پیش بینی نیازهای آب شهری – ScienceDaily


اکنون می توانید دروازه استفاده از آب با آگاهی بیشتر و برنامه ریزی شهری بهتر در شهر خود را در رایانه خود مشخص کنید. یک مطالعه جدید از دانشگاه استنفورد با تجزیه و تحلیل اطلاعات مربوط به مسکن موجود در وب سایت مشهور Zillow ، روند استفاده در مصرف آب و حفاظت از مسکن را شناسایی کرده است.

این مطالعه ، در تاریخ 18 نوامبر در نامه هایی برای تحقیقات محیطی، اولین کسی است که نشان می دهد چگونه می توان از سیستم عامل های جدید داده های املاک و مستغلات برای ارائه اطلاعات ارزشمند در مورد استفاده از آب برای برنامه ریزی مسکن و زیرساخت شهری ، مدیریت زمین و پایداری استفاده کرد.

نیوشا عجمی ، نویسنده ارشد این مطالعه ، مدیر سیاست گذاری آب شهری در برنامه آب در غرب استنفورد ، گفت: “توسعه مدل های توسعه می تواند رمز موفقیت ما در آبزی تر شدن و ایجاد امنیت طولانی مدت آب باشد.” “ایجاد شهرهای مقاوم در برابر آب در آب و هوای متغیر ، ارتباط تنگاتنگی با این موضوع دارد که چگونه می توانیم در زمان استفاده از آب با رشد جمعیت ، کارایی بیشتری داشته باشیم.”

تخمین زده می شود که تا 68 درصد از جمعیت جهان تا سال 2050 در مناطق شهری یا حومه ای زندگی می کنند. اگرچه رشد شهری روند مداومی است ، اما انواع مسکن هایی که در حال ساخت هستند و پیکربندی محلات کمتر همگن است ، که منجر به روش های مختلفی می شود که در آن مردم از آب در داخل و خارج از خانه خود استفاده می کنند. افرادی که در این جوامع زندگی می کنند نیز هنگام استفاده از آب بر اساس عواملی مانند سن ، قومیت ، تحصیلات و درآمد رفتارهای متفاوتی دارند. با این حال ، هنگام تصمیم گیری برای تغییر زیرساخت ها ، تصمیم گیرندگان فقط جمعیت ، رشد اقتصادی و بودجه را در نظر می گیرند که منجر به تصویر ناقصی از تقاضای آینده می شود. این به نوبه خود می تواند منجر به تغییر در زیرساخت ها شود ، مانند تعویض لوله های قدیمی ، توسعه منابع اضافی آب یا ساخت تأسیسات تصفیه فاضلاب که پاسخگوی نیازهای جامعه نباشد.

Zillow و سایر وب سایت های املاک و مستغلات سوابق جمع آوری شده توسط آژانس های مختلف شهرستان و شهرداری را جمع آوری و منتشر می کنند. این وب سایت ها همچنین توسط صاحبان خانه می توانند به روز شوند ، و آنها را به یک منبع غنی از اطلاعات تبدیل می کند که در غیر این صورت دستیابی به آنها دشوار و به موقع است. محققان در استنفورد از داده های Zillow برای جمع آوری اطلاعات در مورد خانه های تک خانواده ، از جمله اندازه قطعه ، ارزش خانه و تعداد اتاق ها در Redwood City ، کالیفرنیا ، شهری با رشد سریع و متنوع اقتصادی با سبک های مختلف خانه ها ، نقشه ها و محله ها استفاده کردند. آنها سپس اطلاعات جمعیت شناختی را از دفتر سرشماری شهر استخراج کردند و عوامل مختلفی از جمله متوسط ​​خانوار و درآمد را به همراه درصد استخدام شده توسط مستاجران ، افراد مجرد ، افراد تحصیل کرده دانشگاه و افراد مسن مورد بررسی قرار دادند.

با پیوند دادن داده های Zillow به سرشماری و سپس استفاده از روش های یادگیری ماشین ، محققان توانستند پنج گروه از جوامع یا خوشه ها را شناسایی کنند. سپس آنها داده های صورتحساب از گروه های مختلف در بخش محوطه سازی شهر را برای شناسایی روند استفاده از آب و الگوهای فصلی از 2007 تا 2017 و میزان حفاظت در طول خشکسالی تاریخی در کالیفرنیا از 2014 تا 2017 مقایسه کردند. .

“با استفاده از روش های ما ، که شامل داده های Zillow است ، ما قادر به ایجاد گروه های دقیق تری از جوامع هستیم ، علاوه بر این به راحتی گروه بندی مشتریان بر اساس درآمد و سایر ویژگی های اقتصادی اجتماعی. این دیدگاه دقیق تر منجر به برخی از یافته های غیر منتظره شده و ایده خوبی از اجتماعات کم مصرف است. “، کیم کوئینل ، نویسنده اصلی ، دانشجوی دکترای مرکز بیل لین برای غرب آمریکا ، هنگام انجام مطالعه گفت.

آنها دریافتند که دو گروه کم درآمد به طور متوسط ​​برای مصرف آب رتبه بندی شده اند ، اگرچه تعداد بیشتری از افراد در هر خانوار زندگی می کنند. گروه با درآمد متوسط ​​دارای استفاده زیاد از آب در فضای باز بودند ، اما در استفاده از آب در زمستان در رده پایین قرار گرفتند ، و نشان دهنده لوازم آب خانگی کارآمد – مانند شیرهای کم مصرف و توالت ها – که آنها را به یک هدف ایده آل برای حفاظت تبدیل می کند. به عنوان تبدیل مناطق سبز یا ارتقا به کنترل کننده های آبیاری هواشناسی یا هوشمند باز شود.

دو گروه پردرآمد ، که مشخصه آنها خانه دارانی با تحصیلات عالی است و در خانه های نسبتاً بزرگتری زندگی می کنند ، بسیار متفاوت هستند. یک خوشه – ساکنان جوانتر قطعه های کوچکتر با خانه های جدیدتر در ساختمانهای متراکم و جمع و جور – کمترین میزان استفاده از آب را در شهر داشتند. دیگر خوشه پردرآمد ، متشکل از خانه های قدیمی تر ساخته شده در زمین های بزرگتر با تعداد کمتر ، بزرگترین مصرف کننده آب بود. این یافته با بیشتر تحقیقات قبلی در ارتباط با درآمد و مصرف آب در تضاد است و حاکی از آن است که تغییر در نحوه ساخت و توسعه جوامع نیز ممکن است الگوی مصرف آب را تغییر دهد ، حتی برای ثروتمندترین مشتریان.

در تمام گروهها میزان بالای احتباس آب در زمان خشکسالی مشاهده شد. گروه هایی که بالاترین پس انداز را دارند (تا 37 درصد در زمان اوج آگاهی از خشکسالی) دو مصرف کننده تشنه هستند (گروه هایی با درآمد بالا ، درآمد بالا و متوسط) با پتانسیل بالا برای صرفه جویی در فضای باز آب. گروههایی که میزان مصرف آب کمتری داشتند نیز موفق به کاهش شدند ، اما در پس انداز خود محدودتر بودند. درک این محدودیت ها می تواند به چگونگی راهنمایی سیاست گذاران و برنامه ریزان شهر در هنگام استفاده از محدودیت های آب یا ارائه مشوق هایی مانند امتیازات خشکسالی ، مشتری را راهنمایی کند.

این مطالعه چارچوبی را برای ادغام داده های بزرگ در برنامه ریزی شهری فراهم می کند ، انتظارات دقیق تری را برای استفاده از آب برای تنظیمات مختلف جامعه فراهم می کند. تحقیقات بیشتر ممکن است شامل بررسی چگونگی استفاده از داده های سیستم عامل های آنلاین املاک و مستغلات برای توسعه طبقه بندی برای استفاده از آب محله در خطوط شهری ، شهری یا حتی ایالتی باشد. یکی دیگر از موارد مورد علاقه محققان ، مطالعه چگونگی ارتباط مصرف آب با الگوهای توسعه در سایر مناطق مسکونی ، مانند شهرهای متراکم است.

عجمی گفت: “منابع داده در دسترس و در دسترس ، به ما فرصتی می دهد تا درک آگاهانه تری از الگوها و رفتارهای آب ایجاد کنیم.” “اگر در نحوه ساخت شهرهای آینده و طراحی زیرساخت ها تجدیدنظر کنیم ، فرصت دسترسی عادلانه و در دسترس تر به آب در جوامع مختلف فراهم می شود.”


منبع: packge-news.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>