Novel Use of Local Climate Zones: Urban Form-based Method for Carbon Sink Assessment using Convolutional Neural Network
Cette étude propose une nouvelle méthode basée sur la forme urbaine pour estimer les puits de carbone des villes en intégrant des cartes de zones climatiques locales (LCZ) à un modèle de réseau de neurones convolutifs (CNN), démontrant que les environnements bâtis de faible intensité (LCZ 5, 6 et 9) offrent un potentiel de séquestration du carbone plus élevé tout en atteignant une précision d'estimation élevée malgré une sensibilité à la précision des cartes LCZ.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Les villes ne cessent de changer, devenant plus hautes et plus denses à mesure que la population s'y installe. Cette expansion repousse souvent les espaces verts qui purifient naturellement notre air, créant un besoin pressant de comprendre quelle quantité de carbone ces environnements urbains peuvent encore absorber. Pour relever ce défi, des scientifiques ont développé une méthode pour catégoriser la forme physique d'une ville en quartiers distincts, basés sur la façon dont les bâtiments et les terrains sont agencés. Ils appellent ces catégories « Zones Climatiques Locales », un système qui regroupe les zones par leur hauteur, leur densité et leurs matériaux de surface, allant des districts compacts de gratte-ciel aux zones ouvertes de faible hauteur et aux forêts denses. Parallèlement, le concept de « puits de carbone » fait référence à la capacité naturelle de la végétation, comme les arbres et l'herbe, à extraire le dioxyde de carbone de l'atmosphère et à le stocker. Alors que les villes s'efforcent d'atteindre les objectifs mondiaux de réduction des gaz à effet de serre, déterminer exactement quelle quantité de carbone leur verdure restante peut capturer est devenu une tâche vitale pour les urbanistes et les environnementalistes.
Une équipe de chercheurs s'est récemment donné pour mission de trouver un moyen plus rapide et plus simple de mesurer ce potentiel de capture du carbone au sein de paysages urbains complexes. Au lieu de s'appuyer sur des relevés détaillés et lents de chaque arbre, ils ont combiné les cartes de zonage urbain avec un type de programme informatique connu sous le nom de réseau de neurones convolutifs. Considérez ce programme comme un œil hautement entraîné capable de regarder une carte des zones urbaines et de reconnaître instantanément des motifs pour prédire la quantité de carbone qui est stockée. L'équipe a testé cette approche dans deux villes taïwanaises très différentes : Taipei, une métropole bouillonnante avec une haute densité de bâtiments hauts, et Chiayi, une ville plus petite présentant un mélange de structures de faible et moyenne hauteur. Ils ont d'abord créé des cartes détaillées montrant où se trouvaient les arbres et les espaces verts dans les deux villes, calculant la quantité exacte de carbone que chaque zone pouvait absorber. Ensuite, ils ont injecté ces cartes dans leur modèle informatique, lui apprenant à lier les motifs visuels des zones urbaines aux données de carbone.
Les résultats ont révélé un lien clair et quelque peu surprenant entre la forme d'une ville et sa capacité à stocker le carbone. L'étude a révélé que les puits de carbone les plus efficaces n'étaient pas toujours les forêts les plus denses, mais comprenaient aussi certains types de zones bâties. En particulier, les quartiers dotés de bâtiments de faible hauteur et de plus d'espaces ouverts, tels que ceux avec des structures de faible hauteur dispersées ou des zones peu construites, ont montré un fort potentiel de stockage de carbone. Cela suggère que lorsque les villes sont moins intensément développées, il y a simplement plus de place pour que la végétation pousse et prospère, permettant aux arbres et aux arbustes de capturer plus de carbone. Le modèle informatique s'est avéré remarquablement efficace pour apprendre ces relations à Taipei, où il a pu prédire les niveaux de carbone avec une grande précision, correspondant étroitement aux données réelles. Cependant, le modèle a éprouvé des difficultés lorsqu'il a été appliqué à Chiayi, principalement parce que les cartes utilisées pour décrire les zones de la ville contenaient des erreurs. À Chiayi, certaines zones naturelles ont été identifiées par erreur comme des zones bâties sur la carte, ce qui a confondu l'ordinateur et conduit à des prédictions inexactes.
Ce décalage a mis en lumière une leçon cruciale : le succès de cette nouvelle méthode dépend entièrement de la précision des cartes urbaines sous-jacentes. Si la carte indique qu'une forêt est un parking, l'ordinateur fera une mauvaise supposition sur le stockage du carbone. Malgré cette limite, l'étude démontre que l'utilisation de ces cartes de zonage combinées à des algorithmes informatiques intelligents offre un outil puissant et rentable pour estimer les puits de carbone à travers des villes entières. Les chercheurs ont conclu que, bien que la méthode fonctionne mieux lorsque les données urbaines sont précises, elle constitue une alternative beaucoup plus simple aux techniques de mesure traditionnelles, laborieuses et détaillées. En comprenant quelles formes urbaines favorisent la croissance verte, les urbanistes peuvent prendre de meilleures décisions pour préserver ou créer des espaces qui aident à lutter contre le changement climatique, garantissant ainsi que, même lorsque les villes grandissent, elles continuent de respirer pour la planète.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.