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
Meio Ambiente (Brasil) | ISSN: 2675-3065
Revista sob Licença Creative Commons
