Ali Gholami
Urban Thermal Hotspots: A Machine Learning Approach to Analyzing Urban Heat Island Dynamics in Stockholm, Sweden.
Rel. Marco Piras. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Per L'Ambiente E Il Territorio, 2025
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (3MB) | Preview |
Abstract
L'Isola di Calore Urbana (UHI) rappresenta una crescente preoccupazione ambientale, in particolare nelle regioni soggette a rapida urbanizzazione, dove l’aumento delle temperature superficiali comporta rischi per la salute umana, le infrastrutture e la sostenibilità urbana. Questa tesi presenta un'analisi spaziotemporale dell'intensità dell'UHI dal 2014 al 2023, nelle stagioni estive e invernali, utilizzando dati da telerilevamento e tecniche di apprendimento automatico. Le principali variabili in ingresso includono la temperatura, l'Indice Normalizzato della Vegetazione (NDVI), l'Indice Normalizzato delle Aree Edificate (NDBI), l'Albedo della Superficie Terrestre (LSA), la velocità del vento e le Zone Climatiche Locali (LCZ). Sono state generate mappe di pericolo UHI per ciascun mese delle stagioni estive e invernali.
Sono stati valutati sette algoritmi di apprendimento automatico per le loro prestazioni predittive: Regressione Lineare, Regressione con Macchine a Vettori di Supporto, Alberi Decisionali, K-Nearest Neighbors, Random Forest, Extra Trees e XGBoost
Tipo di pubblicazione
URI
![]() |
Modifica (riservato agli operatori) |
