درک مدل های محیط زیست Multi-Scale

برنامه ریزی انعطاف پذیری شهری نیازمند ابزارهایی است که می توانند پیچیدگی سیستم های متصل را در مقیاس های مختلف به دست آورند. مدل های محیط زیست چند مقیاسی چارچوب های محاسباتی هستند که داده ها و فرآیندهای را از میکرو هواهای محلی به الگوهای گردش خون جهانی، از استفاده از انرژی ساختمان فردی به شبکه های حمل و نقل منطقه ای، این مدل ها شبیه سازی می کنند که چگونه سیستم های طبیعی، زیرساخت ها و رفتار انسان در سراسر فضا و زمان ارتباط برقرار می کنند.

اصطلاح "چند مقیاس" اشاره به توانایی نشان دادن پدیده هایی که در قطعنامه ها و میزان های مختلف رخ می دهد، به عنوان مثال، یک مدل واحد ممکن است شامل یک دامنه با وضوح بالا از چند کیلومتر مربع برای یک مرکز شهر، همراه با یک دامنه ضخیم پوشش کل منطقه شهری، در داخل یک قاره یا مدل آب و هوا جهانی باشد.این لانه اجازه می دهد تا طراحان محلی برای دیدن خطرات گرمای بیشتر - یا توده های هوا محلی مانند طوفان های هوا.

اجزای اصلی مدل های چند منظوره محیط زیست

ادغام داده ها و Fusion

مدل سازی دقیق بستگی به ادغام مجموعه داده های ناهمگن دارد (به عنوان مثال، Landsat، Sentinel) ارائه پوشش زمین و دمای سطح. سنسورهای زمینی به طور فزاینده ای به کیفیت هوا، رطوبت خاک و جریان خواندن جریان، داده های دیوگرافی و اجتماعی و اقتصادی از ادارات و پورتال های داده باز اطلاع از ارزیابی های آسیب پذیری ماشین آلات یادگیری به طور فزاینده ای برای هماهنگ کردن این منابع متنوع، پر کردن مشاهدات در نتیجه محیط زیست ثابت است.

شبیه سازی های فرآیند

این مدل ها شامل توصیف های ریاضی از فرآیندهای فیزیکی، شیمیایی و بیولوژیکی هستند. فرایندهای شبیه سازی کلیدی عبارتند از:

  • [FLT: 1 ] [FLT: 1 ] پیش بینی، نفوذ، شارژ آب زیرزمینی و مسیریابی سیل در مقیاس از بلوک های شهری به کل آبخیز.
  • دینامیک جوی: زمینه های باد، پروفایل های دما، و پراکندگی گرده با استفاده از دینامیک مایع محاسباتی یا مدل های آب و هوایی مقیاس.
  • و Ecosystem Dynamics: رشد گیاه، جذب کربن و تبخیر، که بر خنک کننده شهری و کیفیت هوا تاثیر می گذارد.
  • جریان انرژی و مواد: [FLT 1] تقاضای انرژی ساختمان، تولید زباله و انتشار گازهای گلخانه ای در سراسر محله.

هر فرآیند بر اساس روابط تجربی یا قوانین فیزیکی پارامتریزه می شود و تعاملات بین آنها به صورت عددی حل می شود.انتخاب رزولوشن فضایی و زمانی یک تجارت حیاتی بین دقت و هزینه محاسباتی است.

تحلیل سناریو و عدم اطمینان Quantification

برنامه ریزان از مدل های چند مقیاسی برای کشف سناریوهای "چه چیزی" استفاده می کنند. سناریوهای مشترک شامل مسیرهای مختلف انتشار گازهای گلخانه ای (به عنوان مثال، RCP 4.5 در مقابل RCP 8.5)، الگوهای تغییر استفاده از زمین ( ⁇ در مقابل گسترده)، و استراتژی های سرمایه گذاری زیرساخت ( سقف سبز، روش های سنجش عدم اطمینان قابل اطمینان) است.

برنامه ریزی انعطاف پذیری شهری

افزایش ریسک

شهرهای ساحلی مانند نیویورک، جاکارتا و روتردام از مدل های چند مقیاسی برای ارزیابی سیل مرکب از باران های سنگین، افزایش طوفان و افزایش سطح دریا استفاده می کنند.یک مدل معمولی ممکن است یک مدل آب و هوایی جهانی (ارائه آب و هوا طوفان آینده) با یک مدل هیدروژودینامیک منطقه ای (شششاف امواج و جریان در یک قطعنامه 1 کیلومتر) و یک مدل محلی در طبیعت (به طور مثالی خطر آلودگی مرکزی، شناسایی اثرات حیاتی در محله های آلودگی، شناسایی می کند.

جزیره گرمایی شهری

گرمای شدید خطرات رو به رشد را به جمعیت شهری می دهد. مدل های چند مقیاسی شبیه سازی چگونگی آلبیدو، پوشش گیاهی، ساخت هندسه و انتشار گرمای انسان زا به اثر جزیره گرمایی شهری (UHI) کمک می کنند.با حل دما در مقیاس های متر، طراحان می توانند مداخلاتی مانند سقف های انعکاسی، درختان خیابانی یا پیاده روها را آزمایش کنند. [F:0EPA] استراتژی های شبیه سازی گرما و ابزارهای بهینه سازی جنگل های طراحی جنگل و راهنمایی جنگل های آمازون را فراهم می کند که از آن استفاده می کنند.

کیفیت هوا و بهداشت عمومی

مدل های کیفیت هوا چند مقیاس منابع انتشار گازهای گلخانه ای (تraffic, Industry, Housing) را با شیمی اتمسفر پیوند می دهند و به وضوح خیابان-canyon منتقل می شوند.آنها پیش بینی می کنند غلظت PM2.5, ازن, نیتروژن دی اکسید و سایر آلاینده های انعطاف پذیر شهری از این خروجی ها برای ارزیابی مداخلات سیاست - مناطق کم انتشار، قیمت گذاری، یا نوار سبز - و اثرات تفاوت آنها در سراسر گروه های اجتماعی اقتصادی [F تخمین می زند: 1 -

زیرساخت و قابلیت اطمینان Lifeline

شهرهای Resilient نیاز به انرژی، آب و شبکه های حمل و نقل قابل اعتماد دارند. مدل های چند مقیاسی مانند شکست های کاتترینگ را شبیه سازی می کنند: یک سیل ممکن است خطوط برق را قطع کند، پمپ های آب را مختل کند و مسیرهای تخلیه را مسدود کند.[۱] برنامه ریزان از توسعه آب های حیاتی و اولویت بندی مدل های قرمز پشتیبانی می کنند.

چالش های توسعه و اجرای

داده های ترسناک و کیفیت

بسیاری از شهرها، به ویژه در جنوب جهانی، فاقد توپوگرافی با وضوح بالا، هواشناسی یا داده های جمعیتی هستند. سنجش از راه دور ماهواره می تواند برخی از شکاف ها را پر کند، اما پوشش ابر، زمان های بازبینی و محدودیت های وضوح فضایی باقی مانده است.شبکه های سنسور زمینی هزینه ای برای حفظ دارند.

موانع محاسباتی و فنی

اجرای مدل های چند مقیاسی نیازمند منابع محاسباتی با کارایی بالا است.یک شبیه سازی منفرد ممکن است روزها را در خوشه ای از صدها هسته ای قرار دهد. real-time یا برنامه های زمانی نزدیک (به عنوان مثال برای پاسخ اضطراری) نیاز به الگوریتم های سریع تر و موازی سازی کارآمد دارد. بسیاری از ادارات برنامه ریزی شهری فاقد ظرفیت فنی برای اجرای یا تفسیر این مدل ها بدون پشتیبانی تخصصی از دانشگاه ها یا مشورت خصوصی هستند.

همکاری بین رشته ای

مدل سازی چند مقیاس موثر نیازمند تخصص از آب و هوا، هیدرولوژی، اکولوژی، مهندسی، علوم کامپیوتر و علوم اجتماعی است.ایجاد چارچوب های مفهومی مشترک و هماهنگ کردن استانداردهای داده ها در سراسر رشته ها دشوار است. آژانس های جمع آوری و برنامه های تحقیقاتی (مانند Future Earth ابتکار عمل شبکه های مشارکتی را تقویت می کنند، اما سیلوهای نهادی همچنان یک مانع باقی می مانند.

اعتبارسنجی و کالیبراسیون

مدل ها باید در برابر داده های مشاهده شده معتبر باشند تا اعتبار را تضمین کنند، با این حال، مشاهدات در مقیاس ها و مکان های مورد نیاز برای اعتبار اغلب در دسترس نیست. کالیبراسیون - پارامترهای مدل برای مطابقت با رویدادهای تاریخی - می تواند منجر به عملکرد بیش از حد و ضعیف در شرایط آینده شود. تکنیک های جمع آوری و تجزیه و تحلیل دقیق، اما ارتباط این عدم اطمینان برای تصمیم گیرندگان به چالش کشیدن باقی می ماند.

مسیر های آینده و نوآوری ها

دوقلوهای دیجیتال شهرها

مفهوم یک دوقلو دیجیتال - یک نسخه دیجیتال پویا و زمان واقعی از یک سیستم فیزیکی - در انعطاف پذیری شهری به دست می آورد. مدل های محیط زیست چند مقیاسی موتور یک دوقلو دیجیتال شهر را تشکیل می دهند، به طور مداوم با داده های سنسور به روز می شود و به مدیران شهر اجازه می دهد تا مداخلات را در محیط مجازی آزمایش کنند. - شهرهایی مانند سنگاپور (Helsinki 3D) پیشگام این سیستم های تحرک دوگانه و سیستم های دوگانه هستند.

آموزش ماشین برای مدل های Surrogate

آموزش شبکه های عصبی عمیق در گروه های شبیه سازی مبتنی بر فیزیک می تواند مدل های سریع (همچنین به نام محرک) ایجاد کند که پویایی پیچیده در میلی ثانیه را در می کند.این سوررو گیت ها ارزیابی های خطر بی ثبات را با میلیون ها تحقق، که به طور فعال با مدل فیزیک کامل غیر قابل درک است، آنها همچنین پشتیبانی زمان واقعی در طول بحران های تحقیقاتی را تسهیل می کنند.

شرکت سازنده و مدل سازی Co-Designed Modeling

برای اطمینان از اینکه مدل ها به نگرانی های محلی توجه می کنند و توسط ذینفعان مورد اعتماد قرار می گیرند، فرایندهای مدل سازی مشارکتی شامل تصمیم گیرندگان، گروه های جامعه و کارشناسان حوزه در طراحی مدل و انتخاب سناریو است، این رویکرد طراحی مشترک شفافیت و ارتباط را افزایش می دهد. ] موسسه بین المللی توسعه پایدار [FLT 1] مطالعات موردی را مستند کرده است که در آن مدل سازی مشارکتی نتایج انعطاف پذیری در شهرهای آفریقایی و آسیایی بهبود یافته است.

ادغام با مدل های اجتماعی و رفتاری

مدل های چند منظوره فعلی اغلب رفتار ثابت یا ساده انسان را فرض می کنند.در مدل های مبتنی بر عامل که شبیه سازی تصمیمات فردی و خانگی (ارزیابی، مهاجرت، پذیرش فن آوری های سبز) می تواند پویایی های ظهور مانند سازگاری نابرابر یا قفل سازگار با سوء استفاده را نشان دهد.این اتصال اجتماعی-محیطی یک منطقه مرزی است که انتظار می رود پیش بینی های واقعی تر از مسیرهای انعطاف پذیری شهری را ایجاد کند.

نتیجه گیری

مدل های محیط زیست چند مقیاس ابزار ضروری برای برنامه ریزی انعطاف پذیری شهری در عصر تسریع آب و هوا و تغییرات زیست محیطی هستند.با یکپارچه ادغام داده ها و فرآیندهای از مقیاس جهانی به مقیاس محلی، آنها طراحان شهر را قادر به پیش بینی خطرات، ارزیابی استراتژی های سازگاری، و اولویت بندی سرمایه گذاری در داده ها، محاسبات و همکاری بین رشته ای ادامه می دهد، پیشرفت های سریع در دوقلوهای دیجیتال، یادگیری ماشین، و رویکردهای مشارکتی ادامه دارد و توسعه پایدار ادامه خواهد داشت.