Methods for modelling the water - energy - food nexus and other environmental systems towards resilience and sustainability

Abstract

This dissertation explores the potential of Nexus analysis under the frame of advanced clustering algorithms and system dynamics modeling, to enhance water security at all levels (household-, city-, and national-level) thus contributing to environmental security. When considering the Water-Energy-Food (WEF) nexus and in an effort to identify which sector affects the most the other sectors (most influential) and which sector is affected the most (most vulnerable), other studies (Laspidou et al., 2019) indicate that the Water sector is the most vulnerable one. To this end— efficient water uses through data science, technologies and efficient systems—clustering algorithms and specifically Self-Organizing Maps (SOM), K-means (KM) and Hierarchical Agglomerative Clustering (HAC) are implemented in matlab and RStudio to detect water consumption patterns at household and consumer level, using different features of the population each time to feed the algorithms. Moreover, a water-energy nexus analysis is conducted quantifying the water-energy nexus at the city level. Then the Greek WEF Nexus system under climate change is simulated using system dynamics modeling implemented in Stella Architect. Next, a system resilience analysis is applied to the same model to examine which proposed policy makes the system more resilient in terms of the size of the disturbance it can absorb and how quickly it recovers to its initial state. Finally, an analysis in terms of quantifying the impact of WEF nexus as a multi-dimensional approach on the 17 Sustainable Development Goals (SDGs) is conducted, aiming to promote integrating planning and policymaking.In this dissertation, we use several datasets that come from various research projects. The datasets are the following:1)Water consumption from a single household in Sosnowiec, Poland in various locations, such as kitchen, bathroom sink, shower/bathtub, toilet flushing, dishwasher and washing machine; data had a granularity of 30 sec. This data set came from the EU project ISS-EWATUS. 2)Total household water consumption for Milford, Ohio, USA, for 10 households. Temporal data granularity is not constant here, since there was a recording every time a water use "incident" happened, e.g. every time a faucet was used in the household. This dataset was provided to us via a research collaboration with Prof. Enrico Creaco (Buchberger et al., 2003).3)Total water consumption for the island of Skiathos, Greece. This dataset came from the Skiathos Water Utility and represents daily amounts of treated water supplied to households and businesses in Skiathos, with a resolution of one value per day. This dataset came from the EU project ISS-EWATUS.4)Electricity consumption for the island of Skiathos, Greece divided in 3 uses--domestic, agricultural and commercial--in a monthly time step for 6 years (2010 to 2015). This dataset came from the Public Power Company of Greece.5)An extensive national level dataset for Greece divided in its 14 River Basin Districts for Water, Energy, Food, Land Use and Climate. The time step is monthly for the year 2010. This dataset came from the SIM4NEXUS project, and it is publicly available at: Mellios and Laspidou, 2020.The structure of this dissertation is described as follows:Chapter 2 focuses on how the daily household water consumption can be clustered aiming at water security at household level. Household water consumptions can be grouped into days of the week through specific population characteristics. The features used to discretize the days of water consumption are statistic metrics and (half-hourly) consumption time zone consumption metrics. The time zoning is realized in two ways, the first being the typical morning, noon, afternoon, evening and night and the second considering the local working hour time zones. For the analysis, the SOM algorithm is implemented, using some of the selected features. The outcome of this analysis was the self-organization of the Sosnowiec data into groups (clusters) with specific characteristics that essentially differentiate the water consumption of the household on weekdays and weekends. So, the algorithm manages to detect clear consumption patterns, grouping the weekday data (Monday to Friday) into a separate group from that of the weekends.In chapter 3, an analysis of urban water consumption patterns at consumer level and the estimation of the corresponding water demand for water utility is presented. This study proposes a comprehensive methodology for water managers to achieve an efficient operation of urban water networks, by successfully detecting residential water consumption patterns corresponding to different household needs and behaviors. The methodology uses SOM as the main clustering algorithm in combination with KM and HAC. The objective is to create clusters in a literature dataset that includes water consumption by customer-users. Originally, water consumption data was recorded for every water use incident in the household, while for this analysis, the information is converted to half-hourly water consumption. The consumptions refer to households in Ohio, USA. Individual customers with similar consumption behavior are clustered and water-consumption curves are calculated for each cluster; these curves can be used by the water utility to obtain estimates of the spatiotemporal distribution of demand, thus giving insight into peak demands at different locations. Statistical indices of agreement are used to confirm a good agreement between the estimated and observed water use, when clustering is employed. The resulting curves show a clear improvement in capturing water consumption behavior at household level, when compared to corresponding curves obtained without clustering. This analysis offers residents, water managers, water utilities, and policy makers an innovative solution relying on real time data and using data science principles for optimizing water supply and network operation by successfully detecting residential water consumption patterns corresponding to different residential needs and behaviors.In chapter 4, a water–energy nexus analysis is conducted in order to achieve a sustainable supply and effectively manage water and energy at city level. Different electricity uses such as domestic, agricultural and commercial are compared and tested on how they correlate with water use. Specifically, time series of water and energy consumption for the island of Skiathos are analyzed using specific distance metrics. The results of the analysis show that water and energy are intimately related. Therefore, domestic electricity use does not correlate with water use. This isolated case is due to the fact that the water on the island of Skiathos is characterized by a high mercury content, thus making the water not eligible for drinking, so its domestic use is limited. Chapter 5 highlights that climate change impacts the water–energy–food security; given the complexities of interlinkages in the nexus system, these effects may become exacerbated when feedback loops magnify detrimental effects and create vicious cycles. Resilience is understood as the system’s adaptive ability to maintain its functionality even when the system is being affected by a disturbance or shock; in WEF nexus systems, climate change impacts are considered disturbances/shocks and may affect the system in different ways, depending on its resilience. Future global challenges will severely affect all vital resources and threaten environmental resilience. In this article, we present a resilience analysis framework for a water–energy–food nexus system under climate change, and we identify how such systems can become more resilient with the implementation of policies. We showcase results in the national case study of Greece. Parametric sensitivity analysis for socio-ecological systems is performed to identify which parameter the model is the most sensitive to. The case study is based on the structure of a system dynamics model that maps sector-specific data from major national and international databases while causal loop diagrams and stock-and-flow diagrams are presented. Through engineering and ecological resilience metrics, we quantify system resilience and identify which policy renders the system more resilient in terms of how much perturbation it can absorb and how fast it bounces back to its original state, if at all. Two policies are tested, and the framework is implemented to identify which policy is the most beneficial for the system in terms of resilience.Finally, chapter 6 focuses on the cross-mapping of important interactions between Water-Energy-Food nexus indices and the SDGs. Worldwide, many developing countries are making efforts to achieve sustainability through the 17 SDGs and at the same time to contribute to environmental security. The Water-Energy-Food (WEF) nexus aims to enhance this effort through an integrated, multi-disciplinary and multi-domain approach providing a better understanding of the interactions among the Goals, both at and across different scales, to promote equitable access to resources, human wellbeing, and ecological integrity. The Nexus approach will support the implementation of the SDGs especially SDG 2 (Food), SDG 6 (Water), and SDG 7 (Energy), but also most SDGs have elements linked to food, water, and energy in one or more ways, and will benefit from a Nexus approach. The SDGs are designed to be cross-cutting and to be implemented together, which is also reflected in a WEF Nexus approach. In this article, we explore the influence of the WEF nexus on the SDGs by assessing the impact of Water-Energy-Food—the three WEF nexus components—on specific SDG targets by providing scores via a 7-point rating scheme. The goal is to help policymakers to create coherent policies and strategies through a systemic analysis of the many interactions by identifying synergetic or antagonistic effects of WEF nexus policies with the SDGs. Results are showcased through advanced visualization tools that cross-map the WEF nexus on the SDGs to reveal the complex and possibly obscure inter-relationships of the resource nexus with the 17 SDGs. Finally, a Fuzzy Cognitive Map analysis is conducted on the scores in order to identify the most “influential” and most “influenced by” SDGs analyzing the causality in this complex system of positive and negative interlinkages. Through this analysis, specific SDGs are indicated as the most influenced by the WEF nexus, revealing either synergies or trade-offs, while other SDGs are identified as having little interaction with the WEF nexus system.The novelty of this dissertation relies firstly on a detailed pattern analysis using the SOM algorithm. Daily patterns of water consumption at household level are identified by using specific population characteristics leading to the creation of clusters. An innovative solution for water utilities is proposed, based on real time data and using data science principles to optimize water supply to customers and network operation. Two combined algorithms—Self-Organizing Maps (SOM) – K-Means (KM) and Self-Organizing Maps (SOM) – Hierarchical Agglomerative Clustering (HAC)—were developed to create clusters that include customer water consumption. Then a Water-Energy nexus analysis is performed at the city level in order to quantify their correlation and a WEF nexus approach under climate change combined with systemic resilience and parametric sensitivity analysis at national level is also presented. To simulate and model the Nexus for this analysis, System Dynamics Modelling is used. In this dissertation, the influence of the WEF nexus on the SDGs is also explored, by using Fuzzy Cognitive Maps analysis.

Αυτή η διατριβή διερευνά τις δυνατότητες ανάλυσης της διασύνδεσης (nexus) των πόρων στο πλαίσιο προηγμένων αλγορίθμων ομαδοποίησης και μοντελοποίησης δυναμικών συστημάτων, στοχεύοντας στη διασφάλιση του νερού σε όλα τα επίπεδα (οικιακό, πόλης και εθνικό επίπεδο) συμβάλλοντας έτσι στην περιβαλλοντική ασφάλεια. Εξετάζοντας τη διασύνδεση Νερού-Ενέργειας-Τροφής (Water-Energy-Food Nexus—WEF Nexus) και σε μια προσπάθεια να προσδιορίσουμε ποιος τομέας επηρεάζει περισσότερο τους άλλους τομείς (αυτός με τη μεγαλύτερη επιρροή) και ποιος τομέας επηρεάζεται περισσότερο (ο πιο ευάλωτος), άλλες μελέτες (Laspidou et al., 2019) καταδεικνύουν ότι ο τομέας του Νερού είναι ο πιο ευάλωτος. Για τον σκοπό αυτό —αποδοτική χρήση νερού μέσω επιστήμης δεδομένων, τεχνολογιών και ευφυών συστημάτων— αλγόριθμοι ομαδοποίησης και συγκεκριμένα Χάρτες Αυτό-οργάνωσης (Self-Organizing Maps), K-means (KM) και Hierarchical Agglomerative Clustering (HAC) εφαρμόζονται στη matlab και το RStudio για τον εντοπισμό προτύπων κατανάλωσης νερού σε επίπεδο νοικοκυριού και καταναλωτή, χρησιμοποιώντας διαφορετικά χαρακτηριστικά του πληθυσμού κάθε φορά για την τροφοδότηση των αλγορίθμων. Επιπλέον, διεξάγεται μια ανάλυση διασύνδεσης νερού-ενέργειας ποσοτικοποιώντας τη διασύνδεση νερού και ενέργειας σε επίπεδο πόλης. Στη συνέχεια το ελληνικό σύστημα WEF Nexus υπό την κλιματική αλλαγή προσομοιώνεται σε δυναμικό μοντέλο συστημάτων χρησιμοποιώντας το Stella Architect. Ακολουθεί μια συστημική ανάλυση ανθεκτικότητας (system resilience analysis) που εφαρμόστηκε στο ίδιο μοντέλο για να εξεταστεί ποια προτεινόμενη πολιτική καθιστά το σύστημα πιο ανθεκτικό όσον αφορά το μέγεθος της διαταραχής που μπορεί να απορροφήσει και το πόσο γρήγορα επανέρχεται στην αρχική του κατάσταση. Τέλος, πραγματοποιείται μια ανάλυση με σκοπό την ποσοτικοποίηση του αντίκτυπου του WEF Nexus ως πολυδιάστατης προσέγγισης στους 17 Στόχους Βιώσιμης Ανάπτυξης (ΣΒΑ), στοχεύοντας στην προώθηση της ολοκλήρωσης του σχεδιασμού και της χάραξης πολιτικής.Σε αυτή τη διατριβή, έχουν χρησιμοποιηθεί πολλά σύνολα δεδομένων που προέρχονται από διάφορα ερευνητικά έργα. Τα σύνολα δεδομένων είναι τα ακόλουθα:1)Κατανάλωση νερού από ένα μόνο νοικοκυριό στο Sosnowiec της Πολωνίας σε διάφορες τοποθεσίες, όπως κουζίνα, νεροχύτης μπάνιου, ντους/μπανιέρα, πλύσιμο τουαλέτας, πλυντήριο πιάτων και πλυντήριο ρούχων. Tα δεδομένα είχαν λεπτομερή καταγραφή 30 δευτερολέπτων. Αυτό το σύνολο δεδομένων προήλθε από το ευρωπαϊκό έργο ISS-EWATUS. 2)Συνολική κατανάλωση νερού οικιακής χρήσης για το Μίλφορντ, Οχάιο, ΗΠΑ, για 10 νοικοκυριά. Η ευαισθησία των χρονικών δεδομένων δεν είναι σταθερή εδώ, αφού υπήρχε καταγραφή κάθε φορά που συνέβαινε ένα «περιστατικό» χρήσης νερού, π.χ. κάθε φορά που χρησιμοποιήθηκε μια βρύση στο νοικοκυριό. Αυτό το σύνολο δεδομένων μας παρασχέθηκε μέσω μιας ερευνητικής συνεργασίας με τον καθηγητή Enrico Creaco (Buchberger et al., 2003).3)Συνολική κατανάλωση νερού για το νησί της Σκιάθου. Αυτό το σύνολο δεδομένων προήλθε από την Ύδρευση της Σκιάθου και αντιπροσωπεύει τις ημερήσιες ποσότητες επεξεργασμένου νερού που παρέχονται σε νοικοκυριά και επιχειρήσεις στη Σκιάθο, με ανάλυση μίας τιμής ανά ημέρα. Αυτό το σύνολο δεδομένων προήλθε από το έργο της ΕΕ ISS-EWATUS.4)Η κατανάλωση ηλεκτρικής ενέργειας για το νησί της Σκιάθου χωρίζεται σε 3 χρήσεις - οικιακή, αγροτική και εμπορική - σε μηνιαίο χρονικό βήμα για 6 χρόνια (2010 έως 2015). Αυτό το σύνολο δεδομένων προήλθε από τη Δημόσια Επιχείρηση Ηλεκτρισμού της Ελλάδος 5)Ένα εκτενές σύνολο δεδομένων σε εθνικό επίπεδο για την Ελλάδα χωρισμένη στις 14 Περιοχές Λεκάνης Απορροής Ποταμού για το νερό, την ενέργεια, τα τρόφιμα, τη χρήση γης και το κλίμα. Το χρονικό βήμα είναι μηνιαίο για το έτος 2010. Αυτό το σύνολο δεδομένων προέρχεται από το έργο SIM4NEXUS και είναι δημόσια διαθέσιμο (Mellios and Laspidou, 2020).Η δομή της παρούσας διπλωματικής εργασίας περιγράφεται ως εξής:Το κεφάλαιο 2, εστιάζει στο πώς μπορούμε να δημιουργήσουμε ομάδες (clusters) χρησιμοποιώντας δεδομένα ημερήσιας κατανάλωσης νερού ενός νοικοκυριού με απώτερο σκοπό τη διασφάλιση του νερού σε οικιακό επίπεδο. Οι οικιακές καταναλώσεις νερού μπορεί να ομαδοποιηθούν σε ημέρες της εβδομάδας, μέσω ορισμένων χαρακτηριστικών του πληθυσμού. Τα χαρακτηριστικά που χρησιμοποιούνται για τη διακριτοποίηση των ημερών κατανάλωσης νερού είναι οι στατιστικές μετρήσεις και οι (ανά μισή ώρα) μετρήσεις κατανάλωσης σε διάφορες ζώνες ώρας. Η χρονική διακριτοποίηση της ζώνης ώρας πραγματοποιείται με δύο τρόπους, ο πρώτος είναι η τυπική πρωινή, μεσημεριανή, απογευματινή, και βραδινή ζώνη και ο δεύτερος λαμβάνοντας υπόψη τις τυπικές ζώνες εργάσιμων ωρών σε κάθε περιοχή. Για την ανάλυση, χρησιμοποιήθηκε ο αλγόριθμος SOM, χρησιμοποιώντας ορισμένα από τα επιλεγμένα χαρακτηριστικά. Αποτέλεσμα της συγκεκριμένης ανάλυσης ήταν η αυτό-οργάνωση των δεδομένων σε ομάδες (clusters) με συγκεκριμένα χαρακτηριστικά που ουσιαστικά διακριτοποιούν τις καταναλώσεις νερού του νοικοκυριού σε καθημερινές και Σαββατοκύριακα. Ο αλγόριθμος δηλαδή καταφέρνει να αναγνωρίσει ξεκάθαρα μοτίβα κατανάλωσης, ομαδοποιώντας τα δεδομένα των καθημερινών (Δευτέρα έως Παρασκευή) σε ξεχωριστή ομάδα από αυτή των Σαββατοκύριακων.Στο κεφάλαιο 3, παρουσιάζεται μια ανάλυση των προτύπων αστικής κατανάλωσης νερού σε επίπεδο καταναλωτή και η εκτίμηση της αντίστοιχης ζήτησης νερού για την εταιρεία ύδρευσης. Αυτή η μελέτη προτείνει μια ολοκληρωμένη μεθοδολογία για τους διαχειριστές νερού ώστε να επιτύχουν μια αποτελεσματική λειτουργία των δικτύων ύδρευσης, ανιχνεύοντας επιτυχώς πρότυπα κατανάλωσης νερού οικιακής χρήσης που αντιστοιχούν σε διαφορετικές οικιακές ανάγκες και συμπεριφορές. Η μεθοδολογία χρησιμοποιεί SOM ως τον κύριο αλγόριθμο ομαδοποίησης σε συνδυασμό με KM και HAC. Ο στόχος είναι να δημιουργηθούν ομάδες από ένα σύνολο δεδομένων που περιλαμβάνει την κατανάλωση νερού πελατών – χρηστών. Αρχικά, τα δεδομένα κατανάλωσης νερού καταγράφονταν για κάθε περιστατικό χρήσης νερού στο νοικοκυριό, ενώ για αυτήν την ανάλυση, οι πληροφορίες μετατρέπονται σε κατανάλωση νερού ανά μισή ώρα. Οι μεμονωμένοι πελάτες με παρόμοια συμπεριφορά κατανάλωσης ομαδοποιούνται και υπολογίζονται οι καμπύλες κατανάλωσης νερού για κάθε ομάδα. Αυτές οι καμπύλες μπορούν να χρησιμοποιηθούν από την εταιρεία ύδρευσης για να ληφθούν εκτιμήσεις της χώρο-χρονικής κατανομής της ζήτησης, δίνοντας έτσι πληροφορίες για τις απαιτήσεις αιχμής σε διαφορετικές τοποθεσίες μέσα στο δίκτυο. Οι στατιστικοί δείκτες χρησιμοποιούνται για να επιβεβαιώσουν την καλή συμφωνία μεταξύ της εκτιμώμενης και της πραγματικής χρήσης νερού, όταν χρησιμοποιείται ομαδοποίηση. Οι καμπύλες που προκύπτουν δείχνουν μια σαφή βελτίωση στην καταγραφή της συμπεριφοράς κατανάλωσης νερού σε επίπεδο νοικοκυριού, σε σύγκριση με αντίστοιχες καμπύλες που λαμβάνονται χωρίς ομαδοποίηση. Αυτή η ανάλυση προσφέρει στους κατοίκους, τους διαχειριστές ύδρευσης, τις επιχειρήσεις κοινής ωφελείας και τους υπεύθυνους χάραξης πολιτικής μια καινοτόμο λύση που βασίζεται σε δεδομένα πραγματικού χρόνου και χρησιμοποιεί αρχές της επιστήμης δεδομένων για τη βελτιστοποίηση της παροχής νερού και της λειτουργίας του δικτύου, ανιχνεύοντας επιτυχώς πρότυπα κατανάλωσης νερού οικιακής χρήσης που αντιστοιχούν σε διαφορετικές οικιστικές ανάγκες και συμπεριφορές. Στο κεφάλαιο 4, διεξάγεται μια ανάλυση της διασύνδεσης Νερού-Ενέργειας (Water–Energy Nexus analysis) προκειμένου να επιτευχθεί βιώσιμος εφοδιασμός και αποτελεσματική διαχείριση νερού και ενέργειας σε επίπεδο πόλης. Διαφορετικές χρήσεις ηλεκτρικής ενέργειας, όπως οικιακή, γεωργική και εμπορική συγκρίνονται και ελέγχονται ως προς το πώς συσχετίζονται με τη χρήση του νερού. Πιο συγκεκριμένα, αναλύονται χρονοσειρές κατανάλωσης νερού και ενέργειας για το νησί της Σκιάθου χρησιμοποιώντας συγκεκριμένους δείκτες μέτρησης (distance metrics). Τα αποτελέσματα της ανάλυσης δείχνουν ότι το νερό και η ενέργεια είναι άρρηκτα συνδεδεμένα. Παρόλα αυτά, ως εξαίρεση σε αυτή την περίπτωση μελέτης, συγκεκριμένα η οικιακή χρήση ηλεκτρικής ενέργειας δεν δείχνει να συσχετίζεται με τη χρήση νερού. Η μεμονωμένη αυτή περίπτωση οφείλεται στο γεγονός ότι στο νησί της Σκιάθου το νερό χαρακτηρίζεται από υψηλή περιεκτικότητα υδραργύρου, καθιστώντας έτσι το νερό μη κατάλληλο για πόση, οπότε η οικιακή του χρήση είναι περιορισμένη.Στο κεφάλαιο 5, υπογραμμίζεται ότι η κλιματική αλλαγή επηρεάζει την ασφάλεια νερού-ενέργειας-τροφής. Δεδομένης της πολυπλοκότητας των διασυνδέσεων σε ένα σύστημα Nexus, αυτό το φαινόμενο μπορεί να επιδεινωθεί όταν οι βρόχοι ανάδρασης μεγεθύνουν τα επιζήμια αποτελέσματα και δημιουργούν φαύλους κύκλους, όπου τα αρνητικά αποτελέσματα φαίνονται ταχύτατα. Στα συστήματα WEF Nexus, οι επιπτώσεις της κλιματικής αλλαγής θεωρούνται διαταραχές/σοκ και μπορεί να επηρεάσουν το σύστημα με διαφορετικούς τρόπους, ανάλογα με την ανθεκτικότητά του. Οι μελλοντικές παγκόσμιες προκλήσεις θα επηρεάσουν σοβαρά όλους τους ζωτικούς πόρους και θα απειλήσουν την περιβαλλοντική ανθεκτικότητα. Σε αυτό το άρθρο, παρουσιάζεται ένα πλαίσιο ανάλυσης ανθεκτικότητας για ένα σύστημα WEF Nexus υπό την κλιματική αλλαγή και προσδιορίζουμε πώς τέτοια συστήματα μπορούν να γίνουν πιο ανθεκτικά με την εφαρμογή πολιτικών. Παρουσιάζουμε αποτελέσματα για την εθνική περίπτωση μελέτης της Ελλάδας. Μέρος της μεθοδολογίας αποτελεί η παραμετρική ανάλυση ευαισθησίας (parametric sensitivity analysis) για κοινωνικό-οικολογικά συστήματα ώστε να προσδιοριστεί ως προς ποια παράμετρο είναι πιο ευαίσθητο το μοντέλο. Η περίπτωση μελέτης βασίζεται στη δομή ενός μοντέλου δυναμικού συστήματος που χαρτογραφεί δεδομένα ανά τομέα από μεγάλες εθνικές και διεθνείς βάσεις δεδομένων, ενώ παρουσιάζονται Causal Loop Diagrams και Stock-and-Flow Diagrams. Μέσω των μετρήσεων μηχανικής και οικολογικής ανθεκτικότητας, ποσοτικοποιούμε την ανθεκτικότητα του συστήματος και προσδιορίζουμε ποια πολιτική καθιστά το σύστημα πιο ανθεκτικό όσον αφορά το μέγεθος των διαταραχών που μπορεί να απορροφήσει και πόσο γρήγορα επανέρχεται στην αρχική του κατάσταση, αν επανέλθει καθόλου. Δοκιμάζονται δύο πολιτικές και εφαρμόζεται το πλαίσιο για να προσδιοριστεί ποια πολιτική είναι η πιο ωφέλιμη για τα διαστήματα ανθεκτικότητας του συστήματος.Τέλος, το κεφάλαιο 6 εστιάζει στη διασταυρούμενη χαρτογράφηση σημαντικών αλληλεπιδράσεων μεταξύ των δεικτών διασύνδεσης Νερού-Ενέργειας-Τροφής και των ΣΒΑ. Οι χώρες παγκοσμίως καταβάλλουν προσπάθειες για να επιτύχουν βιωσιμότητα μέσω των 17 ΣΒΑ και ταυτόχρονα να συμβάλουν στην περιβαλλοντική ασφάλεια. Η διασύνδεση Νερού–Ενέργειας–Τροφής (WEF Nexus) στοχεύει να ενισχύσει αυτή την προσπάθεια μέσω μιας ολοκληρωμένης, πολυεπιστημονικής και πολυτομεακής προσέγγισης, που παρέχει καλύτερη κατανόηση των αλληλεπιδράσεων μεταξύ των Στόχων, σε διαφορετικές κλίμακες, για την προώθηση της δίκαιης πρόσβασης σε πόρους, την ανθρώπινη ευημερία και την οικολογική ακεραιότητα. Η προσέγγιση Nexus θα υποστηρίξει την εφαρμογή των ΣΒΑ, ιδίως των ΣΒΑ 2 (Τροφή), ΣΒΑ 6 (Νερό) και ΣΒΑ 7 (Ενέργεια), αλλά και οι περισσότεροι ΣΒΑ έχουν στοιχεία που συνδέονται με την τροφή, το νερό και την ενέργεια με έναν ή περισσότερους τρόπους, και θα επωφεληθούν από μια προσέγγιση Nexus. Οι ΣΒΑ έχουν σχεδιαστεί για να είναι δια τομεακοί και να εφαρμόζονται μαζί, κάτι που αντικατοπτρίζεται επίσης σε μια προσέγγιση του WEF Nexus. Σε αυτό το άρθρο, διερευνούμε την επιρροή του WEF Nexus στους ΣΒΑ, αξιολογώντας τον αντίκτυπο του Νερού–Ενέργειας-Τροφής—των τριών συνιστωσών του WEF Nexus—σε συγκεκριμένους ΣΒΑ παρέχοντας βαθμολογίες μέσω ενός σχήματος αξιολόγησης 7 βαθμών. Ο στόχος είναι να βοηθηθούν οι υπεύθυνοι χάραξης πολιτικής, ώστε να δημιουργήσουν συνεκτικές πολιτικές και στρατηγικές μέσω μιας συστημικής ανάλυσης των πολλών αλληλεπιδράσεων, εντοπίζοντας συνεργικές ή ανταγωνιστικές επιδράσεις των πολιτικών δεσμών του WEF Nexus με τους ΣΒΑ. Τα αποτελέσματα παρουσιάζονται μέσω προηγμένων εργαλείων οπτικοποίησης που αποτυπώνουν την επιρροή του WEF Nexus στους ΣΒΑ για να αποκαλύψουν τις περίπλοκες και πιθανώς σκοτεινές διασυνδέσεις του συνδέσμου πόρων με τους 17 ΣΒΑ. Τέλος, διεξάγεται μια Fuzzy Cognitive Map ανάλυση στις βαθμολογίες (scores) προκειμένου να εντοπιστούν οι ΣΒΑ που επηρεάζουν και επηρεάζονται περισσότερο, αναλύοντας την αιτιότητα σε αυτό το πολύπλοκο σύστημα θετικών και αρνητικών διασυνδέσεων. Μέσω αυτής της ανάλυσης, οι συγκεκριμένοι ΣΒΑ υποδεικνύονται ως οι πιο εξαρτημένοι από το WEF Nexus, αποκαλύπτοντας είτε συνέργειες είτε συμβιβασμούς, ενώ άλλοι ΣΒΑ αναγνωρίζονται ότι έχουν μικρή αλληλεπίδραση με το σύστημα WEF Nexus.Η καινοτομία αυτής της διατριβής βασίζεται πρώτα σε μια λεπτομερή ανάλυση προτύπων κατανάλωσης χρησιμοποιώντας τον αλγόριθμο SOM. Τα καθημερινά πρότυπα κατανάλωσης νερού σε επίπεδο νοικοκυριού προσδιορίζονται χρησιμοποιώντας συγκεκριμένα πληθυσμιακά χαρακτηριστικά που οδηγούν στη δημιουργία συστάδων. Προτείνεται μια καινοτόμος λύση για τις επιχειρήσεις ύδρευσης, βασισμένη σε δεδομένα πραγματικού χρόνου και χρησιμοποιώντας αρχές της επιστήμης δεδομένων για τη βελτιστοποίηση της παροχής νερού στους πελάτες και τη λειτουργία του δικτύου. Δύο συνδυασμένοι αλγόριθμοι—Self-Organizing Maps (SOM) – K-Means (KM) and Self-Organizing Maps (SOM) – Hierarchical Agglomerative Clustering (HAC)—αναπτύχθηκαν για τη δημιουργία ομάδων που περιλαμβάνουν την κατανάλωση νερού από τους πελάτες. Στη συνέχεια πραγματοποιείται ανάλυση του δεσμού (nexus) Νερού-Ενέργειας σε επίπεδο πόλης προκειμένου να ποσοτικοποιηθεί η συσχέτισή τους και παρουσιάζεται επίσης μια WEF nexus προσέγγιση υπό την κλιματική αλλαγή σε συνδυασμό με ανάλυση συστημικής ανθεκτικότητας (systemic resilience analysis) και παραμετρικής ευαισθησίας (parametric sensitivity analysis) σε εθνικό επίπεδο. Για την προσομοίωση και τη μοντελοποίηση του Nexus για αυτήν την ανάλυση, χρησιμοποιείται το System Dynamics Modeling. Σε αυτή τη διατριβή, διερευνάται επίσης η επιρροή του WEF nexus στους ΣΒΑ, χρησιμοποιώντας την ανάλυση Fuzzy Cognitive Maps.