Farligt höga temperaturer, speciellt i städer, orsakar ofta tillstånd som värmeslag och värmeutmattning eller förvärrar redan existerande medicinska tillstånd som hjärt-kärlsjukdom. Mellan 1999 och 2010, minst 8, 081 människor dog i USA på grund av värmerelaterade sjukdomar.

En av huvudfaktorerna bakom detta häpnadsväckande antal är den urbana värmeöeffekten. Detta orsakar stora skillnader i temperatur mellan städer och omgivande områden på grund av värme som fångas av koncentrationer av befolkningar och konstgjord infrastruktur. 81 procent av dödsfallen rapporterade – mer än 6, 500 totalt — förekom i tätorter.

Beväpnad med ett anslag från National Science Foundations (NSF) program för förutsägelse av och motståndskraft mot extrema händelser (PREEVENTS), ett team av forskare från Carnegie Mellon försökte ge städer ett verktyg för att bättre förstå detta farliga fenomen.

Teamet leddes av docenterna Matteo Pozzi och Mario Berges vid institutionen för civil- och miljöteknik, och deras Co-PI, forskaren Kelly Klima vid Department of Engineering and Public Policy.

Frukten av deras arbete är SKugga, som står för Surface Heat Assessment for Developed Environments. Genom SHADE, laget, inklusive postdoktorn Carl Malings och professor Elie Bou Zeid från Princeton, har utvecklat småskaliga rumstidsmodeller av Pittsburghs stadstemperaturer.

Medan forskare vid Princeton fokuserade på att simulera väderförhållanden och andra faktorer som bidrar till temperaturer på en given plats, CMU-teamet tog ett mer datadrivet tillvägagångssätt. Pozzi och Malings, en Ph.D. student till Pozzi's vid den tiden, arbetat för att utveckla "statistiska modeller för att bättre modellera, förstå, och inse hur temperaturen förändras över tid och rum "i stadsmiljön.

De fann att höga temperaturer orsakade av regionala värmeböljor kan lägga till ytterligare en potent ingrediens till potten med farliga temperaturfaktorer som spelar i stadsmiljön.

"Ett, temperaturen är högre i stadsområden, säger Malings. Två, det är ännu högre under värmeböljor. Och tre, temperaturerna kan variera mycket i hela staden, eftersom byggnadssammansättningen är väldigt annorlunda. Detta gör effekten väldigt annorlunda."

Medan teamet på Princeton kunde modellera dessa faktorer vid en given punkt, att göra det över hela staden skulle vara extremt beräkningskrävande, gör denna metod opraktisk för realtidstemperaturmodellering och förutsägelse.

"Idén som vi arbetar med är att bygga vad vi kallar "surrogatmodeller, ' som i grunden är enklare modeller som fångar samma typ av information men som kan köras mycket snabbare för att komma nära realtidsprognoser, säger Malings.

Genom att använda detta system av surrogatmodeller, teamet kunde börja observera större trender i temperaturer mellan olika platser över tid. Trots att de är i ett tidigt skede av projektet, deras resultat har redan lett till flera publikationer, inklusive deras senaste dokument om en metod för optimal avkänning för att stödja beslutsfattande i scenarier med extrema temperaturer. Detta skulle kunna möjliggöra ett mycket bättre system för tidig varning för befolkningar med hög risk för värmerelaterad sjukdom.

I ett långsiktigt perspektiv, modellen kan informera infrastrukturbeslut för civilingenjörer. Med hjälp av information från teamets modelleringsteknik, stadsplanerare och arkitekter skulle kunna integrera grön infrastruktur och andra värmereducerande tekniker i framtidens städer, bekämpa den urbana värmeöeffekten vid dess källa.

"Det resulterande ramverket kommer att hjälpa framtida stadsplanerare och chefer att fatta beslut som involverar temperaturen i staden, säger Berges, "och de kommer att kunna dra nytta av den snabbt växande strömmen av sensordata som är tillgänglig i stadsmiljöer."

För Malings, nu postdoktor vid institutionen för maskinteknik, informationen från SHADE kommer också att hjälpa till att informera framtida beslut om var sensorer ska placeras för optimala resultat. De slutsatser han hoppas kunna dra från dessa sensorer är inte bara begränsade till den urbana värmeöeffekten.

"Du kan göra en liknande sak med luftföroreningar, där du tar din tidigare förutsägelse av föroreningskoncentrationer och sedan uppdaterar dem med sensormätningarna och optimerar beslut baserat på det, säger Malings.

Efter att hittills ha begränsat sin modellering till Pittsburgh och New York, teamet planerar att sprida sin omfattning till ett större utbud av städer i framtiden.

"Städer har liknande egenskaper, men vi har precis börjat i Pittsburgh och New York som våra fallstudier, det finns definitivt olika beteenden mellan de två, " says Pozzi. "Our idea for the future is to develop urban scale models for different cities, but some specific calibration needs to be done for each individual city."