Palavras-chave
Mapeamento de temperatura
Urbanização
Coari - AM
Como Citar
Resumo
O microclima é bastante sensível ao tipo de cobertura da superfície. Alterações na cobertura vegetal modificam os padrões de distribuição da energia, impactando fortemente em variáveis importantes, como a temperatura e umidade relativa. Basicamente, regiões com alta densidade de cobertura vegetal canalizam boa parte da energia para o processo de evapotranspiração, promovendo assim um grande efeito termohidrorregulador no ambiente. O mapeamento de variáveis climatológicas através de técnicas de sensoriamento remoto e de geoprocessamento pode ajudar no dimensionamento deste fenômeno, e tem se tornado uma técnica popular devido à grande disponibilidade de dados por imagens de satélites orbitais e pelo custo reduzido. Neste trabalho, usamos imagens do satélite Landsat 8, do Serviço Geológico dos Estados Unidos, para o mapeamento da vegetação, da urbanização e da temperatura de superfície na zona urbana (e entorno) do município de Coari-AM em dois períodos distintos (2015 e 2017), buscando uma avaliação quantitativa da influência da vegetação e da urbanização nos valores desta temperatura. Procurou-se também estimar a importância da correção atmosférica para esta estimativa e a diferença de panorama geral entre as datas. Foi mostrado que há uma influência considerável da vegetação no controle da temperatura, mesmo as áreas urbanizadas mostrando maior capacidade refletiva (albedo). Regiões urbanizadas apresentaram temperaturas até 7 °C a mais que regiões densamente vegetadas. A necessidade de se utilizar a correção atmosférica na estimativa da temperatura é crucial, pois os valores podem ser muito subestimados sem sua aplicação. As temperaturas em 2015 foram substancialmente maiores nas regiões de solo, mas menores nos corpos de água, o que se mostra não intuitivo. Por fim, este estudo pode sugerir um maior empenho do poder público na promoção de políticas que visem a arborização e vegetação de centros urbanos.
Referências
AB'SABER, A. N. Zoneamento fisiográfico e ecológico do espaço total da Amazônia Brasileira. Estud. av., São Paulo, v. 24, n. 68, p. 15-24, 2010. https://doi.org/10.1590/S0103-40142010000100004
ALHAWITI, R. H. e MITSOVA, D. Using Landsat-8 data to explore the correlation between Urban Heat Island and Urban Land uses. International Journal of Research in Engineering and Technology. V. 5, p. 457-466, Março de 2016. https://doi.org/10.15623/ijret.2016.0503083
ALLEN, R. G, TASUMI, M., TREZZA, R. Satellite-based energy balance for mapping evapotranspiration with internalized calibration (METRIC) – Model. Journal of Irrigation and Drainage Engineering. V.133, n.4, p. 380- 394, 2007. https://doi.org/10.1061/(ASCE)0733-9437(2007)133:4(380)
BARSI, J. A.; BARKER, J. L. e SCHOTT J. R. An Atmospheric Correction Parameter Calculator for a Single Thermal Band Earth-Sensing Instrument. Geoscience and Remote Sensing Symposium (Anais), Centre de Congres Pierre Baudis, Toulouse, France, 21-25 de Julho de 2003.
BIUDES, M. S.; VOULITIS, G. L.; MACHADO, N. G.; DE ARRUDA, P.H.Z.; NEVES, G.A.R.; LOBO, F.A.; NEALE, C.M.U.; NOGUEIRA, J.S. Patterns of energy exchange for tropical ecosystems across a climate gradiente in Mato Grosso, Brazil. Agricultural and Forest Meteorology, v. 202, p. 112–124, 2015. https://doi.org/10.1016/j.agrformet.2014.12.008
CARLSON, T. e RIPLEY, D. A. On the relation between NDVI, fractional vegetation cover, and leaf area index. Remote Sensing of Environment. V. 62, p. 241-252, 1997. https://doi.org/10.1016/S00344257(97)00104-1
CHEN, X.; ZHAO, H; LI, P. e YIN, Z. Remote sensing image-based analysis of the relationship between urban heat island and land use/cover changes, Remote Sensing of Environment, V. 104, Issue 2, P. 133-146, 2006. ISSN 0034-4257. https://doi.org/10.1016/j.rse.2005.11.016
DARCAN, N.; GÜNEY, O. Alleviation of climatic stress of dairy goats in Mediterranean climate. Small Ruminant Research. Vol.74, 212-215, 2008. https://doi.org/10.1016/j.smallrumres.2007.02.007
ESPA - EROS Science Processing Architecture On Demand Interface. 2019. Disponível em <https://espa.cr.usgs.gov/>
FEARNSIDE, P. M. Desmatamento na Amazônia: dinâmica, impactos e controle. Acta Amazônica, v. 36(3), p. 395 – 400, 2006. https://doi.org/10.1590/S0044-59672006000300018
FERREIRA, L. V.; VENTICINQUE, E.; ALMEIDA, S. O desmatamento na Amazônia e a importância das áreas protegidas. Estud. av., São Paulo, v. 19, n. 53, p. 157-166, Apr. 2005. https://doi.org/10.1590/S0103-40142005000100010
GAOUA, N.; RACINAIS, S.; GRANTHAM, J.; EL MASSIOUI, F. Alterations in cognitive performance during passive hyperthermia are task dependent. Int. J. Hyperthermia 27, 1–9 (2011) https://doi.org/10.3109/02656736.2010.516305
GARTLAND, L. Ilhas de calor: como mitigar zonas de calor em áreas urbanas. São Paulo: Oficina de Textos, 2010.
GLOVIS - Global Visualization Viewer. The USGS Global Visualization Viewer (GloVis). 2019. Disponível em <https://glovis.usgs.gov/>.
GSFC - NASA's Goddard Space Flight Center. Atmospheric Correction Parameter Calculator. 2019. Disponível em <https://atmcorr.gsfc.nasa.gov/>.
GUILHERME, A. P. et al. USO DE ÍNDICE DE VEGETAÇÃO PARA CARACTERIZAR A MUDANÇA NO USO DO SOLO EM COARI-AM. Soc. nat., Uberlândia, v. 28, n. 2, p. 301-310, ago. 2016. http://dx.doi.org/10.1590/1982451320160209.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA – IBGE [internet]. Acesso em 24 de novembro de 2013. Disponível em: http://cidades.ibge.gov.br/painel/painel.php?codmun=130120. 2011
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS/ CENTRO DE PREVISÃO DE TEMPO E ESTUDOS CLIMÁTICOS. Impactos do fenômeno ENOS, 2016. Disponível em: http://enos.cptec.inpe.br. Acesso em 23 dez. 2016.
JENKS, G. F. The Data Model Concept in Statistical Mapping. International Yearbook of Cartography. V. 7, P. 186–190. 1967.
MADER T.L.; JOHNSON L.J.; GAUGHAN, J.B. A comprehensive index for assessing environmental stress in animals. Journal of Animal Science. Vol. 88, 2153-2165, 2010. https://doi.org/10.2527/jas.2009-2586
MCMORRIS, T. et al. Heat stress, plasma concentrations of adrenaline, noradrenaline, 5-hydroxytryptamine and cortisol, mood state and cognitive performance. Int. J. Psychophysiol. 61, 204-215 (2006). https://doi.org/10.1016/j.ijpsycho.2005.10.002
MEDEIROS, S. S.; CECÍLIO, R. A.; MELO JÚNIOR, J. C. F. Estimativa e espacialização das temperaturas do ar mínimas, médias e máximas na Região Nordeste do Brasil. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 9, n. 2, p. 247-255, 2005.https://doi.org/10.1590/S141543662005000200016
MOURÃO, G. M. N. Colonización reciente y asentamientos rurales en el sureste de Roraima, Amazonia Brasileña: entre la política y la naturaleza. 2003. 480 f. Tese de doutorado, Universidad de Valladolid, Espanha. 2003.
PAVAO, V. M. et al. Impacto da Conversão da Cobertura Natural em Pastagem e Área Urbana sobre Variáveis Biofísicas no Sul do Amazonas. Rev. bras. meteorol. V. 32, n. 3, p. 343-351, set. 2017. http://dx.doi.org/10.1590/0102-77863230002.
PRICE, J. C. Estimating surface temperatures from satellite thermal infrared data - a simple formulation for the atmospheric effect. Remote Sens. Environ. V. 13, p. 353-361, 1983. https://doi.org/10.1016/0034-4257(83)90036-6
SANTOS, U. M.; RIBEIRO, M. N. G. A hidroquímica do Rio Solimões - Amazonas. Acta Amaz. Manaus, v. 18, n. 3-4, p. 145-172, 1988 https://doi.org/10.1590/1809-43921988183172
SHALABY, A. E.; TATEISHI, R. Remote sensing and GIS for mapping and monitoring land cover and land-use changes in the Northwestern coastal zone of Egypt, Applied Geography, V. 27, Issue 1, 2007, Pages 28-41, ISSN 0143-6228. https://doi.org/10.1016/j.apgeog.2006.09.004
SILVA, B. B.; BRAGA, A. C.; BRAGA, C. C.; OLIVEIRA, L. M. M.; MONTENEGRO, S. M. G. L.; BARBOSA JUNIOR, B. Procedures for calculation of the albedo with OLI-Landsat 8 images: Application to the Brazilian semi-arid. Revista Brasileira de Engenharia Agrícola e Ambiental. v.20, n.1, p.3–8, 2016. http://dx.doi.org/10.1590/1807-1929/agriambi.v20n1p3-8
STERN, N. The structure of economic modeling of the potential impacts of climate change: Grafting gross underestimation of risk onto already narrow science models. J. Econ. Lit. 51, 838–859 (2013). https://doi.org/10.1257/jel.51.3.838
TAMM, M. et al. The compression of perceived time in a hot environment depends on physiological and psychological factors. Q. J. Exp. Psychol. 67, 197–208 (2014). https://doi.org/10.1080/17470218.2013.804849
TAWATSUPA, B. et al. Association between heat stress and occupational injury among Thai workers: Findings of the Thai cohort study. Ind. Health 51, 34–46 (2013). https://doi.org/10.2486/indhealth.2012-0138
TUCKER, C. J. Red and photographic infrared linear combinations for monitoring vegetation. Remote Sens. Environ. V. 8, P. 127–150. 1979 https://doi.org/10.1016/0034-4257(79)90013-0
USGS – United States Geological Survey. Landsat 8 Data Users Handbook. Edição digital. Versão 2.0. Março de 2016. Disponível em <https://landsat.usgs.gov/sites/default/files/documents/Landsat8DataUsersHandbook.pdf>.
VALOR, E.; CASELLES Vicente. Mapping Land Surface Emissivity from NDVI: Application to European, African, and South American Areas. Remote Sensing of Environment. V. 57, p. 167-184. 1996. https://doi.org/10.1016/0034-4257(96)00039-9
VAREJÃO-SILVA, M.A. Meteorologia e Climatologia. Versão digital 2. Recife, PB, março, 2006, 463p.
ZANDER, K. K. et al. Heat stress causes substantial labour productivity loss in Australia. Nature Climate Change. v. 5, pages 647–651 (2015). https://doi.org/10.1038/nclimate2623
Direitos Autorais para artigos publicados nesta revista são do autor, com direitos de primeira publicação para a revista. Em virtude de aparecerem em revista de acesso público, os artigos são licenciados sob Creative Commons Attribution (BY), que permite o uso irrestrito, distribuição e reprodução em qualquer meio, desde que o trabalho original seja devidamente citado.