science >> Wetenschap >  >> Natuur

Onderzoekers combineren Zillow- en volkstellingsgegevens om de waterbehoefte van woningen te bepalen

Tegoed:Unsplash/CC0 Publiek domein

De toegangspoort tot beter geïnformeerd watergebruik en betere stadsplanning in uw stad kan al als bladwijzer op uw computer staan. Een nieuwe studie van de Stanford University identificeert trends in het watergebruik en het behoud van woningen door huisvestingsinformatie te analyseren die beschikbaar is op de prominente vastgoedwebsite Zillow.

Het onderzoek, gepubliceerd op 18 november in Brieven voor milieuonderzoek , is de eerste die laat zien hoe nieuwe vastgoeddataplatforms kunnen worden gebruikt om waardevolle inzichten in watergebruik te bieden voor stadshuisvesting en infrastructuurplanning, droogtebeheersing en duurzaamheid.

"Evoluerende ontwikkelingspatronen kunnen de sleutel zijn tot ons succes om meer waterwijs te worden en waterzekerheid op de lange termijn op te bouwen, " zei senior auteur Newsha Ajami, directeur stedelijk waterbeleid bij Stanford's Water in the West-programma. "Het creëren van waterbestendige steden onder een veranderend klimaat hangt nauw samen met hoe we efficiënter kunnen worden in de manier waarop we water gebruiken naarmate onze bevolking groeit."

Naar schatting zal in 2050 tot 68 procent van de wereldbevolking in stedelijke of voorstedelijke gebieden wonen. Hoewel de groei van steden een constante trend is, de typen woningen die worden gebouwd en de wijkconfiguraties zijn minder uniform, wat leidt tot verschillende manieren waarop mensen water binnen en buiten hun huis gebruiken. De mensen die in deze gemeenschappen wonen, hebben ook ander watergebruiksgedrag op basis van factoren zoals leeftijd, etniciteit, opleiding en inkomen. Echter, bij het plannen van infrastructuurwijzigingen, besluitvormers nemen alleen bevolking, rekening houden met economische groei en budget, resulterend in een onvolledig beeld van de toekomstige vraag. Dit, beurtelings, kan leiden tot veranderingen in de infrastructuur, zoals het vervangen van oude leidingen, het ontwikkelen van extra watervoorzieningsbronnen of het bouwen van afvalwaterzuiveringsinstallaties, die niet voldoen aan de behoeften van de gemeenschap.

Zillow en andere onroerendgoedwebsites verzamelen en publiceren gegevens die zijn verzameld bij verschillende provinciale en gemeentelijke instanties. Deze websites kunnen ook worden bijgewerkt door huiseigenaren, waardoor ze rijke informatiebronnen worden die anders moeilijk en tijdig te verkrijgen zijn. De Stanford-onderzoekers gebruikten gegevens van Zillow om informatie over eengezinswoningen te verzamelen, inclusief kavelgrootte, woningwaarde en aantal kamers in Redwood City, Californië, een snelgroeiend, economisch diverse stad met verschillende stijlen huizen, kavels en buurten. Vervolgens, ze haalden demografische informatie van het US Census Bureau voor de stad, kijken naar factoren zoals de gemiddelde grootte van het huishouden en het inkomen, samen met het percentage dat door huurders wordt ingenomen, niet-gezinnen, hoogopgeleiden en senioren.

De Zillow- en censusgegevens koppelen en vervolgens machine learning-methoden toepassen, de onderzoekers konden vijf gemeenschapsgroepen identificeren, of clusters. Vervolgens vergeleken ze de factureringsgegevens van de verschillende groepen van de afdeling openbare werken van de stad om trends in het watergebruik en seizoenspatronen van 2007 tot 2017 en instandhoudingspercentages tijdens de historische droogte van Californië van 2014 tot 2017 te identificeren.

"Met onze methoden die Zillow-gegevens bevatten, waren we in staat om nauwkeurigere gemeenschapsgroeperingen te ontwikkelen die verder gingen dan alleen het clusteren van klanten op basis van inkomen en andere sociaaleconomische kwaliteiten. Deze meer gedetailleerde weergave resulteerde in enkele onverwachte bevindingen en gaf een beter inzicht in waterefficiënte gemeenschappen, " zei hoofdauteur Kim Quesnel, een postdoctoraal onderzoeker aan het Bill Lane Center for the American West tijdens het uitvoeren van het onderzoek.

Ze ontdekten dat de twee laagste inkomensgroepen gemiddeld scoorden op watergebruik, ondanks dat er in elk huishouden meer mensen woonden. De middeninkomensgroep had een hoog watergebruik buitenshuis, maar scoorde laag in het watergebruik in de winter, signalering van efficiënte watertoestellen binnenshuis, zoals low-flow, hoogrenderende kranen en toiletten - waardoor ze een ideaal doelwit zijn voor natuurbehoudfuncties in de buitenlucht, zoals het ombouwen van groene ruimtes of het upgraden naar op het weer gebaseerde of slimme irrigatiecontrollers.

De twee hoogste inkomensgroepen, gekenmerkt door hoogopgeleide huiseigenaren die in relatief grotere huizen wonen, waren het meest verschillend. Eén cluster:jongere bewoners op kleinere kavels met nieuwere huizen in dichtbevolkte, compacte ontwikkelingen - hadden het laagste waterverbruik van de hele stad. Het andere hoge inkomenscluster, bestaande uit oudere huizen op grotere kavels met minder mensen, bleek de grootste waterverbruiker te zijn. De bevinding druist in tegen de meeste eerdere onderzoeken die inkomen en watergebruik met elkaar verbinden, en suggereert dat het veranderen van de manier waarop gemeenschappen worden gebouwd en ontwikkeld, ook de patronen van watergebruik kan veranderen, zelfs voor de meest welvarende klanten.

Alle groepen vertoonden een hoge mate van waterbehoud tijdens droogte. De groepen met de meeste besparingen (tot 37 procent tijdens de piek van droogtebewustzijn) waren de twee dorstigste consumenten (de hoge inkomens, grote en middeninkomensgroepen) met een groot potentieel voor waterbesparing buitenshuis. Ook groepen met een lager normaal waterverbruik konden bezuinigen, maar waren beperkter in hun spaargeld. Inzicht in deze beperkingen zou kunnen helpen om te bepalen hoe beleidsmakers en stadsplanners zich op klanten richten bij het implementeren van waterbeperkingen of het aanbieden van incentives zoals kortingen tijdens droogte.

Dit onderzoek legt het kader voor de integratie van big data in stadsplanning, het verstrekken van nauwkeurigere verwachtingen voor watergebruik voor verschillende gemeenschapsconfiguraties. Verdere studies zouden kunnen zijn om te onderzoeken hoe gegevens van opkomende online onroerendgoedplatforms kunnen worden gebruikt om classificaties van watergebruik in de stad te ontwikkelen, provinciale of zelfs staatsgrenzen. Een bijkomend aandachtsgebied voor de onderzoekers is het onderzoeken hoe het waterverbruik is gekoppeld aan ontwikkelingspatronen in andere soorten woonwijken, bijvoorbeeld in dichtbevolkte steden.

"Opkomend, toegankelijke gegevensbronnen geven ons een kans om een ​​beter geïnformeerd begrip te ontwikkelen van patronen en gedragingen van watergebruik, ", zei Ajami. "Als we de manier waarop we toekomstige steden bouwen en infrastructuur ontwerpen, heroverwegen, we hebben de mogelijkheid voor meer billijke en betaalbare toegang tot water in verschillende gemeenschappen."