| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 43.24 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
No contexto do clima urbano, regiões com tipologias homogêneas de construções expressam
semelhanças climáticas, a isso se dá o nome de Zonas Climáticas Locais (ZCL),
onde quanto mais urbanizada a zona for, maior será a diferença dos elementos do clima
em relação a sua envolvente rural. Um exemplo disso são os efeitos de ilhas de calor e
Frio onde as temperaturas das áreas urbanas diferenciam-se em relação aos arredores,
dependendo da hora, mês e das características estruturais das superfícies. O presente trabalho
tem como objetivo estudar matematicamente tais características, com o intuito de
desenvolver modelos de regressão linear explicativos da relação entre a morfologia urbana
e as temperaturas da cidade ao longo do ano e identificar as ZCL da cidade de Bragança -
Portugal. Para tal trabalho, serão utilizados os dados de temperatura obtidos no período
de 2016 a 2019 por uma rede de monitorização meteorológica composta por 23 sensores
distribuídos de modo a atender o gradiente do urbano ao rural e os índices de morfologia
urbana característicos da envolvente de cada sensor em um raio de 50 m. Com as análises
obteve-se 12 regressões lineares explicativas, que expressam as máximas, médias e mínimas
temperaturas de cada uma das estações do ano, onde as equações mais explicativas
foram as médias do verão e da primavera, estações com menores interferências do clima
de ampla escala. Obteve-se também com a análise de clusters 22 diferentes modelos de
agrupamentos para o método de Ward e 16 para o método k-means, onde o segundo método
apresentou melhores resultados para expressar o gradiente urbano - rural. Por fim,
com uma análise de probabilidade pode-se identificar a provável distribuição dos sensores
em quatro ZCLs (clusters) devido a quantidade de sensores e ao tamanho da cidade.
In the context of urban climate, areas with similar buildings and urban structures present comparable weather profiles. Those zones are called Local Climate Zones (LCZs), in which the differences between urban and rural areas increase with more dense urbanization. One instance of this relationship is in the cold and heat islands phenomenon, in which urban temperatures tend to differ from rural ones, varying upon time of day, month and local features. This work aims the mathematical study of those relationships, and seeks to develop models that describes them, using linear regression. The city of Bragança - Portugal will be our subject, and we will be analyzing data taken from 2016 to 2019, from a network of 23 sensors placed in such a way to represent evenly the rural and urban areas, with the help of morphological indexes in a 50 m radius. Of this work, resulted 12 linear regressions, which accounted for maximums, means and minimums temperatures of each of the seasons. The best fitting equations were calculated from the Summer and Spring data, when broad climatic influences are smaller. We also derived, from cluster analysis, 22 grouping models from the Ward method and 16 for the k-means method, which performed better in expressing the urban-rural gradient. Finally, we manage to statistically derive the optimal distribution of sensors in four LCZs, based on the number of sensors and the city’s dimensions.
In the context of urban climate, areas with similar buildings and urban structures present comparable weather profiles. Those zones are called Local Climate Zones (LCZs), in which the differences between urban and rural areas increase with more dense urbanization. One instance of this relationship is in the cold and heat islands phenomenon, in which urban temperatures tend to differ from rural ones, varying upon time of day, month and local features. This work aims the mathematical study of those relationships, and seeks to develop models that describes them, using linear regression. The city of Bragança - Portugal will be our subject, and we will be analyzing data taken from 2016 to 2019, from a network of 23 sensors placed in such a way to represent evenly the rural and urban areas, with the help of morphological indexes in a 50 m radius. Of this work, resulted 12 linear regressions, which accounted for maximums, means and minimums temperatures of each of the seasons. The best fitting equations were calculated from the Summer and Spring data, when broad climatic influences are smaller. We also derived, from cluster analysis, 22 grouping models from the Ward method and 16 for the k-means method, which performed better in expressing the urban-rural gradient. Finally, we manage to statistically derive the optimal distribution of sensors in four LCZs, based on the number of sensors and the city’s dimensions.
Description
Mestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do Paraná
Keywords
Análise de clusters Regressão linear múltipla Ward K-means