Barrao Simorte, Samuel
Saz Sánchez, Miguel Ángel (dir.) ; Cuadrat Prats, José María (dir.) ; Serrano Notivoli, Roberto (dir.)
Universidad de Zaragoza,
2024
Resumen: En la actualidad, la relevancia de los estudios de climatología urbana está en aumento, impulsada por el vertiginoso crecimiento de las áreas urbanas, el incremento de la población que las habita y los desafíos inherentes al cambio climático. Es esencial comprender y mitigar los impactos climáticos en los entornos urbanos, lo que requiere disponer de datos precisos y detallados. Sin embargo, los métodos tradicionales de recolección de datos frecuentemente no ofrecen la resolución espacial necesaria para capturar la variabilidad climática a nivel local. En este contexto, la teledetección emerge como una herramienta prometedora, aunque su capacidad para proporcionar resoluciones adecuadas aún tiene limitaciones. Por consiguiente, la instalación de redes urbanas de sensores se postula como una solución clave, al permitir la obtención de datos climáticos con alta resolución espacial y temporal. Zaragoza ha implementado una red de 21 sensores desde marzo de 2015, registrando información horaria de temperatura y humedad en los espacios más característicos de la ciudad y sus alrededores.
Esta tesis propone, en primer lugar, una metodología exhaustiva de control de calidad de la red de sensores urbanos. El objetivo es obtener una base de datos climática depurada y continua para la ciudad, asegurando la coherencia y fiabilidad de los datos recolectados. Para ello, se establecen criterios rigurosos: 1) se establecen límites entre -15 ºC y 50 ºC basados en el historial climático de la ciudad. Cualquier valor fuera de estos límites se elimina de la base de datos; 2) se comparan las lecturas de los 21 observatorios simultáneamente y se eliminan los valores que difieran más allá de ±3 desviaciones estándar de la media; 3) se detectan y revisan las repeticiones automáticas, descartando las provocadas por situaciones de niebla; 4) se busca cambios significativos en las temperaturas horarias consecutivas, estableciendo un umbral de ±5 de diferencia entre una hora y la anterior. Se utiliza la evaluación sinóptica para relacionar datos sospechosos con eventos atmosféricos y se eliminan las observaciones sospechosas sin explicación meteorológica. El control de calidad llevado a cabo permitió procesar un total de 2.665.154 observaciones hasta diciembre de 2022. Se observó que un 1,6 % de las observaciones de temperatura y un 1,3 % de las observaciones de humedad fueron eliminadas durante este proceso de control. Finalmente, para evitar lagunas en la información y rellenar los valores incorrectos eliminados, se procedió a reconstruir las bases de datos depuradas.
En segundo lugar, se realizó la interpolación de la temperatura del aire máxima, media y mínima diaria utilizando un modelo cokriging con las bases de datos climáticas obtenidas. Este modelo, implementado mediante el paquete automap en R, integró covariables derivadas de imágenes satelitales (GLI, NDTI, NBAI y LST) a escala mensual, junto con variables territoriales (MDT y SVF). En lugar de emplear las variables brutas mensuales, se utilizaron los tres primeros componentes principales para cada mes del año. Como resultado de este proceso, se generaron 8.562 rasters de la temperatura urbana de Zaragoza, brindando una representación espacial detallada y precisa de la temperatura en la ciudad. La validación del modelo demostró su robustez para predecir las temperaturas diarias, con la mayoría de los errores medios cercanos a cero. No obstante, se observó una ligera sobreestimación en las predicciones, especialmente en la temperatura máxima. Se identificó una mayor variabilidad en las temperaturas extremas, lo cual puede plantear desafíos en la modelación de variables térmicas. A pesar de que el RMSE reveló valores más altos, la mayoría de los datos presentaron un error inferior a 1 °C, indicando una precisión razonable en las predicciones. En relación con la evolución temporal del error, se notó un aumento durante los meses de invierno debido a la menor disponibilidad de imágenes y a la complejidad climática asociada a esta temporada. Además, se observó un sesgo temporal en los primeros años del análisis, atribuible a la falta de datos originales. A pesar de estos desafíos, la consistencia en el rendimiento del modelo se mantuvo a lo largo del tiempo. Los resultados residuales revelaron que los sensores más recientes presentaban mayores errores, sugiriendo una influencia de la falta de datos originales en la precisión de las predicciones. A pesar de estas limitaciones, el modelo de interpolación cokriging demostró consistencia y capacidad para adaptarse a las condiciones climáticas urbanas en Zaragoza, lo que subraya su utilidad en la evaluación y predicción del clima en entornos urbanos.
En tercer lugar, una vez obtenidos los rasters de temperatura urbana, se procedió a realizar una caracterización climática exhaustiva, revelando diversos patrones sobre su comportamiento térmico en distintas escalas temporales. En los mapas anuales, se observó que el sector urbano es la zona más cálida, mientras que las áreas elevadas al noroeste y al sur muestran temperaturas más frescas. Las áreas de cultivo a lo largo de los ríos y las zonas verdes urbanas también presentan temperaturas más bajas, evidenciando el impacto de la vegetación en la temperatura local. La distribución espacial de la temperatura varió según la variable térmica analizada. Las temperaturas mínimas se concentraron mayormente en el centro urbano y disminuyeron hacia áreas menos densamente construidas, reflejando el efecto de la isla de calor urbano. Por otro lado, las temperaturas máximas mostraron un desplazamiento hacia el sureste, debido a la circulación regional predominante en la zona. En términos estacionales, se destacó un aumento de temperaturas en el entorno urbano durante el invierno, con diferencias más marcadas entre zonas urbanas y rurales. En verano, las temperaturas elevadas predominaron en el valle del Ebro, aunque el efecto de la isla de calor se atenuó. Durante otoño y primavera, las diferencias de temperatura fueron menos pronunciadas. A nivel mensual, se evidenciaron dos tendencias claras en la distribución de la temperatura: una más cálida de abril a septiembre y otra más fría de octubre a febrero. Los mapas diarios revelaron cómo los fenómenos atmosféricos impactaron en la temperatura urbana. Durante nieblas y nevadas, las diferencias entre áreas urbanas y rurales disminuyen. El flujo del viento y la precipitación también modifican la distribución de la temperatura según la intensidad y la dirección. Durante las olas de calor, la intensidad se mantiene o incrementa en ciertas áreas. El uso de un modelo de interpolación en una red urbana de sensores proporciona valiosas herramientas para caracterizar el comportamiento climático de una ciudad. Sin embargo, es importante tener en cuenta las limitaciones relacionadas con la calidad y cantidad de datos disponibles.
Por último, se llevó a cabo la clasificación de las zonas climáticas locales (LCZ) en para completar la caracterización climática. Este proceso implicó enfrentar desafíos como la disponibilidad de datos y la adaptación de metodologías existentes. Tanto los enfoques basados en teledetección como en SIG presentaban ventajas y limitaciones, por lo que seleccionar el método adecuado fue crucial para garantizar resultados precisos. Con el fin de obtener un mayor nivel de detalle, se realizó una modificación en un modelo basado en SIG, incorporando información del MDS obtenido a partir de datos LIDAR. Esta mejora permitió aumentar tanto la resolución como la precisión de la clasificación, aunque es importante destacar que este modelo no es extrapolable a otras ciudades sin un proceso de validación específico. La caracterización climática urbana basada en las LCZ obtenida proporciona una comprensión detallada de cómo influyen las características del entorno urbano en el microclima local. La clasificación de LCZ ofreció información detallada que resulta útil para la planificación urbana y el desarrollo de estrategias de adaptación al cambio climático. Además, permitió identificar áreas específicas que podrían beneficiarse de intervenciones de diseño urbano destinadas a mitigar los efectos del calor urbano y mejorar la calidad de vida de los habitantes.
Resumen (otro idioma):
Esta tesis propone, en primer lugar, una metodología exhaustiva de control de calidad de la red de sensores urbanos. El objetivo es obtener una base de datos climática depurada y continua para la ciudad, asegurando la coherencia y fiabilidad de los datos recolectados. Para ello, se establecen criterios rigurosos: 1) se establecen límites entre -15 ºC y 50 ºC basados en el historial climático de la ciudad. Cualquier valor fuera de estos límites se elimina de la base de datos; 2) se comparan las lecturas de los 21 observatorios simultáneamente y se eliminan los valores que difieran más allá de ±3 desviaciones estándar de la media; 3) se detectan y revisan las repeticiones automáticas, descartando las provocadas por situaciones de niebla; 4) se busca cambios significativos en las temperaturas horarias consecutivas, estableciendo un umbral de ±5 de diferencia entre una hora y la anterior. Se utiliza la evaluación sinóptica para relacionar datos sospechosos con eventos atmosféricos y se eliminan las observaciones sospechosas sin explicación meteorológica. El control de calidad llevado a cabo permitió procesar un total de 2.665.154 observaciones hasta diciembre de 2022. Se observó que un 1,6 % de las observaciones de temperatura y un 1,3 % de las observaciones de humedad fueron eliminadas durante este proceso de control. Finalmente, para evitar lagunas en la información y rellenar los valores incorrectos eliminados, se procedió a reconstruir las bases de datos depuradas.
En segundo lugar, se realizó la interpolación de la temperatura del aire máxima, media y mínima diaria utilizando un modelo cokriging con las bases de datos climáticas obtenidas. Este modelo, implementado mediante el paquete automap en R, integró covariables derivadas de imágenes satelitales (GLI, NDTI, NBAI y LST) a escala mensual, junto con variables territoriales (MDT y SVF). En lugar de emplear las variables brutas mensuales, se utilizaron los tres primeros componentes principales para cada mes del año. Como resultado de este proceso, se generaron 8.562 rasters de la temperatura urbana de Zaragoza, brindando una representación espacial detallada y precisa de la temperatura en la ciudad. La validación del modelo demostró su robustez para predecir las temperaturas diarias, con la mayoría de los errores medios cercanos a cero. No obstante, se observó una ligera sobreestimación en las predicciones, especialmente en la temperatura máxima. Se identificó una mayor variabilidad en las temperaturas extremas, lo cual puede plantear desafíos en la modelación de variables térmicas. A pesar de que el RMSE reveló valores más altos, la mayoría de los datos presentaron un error inferior a 1 °C, indicando una precisión razonable en las predicciones. En relación con la evolución temporal del error, se notó un aumento durante los meses de invierno debido a la menor disponibilidad de imágenes y a la complejidad climática asociada a esta temporada. Además, se observó un sesgo temporal en los primeros años del análisis, atribuible a la falta de datos originales. A pesar de estos desafíos, la consistencia en el rendimiento del modelo se mantuvo a lo largo del tiempo. Los resultados residuales revelaron que los sensores más recientes presentaban mayores errores, sugiriendo una influencia de la falta de datos originales en la precisión de las predicciones. A pesar de estas limitaciones, el modelo de interpolación cokriging demostró consistencia y capacidad para adaptarse a las condiciones climáticas urbanas en Zaragoza, lo que subraya su utilidad en la evaluación y predicción del clima en entornos urbanos.
En tercer lugar, una vez obtenidos los rasters de temperatura urbana, se procedió a realizar una caracterización climática exhaustiva, revelando diversos patrones sobre su comportamiento térmico en distintas escalas temporales. En los mapas anuales, se observó que el sector urbano es la zona más cálida, mientras que las áreas elevadas al noroeste y al sur muestran temperaturas más frescas. Las áreas de cultivo a lo largo de los ríos y las zonas verdes urbanas también presentan temperaturas más bajas, evidenciando el impacto de la vegetación en la temperatura local. La distribución espacial de la temperatura varió según la variable térmica analizada. Las temperaturas mínimas se concentraron mayormente en el centro urbano y disminuyeron hacia áreas menos densamente construidas, reflejando el efecto de la isla de calor urbano. Por otro lado, las temperaturas máximas mostraron un desplazamiento hacia el sureste, debido a la circulación regional predominante en la zona. En términos estacionales, se destacó un aumento de temperaturas en el entorno urbano durante el invierno, con diferencias más marcadas entre zonas urbanas y rurales. En verano, las temperaturas elevadas predominaron en el valle del Ebro, aunque el efecto de la isla de calor se atenuó. Durante otoño y primavera, las diferencias de temperatura fueron menos pronunciadas. A nivel mensual, se evidenciaron dos tendencias claras en la distribución de la temperatura: una más cálida de abril a septiembre y otra más fría de octubre a febrero. Los mapas diarios revelaron cómo los fenómenos atmosféricos impactaron en la temperatura urbana. Durante nieblas y nevadas, las diferencias entre áreas urbanas y rurales disminuyen. El flujo del viento y la precipitación también modifican la distribución de la temperatura según la intensidad y la dirección. Durante las olas de calor, la intensidad se mantiene o incrementa en ciertas áreas. El uso de un modelo de interpolación en una red urbana de sensores proporciona valiosas herramientas para caracterizar el comportamiento climático de una ciudad. Sin embargo, es importante tener en cuenta las limitaciones relacionadas con la calidad y cantidad de datos disponibles.
Por último, se llevó a cabo la clasificación de las zonas climáticas locales (LCZ) en para completar la caracterización climática. Este proceso implicó enfrentar desafíos como la disponibilidad de datos y la adaptación de metodologías existentes. Tanto los enfoques basados en teledetección como en SIG presentaban ventajas y limitaciones, por lo que seleccionar el método adecuado fue crucial para garantizar resultados precisos. Con el fin de obtener un mayor nivel de detalle, se realizó una modificación en un modelo basado en SIG, incorporando información del MDS obtenido a partir de datos LIDAR. Esta mejora permitió aumentar tanto la resolución como la precisión de la clasificación, aunque es importante destacar que este modelo no es extrapolable a otras ciudades sin un proceso de validación específico. La caracterización climática urbana basada en las LCZ obtenida proporciona una comprensión detallada de cómo influyen las características del entorno urbano en el microclima local. La clasificación de LCZ ofreció información detallada que resulta útil para la planificación urbana y el desarrollo de estrategias de adaptación al cambio climático. Además, permitió identificar áreas específicas que podrían beneficiarse de intervenciones de diseño urbano destinadas a mitigar los efectos del calor urbano y mejorar la calidad de vida de los habitantes.
Resumen (otro idioma):
Pal. clave: geografía ; climatología aplicada ; microclimatología
Titulación: Programa de Doctorado en Ordenación del Territorio y Medio Ambiente
Plan(es): Plan 505
Área de conocimiento: Ciencias Sociales y jurídicas
Nota: Presentado: 10 09 2024
Nota: Tesis-Univ. Zaragoza, , 2024
Aportación del TFG/M a la Sostenibilidad: Conseguir que las ciudades y los asentamientos humanos sean inclusivos, seguros, resilientes y sostenibles. Tomar medidas urgentes para combatir el cambio climático y sus efectos.
Enlace permanente:
Visitas y descargas
Registro creado el 2024-11-28, última modificación el 2024-11-28
