Mapeo de alta resolución asistido por ciudadanos y aprendizaje automático de la exposición al calor y el estrés urbanos

Mediante la conversión de la cubierta terrestre en superficies más edificadas e impermeables, las ciudades crean entornos más calurosos que sus alrededores para los residentes urbanos, con grandes diferencias esperadas entre las distintas partes de la ciudad. Sin embargo, las mediciones existentes de la temperatura del aire ambiente y del estrés térmico suelen ser insuficientes para captar la variabilidad intraurbana de la exposición al calor.

Este estudio proporciona un método reproducible para modelar la temperatura del aire, la humedad y el estrés por calor húmedo en el área urbana de Chapel Hill, al tiempo que involucra a los ciudadanos en la recogida de mediciones de temperatura y humedad del aire de alta resolución temporal y espacial. Se utilizaron sensores de bajo coste y de consumo, combinados con datos de teledetección por satélite y aprendizaje automático para cartografiar la temperatura del aire urbano y la humedad relativa en varias clases de cobertura del suelo, con el fin de comprender la variabilidad espacial intraurbana de la exposición al calor ambiental con una resolución relativamente alta (10 m).

Los resultados muestran que los individuos pueden estar expuestos a niveles más altos de temperatura del aire y de estrés por calor húmedo de lo que sugieren los datos de las estaciones meteorológicas, y que la exposición al calor ambiental varía según el tipo de cobertura del suelo, siendo los terrenos cubiertos de árboles los más frescos y las zonas edificadas las más cálidas, y la hora del día, observándose temperaturas del aire más altas a primera hora de la tarde.

Combinando el conjunto de datos resultante acá empleado con datos sociodemográficos, los responsables políticos y los planificadores urbanos de Chapel Hill pueden utilizar los datos obtenidos con este método para identificar las zonas expuestas a altas temperaturas y al estrés térmico húmedo, como primer paso para diseñar medidas de mitigación eficaces.

Título Original:

"Citizen and machine learning-aided high-resolution mapping of urban heat exposure and stress"

Autor/es: