도시 탄력 계획을위한 다 가늠자 환경 모델 개발

Multi-Scale 환경 모델 이해

이 모델은 수많은 산업 분야의 전문가들이 참여하는 데 필요한 모든 것을 제공합니다. 이 모델은 수많은 산업 분야의 전문가들이 참여하는 데 필요한 모든 것을 제공합니다. 이 모델은 수많은 산업 분야의 전문가들과 함께 다양한 산업 분야의 전문가들과 함께 다양한 산업 분야의 전문가들과 함께 다양한 산업 분야의 전문가들을 대상으로합니다. 이 모델은 수많은 산업 분야의 전문가들과 함께 다양한 산업 분야의 전문가들과 함께 다양한 산업 분야의 전문가들과 함께 다양한 산업 분야의 전문가들과 함께 다양한 산업 분야의 전문가들과 함께 성장하고 있습니다.

이 웹 사이트는 귀하가 웹 사이트를 탐색하는 동안 귀하의 경험을 향상시키기 위해 쿠키를 사용합니다. 이 쿠키들 중에서 필요에 따라 분류 된 쿠키는 웹 사이트의 기본적인 기능을 수행하는 데 필수적이므로 브라우저에 저장됩니다. 또한이 웹 사이트의 사용 방식을 분석하고 이해하는 데 도움이되는 제 3 자 쿠키를 사용합니다. 이 쿠키는 귀하의 동의하에 만 브라우저에 저장됩니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다.

Multi-Scale 환경 모델의 핵심 구성 요소

데이터 통합 및 융합

이종 데이터 세트를 확장하는 것은 이종 데이터 세트에 달려 있습니다. 위성 관측 (예 : Landsat, Sentinel)은 토지 커버 및 표면 온도를 제공합니다. 지상 기반 센서는 대기 질, 토양 습기 및 흐름 독서를 기여합니다. 인구 조사국 및 개방 데이터 포털에서 인구 통계 및 사회 통계 데이터는 취약점 평가를 알려줍니다. 기계 학습 기술은 이러한 다양한 소스를 해소하기 위해 점점 더 많이 사용되고 관찰이 비소성 환경에서 여러 가지 유형의 공간에 대한 계산이 있습니다. 이러한 유형의 디지털 방식으로 측정 범위는 도시 환경에 따라 달라집니다.

공정 시뮬레이션 엔진

이 모델은 물리적, 화학, 생물학적 프로세스의 수학적인 설명을 통합합니다. Key 가장된 프로세스는 다음과 같습니다.

Hydrological Cycle: Precipitation, infiltration, runoff, Groundwater recharge, and flood routing at scales from city block to whole watersheds.
대기동: 풍력분야, 온도 프로파일, 과 오염물질 분산을 사용하여 계산 유체 동적 또는 기상 모델.
Vegetation and Ecosystem Dynamics: Plant growth, carbon sequestration, 그리고 도시 냉각 및 공기 품질에 영향을 미치는 evapotranspiration.
에너지 및 물질 흐름: 건물 에너지 수요, 폐기물 발생, 지역별 운송 배출.

각 과정은 empirical 관계 또는 물리적 법률에 근거를 둔 매개 변수화되고, 그들 사이 상호 작용은 numerically 해결됩니다. 공간과 temporal 해결책의 선택은 정확도와 computational 비용 사이에서 중요한 무역 떨어져입니다.

Scenario 분석 및 불확실성 Quantification

플래너는 "what-if" 시나리오를 탐구하기 위해 다 스케일 모델을 사용합니다. 일반적인 시나리오에는 다른 온실 가스 배출 통로 (예 : RCP 4.5 대 RCP 8.5), 토지 사용 변화 패턴 (컴팩트 대. sprawl) 및 인프라 투자 전략 (녹색 지붕, 침투성 포장)이 포함됩니다. ensemble 시뮬레이션, Monte Carlo 분석 및 감도 테스트와 같은 강력한 자격 방법 -이 예측 가능한 정보의 범위는 필수 모델에 대한 이해가 불가능합니다.

Urban Resilience Planning의 신청

홍수 및 바다 수준의 상승 위험 평가

도시 Heat Island 부흥

도시 인구에 대한 위험이 높아지는 극적인 열 포즈. 다층 모델은 알베토, 채식 덮개, 건물 기하학 및 인류 열 방출이 도시 열 섬 (UHI) 효과에 기여하는 방법을 시뮬레이션합니다. 미터의 규모에서 온도를 재구성함으로써, 플래너는 반사 지붕, 거리 나무, 멋진 포장과 같은 개입을 테스트 할 수 있습니다. EPA의 Heat Island Program[FLT:]:[FLT:]:[FLT:]:]:[FLT:]:]:]:[FLT:]:]:[FLT:]:]:]:[FLT:]:]:]:[FLT:]:]::]::::::::[FLT:]:[FLT:]:]:[FLT:]::[FLT:]:]:[FLT:[FLT:]:[FLT:]:]:]:[FLT:]:]:[FLT:]:[FLT:]:]:]:]:]:[FLT:]:]:

대기 질 및 공중 보건

이 웹 사이트는 귀하가 웹 사이트를 탐색하는 동안 귀하의 경험을 향상시키기 위해 쿠키를 사용합니다. 이 쿠키들 중에서 필요에 따라 분류 된 쿠키는 웹 사이트의 기본적인 기능을 수행하는 데 필수적이므로 브라우저에 저장됩니다. 또한이 웹 사이트의 사용 방식을 분석하고 이해하는 데 도움이되는 제 3 자 쿠키를 사용합니다. 이 쿠키는 귀하의 동의하에 만 브라우저에 저장됩니다. 이러한 쿠키를 거부 할 수도 있습니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다.

인프라 및 Lifeline 신뢰성

Resilient 도시는 신뢰할 수있는 에너지, 물 및 수송 네트워크가 필요합니다. 멀티 스케일 모델은 캐스케이드 실패를 시뮬레이션합니다. 홍수는 동력선, 물 펌프를 파괴하고, 배출 경로를 차단할 수 있습니다. 네트워크 의존성 모델과 함께 유입 위험 모델을 연결하면 플래너는 중요한 노드를 식별하고 중복 상태를 우선 순위화합니다. 예를 들어, U.S. Energy는 통합 에너지 계획 모델을 위한 통합 에너지 계획의 개발을 지원합니다.

개발 및 구현에 대한 도전

자료 Scarcity와 질

특히, 글로벌 사우스에서 많은 도시, 특히 고해상도 토픽, 기상, 또는 인구 통계 데이터 부족. 위성 원격 감지는 일부 격차를 채울 수 있지만 클라우드 커버, 재시동 시간 및 공간 해상도 제한이 남아 있습니다. 지상 기반 센서 네트워크는 유지 비용이 들지 않습니다. 일관성있는 멀티 스케일 데이터 세트를 생성하는 것은 종종 지역 관측을 사용하여 우주적 인 글로벌 데이터를 축소해야합니다. 추가 불확실성을 도입하는 프로세스.

Computational와 기술 장벽

두 가지 다 스케일 모델은 실질적인 고성능 컴퓨팅 리소스를 필요로합니다. 단일 시뮬레이션은 수백 개의 코어 클러스터에서 일할 수 있습니다. 실시간 또는 가까운 실시간 응용 프로그램 (예 : 비상 응답)은 더 빠른 알고리즘과 효율적인 병렬화가 필요합니다. 많은 도시 계획 부서는 대학이나 민간 상담원에서 전문 지원없이이 모델을 실행하거나 해석 할 수있는 기술 용량이 부족합니다.

협력 협력

효과적인 멀티 스케일 모델링은 climatology, hydrology, 생태, 공학, 컴퓨터 과학 및 사회 과학에서 전문 지식을 필요로합니다. 공유 개념의 프레임 워크를 설치하고 분야의 데이터 표준을 정렬하는 것은 어렵습니다. 기금 기관 및 연구 프로그램 (Future Earth 이니셔티브)는 공동 네트워크의 육성이지만 기관 실로는 장벽을 유지한다.

검증 및 교정

모델은 신뢰성을 보장하기 위해 관찰 된 데이터에 대해 검증해야합니다. 그러나 검증에 필요한 규모와 위치의 관측은 종종 사용할 수 없습니다. Calibration-adjusting 모델 매개 변수는 역사적 사건과 미래의 조건에서 과감하고 가난한 성능에 이어질 수 있습니다. Ensemble 기술과 엄격한 불확실한 분석 도움, 그러나 이러한 불확실한 의사 결정에 대한 의사 결정은 도전적이다.

미래 지향과 혁신

디지털 트윈스 도시

디지털 트윈의 개념은 도시 탄력에 대한 인지도를 얻는 물리적 시스템의 역동적이고 실시간 디지털 복제입니다. 멀티 스케일 환경 모델은 도시 디지털 트윈 엔진을 형성하고 센서 데이터와 지속적으로 업데이 트하고 가상 환경에서 도시 관리자를 테스트 할 수 있습니다. 싱가포르 (Virtual Singapore) 및 헬싱키 (Helsinki 3D +)와 같은 도시는 이러한 플랫폼을 개척하고 기후, 에너지, 이동성 모델을 통합합니다. [FLT] : 쌍둥이 [F] : 최고의 관행 : 쌍둥이 - F] : 쌍둥이 - F [F] : 최고의 관행 시스템 : [F] : 쌍둥이 - F] : [F] : T [F]

Surrogate Models를 위한 기계 학습

물리 기반 시뮬레이션의 ensembles에 대한 깊은 신경 네트워크는 밀리 초에 대한 복잡한 동적 인 모델 (Eulator라고도 함)을 빠르게 만들 수 있습니다. 이 surrogates는 전체 물리 모델과 불허 할 수 있는 수백만의 현실화와 확률적 인 위험 평가를 가능하게합니다. 그들은 또한 위기에 처한 순간 결정 지원을 촉진합니다. Climate]AI[FLT]]]]Climate]]][FLT:]]]]][FLT:]]]]][FLT:]]]][FLT:]]]]]][[FLT:]]]]]]]]]]]]]]]]]]]]]][[[[[[[[[[[[[[[[[[[[FLT:]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]

참여 및 공동 설계 모델링

사회와 행동 모델과의 통합

현재 다 가늠자 환경 모형은 수시로 정체되는 또는 단순화된 인간적인 행동을 가정합니다. 개인과 가구 결정 (보통, 이동, 녹색 기술의 채택)를 가장하는 대리인 근거한 모형은 unequal 적응 또는 maladaptive 자물쇠에서와 같은 비상사태 동적인 동적인 동적인 동적인 동적인 밝기를 깨달을 수 있습니다. 이 사회 환경 연결은 도시 탄력 있는 통로의 더 현실적인 투상을 생성하기 위하여 예상된 국경 지역입니다.