Para peneliti di Universitas Nasional Singapura telah menciptakan model berbasis AI yang memetakan emisi karbon bangunan di beberapa kota, menyediakan alat untuk membantu mengembangkan kebijakan iklim yang lebih adil dan terarah.
Para peneliti di Universitas Nasional Singapura (NUS) telah mengembangkan model kecerdasan buatan sumber terbuka yang secara akurat memetakan emisi karbon bangunan di beberapa kota besar. Inovasi ini menjanjikan perubahan besar bagi para pembuat kebijakan yang bertujuan untuk merancang strategi dekarbonisasi yang tepat sasaran dan adil.
Model yang lahir dari Fakultas Desain dan Teknik (CDE) di NUS ini memberikan visualisasi terperinci kepada para perencana kota tentang distribusi emisi karbon dan faktor-faktor pendorongnya. Kejelasan yang belum pernah ada sebelumnya ini bertujuan untuk membantu pemerintah merancang strategi pengurangan emisi yang lebih cerdas dan adil.
"Model kami memperkirakan emisi karbon operasional masing-masing bangunan dalam skala kota secara keseluruhan," ujar penulis utama Winston Yap, mahasiswa doktoral di Departemen Arsitektur CDE, dalam siaran pers.
Diterbitkan dalam jurnal Nature Sustainability, penelitian ini dipelopori oleh Filip Biljecki, asisten profesor di Departemen Arsitektur.
Model tim ini hanya menggunakan data terbuka, sehingga sangat adaptif untuk berbagai kota, terlepas dari ketersediaan datanya. Model ini mencakup berbagai lingkungan perkotaan, termasuk Singapura, Melbourne, New York City (Manhattan), Seattle, dan Washington, DC, serta memetakan lebih dari setengah juta bangunan dalam prosesnya.
Hebatnya, model tersebut memperhitungkan hingga 78% variasi emisi di berbagai lokasi yang beragam ini.
“Tidak seperti pendekatan sebelumnya yang mengandalkan data kepemilikan, pendekatan terbuka kami dirancang agar dapat diterapkan di berbagai kota, termasuk kota-kota dengan kondisi ketersediaan data yang berbeda,” tambah Yap, menggarisbawahi fleksibilitas model ini.
Studi ini mengungkap wawasan kritis terhadap perbedaan spasial dalam emisi perkotaan dan mengidentifikasi faktor-faktor berpengaruh seperti bentuk perkotaan, sejarah perencanaan, dan tingkat pendapatan.
Misalnya, sementara bangunan tinggi umumnya lebih hemat energi per satuan luas, daerah perkotaan yang padat mungkin menghadapi tuntutan pendinginan yang lebih tinggi karena efek pulau panas perkotaan.
Anehnya, wilayah pinggiran kota, yang didominasi oleh rumah-rumah terpisah bertingkat rendah, sering kali menyaingi pusat kota dalam kontribusi emisi total.
“Emisi bangunan bukan hanya soal ukuran atau kepadatan; emisi tersebut sangat dipengaruhi oleh konteks unik setiap kota, mulai dari warisan perencanaannya hingga kondisi iklim dan ekonomi,” tambah Biljecki. “Dengan hanya menggunakan data terbuka, kami telah membangun kerangka kerja fleksibel yang dapat digunakan kota-kota di seluruh dunia untuk lebih memahami jejak karbon mereka dan merencanakan respons yang lebih efektif.”
Penelitian ini juga menyoroti kesenjangan sosial ekonomi yang signifikan.
Lingkungan yang lebih makmur seringkali ditemukan memiliki emisi per kapita yang lebih tinggi. Khususnya di Manhattan, beberapa bangunan besar menyumbang lebih dari separuh total emisi bangunan.
Temuan ini menunjukkan bahwa penetapan harga karbon yang seragam atau regulasi menyeluruh dapat berdampak tidak adil terhadap masyarakat berpenghasilan rendah yang berjuang dengan infrastruktur lama yang kurang efisien.
"Penetapan harga karbon yang seragam atau regulasi yang menyeluruh berisiko memberikan beban yang tidak adil bagi masyarakat berpenghasilan rendah yang mungkin sudah kesulitan dengan infrastruktur yang lebih tua dan kurang efisien," tambah Biljecki. "Temuan kami menyoroti perlunya strategi berbasis lokasi yang mempertimbangkan intensitas emisi dan kerentanan sosial-ekonomi."
Model ini memanfaatkan berbagai sumber data, termasuk citra satelit, foto tampilan jalan, peta populasi, jaringan jalan dan data iklim lokal, dan menggunakan jaringan saraf grafik canggih untuk menangkap hubungan spasial antara elemen perkotaan.
Dengan menjadikan pendekatan mereka sepenuhnya sumber terbuka, para peneliti bertujuan untuk mendukung upaya global untuk mengurangi emisi dari lingkungan yang dibangun dan membantu kota-kota dalam memenuhi target iklim mereka.
“Penelitian ini menunjukkan potensi sains terbuka dan AI untuk mempercepat keberlanjutan perkotaan,” tambah Biljecki. “Ini bukan hanya tentang memahami asal emisi, tetapi juga memastikan bahwa aksi iklim efektif dan adil.”
Sumber: National University of Singapore