Penyelidik di Universiti Nasional Singapura telah mencipta model berasaskan AI yang memetakan pembinaan pelepasan karbon di berbilang bandar, menyediakan alat untuk membantu membangunkan dasar iklim yang lebih saksama dan disasarkan.
Para penyelidik di Universiti Nasional Singapura (NUS) telah membangunkan model kecerdasan buatan sumber terbuka yang memetakan pelepasan karbon bangunan secara tepat di beberapa bandar utama. Inovasi ini menjanjikan perubahan besar bagi pembuat dasar yang bertujuan untuk merangka strategi penyahkarbonan yang disasarkan dan saksama.
Model itu, yang dilahirkan dari Kolej Reka Bentuk dan Kejuruteraan (CDE) di NUS, menyediakan perancang bandar dengan visualisasi terperinci pengedaran pelepasan karbon dan faktor pendorong di belakangnya. Kejelasan yang tidak pernah berlaku sebelum ini bertujuan membantu pihak berkuasa merangka strategi pengurangan pelepasan yang lebih bijak dan adil.
"Model kami menganggarkan pelepasan karbon operasi bangunan individu pada skala keseluruhan bandar," kata penulis utama Winston Yap, seorang pelajar kedoktoran di Jabatan Seni Bina CDE, dalam satu kenyataan berita.
Diterbitkan dalam jurnal Nature Sustainability, penyelidikan itu diterajui oleh Filip Biljecki, penolong profesor di Jabatan Seni Bina.
Model pasukan hanya menggunakan data terbuka, menjadikannya sangat mudah disesuaikan untuk pelbagai bandar tanpa mengira ketersediaan data mereka. Ia meliputi pelbagai persekitaran bandar, termasuk Singapura, Melbourne, New York City (Manhattan), Seattle dan Washington, DC, memetakan lebih setengah juta bangunan dalam proses.
Hebatnya, model itu menyumbang sehingga 78% daripada variasi dalam pelepasan merentas pelbagai tempat ini.
“Tidak seperti pendekatan sebelumnya yang bergantung pada data proprietari, pendekatan terbuka kami direka bentuk untuk dipindah milik merentas bandar, termasuk yang mempunyai syarat ketersediaan data yang berbeza,” tambah Yap, sambil menekankan kepelbagaian model itu.
Kajian itu mendedahkan pandangan kritikal tentang perbezaan spatial dalam pelepasan bandar dan mengenal pasti faktor-faktor yang berpengaruh seperti bentuk bandar, sejarah perancangan dan tahap pendapatan.
Sebagai contoh, walaupun bangunan tinggi biasanya lebih cekap tenaga bagi setiap unit kawasan, kawasan bandar yang padat mungkin menghadapi permintaan penyejukan yang lebih tinggi disebabkan oleh kesan pulau haba bandar.
Anehnya, kawasan pinggir bandar, yang didominasi oleh rumah berkembar bertingkat rendah, sering menyaingi pusat bandar dalam jumlah sumbangan pelepasan.
"Emisi bangunan bukan hanya mengenai saiz atau kepadatan; ia sangat dibentuk oleh konteks unik setiap bandar, daripada warisan perancangannya kepada iklim dan keadaan ekonomi," tambah Biljecki. "Dengan hanya menggunakan data terbuka, kami telah membina rangka kerja yang fleksibel yang boleh digunakan oleh bandar di seluruh dunia untuk lebih memahami jejak karbon mereka dan merancang tindak balas yang lebih berkesan."
Penyelidikan itu juga menyerlahkan jurang sosioekonomi yang ketara.
Kawasan kejiranan yang lebih kaya sering didapati mempunyai pelepasan per kapita yang lebih tinggi. Terutama, di Manhattan, beberapa bangunan besar menyumbang lebih daripada separuh daripada jumlah pelepasan bangunan.
Penemuan ini menunjukkan bahawa penetapan harga karbon yang seragam atau peraturan menyeluruh boleh memberi kesan secara tidak adil kepada komuniti berpendapatan rendah yang bergelut dengan infrastruktur yang lebih tua dan kurang cekap.
"Penetapan harga karbon seragam atau peraturan menyeluruh berisiko meletakkan beban yang tidak adil kepada komuniti berpendapatan rendah yang mungkin sudah bergelut dengan infrastruktur yang lebih tua dan kurang cekap," tambah Biljecki. "Penemuan kami menyerlahkan keperluan untuk strategi berasaskan tempat yang mengambil kira kedua-dua intensiti pelepasan dan kelemahan sosioekonomi."
Model ini memanfaatkan sumber data yang pelbagai, termasuk imejan satelit, foto paparan jalan, peta populasi, rangkaian jalan raya dan data iklim tempatan, dan menggunakan rangkaian saraf graf lanjutan untuk menangkap hubungan spatial antara elemen bandar.
Dengan menjadikan pendekatan mereka sepenuhnya sumber terbuka, para penyelidik berhasrat untuk meningkatkan usaha global untuk mengurangkan pelepasan daripada persekitaran binaan dan membantu bandar dalam memenuhi sasaran iklim mereka.
"Kerja ini menunjukkan potensi sains terbuka dan AI untuk mempercepatkan kemampanan bandar," tambah Biljecki. "Ia bukan hanya tentang memahami dari mana pelepasan berasal, tetapi juga memastikan bahawa tindakan iklim adalah berkesan dan adil."
sumber: National University of Singapore