AI-model brengt gebouwemissies in kaart ter ondersteuning van eerlijkere klimaatbeleid

Een open-source kunstmatige intelligentie model dat de koolstofemissies van gebouwen in meerdere steden nauwkeurig in kaart kan brengen, zou een krachtig nieuw hulpmiddel kunnen worden om beleidsmakers te helpen bij het plannen van gerichte en rechtvaardige decarbonisatiestrategieën.

Het model, ontwikkeld door onderzoekers van het College of Design and Engineering (CDE) aan de National University of Singapore (NUS), biedt stadsplanners een gedetailleerd overzicht van hoe de koolstofemissies van gebouwen zijn verdeeld en wat deze aanstuurt, met als doel autoriteiten te helpen bij het ontwerpen van slimmere en eerlijkere strategieën om de emissies te verminderen. Het model is het resultaat van onderzoek onder leiding van assistent-professor Filip Biljecki van de afdeling Architectuur aan CDE. De bevindingen van het team zijn gepubliceerd op 15 augustus 2025 in het tijdschrift Nature Sustainability.

“Ons model schat de operationele koolstofemissies van individuele gebouwen op stadsniveau,” zei Winston Yap, promovendus aan de afdeling Architectuur en hoofdauteur van de studie. “In tegenstelling tot eerdere benaderingen die afhankelijk zijn van eigendomsdata, is onze open aanpak ontworpen om overdraagbaar te zijn tussen steden, ook die met verschillende datavoorzieningen.”

Toegepast op datamapping van meer dan een half miljoen gebouwen in vijf steden—Singapore, Melbourne, New York City (Manhattan), Seattle en Washington DC—zeggen de onderzoekers dat hun model tot 78% van de variatie in emissies verklaarde. De resultaten onthulden aanzienlijke verschillen in hoe de emissies binnen steden zijn verdeeld en identificeerden belangrijke factoren die het energiegebruik van gebouwen beïnvloeden, waaronder de stedelijke vorm, planningsgeschiedenis en inkomensniveaus.

“De emissies van gebouwen zijn niet alleen afhankelijk van de grootte of dichtheid; ze worden diepgaand beïnvloed door de unieke context van elke stad, van de planningsgeschiedenis tot de klimaat- en economische omstandigheden,” zei assistent-professor Biljecki. “Door alleen open data te gebruiken, hebben we een flexibel kader gebouwd dat steden over de hele wereld kunnen gebruiken om hun koolstofvoetafdruk beter te begrijpen en effectievere reacties te plannen.”

Een van de belangrijkste inzichten uit de studie is de complexe relatie tussen gebouwdichtheid en koolstofemissies. Terwijl hogere gebouwen per oppervlakte-eenheid doorgaans energie-efficiënter zijn vanwege schaalvoordelen, kunnen dichte stedelijke centra ook hogere koelbehoeften ervaren door het effect van stedelijke hitte-eilanden. Voorstedelijke gebieden, die typisch worden geassocieerd met vrijstaande laagbouw, bleken aanzienlijke bijdragers aan de totale emissies te zijn, soms rivaliserend met die van stadscentra.

Het onderzoek onthulde ook scherpe ongelijkheden. In de meeste bestudeerde steden bleken rijkere buurten onevenredig hoge emissies per hoofd van de bevolking te hebben. In Manhattan bijvoorbeeld, werd meer dan de helft van de totale gebouwemissies toegeschreven aan slechts een handvol grote gebouwen.

“Uniforme koolstofprijzen of algemene regelgeving riskeren een oneerlijke belasting op lagere-inkomensgemeenschappen die mogelijk al worstelen met oudere, inefficiënte infrastructuur,” zei assistent-professor Biljecki. “Onze bevindingen benadrukken de noodzaak voor plaatsgebonden strategieën die zowel de emissie-intensiteit als de sociaaleconomische kwetsbaarheid in overweging nemen.”

Het kader integreert diverse databronnen, waaronder satellietbeelden, straatfoto’s, bevolkingskaarten, wegnetwerken en lokale klimaatgegevens met behulp van graf neurale netwerken, een vorm van deep learning die ruimtelijke relaties tussen stedelijke elementen vastlegt. Door hun aanpak volledig open te maken, zeggen de onderzoekers dat ze wereldwijde inspanningen willen ondersteunen om de emissies van de gebouwde omgeving te verminderen en steden te helpen hun klimaatdoelen te bereiken.

“Dit werk demonstreert het potentieel van open wetenschap en AI om stedelijke duurzaamheid te versnellen,” zei assistent-professor Biljecki. “Het gaat niet alleen om het begrijpen van waar emissies vandaan komen, maar ook om ervoor te zorgen dat klimaatactie zowel effectief als eerlijk is.”