Oleh Megan McGrory
Pada tahun 2020, 56% daripada populasi global tinggal di bandar dan bandar, dan mereka menyumbang dua pertiga daripada penggunaan tenaga global dan lebih 70% daripada CO.2 pelepasan. Bahagian penduduk global yang tinggal di kawasan bandar dijangka meningkat kepada hampir 70% pada tahun 2050 (World Energy Outlook 2021). Pembandaran pesat ini berlaku pada masa yang sama perubahan iklim menjadi isu yang semakin mendesak. Perbandaran dan perubahan iklim kedua-duanya memberi kesan secara langsung antara satu sama lain dan mengukuhkan kesan perubahan iklim yang sudah besar terhadap kehidupan kita. Pembandaran mengubah landskap secara mendadak, dengan peningkatan volum bangunan dan permukaan berturap/tertutup, dan oleh itu keseimbangan tenaga permukaan sesuatu wilayah. Pengenalan lebih banyak bangunan, jalan raya, kenderaan dan kepadatan penduduk yang besar semuanya mempunyai kesan dramatik terhadap iklim bandar, oleh itu untuk memahami sepenuhnya bagaimana kesan ini berkait dengan perubahan iklim, adalah penting untuk memodelkan iklim bandar dengan betul.
Memodelkan iklim bandar mempunyai beberapa cabaran dan pertimbangan yang unik. Fluks haba antropogenik (QF) ialah satu aspek keseimbangan tenaga permukaan yang unik untuk kawasan bandar. Memodelkan aspek iklim bandar ini memerlukan data input tentang haba yang dibebaskan daripada aktiviti yang dikaitkan dengan tiga aspek QF: bangunan (QF,B), pengangkutan (QF,T) dan metabolisme manusia/haiwan (QF,M). Semua ini dipengaruhi oleh tingkah laku manusia yang merupakan satu cabaran untuk diramalkan, kerana ia berubah berdasarkan banyak pembolehubah, dan tingkah laku tipikal boleh berubah berdasarkan kejadian yang tidak dijangka, seperti mogok pengangkutan atau keadaan cuaca yang melampau, yang kedua-duanya menjadi kebimbangan yang semakin relevan di UK.
DAVE (Dynamic Atindakan tropogenikVities dan maklum balas kepada Emisi) ialah model berasaskan ejen (ABM) yang sedang dibangunkan sebagai sebahagian daripada ERC urbisphere dan NERC APEx projek untuk model QF dan kesan pelepasan lain (cth kualiti udara), di pelbagai bandar di seluruh dunia (London, Berlin, Paris, Nairobi, Beijing dan banyak lagi). Di sini, kami menganggap unit spatial bandar (500 mx 500 m, Rajah 1) sebagai ejen di dalam ini berasaskan ejen model. Setiap unit spatial memegang hartanah yang berkaitan dengan bangunan dan kehadiran warga (pada masa yang berbeza) dalam grid. QF boleh dikira untuk setiap unit spatial dengan menggabungkan pelepasan tenaga daripada QF,BQF,Tdan QF,M dalam grid. Apabila tingkah laku manusia mengubah suai fluks ini, pengiraan perlu menangkap kebolehubahan spatial dan temporal aktiviti orang yang berubah sebagai tindak balas kepada ‘normal’ mereka dan peristiwa lain.
Untuk menjalankan DAVE untuk London (sebagai kes ujian pertama, dengan bandar lain untuk mengikuti), perlombongan data yang meluas telah dijalankan untuk memodelkan aktiviti manusia biasa dan kelakuan berubah-ubah mereka setepat mungkin. Variasi dalam morfologi bangunan (atau bentuk) dan fungsi, sistem pengangkutan yang berbeza, meteorologi, dan data mengenai aktiviti manusia biasa, semuanya diperlukan untuk membolehkan tingkah laku manusia memacu pengiraan QFmenggabungkan tindak balas dinamik terhadap keadaan persekitaran.
DAVE ialah ABM generasi kedua, seperti pendahulunya, ia menggunakan tinjauan penggunaan masa untuk menjana kebarangkalian statistik yang mengawal tingkah laku warga yang dimodelkan (Capel-Timms et al. 2020). Diarist tinjauan penggunaan masa mendokumentasikan aktiviti harian mereka setiap 10 minit. Model tenaga perjalanan dan bangunan digabungkan untuk mengira QF,B dan QF,T. Model tenaga bangunan, STEBBS (Simplified Thermal Energy Balance for Building Scheme) (Capel-Timms et al. 2020), mengambil kira ciri terma dan morfologi stok bangunan dalam setiap 500 mx 500 m kawasan unit spatial di London. Permintaan tenaga yang dikaitkan dengan aktiviti berbeza yang dijalankan oleh orang ramai (dimaklumkan oleh tinjauan penggunaan masa) memberi kesan kepada penggunaan tenaga dan daripada fluks haba antropogenik ini daripada membina fluks penggunaan tenaga (Liu et al. 2022).
Model pengangkutan menggunakan maklumat tentang akses kepada pengangkutan awam (cth. Rajah 1). Seperti yang dijangkakan, grid yang lebih dekat dengan stesen mempunyai peratusan yang lebih tinggi daripada orang yang menggunakan mod perjalanan itu. Data lain yang digunakan termasuk kepadatan jalan raya, kos perjalanan dan maklumat tentang pemilikan kenderaan dan pilihan perjalanan untuk menetapkan pilihan pengangkutan kepada rakyat yang dimodelkan semasa mereka melakukan perjalanan.
Rajah 1: Lokasi stesen/hentian (titik) tiub, kereta api dan bas di London (resolusi grid 500 mx 500 m) dengan peratusan relatif orang yang tinggal di grid tersebut yang menggunakan mod pengangkutan tersebut (warna, lebih cerah menunjukkan peratusan yang lebih tinggi). Sumber data asal: (ONS, 2014), (TfL, 2022)
Sebilangan besar analisis dan pra-pemprosesan data diperlukan untuk menjalankan model tetapi ini menyediakan sumber yang kaya untuk pelbagai projek pelajar MSc dan Sarjana Muda (masa lalu dan semasa) untuk menganalisis aspek berbeza data bangunan dan pengangkutan. Sebagai contoh, projek semasa sedang memodelkan pendedahan orang ramai kepada pencemaran, dimaklumkan oleh data seperti ditunjukkan dalam Rajah 2, dikaitkan dengan perpindahan ke dan antara mod pengangkutan yang berbeza antara rumah dan kerja/sekolah. Oleh itu kawasan yang harus digunakan/dielakkan untuk mengurangkan risiko masalah kesihatan dengan pendedahan kepada pencemaran udara.
Pembangunan dan penggunaan model DAVE pada masa hadapan akan membolehkan pertimbangan lebih banyak aspek unik persekitaran bandar dan kesannya terhadap iklim dan manusia.
Penghargaan: Terima kasih kepada Matthew Paskin dan Denise Hertwig kerana menyediakan Angka yang disertakan.
Rujukan:
Capel-Timms, I., ST Smith, T. Sun, dan S. Grimmond, 2020: Aktiviti Antropogenik Dinamik yang memberi kesan kepada pelepasan Haba (DASH v1.0): Pembangunan dan penilaian. Pembangunan Model Geosaintifik, 134891–4924
London Datastore, 2022: Greater London Authority, Inventori Pelepasan Atmosfera London 2019.
Agensi Tenaga Antarabangsa, 2021: Pertubuhan Kesihatan Sedunia 2021, (Diakses pada Januari 2023)
Liu, Y., Z. Luo, dan S. Grimmond, 2022: Mengkaji semula definisi fluks haba antropogenik daripada bangunan: peranan aktiviti manusia dan fluks haba simpanan bangunan. Kimia Atmosfera dan Fizik, 224721–4735
ONS, 2014: Office for National Statistics, WU03UK – Lokasi kediaman biasa dan tempat kerja mengikut kaedah perjalanan ke tempat kerja (Diakses pada Ogos, 2022).
TfL, 2022: Pengangkutan untuk jadual waktu London, (Diakses pada Julai 2022)
Keluaran HKPengeluaran HKData HK
