Potencial de Calor em Áreas do Distrito Federal, Brasil
Resumo
Este trabalho objetivou determinar o potencial de calor em áreas do Distrito Federal, Brasil, dado pelo produto LST da missão Sentinel 3. Para tal, produtos de LST (Land Surface Temperature) de Nível-2 da missão Sentinel 3 foram fornecidos pelo instrumento SLSTR, obtidos no endereço eletrônico da Copernicus Open Access Hub para as datas 16 e 20 de maio de 2019. As imagens rasterizadas (produtos) de LST na escala termométrica Kelvin foram trabalhadas no aplicativo computacional Arc Gis 10.1 pela função raster calculator, fazendo-se a conversão para a escala termométrica Celsius. Posteriormente, sobre essas imagens foram gerados pontos amostrais pela função Conversion tools → From raster → Raster to Point. Por meio da função kriging foram gerados dois mapas contendo valores de LST em graus Celsius. Pela função raster calculator obteve-se uma única imagem de LST. Sobre essa imagem geraram-se pontos amostrais pela função Conversion tools → From raster → Raster to Point. Por meio da função kriging criou-se um mapa de com legenda estratificada em três classes de LST em graus Celsius que, posteriormente, foram reclassificadas para baixa, média e alta potencialidade de calor. Sobre o mapa de potencialidade de calor foram sobrepostos arquivos no formato shapefile da mancha de ocupação urbana referência ano de 2015, das Unidades Federativas de Conservação, da Floresta Nacional e das Estações Ecológicas do Distrito Federal fornecidos pelo GeoPortal DF. De forma geral, o potencial de calor em áreas do Distrito Federal é maior nas áreas com ocupação urbana e menor em áreas de vegetação natural (estações ecológicas, Floresta Nacional e Parque Nacional).
Palavras-chave
Texto completo:
PDF (Português)Referências
Assiri, M. E. (2017). Assessing MODIS Land Surface Temperature (LST) Over Jeddah. Polish Journal of Environment Studies, 12(4), 1461-1470.
CODEPLAN. (2012). Distrito Federal em síntese: informações socioeconômicas e geográficas. Brasília – DF, 78.
Felizola, E. R., Lago, F. P. L. & Galvão, W. S. (2001). Avaliação da dinâmica da paisagem no Distrito Federal. Projeto da Reserva da Biosfera do Cerrado - Fase I. Anais X Simpósio Brasileiro de Sensoriamento Remoto, Foz do Iguaçu, PR, Brasil, 26.
Fonseka, H.P.U., Hongsheng Z., Sun, Y., Su, H., Lin, H. & Lin, Y. (2019). Urbanization and Its Impacts on Land Surface Temperature in Colombo Metropolitan Area, Sri Lanka, from 1988 to 2016. Remote Sensing, 11(8), 957-975.
Gage, E. A. & Cooper, D. J. (2017). Urban forest structure and land cover composition effects on land surface temperature in a semi-arid suburban area. Urban Forestry and Urban Greening, 28, 28–35.
Gusso, A., Fontana, D. C. & Gonçalves, G. A. (2007). Mapeamento da temperatura da superfície terrestre com uso do sensor AVHRR/NOAA. Pesquisa Agropecuária Brasileira, 42(2), 231-237.
IBGE (Instituto Brasileiro De Geografia E Estatística) (2020). População. Disponível em; https://cidades.ibge.gov.br/brasil/df/panorama. Acesso em: 03/03/2020.
Jensen, J. R. (2009). Sensoriamento Remoto do Ambiente: uma perspectiva em recursos terrestres (2a ed.). Traduzida pelo Instituto Nacional de Pesquisas Espaciais - INPE. São Paulo: Parêntese.
Jia, D. U., Kaishan, S. & Baohua, Y. A. N. (2019). Impact of the Zhalong Wetland on Neighboring Land Surface Temperatures Based on Remote Sensing and GIS. Chinese Geographical Science, 29(5), 798-808.
Jin, M. & Dickinson, R.E. (2010). Land surface skin temperature climatology: benefitting from the strengths of satellite observations. Environmental Research Letters, 5, 1-13.
Karimi, A., Pahlavani, P. & Bigdeli, B. (2017, setembro). Land use analysis on land surface temperature in urban areas using a geographically weighted regression and landsat 8 imagery, a case study: Tehran, Iran. ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, v. XLII-4/W4, 117–122.
Kumari, B., Tayyab, M.; Shahfahad, Salman, Mallick, J., Khan, M. F. & Rahman, A. (2018). Satellite-Driven Land Surface Temperature (LST) Using Landsat 5, 7 (TM/ETM+ SLC) and Landsat 8 (OLI/TIRS) Data and Its Association with Built-Up and Green Cover Over Urban Delhi, India. Remote Sensing in Earth Systems Sciences, 1(3-4), 63–78.
Mallick, J.; Kant, Y.; Bharath, B. D. (2008). Estimation of land surface temperature over Delhi using Landsat-7 ETM+. J. Ind. Geophys. Union, 12(3),131-140.
Nações Unidas. World Urbanization Prospectus The 2014 Revision Highlights. Disponível em: http://esa.un.org/unpd/wup/ Highlights/WUP2014-Highlights.pdf. Acesso em: 02/03/2015.
Pereira, C. C., Mariano, Z. De. F., Wachholz, F. & Cabral, J. B. P. (2012). Análise da temperatura de superfície e do uso da terra e cobertura vegetal na bacia barra dos Coqueiros (Goiás). Revista Geonorte, 2(5), 1243-1255.
Reis, M. & Lima, J. E. F. W. (2015). Mapeamento do uso e ocupação do solo no distrito federal por unidade hidrográfica de gestão dos recursos hídricos. Anais do Simpósio Brasileiro De Recursos Hídricos, XXI, Brasília, 1-8.
Sousa, S. B. & Ferreira Junior, L. G. (2012). Relação entre temperatura de superfície terrestre, índices espectrais e classes de cobertura da terra no município de Goiânia (GO). RA ́E GA, 26, 75-99.
Segeth (Secretaria De Estado De Gestão Do Território E Habitação). (2015). Sistema de Informações Territoriais e Urbanas do DF – SITURB.
Spence, A. M.; Annez, P. C.; Buckley, R. M. (2008). Urbanization and growth: commission on growth and development (English). Washington, D.C.: World Bank Group.
UNESCO (Organização das Nações Unidas para a Educação). (2002). Vegetação do Distrito Federal: tempo e espaço (2a ed.). Brasília: UNESCO, 80.
Weng, Q. (2009). Thermal infrared remote sensing for urban climate and environmental studies: Methods, applications, and trends. ISPRS Journal of Photogrammetry and Remote Sensing, 64(4), 335 – 344.
Weng, Q.; Lu, D. & Schubring, J. (2004). Estimation of land surface temperature–vegetation abundance relationship for urban heat island studies. Remote Sensing of Environment, 89(4), 467–483.
Apontamentos
- Não há apontamentos.
Direitos autorais 2020 Raphael Maia Aveiro Cessa, Felipe Gimenes Rodrigues Silva, Carlos Magno Moreira de Oliveira, Nilton Nélio Cometti, Ilvan Medeiros Lustosa Junior, Alisson Macendo Amaral
ISSN: 2675-3065
Revista sob Licença Creative Commons