Análise espaço temporal da temperatura em santa Maria - RS a partir de imagens termais Landsat 8 e experimento de campo

Abstract

Resumo: Diante do cenário atual de crescente urbanização fica evidente a importância de pesquisas relacionadas aos impactos que a artificialização do meio pode acarretar no clima urbano. Assim, o objetivo da presente pesquisa foi analisar a variação espaço temporal da temperatura e ilhas de calor urbanas em Santa Maria-RS, levando em consideração as suas características ambientais (relevo, vegetação, áreas construídas) e as relações entre dados orbitais e de campo. A primeira etapa da pesquisa correspondeu à análise da variação da temperatura de superfície e ilhas de calor na cidade a partir de imagens Landsat 5 e 8 para o período 1994 à 2014. A segunda etapa consistiu em verificar as diferenças térmicas entre o espaço urbano e o entorno rural do município no período de março/2017 a março/2018 a partir de pontos fixos de coletas de dados e imagens orbitais Landsat 8. Na terceira etapa realizou-se a análise da temperatura e ilhas de calor urbanas para diferentes classes de compartimentação fisiográfica da área urbana definidas a partir da hipsometria e grau de ocupação verde da cidade. Assim, foram utilizados os dados de campo e imagens Landsat 8, Sentinel 2A e modelo digital de superfície (MDE) Shuttle Radar Topography Mission (SRTM). Na última etapa foram gerados quatro modelos de estimativa da temperatura do ar com o uso do infravermelho termal. Os modelos foram calculados a partir das relações entre dados de campo e imagens termais corrigidas por diferentes métodos para o ano de 2017. A validação foi realizada com os coeficientes de determinação (r²), índice Willmolt (d), índice Nash e Sutcliffe (NSE), erro médio absoluto (EMA) e raiz do erro médio quadrático (REMQ) em dados de 2018. Na análise temporal de 1994 à 2014, foi possível constatar aumento das áreas com temperaturas de superfície mais elevadas, o que pode ser justificado pelo incremento das áreas construídas na cidade, já que a taxa de crescimento foi de 70%. As ilhas de calor urbanas de maior intensidade, referentes ao período supracitado, foram identificadas nas imagens da primavera e verão. Na segunda abordagem, em relação à análise da temperatura do ar observada em campo verificou-se que as maiores diferenças entre o urbano e rural foram registradas nos períodos da noite e madrugada, com valores superiores em média a 2°C. Na terceira discussão, a partir da compartimentação fisiográfica verificou-se que 28% do locais delimitados pelo contorno das áreas construídas caracterizaram-se por grau de ocupação verde 1 (áreas com densa urbanização) e 2 (área residencial com pouca arborização) e hipsometria de 60 a 200 metros com ilhas de calor de forte magnitude (>3°C). Por fim, os resultados obtidos demonstraram que os quatro modelos de regressão gerados apresentaram bom desempenho, no entanto, nos modelos 1, correspondente à relação entre temperatura do ar (Tar) e temperatura de brilho (Tbt) e 3, referente a relação entre temperatura do ar e temperatura de superfície corrigida pelo método Radiative Transfer Equation (TSr) os erros de estimativa foram menores, com REMQ de 0,7°C no modelo 1. A análise integrada das características térmicas, relevo e vegetação possibilitou a identificação de locais que merecem atenção especial por parte dos gestores públicos quanto às ilhas de calor e falta de áreas verdes. Diante do exposto, cabe destacar a contribuição dos produtos de sensoriamento remoto nas análises realizadas.

Abstract: In view of the current scenario of crescent urbanization, the importance becomes evident of research directed toward the impact that artificialization of the environment can cause on urban climate. Thus, the objective of this present research was the analysis of spatiotemporal variation of temperature and urban heat islands in Santa Maria – RS, Brazil, taking into consideration its environmental characteristics (terrain, vegetation, constructed areas) and the relationship between orbital and field data. The first stage of the research corresponded to the analysis of surface and heat island temperature variation in the city through Landsat 5 and 8 images for the period between 1994 and 2014. The second stage consisted of the assessment of thermal differences between urban space and the city’s surrounding rural area during the period of March/2017 until March/2018 from fixed points of Landsat 8 orbital data and images collection. In the third stage, the analysis of temperature and urban heat islands was performed for different classes of physiographic compartmentalization of urban area derived from the city’s hypsometry and its degree of green area. For this purpose, field data, Landsat 8 and Sentinel 2A images, and the digital surface model (DSM) Shuttle Radar Topography Mission (SRTM) were used. During the last stage, four air temperature estimation models were generated with the use of thermal infrared. The models were calculated from the relationship between field data and thermal images for the year 2017 corrected with different methods. The validation was performed with the coefficient of determination (r2), Willmott index (d), Nash-Sutcliffe Efficiency index (NSE), mean absolute error (MAE), and Root Mean Square Error (RMSE) for data from 2018. In the temporal analysis from 1994 to 2014, it was possible to verify an increase of areas with higher surface temperature, which can be justified by the increment of constructed areas in the city, since the rate of increase was of 70%. The urban heat islands of greater intensity belonging to the aforementiond period were identified in the spring and summer images. In the second approach, regarding the analysis of air temperature observed in the field, it was verified that the greater differences between urban and rural areas were registered during the night and before dawn with mean values higher than 2ºC. In the third discussion it was verified, from the physiographic compartmentalization, that 28% of the sites delimitated by the outline of constructed areas were characterized by the degree of green area 1 (areas with high urban density) and 2 (residential areas with few trees) and hypsometry of 60 to 200 meters with heat islands of great magnitude (>3ºC). Finally, the results obtained showed that the four models of regression generated presented great performance; however, in the models 1, regarding the relationship between air temperature (AT) and brightness temperature (BT), and 3, regarding the relationship between air temperature and surface temperature corrected by the Radiative Transfer Equation (RTE) method, the estimate errors were smaller, with RMSE of 0,7ºC in the model 1. The integrated analysis of the thermal characteristics, terrain, and vegetation enabled the identification of sites that merit special attention from public officials in relation to heat islands and the lack of green areas. In view of what has been presented, the contribution of the remote sensing products in the analyses performed should be highlighted.