来源：市场资讯

（来源：全球变化研究信息中心）

城市在全球可持续发展过程中起着关键作用，随着气候变化不断带来严峻挑战，碳中和已成为城市可持续发展的核心议题。然而，由于当前对城市建筑排放与其周围环境之间关系的了解有限，许多城市仍难以实现建筑环境脱碳，从而导致城市碳中和目标的实现受阻。8月15日，来自新加坡国立大学（National University of Singapore）的研究团队在《自然·可持续性》（Nature Sustainability）发表题为《揭示多个城市的建筑运行碳动态》（Revealing Building Operating Carbon Dynamics for Multiple Cities）的文章，利用自主开发的可以识别建筑排放的开源人工智能模型，确定了影响建筑运行碳排放的关键因素，包括城市形态、规划历史和收入水平等。

研究人员将开源人工智能模型引入图神经网络（Graph Neural Network, GNN），集成卫星图像、街景照片、人口地图、道路网络和当地气候等多种数据源和建筑能源消耗数据，建立了可用于预测城市规模建筑运行碳排放的多模态数据集，量化了建筑运行碳排放及其与城市形态和社会经济因素之间的联系。其中，模型测试在处于不同气候区域的5个城市（新加坡、墨尔本、纽约、西雅图和华盛顿）开展。

结果表明，模型可以解释测试的595173座建筑中78%的碳排放变化，并揭示出城市形态、规划历史和收入水平等因素导致城市内部碳排放分布方式存在显著差异：①西雅图和华盛顿由于低层开发和城市扩张，建筑运行碳排放中，小型建筑占主导地位；②墨尔本的碳排放规模与建筑规模成正比，反映了其从郊区到城市的逐步过渡；③新加坡和纽约的碳排放集中在大型建筑，说明富裕社区的人均排放量较高；④由于建筑设计、使用模式和能源基础设施在影响高层建筑运行碳排放方面发挥着关键作用，使得碳排放强度不会随着建筑规模和复杂性的增长而增强，表明大型建筑具有规模经济效益和碳节约（carbon savings）效益。

(全球变化研究信息中心)