論文の概要: Tackling extreme urban heat: a machine learning approach to assess the impacts of climate change and the efficacy of climate adaptation strategies in urban microclimates

• arxiv url: http://arxiv.org/abs/2411.05952v1
• Date: Fri, 08 Nov 2024 20:29:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-12 14:07:44.137849
• Title: Tackling extreme urban heat: a machine learning approach to assess the impacts of climate change and the efficacy of climate adaptation strategies in urban microclimates
• Title（参考訳）: 極端な都市熱に対処する--気候変動の影響と都市ミクロ気候における気候適応戦略の有効性を評価する機械学習アプローチ
• Authors: Grant Buster, Jordan Cox, Brandon N. Benton, Ryan N. King,
• Abstract要約: 都市熱に集中した高温は、熱による死と病気のリスクを増大させる可能性がある。 本稿では,都市温度推定の精度を向上させるオープンソース,計算効率のよい機械学習手法を提案する。 冷却需要は、世紀半ばまでに大幅に増加する可能性が高いが、高アルベド表面の技術により、この増加を50%以上減少させる可能性がある。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: As urbanization and climate change progress, urban heat becomes a priority for climate adaptation efforts. High temperatures concentrated in urban heat can drive increased risk of heat-related death and illness as well as increased energy demand for cooling. However, estimating the effects of urban heat is an ongoing field of research typically burdened by an imprecise description of the built environment, significant computational cost, and a lack of high-resolution estimates of the impacts of climate change. Here, we present open-source, computationally efficient machine learning methods that can improve the accuracy of urban temperature estimates when compared to historical reanalysis data. These models are applied to residential buildings in Los Angeles, and we compare the energy benefits of heat mitigation strategies to the impacts of climate change. We find that cooling demand is likely to increase substantially through midcentury, but engineered high-albedo surfaces could lessen this increase by more than 50%. The corresponding increase in heating demand complicates this narrative, but total annual energy use from combined heating and cooling with electric heat pumps in the Los Angeles urban climate is shown to benefit from the engineered cooling strategies under both current and future climates.
• Abstract（参考訳）: 都市化と気候変動が進むにつれて、都市熱は気候変動への取り組みの優先事項となる。 都市熱に集中した高温は、熱による死と病気のリスクを増大させ、冷却のエネルギー需要を増大させる。 しかし、都市熱の影響を推定することは、建設環境の不正確な説明、計算コストの大幅な増加、気候変動の影響の高解像度な見積もりの欠如など、研究の進行中の分野である。 本稿では,歴史的再解析データと比較した場合の都市温度推定精度を向上させるオープンソース,計算効率のよい機械学習手法を提案する。 これらのモデルは, ロサンゼルスの住宅に応用され, 温暖化対策のエネルギー効果と気候変動の影響を比較した。 冷却需要は、世紀半ばまでに大幅に増加する可能性が高いが、高アルベド表面の技術により、この増加を50%以上減少させる可能性がある。 暖房需要の増加は、この物語を複雑にするが、ロサンゼルスの都市気候における暖房と電気ヒートポンプの組み合わせによる年間エネルギー使用の合計は、現在の気候と将来の気候の両方において、技術者による冷却戦略の恩恵を受けていることが示されている。

関連論文リスト

• A Machine Learning Approach for the Efficient Estimation of Ground-Level Air Temperature in Urban Areas [6.7236795813629]
  都市で発生する都市ヒートアイランド(UHI)現象は、その熱応力を増大させ、より持続可能な都市を実現するための障害の1つである。 本研究では,都市域の空間的・気象的変数と街路レベルの空気温度を関連付けるために,イメージ・ツー・イメージ・ディープ・ニューラル・ネットワーク(DNN)の有用性を検討する。 街路レベルでの空気温度は、特定のユースケースに対して空間的にも時間的にも推定され、既存のよく確立された数値モデルと比較される。
  論文  参考訳（メタデータ） (2024-11-05T15:05:23Z)
• Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
  地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。 我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。 本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
  論文  参考訳（メタデータ） (2024-09-11T19:31:56Z)
• Physics-based deep learning reveals rising heating demand heightens air pollution in Norwegian cities [0.9187407509784052]
  政策立案者は、交流を無視して、大気の質や気候変動を孤立して分析することが多い。 本研究は,K平均クラスタリング,階層クラスタリング,ランダムフォレスト技術と回帰モデルを比較して,特定の気候要因が大気質に及ぼす影響を考察する。 大気汚染予測のための物理ベースディープラーニング(PBDL)とLong Short-Term Memory(LSTM)を用いる。
  論文  参考訳（メタデータ） (2024-05-07T23:43:46Z)
• Incorporating climate change effects into the European power system adequacy assessment using a post-processing method [0.0]
  電力システムの需給バランスは、基本的に気候条件と結びついている。 本研究の目的は、気候変動が欧州の電力システム、特に長期的信頼性に与える影響をモデル化することである。
  論文  参考訳（メタデータ） (2024-02-26T21:44:36Z)
• Comparing Data-Driven and Mechanistic Models for Predicting Phenology in Deciduous Broadleaf Forests [47.285748922842444]
  我々は、気象時系列から表現指標を予測するために、ディープニューラルネットワークを訓練する。 このアプローチは従来のプロセスベースのモデルよりも優れています。
  論文  参考訳（メタデータ） (2024-01-08T15:29:23Z)
• CMIP X-MOS: Improving Climate Models with Extreme Model Output Statistics [40.517778024431244]
  自然災害リスクの予測を改善するために, エクストリームモデル出力統計(X-MOS)を導入する。 この手法は, 気象観測所から得られた実測値にCMIPモデル出力を正確にマッピングするために, 深部回帰手法を用いる。 これまでの研究とは対照的に,本研究では,将来の気候パラメータ分布の尾部推定の強化に重点を置いている。
  論文  参考訳（メタデータ） (2023-10-24T13:18:53Z)
• Climate-sensitive Urban Planning through Optimization of Tree Placements [55.11389516857789]
  気候変動は、熱波を含む多くの極端な気象事象の強度と頻度を増している。 最も有望な戦略の1つは、街路樹の恩恵を利用して歩行者レベルの環境を冷やすことである。 物理シミュレーションでは、樹木の放射的および熱的影響が人間の熱的快適性に与える影響を推定できるが、高い計算コストが生じる。 我々は,屋外の熱的快適さの駆動因子である点平均放射温度を,様々な時間スケールでシミュレーションするためにニューラルネットワークを用いた。
  論文  参考訳（メタデータ） (2023-10-09T13:07:23Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• ClimateGAN: Raising Climate Change Awareness by Generating Images of Floods [89.61670857155173]
  実画像上でのリアルな洪水をシミュレートする手法を提案する。 本研究では、教師なし領域適応と条件付き画像生成のためのシミュレーションデータと実データの両方を活用するモデルであるClimateGANを提案する。
  論文  参考訳（メタデータ） (2021-10-06T15:54:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。