محققان دانشکده معماری نوتردام درتلاش هستند تا ازطریق شبیه‌سازی‌های پیشرفته و یک ابزار جدید مبتنی بر هوش مصنوعی به نام EcoSphere، انتشار کربن را کاهش دهند.مینگ هو، معاون رئیس بخش تحقیقات، بورسیه و کارهای خلاقانه در دانشکده معماری نوتردام، گفت:«هدف ماتوسعه ابزارهایی است که پتانسیل کاهش انتشار کربن وتعدیل آن را در زیرساخت‌های محیط ساخته‌شده ارزیابی کنند؛ چه از طریق نوسازی و چه از طریق بهبود ساخت‌وسازهای جدید. در مقیاس شهری، چنین ابزاری می‌تواند داده‌هایی در مورد اجزای ساختمان و طول عمر آنها ارائه دهد تا از تصمیم‌گیری سیاست‌گذاران و برنامه‌ریزان شهری پشتیبانی کند.» یافته‌های این پژوهش در مجله npj Urban Sustainability منتشر شده است.
تجزیه و تحلیل کربن تجسم‌یافته
درحال حاضر هو در حال بررسی این است که چگونه می‌توان کربن تجسم‌یافته را برای توسعه شهرهای سبزتر تجزیه و تحلیل کرد. کربن تجسم‌یافته که اغلب به دلیل داده‌های استاندارد محدود، نقطه کور در پایداری شهری محسوب می‌شود، شامل دی‌اکسید کربن منتشر شده درطول ساخت ساختمان‌هاست که تقریبا۴۰درصد از انتشار کربن مرتبط با انرژی را تشکیل می‌دهد.
هو با همکاری سیاوش قربانی، دانشجوی دکترای مهندسی عمران و محیط‌زیست دانشگاه نوتردام، برای توسعه یک شبیه‌سازی از پویایی شهری در دنیای واقعی، تلاش کردند. آنها در این مسیر پژوهشی، از ارزیابی‌های چرخه عمر و نرخ نوسازی بیش از یک میلیون ساختمان در شیکاگو استفاده کردند. محققان معتقدند این مدل و ابزار هر دو به شناسایی استراتژی‌های کاهش انتشار کربن در آینده کمک می‌کنند.
چگونگی پژوهش
هو و قربانی برای انجام این پروژه از رویکرد «پایین به بالا» استفاده کردند و با جمع‌آوری داده‌های دقیق از ساختمان‌های منفرد، از جمله مصالح، سن و ویژگی‌های سازهای، میزان انتشار گازهای گلخانه‌ای شهری را محاسبه کردند.این پژوهش بیش از ۳۵۰هزار سناریوی شبیه‌سازی شده را ایجاد کرد و نشان داد که استراتژی‌های متمرکز بر نوسازی و افزایش طول عمر ساختمان می‌تواند انتشار کربن تجسم‌یافته را به میزان قابل‌توجهی کاهش دهد. نتایج نشان داد که ساخت و سازهای جدید تا ۷۵۰۰ برابر دی‌اکسید کربن بیشتری تولید می‌کنند.
نوسازی، گزینه‌ای پایدار
براساس این نتایج، هو معتقد است که نوسازی اغلب گزینه پایدارتری است: «در حالی که ساخت و سازهای جدید عدم قطعیت بیشتری را در نتایج انتشار گازهای گلخانه‌ای ایجاد می‌کنند، یافته‌های ما نشان می‌دهد که به‌‌روزرسانی‌های استراتژیک ساختمان‌ها، چه از طریق نوسازی و چه از طریق توسعه‌های جدید و با دقت برنامه‌ریزی‌شده، می‌تواند این خطرات را به میزان قابل‌توجهی کاهش دهد. با این حال، افزایش اندازه ساختمان می‌تواند صرفه‌جویی بالقوه در مصرف کربن را جبران کند و بر اهمیت رویکردهای برنامه‌ریزی شهری که در صورت امکان، نوسازی، حفظ و بهره‌وری را در اولویت قرار می‌دهند، تاکید می‌کند.» برای برنامه‌ریزان شهری و سیاست‌گذاران محلی، دسترسی به این داده‌ها می‌تواند حمایت موثرتری از سیاست‌هایی ایجاد کند که می‌توانند برای کاهش سرعت انتشار کربن در شهرها موثر باشند.
ابداع ابزاری به نام EcoSphere
محققان نوتردام، متیو سیسک، مدیر مشترک آزمایشگاه تحلیل و یادگیری مدنی-جغرافیایی و دانشیار این حوزه در موسسه لوسی فمیلی، چائولی وانگ، استاد علوم کامپیوتر و مهندسی و سی‌یوان یائو، کاندیدای فوق دکترا در علوم کامپیوتر و مهندسی، با هو و قربانی همکاری کردند تا شبیه‌سازی‌های مبتنی بر این سناریو را به یک پلتفرم مبتنی بر هوش مصنوعی به نام EcoSphere تبدیل کنند. نتایج این تلاش علمی در Automation in Construction منتشر شد. EcoSphere مجموعه داده‌های ساختمان‌های ملی را با داده‌های کربن تجسم‌یافته، Google Street View، تصاویر ماهواره‌ای و تکنیک‌های پیشرفته یادگیری ماشینی ادغام می‌کند تا گرافیکی تولید کند که می‌تواند به برنامه‌ریزان شهری و افراد غیرمتخصص در تجسم داده‌های انتشار گازهای گلخانه‌ای کمک کند.
یافته‌ها
برای ارزیابی اثربخشی این ابزار، مطالعات موردی در شیکاگو و ایندیاناپولیس انجام شد. در هر دو شهر، EcoSphere نشان داد که چگونه روش‌های مختلف ساخت و ساز و تصمیمات سیاسی می‌تواند به طور قابل‌توجهی بر ردپای کربن و هزینه‌های اقتصادی یک شهر تاثیر بگذارد.
سیسک گفت: «EcoSphere نه‌تنها از یادگیری ماشینی برای پردازش این مجموعه داده‌ها و تصاویر بزرگ استفاده می‌کند بلکه آن را درک نیز می‌کند. با ترکیب بینایی رایانه‌ای، تجزیه و تحلیل جغرافیایی و مدل‌های زبانی بزرگ، می‌توانیم پروفایل‌های کربن دقیقی را به صورت بلادرنگ برای کل شهرها ایجاد کنیم و برنامه‌ریزی شهری پایدار را سریع‌تر، هوشمندانه‌تر و قابل‌دسترس‌تر کنیم.»
سایر کاربردهای EcoSphere
فراتر از برنامه‌ریزی شهری، EcoSphere کاربردهای وسیع‌تری برای استفاده در سیستم‌های مدرسه به عنوان ابزاری آموزشی برای دانش‌آموزان دارد تا چگونگی تاثیر کربن بر محیط‌زیست را بررسی کنند. علاوه‌بر این، می‌توان آن را با پلتفرم‌های شهر هوشمند و دوقلوی دیجیتال برای تصمیم‌گیری و نظارت در زمان واقعی ادغام کرد. دولت‌ها می‌توانند از آن برای پیش‌بینی اثرات بلندمدت انتخاب‌های سیاستی و تدوین مقررات موثرتر برای کاهش کربن استفاده کنند.
هو امیدوار است که این ابزارها تاثیر مثبتی بر شهرها داشته باشند، جایی که استراتژی‌های قوی و مبتنی بر داده می‌توانند در جهت خنثی‌سازی انتشار کربن عمل کنند. هو گفت: «این مطالعات در مجموع نشان می‌دهند که چگونه داده‌های دقیق و نرم‌افزار هوشمند می‌توانند به برنامه‌ریزان شهری در تصمیم‌گیری‌های آگاهانه برای آینده‌ای سبزتر کمک کنند.»
کربن تجسم‌یافته چیست؟
کربن تجسم‌یافته (Embodied Carbon) به مجموع انتشار گازهای گلخانه‌ای (عمدتا دی‌اکسید کربن) اشاره دارد که در طول چرخه حیات یک محصول، ساختمان یا ماده، از مرحله استخراج مواد خام، تولید، حمل‌ونقل، ساخت، نصب و حتی گاهی دفع یا بازیافت آن ایجاد می‌شود. این مفهوم معمولا در زمینه معماری، ساخت‌وساز و دیگر صنایع برای ارزیابی اثرات زیست‌محیطی استفاده می‌شود. به عنوان مثال، در یک ساختمان، کربن تجسم‌یافته شامل انتشاراتی است که از تولید مصالح ساختمانی مانند بتن، فولاد، آجر یا شیشه، حمل آنها به محل ساخت و فرآیندهای ساخت‌وساز ناشی می‌شود. این مقدار جدا از کربن عملیاتی است که به مصرف انرژی درطول استفاده ازساختمان(مانند گرمایش وسرمایش)مربوط می‌شود.برای کاهش‌کربن تجسم‌یافته، می‌توان از مواد بازیافتی، مصالح با کربن پایین (مثل چوب به جای بتن)، یا بهینه‌سازی زنجیره تامین و فرآیندهای تولید استفاده کرد.
