Explicando la Variabilidad Térmica a Nivel de Calle a Través de la Segmentación Semántica y la IA Explicable: Hacia un Diseño Urbano y de Edificios Sensible al Clima
Autores: Lee, Yuseok; Kim, Minjun; Seo, Eunkyo
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Explicando la Variabilidad Térmica a Nivel de Calle a Través de la Segmentación Semántica y la IA Explicable: Hacia un Diseño Urbano y de Edificios Sensible al Clima
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Comprensión
Entornos térmicos al aire libre
Estrategias de diseño urbano
Desviaciones de temperatura del aire local
Datos de sensores
Información sobre edificios
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 9
Citaciones: Sin citaciones
Entender los entornos térmicos exteriores a escalas espaciales finas es esencial para desarrollar estrategias de diseño urbano y de edificios que respondan al clima. Este estudio investiga los determinantes de las desviaciones de temperatura del aire local en Seúl, Corea, utilizando datos de sensores in situ de alta resolución integrados con información urbana y de edificios de múltiples fuentes. Los registros de temperatura por hora de 436 sensores embebidos en la carretera (marzo de 2024-febrero de 2025) se transformaron en métricas relativas que representan desviaciones de la media de la red y se combinaron con indicadores semánticos derivados de imágenes de vista de calle: Índice de Vista Verde (GVI), Índice de Vista de Carretera (RVI), Índice de Vista de Edificio (BVI), Índice de Vista del Cielo (SVI) e Índice de Enclosure de Calle (SEI), junto con atributos de cobertura del suelo y edificios como área de superficie impermeable (ISA), área bruta de piso (GFA), relación de cobertura de edificio (BCR) y relación de área de piso (FAR). Empleando un marco de eXtreme Gradient Boosting (XGBoost)-Shapley Additive exPlanations (SHAP), el estudio cuantifica relaciones no lineales e interactivas entre factores morfológicos, ambientales y visuales. El SEI, BVI e ISA surgieron como contribuyentes dominantes al calentamiento localizado, mientras que RVI, GVI y SVI mejoraron el potencial de enfriamiento. Los contrastes estacionales revelan que la enclaustración construida y la visibilidad de la vegetación moldean conjuntamente la dinámica del calor a microescala. Los hallazgos demuestran cómo los datos de alta resolución basados en observaciones pueden guiar estrategias de diseño que respondan al clima y apoyar la planificación urbana térmicamente adaptativa.
Descripción
Entender los entornos térmicos exteriores a escalas espaciales finas es esencial para desarrollar estrategias de diseño urbano y de edificios que respondan al clima. Este estudio investiga los determinantes de las desviaciones de temperatura del aire local en Seúl, Corea, utilizando datos de sensores in situ de alta resolución integrados con información urbana y de edificios de múltiples fuentes. Los registros de temperatura por hora de 436 sensores embebidos en la carretera (marzo de 2024-febrero de 2025) se transformaron en métricas relativas que representan desviaciones de la media de la red y se combinaron con indicadores semánticos derivados de imágenes de vista de calle: Índice de Vista Verde (GVI), Índice de Vista de Carretera (RVI), Índice de Vista de Edificio (BVI), Índice de Vista del Cielo (SVI) e Índice de Enclosure de Calle (SEI), junto con atributos de cobertura del suelo y edificios como área de superficie impermeable (ISA), área bruta de piso (GFA), relación de cobertura de edificio (BCR) y relación de área de piso (FAR). Empleando un marco de eXtreme Gradient Boosting (XGBoost)-Shapley Additive exPlanations (SHAP), el estudio cuantifica relaciones no lineales e interactivas entre factores morfológicos, ambientales y visuales. El SEI, BVI e ISA surgieron como contribuyentes dominantes al calentamiento localizado, mientras que RVI, GVI y SVI mejoraron el potencial de enfriamiento. Los contrastes estacionales revelan que la enclaustración construida y la visibilidad de la vegetación moldean conjuntamente la dinámica del calor a microescala. Los hallazgos demuestran cómo los datos de alta resolución basados en observaciones pueden guiar estrategias de diseño que respondan al clima y apoyar la planificación urbana térmicamente adaptativa.