋਕਾ-ਰੋਧਕ ਜੜੀ-ਬੂਟੀਆਂ ਵਾਲੇ ਖੇਤਰਾਂ ਵਿੱਚ ਤਬਦੀਲੀ ਕਰਨ ਅਤੇ ਮੀਂਹ ਦੇ ਪਾਣੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਇੱਕ ਢਾਂਚਾ ਤਿਆਰ ਕੀਤਾ ਹੈ। ਐਪਲੀਕੇਸ਼ਨ ਤੋਂ ਬਾਅਦ, ਸਿੰਚਾਈ ਦੇ ਪਾਣੀ ਦੀ ਖਪਤ ਵਿੱਚ ਕਾਫ਼ੀ ਕਮੀ ਆਈ ਹੈ; ਸਥਾਨਕ ਸੂਚੀ ਤੋਂ ਪੈਲੇਟ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਗਈ।
ਕੇਸ 2 - ਪਰਾਗਿਤ ਕਰਨ ਵਾਲਾ-ਅਨੁਕੂਲ ਬਾਗ। ਇੱਕ ਸਕੂਲ ਦੇ ਵਿਹੜੇ ਵਿੱਚ, AI ਨੇ ਇੱਕ ਪਰਤ ਵਾਲੇ "ਪਰਾਗਿਤ ਬਾਗ" ਦੀ ਧਾਰਨਾ ਅਤੇ ਚੈਕਲਿਸਟ ਤਿਆਰ ਕੀਤੀ ਜੋ ਪੂਰੇ ਸੀਜ਼ਨ ਵਿੱਚ ਖਿੜਦਾ ਹੈ। ਦੂਜੇ ਸਾਲ ਵਿੱਚ ਮੱਖੀ ਅਤੇ ਤਿਤਲੀ ਦੇ ਦਰਸ਼ਨਾਂ ਵਿੱਚ ਵਾਧਾ ਹੋਇਆ; ਵਿਦਿਆਰਥੀਆਂ ਲਈ ਇੱਕ ਜੀਵੰਤ ਸਿੱਖਣ ਦੀ ਜਗ੍ਹਾ ਬਣਾਈ ਗਈ ਸੀ। ਸਪੀਸੀਜ਼ ਨੂੰ ਸਥਾਨਕ ਅਤੇ ਗੈਰ-ਐਲਰਜੀਨਿਕ ਹੋਣ ਲਈ ਚੁਣਿਆ ਗਿਆ ਸੀ।
ਕੇਸ 3 - ਗੁੰਮਰਾਹਕੁੰਨ "ਹਰਾ" ਇੱਕ ਪ੍ਰੋਜੈਕਟ ਦ੍ਰਿਸ਼ਟੀਗਤ ਤੌਰ 'ਤੇ ਬਹੁਤ ਹਰਾ ਸੀ, ਪਰ ਇਸ ਲਈ ਸਿਰਫ ਇੱਕ ਕਿਸਮ ਦੇ ਰੁੱਖ ਅਤੇ ਭਾਰੀ ਸਿੰਚਾਈ ਦੀ ਲੋੜ ਸੀ। ਜਦੋਂ AI ਨੇ ਸਥਿਰਤਾ ਦੇ ਢਾਂਚੇ ਦੇ ਅੰਦਰ ਡਿਜ਼ਾਈਨ ਨੂੰ ਸਕੋਰ ਕੀਤਾ, ਤਾਂ ਚੇਤਾਵਨੀਆਂ ਦਿਖਾਈ ਦਿੱਤੀਆਂ: "ਸਥਾਨਕ ਦਰ ਘੱਟ ਹੈ, ਪਾਣੀ ਉੱਚਾ ਹੈ, ਜੈਵ ਵਿਭਿੰਨਤਾ ਕਮਜ਼ੋਰ ਹੈ"। ਟੀਮ ਨੇ ਪੈਲੇਟ ਨੂੰ ਵਿਵਿਧ ਕੀਤਾ; "ਹਰਾ ਪਰ ਮਾੜਾ" ਡਿਜ਼ਾਈਨ ਸੱਚਮੁੱਚ ਟਿਕਾਊ ਬਣ ਗਿਆ ਹੈ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ
1) ਸਥਿਰਤਾ ਸਕੋਰਕਾਰਡ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਟਿਕਾਊ ਲੈਂਡਸਕੇਪ ਮੁਲਾਂਕਣਕਰਤਾ। ਮੈਂ ਤੁਹਾਨੂੰ ਇੱਕ ਡਿਜ਼ਾਇਨ ਰੈਸਿਪੀ ਦੇਵਾਂਗਾ। 1-5 ਅੰਕ ਪ੍ਰਾਪਤ ਕਰੋ ਅਤੇ ਹੇਠਾਂ ਦਿੱਤੇ ਵਿਸ਼ਿਆਂ 'ਤੇ ਇਸ ਨੂੰ ਜਾਇਜ਼ ਠਹਿਰਾਓ: ਪਾਣੀ ਦੀ ਕੁਸ਼ਲਤਾ, ਮਿੱਟੀ ਦੀ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ, ਮੂਲ ਪ੍ਰਜਾਤੀ ਅਨੁਪਾਤ, ਰੰਗਤ/ਕੂਲਿੰਗ, ਰੱਖ-ਰਖਾਅ ਦਾ ਬੋਝ, ਜੈਵ ਵਿਭਿੰਨਤਾ। ਹਰੇਕ ਘੱਟ ਸਕੋਰ ਲਈ ਠੋਸ ਸੁਧਾਰਾਂ ਦਾ ਸੁਝਾਅ ਦਿਓ।
2) ਮਾਪਣਯੋਗ ਟੀਚਾ ਕੱਢਣ:
ਮੇਰੇ "ਟਿਕਾਊ [ਪਾਰਕ/ਗਾਰਡਨ]" ਦੇ ਟੀਚੇ ਨੂੰ ਮਾਪਣਯੋਗ ਡਿਜ਼ਾਈਨ ਟੀਚਿਆਂ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰੋ: ਸਿੰਚਾਈ ਲਈ ਠੋਸ, ਨਿਯੰਤਰਣਯੋਗ ਟੀਚਿਆਂ, ਹਾਰਡਸਕੇਪ ਅਨੁਪਾਤ, ਮੂਲ ਪ੍ਰਜਾਤੀ ਅਨੁਪਾਤ, ਛਾਂ ਵਾਲਾ ਖੇਤਰ, ਰੱਖ-ਰਖਾਅ ਦੀ ਲਾਗਤ, ਅਤੇ ਜੈਵ ਵਿਭਿੰਨਤਾ ਦਾ ਪ੍ਰਸਤਾਵ ਕਰੋ।
3) ਜੈਵ ਵਿਭਿੰਨਤਾ ਜਾਂਚ ਸੂਚੀ:
ਡਿਜ਼ਾਈਨ ਸਿਧਾਂਤਾਂ ਦੀ ਇੱਕ ਚੈਕਲਿਸਟ ਤਿਆਰ ਕਰੋ ਜੋ [ਜਲਵਾਯੂ/ਖੇਤਰ] ਲਈ ਇੱਕ ਲੈਂਡਸਕੇਪ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ ਜੈਵ ਵਿਭਿੰਨਤਾ ਨੂੰ ਵਧਾਏਗੀ: ਪਰਤਾਂ, ਪਰਾਗਿਤ ਕਰਨ ਵਾਲੇ ਆਕਰਸ਼ਕ, ਪੰਛੀ/ਜੰਗਲੀ ਜੀਵ ਆਸਰਾ, ਪਾਣੀ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ, ਕੁਦਰਤੀ ਕੋਨੇ। ਇੱਕ ਸਪੀਸੀਜ਼ ਦਾ ਨਾਮ ਦੇਣਾ; ਨੀਤੀਆਂ ਦਿਓ ਅਤੇ ਮੈਂ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਕਿਸਮ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਾਂਗਾ।
4) ਈਕੋਸਿਸਟਮ ਸੇਵਾ ਮੈਚਿੰਗ:
ਇਸ ਡਿਜ਼ਾਇਨ ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਈਕੋਸਿਸਟਮ ਸੇਵਾਵਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ (ਸ਼ੇਡ/ਕੂਲਿੰਗ, ਵਾਟਰ ਫਿਲਟਰੇਸ਼ਨ, ਹਵਾ ਸ਼ੁੱਧੀਕਰਨ, ਪਰਾਗੀਕਰਨ, ਸੈਨੀਟੇਸ਼ਨ) ਅਤੇ ਮੇਲ ਕਰੋ ਕਿ ਡਿਜ਼ਾਈਨ ਦਾ ਕਿਹੜਾ ਤੱਤ ਹਰੇਕ ਨੂੰ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਕਮਜ਼ੋਰ ਸੇਵਾਵਾਂ ਲਈ ਸੁਝਾਅ ਸ਼ਾਮਲ ਕਰੋ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਮੇਰੇ ਡਿਜ਼ਾਈਨ ਨੂੰ ਟਿਕਾਊ ਬਣਾਓ।
ਕੋਈ ਟੀਚੇ ਅਤੇ ਮਾਪਦੰਡ ਨਹੀਂ ਹਨ; ਆਉਟਪੁੱਟ ਸਿਫਾਰਸ਼ਾਂ ਦੀ ਇੱਕ ਆਮ ਸੂਚੀ ਹੋਵੇਗੀ, ਇਹ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਨਹੀਂ ਛੂਹੇਗਾ.
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਟਿਕਾਊ ਲੈਂਡਸਕੇਪ ਮੁਲਾਂਕਣਕਰਤਾ। ਮੇਰਾ ਡਿਜ਼ਾਈਨ: [ਮੁੱਖ ਤੌਰ 'ਤੇ ਘਾਹ, ਸਿੰਗਲ ਸਪੀਸੀਜ਼ ਦੇ ਰੁੱਖਾਂ ਦੀਆਂ ਕਤਾਰਾਂ, ਨਿਯਮਤ ਸਿੰਚਾਈ, 55% ਸਖ਼ਤ ਜ਼ਮੀਨ, ਜਨਤਕ ਪਾਰਕ]। ਇਸ ਨੂੰ ਪਾਣੀ ਦੀ ਕੁਸ਼ਲਤਾ, ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ, ਮੂਲ ਪ੍ਰਜਾਤੀ ਅਨੁਪਾਤ, ਰੰਗਤ, ਰੱਖ-ਰਖਾਅ ਅਤੇ ਜੈਵ ਵਿਭਿੰਨਤਾ ਦੇ ਸਿਰਲੇਖਾਂ ਦੇ ਤਹਿਤ ਸਕੋਰ ਕਰੋ, ਤਿੰਨ ਸਭ ਤੋਂ ਕਮਜ਼ੋਰ ਸਿਰਲੇਖਾਂ ਦੀ ਚੋਣ ਕਰੋ ਅਤੇ ਹਰੇਕ ਲਈ ਠੋਸ ਸੁਧਾਰਾਂ ਦਾ ਸੁਝਾਅ ਦਿਓ ਜੋ ਬਜਟ ਨੂੰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਨਾ ਵਧਾਵੇ।
ਡਿਜ਼ਾਇਨ ਡੇਟਾ, ਮਾਪਦੰਡ ਸੈੱਟ ਅਤੇ ਬਜਟ ਦੀ ਰੁਕਾਵਟ ਦੇ ਮੱਦੇਨਜ਼ਰ, ਆਉਟਪੁੱਟ ਠੋਸ ਅਤੇ ਸੰਭਵ ਹੈ।
ਸਥਿਰਤਾ ਸਿਰਲੇਖ ਸਾਰਣੀ
ਸਿਰਲੇਖ
ਮਾਪਦੰਡ ਉਦਾਹਰਨ
AI ਯੋਗਦਾਨ
ਤਸਦੀਕ
ਪਾਣੀ
ਸਿੰਚਾਈ ਦੀ ਲੋੜ
ਟੀਚਾ, ਰਣਨੀਤੀ
ਪ੍ਰੋਜੈਕਟ ਪਾਣੀ ਦਾ ਖਾਤਾ
ਪਾਰਦਰਸ਼ੀਤਾ
ਸਖ਼ਤ ਜ਼ਮੀਨੀ ਦਰ
ਔਡਸ ਸੁਝਾਅ
ਫੀਲਡ ਖਾਤਾ
ਸਥਾਨਕ ਸਪੀਸੀਜ਼
ਪੈਲੇਟ ਸਥਾਨਕ %
ਫਰੇਮ
ਸਥਾਨਕ ਸੂਚੀ (ਯੂਨਿਟ 5)
ਪਰਛਾਵਾਂ
ਗਰਮੀ ਦੀ ਛਾਂ ਵਾਲਾ ਖੇਤਰ
ਸਿਧਾਂਤ
ਸ਼ੈਡੋ ਵਿਸ਼ਲੇਸ਼ਣ
ਰੱਖ-ਰਖਾਅ
ਸਾਲਾਨਾ ਲਾਗਤ
ਅਨੁਮਾਨ
ਅਸਲ ਫੁਟੇਜ
ਜੈਵ ਵਿਭਿੰਨਤਾ
ਕਿਸਮਾਂ/ਪਰਤਾਂ ਦੀ ਸੰਖਿਆ
ਚੈੱਕਲਿਸਟ
ਵਾਤਾਵਰਣ ਮਾਹਰ
ਆਮ ਗਲਤੀਆਂ
- "ਹਰੀ = ਟਿਕਾਊ" ਸੋਚਣਾ। ਬਹੁਤ ਸਾਰਾ ਪਾਣੀ ਪੀਣਾ ਅਤੇ ਸਿਰਫ ਹਰਾ ਹੋਣਾ ਟਿਕਾਊ ਨਹੀਂ ਹੈ।
- ਇੱਕ ਅਸਪਸ਼ਟ ਟੀਚੇ ਨਾਲ ਕੰਮ ਕਰਨਾ. "ਟਿਕਾਊਤਾ" ਜਿਸ ਨੂੰ ਮਾਪਿਆ ਨਹੀਂ ਜਾ ਸਕਦਾ, ਅਜਿਹਾ ਨਹੀਂ ਹੁੰਦਾ; ਇੱਕ ਸੰਖਿਆਤਮਕ ਟੀਚਾ ਸੈਟ ਕਰੋ.
- ਇੱਕ ਦਰੱਖਤ ਸਪੀਸੀਜ਼ ਨਾਲ ਜੈਵ ਵਿਭਿੰਨਤਾ ਨੂੰ ਪਾਰ ਕਰਨਾ। ਪਰਤ ਅਤੇ ਸਪੀਸੀਜ਼ ਵਿਭਿੰਨਤਾ ਜ਼ਰੂਰੀ ਹੈ।
- ਰੱਖ-ਰਖਾਅ ਦੇ ਬੋਝ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਨਹੀਂ ਰੱਖਦੇ. ਸਥਿਰਤਾ ਵਿੱਚ ਲੰਬੇ ਸਮੇਂ ਦੀ ਲਾਗਤ ਵੀ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ।
- AI ਨੂੰ ਮਾਪਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ। ਅਸਲ ਪਾਣੀ/ਛਾਂ/ਖੇਤਰ ਦੇ ਮਾਪ ਪ੍ਰੋਜੈਕਟ ਡੇਟਾ ਤੋਂ ਆਉਂਦੇ ਹਨ।
ਸਾਰੰਸ਼ ਵਿੱਚ
ਅਸਪਸ਼ਟ ਇੱਛਾਵਾਂ ਤੋਂ ਮਾਪਣਯੋਗ ਡਿਜ਼ਾਈਨ ਟੀਚਿਆਂ ਵਿੱਚ ਅਨੁਵਾਦ ਕੀਤੇ ਜਾਣ 'ਤੇ ਸਥਿਰਤਾ, ਜੈਵ ਵਿਭਿੰਨਤਾ ਅਤੇ ਈਕੋਸਿਸਟਮ ਸੇਵਾਵਾਂ ਦਾ ਅਰਥ ਬਣਦਾ ਹੈ। AI ਇਹਨਾਂ ਸੰਕਲਪਾਂ ਨੂੰ ਸਕੋਰਕਾਰਡਾਂ ਅਤੇ ਚੈਕਲਿਸਟਾਂ ਵਿੱਚ ਡਿਸਟਿਲ ਕਰਨ ਵਿੱਚ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ, ਡਿਜ਼ਾਈਨ ਦੇ ਵਾਤਾਵਰਣਕ ਕਮਜ਼ੋਰ ਪੁਆਇੰਟਾਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰਦਾ ਹੈ। ਅਸਲ ਮਾਪਾਂ ਦੀ ਪੁਸ਼ਟੀ ਪ੍ਰੋਜੈਕਟ ਡੇਟਾ, ਸਥਾਨਕ ਤਸਦੀਕ ਨਾਲ ਸਪੀਸੀਜ਼ ਦੀ ਚੋਣ, ਮਾਹਰਾਂ ਨਾਲ ਡੂੰਘੇ ਵਾਤਾਵਰਣ ਸੰਬੰਧੀ ਫੈਸਲਿਆਂ ਨਾਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਹਮੇਸ਼ਾ "ਹਰੇ ਦਿਖਾਈ ਦੇਣ" ਅਤੇ "ਪਰਿਆਵਰਣਕ ਤੌਰ 'ਤੇ ਅਮੀਰ ਅਤੇ ਸੁਚੱਜੇ ਹੋਣ" ਵਿਚਕਾਰ ਅੰਤਰ ਨੂੰ ਯਾਦ ਰੱਖੋ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ ਡਿਜ਼ਾਈਨ (ਅਸਲ ਜਾਂ ਕਾਲਪਨਿਕ) ਦਾ ਵਰਣਨ ਕਰੋ ਅਤੇ ਇਸਨੂੰ "ਸਸਟੇਨੇਬਿਲਟੀ ਸਕੋਰਕਾਰਡ" ਟੈਮਪਲੇਟ ਨਾਲ ਛੇ ਵਿਸ਼ਿਆਂ 'ਤੇ ਸਕੋਰ ਕਰੋ। ਤਿੰਨ ਕਮਜ਼ੋਰ ਵਿਸ਼ਿਆਂ ਲਈ ਠੋਸ ਸੁਧਾਰ ਦੀ ਪਛਾਣ ਕਰੋ। ਫਿਰ ਘੱਟੋ-ਘੱਟ ਪੰਜ ਸਿਧਾਂਤ ਕੱਢੋ ਅਤੇ ਉਹਨਾਂ ਨੂੰ "ਜੈਵ ਵਿਭਿੰਨਤਾ ਚੈਕਲਿਸਟ" ਟੈਂਪਲੇਟ ਨਾਲ ਆਪਣੇ ਡਿਜ਼ਾਈਨ 'ਤੇ ਲਾਗੂ ਕਰੋ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਆਪਣੇ ਸਥਿਰਤਾ ਟੀਚਿਆਂ ਨੂੰ ਮਾਪਣਯੋਗ ਤਰੀਕੇ ਨਾਲ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਹੈ।
- [ ] ਮੈਂ ਛੇ ਸਿਰਲੇਖਾਂ ਦੇ ਤਹਿਤ ਡਿਜ਼ਾਈਨ ਨੂੰ ਸਕੋਰ ਕੀਤਾ ਅਤੇ ਕਮਜ਼ੋਰ ਬਿੰਦੂਆਂ ਦੀ ਪਛਾਣ ਕੀਤੀ।
- ਮੈਂ ਜੈਵ ਵਿਭਿੰਨਤਾ ਲਈ ਪਰਤ ਅਤੇ ਸਪੀਸੀਜ਼ ਵਿਭਿੰਨਤਾ ਦੀ ਯੋਜਨਾ ਬਣਾਈ ਹੈ।
- [ ] ਮੈਂ ਰੱਖ-ਰਖਾਅ ਦੇ ਬੋਝ ਅਤੇ ਲੰਬੇ ਸਮੇਂ ਦੀ ਲਾਗਤ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਿਆ।
- [ ] ਮੈਂ ਅਸਲ ਮਾਪ ਅਤੇ ਸਪੀਸੀਜ਼ ਦੀ ਚੋਣ ਨੂੰ ਤਸਦੀਕ ਸਰੋਤ ਨਾਲ ਜੋੜਿਆ ਹੈ।