理解多尺度环境模式

城市复原力规划需要能够捕捉不同规模的互联互通系统复杂性的工具。 多重规模环境模型是集从地方微观气候到全球环流模式、从单个建筑能源使用到区域交通网络的数据和过程为一体的计算框架。 这些模型模拟自然系统、建设基础设施和人类行为如何在空间和时间之间相互作用。 通过弥合气候学、水文、生态学和城市规划等学科之间的差距,它们为决策提供了整体基础。

“多尺度”一词是指能够代表在不同分辨率和范围下出现的现象。 例如,单一模型可能包括一个城市中心高分辨率面积几平方公里,加上一个覆盖整个都会区的较宽面积,在大陆或全球气候模型内筑巢。 这种筑巢方式使当地规划人员能够看到更大的驱动力——如洋流或大陆空气群——对山洪或城市热岛等局部风险的影响。

多种规模环境模型的核心组成部分

数据整合和融合

精确的模型化取决于将各种数据集合并在一起,卫星观测(如大地卫星、哨兵)提供土地覆盖和地表温度,地面传感器有助于空气质量、土壤湿度和流经读数,人口普查局和开放数据门户提供的人口和社会经济数据为脆弱性评估提供信息,越来越多地使用机器学习技术来协调这些不同来源,填补观测稀少的空白,结果是城市环境在多个尺度上持续数字化。

进程模拟引擎

这些模型包含物理、化学和生物过程的数学描述。

  • 水文循环: 降水,渗入,径流,地下水补给,以及洪水从城市区块到整个流域的分流规模.
  • 大气动力学: 利用计算流体动力学或中尺度天气模型的风场,温度剖面,以及污染物的散射.
  • 植被和生态系统动态: 植物生长、碳固存和蒸发,这些影响城市冷却和空气质量。
  • 能源和材料流动: 建设能源需求、废物产生和跨越街区的运输排放。

每个过程都是根据经验关系或物理定律进行参数化的,它们之间的相互作用通过数字解决. 空间和时间分辨率的选择是精度和计算成本之间的关键权衡.

假设分析和不确定性量化

规划人员使用多尺度模型探索“如果”情景,常见情景包括不同的温室气体排放途径(例如RCP 4.5对RCP 8.5)、土地使用变化模式(compact vs.sprawl)、基础设施投资战略(绿色屋顶、透水铺路),不确定性的量化方法,如聚合模拟、蒙特卡洛分析和敏感性测试,帮助规划人员理解可能的结果范围以及模型预测的可靠性,这种概率信息对于在不确定性下作出强有力的决策至关重要。

城市复原力规划中的应用

洪水和海平面上升风险评估

纽约、雅加达和鹿特丹等沿海城市使用多尺度模型评估大雨、风暴潮和海平面上升造成的复合洪灾。 一个典型模型可以将全球气候模型(提供未来的风暴气候学)与区域流体力学模型(模拟1公里分辨率的波浪和潮汐)和局部淹没模型(运行在10米数字高地模型上 ) 结合起来。 产出可以确定易发生洪的街区、处于风险中的关键基础设施以及屏障、绳索或自然解决方案的有效性。 例如,气候中心风险图将沿海洪灾模型与人口数据结合起来,以可视化全球的暴露。

城市热岛缓解方案

极端热量对城市人口构成越来越大的危险. 多尺度模型模拟反照率,植被覆盖,建筑几何和人为热释放如何促成城市热岛效应. 通过在米尺度上解决温度,规划者可以测试反光屋顶,街道树木或凉爽人行道等干预措施. EPA的热岛计划[提供了从这种模型中得益的指南和工具. 洛杉矶和墨尔本等城市利用这些模拟方法优先选择热易变区并设计有针对性的冷却战略.

空气质量和公共卫生

多种规模的空气质量模型将排放源(交通、工业、住宅供暖)与大气化学相连接,并传播到街道分辨率,预测PM2.5、臭氧、二氧化氮和其他污染物的浓度,城市复原力规划者利用这些产出评估政策干预——低排放区、拥堵定价或绿色缓冲带——及其在社会经济群体之间的差别影响。世界卫生组织[在估计空气污染造成的疾病负担时强调这种模型。

基础设施和生命线可靠性

具有弹性的城市需要可靠的能源、水和运输网络。 多尺度模型模拟了连锁故障:洪水可能切断电线、破坏水泵和阻断疏散路线。 通过将危险模型与网络依赖模型相结合,规划者确定关键节点并优先安排冗余。 例如,美国能源部[支持开发用于复原力规划的综合能源-水土模型。

发展与执行方面的挑战

数据稀缺和质量

许多城市,特别是全球南部的城市,缺乏高分辨率的地形、气象或人口数据。 卫星遥感可以填补一些空白,但云层覆盖、重访时间和空间分辨率限制依然存在。 地面传感器网络维护成本高昂。 生成一致的多尺度数据集往往需要使用局部观测来缩小粗糙的全球数据 — — 这一过程带来了更多的不确定性。

计算和技术障碍

运行组合式多尺度模型需要大量的高性能计算资源。 单个模拟可能需要数天的时间来覆盖数百个核心。 实时或近实时应用(如应急反应)需要更快的算法和高效的平行化。 许多城市规划部门缺乏技术能力来运行或解释这些模型,而无需大学或私人顾问的专门支持。

跨学科协作

有效的多尺度模型化需要气候学、水文、生态学、工程学、计算机科学和社会科学的专门知识。 建立共同的概念框架和统一各学科的数据标准是困难的。 供资机构和研究方案(如未来地球 计划)正在培育协作网络,但机构仓仍然是障碍。

审定和校准

模型必须对照观测到的数据加以验证,以确保可信度,但是,在验证所需的尺度和地点往往无法观测到。校准——调整模型参数以适应历史事件——可能导致在未来条件下过度调整和不良表现。 综合技术和严格的不确定性分析有助于将不确定性告知决策者,但挑战性仍然很大。

未来方向和创新

城市数字双胞胎

数字双体的概念——一个动态的、实时的物理系统复制体——正在城市恢复能力中获得动力,多尺度环境模型构成了城市数字双体的引擎,不断更新传感器数据,使城市管理人员能够在虚拟环境中测试干预措施,新加坡(虚拟新加坡)和赫尔辛基(赫尔辛基(3D+)等城市正在率先建立这些平台,将气候、能源和流动模型结合起来。

代理模型的机器学习

培养深神经网络的物理模拟集合可以创造快速的代位模型(也叫模拟模型),近似于几毫秒的复杂动态。这些代位模型可以使概率风险评估与数百万个实现相匹配,而完全物理模型是行不通的。它们也有利于危机期间的实时决策支持。气候变化AI等研究小组社区正在积极探索这些方法。

参与性和共同设计模式

为确保模型解决当地关注的问题并获得利益攸关方的信任,参与性模型制定过程涉及决策者、社区团体和领域专家参与模型设计和设想选择,这种共同设计方法增加了透明度和相关性。

与社会和行为模式相结合

当前的多尺度环境模型往往假定人类行为是静态的或简化的。 纳入基于物剂的模型模拟个人和家庭决策(疏散、迁移、采用绿色技术)可以揭示出诸如不平等适应或不适应性锁定等新兴动态。 这种社会环境结合是一个前沿领域,预计将对城市复原力路径产生更现实的预测。

结论

多重环境模型是加速气候和环境变化时代城市复原力规划不可或缺的工具。 通过将数据与进程从全球到地方的无缝整合,它们赋予城市规划者预测风险、评估适应战略以及优先投资的能力。 尽管数据、计算和跨学科协作方面的挑战依然存在,但数码双胞胎、机器学习和参与性方法的快速进步正在使这些模型更容易获得和操作。 最终,多规模模型的持续开发和应用将成为全球可持续和有复原力的城市发展的基石。