Huella de carbono y sostenibilidad urbana: un análisis estadístico espacial en los barrios de Valencia

Abstract

[ES] El presente Trabajo Fin de Máster (TFM) tiene como objetivo analizar y comparar la huella de carbono de los distintos barrios de la ciudad de Valencia mediante la aplicación de técnicas univariantes de análisis estadístico espacial. Adicionalmente, se emplean metodologías de análisis multivariante, como el Análisis de Componentes Principales (PCA) y técnicas de agrupación (clustering con K-means, método jerárquico de Ward y regionalización), para identificar posibles relaciones entre las variables y patrones ocultos en los datos. A partir de la definición de una serie de indicadores individuales y agrupados que miden los Gases de Efecto Invernadero (GEI) generados en cada barrio, el análisis de la autocorrelación espacial revela que no existe una relación espacial significativa entre los barrios de la ciudad a nivel agrupado; sin embargo, sí se observan diferencias significativas entre barrios cuando se examinan con más detalle los indicadores individuales. El fundamento teórico de este proyecto se sustenta en la teoría de ciudad de los 15 minutos , la cual busca mejorar la sostenibilidad y la calidad de vida reduciendo la dependencia del automóvil y promoviendo un estilo de vida más local y de fácil acceso a los servicios esenciales. Los hallazgos de este estudio proporcionan una herramienta de ayuda para las instituciones competentes, facilitando la toma de decisiones en materia de contaminación y gestión del medioambiente a nivel de barrio.

[EN] The objective of this Master's Thesis (TFM) is to analyze and compare the carbon footprint of different neighborhoods in the city of Valencia by applying univariate techniques of spatial statistical analysis. Additionally, multivariate analysis methodologies such as Principal Component Analysis (PCA) and clustering techniques (K-means clustering, Ward's hierarchical method, and regionalization) are employed to identify possible relationships between variables and hidden patterns in the data. Based on the definition of a series of individual and grouped indicators that measure the Greenhouse Gases (GHG) generated in each neighborhood, the analysis of spatial autocorrelation reveals that there is no significant spatial relationship between the neighborhoods of the city at the aggregated level. However, significant differences between neighborhoods are observed when individual indicators are examined in more detail. The theoretical foundation of this project is based on the 15-minute city theory, which aims to improve sustainability and quality of life by reducing car dependency and promoting a more local lifestyle with easy access to essential services. The findings of this study provide a helpful tool for competent institutions, facilitating decision-making regarding pollution and environmental management at the neighborhood level.