Madrid, isla de calor

Madrid, isla de calor Madrid, heat island Trabajo de Fin de Grado Curso 2022–2023 Autor José Francisco García Ruiz Gonzalo Meneses Vicente Directora Sonia Estévez Martín Grado en Ingeniería Informática e Ingeniería del Software Facultad de Informática Universidad Complutense de Madrid Madrid, isla de calor Madrid, heat island Trabajo de Fin de Grado en Ingeniería Informática e Ingeniería del Software Autor José Francisco García Ruiz Gonzalo Meneses Vicente Directora Sonia Estévez Martín Convocatoria: Febrero 2023 Grado en Ingeniería Informática e Ingeniería del Software Facultad de Informática Universidad Complutense de Madrid 23 de FEBRERO de 2022 Dedicatoria A Sergio, Carlos, Mariángeles y toda mi familia y amigos que sin su apoyo diario, amor incondicional y energía no hubiese sido posible ninguno de mis logros. Gonzalo. A mi pareja, amigos y toda mi familia, por que nunca es tarde si la dicha es buena. José. v Agradecimientos «Queremos agradecer a nuestras familias todo el apoyo, fuerza y cariño que nos han dado durante nuestras vidas, durante este trabajo y siempre que lo hemos necesitado. También todos los profesores que hemos tenido, tanto en la universidad como fuera de ella, por haber fomentado, aunque algunos más que otros, el desarrollo de nuestra curiosidad. En particular a Sonia por habernos guiado, aconsejado y motivado en este punto y final de la carrera. También queremos agradecer a aquellos que nos han formado como profesionales y como personas, realizando un trabajo que nunca se podrá valorar lo suficiente. Y por último agradecer a todos los grandes amigos que hemos hecho fuera y dentro de la Facultad, por los buenos momentos juntos, las alegrías compartidas, la buena energía transmitida y por tendernos una mano cuando la hemos necesitado durante estos años.» vii Resumen Madrid, isla de calor Madrid como tantas otras ciudades, es una ” isla de calor ”. El calentamiento del asfalto y de los edificios hacen que la temperatura suba en unas zonas más que en otras, algo que podemos comprobar cuando nos movemos entre diferentes distritos de la ciudad. En este trabajo se pretende estudiar las relaciones entre los distintos contaminantes, la meteorología y las zonas verdes e hidrográficas, empleando datos históricos recogidos por las estaciones que se encuentran por la ciudad de Madrid. Aplicando algoritmos de Machine Learning podremos determinar si esta correlación afecta en las temperaturas de las distintas zonas de la ciudad. Palabras clave Contaminación, meteorología, zonas verdes, zonas hidrográficas, datos abiertos, aprendizaje automático, isla de calor. ix Índice de figuras 1.1. Diferencia de 17.2ºC entre Madrid centro y el Pardo . . . . . . . . . . 2 1.2. Trabajo; azul-Ambos, verde-José, naranja-Gonzalo ........... 5 2.1. Azul son las estaciones meteorológicas y Rojo estaciones de calidad delaire................................... 8 2.2. Ubicación de las estaciones meteorológicas . . . . . . . . . . . . . . . 9 2.3. Imagen de elaboración propia . . . . . . . . . . . . . . . . . . . . . . 12 2.4. Imagen obtenida del artículo Arellano Ramos y Roca Cladera (2018) 13 2.5. Imagen obtenida de Weather Spark, describe las temperaturas a lo largo del año 2021 en Madrid. . . . . . . . . . . . . . . . . . . . . . . 14 2.6. Imagen obtenida de DatosMundial.com, humedad relativa en Madrid. 15 2.7. Imagen obtenida de Weather Spark, indica los días de lluvia en Madrid por mes en el año 2021. . . . . . . . . . . . . . . . . . . . . . . . 15 2.8. Imagen obtenida de Lipp (2014), muestra como el aire caliente queda atrapado entre edificios c). . . . . . . . . . . . . . . . . . . . . . . . . 16 2.9. Imagen obtenida de Weather Spark, indica la velocidad del viento en Madrid por mes del año 2021. . . . . . . . . . . . . . . . . . . . . . . 16 2.10. Imagen obtenida de Meteo Blue, indica la rosa de los vientos en Madridelaño2021. ............................. 17 2.11. Intensidad térmica del agua. Fuente Salinas 2020. . . . . . . . . . . . 18 3.1. Formato estaciones de control . . . . . . . . . . . . . . . . . . . . . . 22 4.1. Datos disponibles sobre meteorología. . . . . . . . . . . . . . . . . . . 29 4.2. Formato tras limpieza. . . . . . . . . . . . . . . . . . . . . . . . . . . 30 4.3. Imagen de elaboración propia, muestra las estaciones de las que se tienen más datos disponibles. . . . . . . . . . . . . . . . . . . . . . . 31 4.4. Datos disponibles sobre Contaminación. . . . . . . . . . . . . . . . . 32 4.5. Diagrama de flujo de la limpieza . . . . . . . . . . . . . . . . . . . . . 34 5.1. Distribución contaminantes 1 . . . . . . . . . . . . . . . . . . . . . . 36 5.2. Distribución contaminantes 2 . . . . . . . . . . . . . . . . . . . . . . 36 5.3. Distribución meteorológica 1 . . . . . . . . . . . . . . . . . . . . . . . 37 5.4. Distribución meteorológica 2 . . . . . . . . . . . . . . . . . . . . . . . 37 xvii 5.5. Distribución meteorológica 3 . . . . . . . . . . . . . . . . . . . . . . . 38 5.6. ValoresnulosMeteo............................ 39 5.7. Distribución valores NA datos meteorológicos . . . . . . . . . . . . . 39 5.8. Contabilización de los datos nulos por fila en datos meteorológicos . . 40 5.9. Valores nulos contaminación. . . . . . . . . . . . . . . . . . . . . . . . 41 5.10. Distribución datos contaminación . . . . . . . . . . . . . . . . . . . . 41 5.11. Contabilización de los datos nulos por fila en datos contaminación . . 42 5.12.OutlinerMeteo .............................. 43 5.13. Histograma meteo temperaturas . . . . . . . . . . . . . . . . . . . . . 43 5.14. Histograma meteo dirección del viento . . . . . . . . . . . . . . . . . 44 5.15. Histograma meteo velocidad del viento . . . . . . . . . . . . . . . . . 44 5.16. Histograma meteo radiación solar . . . . . . . . . . . . . . . . . . . . 44 5.17. Histograma meteo barométrica . . . . . . . . . . . . . . . . . . . . . . 44 5.18. Histograma meteo humedad relativa . . . . . . . . . . . . . . . . . . . 44 5.19. Histograma meteo precipitación . . . . . . . . . . . . . . . . . . . . . 45 5.20. Outliner contaminación . . . . . . . . . . . . . . . . . . . . . . . . . . 45 5.21. Histograma contaminación dióxido de nitrógeno . . . . . . . . . . . . 46 5.22. Histograma contaminación dióxido de azufre . . . . . . . . . . . . . . 46 5.23. Histograma contaminación Ozono . . . . . . . . . . . . . . . . . . . . 46 5.24. Histograma contaminación PM 2.5 . . . . . . . . . . . . . . . . . . . 46 5.25. Histograma contaminación PM 10 . . . . . . . . . . . . . . . . . . . . 46 6.1. K Means primera aproximación . . . . . . . . . . . . . . . . . . . . . 51 6.2. Mapa k-Means primera aproximación . . . . . . . . . . . . . . . . . . 52 6.3. Numero óptimo de cluster . . . . . . . . . . . . . . . . . . . . . . . . 53 6.4. K Means segunda aproximación 2 . . . . . . . . . . . . . . . . . . . . 53 6.5. Mapa K Means segunda aproximación 2 . . . . . . . . . . . . . . . . 54 6.6. Numero de Cluster zonas verdes . . . . . . . . . . . . . . . . . . . . . 55 6.7. K Means tercera aproximación 3 . . . . . . . . . . . . . . . . . . . . . 55 6.8. Mapa K Means tercera aproximación 3 . . . . . . . . . . . . . . . . . 56 6.9. K Means cuarta aproximación 4 . . . . . . . . . . . . . . . . . . . . . 56 6.10. Mapa K Means cuarta aproximación 4 . . . . . . . . . . . . . . . . . 57 6.11. K Means quinta aproximación 5 . . . . . . . . . . . . . . . . . . . . . 57 6.12. Mapa K Means quinta aproximación 5 . . . . . . . . . . . . . . . . . 57 6.13. Jerárquico Aproximación 1 . . . . . . . . . . . . . . . . . . . . . . . . 58 6.14. Mapa Jerárquico Aproximación 1 . . . . . . . . . . . . . . . . . . . . 58 6.15. Jerárquico Aproximación 2 . . . . . . . . . . . . . . . . . . . . . . . . 59 6.16. Mapa Jerárquico Aproximación 2 . . . . . . . . . . . . . . . . . . . . 59 6.17. Jerárquico Aproximación 3 . . . . . . . . . . . . . . . . . . . . . . . 60 6.18. Mapa Jerárquico Aproximación 3 . . . . . . . . . . . . . . . . . . . . 60 6.19. Jerárquico Aproximación 4 . . . . . . . . . . . . . . . . . . . . . . . 61 6.20. Mapa Jerárquico Aproximación 4 . . . . . . . . . . . . . . . . . . . . 61 6.21. Jerárquico Aproximación 5 . . . . . . . . . . . . . . . . . . . . . . . 62 6.22. Mapa Jerárquico Aproximación 5 . . . . . . . . . . . . . . . . . . . . 62 6.23. Evolución de temperatura Moratalaz . . . . . . . . . . . . . . . . . . 63 6.24. Evolución temperatura Moratalaz Centro . . . . . . . . . . . . . . . . 64 6.25. Estaciones con temperatura más extrema . . . . . . . . . . . . . . . . 64 6.26. Correlación lluvia radiación . . . . . . . . . . . . . . . . . . . . . . . 65 6.27. Correlación temperatura/humedad . . . . . . . . . . . . . . . . . . . 65 6.28. Correlación arbórea/temperatura . . . . . . . . . . . . . . . . . . . . 66 7.1. Difference of 17.2ºC between Madrid center and El Pardo. . . . . . . 72 7.2. Work; blue-Both, green-José, orange-Gonzalo .............. 75 7.3. Trabajo; azul-Ambos, verde-José, naranja-Gonzalo ........... 81 Índice de tablas 3.1. Datos meteorológicos . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 3.2. Tabla estaciones meteorología . . . . . . . . . . . . . . . . . . . . . . 23 3.3. Tabladatosdiarios ............................ 24 3.4. TablaContaminación........................... 24 3.5. Tabla de las estaciones contaminación . . . . . . . . . . . . . . . . . . 25 3.6. Formato de la tabla de contaminación . . . . . . . . . . . . . . . . . . 25 3.7. Formato de la tabla de masa arborea . . . . . . . . . . . . . . . . . . 25 xxi Cap´ ıtulo 1 Introducción La temperatura media en las grandes ciudades se va superando cada año, estableciendo nuevos récords. Sin embargo, en pequeñas urbes y pueblos no tan alejados de dichas áreas, no pasa este fenómeno. ¿A qué se debe? La respuesta está en las Isla de Calor Urbanas (ICU en adelante). Este problema es consecuencia de una gran variedad de factores. Empezando por la gran cantidad de edificaciones y materiales de construcción, que absorben calor y lo irradian lentamente. Además de la contaminación generada por vehículos y sistemas de climatización. También, la escasez de zonas verdes y fluviales aumenta este fenómeno. Esto, sumado al cambio climático, aumenta las temperaturas, que implica un crecimiento en el consumo energético de la población. Pero no solo afecta en temas económicos, sino que también impacta sobre la salud de los ciudadanos, agravando patologías, empeorando la salud mental, etc. Sierra (2021). Madrid, que cuenta con 3 305 408 personas (INE 2021), es la urbe más habitada de España y la segunda de la Unión Europea1. Además, la M-30, A-2 y M-40 son carreteras con gran afluencia de tráfico. Todo esto la sitúa dentro de las ciudades con peor calidad del aire de España2, lo que repercute en que el efecto ICU se intensifique. Gracias al Portal de Datos Abiertos3del Ayuntamiento de Madrid podemos acceder a un amplio dataset que almacena información sobre el municipio. Para este TFG usaremos datos de las distintas estaciones meteorológicas y de calidad del aire de los distritos que componen la ciudad. Después de un tratamiento de los datos, vamos a analizar cómo se distribuye el efecto ICU en Madrid sirviéndonos de algoritmos de Machine Learning (ML en adelante), como el KMeans, y de representaciones en gráficos como dendrogramas, y formas más visuales como mapas. 1Enlace Datos Población Unión Europea 2Articulo Ciudades con peor calidad del aire 3Enlace al Portal de Datos Abiertos del Ayuntamiento de Madrid 1 2Capítulo 1. Introducción 1.1. Motivación La principal idea que nos llevó a realizar este trabajo fue la enorme diferencia de las temperaturas entre el centro de Madrid y el extrarradio y las ganas de explicar este suceso, ya que en cuestión de kilómetros la temperatura cambia de media unos 3ºC. Pero lo más impactante fue que en días de temperaturas extremas, como puede llegar a pasar en invierno, la diferencia llega a superar los 15ºC, como se puede ver en la Figura 1.1. Figura 1.1: Diferencia de 17.2ºC entre Madrid centro y el Pardo Además, el hecho de que se trate de la ciudad en la que residimos y que este suceso llamado ICU nos afecte directamente a nosotros y nuestra calidad de vida, nos impulsó a querer analizar los porqués de estas diferencias. Aparte de lo mencionado, también tenemos un interés personal. A lo largo de nuestra formación universitaria en la facultad hemos desarrollado un interés sobre el Big Data y el ML, lo que nos incentivó a realizar este trabajo. 1.2. Objetivos El principal objetivo del trabajo es la aplicación de algoritmos de ML para detectar que zonas se comportan de una forma semejante en cuanto a variables meteorológicas y urbanísticas de Madrid y las razones que lo producen. Los objetivos se podrían resumir en: O1. Realizar técnicas de limpiado, formateado y filtrado de datos a gran escala, recogidos del Portal de Datos Abiertos del Ayuntamiento de Madrid, para la obtención de unos datos homogéneos analizables. O2. Aplicar algoritmos del mundo del Data Science para poder realizar distintas clasificaciones de las estaciones meteorológicas. O3. Uso de herramientas de visualización de datos para ilustrar estas agrupaciones para una mayor facilidad a la hora de interpretar los resultados. 1.3. Plan de trabajo 3 O4. Obtener conclusiones de las clasificaciones gracias a la visualización y proponer soluciones. La obtención de datos, exploración y procesado de los mismos, elección de algoritmos, visualización y análisis, son fundamentales dentro del Data Science. Otro de los objetivos, aunque personal, es aprender a programar en un lenguaje nuevo para ambos, como es R, así como las herramientas necesarias para la limpieza, clasificación y visualización mediante el uso de librerías en RStudio y comprender el contexto de las diferencias de temperaturas en nuestra ciudad de residencia, Madrid. 1.3. Plan de trabajo Gracias a los conocimientos que hemos adquirido en asignaturas impartidas y en los proyectos realizados durante la realización de los diferentes Grados, especialmente en las de Ingeniería del Software, hemos sido capaces de hacer una planificación que hemos considerado bastante útil y resolutiva. Siendo un equipo pequeño, dos alumnos y una tutora, y no hayamos podido aplicar los métodos de desarrollo ágil tal y como se nos han sido enseñados, hemos intentado adaptarlo al tamaño del equipo. Nuestro trabajo se ha dividido en dos principales ramas, un borrador de la memoria y el código. Borrador de la memoria: puesto que desde un principio se nos ha avisado de la importancia de la memoria final, vimos conveniente generar un documento en el que ir redactando toda la información que recabábamos, explicaciones de los formatos de datos y del tratamiento del mismo, explicaciones del código y observaciones y enlaces de interés. Este documento ha sido muy útil a la hora de redactar la memoria, ya que nos ha facilitado el acceso a la información que hemos recabado, así como los pasos que hemos seguido para llegar hasta finalizar el trabajo. Código: como todo desarrollo software siempre es necesario el uso de un repositorio que controle las versiones que se van sacando a lo largo del proceso. Tanto es así que decidimos crear uno en la plataforma GitHub4donde hemos estado subiendo el código perteneciente a los distintos objetivos marcados. 1.3.1. Lenguaje de desarrollo: R El enfoque que le queríamos dar al trabajo era más estadístico con partes de análisis y visualización sobre grandes conjuntos de datos por lo que en la fase de investigación contemplamos distintos lenguajes en los que programar, pero como queríamos recalcar en una visión estadística decidimos emplear R. Además, puesto que la aplicación de algoritmos de ML iban a ser muy relevantes para la clasificación de las estaciones meteorológicas, nos reafirmamos en nuestra decisión. Esto se debe a que hay una gran cantidad de librerías, e incluso en R base, en las que se incluyen funciones que implementan dichos algoritmos. 4Enlace al repositorio, https://github.com/Gmene00/TFG-Madrid-Isla-de-calor 10 Capítulo 2. Estado de la Cuestión corresponden a zonas verdes. Está delimitado por cuatro autopistas: M-30 al oeste; M-40 al este; A-3 al sur y la M-23 (eje O’Donnell) al norte. •Estación de la J.M.D. Moratalaz: es una zona puramente residencial, con numerosas avenidas muy concurridas tanto por vehículos como personas. Este es el caso de la Calle de la Fuente Carrantona donde se ubica la estación. •Estación de Moratalaz: al contrario que la anterior, en las inmediaciones de esta predominan las zonas verdes. Situada en el Parque de la Cuña Verde de O´Donnell, y separada del Cementerio Municipal Nuestra Señora de la Almudena por la M-23. Esto hace que también se presuponga como otra de las zonas con mejor calidad del aire en Madrid. Estación de Ensanche de Vallecas, en Villa de Vallecas, tiene una población de 107.649 habitantes y con una extensión de 51,47 km²supone una densidad de 2091,6 hab/km². Esta gran extensión tiene como beneficio sus grandes zonas verdes, que gozan de casi 750.000 m², no obstante, también tiene un gran solar al sur el cual carece prácticamente de masa arbórea. Está delimitado en su gran mayoría por carreteras como la M-50 al sur, A-3 al este, al norte la M-40. Aunque eso sí, limita al oeste por el río Manzanares. Estación de la J.M.D.Vallecas, situada en Puente de Vallecas. Es uno de los distritos más poblados de la capital, con 240.867 habitantes. Cuenta con grandes zonas verdes como el Parque Forestal de Entrevías y el Cerro del Tío Pío. Aun así, dichas zonas no afectan demasiado a la estación ya que esta se encuentra en pleno núcleo urbano, en la Avenida de la Albufera y a escasos 100 metros de la M-30. Estación de la J.M.D. Hortaleza, situada en Hortaleza. Con 27,4198 km², es otro de los grandes distritos. Pero con sus 193.264 habitantes, hace que su densidad, 6581,46 hab/km²no sea muy elevada. Además, cuenta con grandes zonas verdes como el Parque Juan Pablo II, el Parque Forestal de Valdebebas y el Pinar del Rey, en el que se ubica la estación. Estación de la J.M.D.Chamberí, situada en Chamberí, colindante al distrito centro. Es el distrito con mayor densidad de habitantes, 29 364,3 hab/km². Destaca la escasez de parques, la variedad de puntos de interés para turistas, presencia de numerosas avenidas sin restricciones como el Paseo de la Castellana, que requieren de una gran cantidad de transporte público. Esto hace que se intuya como uno de los distritos en los que el efecto ICU sea más pronunciado. Estación de la J.M.D. Villaverde, situada en Villaverde. Junto a la estación de El Pardo se ubican más alejadas del centro que el resto. Se encuentra entre 2 parques, el Forestal Julio Alguacil Gómez y el de Plata y Castañar. Además, sin ser uno de los más extensos tiene una densidad de población no muy elevada y sumado a la poca influencia de carreteras, el efecto ICU se intuye menor. Estación de Plaza Elíptica, situada en Usera, entre la M-40 y M-30. Tiene presencia fluvial gracias al río Manzanares al este, el cual cruza un gran parque. 2.1. Estaciones 11 Además, con la presencia de otros parques como el Pradolongo, en este distrito predominan las zonas verdes. Estación de Cuatro Caminos, situada en la zona norte del centro de Madrid, en Tetuán. Tienen protagonismo los grandes edificios de oficinas en el Paseo de la Castellana, lo que lo hace que sea una zona tremendamente concurrida. El resto de su extensión, 5,37 km², son zonas residenciales, haciendo que con 153789 habitantes tenga una gran densidad. Sumado a su escasez de parques se espera de este distrito una mala calidad del aire. Estación de Escuelas Aguirre, situada en frente del Parque del Retiro. Esta estación cuenta con una superficie de 1,18 km²en la que predominan los árboles y el gran estanque interior. Rodeado por la calle O´Donnell con un gran tránsito de vehículos, la M-30, el centro de Madrid y la estación de Atocha. Esto hace que el posible efecto positivo del parque se vea reducido por la alta contaminación. Estación de El Pardo, al norte de la ciudad, es la estación más externa de la ciudad. Su extensión es la más elevada entre todos los distritos, 237,84 km². Y aunque es el segundo con mayor población, su densidad es la más baja de todas, 1003,86 hab/km². Además, salta a la vista la gran masa forestal que posee al norte, así como el gran Embalse del Pardo. Con esta información se presupone como uno de los distritos con mejor calidad de aire y menor efecto ICU de la ciudad. Estación del Juan Carlos I, en el distrito de Barajas, se encuentra en el segundo parque más grande de Madrid, 1,6 km², sólo después del parque forestal de Valdebebas. En su interior se encuentran grandes lagos, así como una gran masa arbórea lo que la temperatura dentro de él se encuentra regulada con respecto a los núcleos urbanos próximos. Como ya hemos mencionado, hemos seleccionado estas estaciones por disponer de datos más completos. Dejando fuera estaciones no tan útiles para los objetivos. Aun así y viendo la Figura 2.2, se ve que las estaciones se distribuyen por todo el territorio. 2.1.2. Estaciones de Calidad del Aire Tenemos las siguientes estaciones de calidad del aire de las que hemos extraído los datos de contaminación en la Figura 2.3 Ellas se dividen en: Interior M30 donde, siete son de tráfico (Escuelas Aguirre, Castellana, Plaza de Castilla, Ramón y Cajal, Cuatro Caminos, Plaza de España y Barrio del Pilar) más tres en segundo plano con respecto a las de tráfico (Plaza del Carmen, Méndez Álvaro y Retiro). 12 Capítulo 2. Estado de la Cuestión Figura 2.3: Imagen de elaboración propia Sureste de Madrid, una de tráfico (Moratalaz) más dos en segundo plano (Vallecas y Ensanche de Vallecas). Noreste de Madrid, cinco en segundo plano (Arturo Soria, Sanchinarro, Urbanización Embajada, Barajas Pueblo y Tres Olivos) más una suburbana (Juan Carlos I). Noroeste de Madrid, siendo dos suburbanas (El Pardo y Casa de Campo). Suroeste siendo una de tráfico (Plaza Elíptica) y dos en segundo plano (Farolillo y Villaverde). 2.2. Zonas verdes En este punto hacemos hincapié sobre el efecto positivo de las zonas arbóreas en las temperaturas y más en las grandes urbes. Esto es lógico ya que los árboles no sólo tapan la luz solar reduciendo la temperatura ambiental, también suelen necesitar de un riego constante lo cual añade humedad al aire lo que mitiga el efecto del calor, sobre todo en temporada estival. Aun así, quisimos informarnos acerca de estos efectos. Y resulta que encontramos un artículo en el que se planteaba esta pregunta y el cómo afectaban las zonas verdes a la ICU de una ciudad. Arellano Ramos y Roca Cladera (2018) explica como la morfología de una ciudad afecta a su ICU, ya sean zonas verdes, fluviales y los mismos edificios con sus distintos materiales y distribución. 2.3. Medidas meteorológicas 13 En concreto, Arellano y Roca obtuvieron como conclusiones que ’El factor clave son las diferencias en las estructuras verdes, teniendo un mayor alcance térmico debido a la mayor compacidad’, refiriéndose a los cambios de temperaturas entre los distritos analizados. Además de tener un ’mejor desempeño climático de Parc Central. Tanto de día como de noche’. En esta Figura 2.4, obtenida de la Environmental Protection Agency (2008), citada en el artículo, podemos ver las diferencias de temperatura tanto en superficies como en el aire, en las distintas áreas dependiendo de si es de día o de noche. Figura 2.4: Imagen obtenida del artículo Arellano Ramos y Roca Cladera (2018) Del mismo modo, este mismo estudio concluyó que se puede ’afirmar que la morfología urbana juega un papel clave; asimismo que la morfología urbana, el diseño del paisaje, la selección de la vegetación y de los materiales tienen especial relevancia en la resiliencia al cambio climático y en la resistencia a los eventos de ola de calor.’ Es por esto por lo que decidimos incluir en nuestro trabajo un análisis sobre todo el planeamiento urbano que tiene la ciudad de Madrid y más en concreto las zonas verdes y masas arbóreas. 2.3. Medidas meteorológicas En este punto hacemos referencia a las distintas magnitudes que tendremos en cuenta en el análisis de los datos. Dichas magnitudes son recogidas por las estaciones meteorológicas de la Red de Calidad del Aire de Madrid3. 2.3.1. Temperatura Como ya hemos definido en puntos anteriores, el efecto ICU es principalmente una acumulación de calor. Nuestro análisis gira en torno a esta magnitud. 3Enlace Sistema Integral de Calidad del Aire 14 Capítulo 2. Estado de la Cuestión El clima de Madrid se caracteriza por las elevadas temperaturas en verano, y bajas en invierno. Es decir, suele haber una gran diferencia entre máximas y mínimas, en el año a analizar (2021) fueron 33ºCy1ºC respectivamente, según Weather Spark. Esto supone una diferencia de 32º, que en comparación con ciudades como Barcelona 28ºy 5º, Santiago de Compostela 24ºC y 5ºC, Sevilla 35ºC y 6ºC o Guadalajara 35ºC y 5ºC, es mayor aun estando a más altitud. Esto muestra que, el hecho de ser una gran urbe con las características que hemos mencionado en la introducción afecta en las temperaturas haciendo que la temperatura máxima sea extrema en comparación con su localización geográfica. Como veremos en los resultados obtenidos, la diferenciación es mucho mayor cuando tratamos las diferentes regiones de Madrid. Siendo las zonas más céntricas mucho más afectadas por el calor y las temperaturas máximas en verano. Figura 2.5 Figura 2.5: Imagen obtenida de Weather Spark, describe las temperaturas a lo largo del año 2021 en Madrid. 2.3.2. Humedad relativa Esta magnitud mide, en porcentaje, la proporción entre la cantidad de humedad atmosférica presente y la cantidad que hubiese si el aire estuviera saturado. El aire caliente puede absorber más humedad que el aire frío. La humedad relativa indica cuánta humedad de lo que es físicamente posible está realmente contenida en el aire. Si la humedad es alta, la gente se siente incómoda y la encuentra opresiva. En general, una humedad relativa del 40-60 % se considera confortable. Con una humedad media del 78 %, es más desagradable en enero. En julio, en cambio, es más fácil de soportar. Figura 2.6 muestra la humedad relativa a lo largo del año 2021 en Madrid. Puesto que el agua es uno de los mejores reguladores térmicos, a cuanta mayor humedad relativa implica unas temperaturas más suavizadas. Y aunque esto se puede experimentar al dar un paseo por un parque o estanque en la ciudad, hay artículos que lo confirman. Es decir, no sólo las precipitaciones influyen sobre esta 2.3. Medidas meteorológicas 15 Figura 2.6: Imagen obtenida de DatosMundial.com, humedad relativa en Madrid. magnitud, sino también las zonas verdes, pavimentos, etc. Tal y como se explica en Tejedor et al. (2016), saca como conclusión que: "en los periodos cálidos la ciudad de Zaragoza agudiza de forma considerable el calor y la sequedad en relación a las zonas no urbanas.". Es por esto por lo que incluir esta medida en la aplicación de los algoritmos nos ayudó a sacar conclusiones. 2.3.3. Precipitación Esta magnitud influye directamente sobre la anterior. Si hay precipitación habrá una mayor cantidad de humedad atmosférica, lo que se traduce en un mayor porcentaje de humedad relativa. Es cierto que Madrid no es una ciudad muy lluviosa, Figura 2.7, pero creímos oportuno tener en cuenta las precipitaciones para ver si a lo largo del año afectaba de igual manera a las estaciones céntricas que a las situadas en grandes parques o en el exterior de las circunvalaciones que rodean la ciudad. Figura 2.7: Imagen obtenida de Weather Spark, indica los días de lluvia en Madrid por mes en el año 2021. 2.3.4. Velocidad y dirección del viento Dependiendo de la ubicación de la estación, el viento será un factor determinante. Ya que dependiendo de la topología de lo que le rodea ya sean edificios, árboles, carreteras, o simplemente en grandes parques abiertos, repercutirá sobre las magnitudes. Calles estrechas en las que haya más recovecos y la que las alturas de los edificios sean mayores, intensificarán el efecto cañón. Estas condiciones hacen que las calles atrapen el calor, reduciendo la posibilidad de que se disipe. Por lo que 16 Capítulo 2. Estado de la Cuestión la temperatura suele ser mayor que la media. Además de contribuir a niveles de contaminación más altos, Figura Lipp (2014). Figura 2.8: Imagen obtenida de Lipp (2014), muestra como el aire caliente queda atrapado entre edificios c). La velocidad del viento afecta directamente a la temperatura. Esto se debe a que contribuye a la evaporación de la humedad en el ambiente aumentando la sensación de frío. Por lo que las temperaturas serán más bajas en lugares más amplios en los que haya una corriente continua y directa sobre la zona. O lo que es lo mismo, en zonas urbanas donde predominan edificios habrá una menor velocidad y por lo tanto una temperatura mayor. La velocidad promedio en Madrid no se ve afectada entre estaciones, hay una cierta estabilidad a lo largo del año. Teniendo el fin del verano los vientos más calmados y el inicio de la primavera los más ventosos, como muestra la Figura 2.9. Figura 2.9: Imagen obtenida de Weather Spark, indica la velocidad del viento en Madrid por mes del año 2021. Del mismo modo pasa con la dirección del viento. No hay una orientación que predomine ampliamente sobre el resto, al igual que con las velocidades. Aunque si hay una que ligeramente supera al resto es el visto de dirección Oeste, o cómo se 2.4. Proximidad a carreteras 17 refiere en meteorología Céfiro, aunque muy igualado con el viento del Norte, como se ve en la Figura 2.10. Figura 2.10: Imagen obtenida de Meteo Blue, indica la rosa de los vientos en Madrid el año 2021. 2.4. Proximidad a carreteras Otro de los factores que influye en la subida de las temperaturas en las ciudades son las carreteras. Esto se debe principalmente a dos factores. El primero y más obvio es la contaminación producida por vehículos. Es un hecho probado que el sistema de carreteras, autopistas y avenidas de una ciudad afecta en el calor de la misma, así como en la salud de los habitantes, Piracha y Chaudhary (2022). El segundo y no tan claro son los materiales con los que están construidas todas estas carreteras. Refiriéndonos al asfalto y hormigón, son propensos a absorber y almacenar la radiación solar, Xu et al. (2021). Esto implica que por la tarde-noche, cuando las temperaturas deben bajar, se irradie el calor provocando que las temperaturas aumenten. En la Figura 2.2 podemos ver la cercanía de las carreteras en las estaciones. Se puede observar la influencia de la M-40 y M-30 sobre las estaciones del Centro Municipal de Acústica, J.M.D. de Vallecas, Moratalaz, etc. Así como las grandes avenidas que cruzan la ciudad como el Paseo de la Castellana o la calle Alcalá afectan sobre las estaciones más céntricas. 2.5. Zonas azules Otro de los factores influyentes en las temperaturas son las aguas. Ya sean estanques, lagos, fuentes ornamentales o simplemente el efecto del río. La superficie de agua es otro elemento capaz de mitigar la isla de calor, Salinas 2020. Esto se confirma ya que, en la ciudad analizada en este estudio, Londres, 18 Capítulo 2. Estado de la Cuestión la diferencia térmica entre distritos que estaban más cerca de un corredor fluvial (gran masa de agua, en este caso el Támesis) y los más alejados o con menos masas, llegaba a ser de unos 3,5º-4,5ºC. Es decir, las zonas más próximas tenían unas temperaturas más regulares a lo largo del año. Figura 2.11 Figura 2.11: Intensidad térmica del agua. Fuente Salinas 2020. En Madrid no abundan muchas de estas zonas. Es más, desde hace décadas el caudal del Río Manzanares a su paso por la ciudad se encuentra por debajo de la media en su curso alto y medio. Con una cifra de 12-15 m³/s, es mucho menos que el caudal del Río Jarama que cruza la comunidad de Madrid por el oeste, con 31,7 m³/s de media. Además la ciudad dispone de pocas grandes masas de agua en el término municipal. Los estanques del Retiro, Parque Forestal de Valdebernardo, Parque Juan Carlos I, Parque Forestal Felipe VI, el Lago de Casa de Campo y sus arroyos. Todas estas masas están situadas fuera de núcleos urbanos, en parques, lo que aumenta todavía más las diferencias entre las temperaturas de estos núcleos y los parques. Hay que nombrar también al embalse del Pardo, que con una capacidad de 45 hm³supone un gran alivio térmico para la región. Todos estos factores empiezan a explicar las grandes diferencias observadas, como en el ejemplo de la Figura 1.1. 2.6. Medidas contaminantes Gracias a estudios realizados previamente, Ballester (2005), se determina que para la salud humana y el impacto en el ecosistema los principales gases contaminantes serian: Dióxido de azufre (SO2), Monóxido de Carbono (CO), Óxidos de Nitrógeno (NO2, NO) y Ozono (O3); además, las partículas tienen en una amplia gama de tamaños y se clasifican en función de su diámetro aerodinámico en PM10 (partículas con un diámetro aerodinámico inferior a 10 micras) o PM2.5 (diámetro aerodinámico inferior a 2,5 micras). Por lo que definiremos estas y más adelante serán las que analicemos en el trabajo. 2.6. Medidas contaminantes 19 2.6.1. Dióxido de Azufre Este contaminante tiene un periodo de vida de alrededor de 72 horas, y su principal fuente es la quema de combustibles fósiles ricos en azufre como es el petróleo, así como las erupciones volcánicas. Su inhalación repercute en afecciones del sistema respiratorio y en el funcionamiento de los pulmones. Asimismo, puede producir irritación ocular. 2.6.2. Monóxido de Carbono Este contaminante tiene un periodo de vida de unos 30-90 días, su principal fuente es la quema de combustibles fósiles y biomasa. En la ciudad de Madrid viene derivado principalmente de los vehículos de combustión y maquinaria de climatización. La exposición a este contaminante reduce la capacidad de transportar oxígeno de la sangre a los tejidos corporales. 2.6.3. Óxidos de Nitrógeno Se pueden identificar varios tipos de Óxidos de Nitrógeno. El Monóxido de Nitrógeno (NO) es un tóxico que se oxida con rapidez convirtiéndose en Dióxido de Nitrógeno (NO2). El origen es tanto natural, debido a la descomposición bacteriana e incendios, como derivado de la actividad humana, debido a vehículos motorizados y quema de combustibles fósiles. A su vez, el Dióxido de Nitrógeno resulta de la combustión efectuada a altas temperaturas, tanto de origen natural como antropogénico. Este tóxico, es irritante y precursor de la formación de contaminantes secundarios como el Ozono y las partículas menores de 2.5 micras. Además, ambos (NOx) tienen un efecto corrosivo sobre la piel y el sistema respiratorio, pudiendo ser causante de un edema pulmonar cuando el sujeto se expone a concentraciones elevadas. 2.6.4. Ozono Se genera por la reacción fotoquímica de los precursores NOx y CO, sustancias emitidas de forma directa que reaccionan con la luz solar en condiciones atmosféricas estables. Su impacto para la salud es notable, debido a que posee un elevado carácter oxidante que le proporciona la capacidad de destruir organismos completos. 2.6.5. Partículas Menores a 2,5 micras La principal fuente de las partículas menores de 2,5 micras es la emisión producida por los vehículos diésel, derivados del tráfico rodado de las ciudades. Su impacto sobre la salud está relacionado con enfermedades de tipo respiratorio, tales como la bronquitis y dolencias de tipo cardiovascular, además de provocar asma y alergias entre la población infantil. Gracias a su facilidad para ser respirado y su Cap´ ıtulo 4 Preprocesado de datos En este capítulo explicamos y detallamos los pasos que hemos dado para obtener un conjunto de datos útil. Este nos servirá en puntos posteriores para un análisis y obtención de conclusiones sobre el efecto ICU en Madrid. Todos los archivos que mencionaremos de aquí en adelante se encuentran en el repositorio de GitHub1. Tanto scripts en R, como los CSV´s y Excel´s usados. 4.1. Conjuntos de datos Primero descargamos los ficheros sobre las estaciones de calidad del aire y las estaciones meteorológicas proporcionados por el Ayuntamiento de Madrid. Este paso se ha detallado en el capítulo anterior. En el proyecto decidimos elegir el siguiente formato del directorio de carpetas y subcarpetas, que incluyen los datos limpiados, los de elaboración propia y las aproximaciones que obtenemos en el capítulo 6: Meteo •Limpiar: meteo21.csv: es el conjunto ya citado que recoge todos los datos meteorológicos y que disponemos a limpiar y formatear. •estacion_distrito.csv: este archivo es de elaboración propia, y asignamos cada estación de meteorología a su distrito y añadimos su nombre. •Estaciones_control_datos_meteorologicos.xls: ya citado en el punto anterior. •Diario: aquí guardamos la evolución de los .csv que tratamos, desde el primero que descargamos hasta el último a analizar. Contaminación, que sigue el mismo formato que Meteo. •Limpiar: contaminacion21.csv: es el conjunto ya citado que recoge todos los datos de calidad del aire y que disponemos a limpiar y formatear. 1https://github.com/Gmene00/TFG-Madrid-Isla-de-calor 27 28 Capítulo 4. Preprocesado de datos •estacion_distrito.csv: este archivo es de elaboración propia, y asignamos cada estación de calidad del aire a su distrito y añadimos su nombre. •informacion_estaciones_red_calidad_aire.xls: ya citado en el punto anterior. •Diario: aquí guardamos la evolución de los .csv que tratamos, desde el primero que descargamos hasta el último a analizar. Zonas Verdes En la raíz de esta carpeta se encuentran los archivos después de ser tratados. •Limpiar: es el conjunto de .csv que recoge todos los datos de masa arbórea y zonas verdes que disponemos a limpiar y formatear. Mapa •Clustering: Guardamos las aproximaciones realizadas para su representación gráfica en un mapa. Datos Finales Aquí guardamos los .csv de los datos ya limpiados y depurados para los análisis. En la raíz tenemos todos los archivos .R que hemos utilizado en el proyecto. 4.2. Limpieza de datos Este apartado es relevante en el trabajo y ha supuesto la mayor carga de trabajo tanto por esfuerzo como por tiempo, donde hemos conseguido simplificar todos los datos a un conjunto más fácil de utilizar y de interpretar. Antes de la limpieza recabamos los datos disponibles por estación y magnitud. Tras analizar los datos del ayuntamiento, vemos que hay estaciones que no recogen todas las magnitudes o no la recogen de forma completa ya que para ciertos meses no existen los valores debido a fallo de la estación o porque su validación fue N, haciendo referencia a no. En las Figuras 4.1 y 4.4, podemos observar los datos que nos proporciona el Ayuntamiento y cuyo contenido se explica a continuación. Sí: disponemos de todos los datos, a excepción de algún día puntual que no fuese válido. No: el Ayuntamiento no lo proporciona y por tanto no aparecen en el conjunto de datos. A medias: disponemos de los datos parcialmente, es decir, hubo un fallo prolongado en el tiempo, mes/meses por lo que hay una mayor cantidad de valores no válidos. Estos sí aparecen, pero con el bit de validación a N. 4.2. Limpieza de datos 29 Figura 4.1: Datos disponibles sobre meteorología. Hay que señalar que hay varias estaciones que no recogen una gran parte de los datos, debido a que no tienen implementados los sensores. Vienen explicado en los siguientes .csv que podemos encontrar en las carpetas correspondiente: información_estaciones_red_calidad_aire.xls en la carpeta contaminación. Estaciones_control_datos_meteorológicos.xls en la carpeta meteo. El Portal de la Red de Meteorología del Ayuntamiento recoge en su web estos dos archivos mencionados. En base a estos datos vamos a realizar la limpieza. Tanto en el conjunto de meteorología como en el de contaminación hemos usado el mismo algoritmo de tratamiento de datos. Esto se debe a que su formato es prácticamente idéntico, por lo que con modificar el script de limpieza de los datos meteorológicos obtenemos la limpieza de los de contaminación. Estos scripts se componen de estos pasos: Empezamos con una iteración sobre las filas de los conjuntos. Una fila representa los valores de una magnitud recogidos por una estación en un mes determinado. Cada una de ellas contiene 31 valores y 31 validaciones asociadas a cada uno de los valores. Por lo tanto, el siguiente paso es comprobar la validez de cada columna. 30 Capítulo 4. Preprocesado de datos Empezamos una segunda iteración. Por cada una de las filas nombradas recorremos sus datos y nos quedamos con los valores de los días. En el caso de que no sean válidos lo rellenamos con un NA. Al final de estas dos iteraciones conseguimos una validación de todos los datos y reducimos el tamaño del conjunto de datos. En este punto grabamos este data frame intermedio en un .csv. De las estaciones que faltan datos, A MEDIAS, los rellenamos a NA y volvemos a grabar los datos. En este paso es donde le damos un formato más visible y fácil de entender. Generamos por cada estación 365 filas correspondientes a los días del año, evitando así que aparezcan meses como febrero con 31 días, que era lo que se nos proporcionaba desde el Ayuntamiento. Cada una de estas filas recoge todas las magnitudes del conjunto de datos. Dando como resultado un nuevo .csv de 365*(número de estaciones del conjunto) filas y (número de magnitudes del conjunto)+5 columnas (que contienen la fecha e identificador de la estación). En la Figura 4.2 se ve el nuevo formato, más coherente e intuitivo. Figura 4.2: Formato tras limpieza. Por último, fuimos recogiendo en una tabla los valores nulos por cada uno de los conjuntos, para un posterior análisis de su distribución. Tras esta descripción de cómo se ha hecho la limpieza vamos a indicar observaciones específicas por cada conjunto. 4.2.1. Limpieza de datos meteorológicos Como ya hemos visto en la Figura 4.1, vemos diferencia de recogida de datos entre estaciones. Percibimos que tienen más sensores las ubicadas en parques, zonas verdes, etc. Por ejemplo, el efecto cañón, estudiado en el Estado de la Cuestión, que se produce en las zonas urbanas e influye directamente en el efecto ICU, se relaciona con la velocidad del viento entre otras variables. Este efecto se recoge en pocas estaciones urbanas. Esto ocurre en más de la mitad de las estaciones, y concretamente, de las veintiséis, solo en ocho disponen de más de la mitad de los sensores. En el resto solo disponemos de dos o tres sensores. Para poder verlo de una forma más visual nos apoyamos en la Figura 4.3 que muestra las estaciones. De rojo aquellas de las que sí se disponen más de la mitad de los sensores y de negro las que tienen menos. 4.2. Limpieza de datos 31 Figura 4.3: Imagen de elaboración propia, muestra las estaciones de las que se tienen más datos disponibles. Otra observación destacable es que no tenemos ningún dato de la magnitud "80", radiación ultravioleta. Por el mismo motivo de no tener instalado el sensor en las estaciones. Y aunque el archivo hace referencia a esta magnitud, en el Portal del Ayuntamiento no aparece. 4.2.2. Limpieza de datos de contaminación Lo primero es rechazar todas las magnitudes que no nos interesan para el estudio. Nos quedamos con los que afectan a la ciudad de Madrid coincidiendo con los principales gases contaminantes. En el análisis quitaremos alguna magnitud de acuerdo con lo concluido en la Memoria anual 2021 Calidad del Aire. Donde "Se ha reducido el número de analizadores de dióxido de azufre y monóxido de carbono debido a las muy bajas concentraciones de estos contaminantes registradas en toda la ciudad. Los niveles obtenidos son inferiores al umbral inferior de evaluación que establece la legislación y que se define como “nivel por debajo del cual es posible limitarse al empleo de técnicas de modelización para evaluar la calidad del aire”2. Del mismo modo que ha pasado con los datos de meteorología, hay muchas estaciones con pocos sensores como muestra la Figura 4.4. 2Memoria anual 2021 Calidad del Aire 32 Capítulo 4. Preprocesado de datos Figura 4.4: Datos disponibles sobre Contaminación. 4.2.3. Limpieza de datos Estado Zonas Verdes de Distritos y Calles Puesto que el formato de estos datos es una tupla que contiene el distrito, masas arbóreas, superficie y número de ejemplares, lo único que hay que realizar es eliminar la leyenda que incluyen desde el Ayuntamiento para informar sobre los campos. 4.3. Resumen Al final de todo este proceso conseguimos 4 archivos, que se recogen en la carpeta Datos Finales del GitHub: meteoDiario21_byDay.csv: con los datos de meteorología con el nuevo formato legible y con datos validados. contaminaDiario21_byDay.csv: lo mismo que el punto anterior, pero tratándose de los datos de contaminación. masaArborea21.csv: datos de masas arbóreas limpios. datos21_byDay.csv: mediante un join juntamos ambos ficheros. 4.3. Resumen 33 También se incluyen los ficheros que contienen las ubicaciones y medidas de las estaciones de meteorología y calidad del aire. Además de añadir las aproximaciones que desarrollamos en el capítulo 6. 4.3.1. Diagrama de flujo Para poder ver todo este proceso de una forma más esquematizada y clara recurrimos a la Figura 4.5 34 Capítulo 4. Preprocesado de datos Figura 4.5: Diagrama de flujo de la limpieza Cap´ ıtulo 5 Estudio de los datos En este capítulo, el objetivo es eliminar valores nulos y outliers, en la medida de lo posible para obtener un conjunto de datos consistente y listo para usar, logrando así los objetivos propuestos. Vamos a analizar la calidad de los datos, ver cuántos y como se distribuyen los valores nulos, así como los atípicos y establecer en base a esto los datos finales a utilizar. Al sacar sus diagramas de densidad podemos ver la distribución que tienen, lo cual nos puede ser de utilidad esto lo vamos a analizar individualmente. De los datos de calidad del aire tenemos las siguientes distribuciones. 5.1. Distribución de los datos Primero vemos en la distribución de los valores de dióxido de azufre que en general están comprendidos entre uno y cinco, teniendo un repunte en ocho. Figura 5.1a En la distribución de la cantidad de Dióxido de nitrógeno tenemos los valores mayores comprendidos entre cero y setenta. Figura 5.1b En la distribución de PM 2.5 tenemos los valores entre cero y quince. Figura 5.1c En la distribución de PM 10 tenemos los valores entre cero y veinticinco. Figura 5.2a La distribución del ozono es claramente una campana de Gauss. Figura 5.2b De los datos meteorológicos tenemos las siguientes distribuciones que a continuación pasamos a analizar. La mayoría de los datos se encuentran comprendidos en velocidades menos a 4 m/s que se corresponden correctamente con la ciudad de Madrid, Figura 5.3a, en este caso hay un mayor viento en dirección norte, la mayoría de empresas y sector industrial se encuentran al sur de la ciudad de Madrid, lo que puede provocar que traiga aire de mala calidad a la ciudad, Figura 5.3b donde 0ºseria dirección Norte y 180ºseria dirección Sur. Dentro de los valores extremos que vamos a estudiar, podemos ver que en un 35 42 Capítulo 5. Estudio de los datos estos datos nulos se pueden dar por diversas razones. Este análisis da como resultado la siguiente Figura 5.11: Figura 5.11: Contabilización de los datos nulos por fila en datos contaminación Al igual que en el histograma de meteo la mayoría de los datos limpiados tienen 0 días con valores inválidos. Algunos meses y algunas mediciones suelen tener entre uno y tres fallos, lo que se puede corresponder fácilmente a un posible mal funcionamiento o fallo y a su correspondiente mantenimiento o reparación. Aunque el promedio está por debajo de 1,5 fallos al mes por sensor. Los dos histogramas tienen una representación muy parecida. 5.4. Outliers En este punto detectamos los valores atípicos para analizar y eliminar si fuera necesario del conjunto de datos para que no afecten en los resultados estadísticos y de nuestro estudio. Para esto vamos a realizar un diagrama de cajas y bigotes, que es una manera muy visual de agrupar datos numéricos a través de sus cuartiles. Las líneas que se extienden paralelas a las cajas se conocen como «bigotes», y se usan para indicar variabilidad fuera de los cuartiles superior e inferior. Los valores atípicos se representan como puntos individuales que están en línea de los bigotes. Los diagramas de cajas y bigotes se pueden dibujar vertical u horizontalmente. Normalmente utilizado en estadísticas descriptivas, los gráficos de cajas y bigotes son una excelente forma de examinar rápidamente uno o más conjuntos de datos gráficamente. Estos tienen la ventaja de ocupar menos espacio, lo cual es útil cuando se comparan distribuciones entre muchos grupos o conjuntos de datos. 5.4.1. Datos meteorológicos En los datos meteorológicos podemos ver primero las gráficas de "bigotes". Todos desplazados hacia abajo excepto en la presión barométrica, ya que sus valores medios 5.4. Outliers 43 rondan los 950 hPa, Figura 5.12. Figura 5.12: Outliner Meteo Para poder ver si hay alguna anomalía dentro de estos datos pasamos a realizar histogramas individualmente. En las Figuras 5.13, 5.14, 5.15 la variable velocidad del viento y temperatura obtenemos una función normal, asimétrica y desplazada hacia la izquierda, en la variable Dirección del viento obtenemos una función modal donde la mayor cantidad de datos se encuentran en 0ºque equivale a la dirección Norte. Figura 5.13: Histograma meteo temperaturas En las Figuras 5.16, 5.17, 5.18 la variable radiación solar obtenemos una función modal y en las variables presión barométrica y humedad relativa tenemos una función normal, ligeramente desplazado a la derecha. En la Figura 5.19 la variable precipitación tenemos una función normal, asimétrica y desplazada claramente a la izquierda, lo que nos muestra unas lluvias con poca cantidad de precipitación. 44 Capítulo 5. Estudio de los datos Figura 5.14: Histograma meteo dirección del viento Figura 5.15: Histograma meteo velocidad del viento Figura 5.16: Histograma meteo radiación solar Figura 5.17: Histograma meteo barométrica Figura 5.18: Histograma meteo humedad relativa 5.4. Outliers 45 Figura 5.19: Histograma meteo precipitación 5.4.2. Datos contaminación En los datos de calidad del aire podemos observar que hay valores más atípicos, pero tenemos que tener cuidado ya que pueden ser debidos a acontecimientos meteorológicos o situaciones anómalas que se hayan podido producir. Figura 5.20 Figura 5.20: Outliner contaminación Para comprobar lo anterior pasamos a realizar histogramas individuales, Figuras 5.21, 5.22, 5.23, 5.24, 5.25 y observamos que todas las gráficas tienen una función normal desplazada hacia la izquierda excepto en el Ozono, que tiene una función normal, pero con un desplazamiento de los datos más en él, debido a que este contaminante aumenta junto a la temperatura. Después de analizar las gráficas hemos decidido no eliminar ningún valor ni de 46 Capítulo 5. Estudio de los datos Figura 5.21: Histograma contaminación dióxido de nitrógeno Figura 5.22: Histograma contaminación dióxido de azufre Figura 5.23: Histograma contaminación Ozono Figura 5.24: Histograma contaminación PM 2.5 Figura 5.25: Histograma contaminación PM 10 los datos de calidad del aire, ni de los datos meteorológicos, ya que no son factor a 5.4. Outliers 47 la hora de nuestro análisis. Cap´ ıtulo 6 Análisis de datos y extracción de información En este capítulo, examinamos las relaciones que existen entre los elementos que componen el conjunto de datos. Además, describimos los algoritmos utilizados de Machine Learning para su clasificación. Al completar este capítulo habremos logrado las metas propuestas. 6.1. Clustering El clustering, es la técnica de Machine Learning que vamos a utilizar para hacer una clasificación no supervisada que consiste en agrupar los datos en diferentes conjuntos homogéneos en función de la similitud de sus características o propiedades. Vamos a realizar distintas aproximaciones con los datos tratados obtenido del Ayuntamiento de Madrid. Para esto, se ha utilizado los siguientes métodos, el método K-Means y el método Jerárquico. 6.2. Selección de la estación de calidad del aire y meteorología y tráfico. Debido a la cantidad de datos vacíos que se nos quedaban y que antiguamente había estaciones que solo median uno de los dos parámetros (meteorológicos o de calidad del aire), hemos eliminado esas estaciones ya que no nos proporcionaban una cantidad de datos con la que poder hacer el estudio, esto se desarrolla en el código a la hora de realizar el clustering, ya que dependiendo el tipo de aproximación que realizamos, nos quedamos con unas u otras estaciones. Para las siguientes aproximaciones vamos a utilizar: En la primera aproximación nos quedamos con las siguientes estaciones meteorológicas: 24, 59 ,102, 103, 106, 107. Por tener datos de las siete magnitudes antes mencionadas. 49 50 Capítulo 6. Análisis de datos y extracción de información En la segunda aproximación nos quedamos con las siguientes estaciones meteorológicas: 8, 24, 35, 36, 38, 54, 56, 58, 59, 102, 103, 106, 107, 109, 110, 112. Porque todas ellas tienen las magnitudes 83 y 86. En la tercera aproximación nos quedamos con las siguientes estaciones meteorológicas: 8, 18, 24, 36, 38, 54, 58, 59, 102, 103, 106, 107. Por disponer todas ellas de la magnitud 83 y tener datos sobre masas arbóreas. En la cuarta aproximación nos quedamos con todas las estaciones de calidad del aire. En la quinta aproximación nos quedamos con las siguientes estaciones de calidad del aire: 8, 24, 38, 47, 48, 50, 56. Por tener las magnitudes 8, 9 y 10. 6.2.1. Diagrama del codo Para elegir el número óptimo de clusters en una aproximación recurrimos a este método. Este procedimiento utiliza los valores de la inercia obtenidos tras aplicar el Kmeans a diferente número de Clusters, representando en una gráfica lineal la inercia respecto del número de Clusters. El punto en el que hay un cambio brusco entre las inercias es lo que se llama codo, y ese valor es el que nos muestra el valor recomendable. Este codo suele devolver valores coherentes con respecto al número de clusters de un conjunto de datos. 6.2.2. K-Means Este algoritmo usa un proceso iterativo para conseguir los grupos, donde se van ajustando hasta obtener el número de agrupaciones convenientes. La ventaja de este algoritmo es que es rápido y sencillo, pero sensible a los outliers. Vamos a seguir los mismos pasos para las diferentes aproximaciones. 1. Primero aplicamos el algoritmo de K-Means y obtenemos el siguiente resultado para la primera aproximación, Figura 6.1: Para representarlo de forma que se puedan ver los resultados más claramente, mostramos los datos sobre un mapa como la siguiente imagen de la Figura 6.2. Como conclusión de esta primera aproximación podemos observar cómo se crean cuatro grupos, entre ellos tienen características muy parecidas por su ubicación, el Grupo 1 estaría en el centro de una zona residencial y comercial con tráfico (Moratalaz), el Grupo 2 también pero se encuentran más zonas verdes cerca de las estaciones y ubicadas en Madrid-este (Juan Carlos I y Hortaleza), el Grupo 3 se encuentro al lado de casa de campo y en una zona muy abierta pero junto a la M-30 y el Grupo 4 se encuentra fuera del núcleo de Madrid y con parques cerca. 6.2. Selección de la estación de calidad del aire y meteorología y tráfico. 51 Figura 6.1: K Means primera aproximación 2. Seguimos con la segunda aproximación, en este caso vamos a acotar a las estaciones que contienen las magnitudes 83 (temperatura) y 86 (humedad relativa). Primero vamos a obtener el numero óptimo de clusters mediante el diagrama del codo. Vemos que la recomendación es de cinco clusters Figura 6.3. Aplicamos el algoritmo K-Means y obtenemos la Figura 6.4. Lo representamos de forma visual y obtenemos la Figura 6.5 Como conclusión de esta segunda aproximación observamos que salen cinco grupos, el Grupo 1 serían estaciones que se encuentran en parques de grandes extensiones, el Grupo 2 estaciones con parques cercanos pero también cerca de la M-30 o la M-40, el Grupo 3 se encuentra cerca de parques y de zonas abiertas, el Grupo 4 serían estaciones situadas en zonas muy urbanas del centro-sur de Madrid, con poco efecto de zonas verdes a su alrededor y el Grupo 5 seria estaciones en zonas urbanas del centro-norte de Madrid. Por lo que los Grupos 1, 2 y 3 tendrían más zonas verdes y espacios abiertos que los Grupos 4 y 5 quedamos bien reflejados en la Figura 6.5. 3. Continuamos con la tercera aproximación donde vamos a tener en cuenta las zonas verdes de cada una de las estaciones/distritos y estaciones con la magnitud 83 (temperatura). Obtenemos primero el numero óptimo de clusters con la normal del codo Figura 6.6. Por la imagen vemos que sería cuatro el número aconsejable. Pasamos el algoritmo K-Means y obtenemos la siguiente Figura 6.7. Lo representamos de forma visual obtenemos la siguiente Figura 6.8 Como conclusión de esta tercera aproximación observamos que salen cuatro grupos, el Grupo 1 serían estaciones que se encuentran en parques de extensión mediana o grande, el Grupo 2 estaciones con parques de mediana extensión, pero cercanos a zonas residenciales y comerciales, el Grupo 3 se encuentra 58 Capítulo 6. Análisis de datos y extracción de información Figura 6.13: Jerárquico Aproximación 1 Figura 6.14: Mapa Jerárquico Aproximación 1 encuentran en parques de extensión mediana o grande por lo que la temperatura actúa igual, en Rojo tenemos también similitud estando generalmente más dentro de una zona urbana pero teniendo cerca algún parque grande como puede ser el Juan Carlos I y por ultimo tenemos las estaciones en Negro donde son estaciones que no tienen ningún parque cerca y están en mitad de zonas urbanas densas por lo que se observa que ese efecto isla de calor es mayor en zonas que no tienen parques cerca. 6.2. Selección de la estación de calidad del aire y meteorología y tráfico. 59 Figura 6.15: Jerárquico Aproximación 2 Figura 6.16: Mapa Jerárquico Aproximación 2 4. Continuamos con la cuarta aproximación donde vamos a tener en cuenta todas las estaciones de calidad del aire y la magnitud 8 (Dióxido de Nitrógeno NO2). Pasamos el algoritmo Jerárquico y obtenemos la siguiente Figura 6.19 Lo representamos de forma visual obtenemos la siguiente Figura 6.20 60 Capítulo 6. Análisis de datos y extracción de información Figura 6.17: Jerárquico Aproximación 3 Figura 6.18: Mapa Jerárquico Aproximación 3 Como conclusión de esta cuarta aproximación observamos que salen cinco grupos, en general percibimos cierto comportamiento similar en ellos, pero por la gran cantidad de datos valoraros aquí no sacamos ninguna conclusión clara. En general vemos que hay una similitud en las zonas periféricas, pero hay estaciones muy cercanas en diferentes grupos. 6.2. Selección de la estación de calidad del aire y meteorología y tráfico. 61 Figura 6.19: Jerárquico Aproximación 4 Figura 6.20: Mapa Jerárquico Aproximación 4 5. Continuamos con la quinta aproximación donde vamos a acotar a las estaciones que contienen la magnitud 8 (Dióxido de Nitrógeno NO2), 9 (Partículas <2.5um) y 10 (Partículas <10um). Pasamos el algoritmo Jerárquico y obtenemos la siguiente Figura 6.21 Lo representamos de forma visual obtenemos la siguiente Figura 6.22 Aquí sin embargo si podemos sacar conclusiones, ya que se ve como estos contaminantes tienen una menor presencia en el grupo Rojo y todo lo contrario en el Grupo verde que se encuentra en zonas urbanas y con alta densidad de tráfico, por lo que aumenta los efectos de la isla de calor 62 Capítulo 6. Análisis de datos y extracción de información Figura 6.21: Jerárquico Aproximación 5 Figura 6.22: Mapa Jerárquico Aproximación 5 6.3. Correlaciones El propósito de esta sección es identificar las relaciones que existen para las diversas variables relevantes para cada conjunto de datos, así como entre el conjunto completo de variables disponibles para la implementación del proyecto. Se utiliza el método de correlación canónica en R. Que es una técnica estadística de análisis multivariantes. Una correlación es una relación proporcional de una agrupación de, principalmente 2, variables numéricas, que al variar una de ellas, la otra lo hace del mismo modo. Esto explica o demuestra que un conjunto de datos sufre una evolución creciente o decreciente si las variables que lo componen están coleccionadas. Es por esto por lo que vamos a medir la correlación entre las distintas variables que componen nuestro conjunto de datos (contaminantes, meteorológicos y masa arbórea) Para ello sacaremos la media de las distintas variables a lo largo del año y veremos 6.3. Correlaciones 63 cómo se comportan. Por el tema que tratamos, valoramos que la temperatura es la magnitud más importante a analizar. Por eso empezamos a analizar los datos que hemos limpiado anteriormente y obtenemos el siguiente ejemplo Figura 6.23) donde se ve la evolución de la temperatura en la estación de Moratalaz (numero 102). Figura 6.23: Evolución de temperatura Moratalaz En ella podemos observar valores lógicos, siendo los más cercanos al equinoccio de invierno más frías y acercándose al equinoccio de verano más altas. En la siguiente Figura podemos observar la correlación entre dos estaciones, la de Moratalaz anteriormente vista y la estación Centro (Numero 110) Figura 6.24 Aquí podemos observar que durante todo el año las temperaturas en la estación Centro, son más altas que en la estación Moratalaz. En la siguiente figura hemos mezclado todas las medidas de temperatura de todas las estaciones, depurándolas hemos dejado las cinco con temperatura más extremas tanto por frío como por calor, quedando la siguiente Figura 6.25 En el observamos que las estaciones son la 102-Moratalaz, 103-Villaverde, 106Moncloa/Aravaca, 109-Chamberi y 112-Villa de Vallecas. Siendo las más extremas por arriba Chamberí y Villa de Vallecas y las otras tres, las más extremas por abajo. Se ve como en enero la estación de Moncloa se acerca a los -10ºmientras que en Chamberí se queda unos grados por encima de 0º. Empezamos a hacer correlaciones sencillas, por ejemplo, en la siguiente Figura 6.26, nos reafirmamos en algo lógico como seria pensar que la radiación solar será baja los días nublados o con precipitaciones. Figura 6.26 Vemos como si se corresponde esa correlación, es verdad que hay días donde no hay precipitaciones y baja la radiación siendo días nublados o con alta nubosidad. Continuamos realizando una correlación temperaturas/humedad relativa Figura 6.27. Como ya habíamos entendido de Tejedor et al. (2016), "en los periodos cálidos 64 Capítulo 6. Análisis de datos y extracción de información Figura 6.24: Evolución temperatura Moratalaz Centro Figura 6.25: Estaciones con temperatura más extrema la ciudad de Zaragoza agudiza de forma considerable el calor y la sequedad en relación a las zonas no urbanas", y de igual modo pasa en la ciudad de Madrid. 6.3. Correlaciones 65 Figura 6.26: Correlación lluvia radiación Figura 6.27: Correlación temperatura/humedad Donde podemos observar que, si hay una relación, siendo las zonas más húmedas las que menor media de temperaturas tienen y viceversa. Continuamos realizando una correlación masa arbórea/ temperaturas Figura 6.28, dónde cada uno de los puntos representa una estación. Podemos observar que a mayor cantidad de masa arbórea hay una menor temperatura, por lo que se puede concluir que en las zonas verdes hay una suavización de las temperaturas. Concluimos con que el efecto ICU tiene una localización central y que se desplaza hacia sur y este. Así mismo existen diferencias de temperatura entre áreas urbanas y 66 Capítulo 6. Análisis de datos y extracción de información Figura 6.28: Correlación arbórea/temperatura no urbanas. Y dentro de las zonas urbanas se ven diferenciados grupos entre aquellas que tienen zonas verdes y azules. En el Capítulo 7 detallamos en profundidad el resto de las conclusiones. Cap´ ıtulo 7 Conclusiones y Trabajo Futuro 7.1. Conclusiones En vista de los resultados obtenidos durante la realización de este trabajo y teniendo en cuenta los objetivos definidos al comienzo en la Sección 1.2, hemos obtenido las siguientes conclusiones. O1. Se ha tenido que realizar el limpiado, formateado y filtrado de datos llegando a recogerlo en un único fichero. Se tuvo que realizar un cambio en el formato que se recoge en el punto 4, que incremento la dificultad a la hora de realizarlo. Quitando esta dificultad se ha conseguido unificar en un único fichero gracias a la herramienta y librerías de R. Del cumplimiento de este objetivo podemos concluir que el formato proporcionado por el propio Ayuntamiento es mejorable. En él se establecen meses con más días de los que les corresponden, como febrero con 31, lo cual puede llevar a confusiones. Se pueden proponer unos más intuitivos y manejables, como el que hemos realizado en la limpieza, lo que facilita la compresión de estos. O2. Se han podido aplicar algoritmos y métodos aceptados en el mundo del Data Science para poder realizar distintas clasificaciones de las estaciones. De estas hemos obtenido nuevas conclusiones: Las zonas verdes influyen notoriamente en las temperaturas. Agrupando en mismos clusters grandes parques de la ciudad con abundante masa arbórea, así como con presencia de zonas azules como estanques, fuentes o el propio río. Las temperaturas se ven suavizadas en estos puntos de la ciudad, viendo reducido el efecto ICU. Los núcleos urbanos se recogen en otro grupo. Se caracterizan por las elevadas temperaturas por encima de las citadas en el punto anterior, así como por ser zonas bastante contaminadas. En estas agrupaciones nos damos cuenta de que el efecto cañón, mencionado en el Estado de la Cuestión, es un hecho probado. Zonas en las que abundan edificios y las velocidades del viento son menores, acumulan calor en el ambiente. Esto influye directamente en las temperaturas y por lo tanto en el efecto ICU. 67 74 Capítulo 7. Conclusiones y Trabajo Futuro the workspace as well as the commands executed either in scripts or in the console it provides, as well as a viewer with the available and installed packages. This tool has a graphics viewer, which, together with the extensive number of available libraries, makes the visualization intuitive, simple and fast. These are the main libraries used in the work: Package Tidyverse, is a collection of packages and libraries designed for the Data Science, which allows us to manipulate the data for a better interpretation both in tables and graphs. From this collection we have used the following packages: •Library ggplot2: allows to create graphs declaratively. It is enough to provide it with the data and the aesthetic variables and it easily generates the figure. As a complement, there is ggpubr that increases the possibilities to show the data in a more elegant way. •Library dplyr: allows you to manipulate data in a simple way, especially thanks to the function select(), which is able to return subsets of larger ones in a single statement. •Library tidyr: when cleaning data, many of its functions that eliminate null values are useful, as well as when formatting, it offers functions to split cells, reshape data frames, etc. Library cluster: As defined by the library itself, it provides methods for the analysis of clusters. Extra fact library: contains functions that apply ML algorithms and facilitate visualization, such as the elbow diagram. Library osmdata: allows to download and import information from OpenStreetMap as sp or sf objects. It allows us to make the maps. Library sp: provides classes and methods to deal with spatial data. Library ggmap: adds an additional cartographic layer to the already known graphics, those extracted with own elaboration. 7.6.3. Development method: Waterfall To continue with a correct development of the TFG, we see convenient to specify how we have been structuring, planning and controlling the project over time. To do this we have tried to follow the steps of agile development methodologies, although these are recommended for groups of between five and nine people, we adapt it to our needs to be able to structure ourselves in an appropriate way that we explain below. The objectives of the work are dependent on each other, i.e., we cannot apply the ML algorithms without first having cleaned and formatted the data, just as we cannot visualize the results in the form of graphs or maps without first having applied 7.7. Memory content 75 the algorithms themselves. This made us choose the Waterfall or Cascade methodology, which is characterized by dividing the project into differentiated functions, which for us have been the objectives. This methodology requires that before moving on to the next function or objective, the project must be reviewed and in case of finding faults it must be corrected. This is where the tutor of the TFG, Sonia, comes in, with whom we have arranged meetings approximately every two weeks, mostly face-to-face. Where we were oriented in each stage of the TFG and she checked that the set objectives were being achieved. Another advantage of following this model is that, since the objectives were well defined very early in the development process, planning has been simple. In addition, for greater organization and control over dates, as well as task distribution, we have used a Gantt diagram that has allowed us to be more aware of the work done up to each meeting, as well as the pending objectives. As a summary of the planning, Figure 7.2 shows what the process has been like. Figure 7.2: Work; blue-Both, green-José, orange-Gonzalo 7.7. Memory content This memory consists of the following sections: 1. Introduction: this chapter presents the problems, objectives and mechanisms to achieve them. 2. State of the art: during this chapter the different areas of Madrid and its heat signature will be presented, contextualizing and classifying each of these areas, apart from the current status of various works that address their study. The main differences of this project with other related projects will also be presented. 3. Origin and collection of data: this section will present the source from which the data were collected and the methodology used to obtain them. where 76 Capítulo 7. Conclusiones y Trabajo Futuro the data have been extracted, and the methodology used to obtain them. In addition, the description of the data in its original form is also explained. 4. Preprocessing of the data: where the methods used for data processing and cleaning will be explained in order to methods used for data treatment and cleaning, in order to achieve a suitable format for them adequate format for its study, and thus facilitate the extraction of information. information. The result obtained after the transformation is also shown. 5. Study of the data: the different techniques and methods for the treatment of null values and outliers are shown. treatment of null values and unexpected values or outliers, with the objective of not losing too much not to lose too much relevant information and to eliminate information that may introduce noise in the results introduce noise in the results. 6. Data analysis and information extraction: in this section we present the algorithms that have been used for the creation and selection of models and the techniques that can be used to improve their predictions. Also, the comparison between the different models will be presented. 7. Conclusions and future work: this section lists the conclusions reached after the results obtained during the previous section. the results obtained during the previous section are listed in this section. In addition, possible future possible future work that could be carried out as a result of this project are also described. Conclusions and Future Work 7.8. Conclusions In view of the results obtained during the course of this work and taking into account the objectives defined at the beginning, we have reached the following conclusions: O1. The data had to be cleaned, formatted and filtered to be collected in a single file. It was necessary to make a change in the format that is included in point 4, which increased the difficulty at the time of doing it. Removing this difficulty, it has been possible to unify it in a single file thanks to the R tool and libraries. From the fulfillment of this objective, we can conclude that the format provided by the City Council itself could be improved. It establishes months with more days than they correspond to, such as February with 31, which can lead to confusion. More intuitive and manageable ones can be proposed, such as the one we have done in the cleaning, which facilitates the compression of these. O2. It has been possible to apply algorithms and methods accepted in the world of Data Science in order to be able to different classifications of the stations. From these we have obtained new conclusions: Green areas have a significant influence on temperatures. Large city parks with abundant trees and blue areas such as ponds, fountains or the river itself are grouped in the same clusters. Temperatures are softened in these parts of the city, reducing the ICU effect. Urban centers are included in another group. They are characterized by high temperatures above those mentioned in the previous point, as well as being quite polluted areas. In these groupings we realize that the canyon effect, mentioned in the State of the Question, is a proven fact. Areas where buildings abound and wind speeds are lower, accumulate heat in the environment. This directly influences temperatures and therefore the ICU effect. The areas near the M-40 and M-30 highways consolidate another set. Mainly due to their construction materials, which absorb and radiate heat more slowly. As in the previous point, these areas are quite polluted, but, in general, as they are open, they limit the canyon effect. 77 78 Capítulo 7. Conclusiones y Trabajo Futuro Another of the main conclusions is the urban overcrowding in Madrid. Only the outermost districts are those with large masses of trees that soften the temperatures. The closer we get to the center of the city, the greener areas become noticeably smaller, with exceptions such as Retiro Park or Parque del Oeste. The presence of buildings, roads and other urban elements, in addition to limiting the flow of air needed to reduce temperatures, are composed of materials that increase them. These absorb heat and radiate slowly, making temperature differences more noticeable between urban and outdoor areas with fewer buildings and green areas. Although the ICU effect is notorious throughout the year, it is intensified during the winter and summer seasons. In other words, temperatures are more extreme in summer, which, together with the use of electrical appliances to alleviate the high temperatures, increases the ICU effect. And during the winter, temperatures are unseasonal, with differences of around 7-8ºC on average between the center and the outdoor green areas. Taking into account the above conclusions, we can locate the ICU effect mainly in central Madrid, where there is a lack of green areas, a greater canyon effect and higher pollution levels than in the rest of the city. The urban heat island is dissipating towards the north, south and east, which is where neighborhoods built in the late twentieth century and early twenty-first century begin to appear. Its main characteristics are open spaces and large avenues (limiting the canyon effect), as well as the creation of large green areas such as the Almudena Cemetery, the Cuña Verde, Juan Carlos I Park and Felipe VI Park, among others. O3. It has been possible to make use of data visualization tools to illustrate these groupings for an easier interpretation of the results, using graphs and maps. for an easier interpretation of the results, by means of graphs and maps, which are important to confirm and observe the Heat Island Effect. We have concluded that roads and pollutants have a negative effect on temperatures and air quality, of which we can establish a direct relationship. Similarly, it is appreciated with the outside of the city and green areas and better quality. 7.9. Recommendations In view of the conclusions obtained and the increasing climate change, the ICU effect is expected to continue to increase in the coming years. This will have a negative influence on both temperatures and air quality, and therefore on the health of citizens. This is why a change is really necessary to prevent the city’s quality of life from being reduced. It is because of all our conclusions that we advocate a green design of the city, not only for the new neighborhoods to be created, but a green design, Griffiths y Sovacool (2020), should be applied throughout the city. 7.10. Future Work 79 From our point of view, this change must be brought about by these main factors: The most obvious point is to reduce emissions of polluting gases such as nitrogen dioxide, which we have analyzed. To this end, we must continue to support measures such as central Madrid, which limits the access of polluting cars to the city center, one of the areas with the greatest ICU effect. Similarly, we must encourage the use of public transport as well as low-emission vehicles. In other words, prioritize public transport and discourage the use of private vehicles and promote access to facilities (supermarkets, leisure, culture...) by proximity. Continuing to expand the city’s green and blue zones, not only in the outdoors and in newly built neighborhoods, but are tremendously needed in every urban core. Supporting urban greening and community gardening. In new construction areas, open areas such as avenues and low-rise buildings would limit the canyon effect. As well as investing in energy-efficient designs in buildings such as the use of materials that do not absorb and radiate heat, to mitigate the negative effects and not increase them, especially in winter and summer seasons. Although we are at a point where we are campaigning for measures such as those proposed, we must continue to raise public awareness of the local environment through education and outreach to all strata of society. The implementation of measures of this style at the government level would be beneficial both for the citizens and for the economy of the City Council itself, since energy efficiency is becoming more and more profitable in the long term, Frérot (2014). 7.10. Future Work As mentioned above, the ICU effect is expected to increase in the coming years. This is why we believe that an analysis of previous years would be very useful to be able to foresee how it will behave in the future. This objective is relatively simple, since the City Council’s own Open Data Portal provides access to files from previous years. It would also be a great idea to see how the SARS-CoV-2 virus affected the city. Due to the long quarantine period, where there was almost no pollution from vehicles and the air quality was much better. Seeing it compared to 2021 could shed light on how the city behaves in zero-emission or near-zero-emission scenarios. Another curious piece of work that could follow on from this would be a more accurate count of green space. Since our work assigned the tree mass of the entire district to the stations, it is not as realistic as if data were collected by proximity to the stations. This could yield more accurate results that would allow us to explain 80 Capítulo 7. Conclusiones y Trabajo Futuro the ICU effect more clearly. As for the visualization part, if a larger Dataset were obtained which did not have so many null values, with the visualization tools of R and RStudio more elaborated maps could be obtained. There are libraries that allow interactive plots, such as being able to represent the annual data as GIFs, animated images or that the user himself could interact with an environment to obtain different representations. These are many of the options offered by this work for future improvements, which with the help of the City Council’s datasets can come to explain many phenomena in the city of Madrid. Contribuciones Personales En el capítulo de 1 en el punto 1.3.3. hacemos mención al Método de desarrollo en Cascada y cómo se han distribuido las tareas a lo largo del trabajo, Figura 7.3 Figura 7.3: Trabajo; azul-Ambos, verde-José, naranja-Gonzalo A continuación, detallaremos los trabajos realizados por cada uno de nosotros. Gonzalo Meneses Vicente Desde mi punto de vista la carga de trabajo de ambos ha estado equilibrada, aunque eso sí, creo que yo me he centrado más en la parte del código. Como se puede ver en el diagrama la primera parte del trabajo ha sido conjunto. Esta se ha conformado de investigación, recopilación de información, papers, artículos, etc. Cada uno estuvo informándose de un tema del trabajo. En mi caso fue la parte de meteorología. Estuve investigando cómo la meteorología y la disposición urbana (zonas verdes, carreteras, etc.) afectaban a las temperaturas de una ciudad y por lo tanto de como influían en una Isla de Calor Urbana. En este punto leí varios informes al respecto como fueron: El efecto cañón (explicado en el capítulo 2), que expone como la velocidad y dirección del viento se ve afectada por los distintos elementos urbanos (edificios, carreteras, etc.) aumentando las temperaturas en dichas zonas, Lipp (2014). 81 82 Capítulo 7. Conclusiones y Trabajo Futuro El efecto de las zonas verdes y azules en las temperaturas, así como los grandes parques y zonas forestales, con los informes Arellano Ramos y Roca Cladera (2018) y Salinas 2020. Informes sobre carreteras, su absorción de calor y posterior irradiación debido a sus materiales Xu et al. (2021), y el efecto de la contaminación por parte de estas, Piracha y Chaudhary (2022). El efecto de la humedad y precipitaciones en las temperaturas de una ciudad, Tejedor et al. (2016). Y por último también investigué posibles soluciones para resolver o al menos mitigar la problemática de las temperaturas extremas causadas por el efecto ICU, Griffiths y Sovacool (2020). Una vez puesto en contexto como íbamos a orientar el trabajo, nos expusimos el uno al otro toda la información recogida para llegar a un punto común. Después estuvimos buscando entre los dos los conjuntos de datos a tratar, llegando al Portal de Datos Abiertos del Ayuntamiento. Una vez obtenidos los datos con los que trabajar, mis tareas con el código fueron: Creación del repositorio en GitHub y establecimiento del formato de directorios. Limpiado de los datos de meteorología explicado en el capítulo 4. Esto incluye el script del GitHub limpieza.R en el que también se limpian los datos de contaminación, pero por parte de José. Una vez limpiados los datos nos encargamos de pensar y diseñar el nuevo formato, con el fin de que fuese más legible para el posterior análisis. De nuevo yo me encargué de la parte de meteorología, aunque esta vez tuve que ayudar a José a establecer el formato para los de contaminación. En cuanto a las gráficas, hice la base del fichero CodigoCorrelaciones _GraficasLineales.R sacando unas primeras visualizaciones muy sencillas. Los algoritmos de Machine Learning en un principio los estuvimos investigando los dos, pero a la hora de aplicarlos sobre las 5 aproximaciones las codifiqué yo, en el archivo clustering.R. Eso sí la planificación de estas fue, otra vez, parte de los dos. La parte de visualización empezó haciéndola José, con una base sencilla, pero a la hora de representar las visualizaciones el código fue realizado por mí mediante MapaMadrid.R. Y pasando a la parte de la memoria, aquí he de decir que la parte más densa corresponde al trabajo de José. Mis aportaciones han sido: Trabajo conjunto con José de la Introducción. Aunque el diagrama de Gantt fui yo el que lo iba actualizando con cada una de las tareas completadas. 7.10. Future Work 83 En la parte de Estado de la cuestión los puntos 2.1.1., 2.2., 2.3. al completo, 2.4. y 2.5. fueron redactados por mí. En el capítulo 3 participamos ambos, ya que esta parte tuvimos que decidirla entre los dos. La redacción del punto 4 también fue realizada por mí, a excepción del 4.2.2. A este punto hay que sumarle que el diagrama de flujo de la limpieza, que también es de mi autoría. El capítulo 7 fue redactado al completo por mí, tanto las conclusiones, recomendaciones y trabajo futuro. Por último me encargué de la traducción de los capítulos 7.3 y 7.7. Como resumen de mi trabajo puedo decir que me he centrado más en la parte del código, aunque José también ha trabajado en él. Aun así, también he formado parte del análisis ya que para redactar las conclusiones (capítulo 7) tuve que examinar todas las gráficas obtenidas por José y sus interpretaciones. Del mismo modo, al generar los mapas de Madrid y aplicar los algoritmos de ML he participado de forma activa en el proceso de Estudio de los datos (capítulo 5) y Análisis y extracción de información (capítulo 6). Como valoración del trabajo de José, ha participado activamente en el código en la parte de limpieza de los datos de contaminación, primeras visualizaciones de los mapas y la gran mayoría de las gráficas. Y sobre todo se ha encargado de la memoria. Tanto de la redacción de los puntos 5 y 6, que considero más densos y complicados de redactar y plasmar, como correcciones de todos los puntos (incluidos los míos), organización de la memoria, tablas, imágenes, etc. José Francisco García Ruiz Durante el desarrollo del TFG la carga de trabajo ha sido equilibrada, valorando en un primer momento los puntos fuertes de cada uno de los componentes decidimos que por experiencias personales y laborales la carga de gestión y organización fuera llevada por mí, mientras que la carga de código fuese llevada por Gonzalo. Partiendo al igual que mi compañero del diagrama Figura7.3, mi parte de investigación, recopilación de información, papers, artículos, etc. fue sobre la parte de contaminación. Tras hacer un análisis de las necesidades para el trabajo tanto de investigación como de capacidades a desarrollar y lenguajes y entornos de trabajo que íbamos a realizar, empezamos a investigar cada uno sobre el tema a tratar, poniendo en común todos estos datos en la siguiente reunión que tuvimos. De esta reunión anterior sacamos que el entorno donde íbamos a trabajar iba a ser RStudio, con R como lenguaje y que la base de datos de la que nos íbamos a nutrir sería el portal de datos abierto del Ayuntamiento de Madrid.