| Processo: | 19/23603-9 |
| Modalidade de apoio: | Auxílio à Pesquisa - Regular |
| Data de Início da vigência: | 01 de maio de 2020 |
| Data de Término da vigência: | 30 de abril de 2024 |
| Área do conhecimento: | Engenharias - Engenharia Civil - Construção Civil |
| Acordo de Cooperação: | Belmont Forum |
| Pesquisador responsável: | Sérgio Francisco dos Santos |
| Beneficiário: | Sérgio Francisco dos Santos |
| Pesquisador Responsável no exterior: | Esther Adhiambo Obonyo |
| Instituição Parceira no exterior: | Pennsylvania State University , Estados Unidos |
| Pesquisador Responsável no exterior: | George Onyango Okeyo |
| Instituição Parceira no exterior: | De Montfort University , Inglaterra |
| Instituição Sede: | Faculdade de Engenharia (FEG). Universidade Estadual Paulista (UNESP). Campus de Guaratinguetá. Guaratinguetá , SP, Brasil |
| Município da Instituição Sede: | Guaratinguetá |
| Pesquisadores associados: | Holmer Savastano Junior |
| Assunto(s): | Planejamento habitacional Geografia Desastres ambientais Eventos climáticos extremos Zona costeira População de baixa renda Habitação popular Materiais de construção Inteligência artificial Aprendizado computacional Big data analytics |
| Palavra(s)-Chave do Pesquisador: | Ciência Social | Desastre climático | Geografia | Inteligência Artificial | Moradia | Materiais e componentes de construção |
Resumo
O projeto visa aumentar a resiliência das comunidades de baixa renda que vivem em áreas propensas a desastres. O foco está nas zonas costeiras baixas, com alto risco de secas e inundações em partes selecionadas do Brasil, África Oriental e América do Norte. Desenvolverá o conhecimento geográfico e socioeconômico das pessoas que vivem nas áreas de favelas e leitos dos rios, reunindo dados georreferenciados sobre infraestruturas e patrimônio natural de locais potenciais. A equipe do projeto também investigará as barreiras de adoção de tecnologia e os direcionadores de difusão através da criação e criação de protótipos de um sistema habitacional acessível, resistente a desastres e de baixa renda que use materiais sustentáveis com recursos locais. O desenvolvimento de espaços urbanos é uma função da localização geográfica, história econômica, padrão de desenvolvimento urbano e governança terá influência na resiliência. O desenvolvimento (ou a falta dele) de um centro urbano é resultado de iniquidades sociais, econômicas e políticas existentes. Pacotes de políticas para preparação para desastres que não considerem as circunstâncias únicas de populações vulneráveis podem inadvertidamente causar danos à baixa renda famílias. Considerações sobre sustentabilidade ambiental e saúde pública serão incluídas. O aprendizado da máquina (Machine Learning) e a ciência dos dados (Big Data Analytics) serão usados para identificar pacotes urbanos ideais de planejamento e planejamento urbano de habitação resiliente a desastres, considerando as mudanças climáticas relacionadascenários climáticos extremos entre a hora atual e 2050. Embora os grandes dados sejam passíveis de previsão climática de longo prazo, os dados para previsões localizadas e sazonais ainda são incertos e escassos. O Machine Learning tem potencial. Outras aplicações demonstraram que podetrabalhe com big data ou com dados esparsos. A pesquisa contribuirá para modelar com precisão os eventos climáticos e climáticos extremos no nível espaço-temporal, para aumentar a compreensão dos cientistas climáticos e, ao mesmo tempo, capacitar os formuladores de políticas na tomada de decisões relacionadas a desastres. (AU)
| Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio: |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |