Table of Contents

Понимание выбросов углерода в городах

Города занимают лишь около 2% поверхности Земли, но при этом они генерируют более 70% глобальных выбросов углекислого газа. Эти выбросы происходят из плотного сочетания источников: транспортных сетей, выработки электроэнергии, промышленных процессов, отопления и охлаждения жилых помещений и управления отходами. Концентрация экономической активности и населения в городских районах делает их одновременно основной причиной изменения климата и наиболее перспективными аренами для смягчения последствий. Согласно Межправительственная группа экспертов по изменению климата (IPCC) , выбросы в городах, по прогнозам, значительно возрастут, если не произойдет вмешательства, особенно в быстрорастущих городах Азии и Африки.

Городские выбросы углерода широко варьируются в зависимости от географии, богатства и инфраструктуры. В развитых странах доминируют транспорт и здания; в развивающихся регионах более заметны промышленная деятельность и неэффективные энергетические системы. Подробные данные об использовании энергии, пройденных транспортных средствах, строительном фонде и экономическом производстве необходимы для понимания того, где возникают выбросы и как их можно уменьшить. Без надежных данных любое моделирование или политический прогноз опирается на шаткую почву. Такие города, как Нью-Йорк, Лондон и Токио, впервые разработали кадастры выбросов с высоким разрешением, но многие быстро урбанизирующиеся районы по-прежнему не имеют инфраструктуры мониторинга, необходимой для точного моделирования.

По оценкам Организации Объединенных Наций, две трети населения мира будут жить в городах к 2050 году. Без агрессивного смягчения последствий выбросы в городах могут удвоиться, заблокировав десятилетия высокоуглеродной инфраструктуры, которая дорого обходится в модернизации. Модели моделирования предлагают способ проверить политические идеи, прежде чем выделять миллиарды долларов - бесценный инструмент как для градостроителей, мэров, так и для национальных правительств.

Инструментарий политики для смягчения последствий в городах

У политиков есть широкий спектр рычагов для разработки климатических стратегий. Некоторые из них непосредственно нацелены на источник выбросов (например, налог на выбросы углерода на ископаемое топливо), в то время как другие формируют долгосрочную городскую форму (например, коды зонирования, которые стимулируют плотность). Наиболее эффективные подходы сочетают в себе несколько политик, которые усиливают друг друга. Ниже приведены основные категории политики смягчения последствий изменения климата в городах, каждая из которых имеет свои собственные проблемы и возможности моделирования.

Транспортная политика

Транспорт часто является крупнейшим и наиболее быстро растущим источником выбросов в городах. Политика в этом секторе включает:

  • Расширение общественного транзита — строительство линий метро, коридоров скоростного автобусного транспорта (BRT) и легкорельсового транспорта для переключения поездок с частных автомобилей.
  • Электрификация транспортных средств — предоставление субсидий для электромобилей (EV), установка зарядной инфраструктуры и переключение общественных автобусов на электрические парки.
  • Активное продвижение транспорта — строительство велосипедных дорожек, пешеходных зон и велосипедных систем совместного использования.
  • Цены на перегрузки — взимание платы с водителей за въезд в районы с высоким трафиком, как это делается в Лондоне, Стокгольме и Милане.
  • Стандарты экономии топлива — требование к новым транспортным средствам для достижения строгих целевых показателей эффективности.

Моделирование транспортной политики требует моделей поведения в поездках, оборота владения транспортными средствами и потребления топлива. Модели на основе агентов (ABM) имитируют индивидуальные решения о поездках, в то время как модели динамики системы захватывают более широкие петли обратной связи, такие как индуцированный спрос. Данные со смартфона GPS, транзитных смарт-карт и счетчиков трафика питают эти модели. Например, моделирование лондонской зоны сверхнизких выбросов (ULEZ) предсказывает, что это сократит выбросы NOx на 50% - и реальные измерения в значительной степени подтвердили эту проекцию.

Энергетическая политика

Производство энергии — как внутри города, так и из сети, которая его поставляет, — составляет огромную долю городских выбросов.

  • Стандарты портфеля возобновляемой энергии (FLT:0) — установление минимального процента электроэнергии от солнечной, ветровой или гидроэнергетики.
  • Декарбонизация сети — вывод угольных электростанций на пенсию, строительство возобновляемых источников энергии и интеграция аккумуляторов.
  • Программы энергоэффективности — модернизация уличных фонарей, модернизация электростанций и продвижение эффективных приборов через скидки.
  • Охлаждение и охлаждение помещений — использование отработанного тепла электростанций или промышленных процессов для обогрева зданий, сокращение использования отдельных котлов.
  • Нетто-ноль строительных норм — требует, чтобы новые здания производили столько же энергии, сколько они потребляют.

Модели энергосистем, такие как Национальная система моделирования энергетики (NEMS) или семьи MARKAL / TimeS, имитируют расширение мощностей, переключение топлива и снижение спроса. Эти модели требуют подробных кривых нагрузки, цен на топливо и технологических затрат. Министерство энергетики США использует такие модели для оценки национальной политики, и города могут адаптировать их к местным сетям. Однако моделирование в городских масштабах должно учитывать тот факт, что большинство городов импортируют электроэнергию из-за пределов своей юрисдикции - политика в городе не может сократить выбросы, если сеть остается ископаемым топливом.

Строительные нормы

Здания являются долгоживущими активами; выбор, сделанный сегодня, влияет на выбросы в течение десятилетий. Политика в этой области включает:

  • Более строгие энергетические коды — требуют лучшей изоляции, высокопроизводительных окон и эффективных систем HVAC.
  • Модернизация существующих зданий — субсидирование модернизации котлов, крыш и освещения.
  • Сертификация зеленого здания — использование LEED, BREEAM или местных эквивалентов в качестве эталонов.
  • Воплощенные углеродные стандарты — регулирование углеродного следа строительных материалов (бетон, сталь, древесина).
  • Поощрение разделения собственника и арендатора — политика, которая выравнивает выгоды, так что сторона, инвестирующая в эффективность, пожинает сбережения.

Инструменты моделирования на уровне зданий, такие как EnergyPlus, eQuest или OpenStudio модели тепловой динамики, заполняемости и нагрузки оборудования. При агрегировании по всему городу эти модели становятся «моделями городской энергии зданий» (UBEMs). UBEM такого города, как Бостон, может предсказать, как улучшение стандартов огибающей зданий на 20% снизит пиковый спрос на электроэнергию и выбросы CO2. Основная проблема заключается в получении данных о возрасте здания, типе строительства и текущей эффективности - во многих городах отсутствуют всеобъемлющие базы данных.

Городское планирование и землепользование

Планировка города формирует спрос на поездки, потребности в энергии и даже местный климат.

  • Компактная разработка — поощрение более высокой плотности вокруг транзитных узлов для снижения зависимости от автомобиля.
  • Зоонирование смешанного использования — разрешение жилых, коммерческих и рекреационных помещений в одном районе.
  • Зеленая инфраструктура — парки, зеленые крыши и проницаемые тротуары, которые поглощают CO2 и уменьшают эффект городского теплового острова.
  • Транзитно-ориентированное развитие (TOD) — фокусирование роста вдоль железнодорожных и BRT-коридоров.
  • Сохранение природных территорий — предотвращение разрастания в лесах и водно-болотных угодьях, в которых хранится углерод.

Моделирование политики землепользования часто опирается на интегрированные городские модели, которые сочетают в себе транспортные, землепользование и энергетические компоненты. Примеры включают UrbanSim, LEAM и платформу Community Viz. Эти модели могут показать, что компактный город сокращает пройденные мили транспортных средств на 20-40% по сравнению с растянутым сценарием, но они также учитывают эффекты джентрификации и перемещения, которые являются важными проблемами справедливости.

Промышленная и отходная политика

Многие города содержат производственные районы, которые являются интенсивными по выбросам.

  • Чистая технология требует наилучшей доступной технологии управления.
  • Программы круговой экономики — переработка, компостирование и сокращение свалочного метана.
  • Улавливание и использование углерода (CCU) — улавливание CO2 с цементных заводов или мусоросжигательных заводов и использование его в продуктах.
  • Системы капитализации и торговли — установление общегородского предела выбросов для промышленных объектов.

Промышленные выбросы относительно легче моделировать, поскольку точечные источники контролируются напрямую. Такие модели, как Платформа оценки сокращения выбросов парниковых газов (GGRAP), могут оценивать экономическую эффективность технологий борьбы с выбросами. Однако они полагаются на данные уровня объекта, которые могут быть запатентованными.

Как работают модели симуляции

Моделирование моделей выбросов углерода в городах можно классифицировать по их подходу, охвату и требованиям к данным. Понимание этих моделей имеет важное значение для интерпретации их результатов и для избежания чрезмерной уверенности в прогнозах.

Bottom-Up vs. Top-Down модели

Модели снизу вверх строят сценарии выбросов из подробных технологических и поведенческих компонентов. Они представляют собой отдельные электростанции, транспортные средства, здания и приборы, а затем суммируют их, чтобы получить общую сумму. Эти модели отлично подходят для оценки конкретных политик (например, «Что, если все новые автобусы будут электрическими к 2025 году?»), но требуют массивных наборов данных и могут пропустить макроэкономическую обратную связь.

Модели снизу вверх начинаются с агрегированных экономических показателей (ВВП, численность населения, энергоемкость) и используют эластичность или таблицы ввода-вывода для получения выбросов. Они являются более простыми в вычислительном отношении и позволяют уловить экономические эффекты ряби, но они могут затушевать, как работают конкретные технологии. Модели комплексной оценки (IAM), такие как Модель оценки глобальных изменений (GCAM) или модель экономического прогнозирования и анализа политики (EPPA) MIT, сочетают оба подхода. Для городских приложений модели сверху вниз часто необходимо масштабировать с национального или регионального уровня, внося неопределенность.

Источники данных и калибровка

Все модели зависят от данных. Общие городские источники данных включают:

  • Энергетические счета и записи коммунальных услуг — для строительства и промышленного использования энергии.
  • Количество пассажиров и GPS-следы — для транспортной деятельности.
  • Спутниковые снимки — для картографирования наземного покрова, ночных огней (показатель экономической активности) и температуры.
  • Разрешение на строительство баз данных — для нового строительства и модернизации.
  • Демографические и экономические исследования — для доходов, занятости и поведения в поездках.

Модели калибруются путем корректировки параметров до тех пор, пока моделируемые результаты не будут соответствовать историческим тенденциям выбросов. Хорошо калиброванная модель может затем использоваться для прогнозирования того, что происходит в альтернативных сценариях политики. Научная литература подчеркивает, что проверка — сравнение результатов модели с независимыми реальными данными — имеет решающее значение, но часто отсутствует в городских исследованиях.

Сценарий Дизайн

Моделирование обычно сравнивает базовый уровень «бизнес-как-обычно» (BAU) с одним или несколькими сценариями политики. Эти сценарии определяют сроки, жесткость и комбинацию политик. Например, сценарий может указывать, что ценообразование заторов поэтапно в 2027 году с ежедневной платой в 15 долларов США и что частота общественного транспорта удвоена в том же году. Модель затем рассчитывает результирующие изменения в спросе на поездки, потреблении топлива и последующих выбросах.

Анализ сценариев требует предположений об экзогенных факторах, таких как экономический рост, технологический прогресс и цены на топливо. Многие города используют «общие социально-экономические пути» (ОСП), разработанные МГЭИК в качестве отправной точки, с учетом местных условий. Надежность политических выводов в значительной степени зависит от того, насколько хорошо эти предположения отражают правдоподобное будущее.

Инсайты из Case Studies

В то время как в оригинальной статье использовался гипотетический город, реальные примеры предлагают более богатые уроки. Несколько городов публично заявили о своей приверженности углеродной нейтральности к 2050 году или ранее и использовали имитационные модели для формирования своих дорожных карт.

Копенгаген: лидер в городском симулировании

Копенгаген стремится стать первой в мире углеродно-нейтральной столицей к 2025 году. Город разработал подробную имитационную модель под названием «Симулятор энергетического и климатического плана Копенгагена». Она охватывает централизованное отопление, электричество, транспорт и отходы. Модель показала, что сочетание расширения централизованного отопления, морского ветра и агрессивных модернизаций зданий может сократить выбросы на 80% по сравнению с уровнями 2010 года. Оставшиеся 20% будут получены от улавливания или компенсации углерода. В модели также подчеркивается, что слишком быстрая электрификация парка транспортных средств может перегрузить сеть, если не будет развернута интеллектуальная зарядка. В результате город инвестировал как в зарядную инфраструктуру, так и в модернизацию сети одновременно.

Лондон: сила ценообразования

Опыт Лондона с зарядкой от заторов (введен в 2003 году) и зоной сверхнизких выбросов (ULEZ, расширен в 2021 году) обеспечивает ценную испытательную площадку для имитационных моделей. Модели предварительной реализации предсказывали снижение трафика на 15-20% и снижение выбросов CO2 в зоне зарядки на 10%. Фактические результаты после десятилетия показали сокращение трафика примерно на 30% в зоне и значительное улучшение качества воздуха. Модели недооценили поведенческий сдвиг в общественном транспорте. Этот случай иллюстрирует, что моделирование может быть направленно правильным, но может упустить величину ответа, особенно когда поведенческие изменения быстры - важный предостережение для политиков, которые полагаются на точечные оценки.

Быстро растущий город: Джакарта

Джакарта, Индонезия, сталкивается с серьезными перегрузками и загрязнением воздуха, при этом транспорт способствует примерно 40% выбросов CO2 в городах. Исследователи из Института глобальных экологических стратегий (IGES) использовали имитационную модель снизу вверх для оценки пакета политики: расширение сети массового быстрого транзита (MRT), введение зоны с низким уровнем выбросов и переход топлива из бензина в сжатый природный газ. Модель прогнозировала, что комбинированная политика может сократить транспортные выбросы на 35% к 2030 году по сравнению с BAU. Однако она также предупредила, что без дополнительной политики землепользования (чтобы предотвратить новые станции MRT от окружения парковками вместо пешеходных районов) выгоды будут сокращены вдвое. Городское правительство теперь использует модель для руководства своим пространственным планированием.

Ограничения и неопределенности

Ни одна симуляция не идеальна. Признание границ предсказаний моделей имеет важное значение для ответственного использования.

Пробелы в данных и качество

Во многих городах, особенно на Глобальном Юге, отсутствуют согласованные, своевременные данные об использовании энергии, транспортных потоках и характеристиках зданий. Спутниковые данные могут заполнить некоторые пробелы, но не могут уловить модели энергоемкости или заполняемости. Модели моделирования, построенные на скудных данных, создают широкие полосы неопределенности. Например, модель города в Индии может предполагать среднее потребление электроэнергии домохозяйствами на основе национального опроса, но фактическое потребление в неформальных поселениях может быть на 50% ниже. Это несоответствие приводит к переоценке потенциала смягчения последствий.

Поведенческие и социальные факторы

Модели часто предполагают, что экономические стимулы стимулируют выбор, но люди не всегда ведут себя рационально. Статус, привычка и социальные нормы влияют на владение автомобилем и модели поездок таким образом, что их трудно представить. Исследование 2023 года в FLT:0 Природное изменение климата показало, что городские модели моделирования обычно предсказывают более низкую, чем наблюдаемая эластичность ценовым сигналам, потому что они не в состоянии уловить эффекты сверстников и культурную инерцию. Включение поведенческих идей из психологии и социологии является активным рубежом исследований.

Технологический сбой

Темпы технологических изменений по своей сути неопределенны. В 2010 году никто не предсказал, что затраты на аккумуляторы упадут на 90% за десятилетие, что сделает электромобили конкурентоспособными с автомобилями сгорания. Модели, предполагающие линейное улучшение, склонны недооценивать потенциал для прорывов и переоценивать затраты на смягчение последствий. И наоборот, некоторые технологии (например, улавливание углерода) неоднократно отставали. Баланс оптимизма и реализма в разработке сценариев - это постоянная борьба.

Взаимодействие политики и эффекты отскока

Например, повышение эффективности использования топлива может снизить стоимость вождения, что приведет к увеличению пройденных миль — эффект отскока. Модели моделирования, игнорирующие взаимодействия, могут завышать сокращение выбросов. Интегрированные модели, которые включают межсекторальные обратные связи, более надежны, но их сложнее построить. Многие городские модели по-прежнему рассматривают транспорт, энергетику и строительные сектора отдельно, не имея важных синергий.

Будущие направления для городского моделирования

По мере того, как города сталкиваются с климатическим кризисом, инструменты моделирования быстро развиваются.

Искусственный интеллект и машинное обучение

ИИ может ускорить моделирование, изучая сложные шаблоны из исторических данных. Например, нейронные сети могут прогнозировать потребление энергии на уровне блока без запуска полных физических моделей. Цифровые близнецы — виртуальные копии городов в реальном времени — используют сенсорные потоки для постоянного обновления симуляций, позволяя политикам видеть последствия изменения политики (например, снижение ограничения скорости) в течение нескольких часов. Такие города, как Сингапур и Хельсинки, построили цифровых близнецов, которые интегрируют транспорт, здания и энергетические сети.

Интеграция данных в реальном времени

Интернет вещей (IoT) позволяет почти в режиме реального времени контролировать выбросы. Умные счетчики, камеры дорожного движения и датчики качества воздуха могут снабжать имитационные модели данными в режиме реального времени. Это позволяет проводить адаптивную политику: если вмешательство не работает, как прогнозировалось, модель может предлагать корректировки. Задача заключается в управлении огромным объемом данных и обеспечении конфиденциальности.

Гражданин-кентрическое моделирование

Новые платформы позволяют гражданам вносить данные и предпочтения непосредственно в моделирование. Моделирование с участием жителей привлекает жителей к разработке сценариев, увеличивая политическую поддержку и захватывая местные знания, которые модели в противном случае пропускают. Например, город может использовать игровой интерфейс, где жители могут предлагать и голосовать за политику смягчения последствий, и моделирование мгновенно показывает прогнозируемое сокращение выбросов. Этот подход был протестирован в Ванкувере и Фрайбурге.

Гармонизация и открытые стандарты

Основным барьером является то, что большинство моделей городского уровня построены изолированно, используя несовместимые форматы данных и предположения. Глобальный пакт мэров по климату и энергетике и Институт мировых ресурсов настаивают на общих структурах отчетности. Если города принимают модели с открытым исходным кодом, такие как Фонд пробелов в городском климатическом финансировании , они могут сравнивать результаты и делиться передовым опытом. Будущее, вероятно, включает в себя глобальную сеть городских симуляторов, которые учатся друг у друга.

Заключение

Моделирование влияния политики по смягчению последствий изменения климата на выбросы углерода в городах не является хрустальным шаром, но это незаменимый инструмент для принятия решений на основе фактических данных. Как показала эта статья, сложность городских систем требует тщательного сочетания подробных моделей «снизу-вверх», макроэкономических рамок и здорового уважения к неопределенности. Города, которые инвестируют в надежные возможности моделирования, поддерживаемые высококачественными данными, разнообразными знаниями и прозрачными предположениями, будут лучше оснащены для разработки политики, которая является одновременно амбициозной и достижимой.

От централизованного отопления Копенгагена до платы за перегруженность Лондона и развития Джакарты, ориентированного на транзит, данные очевидны: глубокое сокращение выбросов возможно, когда политика тщательно моделируется и итеративно улучшается. Проблемы пробелов в данных, поведенческой непредсказуемости и технологических нарушений остаются реальными, но они не являются непреодолимыми. Благодаря использованию инструментов следующего поколения, таких как цифровые двойники на основе ИИ и моделирование с участием, а также путем обмена знаниями между городами, глобальное городское сообщество может ускорить переход к низкоуглеродному будущему.

Путь к устойчивым городам лежит не только в технической, но и в политической и социальной сферах. Модели моделирования могут освещать компромиссы, выявлять непреднамеренные последствия и достигать консенсуса. Они являются важным руководством для срочного перехода к устойчивости городского климата.