多角的な環境モデルの理解

アーバンレジリエンス計画では、さまざまな規模で動作する相互接続システムの複雑性を捉えることができるツールが必要です。 多スケールの環境モデルは、地域マイクロクライメートからグローバル循環パターンにデータとプロセスを統合する計算フレームワークです。個々の建物エネルギー使用から地域輸送ネットワークへのグローバルな循環パターン。 これらのモデルは、自然システム、構築されたインフラストラクチャ、および人間の行動が空間と時間を越えて相互作用する方法をシミュレートします。 気候学、水文学、エコロジー、都市計画などの分野間のギャップを埋めることにより、それらは全体的な意思決定のための決定を提供します。

「マルチスケール」という用語は、異なる解像度と範囲で起こる現象を表す能力を指します。例えば、単一モデルは、都市の中心のための数平方キロメートルの高解像度ドメインを含むかもしれない、首都圏全体をカバーする粗いドメインと結合され、大陸またはグローバル気候モデル内でネストされます。このネスティングは、ローカルプランナーが、海流や大陸風量などの大規模ドライバーの影響を見ることができるようにします。このような洪水や都市の危険性などの危険性を発する危険性を発します。

多角的な環境モデルのコアコンポーネント

データ統合と融合

正確なモデリングは、ヘテロ遺伝子のデータセットをマージすることに依存しています。衛星観測(例えば、ランサット、セニテル)は、土地のカバーと表面温度を提供します。地上センサーは、空気の質、土壌の湿気、および流流流読書に貢献します。 センサスの局所およびオープンデータポータルからの人口統計的および社会経済データが脆弱性評価を通知します。 マシン学習技術は、これらの多様なソースを調和させるためにますます使用されています。 観察がスパラーが一貫した結果であるというギャップを埋めます。 複数の環境が、都市規模で表現されています。

プロセスシミュレーションエンジン

これらのモデルは、物理的、化学的、および生物学的プロセスの数学的記述を組み込んでいます。 主なシミュレートされたプロセスは次のとおりです。

  • 流体サイクル:]] 降水、流水、地下水再充電、市ブロックから水流までのスケールでの洪水のルーティング。
  • 大気力学:[風力学、温度プロファイル、および計算流体力学または気象モデルを用いた汚染分散。
  • 植生と生態系の動的性:[] 植物成長、炭素の分離、および都市の冷却と空気の質に影響を与える蒸発。
  • エネルギーと材料の流れ:[ 地域を横断するエネルギー需要、廃棄物発生、輸送の排出の構築。

各工程は、時差関係や物理的法に基づいてパラメータ化され、それら間の相互作用は数値的に解決されます。空間的および気道的な解像度の選択は、精度と計算コスト間の重要な取引オフです。

シナリオ分析と不確実性定量

プランナーは、マルチスケールモデルを使用して、「何」のシナリオを探索します。 一般的なシナリオには、異なる温室効果ガス排出経路(例えば、RCP 4.5対RCP 8.5)、土地使用の変動パターン(compact対スプロール)、およびインフラ投資戦略(グリーンルーフ、透過可能な舗装)が含まれます。 不確実性定量化方法 - そのようなエンサンブルシミュレーション、モンテカルロ分析、および感度 - 信頼性の決定は、信頼性の決定を理解するのに役立ちます。

都市レジリエンス計画の適用

洪水および海底リスク評価

沿岸都市は、ニューヨーク、ジャカルタ、ロッテルダムなどの複数のスケールモデルを使用して、重熱帯雨、嵐の急上昇、および海レベルの上昇による化合物の洪水を評価することができます。 典型的なモデルは、地域水力学モデル(波と潮汐を1 kmの解像度でシミュレーション)とローカル流入モデル(洪水10 mデジタル標高モデルで実行)を組み合わせる可能性があります。 洪水の危険性を調べる[F]: または、中央の危険性モデルを[F]:[F]を、または[F]を、各地域に分類します。 [F] または、中央の危険性モデルを識別します。 [F]:[F]

アーバンヒートアイランドの緩和

極端な熱気孔は都市の人口に危険を増大させます。 多スケールモデルは、アルベト、植生カバー、造る幾何学、および人類性熱解放が都市の熱島(UHI)効果に貢献する方法をシミュレートします。 メートルの規模で温度を解決することによって、プランナーは、反射屋根、街路樹、または冷静な舗装などの介入をテストすることができます。 地区のヒートアイランドプログラムは、このようなエネルギーを促進し、このような戦略を促進し、このような戦略を促進し、このような戦略を促進します。

空気の質および公衆衛生

大気化学と輸送を伴った多規模の大気品質モデルが、大気中の化学の排出量源(トラフィック、業界、住宅暖房)をリンクし、ストリートキャニオン分解能に輸送します。PM2.5、オゾン、窒素二酸化物、およびその他の汚染物質の濃度を予測します。都市レジリエンスプランナーは、これらの出力を使用して、ポリシーの介入を評価するためにこれらの出力を使用します。低排出ゾーン、混雑価格、または緑のバッファストリップ - そして、社会経済グループ全体で異なる影響。 [LTF] [国際衛生] そのようなモデルを強調表示する[F] [F] [F]: [F]

インフラ・ライフラインの信頼性

レジリエントな都市では、信頼性の高いエネルギー、水、輸送ネットワークが必要です。 多スケールモデルでは、キャスケーディング障害をシミュレートします。 洪水は、電力線を切断し、水ポンプを破壊し、避難経路をブロックする可能性があります。 ネットワーク依存モデルとハザードモデルを結合することにより、プランナーは重要なノードを特定し、冗長性を優先します。 例えば、]U.S. Energyは、統合エネルギーの計画モデルの開発をサポートしています。

開発・実装における課題

データの希少性および質

特にグローバル・サウスでは、高解像トポグラフィ、気象、または人口統計データが欠如する多くの都市。衛星リモートセンシングは、ギャップを埋めることができますが、クラウドカバー、再訪時間、および空間解像度の制限は残ります。地上波センサーネットワークは、維持するために費用がかかりです。一貫したマルチスケールデータセットを生成することは、ローカル観測を使用して粗大なグローバルデータをダウンスケール化する必要があります。追加の不確実性を導入するプロセス。

計算的および技術的な障壁

連続したマルチスケールモデルでは、パフォーマンスの高いコンピューティングリソースが要求されます。単一のシミュレーションは、数百のコアのクラスターで数日かかることがあります。リアルタイムまたはリアルタイムのアプリケーション(例えば、緊急対応)は、より高速なアルゴリズムと効率的な並列化を必要とします。多くの都市計画部門は、これらのモデルを大学や民間のコンサルティングから専門的なサポートなしに実行または解釈する技術的能力を欠きます。

学際連携

効果的なマルチスケールモデリングは、気候学、水質学、エコロジー、工学、コンピュータサイエンス、社会科学の専門知識を必要とします。 共有概念フレームワークを確立し、学位全体でのデータ基準を整列することは困難です。 資金調達機関および研究プログラム(])]の「未来地球」のイニシアティブ)は、コラボレーションネットワークを育成していますが、機関のサイロは障壁を維持しています。

検証と校正

モデルは、観察されたデータに対して検証され、信頼性を確保しなければなりません。しかし、検証に必要なスケールと場所の観察はしばしば利用できません。キャリブレーション - 従来のイベントに合わせてモデルパラメータを調整する - 将来の条件下で、不適切でパフォーマンスが低下する可能性があります。技術と厳格な不確実性の分析の助けを組み立てますが、意思決定者にこれらの不確実性を伝えることは困難です。

未来の方向と革新

デジタルツインズオブシティ

物理的なシステムのダイナミックでリアルタイムのデジタル・ツインの概念は、都市のレジリエンスに牽引するものです。多規模の環境モデルは、都市のデジタル・ツインのエンジンを形成し、センサーデータと継続的に更新し、都市のマネージャーが仮想環境で介入をテストできるようにします。シンガポール(バーチャル・シンガポール)やヘルシンキ(ヘルシンキ3D+)などの都市は、これらのプラットフォームを開拓し、気候、エネルギー、モビリティモデルを統合しています。 [FLT[FLT]ツイン[F]および[F]の対称:[F]の対称:[F]のベスト・システム]を提供します。

Surrogate モデルの機械学習

物理ベースのシミュレーションのアンサンブルに関するディープニューラルネットワークをトレーニングすると、ミリ秒単位で複雑なダイナミクスを推定する高速なサーロゲート(エミュレータとも呼ばれる)モデルを作成できます。これらのサーロネートは、数百万の現実化で確率的リスク評価を可能にし、完全な物理モデルに不当になるでしょう。また、危機中にリアルタイムの意思決定支援も促進します。Climate AI[FLT]:[FLT]を変更して、このようなコミュニティを積極的に検討しています[FLT]:[FLT]:[FLT]を変更]:[FLT]:[FLT]:[FLT]:[F]:[F]]:[F]:[F]:[F]]]:[F]]:[F]:[F]:[F]:[F]]:[F]:[F]:[F]:[F]:[F]:[F]:[F]:[AI]:[:[:[:[:[:[:[:[:[:[:[F]]]]]]]]:[:[

参加型・共同設計モデリング

地域に抱える問題に取り組むモデルを、ステークホルダーから信頼されるため、モデル設計やシナリオ選択における意思決定者、コミュニティグループ、ドメインエキスパートが参加する参加型モデリングプロセスは、モデル設計と領域のエキスパートがいます。この共同設計アプローチは透明性と関連性を高めています。 []国際サステナブル開発研究所[]]は、アフリカやアジアの都市における部分的なモデル化が回復する結果を改善するケースの研究を文書化しました。

社会的・行動モデルとの統合

現行のマルチスケール環境モデルは、静的または単純化された人間の行動を想定しています。個人や家庭の決定をシミュレートするエージェントベースのモデル(避難、移住、グリーン技術の採用)を組み込むことで、非等しい適応やマラダプティブロックインなどの緊急の動的変化を明らかにすることができます。このソシオ環境カップリングは、都市の回復経路のより現実的な予測を生成することが期待されるフロンティアエリアです。

コンテンツ

多規模の環境モデルは、都市の回復力計画のための不可欠なツールです。 気候と環境の変化を加速する時代。 シームレスにデータを統合することにより、グローバルな規模からローカルスケールへのプロセス、都市計画者はリスクを予測し、適応戦略を評価し、投資を優先する機会を与えます。 データの課題、計算、および断続的なコラボレーションの持続的な進歩、デジタルツイン、機械学習、および参加型アプローチの急速な進歩は、これらの行動を継続的に向上させ、世界的な応用および拡張可能なモデルの拡張性を促進します。