Discovering Effective Policies for Land-Use Planning with Neuroevolution

要約

土地の面積を森林、都市部、農業などのさまざまな用途にどのように割り当てるかは、地上の炭素バランス、ひいては気候変動に大きな影響を与えます。
土地利用の変化に関する利用可能な履歴データと、それに関連する炭素の排出と除去のシミュレーションに基づいて、意思決定者が利用できるさまざまなオプションを効率的に評価できる代理モデルを学習できます。
その後、進化的な検索プロセスを使用して、特定の場所の効果的な土地利用政策を発見できます。
このようなシステムは、Project Resilience プラットフォーム上に構築され、土地利用調和データセット LUH2 と簿記モデル BLUE を使用して評価されました。
さまざまな場所にカスタマイズされた、炭素への影響と土地利用の変化量をトレードオフするパレート フロントを生成するため、土地利用計画に役立つ可能性のあるツールが提供されます。

要約(オリジナル)

How areas of land are allocated for different uses, such as forests, urban areas, and agriculture, has a large effect on the terrestrial carbon balance, and therefore climate change. Based on available historical data on land-use changes and a simulation of the associated carbon emissions and removals, a surrogate model can be learned that makes it possible to evaluate the different options available to decision-makers efficiently. An evolutionary search process can then be used to discover effective land-use policies for specific locations. Such a system was built on the Project Resilience platform and evaluated with the Land-Use Harmonization dataset LUH2 and the bookkeeping model BLUE. It generates Pareto fronts that trade off carbon impact and amount of land-use change customized to different locations, thus providing a potentially useful tool for land-use planning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google