Relação entre vegetação e temperatura da superfície terrestre: uma abordagem baseada em sensoriamento remoto para área urbana de Brasília, DF

Abstract

As cidades estão em constante transformação para atender as necessidades da população. No entanto, a substituição da vegetação nativa por infraestruturas urbanas aumenta a temperatura da superfície terrestre (TST) que está relacionado a diversos problemas ambientais e de saúde pública. Nesse sentido, essa tese teve por objetivo geral investigar a relação entre a vegetação urbana de Brasília e a TST e criar subsídios para auxiliar as práticas de manejo afim de reduzir o desconforto térmico. A tese foi estruturada em quatro capítulos. No Capítulo I foi avaliada a relação espaço-temporal entre a TST e coberturas de vegetação e de construção no período de 20 anos, utilizando imagens Landsat 5 TM (Thematic Mapper) e Landsat 8 OLI (Operational Land Imager) e TIRS (Thermal Infrared Sensor). Foi observada forte relação entre o índice Normalized Difference Vegetation Index (NDVI) e a TST, principalmente na primavera e verão que foram as estações com maiores valores de TST. A temperatura apresentou tendência de aumento significativo ao longo dos anos. O Capítulo II foi desenvolvido para identificar a contribuição das métricas da vegetação urbana no resfriamento do ambiente. As áreas com vegetação rasteira não contribuíram para reduzir a temperatura sazonal da superfície. A vegetação arbórea teve forte correlação com o resfriamento, principalmente devido à cobertura e ao efeito de borda dos fragmentos, que proporcionaram sombreamento e evapotranspiração. O modelo de erro espacial (MEE) apresentou potencial de predição da TST em unidades de análise de 120 a 480 m utilizando métricas de configuração e composição relativa à vegetação arbórea urbana. No Capítulo III foram abordados métodos para identificação individual das árvores urbana a partir de modelo de altura de copa (Canopy Height Model – CHM) produzido com dados LiDAR. O CHM foi suavizado utilizando os filtros média móvel e gaussiano e aplicado o algoritmo local máximo (LM) para identificação de árvore individual. O filtro média móvel com janela de 5x5 e o LM com janela 5x5 foi o melhor algoritmo para identificação individual de árvore em 9 das 29 unidades amostrais, com R² de 0,86 e Sxy(%) 31,15. Por último, no Capítulo IV foram investigados os efeitos das variáveis tridimensionais das árvores urbanas e dos edifícios sobre a sazonalidade da TST. As métricas de percentual de cobertura e densidade de borda dos fragmentos, a altura média e a altura máxima das árvores apresentaram efeito negativo sobre a temperatura. As métricas de composição e configuração das edificações contribuíram para aumentar a temperatura, porém, a altura dos edifícios contribuiu para o resfriamento do entorno. A altura dos edifícios foi uma das variáveis com maior contribuição na explicação da variância do modelo Random Forest. Como consideração geral, observamos que o manejo da vegetação urbana deve ser realizado considerando os efeitos sazonais da temperatura de superfície. Para melhorar o conforto térmico, é importante aumentar o percentual de cobertura de árvores em relação a vegetação rasteira, fragmentos com formatos irregulares e composto por árvores altas, considerando que a altura das edificações também contribui para o conforto térmico.