Efecto de enfriamiento no lineal de la morfología del área verde de la calle: Evidencia de un árbol de decisiones de aumento de gradiente y un enfoque de aprendizaje automático explicable

La mitigación del efecto isla de calor es fundamental debido a la frecuencia del tiempo extremadamente caluroso. El reverdecimiento de las calles urbanas puede conseguirlo y mejorar la calidad de los espacios urbanos y el bienestar de las personas. Sin embargo, falta una definición clara de la morfología de las áreas verdes urbanas, y el mecanismo no lineal de su efecto de enfriamiento aún no está claro; la interacción entre la morfología de las áreas verdes urbanas y el entorno construido circundante no se ha investigado.

Este estudio utilizó métodos de aprendizaje automático, aprendizaje profundo y visión por ordenador para predecir la temperatura de la superficie terrestre basándose en la morfología de las áreas verdes de la calle y el entorno construido circundante. A continuación, se compararon los rendimientos de los modelos XGBoost, LightGBM y CatBoost, y se analizaron los efectos de refrigeración no lineales ofrecidos por la morfología del área verde de la calle utilizando el método Shapley.

Los resultados muestran que las calles con un alto nivel de exposición al entorno verde (GVI > 0,4, NDVISigla de "Normalized Difference Vegetation Index" que en español significa Índice de Vegetación de Diferencia Normalizada. > 4) pueden albergar más tipos de morfología de áreas verdes manteniendo el efecto de enfriamiento. Además, la proporción de vegetación con geometría simple (FI < 0,2), hojas grandes (FD < 0,65), hojas de color claro (CSI > 13) y alta densidad de hojas (TDE > 3) debe aumentarse en las calles con un bajo nivel de exposición al entorno verde (GVI < 0,1, NDVISigla de "Normalized Difference Vegetation Index" que en español significa Índice de Vegetación de Diferencia Normalizada. < 2,5). Mientras tanto, las calles con alturas de edificios muy variables (AFI > 1,5) o grandes superficies cubiertas por edificios (BC > 0,3) deberían aumentar la vegetación de hoja grande (FD < 0,65) y disminuir la vegetación de hoja oscura (CSI < 13).

El estudio utiliza métodos de aprendizaje automático para construir un modelo no lineal de beneficios de refrigeración para la morfología de las áreas verdes urbanas, propone recomendaciones de diseño para diferentes áreas verdes urbanos que tienen en cuenta la adaptación al clima, y ofrece una referencia para la regulación del entorno térmico urbano.

Título Original:

"Nonlinear Cooling Effect of Street Green Space Morphology: Evidence from a Gradient Boosting Decision Tree and Explainable Machine Learning Approach"

Autor/es: