シンガポール国立大学の研究者らは、複数の都市の建物の炭素排出量をマッピングするAIベースのモデルを作成し、より公平で的を絞った気候政策の策定に役立つツールを提供している。
シンガポール国立大学（NUS）の研究者たちは、複数の主要都市の建物の炭素排出量を正確にマッピングするオープンソースの人工知能モデルを開発しました。この革新は、対象を絞り公平な脱炭素化戦略の策定を目指す政策立案者にとって、画期的な出来事となることが期待されます。
NUSデザイン工学部（CDE）から生まれたこのモデルは、都市計画担当者に炭素排出量の分布とその要因を詳細に可視化する情報を提供します。この前例のない明瞭性は、当局がより賢明で公平な排出削減戦略を策定するのに役立つことを目指しています。
「私たちのモデルは、都市全体の規模で個々の建物の運用上の二酸化炭素排出量を推定します」と、CDE建築学部の博士課程学生で筆頭著者のウィンストン・ヤップ氏はニュースリリースで述べた。
掲載 『ネイチャー・サステナビリティ』誌に掲載されたこの研究は、建築学部の助教授であるフィリップ・ビルジェツキ氏が先頭に立って行ったものである。
チームのモデルはオープンデータのみを利用しているため、データの入手可能性に関わらず、様々な都市に高い適応性があります。シンガポール、メルボルン、ニューヨーク市（マンハッタン）、シアトル、ワシントンD.C.など、幅広い都市環境をカバーし、50万棟以上の建物をマッピングします。
驚くべきことに、このモデルはさまざまな地域における排出量の変動を最大 78% 説明しました。
「独自のデータに依存するこれまでのアプローチとは異なり、私たちのオープンなアプローチは、データの入手可能性が異なる都市を含む都市間で転送できるように設計されている」とヤップ氏は付け加え、このモデルの汎用性を強調した。
この研究は、都市の排出量の空間的差異に関する重要な洞察を明らかにし、都市形態、計画の歴史、所得水準などの影響要因を特定しました。
たとえば、高層ビルは一般的に単位面積あたりのエネルギー効率が高いですが、人口密集地ではヒートアイランド現象の影響で冷房需要が高くなる可能性があります。
驚くべきことに、低層の戸建て住宅が主流の郊外地域は、総排出量の寄与度で都市中心部に匹敵することが多い。
「建物からの排出量は、規模や密度だけの問題ではありません。都市計画の伝統から気候や経済状況まで、各都市の固有の状況によって深く形作られます」とビルジェツキ氏は付け加えた。「オープンデータのみを使用することで、世界中の都市が自らの二酸化炭素排出量をより深く理解し、より効果的な対策を計画するための柔軟な枠組みを構築しました。」
この調査では、重大な社会経済的格差も浮き彫りになった。
裕福な地域では、一人当たりの排出量が高いことが頻繁に見られました。特にマンハッタンでは、いくつかの大規模ビルが建物全体の排出量の半分以上を占めていました。
この調査結果は、均一な炭素価格設定や包括的な規制は、古くて効率の悪いインフラに苦しむ低所得のコミュニティに不当な影響を与える可能性があることを示唆している。
「一律の炭素価格設定や包括的な規制は、既に老朽化や効率性の低いインフラに苦しんでいる低所得地域に不当な負担を課すリスクがある」とビルジェツキ氏は付け加えた。「私たちの研究結果は、排出強度と社会経済的脆弱性の両方を考慮した、地域に根ざした戦略の必要性を浮き彫りにしている。」
このモデルは、衛星画像、ストリートビュー写真、人口地図、道路網、地域の気候データなどの多様なデータソースを活用し、高度なグラフニューラルネットワークを使用して都市要素間の空間関係を捉えます。
研究者たちは、そのアプローチを完全にオープンソースにすることで、建築環境からの排出量を削減し、都市が気候目標を達成できるように支援する世界的な取り組みを強化することを目指しています。
「この研究は、オープンサイエンスとAIが都市の持続可能性を加速させる可能性を示しています」とビルジェツキ氏は付け加えた。「排出源を理解するだけでなく、気候変動対策が効果的かつ公平であることを保証することも重要です。」
出典： シンガポール大学