Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/46477
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2022_CarlosMagnoMoreiradeOliveira.pdf8,52 MBAdobe PDFVisualizar/Abrir
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorRezende, Alba Valéria-
dc.contributor.authorOliveira, Carlos Magno Moreira de-
dc.date.accessioned2023-09-13T18:50:44Z-
dc.date.available2023-09-13T18:50:44Z-
dc.date.issued2023-09-13-
dc.date.submitted2022-10-31-
dc.identifier.citationOLIVEIRA, Carlos Magno Moreira de. Relação entre vegetação e temperatura da superfície terrestre: uma abordagem baseada em sensoriamento remoto para área urbana de Brasília, DF. 2022. xvii, 148 f., il. Tese (Doutorado em Ciências Florestais) — Universidade de Brasília, Brasília, 2022.pt_BR
dc.identifier.urihttp://repositorio2.unb.br/jspui/handle/10482/46477-
dc.descriptionTese (doutorado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Florestal, Programa de Pós-Graduação em Ciências Florestais, 2022.pt_BR
dc.description.abstractAs 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.pt_BR
dc.language.isoporpt_BR
dc.rightsAcesso Abertopt_BR
dc.titleRelação entre vegetação e temperatura da superfície terrestre: uma abordagem baseada em sensoriamento remoto para área urbana de Brasília, DFpt_BR
dc.typeTesept_BR
dc.subject.keywordPlanejamento urbano - Brasília (DF)pt_BR
dc.subject.keywordTemperatura de superfíciept_BR
dc.subject.keywordVegetação urbanapt_BR
dc.subject.keywordConforto térmicopt_BR
dc.subject.keywordSensoriamento remotopt_BR
dc.description.abstract1The cities are in constant transformation to attend the population necessities. However, the change of native vegetation to urban infrastructure increases the land surface temperature (LST) that is related with varying environment and public health problems. So, this thesis aimed to investigate the relationship between Brasília urban vegetation and the LST and produce information to assist the management practices to reduce thermic discomfort. The thesis was structured in four chapters. In the Chapter I, we evaluated the spatiotemporal relationship between LST and vegetation cover and built-up cover in the interval of 20 years, using Landsat 5 TM (Thematic Mapper) and Landsat 8 OLI (Operational Land Imager) and TIRS (Thermal Infrared Sensor) images. The Normalized Difference Vegetation Index (NDVI) and LST had stronger correlation, mainly in springer and summer which were the seasons with highest LST values. The temperature showed significant increasing trend over the years. The Chapter II was developed to identify the contribution of vegetation metrics in the environment cooling. The region with shrub did not influence in decrease of seasonality surface temperature. The trees had stronger correlation with the cooling due to cover and edge patches that influenced the shading and evapotranspiration. The spatial error model (SEM) showed potential in prediction of LST in unit analyses of 120 to 480 m, using composition and configuration metrics from urban trees. The Chapter III approached methods to identify individual urban trees using canopy height model (CHM) produced with LiDAR datas. The CHM was smoothed using mean and gaussian filter and applied local maximum (LM) algorithm to individual tree detection. The 5x5 moving windows filter and 5x5 LM window were the best algorithm to individual tree detection in 9 of the 29 sample units with R² of 0.86 and Sxy(%) 31.15. In the Chapter IV, we investigated the effects of tridimensional variables of urban tree and building on the LST seasonality. The percent cover and edged density metrics of patches and mean height and maximum height of trees showed negative effects on the temperature. The composition and configuration metrics contributed to increase the temperature, however, the buildings height contributes to the cooling around. The buildings height was one of the variables with great importance in the variance of Random Forest model. As a general consideration, we noted that urban vegetation management has to be conducted considering the seasonal of surface temperature. To improve thermal comfort, it is important to increase the percent tree cover compared to shrub vegetation, patches with irregular shapes and composed of tall trees, considering that tall buildings also contributed to thermal comfort.pt_BR
dc.description.unidadeFaculdade de Tecnologia (FT)pt_BR
dc.description.unidadeDepartamento de Engenharia Florestal (FT EFL)pt_BR
dc.description.ppgPrograma de Pós-Graduação em Ciências Florestaispt_BR
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro simples do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.