Resumo Este artigo investiga a influência de algumas características do entorno urbano sobre a temperatura do ar, considerando parâmetros urbanos como o coeficiente de ocupação do solo (CO), coeficiente de vegetação urbana (CVU), fator de visão de céu (FVC) e coeficiente de cobertura do solo (CCS). O espaço amostral utilizado é o campus da Universidade Federal de São Carlos, em São Carlos, SP, Brasil. O método emprega dataloggers para medições de temperatura do arem diferentes pontos de coleta, além da determinação de índices urbanísticos nesses pontos amostrais. Os dados térmicos e urbanísticos são relacionados entre si por desenvolvimento de modelos deredes neurais artificiais (RNA), considerando-se três raios de abrangência ao redor dos pontos amostrais: 25 m, 50 m e 100 m. Dentre os modelos de previsão desenvolvidos, o de melhor desempenho é incorporado a um sistema de informação geográfica (SIG), permitindo a simulação de dados para outros pontos do campus e viabilizando a criação de mapas térmicos mais detalhados. Os resultados demonstram que o CVU é o elemento mais significativo na determinação do padrão térmico do campus e que os modelos de RNA associados à plataforma SIG podem ser instrumentos úteis para o apoio às ações que visem a qualidade térmica do campus.

Abstract This paper investigates the influence of some characteristics of the urban environment on the air temperature by considering urban parameters such as occupancy coefficient (OC), urban vegetation coefficient (UVC), sky view factor (SVF) and cover coefficient (CC). The campus of the Federal University of São Carlos, in São Carlos, Brazil was used for spatial sampling. The method uses dataloggers for air temperature measurements in different collecting points, as well as the determination of urban indexes. The data of temperature and urban indexes are related to each other by the development of Artificial Neural Networks (ANN) models considering three radii around the sampling points: 25, 50 and 100 m. Among the prediction models developed, the one with the best performance is incorporated into a Geographical Information System (GIS), allowing data simulation of other points on the campus and leading to the creation of more detailed thermal maps. The results show that the UVC was the most significant element determining the thermal patterns in the campus. Furthermore, the ANN models associated with the GIS platform may be useful tools to support actions aiming at the thermal quality of the campus.