Tesis:
Caracterización del fenómeno de islas de calor urbano en una ciudad tropical andina colombiana (Cartago, Valle del Cauca) integrando variables ambientales
- Autor: GARZÓN BARRERO, Julián
- Título: Caracterización del fenómeno de islas de calor urbano en una ciudad tropical andina colombiana (Cartago, Valle del Cauca) integrando variables ambientales
- Fecha: 2023
- Materia:
- Escuela: E.T.S.I. EN TOPOGRAFIA, GEODESIA Y CARTOGRAFIA
- Departamentos: INGENIERIA TOPOGRAFICA Y CARTOGRAFIA
- Acceso electrónico: https://oa.upm.es/76886/
- Director/a 1º: MOLINA SÁNCHEZ, Íñigo
- Director/a 2º: VELASCO GÓMEZ, Jesús
- Resumen: La dinámica urbana y sus impactos asociados han llevado a modificaciones significativas en la estructura básica y el funcionamiento de los ecosistemas. La heterogeneidad del paisaje juega un papel importante en la variación de la temperatura superficial terrestre (LST) dentro de la ciudad y sus áreas circundantes. Las islas de calor urbanas superficiales (SUHI) son una alteración antropogénica del sistema terrestre. Sus patrones espaciotemporales generan variaciones térmicas que afectan la relación entre los sistemas urbano y biofísico. Comprender el efecto de estos cambios es fundamental para enfrentar los desafíos que genera el crecimiento de las poblaciones urbanas. En esta Tesis Doctoral se utilizaron 37 imágenes de los sensores Landsat-TM, ETM+, OLI/TIRS y 11 imágenes del instrumento multiespectral Sentinel-2 (S2-MSI) para derivar LST y diferentes factores ambientales que permitieron generar un modelo explicativo del fenómeno SUHI, detectando patrones térmicos espaciotemporales a través de la combinación de técnicas de análisis de componentes principales (PCA), y regresión lineal múltiple (MLR) para la ciudad colombiana de Cartago durante el período 2001-2020. Las variables del modelo incluyeron distintos índices espectrales, transformadas espectrales y factores de proximidad. Para estimar los valores LST en las imágenes Landsat-8 OLI/TIRS se probaron 3 modelos de emisividad. El modelo de fracción de cobertura vegetal (FCOVER) derivado de S2-MSI produjo los mejores resultados para recuperar LST con R² = 0,78 y errores medios comprendidos entre 1,1 y 1,3 °C, en comparación con las temperaturas medidas in situ. Los resultados indicaron que los factores ambientales con mayor impacto fueron los índices de diferencia normalizada de agua (NDWI), 52%, y de construcción (NDBI), 21%. El resto de factores incidieron en menor medida. Además, durante la serie temporal 2001-2020 se observó un aumento continuo térmico en tiempo y espacio. Esta investigación propone un modelo novedoso para determinar el fenómeno SUHI, incorporando el algoritmo Weighted Naïve Bayes (WNB) que permitió identificar áreas propensas a temperaturas extremas. El modelo obtenido con WNB demostró confiabilidad de 95%, frente al 88% proporcionado por el algoritmo Support Vector Machine (SVM). El algoritmo WNB permitió integrar de manera eficiente la contribución de cada factor ambiental involucrado. La segmentación se utilizó para producir el mapa de recomendación térmica urbana y categorizar el entorno con un estado SUHI específico y, por tanto, proponer acciones de mitigación y adaptación como parte del proceso de planificación urbana.
ABSTRACT
Urban dynamics and its associated impacts have led to significant changes in the basic structure and functioning of ecosystems. Landscape heterogeneity plays an important role in the variation of the land surface temperature (LST) within the city and its surrounding areas. Surface Urban Heat Islands (SUHI) are an anthropogenic disturbance of the Earth system. Its spatiotemporal patterns generate thermal variations that affect the relationship between urban and biophysical systems. Understanding the effect of these changes is essential to face the challenges generated by the growth of urban populations. In this Doctoral Thesis, 37 images from Landsat-TM, ETM+, OLI/TIRS sensors and 11 images from the Sentinel-2 multispectral instrument (S2-MSI) were used to derive LST and different environmental factors that allowed generating an explanatory model of the SUHI phenomenon, detecting spatiotemporal thermal patterns through the combination of principal component analysis (PCA) techniques and multiple linear regression (MLR) for the Colombian city of Cartago during the period 2001-2020. The model variables included different spectral indices, spectral transforms, and proximity factors. To estimate the LST values on the Landsat-8 OLI/TIRS images, 3 emissivity models were tested. The fractional vegetation cover (FCOVER) model derived from S2-MSI produced the best results for recovering LST with R² = 0.78 and mean errors between 1.1 and 1.3 °C, compared to the temperatures measured in situ. The results indicated that the environmental factors with the greatest impact were the Normalized Difference Water Index (NDWI), 52%, and the Normalized Difference Building Index (NDBI), 21%. The rest of the factors are affected to a lesser extent. Furthermore, during the 2001-2020 time series, a continuous thermal increase was observed in time and space. This research proposes a novel model to determine the SUHI phenomenon, incorporating the Weighted Naïve Bayes (WNB) algorithm, which allowed the identification of areas prone to extreme temperatures. The model obtained with WNB demonstrated reliability of 95%, compared to 88% provided by the Support Vector Machine (SVM) algorithm. The WNB algorithm allowed to efficiently integrate the contribution of each environmental factor involved. The segmentation obtained was used to categorize the urban environment according to a specific SUHI status and, therefore, propose mitigation and adaptation actions as part of the urban planning process.