Tese de Doutorado
O Sul Global enfrenta um duplo desafio: a grave escassez habitacional e a crescente vulnerabilidade às mudanças climáticas. Mais de 1 bilhão de pessoas enfrentam riscos de acesso à refrigeração, enquanto mais de 2 bilhões devem adquirir dispositivos de resfriamento ineficientes, aumentando o consumo de energia e as emissões de carbono. Abordar essa questão exige soluções sustentáveis e equitativas para a resiliência climática no ambiente construído, especialmente na América Latina, onde, apesar do progresso econômico, os déficits habitacionais continuam significativos e os assentamentos informais seguem em expansão. Esta tese contribui para esse esforço ao integrar técnicas de ciência de dados—incluindo modelagem substitutiva, aprendizado por transferência, otimização multiobjetivo e métodos de tomada de decisão multicritério—ao campo da simulação de desempenho de edificações (BPS). A pesquisa é estruturada em quatro capítulos principais. Os dois primeiros são revisões sistemáticas da literatura que sintetizam o estado da arte em: (1) o potencial da otimização multiobjetivo baseada em modelos substitutivos para o design sustentável de edificações e (2) o uso de ferramentas de BPS para avaliações de adaptação e mitigação utilizando arquivos climáticos futuros. Expandindo as descobertas desses capítulos, os dois capítulos subsequentes propõem uma avaliação baseada em simulação, focada em edificações residenciais latino-americanas. Mais especificamente, a investigação considera as cidades do Rio de Janeiro, São Paulo, Santiago, Bogotá e Lima. Ao empregar Extreme Gradient Boosting (XGBoost) e Artificial Neural Networks (ANN) como modelos substitutivos e integrando arquivos climáticos urbanos futuros que consideram tanto os cenários de emissões do IPCC quanto os efeitos da ilha de calor urbana (UHI), esta investigação explora de forma eficiente alternativas de projeto. Algoritmos de otimização, como o Adaptive Geometry Estimation-based Multi-objective Evolutionary Algorithm (AGE-MOEA) e o Non Dominated Sorting Genetic Algorithm III (NSGA-III), identificam soluções de Pareto ótimas que equilibram conforto térmico, demanda energética, emissões de carbono e custos de construção. Além disso, métodos de tomada de decisão multicritério (MCDM) facilitam avaliações transparentes de compensação entre esses critérios. Este trabalho estabelece conexões entre a pesquisa em arquitetura e a ciência de dados em uma escala geopolítica macro, demonstrando a viabilidade do design resiliente ao clima no Sul Global. Além de suas contribuições metodológicas, a tese fornece diretrizes práticas para formuladores de políticas, profissionais do setor e pesquisadores que buscam desenvolver políticas habitacionais mais sustentáveis e adaptadas ao clima. Por fim, ela oferece um modelo escalável para transformar o setor residencial na América Latina e incentiva a exploração de soluções construtivas de alto desempenho e custo-benefício para outras regiões em necessidade.
LINK DA TESE
Data: 28/04/2025
Pessoa
- Alexandre Santana Cruz [Autor(a)]
- Aline Calazans Marques
- Eduardo Grala da Cunha
- Leopoldo Eurico Gonçalves Bastos [Orientador(a)]
- Lucas Rosse Caldas
- Nathan Mendes
Linha de Pesquisa
- Ambiente Construído, Tecnologia e Sustentabilidade
Curso
- Doutorado PROARQ