Comprensione delle emissioni di carbonio urbane

Le città occupano solo circa il 2% della superficie terrestre, ma generano più del 70% delle emissioni globali di anidride carbonica. Queste emissioni provengono da un fitto mix di fonti: reti di trasporto, generazione di energia, processi industriali, riscaldamento residenziale e raffreddamento, e gestione dei rifiuti. La concentrazione di attività economica e popolazione nelle aree urbane li rende sia la causa principale del cambiamento climatico che le arene più promettenti per la mitigazione.

In nazioni sviluppate, i trasporti e gli edifici dominano; in regioni in via di sviluppo, le attività industriali e i sistemi energetici inefficienti sono più importanti. Dati dettagliati sull'uso dell'energia, i chilometri di veicolo viaggiati, le scorte di costruzione e l'uscita economica sono essenziali per capire dove le emissioni sono originate e come possono essere ridotte.

L’urgenza dell’azione climatica urbana non può essere eccessiva. Le Nazioni Unite stimano che due terzi della popolazione mondiale vivranno nelle città entro il 2050. Senza una mitigazione aggressiva, le emissioni urbane potrebbero raddoppiare, bloccando in decenni di infrastrutture ad alto tenore di carbonio che è costoso da riadattare. I modelli di simulazione offrono un modo per testare le idee politiche prima di commettere miliardi di dollari, uno strumento prezioso per i pianificatori di città, i sindaci, i sindaci e nazionali.

La casella di strumenti di politica per la migrazione urbana

Alcuni si rivolgono alla fonte delle emissioni direttamente (ad esempio, una tassa di carbonio sui combustibili fossili), mentre altri formano una forma urbana a lungo termine (ad esempio, i codici di zonizzazione che incoraggiano la densità). Gli approcci più efficaci combinano più politiche che si rafforzano a vicenda. Di seguito sono le principali categorie di politiche di mitigazione del clima urbano, ognuna con le proprie sfide di simulazione e opportunità.

Politiche di trasporto

Il trasporto è spesso la più grande e più rapida fonte di emissioni urbane.

  • L'espansione del transito pubblico[[] – linee della metropolitana di costruzione, corridoi di trasporto rapido degli autobus (BRT) e ferrovia leggera per spostare i viaggi dalle auto private.
  • Elettrificazione dei veicoli[[[] – offrendo sussidi per veicoli elettrici (EV), installando infrastrutture di ricarica e passando autobus pubblici alle flotte elettriche.
  • Promozione di trasporto attiva[[] – costruzione di corsie, zone pedonali e sistemi di bike-share.
  • Prezzo di gestione[[] – carica driver per l'ingresso di aree ad alto traffico, come fatto a Londra, Stoccolma e Milano.
  • Aiutentiche norme sull'economia[] – che richiedono nuovi veicoli per soddisfare obiettivi di efficienza rigorosi.

Le politiche di trasporto simulanti richiedono modelli di comportamento di viaggio, fatturato di proprietà del veicolo e consumo di carburante. I modelli basati sugli agenti (ABM) simulano le decisioni individuali di viaggio, mentre i modelli di dinamica del sistema catturano loop di feedback più ampi come la domanda indotta. I dati dello smartphone GPS, le smartcard di transito e i contatori del traffico alimentano questi modelli.

Politiche energetiche

La produzione energetica, sia all'interno della città che dalla rete che la fornisce, rappresenta una quota enorme di emissioni urbane.

  • Standard di portafoglio rinnovabili[] – che comporta una percentuale minima di energia elettrica da solare, vento o idro.
  • Decarbonizzazione della griglia[[] – reti di impianti di carbone, costruzione di rinnovabili, e integrazione della memoria della batteria.
  • Programmi di efficienza energetica[[] – illuminazione stradale retrofitting, impianti di riqualificazione e promozione di elettrodomestici efficienti attraverso ribate.
  • Riscaldamento e raffreddamento distrittivo[] – utilizzando il calore di scarto dalle centrali elettriche o processi industriali per riscaldare gli edifici, riducendo l'uso individuale della caldaia.
  • Codici di costruzione di Net-zero[[] – che richiedono nuovi edifici per produrre tanto energia quanto consumano.

I modelli di sistemi energetici come il National Energy Modeling System (NEMS) o le famiglie MARKAL/TIMES simulano l'espansione della capacità, il commutatore del carburante e la riduzione della domanda. Questi modelli hanno bisogno di curve di carico dettagliate, prezzi del carburante e costi tecnologici.

Regolamento degli edifici

Gli edifici sono beni di lunga durata; le scelte fatte oggi influiscono sulle emissioni per decenni.

  • Codici energetici più robusti[[] – che richiedono un migliore isolamento, finestre ad alte prestazioni e sistemi HVAC efficienti.
  • Impostazione di edifici esistenti[[] – sovvenzionando gli aggiornamenti a caldaie, tetti e illuminazione.
  • Green building Certification[] – utilizzando LEED, BREEAM, o equivalenti locali come benchmark.
  • Standard di carbonio incorporati[[] – regolazione dell'impronta di carbonio dei materiali da costruzione (concreto, acciaio, legno).
  • Incentivi di divisione di Lunelord-tenant[[] – politiche che allineano i benefici in modo che il partito che investe in efficienza raccoglie i risparmi.

Strumenti di simulazione a livello di costruzione come EnergyPlus, eQuest, o OpenStudio modello di dinamiche termiche, occupazione e carichi di attrezzature.Quando aggregati in tutta una città, queste simulazioni diventano “modelli di energia da costruzione urbana” (UBEMs). Un UBEM di una città come Boston può prevedere come un miglioramento del 20% degli standard di busta da costruzione ridurre la domanda di elettricità di picco e le emissioni di CO2.

Pianificazione urbana e uso del territorio

La disposizione di una città forma la domanda di viaggio, le esigenze energetiche, e anche il clima locale.

  • Sviluppo completo[] – favorendo una maggiore densità intorno ai mozzi di transito per ridurre la dipendenza dell'auto.
  • Mixed-use zoning[[] – permettendo spazi residenziali, commerciali e ricreativi nello stesso quartiere.
  • Green infrastrutture[[] – parchi, tetti verdi, e pavimentazioni permeabili che assorbono CO2 e riducono l'effetto dell'isola di calore urbano.
  • Sviluppo orientato al transito (TOD)[] – focalizzando la crescita lungo corridoi ferroviari e BRT.
  • Preservazione delle aree naturali[[] – impedendo lo sfregamento nelle foreste e nelle zone umide che immagazzinano il carbonio.

Le politiche di utilizzo del suolo si basano spesso su modelli urbani integrati che combinano i componenti di trasporto, di uso del suolo e dell'energia. Esempi includono UrbanSim, LEAM e la piattaforma Community Viz. Questi modelli possono mostrare che una città compatta riduce le miglia del veicolo viaggiate dal 20 al 40% rispetto ad uno scenario di distorsione, ma rappresentano anche effetti di gentrificazione e di spostamento, che sono importanti problemi di equità.

Politiche industriali e rifiuti

Molte città contengono distretti produttivi che sono ad alta intensità di emissioni.

  • I mandati tecnologici clandestini[] – che richiedono la migliore tecnologia di controllo disponibile.
  • Programmi di economia circolare[[] – riciclaggio, compostaggio e riduzione del metano di discarica.
  • Carbon cattura e utilizzazione (CCU)[[] – catturando CO2 da cementifici o inceneritori e utilizzandolo nei prodotti.
  • Sistemi di controllo e di commercio[[[]] – impostando un tappo di emissioni a livello urbano per impianti industriali.

Le emissioni industriali sono relativamente più facili da simulare perché le fonti di punti vengono monitorate direttamente. Modelli come la piattaforma di valutazione della riduzione del gas serra (GGRAP) possono valutare l'efficacia dei costi delle tecnologie di abbattimento.

Come funzionano i modelli di simulazione

I modelli di simulazione delle emissioni di carbonio urbano possono essere classificati secondo il loro approccio, la loro portata e i requisiti di dati.

Bottom-Up vs. Modelli Top‐Down

I modelli di Bottom-up[[[]] costruiscono scenari di emissione da componenti tecnologici e comportamentali dettagliati. Esse rappresentano centrali elettriche, veicoli, edifici e elettrodomestici, quindi li sommano per ottenere il totale. Questi modelli sono eccellenti per valutare politiche specifiche (ad esempio, “Che cosa succede se tutti i nuovi autobus sono elettrici entro il 2025?”) ma richiedono set di dati di massa e possono perdere feedback macroeconomici.

I modelli top-down[] iniziano con indicatori economici aggregati (PIL, popolazione, intensità energetica) e utilizzano elasticità o tabelle input-output per ricavare le emissioni. Sono computazionalmente più semplici e catturano gli effetti di ricrescere economicamente, ma possono oscurare quanto le tecnologie specifiche eseguono.

Fonti di dati e calibrazione

Ogni simulazione dipende dai dati. Le fonti comuni di dati urbani includono:

  • Bollette energetiche e registri di utilità[[] – per l'utilizzo dell'energia elettrica ed industriale.
  • Conti di traffico e tracce GPS[] – per attività di trasporto.
  • Immagini intelligenti[[[] – per mappare la copertura terrestre, luci notturne (proxy per l'attività economica), e la temperatura.
  • Costruire database di permessi[[]] – per nuove costruzioni e retrofit.
  • Indagini demografiche ed economiche[ – per il reddito, l'occupazione e il comportamento di viaggio.

I modelli vengono calibrati regolando i parametri fino a quando le uscite simulate corrispondono alle tendenze storiche delle emissioni. Un modello ben calibrato può essere utilizzato per proiettare ciò che accade sotto scenari politici alternativi. La letteratura scientifica sottolinea[] che la convalida—i risultati del modello che separano i dati reali indipendenti—è critica ma spesso mancante negli studi urbani.

Progettazione dello scenario

Le simulazioni tipicamente confrontano una linea di base “business-as-usual” (BAU) contro uno o più scenari politici. Questi scenari definiscono la tempistica, la stringa e la combinazione delle politiche. Ad esempio, uno scenario potrebbe specificare che il prezzo della congestione è phased in 2027 con una carica giornaliera di $15 e che la frequenza di transito pubblico è raddoppiata nello stesso anno.

Molte città utilizzano le “fase socioeconomiche condivise” (SSP) sviluppate dall’IPCC come punto di partenza, su misura per le condizioni locali. La robustezza delle conclusioni politiche dipende fortemente da quanto bene queste ipotesi riflettano future plausbili.

Insights from Case Studies

Mentre l'articolo originale ha usato una città ipotetica, gli esempi del mondo reale offrono lezioni più ricche. Molte città hanno pubblicamente impegnato nella neutralità del carbonio entro il 2050 o prima e hanno usato modelli di simulazione per modellare le loro roadmap.

Copenhagen: un precursore della simulazione urbana

Copenhagen ha sviluppato un modello di simulazione dettagliato chiamato Copenhagen Energy and Climate Plan Simulator. Copre teleriscaldamento, elettricità, trasporto e rifiuti. Il modello ha dimostrato che combinando l'espansione del riscaldamento distrettuale, il vento offshore e i retrofit di costruzione aggressivi potrebbero tagliare le emissioni dell'80% dai livelli del 2010. Il restante 20% sarebbe venuto dalla cattura di carbonio o dagli offset.

Londra: La potenza del prezzo

L’esperienza di Londra con la ricarica della congestione (introdotta nel 2003) e la zona di emissione ultra bassa (ULEZ, ampliata nel 2021) fornisce un prezioso banco di prova per i modelli di simulazione.

Una città in rapida crescita: Jakarta

I ricercatori dell'Istituto per le Strategie Ambientali Globali (IGES) hanno usato un modello di simulazione di fondo per valutare un pacchetto di politiche: espandere la rete di Mass Rapid Transit (MRT), introdurre una zona di emissioni basse e il passaggio di carburante dalla benzina al gas naturale avvertito.

Limitazioni e incertezze

Non è perfetta la simulazione, il riconoscimento dei limiti delle previsioni del modello è essenziale per l'uso responsabile.

Gaps dati e qualità

Molte città, soprattutto nel Global South, non hanno dati coerenti e tempestivi sull'uso dell'energia, sui flussi di traffico e sulle caratteristiche costruttive. I dati satellitari possono colmare alcune lacune ma non possono catturare l'intensità dell'energia o i modelli di occupazione. I modelli di simulazione costruiti su dati radi producono bande di incertezza ampie. Ad esempio, un modello di città in India potrebbe assumere un consumo medio di energia elettrica basato su un sondaggio nazionale, ma il consumo effettivo in insediamenti informali può essere inferiore al 50%.

Fattori comportamentali e sociali

I modelli spesso assumono che gli incentivi economici guidano le scelte – ma le persone non si comportano sempre razionalmente. Stato, abitudine e norme sociali influenzano la proprietà dell'auto e i modelli di commuting in modi che sono difficili da rappresentare. Uno studio del 2023 in Nature Climate Change]] ha scoperto che i modelli di simulazione urbana prevedono solitamente più bassi rispetto ai segnali di prezzo osservati perché non riescono a catturare gli effetti di ricerca peer e di una visione sociale e di inerzia culturale.

Disturbo tecnologico

Nel 2010 nessuno ha previsto che i costi della batteria sarebbero scesi del 90% in un decennio, rendendo gli EV competitivi con le auto a combustione. I modelli che assumono un miglioramento lineare tendono a sottovalutare il potenziale delle scoperte e a sovrastimare i costi di mitigazione.

Interazioni di politica ed effetti di rimbalzo

Le politiche non funzionano in isolamento, per esempio, migliorare l'efficienza del carburante può ridurre i costi di guida, portando a più miglia di viaggio, un effetto di rimbalzo. I modelli di simulazione che ignorano le interazioni possono sovrastare le emissioni. I modelli integrati che includono feedback cross-sector sono più affidabili ma più difficili da costruire. Molti modelli urbani trattano ancora i settori del trasporto, dell'energia e dell'edilizia separatamente, mancando sinergie importanti.

Indicazioni future per la simulazione urbana

Mentre le città si trovano di fronte alla crisi climatica, gli strumenti di simulazione si stanno evolvendo rapidamente.

Intelligenza artificiale e apprendimento automatico

L'intelligenza artificiale può accelerare la simulazione attraverso l'apprendimento di modelli complessi da dati storici. Ad esempio, le reti neurali possono prevedere la costruzione di consumo energetico a livello di blocco senza eseguire modelli di fisica completa. Gemelli digitali[]] – replica virtuale a tempo reale delle città – utilizzare flussi di sensori per aggiornare continuamente simulazioni, permettendo ai responsabili politici di vedere gli effetti di un cambiamento di politica (ad esempio, abbassare un limite di velocità digitale di Singapore) entro ore.

Integrazione dei dati in tempo reale

I misuratori intelligenti, le telecamere di traffico e i sensori di qualità dell'aria possono alimentare modelli di simulazione con dati aggiornati al minuto, consentendo un'elaborazione di policy adattativa: se un intervento non funziona come previsto, il modello può suggerire modifiche. La sfida è gestire il volume di dati e garantire la privacy.

Modelli urbani-critici

Le nuove piattaforme permettono ai cittadini di contribuire direttamente alle simulazioni. La modellazione partecipativa coinvolge i residenti nella progettazione dello scenario, aumentando il buy-in politico e catturando le conoscenze locali che i modelli altrimenti manca. Ad esempio, una città potrebbe utilizzare un'interfaccia simile a un gioco dove i residenti possono proporre e votare sulle politiche di mitigazione, e la simulazione mostra istantaneamente le riduzioni di emissioni proiettate.

Armonizzazione e standard aperti

Una barriera importante è che la maggior parte dei modelli di livello della città sono costruiti in isolamento, utilizzando formati e supposizioni di dati incompatibili. Il Patto Globale dei Sindaci per il Clima e l'Energia e il World Resources Institute stanno spingendo per i comuni framework di report. Se le città adottano modelli open source come il ] City Climate Finance Gap Fund[]]], possono confrontare i risultati e condividere le migliori pratiche urbane.

Conclusioni

La simulazione degli effetti delle politiche di mitigazione del clima sulle emissioni di carbonio urbano non è una sfera di cristallo, ma è uno strumento indispensabile per il processo decisionale basato sulle prove. Come ha dimostrato questo articolo, la complessità dei sistemi urbani richiede una combinazione attenta di modelli di bottom-up dettagliati, framework macro-economici e un sano rispetto per l'incertezza.

Dal riscaldamento distrettuale di Copenhagen alle spese di congestione di Londra allo sviluppo orientato al transito di Jakarta, le prove sono chiare: le riduzioni di emissione profonde sono possibili quando le politiche sono modellate a fondo e migliorate in modo iterativo. Le sfide dei gap di dati, l'imprevedibilità comportamentale e la disgregazione tecnologica rimangono reali, ma non sono insormontabili.

I modelli di simulazione possono illuminare i trade-off, rivelare le conseguenze indesiderate e creare un consenso, sono una guida essenziale per la navigazione dell'urgente cammino verso la resilienza del clima urbano.