Palavras-chave
morfologia urbana
mudanças climáticas
tecnologias geoespaciais
planejamento urbano sustentável
Como Citar
Resumo
A crise climática global vem trazendo inúmeros desafios para o planejamento urbano contemporâneo, exigindo novas abordagens voltadas para o entendimento das suas causas e efeitos nas cidades. O uso de informações geoespaciais é uma estratégia importante para o mapeamento e interpretação do território que vem sendo impulsionado com o uso da Inteligência Artificial (IA). O objetivo deste trabalho é demonstrar como a IA vem sendo implementada para aperfeiçoar a geração e interpretação de imagens geradas por Sensoriamento Remoto (SR). O uso da IA tem grande potencial de contribuir para suprir uma lacuna nos métodos de análise do território urbano que é a gestão de métricas e indicadores de sustentabilidade, ampliando a capacidade de diagnóstico e intervenção. Foi realizada uma revisão de literatura sobre as interações entre IA e SR e elaborado um diagrama-síntese com as principais aplicações urbanas desta combinação, enfatizando aspectos de sustentabilidade. Como conclusão, destacamos contribuições no diagnóstico de grandes volumes de imagens e desafios na automatização de respostas acríticas sem a devida interpretação.
Referências
Balogun, A. L., Tella, A., Baloo, L. e Adebisi, N. (2021) "A review of the inter-correlation of climate change, air pollution and urban sustainability using novel machine learning algorithms and spatial information science", Urban Climate 40, 100989.
Bibri, S. E., Krogstie, J., Kaboli, A. e Alahi, A. (2024). “Smarter eco-cities and their leading-edge artificial intelligence of things solutions for environmental sustainability: A comprehensive systematic review”, Environmental Science and Ecotechnology, 19, 100330. https://doi.org/10.1016/j.ese.2023.100330
Chaturvedi, V. e de Vries, W. T. (2021) "Machine learning algorithms for urban land use planning: a review", Urban Science 5(3), 68. https://doi.org/10.3390/urbansci5030068
Chen, P., Gao, J., Ji, Z., Liang, H., e Peng, Y. (2022). “Do Artificial Intelligence Applications Affect Carbon Emission Performance?—Evidence from Panel Data Analysis of Chinese Cities”, Energies, 15(15), 5730. https://doi.org/10.3390/en15155730
Costa, S. D. A. P. e Netto, M. M. G. (2015) Fundamentos de morfologia urbana (C/Arte, Belo Horizonte).
Fallmann, J. e Emeis, S. (2020) "How to bring urban and global climate studies together with urban planning and architecture?", Developments in the Built Environment 4, 100023. https://doi.org/10.1016/j.dibe.2020.100023
Fan, J., Chen, X., Xie, S. e Zhang, Y. (2023) "Study on the response of the summer land surface temperature to urban morphology in Urumqi, China", Sustainability 15, 15255. https://doi.org/10.3390/su152115255
Gracias, J. S., Parnell, G. S., Specking, E., Pohl, E. A. e Buchanan, R. (2023) "Smart Cities—A Structured Literature Review", Smart Cities 6(4), 1719–1743. https://doi.org/10.3390/smartcities6040080
Guo, Y., Jiao, L., Yang, X., Li, J. e Xu, G. (2023) "Simulating urban growth by coupling macro-processes and micro-dynamics: a case study on Wuhan, China", GIScience & Remote Sensing 60(1), 2264582. https://doi.org/10.1080/15481603.2023.2264582
Hughes, M. J. e Kennedy, R. E. (2019) "High-quality cloud masking of Landsat 8 imagery using convolutional neural networks", Remote Sensing 11(21), 2591. https://doi.org/10.3390/rs11212591
IPCC – Intergovernmental Panel on Climate Change (2023) “Summary for Policymakers”, em Core Writing Team, Lee, H. e Romero, J. (eds.). Anais do Relatório de Síntese da Sexta Avaliação do IPCC – Climate Change 2023: Synthesis Report, 1–34. IPCC, Genebra, Suíça. https://www.ipcc.ch/report/ar6/syr/downloads/report/IPCC_AR6_SYR_SPM.pdf.
Mauree, D., Naboni, E., Coccolo, S., Perera, A. T. D., Nik, V. M. e Scartezzini, J.-L. (2019). A review of assessment methods for the urban environment and its energy sustainability to guarantee climate adaptation of future cities. Renewable and Sustainable Energy Reviews, 112, 733–746. https://doi.org/10.1016/j.rser.2019.06.005
Milojjevic-Dupont, N. e Creutzig, F. (2021) "Machine learning for geographically differentiated climate change mitigation in urban areas", Sustainable Cities and Society 64, 102526. https://doi.org/10.1016/j.scs.2020.102526
Sang, M., He, H., Shen, L., e Xu, X. (2024). “Research evolution on low-carbon city measure study: A bibliometric analysis”, Environmental Impact Assessment Review, 106, 107526. https://doi.org/10.1016/j.eiar.2024.107526
Son, T. H., Weedon, Z., Yigitcanlar, T., Sanchez, T., Corchado, J. M. e Mehmood, R. (2023). “Algorithmic urban planning for smart and sustainable development: Systematic review of the literature”, Sustainable Cities and Society, 94, 104562. https://doi.org/10.1016/j.scs.2023.104562
Wang, J., Georganos, S., Kuffer, M., Abascal, A. e Vanhuysse, S. (2022) "On the knowledge gain of urban morphology from space", Environmental Modelling & Software 153, 105395. https://doi.org/10.1016/j.compenvurbsys.2022.101831
Xu, X., Qiu, W., Li, W., Huang, D., Li, X., & Yang, S. (2022). “Comparing satellite image and GIS data classified local climate zones to assess urban heat island: A case study of Guangzhou”, Frontiers in Environmental Science, 10, 1029445. https://doi.org/10.3389/fenvs.2022.1029445
Yigitcanlar, T. e Cugurullo, F. (2020) "The sustainability of artificial intelligence: an urbanistic viewpoint from the lens of smart and sustainable cities", Sustainability 12(20), 8548–8572. https://doi.org/10.3390/su12208548
Yigitcanlar, T., Desouza, K., Butler, L., e Roozkhosh, F. (2020a). “Contributions and Risks of Artificial Intelligence (AI) in Building Smarter Cities: Insights from a Systematic Review of Literature”, Energies, 13(6), 1473. https://doi.org/10.3390/en13061473
Yigitcanlar, T., Kankanamge, N., Regona, M., Ruiz Maldonado, A., Rowan, B., Ryu, A., Desouza, K. C., Corchado, J. M., Mehmood, R. e Li, R. Y. M. (2020b). “Artificial Intelligence Technologies and Related Urban Planning and Development Concepts: How Are They Perceived and Utilized in Australia?”, Journal of Open Innovation: Technology, Market, and Complexity, 6(4), 187. https://doi.org/10.3390/joitmc6040187
Zhang, P., Ghosh, D. e Park, S. (2023) "Spatial measures and methods in sustainable urban morphology: A systematic review", Landscape and Urban Planning 237, 104776. https://doi.org/10.1016/j.landurbplan.2023.104776
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Copyright (c) 2026 Katherine Athié, Bruno Rocha, Daniella Bonatto