Logo Passei Direto
Buscar
Material
páginas com resultados encontrados.
páginas com resultados encontrados.

Prévia do material em texto

1 
 
 
RELATÓRIO FINAL 
PIBIC, BIC E PROVIC 
(BOLSISTAS E VOLUNTÁRIOS) 
 
OBSERVAÇÃO: Digitalizar o relatório com as assinaturas e anexar o documento no 
sistema PIBIC on-line no campo relatório final até 20 de agosto de 2017. 
 
INFORMAÇÕES SOBRE A BOLSA: 
 
Origem: 
( ) PIBIC/CNPq 
( X ) PIBIC/FUNDAÇÃO ARAUCÁRIA 
( ) PIBIC/UEPG 
( ) PIBIC/PROVIC 
( ) BIC/CNPq 
( ) BIC/FUNDAÇÃO ARAUCÁRIA 
( ) BIC/PROVIC 
( ) PROVIC 
 
Período de Acompanhamento: 01/08/2017 até 31/07/2018 
 
 
INFORMAÇÕES SOBRE O (A) ACADÊMICO (A) E O ORIENTADOR(A): 
 
NOME DO (A) ACADÊMICO 
(A): KAUAN MATEUS KUBASKI 
E-MAIL: kauan.kubaski@gmail.com 
CURSO: GEOGRAFIA – BACHARELADOO 
ANO DE CONCLUSÃO: 2021 
NOME DO ORIENTADOR (A): 
PROF. DR. GILSON CAMPOS FERREIRA DA 
CRUZ 
E-MAIL: gilsoncfcruz@gmail.com 
DEPARTAMENTO/SETOR: 
DEPARTAMENTO DE GEOCIÊNCIAS/SETOR 
DE CIÊNCIAS EXATAS E NATURAIS 
 
 
 
 
PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO 
DIVISÃO DE PESQUISA 
 
2 
 
 
 
 CLIMA URBANO: TEMPERATURA DE SUPERFÍCIE E NDVI, UMA ANÁLISE 
DAS INFLUÊNCIAS EM PONTA GROSSA-PR 
 
 
Palavras-Chave: clima urbano, temperatura de superfície, NDVI. 
 
Resumo 
Diferentes regiões de um sítio urbano têm suas peculiaridades devido ao uso da terra, 
a intensa urbanização, a quantidade de seres clorofilados, e dentre outras variáveis 
naturais como a orientação da vertente e altitude. Com o uso do sensoriamento pela 
qual permite a multitemporalidade, é possível analisar como certas variáveis, como 
índices de vegetação e temperatura de superfície influenciam mediante ao Clima 
Urbano de Ponta Grossa-PR. Através da composição de bandas do infravermelho com 
o espectro visível obtém-se o NDVI como fator da diferença e proporção e a 
temperatura de superfície, pois a energia recebida pelos alvos é refletida e a emissão 
pode ser convertida em temperatura de brilho por meio de um sensor térmico, no caso, 
o TIRS do Landsat. 
 
Introdução 
 Como a superfície não é homogênea ela possui diferentes refletâncias, a medida 
que as construções, composta de uma série de elementos que irão se aglomerando 
vai definindo o comportamento e sua atividade. Aonde o modelado dos últimos séculos 
se modificou intensamente no mundo, inclusive no Brasil, no Paraná nas últimas 
décadas do século passado. (SOUZA & KUX, 2005) 
 Dentro disto, o NDVI é um importante caracterizador de áreas vegetais e 
nãovegetais que por consequência divergirá na distribuição espacial da temperatura 
de superfície, conforme Zanzarini et al (2013) ter uma relação positiva da vegetação 
(conforme o porte) e da energia refletida dos alvos. 
 Para a quantificação do NDVI será processado imagens orbitais na faixa do 
infravermelho, aonde se obtém maior resposta da organela do vegetal. Também irá 
ser processada com auxílio de software a temperatura de superfície para evidenciar a 
relação que o tipo de ocupação reflete nas condições térmicas, portanto subtraindo 
uma imagem de outra – geração de mapas temáticos. 
 A temperatura de superfície também possui destaque pois é o resultado da 
interação entre a atmosfera e a superfície terrestre. Como é o resultado da reemisão 
dos comprimentos de onda conforme as características físicas da superfície são 
importantes para avaliar o comportamento de certos materiais e assim é alterado o 
balanço de energia. Nos centros urbanos a temperaturas tendem a se elevar, ao ponto 
de gerar as ilhas de calos, devido a diferença de temperatura entre áreas 
circundantes. (PEREIRA, 2014) 
 Realizar comparações ou se mais adequado, relações entre os dados obtidos e 
as imagens pós-processadas. Identificando como contribui para o estabelecimento de 
um clima diferenciado nas cidades entendida como um sistema para Monteiro (2002), 
pela qual impulsionou a climatologia urbana no Brasil e forneceu novas bases teóricas 
para o tema, o então clima urbano dentro do aspecto de temperatura de superfície, 
NDVI e o uso da terra. 
 
3 
Material e Métodos 
 Primeiramente, fora feito a revisão bibliográfica sobre a temática: temperatura 
de superfície, especificações do Landsat 8, NDVI e procedimentos necessários: 
conversão de números digitais em radiância, composição de cores, temperatura de 
superfície, definição da projeção, entre outros. Nos últimos 5 anos houve vários 
trabalhos com a obtenção da temperatura de superfície para o Landsat 8, muitos deles 
como demonstração desta técnica de sensoriamento remoto por profissionais da área, 
mas há também estudos voltados para o clima urbano. Quanto ao NDVI, além da sua 
finalidade intrínseca de ser um índice de vegetação, certos autores ressaltam seu uso 
durante a evolução temporal, como em um período interanual, conforme as 
adaptações fisiológicas das plantas. 
 Desta vez, foi obtida a temperatura de superfície pelo Arcgis 10.3 e não o Envi 
5.1, como anteriormente no subprojeto 2016-2017. As versões anteriores a de número 
10 não o calculava, (muitos projetos teriam que ser transplantados de um programa a 
outro, amplitude maior de recursos para um mesmo GIS otimiza o tempo de 
manipulação de imagens) assim como o NDVI, pela qual foi primeiramente utilizado o 
Idrisi Selva, mas por fins práticos e de adversidades optou-se pelo uso do ArcGis 10.3 
Em sequência, a atividade consistiu em fazer o download das imagens orbitais do 
Landsat 8, pela página Glovis (http://glovis.usgs.gov.br/app), do Serviço geológico 
estadunidense, devido que a Divisão Geral de Imagens (DGI) do INPE (Instituto 
Nacional de Pesquisas Espaciais) disponibilizarem em seu catálogo apenas imagens 
do instrumento OLI para o mesmo satélite. A área que foi delimitada corresponde todo 
o urbano de Ponta Grossa, PR, encaixando-se no ponto e órbita 221/71 das mesmas, 
num recorte temporal desde o início do segundo semestre de 2017 ao primeiro 
semestre do ano seguinte, 2018 o horário central de passagem corresponde a 13h 
(GMT), 10h no horário local. 
 Foram selecionadas quatro imagens de satélite, o critério utilizado foi a cobertura 
mínima de nuvens para a área urbana de Ponta Grossa. Na verdade, infelizmente 
mesmo assim algumas imagens não ficaram totalmente imunes, entre aquelas 
utilizáveis, mesmo assim foram úteis. Para finalizar este primeiro passo foi feito o 
download, como dito anteriormente, separado por data contendo um arquivo 
compactado que possuía os arquivos raster e o metadados. As datas são 10 de 
setembro, 13 de novembro e 15 de dezembro de 2017. A alta nebulosidade 
predominou nos primeiros meses de 2018, até a última imagem, o que dificultou um 
pouco. 
 Com os arquivos salvos, o primeiro passo foi a extração da temperatura de 
superfície (TST), que é baseada pela correlação existente entre radiância (l) e 
temperatura de superfície e que o sensor, no caso o TIRS do Landsat 8 consegue 
sensibilizar a energia radiante de uma área conforme sua resolução espacial. Portanto 
TST é o balanço dos fluxos de energia pela implicação de certa temperatura emitida 
pelos corpos, permitindo o tratamento por geoprocessamento. A fórmula é dada por l 
= m * q – a. (JENSEN, 2009 apud PIRES; FERREIRA, 2015) 
 
Onde, l = radiância (Watts/(m2* sr * μm)) 
m = fator multiplicativo de redimensionamento de banda a 
= fator aditivo de redimensionamento de bandas 
 
 Para calcular a temperatura de superfície foi utilizado o software ArcGis 10.3. No 
início foram convertidos os níveis de cinza, sendo uma escala onde cada pixel da 
imagemé representado por um número digital (DN) expresso em bytes, uma forma de 
codificação digital para armazenar os dados da radiância. Para então decodificar 
4 
novamente em seu valor numérico real. Partindo do pressuposto apresentado pela 
USGS (2016) que em certa unidade há uma quantia de emissividade sendo 
transmitida pode calcular-se pela radiância o TST ou também chamado de 
temperatura de brilho, porque representa a resposta espectral do satélite. O resultado 
obtido encontra-se em Kelvin, para a transformação em graus Celsius foram 
subtraídos 273,15 que representa a equivalência da temperatura de congelamento. A 
fórmula dada é TST = k2 / ln (k1 / l + 1). 
 
Onde, k1 e k2 = constantes de calibração da banda utilizada l 
= radiância (Watts / (m2* sr * μm)) 
 
 Em seguida, também com o software ArcGis 10.3 foram calculados o NDVI (Índice 
de vegetação por diferença normalizada) para as mesmas imagens do Landsat 8, que 
é uma forma de indicar a presença e a intensidade de vegetação em uma determinada 
área. Para a ENGESAT (2016) o índice é baseado pela faixa do espectro em que se 
obtêm maiores respostas até o início da queda (absorção) por parte dos seres 
fotossintéticos quando são refletidas e sensibilizadas por um sensor. De acordo com 
a NASA (2011) uma região específica composta com uma vegetação viva irá refletir 
comprimentos de onda em picos maiores no infravermelho próximo, devido ao fato 
que a clorofila absorve grande parte da luz que é recebida diretamente aos olhos 
(concentrado, sobretudo entre 0,4 a 0,7 μm). No entanto, se a diferença for ínfima 
entre o infravermelho próximo e o visível pode indicar uma paisagem de deserto frio 
ou quente, onde os arbustos estão esparsados. 
 Antes de calcular o NDVI propriamente, foi realizada a composição de bandas 
constituindo a união das faixas espectrais para obter em uma mesma imagem o 
infravermelho próximo e o vermelho necessários para o índice, respectivamente as 
bandas 5 e 4 para o Landsat 8. Sendo NDVI = (NIR — VIS) / (NIR + VIS) . 
 
Onde, NIR = Infravermelho próximo 
VIS = Vermelho 
 
 O índice varia de -1 a 1, quando os valores são positivos, ou seja, o valor de NIR 
é maior, significando uma densidade de vegetação mais representativa do que outros 
elementos da paisagem, isto porque uma fração considerável dos comprimentos de 
onda refletida pelos mesmos é justamente no infravermelho próximo. O oposto se dá 
com os aclorofilados, predominando a faixa de luz visível, principalmente o vermelho 
para o espectro considerado (valores negativos) representativo dos campos e da área 
urbana construída. No entanto, mesmo uma mesma baixa densidade de indivíduos 
arbóreos é necessária para que se obtenham valores maiores que zero. (BORATTO; 
GOMIDE, 2013). 
 Obtendo, a temperatura de superfície e o NDVI foram extraídos os valores para 
pontos mais amostrais, os 20 primeiros fazem parte originalmente da tese Clima 
urbano em Ponta Grossa - PR: uma abordagem da dinâmica climática em cidade 
média subtropical brasileira (2009) de autoria de Gilson Cruz mais 20 pontos 
adicionais dispersos pela malha urbana foram selecionados. No entanto mais algumas 
informações importantes foram preenchidas, com o mapa altimétrico foi extraído a 
orientação das vertentes e a altitude e com as imagens do Google e fotografias foram 
prescritas o uso do solo (Mata, Campo, área construída e subcategorias assim como 
solo exposto) e sua localização. Sendo construído uma tabela no Excel para cada 
variável uma coluna. Por último foram construídos gráficos de linha do NDVI e 
temperatura de superfície, ambos em função dos pontos, combinados ou 
5 
separadamente. Com as informações em latitude e longitude foi criado um arquivo 
shape dos pontos para serem exibidas sobre a imagem georeferenciada, como mostra 
a fígura 1a (para a temperatura de superfície) e a figura 1b (NDVI). Isto permitiu fazer 
análise dos pontos. 
 
a 
Figura 1a – Mapa de temperatura de superfície para Ponta Grossa-PR no dia 23/09/2017 
Figura 1b – Mapa do NDVI para Ponta Grossa PR no dia 23/09/2017 
 
Resultados e discussão 
Em alguns pontos o NDVI e TST vão em direções opostas no gráfico de forma 
bem definida, como nos pontos 10 e 38 pelo que mostra a figura 1, e mais 
acentuadamente nos pontos 23, 27 e 33. Os pontos 23 e 27 representam a vegetação 
urbana significativa próxima de áreas densamente povoadas (Parque Margherita 
Massini no Centro e a mata íngreme entre o campus do Cescage e Hospital São 
Camilo em Uvaranas) . Ambos com o NDVI na faixa dos 0,3, conforme Almeida et al 
(2015) corresponde o NDVI de campo, intercalado por outras formas de uso do solo. 
De acordo com Store (2014) o Landsat 8 tolera erros geométricos com no máximo 65 
metros de diferença em relação a localização exata, através de pontos de controle no 
solo esta distância é reduzida, no entanto estes pontos de controle muitas vezes não 
estão em nível de precisão adequados, portanto a diferença da posição depende de 
ambos. 
A outra explicação estaria no porte da vegetação, como verificado por 
Anbazhagan e Paramasivam (2016) aonde NDVI coincide com altas temperaturas, por 
ser arbustos de pequeno porte, característica semelhante ao encontrado próximo do 
ponto 29, não distante da unidade do Cense Ponta Grossa (Centro de Socioeducação) 
no bairro Neves. 
 
 
 
 
 
 
b 
6 
Figura 1 - Distribuição do NDVI e TST com suas linhas de tendência correspondentes para os 
pontos definidos do dia 10/09/2017 para Ponta Grossa-PR 
 
 
O valor mais alto de TST foi encontrado no ponto 33 com 29,7 ºC sobre um 
telhado de 25000 m² de uma fábrica de pisos, no Distrito Industrial, aonde também é 
o encontrado o menor valor de NDVI: -0.01 (o que mostra uma correlação linear 
negativa evidente), ou seja, absorve uma quantidade de energia maior no vermelho 
do que no infravermelho, o que explica a temperatura de superfície elevada 
juntamente com sua orientação e altitude. Valores negativos também podem indicar 
perturbações na atmosfera, porém não havia cobertura de nuvens no ponto e nas 
proximidades (GODOY et al 2009). 
A linha de tendência do NDVI diante aos 40 pontos é de aumentar de <0,15 
para 0,20>. O inverso ocorre para a temperatura de superfície, apesar de a variação 
ser menor, estando entre os dois intervalos acima. 
Segundo o Boletim Climatológico do SIMEPAR as condições do tempo 
demonstravam um período de estabilidade atmosférica para a data, praticamente sem 
precipitação acumulada desde a última semana do mês anterior, podendo interferir 
com o NDVI médio para o mês e estação do ano. Representado uma anomalia 
negativa para os primeiros dias de setembro de 2017 conforme os valores históricos 
e as condições do El Niño Oscilação Sul (ENOS) estavam neutros. 
O maior valor de temperatura de superfície foi 29,7 °C pela qual coincide com o 
menor valor do índice de vegetação -0,01, raro se não for por cobertura de nuvens ou 
outras alterações na atmosfera. O ponto estava sobre uma fábrica de carpetes no 
Distrito Industrial de Ponta Grossa. 
A menor temperatura de superfície registrada foi 21,3 °C, vegetação de relevo 
íngrime próximo ao Hospital São Camilo. Com a direção da vertente voltada para o sul 
contribui que seja mais fria que outras matas de porte similares. O valor não coincidiu 
com o valor de NDVI mais alto, que no caso foi 0,38 próximo do campus da 
Unicesumar. A direção era NW, o que pode explicar a temperaturas mais elevadas, 
não se encaixando nas prováveis explicações citadas anteriormente. 
 
Considerações finais 
O NDVI (Índice de Vegetação por Diferença Normalizada) coincidiu muitasvezes com o pico inverso da temperatura de superfície. No entanto, a dimensão 
espacial demonstra alterar a correlação linear negativa. Áreas mais expressivas como 
solo expostos, principalmente ao norte da cidade e matas mais afastadas da malha 
urbana densa possuem mais efeito. 
Parques públicos tais como a da região central e lugares de uso do solo 
heterogêneo ou na intersecção de dois usos como área construída e cultivo agrícola 
podem apresentar um NDVI elevado e temperatura de superfície alta. Pelo que é 
verificado na bibliografia são explicitados dois motivos: a vegetação possui 
7 
características que não suficientes para verificar um efeito de temperaturas amenas 
ou porque a precisão da localização não pode ser corrigida por pontos de controle. 
Apesar da possibilidade de um erro geométrico, o comportamento geral, surtiu 
como esperado e é o que mostra a linha de tendência da figura 1: com o aumento da 
TST há uma diminuição do NDVI. 
As maiores temperaturas estão sobretudo em uso do solo exposto ou ambiente 
construído, no entanto, outros dados, como a orientação das vertentes se tornaram 
importante e mascararam um pouco a influência do NDVI e TST. Orientações com 
cardeais e colaterais voltadas a leste são aquecidas durante a manhã, como é o 
horário de passagem do satélite, são normalmente mais quentes. 
A altitude também tem um papel importante, altitudes menores, especialmente 
ao sul de Ponta Grossa ou acompanhado de vales fluviais aonde conserva-se matas 
ciliares. 
 
Agradecimentos 
Agradeço a Fundação Araucária pela bolsa concedida, ao Laboratório de Climatologia 
e Estudos Ambientais (LABCLIMEAM) pela estrutura e orientação do Prof. Dr. Gilson 
Campos Ferreira da Cruz, fornecida durante a realização do subprojeto. 
 
Referências 
ALMEIDA, A. J. P, et al. Relação entre o Índice de Vegetação e a Temperatura de 
Superfície na estimativa e identificação das ilhas de calor na cidade de Maceió-AL. In: 
SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO - SBSR, 17, 2015., João 
Pessoa. Anais... João Pessoa: INPE, 2015. p. 2047-2054. 
 
BORATTO, I. M. de.; GOMIDE, R. L. Aplicação dos índices de vegetação NDVI, SAVI 
e IAF na caracterização da cobertura vegetativa da região Norte de Minas Gerais. In: 
SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 16., 2013, Foz do 
Iguaçu. Anais... São José dos Campos: INPE, 2013. p. 7345-7352. Disponível em: 
http://ainfo.cnptia.embrapa.br/digital/bitstream/item/81753/1/Aplicacao-indices.pdf 
Acesso em: mar. 2018. 
 
ENGESAT. Criando Índice de vegetação no Global Mapper. Curitiba: 2016. 
Disponível em: http://www.engesat.com.br/softwares/global-mapper/calculo-doindice-
de-vegetacao-ndvi-no-globalmapper/ Acesso em: mar. 2018. 
 
GODOY, L. B, et al. Relação entre vegetação e temperatura de superfície nos parques 
urbanos do Distrito Federal, por meio de dados ASTER. In: SIMPÓSIO BRASILEIRO 
DE SENSORIAMENTO REMOTO - SBSR, 14, 2009., Natal. Anais... Natal: INPE, 
2009. p. 699-705. 
 
MENDONÇA, F.; MONTEIRO, CARLOS. A. F. Clima Urbano. São Paulo: Contexto, 
2002. 
 
NASA (National Aeronautics and Space Administration). Measuring Vegetation (NDVI 
& EVI): Normalized Difference Vegetation Index (NDVI). Washington: 2011. 
Disponível em: 
https://earthobservatory.nasa.gov/Features/MeasuringVegetation/measuring_vegetati 
on_2.php. Acesso em: mar. 2018. 
 
8 
SISTEMA METEOROLÓGICO DO PARANÁ. Boletim Climatológico. Curitiba: 2017. 
Disponível em: 
<http://www.simepar.br/prognozweb/simepar/timeline/boletim_climatologico>. Acesso 
em jun. 2018. 
 
SOUZA, R. de C. A; KIJX, H. J. H. Comportamento Espectral e Alvos Urbanos: 
simulação com as bandas espectrais do satélite CBERS. In: SIMPÓSIO BRASILEIRO 
DE SENSORIAMENTO REMOTO - SBSR, 12, 2005., Goiânia. Anais... Goiânia: INPE, 
2005. p. 1099-1106. 
 
STOREY, J.; CHOATE, M.; LEE, K. Landsat 8 Operational Land Imager On-Orbit 
Geometric Calibration and Performance. Remote Sens, Basileia, v. 6, n.11, p. 11271152, 
nov. 2014. 
 
USGS (United States Geological Survey). Landsat 8 (L8) Data Users Handbook. 2. ed. 
Sioux Falls: 2016, p.98. Disponível em: 
https://landsat.usgs.gov/sites/default/files/documents/Landsat8DataUsersHandbook. 
pdf. Acesso em: mar. 2018. 
 
USGS (United States Geological Survey). Landsat 8 OLI (Operational Land Imager) 
and TIRS (Thermal Infrared Sensor). Sioux Falls: 2014. Disponível em: 
<https://lta.cr.usgs.gov/L8>. Acesso em: mar. 2018. 
 
ZANZARINI, F. V.; PISSAâRA, T. C. T.; BRANDÃO, F. J. C.; TEIXEIRA, D. B. 
Correlação espacial do índice de vegetação (NDVI) de imagem Landsat/ETM+ com 
atributos do solo. Revista Brasileira de Engenharia Agrícola e Ambiental, Campina 
Grande, v. 17, n.6, p. p.608—614, jun. 2013. 
 
Dificuldades encontradas/críticas ou sugestões 
 
 
Parecer do Orientador quanto ao desempenho do Acadêmico durante a execução 
do subprojeto proposto 
O acadêmico desenvolveu muito bem o projeto, realizou todas as atividades solicitadas 
e atingiu os objetivos propostos. 
 
Parecer do Orientador quanto a elaboração do presente relatório do Acadêmico O 
relatório foi muito bem elaborado, abordando todos os aspectos da pesquisa, 
apresentando todos os dados e resultados obtidos. 
 
 
Avaliação do (a) Orientador (a) em relação ao relatório: 
( X ) Revisado e Aprovado ( ) Não aprovado ( ) Não Revisado 
 
 
Data e Assinaturas: 
Data 
24/08/2018 
Ass. Bolsista /VoIuntário (a) 
 
Ass. Orientador a)

Mais conteúdos dessa disciplina