Anthropogenic climate change is a global problem that affects every country and each individual. The UK introduced its own carbon budgets, aiming to reduce its GHGs by 80% by 2050 compared with 1990 levels. The United Nations Conference of the Parties in Paris in 2015 came to an agreement on limiting the global average temperature rise to "well below 2oC". It has been argued that the Paris Agreement requires deeper and more rapid emission reductions than current UK targets. The CO2 emissions from energy use by households account for almost a third of total CO2 emissions in the UK in recent years. The research aims to explore drivers of high energy consumption in order to identify where there may be intervention points that can achieve a greater level of emission reductions than conventional policy tools in the short to medium term. Previous studies have focused on either socioeconomic factors or practices to explore household energy consumption and CO2 emissions, but have not integrated both aspects to identify drivers behind high energy consumption. To address this gap in the literature, the research applies an interdisciplinary approach to analyse the interconnected factors impacting on household energy consumption and CO2 emissions. Socioeconomic characteristics and practice theory are combined in order to understand how and why energy is consumed at home, and specifically to explore high energy consumption and related CO2 emissions at the household level. Both quantitative cluster analyses based on household socioeconomic factors and qualitative data collection and thematic analyses on energy-related practices at home have been conducted in the research. Results indicate that various combinations of socioeconomic factors and dwelling-related characteristics can collectively lead to high CO2 emissions from energy use at home. Nonetheless, these characteristics cannot fully explain why some households are high emitters, as they still share a variety of similar characteristics with average households in the UK. Besides household socioeconomic factors and dwelling-related characteristics, the materials, procedure and meanings of practices; people's discursive and practical consciousness; and dominant meanings of the home, also collectively influence energy use at home. Policymakers should consider not only improving the energy efficiency of the dwelling and appliances, but also how people's hidden knowledge and routines allow or constrain the performance of energy-related practices, as well as how the existing meanings of practices and dominant meanings of the home can be supported with less energy input and associated CO2 emissions. Energy efficiency related policies could focus more on how to reduce the interruption to people's everyday lives and the level of space loss. Policymakers could also work with different stakeholders, such as local authorities and community groups to tackle the challenges of installation of double gazing, cavity wall and roof insulation in the private rented sector. Policies for promoting renewable electricity micro-generation in the UK can target more effectively the high emitters who are at home most weekdays, as they can be more flexible in rearranging their use of appliances in daily routines and potentially reduce energy consumption during the peak time. In addition to combining a novel range of approaches and perspectives to understanding energy use at home, the research makes a contribution to achieving deeper and more rapid emission reductions in the short to medium term in the UK by focusing on the drivers behind high energy consumption at home than average energy consumption in general.

Ocorrem anualmente aproximadamente 600.000 mortes de crianças com até cinco anos, no mundo. Pneumonia é a principal causa e mais de 50 por cento destas mortes são atribuídas à poluição do ar. Ela ainda é responsável pelo aumento do risco de infecções respiratórias, asma, condições neonatais adversas e anomalias congênitas. A poluição do ar também afeta o desenvolvimento cognitivo de crianças e induz o desenvolvimento de doenças crônicas na idade adulta. Entre 70 e 80 por cento da poluição do ar em nações em desenvolvimento são de origem veicular. Objetivando definir critérios baseados em medições com sensoriamento remoto para identificação de veículos automotores leves do ciclo Otto com elevadas emissões de monóxido de carbono, hidrocarbonetos ou óxido nítrico, foram utilizados os dados secundários gerados pela Remote Sensing do Brasil Ltda dos quais foram selecionados 179.142 veículos em uso da frota circulante da cidade de São Paulo com medições completas dos índices de emissão dos poluentes monóxido de carbono (CO), hidrocarbonetos (HC) e óxido nítrico (NO) e ainda velocidade e aceleração do veículo quando da medição e inclinação da pista no local escolhido para as medições. Foram ajustados modelos estatísticos da classe Generalised Additive Models for Location, Scale and Shape (GAMLSS) visando testar a influência do Tipo de Combustível, da Potência Específica do Veículo (VSP) e das Fases do Programa de Controle da Poluição do Ar por Veículos Automotores (Proconve) sobre as emissões de CO, HC e NO, medidos usando o Remote Sensing Device (RSD). As emissões foram então conceitualmente subdivididas em dois grupos: veículos com emissões normais e com emissões anormais, isso para os diversos poluentes em veículos das Fases L3, L4 e L5 que são as fases de interesse para o gerenciamento da qualidade do ar. Variáveis latentes foram definidas para indicarem as distribuições dos veículos em relação a esses grupos e Fases. O algoritmo Expectation-Maximization (EM) foi empregado para identificação dos parâmetros das distribuições. Para determinação dos valores associados aos veículos com elevadas emissões de determinado poluente e fase do Proconve, foi empregado o percentil 98 por cento da distribuição ajustada para os veículos dos grupos com emissões normais. Assim sendo, o Erro de Tipo I foi fixado em 2 por cento sendo que esse percentual foi estabelecido considerando o Erro de Tipo II, de apontar o veículo como tendo emissão normal quando na realidade trata-se de um high emitter. Através desta abordagem foram determinados os valores indicativos de veículos com elevadas emissões segundo o poluente e a Fase do Proconve. Os resultados apontaram decréscimo nas emissões de CO e de HC segundo as Fases do Proconve. Para o NO, o comportamento das emissões não acompanhou as reduções impostas pelas Fases do Proconve. Foi constatado que os veículos de 2005 a 2009, movidos exclusivamente a gasool, foram os que apresentaram as maiores emissões de NO. Diversos possíveis fatores causadores deste comportamento diferenciado do NO foram discutidos neste trabalho. Os dados de qualidade do ar detectaram aumento significativo nas concentrações ambientais de Óxidos de Nitrogênio (NOx) em 2007, quando foi monitorado este parâmetro no período de inverno, o que pode indicar a influência dos high emitters, mas necessita de estudos mais aprofundados para confirmação da causa deste comportamento. / Approximately 600,000 deaths occur worldwide annually for children up to five years of age. Pneumonia is the leading cause and more than 50 per cent of these deaths are attributed to air pollution. It is still responsible for increased risk of respiratory infections, asthma, adverse neonatal conditions and congenital anomalies. Air pollution also affects the cognitive development of children and induces future development of chronic diseases in adulthood. In order to define criteria based on remote sensing measurements to identify Otto cycle light duty vehicles (LDV) with high emissions of carbon monoxide, hydrocarbons or nitric oxide it was used secondary data produced by Remote Sensing do Brasil Ltda, from which 179,142 inuse vehicles were selected, that belongs to the city of São Paulos current fleet. All those vehicles had complete measurements of emission of carbon monoxide (CO), hydrocarbons (HC) and nitric oxide (NO), and also speed and acceleration of the vehicle during measurements, and slope of the track at the place chosen for the measurements. Statistical models of the Generalized Additive Models for Location, Scale and Shape (GAMLSS) class were adjusted to test the influence of fuel type, Vehicle Specific Power (VSP) and of the Brazilian Vehicle Emission Control Program [Proconve] phases on CO, HC and NO emissions, measured using Remote Sensing Device (RSD). The emissions were then conceptually subdivided into two groups: vehicles with normal and abnormal emission, for the various pollutants in vehicles of L3, L4 and L5 phases of Proconve, which were of interest for the air quality management. Latent variables were defined to indicate the distribution of vehicles in relation to those groups and phases. The algorithm Expectation Maximization (EM) was employed to identify all parameters of the distributions. We use the 98 per cent percentiles of the statistical distribution set, for vehicles of groups with normal emissions to determine the limit values for vehicles with high emissions of pollutants and Proconve Phase. Therefore, the Type I Error was set at 2 per cent and this percentage was established considering the Type II Error to point the vehicle as having normal emission when in fact it is a high emitter. Through this approach, the indicative values of vehicles with high emissions according to the pollutant and the Proconve Phase were determined. Results of emissions measured with the RSD technique indicated a decrease in CO and HC emissions according to the Proconve Phase. For the NO, the emissions behavior did not follow the reductions imposed by the Proconve Phases. It was found that newer vehicles year model from 2005 to 2009 exclusively gasohol-powered vehicles, were the ones that presented the highest NO emissions. Several possible causative factors of this differential behavior of NO were discussed in this study. A significant increase in the environmental concentrations of Nitrogen Oxides (NOx) was detected in 2007, when this parameter was monitored in the winter period. This may indicate the influence of the high emitter vehicles, but it requires a more in-depth cause-effect study for confirmation of this behavior.

Ocorrem anualmente aproximadamente 600.000 mortes de crianças com até cinco anos, no mundo. Pneumonia é a principal causa e mais de 50 por cento destas mortes são atribuídas à poluição do ar. Ela ainda é responsável pelo aumento do risco de infecções respiratórias, asma, condições neonatais adversas e anomalias congênitas. A poluição do ar também afeta o desenvolvimento cognitivo de crianças e induz o desenvolvimento de doenças crônicas na idade adulta. Entre 70 e 80 por cento da poluição do ar em nações em desenvolvimento são de origem veicular. Objetivando definir critérios baseados em medições com sensoriamento remoto para identificação de veículos automotores leves do ciclo Otto com elevadas emissões de monóxido de carbono, hidrocarbonetos ou óxido nítrico, foram utilizados os dados secundários gerados pela Remote Sensing do Brasil Ltda dos quais foram selecionados 179.142 veículos em uso da frota circulante da cidade de São Paulo com medições completas dos índices de emissão dos poluentes monóxido de carbono (CO), hidrocarbonetos (HC) e óxido nítrico (NO) e ainda velocidade e aceleração do veículo quando da medição e inclinação da pista no local escolhido para as medições. Foram ajustados modelos estatísticos da classe Generalised Additive Models for Location, Scale and Shape (GAMLSS) visando testar a influência do Tipo de Combustível, da Potência Específica do Veículo (VSP) e das Fases do Programa de Controle da Poluição do Ar por Veículos Automotores (Proconve) sobre as emissões de CO, HC e NO, medidos usando o Remote Sensing Device (RSD). As emissões foram então conceitualmente subdivididas em dois grupos: veículos com emissões normais e com emissões anormais, isso para os diversos poluentes em veículos das Fases L3, L4 e L5 que são as fases de interesse para o gerenciamento da qualidade do ar. Variáveis latentes foram definidas para indicarem as distribuições dos veículos em relação a esses grupos e Fases. O algoritmo Expectation-Maximization (EM) foi empregado para identificação dos parâmetros das distribuições. Para determinação dos valores associados aos veículos com elevadas emissões de determinado poluente e fase do Proconve, foi empregado o percentil 98 por cento da distribuição ajustada para os veículos dos grupos com emissões normais. Assim sendo, o Erro de Tipo I foi fixado em 2 por cento sendo que esse percentual foi estabelecido considerando o Erro de Tipo II, de apontar o veículo como tendo emissão normal quando na realidade trata-se de um high emitter. Através desta abordagem foram determinados os valores indicativos de veículos com elevadas emissões segundo o poluente e a Fase do Proconve. Os resultados apontaram decréscimo nas emissões de CO e de HC segundo as Fases do Proconve. Para o NO, o comportamento das emissões não acompanhou as reduções impostas pelas Fases do Proconve. Foi constatado que os veículos de 2005 a 2009, movidos exclusivamente a gasool, foram os que apresentaram as maiores emissões de NO. Diversos possíveis fatores causadores deste comportamento diferenciado do NO foram discutidos neste trabalho. Os dados de qualidade do ar detectaram aumento significativo nas concentrações ambientais de Óxidos de Nitrogênio (NOx) em 2007, quando foi monitorado este parâmetro no período de inverno, o que pode indicar a influência dos high emitters, mas necessita de estudos mais aprofundados para confirmação da causa deste comportamento. / Approximately 600,000 deaths occur worldwide annually for children up to five years of age. Pneumonia is the leading cause and more than 50 per cent of these deaths are attributed to air pollution. It is still responsible for increased risk of respiratory infections, asthma, adverse neonatal conditions and congenital anomalies. Air pollution also affects the cognitive development of children and induces future development of chronic diseases in adulthood. In order to define criteria based on remote sensing measurements to identify Otto cycle light duty vehicles (LDV) with high emissions of carbon monoxide, hydrocarbons or nitric oxide it was used secondary data produced by Remote Sensing do Brasil Ltda, from which 179,142 inuse vehicles were selected, that belongs to the city of São Paulos current fleet. All those vehicles had complete measurements of emission of carbon monoxide (CO), hydrocarbons (HC) and nitric oxide (NO), and also speed and acceleration of the vehicle during measurements, and slope of the track at the place chosen for the measurements. Statistical models of the Generalized Additive Models for Location, Scale and Shape (GAMLSS) class were adjusted to test the influence of fuel type, Vehicle Specific Power (VSP) and of the Brazilian Vehicle Emission Control Program [Proconve] phases on CO, HC and NO emissions, measured using Remote Sensing Device (RSD). The emissions were then conceptually subdivided into two groups: vehicles with normal and abnormal emission, for the various pollutants in vehicles of L3, L4 and L5 phases of Proconve, which were of interest for the air quality management. Latent variables were defined to indicate the distribution of vehicles in relation to those groups and phases. The algorithm Expectation Maximization (EM) was employed to identify all parameters of the distributions. We use the 98 per cent percentiles of the statistical distribution set, for vehicles of groups with normal emissions to determine the limit values for vehicles with high emissions of pollutants and Proconve Phase. Therefore, the Type I Error was set at 2 per cent and this percentage was established considering the Type II Error to point the vehicle as having normal emission when in fact it is a high emitter. Through this approach, the indicative values of vehicles with high emissions according to the pollutant and the Proconve Phase were determined. Results of emissions measured with the RSD technique indicated a decrease in CO and HC emissions according to the Proconve Phase. For the NO, the emissions behavior did not follow the reductions imposed by the Proconve Phases. It was found that newer vehicles year model from 2005 to 2009 exclusively gasohol-powered vehicles, were the ones that presented the highest NO emissions. Several possible causative factors of this differential behavior of NO were discussed in this study. A significant increase in the environmental concentrations of Nitrogen Oxides (NOx) was detected in 2007, when this parameter was monitored in the winter period. This may indicate the influence of the high emitter vehicles, but it requires a more in-depth cause-effect study for confirmation of this behavior.