Novel Use of Local Climate Zones: Urban Form-based Method for Carbon Sink Assessment using Convolutional Neural Network
Questo studio propone un nuovo metodo basato sulla forma urbana per stimare i pozzi di assorbimento del carbonio urbano integrando le mappe delle Local Climate Zones (LCZ) con un modello di Rete Neurale Convoluzionale (CNN), dimostrando che gli ambienti edificati a bassa intensità (LCZ 5, 6 e 9) offrono un maggiore potenziale di sequestro del carbonio pur raggiungendo un'elevata accuratezza di stima nonostante la sensibilità alla precisione delle mappe LCZ.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Le città sono in costante mutamento, crescendo in altezza e densità man mano che sempre più persone vi si trasferiscono. Questa espansione spesso spinge via gli spazi verdi che purificano naturalmente l'aria, creando la necessità premente di capire quanto carbonio questi ambienti urbani possano ancora assorbire. Per affrontare questo problema, gli scienziati hanno sviluppato un modo per categorizzare la forma fisica di una città in quartieri distinti, basandosi su come sono disposti edifici e terreno. Essi chiamano queste categorie "Zone Climatiche Locali", un sistema che raggruppa le aree in base alla loro altezza, densità e materiali superficiali, spaziando dai distretti compatti ad alta densità alle aree aperte a bassa densità e alle fitte foreste. Parallelamente, il concetto di "sink di carbonio" (o pozzo di assorbimento) si riferisce alla capacità naturale della vegetazione, come alberi ed erba, di estrarre anidride carbonica dall'atmosfera e immagazzinarla. Poiché le città si sforzano di raggiungere gli obiettivi globali per la riduzione dei gas serra, capire esattamente quanto il loro verde residuo possa catturare è diventato un compito vitale per gli urbanisti e gli ambientalisti.
Un team di ricercatori si è recentemente posto l'obiettivo di trovare un modo più veloce e semplice per misurare questo potenziale di cattura del carbonio all'interno di complessi scenari urbani. Inveve di fare affidamento su rilievi lenti e dettagliati di ogni singolo albero, hanno combinato le mappe di zonizzazione urbana con un tipo di programma informatico noto come rete neurale convoluzionale. Pensate a questo programma come a un occhio altamente addestrato che può guardare la mappa delle zone cittadine e riconoscere istantaneamente i modelli per prevedere quanto carbonio venga immagazzinato. Il team ha testato questo approccio in due città taiwanesi molto diverse: Taipei, una metropoli frenetica con un'alta densità di edifici alti, e Chiayi, una città più piccola con un mix di strutture a bassa e media altezza. Hanno prima creato mappe dettagliate che mostravano dove si trovavano alberi e spazi verdi in entrambe le città, calcolando l'esatta quantità di carbonio che ogni area poteva assorbire. Successivamente, hanno inserito queste mappe nel loro modello informatico, insegnandogli a collegare i modelli visivi delle zone cittadine ai dati sul carbonio.
I risultati hanno rivelato una connessione chiara e piuttosto sorprendente tra la forma di una città e la sua capacità di immagazzinare carbonio. Lo studio ha scoperto che i sink di carbonio più efficaci non erano sempre le foreste più dense, ma includevano anche specifici tipi di aree edificate. In particolare, i quartieri con edifici di minore altezza e più spazio aperto, come quelli con strutture a bassa densità sparse o aree scarsamente edificate, mostravano un alto potenziale di stoccaggio del carbonio. Ciò suggerisce che quando le città sono meno intensamente sviluppate, c'è semplicemente più spazio affinché la vegetazione cresca e prosperi, permettendo ad alberi e arbusti di catturare più carbonio. Il modello informatico si è dimostrato straordinariamente efficace nell'apprendere queste relazioni a Taipei, dove è stato in grado di prevedere i livelli di carbonio con un'alta precisione, corrispondendo da vicino ai dati reali. Tuttavia, ha incontrato difficoltà quando applicato a Chiayi, principalmente perché le mappe utilizzate per descrivere le sue zone contenevano errori. A Chiayi, alcune aree naturali erano state erroneamente eticheettate come zone edificate sulla mappa, il che ha confuso il computer e portato a previsioni imprecise.
Questo disallineamento ha evidenziato una lezione cruciale: il successo di questo nuovo metodo dipende interamente dall'accuratezza delle mappe cittadine sottostanti. Se la mappa dice che una foresta è un parcheggio, il computer farà la scelta sbagliata sull'assorbimento del carbonio. Nonostante questa limitazione, lo studio dimostra che l'utilizzo di queste mappe di zonizzazione combinato con algoritmi informatici intelligenti offre uno strumento potente ed economico per stimare i sink di carbonio in intere città. I ricercatori hanno concluso che, sebbene il metodo funzioni meglio quando i dati cittadini sono precisi, esso fornisce un'alternativa molto più semplice alle tecniche di misurazione tradizionali, laboriose e basate sul lavoro manuale. Comprendendo quali forme urbane sostengono la maggiore crescita del verde, gli urbanisti possono prendere decisioni migliori per preservare o creare spazi che aiutino a combattere il cambiamento climatico, assicurando che, anche mentre le città crescono, continuino a respirare per il pianeta.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.