ИИ-модель для картографии выбросов зданий поможет справедливой климатической политике

Схематическая иллюстрация данных и рабочего процесса. Автор: Nature Sustainability (2025). DOI: 10.1038/s41893-025-01615-8

Искусственный интеллект с открытым исходным кодом, способный точно картировать углеродные выбросы зданий в различных городах, может стать мощным инструментом для разработки целевых и справедливых стратегий декарбонизации.

Модель, разработанная исследователями из Колледжа дизайна и инженерии (CDE) Национального университета Сингапура (NUS), предоставляет градостроителям детальную картину распределения выбросов и их причин, помогая властям создавать более умные и справедливые стратегии сокращения эмиссии.

Разработка стала результатом исследования под руководством доцента Филипа Бильечки с факультета архитектуры CDE. Результаты работы команды были опубликованы 15 августа 2025 года в журнале Nature Sustainability.

«Наша модель оценивает операционные углеродные выбросы отдельных зданий в масштабах целых городов», — пояснил аспирант факультета архитектуры Уинстон Яп, ведущий автор исследования.

«В отличие от предыдущих подходов, использующих проприетарные данные, наша открытая методика предназначена для переноса между городами, включая те, где доступность данных различается».

Применив модель к данным более полумиллиона зданий в пяти городах — Сингапуре, Мельбурне, Нью-Йорке (Манхэттен), Сиэтле и Вашингтоне — исследователи заявили, что их модель объяснила до 78% вариаций выбросов. Результаты выявили значительные различия в распределении эмиссии внутри городов и определили ключевые факторы, влияющие на энергопотребление зданий, включая городскую форму, историю планирования и уровень дохода.

Аспирант факультета архитектуры и ведущий автор Уинстон Яп (слева) с доцентом Филипом Бильечки (справа), руководившим исследованием. Автор: Колледж дизайна и инженерии NUS

«Выбросы зданий зависят не только от их размера или плотности, но и глубоко формируются уникальным контекстом каждого города — от наследия планирования до климатических и экономических условий», — отметил доцент Бильечки. «Используя только открытые данные, мы создали гибкую структуру, которую города по всему миру могут использовать для лучшего понимания своего углеродного следа и планирования более эффективных мер».

Одним из ключевых выводов исследования стала сложная взаимосвязь между плотностью застройки и углеродными выбросами. Хотя высотные здания, как правило, более энергоэффективны на единицу площади благодаря экономии на масштабе, плотные городские центры могут также испытывать повышенные потребности в охлаждении из-за эффекта городского теплового острова. Пригородные районы, обычно ассоциируемые с отдельно стоящими малоэтажными зданиями, оказались значительными источниками общих выбросов, иногда соперничая с городскими центрами.

Исследование также выявило резкое неравенство. В большинстве изученных городов более богатые районы имели непропорционально высокие выбросы на душу населения. Например, на Манхэттене более половины общих выбросов зданий пришлось всего на несколько крупных строений.

«Единые углеродные налоги или общие нормативы рискуют возложить несправедливое бремя на сообщества с низкими доходами, которые уже могут сталкиваться с проблемами устаревшей, менее эффективной инфраструктуры», — подчеркнул доцент Бильечки. «Наши выводы свидетельствуют о необходимости местных стратегий, учитывающих как интенсивность выбросов, так и социально-экономическую уязвимость».

Фреймворк интегрирует разнообразные источники данных, включая спутниковые снимки, фотографии с улиц, карты населения, дорожные сети и местные климатические данные, используя графовые нейронные сети — форму глубокого обучения, которая захватывает пространственные отношения между городскими элементами.

Сделав свой подход полностью открытым, исследователи заявили, что хотят поддержать глобальные усилия по сокращению выбросов от построенной среды и помочь городам достичь своих климатических целей.

«Эта работа демонстрирует потенциал открытой науки и ИИ для ускорения городской устойчивости, — сказал доцент Бильечки. — Речь идет не только о понимании источников выбросов, но и об обеспечении эффективности и справедливости климатических действий».

Больше информации: Winston Yap et al, Revealing building operating carbon dynamics for multiple cities, Nature Sustainability (2025). DOI: 10.1038/s41893-025-01615-8

Источник: National University of Singapore