Ilhas De Calor Desenho

O que acontece quando você tenta desenhar ilhas de calor urbano na prática

Você já tentou fazer um mapeamento térmico de uma cidade pequena e percebeu que os dados de satélite simplesmente não batem com a realidade do terreno? Isso é comum. Ilhas de calor desenho não é só colocar cores quentes onde deveria ser quente e pronto. Tem camadas de variáveis que estragam tudo se você não levar em conta desde o início. O ponto de partida costuma ser um modelo térmico básico, mas o que diferencia um trabalho que funciona de um que vira lixo em três meses é a coleta de dados de superfície. Você precisa de imagens de termografia aérea ou, no mínimo, dados de estações meteorológicas fixas espalhadas pela área urbana. Sem isso, seu desenho vai ser uma ilustração bonita que não reflete nada. No meu caso, trabalhei num projeto para uma cidade do interior com cerca de 80 mil habitantes. O satélite fornecia resolução de 30 metros por pixel. Quando você tem quarteirões inteiros dentro de um único pixel, o mapa resultante parece um borrão quente frio sem graça. A solução que funcionou foi complementar com medições terrestres em pontos estratégicos: escolas, hospitais, áreas industriais e bairros residenciais mais densos. Foram cerca de 47 estações automáticas espalhadas, cada uma registrando temperatura a cada 10 minutos durante 14 dias consecutivos. O resultado final teve precisão de quase 0,8 graus Celsius contra as medições de campo.

A parte que ninguém conta sobre o processo

A interpolacao espacial é onde a maioria dos erros acontece. Você pode usar krigagem, IDW, ou splines. Cada um se comporta de forma diferente dependendo da densidade dos pontos e da topografia. Krigagem com variograma anisotrópico geralmente performa melhor em áreas urbanas porque captura a direcionalidade dos ventos e corredores de ar. Mas ela exige que você ajuste o variograma manualmente para cada cenário. O ajuste automático do software quase sempre falha em contextos urbanos complexos. Outro detalhe: a vegetação não funciona como você espera. Árvores na calçada podem reduzir a temperatura local em até 3 graus, mas se a copa estiver abaixo de 4 metros de altura, o sensor térmico do satélite vê o asfalto embaixo e registra calor. Esse erro de subamostragem da copa é frequente e passa despercebido até você cruzar com dados LiDAR ou fotogrametria de precisão.

Ferramentas e fluxo de trabalho

Para processar os dados térmicos, o QGIS com a extensão SAGA é competente e gratuito. O passo de georreferenciamento e correção atmosférica é feito com imagens Landsat 8 ou 9, bandas térmicas Band 10 e 11. A conversão de DN para temperatura de brilho usa a equação de Planck, que o próprio QGIS resolve se você tiver os metadados correctos da cena. Depois vem a interpolacao propriamente dita. Para o desenho final em si, eu uso uma combinação de raster para a base térmica e vetores para sobreposição de usos do solo. Cores quentes em vermelho e laranja para áreas acima de 32°C, tons de amarelo entre 28 e 32, e azul para zonas abaixo de 24°C. A legendadeve sempre incluir a escala termica com intervalos de meio grau, nunca de grau inteiro, porque a diferenca entre 29 e 30 pode ser decisiva para identificar um hotspot relevante. Existe um recurso que facilita muito o trabalho. O INPE disponibiliza um repositório de imagens térmicas processadas com correcao atmosfe rica inclusa, o que elimina uma etapa inteira do fluxo. O link direto é para o site do CPTEC/INPE, seção de dados térmicos, onde você encontra cenas pré-processadas no formato GeoTIFF pronto para abrir no QGIS.

O problema que todo mundo ignoraria

A umidade relativa do ar distorce leituras térmicas de superfície de forma silenciosa. Em dias com umidade acima de 75%, a radiação infravermelha é absorvida parcialmente pela atmosfera e o sensor subestima a temperatura real. A correção existe na literatura, mas depende de dados de perfil atmosférico que raramente estão disponíveis para cidades médias e pequenas. Se você não corrige, pode estar desenhando uma ilha de calor que na verdade é um artefato da umidade. Também é importante saber quando esse método simplesmente não funciona. Em cidades litorâneas com neblina matinal persistente, as imagens de satélite perdem resolução térmica drasticamente. Nesses casos, a melhor alternativa é usar dados de estações terrestres com interpolacao por vizinhança mais próxima, mesmo que o resultado tenha menor cobertura espacial. Um mapa com 60% da área coberta e dados confiáveis vale mais do que um mapa completo com números duvidosos. O que eu recomendo é sempre fazer uma validacao cruzada. Pegue pelo menos cinco pontos do seu mapa interpolado e vá até o local medir com um termômetro infravermelho de bolso. A diferença média entre o que o modelo mostrou e o que você encontrou no terreno deve ficar abaixo de 1,5°C. Se ficar acima disso, algo no variograma ou na coleta de dados está errado e precisa ser ajustado antes de apresentar qualquer coisa para um cliente ou para um órgão público.