Balanço de Energia e Evapotranspiração Na Cidade Do Recife-Pe Por Sensoriamento Remoto

UNIVERSIDADE FEDERAL DE PERNAMBUCO
DEPARTAMENTO DE CIÊNCIAS GEOGRÁFICAS

PROGRAMA DE PÓS-GRADUAÇÃO EM GEOGRAFIA
TESE
ELVIS BERGUE MARIZ MOREIRA
BALANÇO DE ENERGIA E EVAPOTRANSPIRAÇÃO NA CIDADE

DO RECIFE-PE POR SENSORIAMENTO REMOTO
RECIFE, PE
2014
BALANÇO DE ENERGIA E EVAPOTRANSPIRAÇÃO NA CIDADE

DO RECIFE-PE POR SENSORIAMENTO REMOTO
Tese de doutorado submetida ao Programa de Pós-Graduação

em Geografia (PPGEO). Área de concentração: Geografia
Física Aplicada, como requisito para obtenção do título de
doutor em Geografia.
Orientador: Prof. Dr. Ranyére Silva Nóbrega

Co-orientador: Prof. Dr. Bernardo Barbosa da Silva
Catalogação na fonte
Bibliotecária Maria do Carmo de Paiva, CRB-4 1291
M838b Moreira, Elvis Bergue Mariz.

Balanço de energia e evapotranspiração na cidade do Recife -PE por
sensoriamento remoto / Elvis Bergue Mariz Moreira. – Recife: O autor,
2014.
152 f. : il. ; 30 cm.
Orientador: Prof. Dr. Ranyére Silva Nóbrega.

Coorientador: Prof. Dr. Bernardo Barbosa da Silva.
Tese (doutorado) - Universidade Federal de Pernambuco, CFCH.
Programa de Pós -Graduação em Geografia, 2014.
Inclui referências e apêndices.
1. Geografia. 2. Sensoriamento remoto – Recife (PE). 3. Ilha de calor

urbana. 4. Climatologia urbana. I. Nóbrega, Ranyére Silva (Orientador). II.
Silva, Bernardo Barbosa da (Coorientador). III. Título.
910 CDD (23.ed.) UFPE (BCFCH2014-31)

UNIVERSIDADE FEDERAL DE PERNAMBUCO CENTRO DE
FILOSOFIA E CIÊNCIAS HUMANASDEPARTAMENTO DE
CIÊNCIAS GEOGRÁFICASPROGRAMA DE PÓS
GRADUAÇÃO EM GEOGRAFIA
“BALANÇO DE ENERGIA E EVAPOTRANSPIRAÇÃO NA CIDADE DO RECIFE-PE POR

SENSORIAMENTO REMOTO”
Tese defendida e ___________________ pela banca examinadora:
Orientador:____________________________________________________
Dr. Ranyére Silva Nóbrega(UFPE)
2º Examinador : ___________________________________________________
Dr. Admir Créso de Lima Targino (UTFPR)
3º Examinador:____________________________________________ ________
Dr. José Machado Coelho Júnior (UFRPE)
4º Examinador:____________________________________________________
Dra. Sara Fernandes de Souza (UFAL)
5º Examinador:___________________________________________________ _
Dr. Osvaldo Girão da Silva (UFPE)
RECIFE – PE
25/02/2014
Que darei eu ao Senhor, por todos os benefícios que me tem feito? Sl 116 v12
DEDICATÓRIA
...Ahh minha mãe, mulher

guerreira, honesta e lutadora,
que soube fazer da máquina de
costura seu instrumento de
trabalho para suster três filhos
diante de condições limitadas e
adversas impostas pela vida.
Entretanto lutou com toda sua
bravura para proporcionar o
melhor a minha família. Muito
obrigado mainha! A senhora é
minha heroína, sofreu, chorou e
nos acolheu em todos os
momentos. Faltam-me as
palavras para lhe oferecer os
devidos merecimentos...
recordo-me quando a senhora
um dia disse:De“eu sou uma
costureira e tenho pouco
estudo... meu sonho é uma dia
ver você um doutor” lágrimas.
AGRADECIMENTOS
Elaborar uma Tese de Doutorado não se constitui uma tarefa fácil, sobretudo
quando se tem que conciliar atividades de pesquisa com vida secular. Sendo assim
torna-se impossível a sua realização sem a contribuição direta e indireta de algumas
pessoas para o pleno desenvolvimento dos objetivos propostos. Em primeiro momento,
agradeço a Deus por ter me concebido o dom da vida e ter iniciado e finalizado a boa
obra na minha vida para realização deste trabalho. Muito obrigado meu Deus, tributo
honra, louvores e adoração ao teu nome. Fostes fiel comigo desde o processo seletivo
atendendo à minha oração e proporcionado o ingresso nesse curso de Doutorado;
- À minha esposa e família, que estavam na torcida por mim em oração e que
participaram os momentos vivenciados na elaboração dessa tese, onde muitas coisas
aconteceram, surpresas agradáveis e desagradáveis, marcados por perdas familiares,
que, entretanto foram superadas. As madrugadas passadas no computador para leituras e
geração dos modelos de sensoriamento remoto (SEBAL) foram compreendidas pela
minha esposa, que suportou minha ausência em prol de uma causa justa. Obrigado meu
amor, amo muito você, seu apoio foi muito decisivo;
- Aos orientadores e amigos, professor Dr. Ranyére Silva Nóbrega, pela confiança
depositada, boa conversa dotada de informações valiosíssimas e decisivas na construção
da pesquisa. Ao prof. Dr. Bernardo Barbosa da Silva, impressiona-me a simplicidade e
maturidade intelectual deste homem. Obrigado por ter me ensinado o SEBAL e os
exemplos de vida, confesso-lhes que sem vocês esse trabalho não seria realizado,
faltam- me as palavras para lhes agradecer;
- Aos amigos do SERGEO e TROPOCLIMA, graduados, mestrandos e doutorandos,

em especial à Sara, Cristiana, Hewerton, Henrique (esse foi relevante), Ygor, Tiago,
Antonio Marcos, Rafael, Keyla e Eberson, incluo Iane que gentilmente cedeu os dados
da torre meteorológica;
- Aos amigos da igreja, que torceram muito por mim desde o meu ingresso neste curso,
Guilherme Papine e família, Márcio André e família, Henrique e família, Dr. Dilza e
família, Roque e família, sou grato a Deus pela vida de vocês;
- À Universidade Federal de Pernambuco (UFPE), por ter proporcionado a oportunidade
de cursar a graduação, mestrado e doutorado;
- À todos os docentes do PPGEO;
- À Capes, pelo financiamento da bolsa de pesquisa, determinante no meu sustento e

manutenção no curso;
- À profa. Dra. Josicleda Galvíncio, pelo suporte no laboratório para o uso dos softwares
de geoprocessamento e sensoriamento remoto;
- À Jorge, Luis, Zuca, Itamar e irmã Didi, funcionários do departamento que foram
entretenimento e aporte numa conversa descontraída com café e bolacha;
- À Eduardo, secretário da pós, que gentilmente transmitia informações relevantes do

programa, sempre dedicado e atencioso;
...à todos vocês, meu muito obrigado!

MOREIRA, E. B. M. Balanço de energia e evapotranspiração na cidade do Recife -
PE por sensoriamento remoto. 152f. Tese (Doutorado) – Departamento de Ciências
Geográficas, Universidade Federal de Pernambuco (UFPE).
RESUMO
O conhecimento do balanço de energia e evapotranspiração em área urbana é de suma
importância para o entendimento do clima local, podendo prover informações decisivas
ao planejamento urbano. A pesquisa objetivou analisar a influência da superfície urbana
nos componentes do balanço de energia e evapotranspiração na cidade do Recife PE,
utilizando-se do algoritmo SEBAL (Surface Energy Balance Algorithm for Land ) e seis
imagens do satélite Landsat 5 – TM, compreendendo as datas entre 06/08/1998 e
25/09/2011. Foram processadas cartas temáticas do NDVI (Normalized Difference
Vegetation Index ), temperatura da superfície, albedo da superfície, saldo de radiação,
fluxos de calor no solo, sensível, latente e evapotranspiração real. Os resultados
encontrados apontaram para alterações relevantes nas trocas dos fluxos de energia entre
a malha urbana e atmosfera com predominância de altos valores de radiação disponível
para aquecimento do ar próximo à superfície e na formação de zonas de calor. As
unidades de conservação e corpos hídricos, em menor representação espacial,
apresentaram resfriamento evapotranspirativo de aproximadamente 6,0 mm d-1 ,
proporcionando o arrefecimento da temperatura do ar e contribuindo com a formação de
ilhas de arrefecimento em escala local. A metodologia utilizada representou de forma
consistente os fluxos de calor e massa dos diversos tipos de cobertura, apresentando-se
de grande relevância na área de climatologia urbana, podendo promover um avanço
significativo nas informações dos fluxos de energia da superfície disponíveis para o
monitoramento do clima urbano face às mudanças ocorridas no espaço geográfico no
decorrer dos anos.
Palavras-chave: área urbana, ilhas de calor, clima urbano

MOREIRA, E. B. M. Energy balance and evapotranspiration in Recife-PE through
remote sensing. 152f. Thesis (Ph.D.)-Department of Geographical Sciences, Federal
University of Pernambuco (UFPE).
ABSTRACT
The knowledge of the energy balance and evapotranspiration in urban areas is of

paramount importance for the understanding of the local climate, may provide crucial
information to urban planning. The research aimed to analyze the influence of urban
surfaces on components of energy balance and evapotranspiration in Recife PE, using
the algorithm SEBAL (Surface Energy Balance Algorithm for Land) and six images of
Landsat 5 - TM, comprising dates between 06/08/1998 and 25/09/2011. Thematic maps
of NDVI (Normalized Difference Vegetation Index), surface temperature, surface
albedo, net radiation, soil heat flux, sensible, latent and actual evapotranspiration were
processed. The results pointed to significant changes in trade flows of energy between
the urban fabric and atmosphere with a predominance of high values of radiation
available for heating the air near the surface and the formation of localized heat.
Protected areas and water bodies in lower spatial representation, presented
evapotranspiration cooling of about 6,0 mm d-1 , providing cooling air temperature and
contributing to the formation of islands of cooling on a local scale. The methodology
used consistently represented the fluxes of heat and mass of the various types of
coverage , presenting highly relevant in the field of urban climatology and may promote
a significant advance in information flows surface energy available for monitoring
climate urban face to changes in the geographical space over the years
The Keywords: urban area, heat islands, climate urban

LISTA DE FIGURAS
Figura 1. Componentes do balanço de energia em superfície urbana............. 35

Figura 2. Localização da área objeto do estudo. Mapa do Brasil, mapa de
Pernambuco e imagem do satélite Landsat 5 TM destacando a
cidade do Recife na composição R(7), G(5), B(2)............................ 52
Figura 3. Mapa de uso do solo na cidade do Recife, destacando as classes:
unidades de conservação, áreas verdes, corpos hídricos, área
urbana e ocupação urbana intensa..................................................... 54
Figura 4. Carta de uso do solo na cidade do Recife, destacando as classes:
unidades de conservação, áreas verdes, corpos hídricos, área
urbana e ocupação urbana intensa..................................................... 56
Figura 5. Precipitação acumulada nos três dias antecedentes a passagem do
satélite................................................................................................ 60
Figura 6. Fluxograma com as etapas utilizadas para o cômputo do balanço
de radiação e os parâmetros utilizados.............................................. 63
Figura 7. Fluxograma do processo iterativo de Monin Obukov para a
estabilização de rah e obtenção do mapa dos valores espacializados
do fluxo de calor sensível (H)........................................................... 69
Figura 8. Gráfico dos valores médios e desvio padrão do NDVI em
216/1998, 269/2000, 238/2006, 209/2007, 249/2010 e 268/2011.... 76
Figura 9. Carta temática do NDVI nas datas 216/1998, 269/2000, 238/2006,
209/2007, 249/2010 e 268/2011........................................................ 78
Figura 10 Gráfico dos valores médios e desvio padrão do albedo da
superfície em 216/1998, 269/2000, 238/2006, 209/2007, 249/2010
e 268/2011......................................................................................... 79
Figura 11. Carta temática do albedo da superfície nas datas 216/1998,
269/2000, 238/2006, 209/2007, 249/2010 e 268/2011...................... 80
Figura 12. Valores médios e desvio padrão da temperatura da superfície nas

datas 216/1998, 269/2000, 238/2006, 209/2007, 249/2010 e
268/2011............................................................................................ 82
Figura 13. Carta temática da distribuição espacial das temperaturas da
superfície nas datas 216-1998, 269-2000, 238-2006, 209-2007, 84
249-2010 e 268-2011........................................................................
Figura 14. Valores médios estimados para radiação de onda longa emitida
pela superfície e onda curta incidente............................................... 86
Figura 15. Carta temática da distribuição espacial da radiação de onda longa
emitida pela superfície terrestre ( R L  ) nas datas 216-1998, 269-
2000, 238-2006, 209-2007, 249-2010 e 268-2011............................ 88
Figura 16. Valores médios e desvio padrão do saldo de radiação instantâneo

nas datas 216/1998, 269/2000, 238/2006, 209/2007, 249/2010 e
268/2011............................................................................................ 89
Figura 17. Carta temática da distribuição espacial do saldo de radiação
instantâneo nas datas 216/1998, 269/2000, 238/2006, 209/2007,
249/2010 e 268/2011......................................................................... 91
Figura 18. Gráfico de dispersão entre o saldo de radiação instantâneo e o
NDVI em 268/2011, destacando os alvos: Mata da Várzea,
Manguezal do Pina, Mata do Ibura, Reserva Dois Irmãos, Reserva
Dois Unidos, Mata do Egenho Uchoa, Aeroporto, Shopping Recife
(H) e Shopping Rio Mar.................................................................... 93
Figura 19. Carta temática da distribuição espacial do saldo de radiação 24h
estimado SEBAL nas datas 216/1998, 269/2000, 238/2006,
209/2007, 249/2010 e 268/2011........................................................ 94
Figura 20. Radiação solar acumulada obtida na torre meteorológica (MJ m-2 )
nas datas 269/2000, 238/2006, 249/2010 e 268/2011....................... 96
Figura 21. Gráfico dos valores médios e desvio padrão do fluxo de calor no
solo nas datas 216/1998, 269/2000, 238/2006,209/2007, 249/2010
e 268/2011......................................................................................... 97
Figura 22. Carta temática da distribuição espacial do fluxo de calor no solo
nas datas 216/1998, 269/2000, 238/2006,209/2007, 249/2010 e
268/2011............................................................................................ 98
Figura 23. Disperção entre o fluxo de calor no solo e o índice de vegetação

NDVI para os alvos: Manguezal do Pina, Carrefour, Shopping
Recife, Aeroporto e Ceasa na data 268/2011.................................... 100
Figura 24. Valores médios e desvio padrão do fluxo de calor sensível nas
datas 216/1998, 269/2000, 238/2006,209/2007, 249/2010 e
268/2011 ........................................................................................... 101
Figura 25. Carta temática do fluxo de calor sensível nas datas 216/1998,
269/2000, 238/2006,209/2007, 249/2010 e 268/2011....................... 103
Figura 26. Relação estatística entre os fluxo de calor sensível e o índice de
vegetação NDVI para os seguintes alvos: Manguezal do Pina,
Carrefour, Shopping Recife, Aeroporto e Ceasa na data 268/2011.. 105
Figura 27. Cartas temáticas da distribuição espacial do fluxo de calor sensível
na RPA 6 (Sul) com destaque para os alvos: Manguezal do Pina,
Shopping Recife, Aeroporto e Mata dos Guararapes, ambos
destacados com contorno nas cenas 216-1998, 269-2000, 238-
2006, 209-2007, 249-2010 e 268-2011............................................. 106
Figura 28. Alvos localizados no perfil correspondendo às distâncias: 8.000,
10.000, 12.000 e 21.000 m, respectivamente.................................... 107
Figura 29. Perfil do fluxo de calor sensível representado entre a distância 0 -
22.500 m, no sentido Norte/Sul da cidade em 268-1998.................. 108
22.500 m, no sentido Norte/Sul da cidade em 269-2000................. 109
22.500 m, no sentido Norte/Sul da cidade em 268-2011................. 111
Figura 35. Gráfico dos valores médios e desvio padrão do fluxo de calor
latente nas datas 216/1998, 269/2000, 238/2006, 209/2007,
249/2010 e 268/2011........................................................................ 112
Figura 36. Carta temática da distribuição espacial do fluxo de calor latente 113
nas datas 216/1998, 269/2000, 238/2006,209/2007, 249/2010 e
268/2011..........................................................................................
Figura 37. Carta temática da distribuição espacial do fluxo de calor latente na
RPA 4 (Oeste)................................................................................... 115
Figura 38. Alvos localizados no perfil representado às distâncias: 11.500,
14.000, 18.000 e 22.500 m, respectivamente ................................... 116
Figura 39. Perfil do fluxo de calor latente representado entre a distância 0 -
22.500 m, sentido Norte/Sul em 216-1998 ...................................... 117
22.500 m, sentido Norte/Sul em 269-2000....................................... 117
22.500 metros, sentido Norte/Sul em 238-2006 .............................. 118
Figura 45. Valores médios e desvio padrão da evapotranspiração diária nas
datas 269/2000, 238/2006, 249/2010 e 268/2011 ............................ 121
Figura 46. Carta temática da distribuição espacial da evapotranspiração diária
nas datas 269/2000, 238/2006, 249/2010 e 268/2011....................... 123
Figura 47. Relação estatística entre evapotranspiração diária e o índice de
vegetação NDVI nos alvos: Mata da Várzea, Manguezal do Pina,
Mata do Ibura, Reserva Dois Irmãos, Lagora do Araçá, Reserva
Dois Unidos e mata do Uchoa em 268/2011..................................... 125
LISTA DE TABELAS
Tabela 1. Descrição das bandas e faixas espectrais correspondentes ao TM -

Landsat 5, coeficientes de calibração mínimo (a) e máximo (b),
irradiância solar espectral (K λ) no topo da atmosfera (TOA)............. 58
Tabela 2. Parâmetros utilizados na calibração e no cômputo do balanço de
radiação, balanço de energia e seus componentes, obtidos das
imagens e da estação meteorológica automática (PCD
Recife)................................................................................................. 59
Tabela 3. Dados da pressão atual de vapor em cada DAS.................................. 66
Tabela 4. Distribuição percentual das classes de NDVI para as datas em
análise.................................................................................................... 77
Tabela 5. Distribuição percentual das classes de albedo para as datas em
análise.................................................................................................... 82
Tabela 6. Distribuição percentual das classes de temperatura da superfície para
as datas em análise ............................................................................... 85
Tabela 7. Valores médios da radiação de ondas longas emitidas pela atmosfera
em direção a superfície nas datas em análise........................................ 86
Tabela 8. Distribuição percentual das classes do saldo de radiação instantâneo
Tabela 9. Distribuição percentual das classes do fluxo de calor no solo para as
datas em análise..................................................................................... 92
Tabela 10. Distribuição percentual das classes do fluxo de calor sensível para as
datas em análise..................................................................................... 104
Tabela 11. Distribuição percentual das classes do fluxo de calor latente para as
datas em análise .................................................................................... 114
Tabela 12. Valores estimados pelo SEBAL e medidos FAO (evapotranspiração
de referência) para os dias de estudo e seus respectivos erros
absoluto (EA, mm d-1 ), relativo (ER, %) e a raiz do erro quadrático
(REQ, mm d-1 ) ...................................................................................... 120
Tabela 13. Distribuição percentual das classes da evapotranspiração 24h nas
datas em análise..................................................................................... 124
LISTA DE ABREVIATURAS E SIGLAS
APAC Agência Pernambucana de Águas e Clima
BRAMS Braziliam Developments on the Regional Atmospheric Modeling

System
CPTEC Centro de Previsão de Tempo e Clima
DAS Dia sequencial do ano
DEM Departamento de energia nuclear
ET Evapotranspiração
ETo Evapotranspiração de referência
ETr Evapotranspiração real
ETr24h Evapotranspiração real diária
FAO Food and Agriculture Organization
IAF Índice de área Foliar
INMET Instituto Nacional de Meteorologia
INPE Instituto Nacional de Pesquisas Espaciais
MDE Modelo Digital de Elevação
NASA National Aeronautics and Space Administration
NC Nível de Cinza
NDVI Normalized Difference Vegetation Index
PE Pernambuco
PCD Plataforma de Coleta de Dados
RGB Red, Green, Blue (vermelho, verde, azul)
RPA Regiões Politicamente Administrativa

SIG Sistema de Informações Geográficas
SEBAL Surface Energy Balance Algorithm for Land
SINDA Sistema Nacional de Dados Ambientais
SRTM Shuttle Radar Topography Mission
T Temperatura média do ar
TEB Town Energy Balance
UC Unidades de Conservação
UTM Universal Transversa de Mercator

LISTA DE SÍMBOLOS
W Água precipitável (mm)
α Albedo (%)
αtoa Albedo planetário (%)
αsup Albedo corrigido de cada pixel (%)
Z Ângulo zenital solar
z Altitude de cada pixel (m)
Cp Calor específico do ar a pressão constante (1.004 Jkg -1 K -1 )
“a” e “b” Coeficientes dos pixel âncoras (frio e quente)
Kc Coeficiente de cultura
Zom Coeficiente de rugosidade ao transporte de momentum (m)
Kt Coeficiente de turbidez da atmosfera
L Comprimento de Monin-Obukhov
K1 e K2 Constante de calibração da banda termal do sensor TM Landsat 5
σ Constante de Stefan – Boltzmann (5,67x10-8 W m-2 K -4 )
γ Constante psicrométrica (0,066 kPa °C -1 )
S Constante solar (1.367 W m-2 )
k Constante de Von Karman
ρ Densidade do ar (kg m-3 )
dr Distância Relativa Terra Sol
dT Diferença de Temperatura
εa Emissividade atmosférica
εNB Emissividade do infravermelho próximo (termal)
ε0 Emissividade de cada pixel (-)
EA Erro absoluto
ER Erro relativo
REQ Raiz do erro quadrático
FE24h Fração evaporativa diária (-)
G Fluxo de calor no solo (W m-2 )
LE Fluxo de calor latente (W m-2 )
LEfrio Fluxo de calor latente no pixel frio (W m-2 )
H Fluxo de calor sensível (W m-2 )
Hquente Fluxo de calor sensível no pixel quente (W m-2 )
Δ Gradiente de curva de pressão de vapor na saturação (kPa °C -1 )
dT Gradiente de temperatura (°C)
K Graus Kelvin
ha Hectare
IV Invravermelho
K ri Irradiância solar espectral de cada banda no topo da atmosfera
ρ Massa específica
m Metro
m s -1 Metro por segundo
MJ m-2 Mega Joule por metro quadrado
mm mês-1 Milímetro por mês

mm d-1 Milímetro por dia
ea Pressão real de vapor d’água (kPa)
es Pressão de saturação de vapor d’água (kPa)
P Pressão atmosférica (kPa)
kg m-2 Quilograma por metro quadrado
km Quilômetro
kPa Quilo Pascal
RS  Radiação de onda curta incidente (W m-2 )
RL  Radiação de onda longa incidente (W m-2 )
RL Radiação de onda longa emitida (W m-2 )
ai Radiância espectral mínima
bi Radiância espectral máxima
Lλi Radiância espectral de cada banda
RT OA24h Radiação solar diária incidente no topo da atmosfera (W m-2 )
αp Refletância da própria atmosfera
rah Resistência aerodinâmica ao transporte de calor sensível
rs Resistência da superfície
Rn Saldo de radiação (W m-2 )
τsw Transmissividade atmosférica no domínio da radiação solar
τ Transporte de momentum
Tsup Temperatura da superfície (K)
Tar Temperatura do ar (°C)

UR Umidade relativa do ar (%)
u* Velocidade de fricção na estação meteorológica
u2 Velocidade do vento a 2 metros de altura (m s-1 )
u200 Velocidade do vento a 200 metros (m s-1 )
W m-2 Watts por metro quadrado

SUMÁRIO
1. INTRODUÇÃO........................................................................................ 22
1.1. Hipótese da pesquisa.......................................................................... 24
1.2. Objetivos............................................................................................ 24
2. REVISÃO DE LITERATURA.................................................................. 26
2.1. Clima e o espaço urbano..................................................................... 26
2.2. Balanço de energia em áreas urbanas.................................................. 33
2.3. Sensoriamento remoto aplicado ao balanço de energia....................... 45
2.4. Evapotranspiração em área urbana...................................................... 49
3. MATERIAL E MÉTODOS....................................................................... 52
3.1. Área de estudo..................................................................................... 52
3.2. Dados orbitais...................................................................................... 57
3.3. Dados micrometeorológicos................................................................ 59
3.4. Algoritmo SEBAL (Surface Energy Balance Algorithm for Land).... 60
3.5. Processamento das imagens................................................................ 62
3.5.1.Calibração radiométrica.................................................................... 62
3.5.2. Reflectância espectral ...................................................................... 63
3.5.3. Albedo no topo da atmosfera............................................................ 64
3.5.4. Albedo da superfície......................................................................... 65
3.5.5. Radiação de onda longa emitida....................................................... 66
3.5.6. Radiação de onda longa incidente.................................................... 67
3.5.7. Radiação de onda curta incidente..................................................... 68
3.6. Saldo de radiação instantâneo............................................................. 68
3.7. Fluxo de calor no solo......................................................................... 68
3.8. Fluxo de calor sensível........................................................................ 69
3.9. Fluxo de calor latente.......................................................................... 73
3.10. Evapotranspiração real diária (mm.d-1 )............................................. 74
3.11. Análise estatística.............................................................................. 75
4. RESULTADOS E DISCUSSÃO............................................................... 76
4.1. Parâmetros biofísicos.......................................................................... 76
4.2. Balanço de radiação............................................................................ 85
4.3. Saldo de radiação instantâneo............................................................. 89
4.4. Saldo de radiação 24h......................................................................... 93
4.5. Fluxo de calor no solo......................................................................... 96
4.6. Fluxo de calor sensível........................................................................ 100
4.7. Fluxo de calor latente.......................................................................... 111
4.8. Evapotranspiração real diária (mm d-1 )............................................... 120
5. CONCLUSÕES......................................................................................... 127
6. RECOMENDAÇÕES................................................................................ 128
REFERÊNCIAS ............................................................................................ 129
APÊNDICES ................................................................................................. 148
22
1. INTRODUÇÃO
Nas últimas décadas o clima das áreas urbanas vem sendo objeto de estudos em
todo o mundo, sobretudo com o atual enfoque das mudanças climáticas e as elevadas
taxas de crescimento populacional evidenciada nas grandes cidades. O reflexo do
referido crescimento imprime uma nova conotação no uso do solo, proporcionando
progressiva deterioração dos ambientes urbanos e periurbanos, especificamente
impulsionado pelas pressões econômicas e especulativas nas grandes cidades, refletindo
na substituição de áreas verdes por áreas artificiais que imprime uma dependência
crescente por materiais de construção civil.
A intensificação de áreas construídas, diminuição de corpos hídricos e
vegetação, somado a grande circulação de veículos e emissão de poluentes emitidos
pelas indústrias, colaboram para a formação de um clima com características distintas
ao comparado com zonas rurais, o clima urbano. O clima urbano altera as trocas de
energia entre a interface superfície-atmosfera, favorecendo um maior percentual de
energia disponível a ser empregada no aqueciment da superfície, proporcionando desta
forma o aumento da temperatura do ar, colaborando com a redução das taxas
evaporativas e aumento de zonas quentes (GRIMMOND et al., 2007).
O adensamento construtivo atrelado às pressões econômicas no uso do solo
demanda o surgimento de novas feições impermeáveis com características que facilitam
a absorção de calor, proporcionando alterações significantes no balanço de energia e
taxas evaporativas. Nesse contexto está inserida a cidade do Recife que tem
apresentado em sua superfície um palco de intensas aglomerações urbanas resultando
em áreas cobertas por asfalto e concreto, as quais são superfícies capazes de converter e
armazenar a radiação solar incidente em maior grau do que as áreas vegetadas e, por
conseguinte, favorecem o aparecimento de um gradiente horizontal urbano de
temperatura podendo vir a provocar alterações substanciais no clima.
Ressalta-se que o processo de urbanização e industrialização, ao mesmo tempo
em que constituem um excelente indicador do nível de desenvolvimento alcançado por
uma determinada cidade, também comportam problemas relacionados com a
deterioração do meio urbano e da sua qualidade de vida. As investigações dentro da
temática em discussão pautam suas premissas teóricas e técnicas em aplicações que
visam analogias entre centros urbanos (áreas com solos impermeáveis) e áreas providas
de vegetação (zona rural) gerando amplitudes térmicas e ilhas de calor, e com poucas
23
atenções atenções voltadas para o impacto da superfície urbana no balanço de energia.

Diante disto a investigação e a análise do clima urbano proporciona benefícios que
visam tornar a vida nas cidades mais agradável e saudável para seus habitantes e desta
forma apresenta-se fundamental para o desenho urbano e ordenação do espaço em sua
totalidade (LOMBARDO,1996).
O conhecimento da superfície urbana tem sido importante para estudos
relacionados à climatologia urbana, mudanças ambientais globais, e interações homem-
ambiente, sendo considerado de grande relevância para o planejamento e práticas de
gestão que visem o equilíbrio climático em escala local (WENG e QUATTROCHI,
2006). Nesse contexto a maior parte das pesquisas realizadas em escala global sobre
balanço de energia é baseada em metodologias de teorias micrometeorológicas e
técnicas de observação através de equipamento que mensuram os componentes do
balanço de energia em áreas urbanas. Mesmo apresentando resultados satisfatórios
limitam-se a escala local e não contemplam a heterogeneidade da área urbana, que por
sua vez estão inseridos diversos tipos de materiais com comportamento espectral
diferenciados e capazes de apresentar diversos padrões de refletividade e absorção de
energia favorecidos pelo campo térmico.
As alterações que ocorrem no clima urbano, com destaque para as que estão
diretamente relacionadas ao balanço de energia à superfície, oriundas da substituição da
cobertura vegetal por ambientes impermeáveis promovem modificações nas trocas de
energia entre a interface superfície e atmosfera. Os componentes do balanço de energia,
são de grande relevância para estudos de monitoramento de variáveis ambientais,
especificamente na identificação das áreas mais susceptíveis ao aumento da temperatura
do ar responsáveis em promover a intensificação do desconforto térmico e alteração no
clima urbano.
As superfícies artificiais constituídas sob forma de adensamento construtivo
destacadas nos arranjos espaciais intra-urbanas alteram significativamente as trocas de
energia e massa na interface superfície-atmosfera, sendo o fluxo de calor latente (LE) o
que apresenta uma mudança mais significativa, uma vez que as áreas úmidas e
produtoras de umidade que colaboram para atenuação da temperatura e criação de
ambientes climáticos confortáveis são reduzidas em locais altamente urbanizados.
Como resposta a esta redução, verifica-se aumento do fluxo de calor sensível (H), com
mais energia convertida em calor disponível para aquecimento do ar próximo à
superfície e aumento da temperatura do ar, ambiente propício para o surgimento do
24
fenômeno das ilhas de calor urbano (OKE, 1987). Por esta razão, abordagens de
sensoriamento remoto são muito atraentes na quantificação de parâmetros biofísicos da
superfície terrestre, possibilitando a representação de parâmetros distribuidos no espaço,
(LEIVAS, 2008).
A radiação é uma importante variável do balanço de energia a ser considerado,
pois é o principal mecanismo de transmissão de calor, de forma tal que as temperaturas
registradas em um ponto qualquer da Terra dependerão, em primeiro lugar, do balanço
de radiação nesse ponto. Esta energia é transmitida até a Terra na forma de ondas
eletromagnéticas proporcionando as trocas entre a superfície terrestre e atmosfera. O
percentual de radiação resultante deste processo determinará a quantidade de energia
disponível no meio e que será utilizada para aquecimento.
A intensidade das intervenções antrópicas no uso do solo consolidadas em
ambientes artificiais com propriedades em armazenamento de calor proporciona o
agravamento da temperatura. Estudos relacionados ao clima urbano, com destaque para
os fluxos de radiação e taxas de evapotranspiração obtidos por detecções remotas e que
visem à mitigação dos efeitos das mudanças climáticas por meio de medidas adequadas
de planejamento urbano, apresenta-se um atraente no campo da climatologia urbana.
1.1. Hipótese
A pesquisa fundamenta-se na hipótese de que é possível obter os diferentes
componentes do balanço de energia, baseado em imagens orbitais e fundamentos do
SEBAL (Algoritmo de Balanço de Energia à Superfície) e se investigará se as mudanças
registradas no espaço urbano da cidade doo Recife são detectáveis por esses
componentes.
1.2. Objetivos
Diante da importância do conhecimento de informações disponíveis do clima de
uma cidade assim como sua relevante contribuição ao planejamento urbano, esse
trabalho objetiva analisar a influência da superfície urbana nos componentes do balanço
de energia em Recife (Pernambuco), utilizando o algoritmo SEBAL e imagens
multiespectrais do TM Landsat 5. Para tanto, serão estimados a radiação de onda curta
incidente, radiação de onda longa emitida pela superfície, albedo da superfície,
temperatura da superfície, saldo de radiação, fluxo de calor no solo, fluxo de calor
sensível, fluxo de calor latente e evapotranspiração diária.
25
Foram traçados os seguintes objetivos específicos:
a) Analisar a influência da superfície urbana e feições de vegetação na

distribuição do saldo de radiação;
b) Avaliar a variabilidade espacial do fluxo de calor sensível e sua
participação a formação de zonas quentes na cidade;
c) Identificar a influência da superfície urbanizada no aprisionamento do
fluxo de calor no solo e incremento de temperaturas na formação das
ilhas de calor;
d) Detectar a participação das unidades de conservação na produção de
umidade e no resfriamento evaporativo da cidade;
e) Determinar a evapotranspiração diária na área em estudo a fim de
identificar as feições que contribuem com o clima urbano
proporcionando o arrefecimento das temperaturas do ar;
26
2. REVISÃO DE LITERATURA
2.1. Clima e o espaço urbano
De acordo com os dados da Divisão de População das Organizações das Nações

Unidas (ONU), as áreas urbanas concentravam em 2000, 47% da população mundial,
podendo ultrapassar os 60% em 2030. O fenômeno da urbanização foi de grandes
proporções nos países do Terceiro Mundo uma vez que a população urbana dos países
subdesenvolvidos (tomadas apenas as cidades com mais de vinte mil habitantes) foi
multiplicada por 2,5 entre 1920 e 1980, enquanto nos países subdesenvolvidos o
multiplicador se aproxima de 6, (SANTOS, 1998). Esse crescimento demográfico tem
proporcionado pressões econômicas no solo urbano acarretando problemas ambientais,
tais como (redução da cobertura verde; aumento de áreas impermeáveis, alagamentos e
zonas quentes) (LOMBARDO, 1985). Somado a isto, é necessário considerar o
aumento dos gases do efeito estufa que induz o aquecimento, sendo inserido no
contexto do aumento da população da Terra (GRIMMOND, 2007).
Através do processo da urbanização, as cidades constituíram-se no principal
cenário do desenvolvimento das relações humanas, destacando o adensamento
construtivo com o aumento de áreas impermeáveis e redução de áreas verdes atrelado a
contaminação da atmosfera através da emissão de gases emitidos pelos veículos e
industrias (monóxido de carbono) como parâmetro relevante nas alterações do clima
urbano. Seja pela implosão demográfica e/ou pela explosão das atividades, os espaços
urbanos passaram a assumir a responsabilidade do impacto máximo da atuação humana
sobre a organização na superfície terrestre e na deterioração do ambiente (MONTEIRO,
1990).
Santos (1998), remetendo-se a ocupação das áreas urbanas, contextualiza que no
início dos tempos modernos as cidades ainda contavam com jardins e com um
percentual de áreas verdes considerável e que nos tempos atuais houve uma redução em
grandes proporções. Os centros urbanos são cada vez mais um meio artificial, fabricado
com restos da natureza primitiva crescentemente encobertos pelas obras dos homens e
como consequência deste processo ascendem os problemas de ordem ambiental que
inferem mudanças no clima local.
A ciência geográfica tem o espaço geográfico como premissa do seu objeto de
estudo ao longo dos anos, com diversos estudos voltados para o entendimento do espaço
27
e suas características funcionais. O espaço urbano é utilizado para demonstrar o espaço

físico ocupado pelas cidades e as relações apresentadas pela sociedade que nele habita.
Portanto, o espaço urbano é entendido como o espaço natural modificado pelo homem a
partir das relações sociais e de trabalho, refletindo na deterioração do espaço natural.
Conforme Mendonça (2000), as condições climáticas que se configuram dentro de uma
cidade estão diretamente ligadas à heterogeneidade de seu sítio urbano.
De modo geral, o clima das áreas urbanas apresenta características peculiares e
que as diferem das áreas rurais, proporcionando magnitudes das diferenças que podem
ser de grande expressão, sobretudo nas características termofísicas e geométricas, fontes
de calor artificiais. Em virtude dos materiais empregados na construção civil as áreas
urbanas são vulneráveis ao aquecimento e, por conseguinte, criam o fenômeno das ilhas
de calor, conhecido desde a virada do século e que têm sido bem documentadas desde
suas origens e consequências ocasionadas em áreas urbanas (LANDSBERG, 1981;
LOWRY, 1987; OKE, 1999; HELBIG et al., 1999; KALNAY e CAI, 2003; KALNAY
e CAI, 2003; LAAT e MAURELLIS, 2006; LEE e PARK, 2008, CHRISTY et al.,
2008; SYNNEFA et al., 2008).
O fenômeno da ilha de calor pode ser definido como uma anomalia térmica onde
a temperatura da superfície e do ar urbano é mais elevada do que as áreas
circunvizinhas. Sua ocorrência é verificada em diferentes escalas, tanto em localizações
dentro da própria cidade (escala local) quanto na diferença da temperatura entre a área
urbana e rural (escala regional) (WENG et al., 2004).
Landsberg (1974), aponta que dentre os diversos fatores que geram a ilha de
calor, o que merece mais destaque são as modificações no balanço de energia. A
substituição das superfícies naturais por materiais construtivos proporciona
modificações na condutividade e na capacidade calorífica das superfícies, proporcionam
maior armazenamento de energia funcionando como estoques de radiação disponível
para promover o incremento de temperatura do ar, configurando-se como um fenômeno
decorrente do balanço de energia no espaço urbano, caracterizado pelo acúmulo de calor
nas superfícies. Maitelle (2010) destaca que o fluxo de calor estocado pelo tecido
urbano somado com o fluxo de calor antropogênico, constituem a principal causa da
formação de ilhas de calor.
Dependendo da localização geográfica e as condições meteorológicas
prevalecentes a ilha de calor pode ser benéfica ou prejudicial para a população urbana e
do usuário de energia. Em geral, em baixa e média latitudes as ilhas de calor são
28
indesejáveis, pois contribuem para aumentar as áreas vulneráveis ao aquecimento e

conseguentemente a temperatura gerando assim desconforto térmico e poluição do ar.
Entretanto, nas altas latitudes as ilhas de calor não apresentam problema, considerando
que elas podem reduzir as exigências de energia e de aquecimento (TAHA, 1997).
Diversos estudos na análise do clima urbano concentram suas atenções ao
fenômeno das ilhas de calor. No Brasil, merece destaque o trabalho pioneiro realizado
por Lombardo (1985) na cidade de São Paulo. A pesquisa realizada através de imagens
de satélite mostrou a dinâmica temporal e espacial da ilha de calor, comprovando que
em dias de céu claro, com calmaria e subsidência, a ilha de calor alcança maior
expressão em área e no gradiente de temperatura. Em dias de chuvosos ocorre uma
concentração em área e com menor variação de temperatura. A autora afirma que a
elevada densidade demográfica, a concentração de área construída, a pavimentação
asfáltica e as áreas industriais podem interferir nas alterações do clima local,
notadamente nos valores da temperatura do ar. Qualquer modificação brusca de
temperatura (sendo ela um parâmetro significativo nas alterações dos estudos
atmosféricos) afeta todo o equilíbrio climático local.
O aumento da temperatura do ar e formação do clima urbano se deve, em grande
parte, ao desenvolvimento das atividades humanas atreladas a substituição dos
ambientes verdes por superfícies impermeáveis. Contribuem com esse processo o
adensamento das edificações e pavimentação do solo, responsáveis em diminuir a
capacidade de infiltração do solo e, como consequência, redução de taxas evaporativas,
alteração e introdução de novas formas de relevo; concentração de veículos e indústrias,
que aumentam a produção artificial de calor e o lançamento concentrado e acumulado
de partículas e gases na atmosfera propiciando alterações significantes na atmosfera
local (MONTEIRO, 1976; OKE, 1982; LOMBARDO, 1985; MENDONÇA, 1994).
Dentro dessa temática, um trabalho que merece grande destaque é o de
Chandler (1976) sobre Londres, que, assim como nos estudos pioneiros, foi a primeira
metrópole a experimentar uma análise especial do seu clima. Entretanto, várias críticas
foram levantadas, sobretudo por geógrafos e climatologistas, pois havia a necessidade
de se caracterizar os elementos responsáveis na formação do clima urbano, desprezados
na pesquisa realizada.
De modo geral, os estudos relacionados ao clima urbano concentram suas
atenções sobre perspectiva centrada na investigação dos aspectos meteorológicos,
constituindo-se fundamentalmente em avaliar as alterações na camada da atmosfera
29
próximo à superfície gerado pela atividade antrópica no espaço urbano. Monteiro

(1976), ressalta a necessidade de paralelamente às análises meteorológicas sobre a
atmosfera da cidade, penetrar no interior da estrutura urbana, tomando-a como um
“fator geográfico”, altamente produto das alterações impostas pelas pressões antrópicas,
e conduzida pelos processos dinâmicos-funcionais condicionado pelos aspectos de
ordem econômica e cultural de uma determinada época em que a sociedade está
inserida. Dentro desse contexto, Mendonça (2000) cita que a identificação o mais
detalhada possível dos diferentes espaços intraurbanos é de grande importância, pois, a
partir dela também é possível identificar os fatores causadores da diferenciação
climática do ambiente urbano podendo ser entendido como um sistema que abrange o
clima de um dado espaço terrestre e sua urbanização.
Sant`Anna Neto et al. (2000) sinalizam que o clima urbano surge da interação do
crescimento urbano desmedido com a dinâmica das múltiplas relações e ações
antrópicas que vão provocar profundas mudanças na atmosfera local. Além disso,
produz alterações no padrão do ciclo hidrológico vindo a proporcionar chuvas de
convecção em escala local e diminuição nas taxas de infiltração. Segundo os autores, as
cidades dos países não desenvolvidos, principalmente as localizadas em latitudes
tropicais, notadamente as de médio e de pequeno porte, somente há pouco tempo
começaram a despertar a atenção para elaboração dos estudos em ambientes urbanos.
Na afirmação de Oke (1996), o clima urbano é uma modificação substancial de
um clima local, resultado das condições particulares do meio ambiente urbano, seja pela
sua rugosidade, ocupação do solo, orientação, permeabilidade ou propriedades dos
materiais constituintes, entre outros fatores. A cidade modifica o clima através de
alterações complexas na superfície, podendo alterar a ventilação, umidade e
precipitações, resultando, na maioria das vezes, em condições adversas (ZAMPARONI
et al., 1997).
Dentre os diversos estudos realizados em escala mundial, destaca-se como
pioneiro sobre clima urbano trabalho publicado em Londres por Luke Howard (1833).
Trata-se de um trabalho onde são analisadas as observações meteorológicas para a
atmosfera da cidade de Londres visando identificar as mudanças na atmosfera local
ocasionada pela emissão de poluentes das indústrias em comparação com os lugares em
torno dela. Nesse trabalho o autor refere-se aos efeitos provocados pela ilha de calor no
centro de Londres (ele não utilizou tal expressão, porém suas observações caracterizam
o fenômeno assim).
30
Dando continuidade aos estudos, a Europa Ocidental foi o palco das

multiplicações das investigações, passando em seguida à América do Norte,
considerando serem cidades industrializadas que apresentavam problemas de
aquecimento do ar nas áreas urbanas. Assim, o estudo da atmosfera sobre a cidade tem
atraído para o seu campo um número cada vez maior de especialistas preocupados com
a diminuição da qualidade ambiental nos centros urbanos. No Brasil, essas
investigações tiveram seu início em 1970 onde a climatologia urbana registrou os
primeiros trabalhos investigativos pautados em conceitos e teorias holísticas.
A relação entre as diferentes formas de uso e ocupação do espaço geográfico e a
formação de ilhas de calor na cidade de Graz, na Áustria, foi investigada por Lazar e
Podesser (1999). Estudo semelhante foi realizado em San Juan (Argentina) por
Papparelli et al. (2010). Na cidade de Tókio (Japão), os impactos causados pelo calor
produzido por fontes antrópicas e suas influências na dinâmica climática urbana foram
investigados por Ichinose et al. (1999), que demonstraram como as reduções no
consumo de energia nessa cidade podem contribuir para mitigar os impactos no campo
térmico do clima urbano.
Grande parte dos estudos apontam que a capacidade de uma sociedade absorver
impactos climáticos adversos não é uma simples função linear de sua riqueza ou grau de
desenvolvimento, mas são aquelas sociedades em processo de rápida transição ou
modernização, tendo como especulação econômica o uso intenso do solo urbano
(BURTON et al., 1978).
Dentro dessa temática, Monteiro (2003) afirma que na análise do clima urbano
faz-se necessário considerar os condicionantes geoambientais e geourbanos, a saber. O
primeiro leva em consideração a topografia, cobertura vegetal e corpos hídricos
existentes na área; o segundo averigua os elementos artificiais do espaço construído,
ordenamento dos edifícios, pavimentação das ruas, adensamento dos bairros e
população da área.
Hidalgo et al. (2008), objetivando analisar a influência da área urbana na
circulação de brisa sobre a estrutura e dinâmica da Camada Limite Atmosférica na
cidade de Toulouse (França) realizaram experimentos através de dados de estações
meteorológicas, radiosondagens e dados de aeronave. Os autores estudaram a relação
temporal e espacial entre o balanço energético, assim como a evolução da temperatura
da superfície e a dinâmica do fluxo de ar entre as áreas urbana e rural. Os resultados
encontrados apontaram para uma ilha de calor noturna com 5°C na área urbana,
31
enquanto no período da manhã a cidade apresentou 1°C menor que a zona rural,
atribuído ao sombreamento dos edifícios. No período da tarde registrou-se 1°C mais
quente devido aos altos valores do fluxo de calor sensível no centro da cidade.
Feliciano et al. (2009) utilizaram sensoriamento remoto para estudar o clima
urbano de uma ilha tropical onde está localizada a cidade de San Juan (Porto Rico),
tendo como objetivo investigar o impacto da rápida urbanização local no clima e sua
relação com as ilhas de calor. No trabalho foi utilizado o sensor de alta resolução
aerotransportado ATLAS/NASA, juntamente com campanhas de campo através de
medições com placas de infravermelho e balões de radiossonda. Em virtude da alta
resolução do sensor utilizado foi possível constatar dentre os diferentes tipos de
paisagens diferenças de até 30°C nas áreas urbanas, quando comparadas com as
vegetadas. Os resultados mostraram temperaturas entre 60°C na área urbanizada e 30°C
nas áreas com vegetação durante o dia. Ficou evidenciado que a radiação solar imprime
um comportamento mediante os diferentes tipos de materiais presentes na superfície
urbana.
Papangelis et al. (2012), com intuído de contribuir com o planejamento urbano
realizaram um estudo de modelagem para prever o impacto do verde urbano em uma
área com alta densidade construtiva e diversificada na cidade costeira de Atenas, Grécia.
Foi utilizado o Weather Research and Forecasting model (WRF) acoplado a outro da
camada do dossel urbana utilizado para gerar cenários de uso da terra com resolução de
0,5 km com foco em parques urbanos com dimensões de 8 e 4 km. Os resultados do
cenário investigado no parque urbano previram um grande efeito de arrefecimento
(maior do que 5°C) durante a noite sob condições climáticas calmas e claras abrangendo
a paisagem urbana, chegando ao desenvolvimento da brisa fresca do parque em grande
parte da cidade.
Utilizando o mesmo modelo, Wang et al. (2013) realizaram um estudo para
investigar o efeito da urbanização nos eventos de calor extremo e criar estratégia de
mitigação potencial para o efeito das ilhas de calor na área metroplitana de Pequim. Os
resultados mostraram que as características do uso do solo proporcionaram um impacto
significativo sobre as temperaturas que ocorrem durante os eventos de calor extremo
com aumento de aproximadamente 0,60°C, sendo mais evidenciada no período noturno,
com um aumento máximo de 0,95°C, contribuindo com 34% do calor antropogênico.
No Brasil diversos trabalhos aplicados à climatologia urbana merecem destaque.
Polizel (2009) realizou um estudo através de Geotecnologias para analisar o clima
32
urbano visando mapear a distribição espacial do campo térmico da cidade de Piracicaba,

São Paulo. Foi utilizado a videografia aérea multiespectral com imagens de alta
resolução, termo-higrômetros e imagens termais do TM Landsat 5. O autor encontrou
valores de temperaturas máximas no centro da cidade de Piracicaba em torno de 32°C
no período noturno (21h00 do ano 2007), destacando o efeito da ilha de calor urbana.
Entretando, nas regiões periféricas da cidade a temperatura apresentou um declínio de
3ºC no mesmo período noturno e 7°C nas áreas rurais.
Rossato (2010), analisou o clima urbano da cidade de Nova Palma, Rio Grande
do Sul, utilizando pontos de observação instalados no interior da cidade e seu entorno
com intuito de verificar as características da temperatura do ar, umidade do ar e direção
do vento. Os dados foram coletados em três horários e por um período de cinco dias
consecutivos em cada uma das quatro estações do ano de 2008. As características
sazonais e o sistema atmosférico atuante assim como os condicionantes geoecológicos e
geourbanos definiram os elementos termodinâmicos nas quatro estações do ano.
Nóbrega et al. (2010) realizaram estudo para averiguar a influência da
urbanização no microclima da cidade do Recife baseado em dados de temperatura e
umidade do ar em período diurno e vespertino. O trabalho partiu de uma análise
temporal e espacial do transecto perpendicular em três pontos de uma via de grande
circulação de veículos e de importância econômica. Esses três pontos foram
confrontados com outro situado em um bairro com alto percentual de áreas verdes,
localizado na porção Oeste da cidade. Os resultados encontrados revelaram diferenças
significativas de temperatura entre a área urbana com o bairro supracitado que foram
atribuídas as diferenças paisagísticas dos pontos selecionados e que o processo de
urbanização gerou uma ilha de calor na avenida principal, sendo a influência da
urbanização em suas adjacências responsável por modular a maior magnitude das
temperaturas no período diurno.
Targino et al. (2013) analisaram a magnitude e influência da ilha de calor na
cidade de Londrina Paraná, através de medições por sensores da temperatura do ar em
treze pontos espacializados. Foi evidenciado que a ilha de calor urbana se desenvolve
apenas durante a noite e em determinadas condições atmosféricas, tendo sua intensidade
influenciada através da cobertura do solo do local e das condições meteorológicas.
Constatou-se a intensidade maior que 6,6°C, sob presistentes condições de alta pressão,
3,0°C mais suave, sob aticiclones frios apresentou baixa magnitude 1,0 °C, chegando a
quase desaparecer na passagem de frentes frias. Conforme resultados encontrados,
33
identificou-se que a superfície urbana apresentou pouca influência sobre as temperaturas

do ar da cidade assim como na representação das ilhas de calor, sendo atribuido as
condições meteorólogicas responsáveis em modular a magnitude de aquecimento. Os
autores mencionam que as observações separadas por um intervalo das condições
atmosféricas devem ser consideradas nos estudos que visem caracterizar as ilhas de
calor em áreas urbanas. Os autores mencionam que as observações separadas por um
intervalo das condições atmosféricas devem ser consideradas nos estudos que visem
caracterizar as ilhas de calor em áreas urbanas.
2.2. Balanço de energia em áreas urbanas
As cidades constituem em palco de manifestações econômicas e de fluxos de

trabalho que, impulsionada pela explosão demográfica e/ou explosão de atividades,
passaram assumir a responsabilidade do impacto máximo da atuação humana sobre a
organização na superfície e na deterioração do ambiente (MONTEIRO, 1976). Os
resultados destes impactos refletem as constantes transformações evidenciadas na
superfície urbana, sobretudo pelo adensamento construtivo que consiste na retirada da
vegetação com alterações significativas nas trocas de energia entre a superfície e
atmosfera e com isto o balanço de energia nas áreas urbanas é positivo, apresentando
maior ganho de energia quando comparado às áreas rurais e desta forma favorecem ao
maior aquecimento.
A contabilização entre os fluxos radiantes descendentes e ascendentes, ou seja, é
a soma algébrica do balanço de radiação de onda curta (0,15 a 3,0 µm) e do balanço de
radiação de onda longa (3,0 a 100,0 µm) à superfície, constitui-se no balanço de
radiação à superfície (ARYA, 2001). Bastiaanssen et al. (1998a) citam que a equação do
balanço de radiação é descrita em termos do balanço de onda curta e do balanço de onda
longa, sendo o saldo de radiação de onda longa função da temperatura do ar e da
temperatura da superfície. Segundo Wang e Liang (2009), o balanço de radiação de
onda longa, regional e global da superfície, só pode ser estimado através de dados de
satélites, o que proporciona suficiente resolução espacial e temporal com dados a um
baixo custo e imprescindível nos estudos de monitoramento relacionados a mudanças
climáticas.
O balanço de energia em determinado sistema está baseado na primeira lei da
termodinâmica (princípio de conservação), que estabelece que a energia não pode ser
34
criada e nem destruída, somente convertida para outra forma, sendo condicionada aos
ganhos e perdas de energia. Na área urbana, o armazenamento da energia no dossel
urbano ocorre através de superfícies impermeáveis (edificações, pavimentos, concreto,
asfalto etc). Conforme Ferreira (2010) a capacidade de armazenamento do dossel
urbano pode ser caracterizada pela propriedade denominada admitância térmica, que
informa o qual rápido uma superfície irá receber ou liberar calor. Oke (1982) destaca
que a admitância térmica é uma propriedade física da superfície que indica a amplitude
e a velocidade da resposta térmica à entrada de energia dentro do sistema urbano ou
rural.
Em geral, os materiais que compõem o meio urbano (concreto, asfalto, paredes,
telhas entre outros) apresentam maior admitância térmica que os materiais que
compõem as superfícies não urbanizadas (solos desprovidos de vegetação, gramas,
arbustos, árvores de médio e grande porte) o que faz com que a energia armazenada
dentro do dossel urbano seja maior do que nos ambientes rurais (GRIMMOND et al.,
1991).
O balanço de energia em uma superfície urbana é expresso teoricamente como:
R n  Q F  Q H  Q E  QS  Q A
(1)
onde Rn é o saldo de radiação, Q F é o fluxo de calor antropogênico, Q H é o fluxo de

calor sensível, Q E o fluxo de calor latente, Q s fluxo de calor armazenado no dossel, Q A
representa a advecção horizontal do calor sensível e latente. A referida expressão é
comumente usada para aplicações através de medições pontuais, entretanto nessa
pesquisa onde a mensuração será realizada por detecções remotas o fluxo de calor
antropogênico não será levando em consideração.
O mecanismo de trocas de energia em forma de calor e evapotranspiração em
área urbana determina os valores do saldo de radiação Rn fluxos verticais de calor no
solo G, fluxo de calor sensível H e fluxo de calor latente LE representados e expressos
na Figura 1. O valor dessa soma de energia a ser repartida entre calor sensível e latente
depende da energia total recebida pelo sistema urbano. A energia disponível para a troca
de calor e para a evapotranspiração é definida como a diferença entre a energia total
recebida pela cidade, menos a energia utilizada e armazenada em outras formas (OKE,
1987).
35
O conhecimento do saldo de radiação em áreas urbanas é fundamental em

estudos de monitoramento de mudanças climáticas e pode ser um indicador de
urbanização vivenciando por uma determinada área, contudo apresenta-se no campo das
pesquisas cientificas pouco exploradas. O saldo de radiação depende fortemente do
fluxo de radiação solar e em geral é positivo durante o dia (representando uma entrada
maior do que a saída de energia, com o aquecimento do sistema solo-planta-atmosfera)
e negativo à noite. Considerando a integração diária, usualmente o saldo de radiação é
positivo (ALLEN et al., 2002).
Figura 1 - Componentes do balanço de energia em superfície urbana.
Elaborado pelo autor (adaptado de Oke, 1987)
O fluxo de calor no solo exerce grande influência na formação das zonas

quentes, baseando-se na premissa que a condutividade térmica e a capacidade de
armazenar calor dos materiais urbanos são maiores que os solos providos de vegetação
(MAITELLE, 2010). O processo de mensuração deste parâmetro apresenta-se complexo
quando comparado com outros componentes do balanço de energia estimados via
sensoriamento remoto (BASTIAASSEN, 1998; BEZERRA, 2006). Diversos fatores
exercem influencia nesse parâmetro, tendo seu aquecimento superficial condicionado
pelo percentual de radiação solar absorvida, sendo assim destacasse como dependente
da radiação solar, propriedades do solo e tipo de cobertura vegetal com grande variação
temporal e espacial.
36
Conforme mencionam Grimmond e Oke (1999a), com exceção de grandes

corpos de água, o fluxo de calor armazenado no dossel urbano é aproximadamente 2 a 6
vezes maior do que o de um dossel natural, atingindo valores máximos entre 150 W m-2
e 300 W m-2 . Portanto, para descrever adequadamente as trocas de energia em
superfícies urbanas é importante quantificar o fluxo de calor armazenado no dossel
urbano (ROBERTS et al., 1984; GRIMMOND e OKE, 1999a; GRIMMOND e OKE,
1999b; BROWN, 2000).
O fluxo de calor sensível (H) é o componente do balanço de energia responsável
pela transferência de calor entre superfície e a atmosfera, comprometendo a temperatura
e a intensidade da turbulência na camada do ar próximo a superfície. Apresenta-se como
um dos principais parâmetros responsáveis no processo de formação das ilhas de calor
em áreas urbanas, destacando-se com maior intensidade nas áreas de altos valores de
temperatura da superfície e com baixa velocidade do vento.
A vegetação e os corpos hídricos exercem grande relevância no balanço de
energia em áreas urbanas, proporcionando transporte continuo de umidade para
atmosfera oriundas da evapotranspiração e evaporação, ocasionado pelo fluxo de calor
latente (LE). Silva et al. (2010) apontam que o fluxo de calor latente representea o fluxo
de massa na forma de vapor de água para atmosfera do nosso planeta. Em superfícies
urbanas o mesmo apresenta-se com índices inferiores ao comparado em áreas rurais,
entretanto destaca-se em grande relevância para o equilíbrio do clima na escala
intraurbana através do potencial em criar zonas produtoras de umidade para um
ambiente natural, proporcionando menores temperaturas ao comparado com as áreas
adjacentes desprovidas de vegetação e corpos hídricos (PEREZ et al., 2001).
Conforme Oke (1987), os estudos de balanço de energia em áreas urbanas no
início do século XX eram pautados na climatologia clássica e tinham como principal
objeto de investigação a distribuição no tempo e espaço dos principais elementos
climáticos, temperatura do ar e umidade. Esses elementos transmitem informações de
grande importância do estado momentâneo da atmosfera em um determinado local,
todavia não revelam de que forma esses componentes exercem influência no clima
local. Sendo assim, torna-se imprescindível o conhecimento dos componentes dos
fluxos energéticos em uma área urbana, sobretudo para o entendimento das trocas de
energia entre a superfície e atmosfera e, como esses parâmetros modulam o clima de
uma determinida área mediante as mudanças ocorridas na superfície.
37
O balanço de energia é consideravelmente alterado pela urbanização, sendo o

efeito mais importante aquele que se manifesta na evapotranspiração, pois se apresenta
inferior quando comparada com zonas rurais, fazendo com que haja uma canalização de
fluxo de calor sensível (H) e um aquecimento do ambiente. No período da manhã o
fluxo de calor sensível é armazenado nas superfícies e ao final da tarde e noite liberado
para atmosfera elevando a temperatura do ar. No entanto, o armazenamento maior de
calor nos sistemas urbanos não é devido às mudanças térmicas, a razão pode ser pela
falta de aprisionamento de energia pela vegetação a ser usada pelo calor latente na
evapotranspiração e geometria urbana que propicia zonas com maior capacidade de
absorção de energia para o aquecimento. Os principais fatores responsáveis por
alterações no balanço energético dos centros urbanos são os seguintes: a localização da
cidade dentro da região, o tamanho das cidades, a densidade da área construída, a
cobertura do solo, a altura dos edifícios, a orientação e a largura das ruas, a divisão dos
lotes, os efeitos dos parques e áreas verdes e detalhes espaciais do desenho dos edifícios
(OLGVAY, 1998).
A heterogeneidade da superfície urbana, onde estão inseridos diversos tipos de
cobertura com propriedades de absorção e reflexão de energia diferenciadas, torna as
interpretações do balanço de energia complexo e dificultoso. Entretanto, há um número
significativo de trabalhos voltados para essa temática que tem sido realizado no mundo,
com destaque para as cidades ocidentais (NUNES e OKE, 1977; CLEUGH e OKE,
1986; GRIMMOND, 1992; GRIMMOND e OKE, 1995), incluindo uma série de
estudos a longo prazo de comparação entre áreas urbanas e rurais e uma série de
condições sinóticas. Em regiões tropicais algumas observações foram realizadas na
cidade do México (OKE et al., 1999; GRACIA CUETO et al., 2003). Na Ásia e África
estudos realizados por Yoshida et al. (1991) e Offerle et al. (2003) demonstram a
importância das investigações do balanço de energia em área urbana com intuito de
identificar os efeitos da urbanização entre as trocas dos fluxos energéticos na superfície
e atmosfera.
Um grande número de equipamentos e modelos de balanço de energia utilizados
em superfícies urbanas vem sendo aplicados sobre diferentes hipóteses para
investigação das trocas de energia entre superfície e atmosfera. Dentro desse contexto,
Grimmond et al. (2010) analisaram e classificaram vinte seis modelos comumente
usados nas investigações urbanas. Os resultados das comparações apontam uma
evolução significativa nos métodos, consequentemente, melhorias nos desempenhos. As
38
avaliações foram baseadas em um conjunto de dados contendo a radiação líquida, calor

sensível e latente, observados em Vancouver, Columbia Britânica, Canadá. Os autores
concluem que algumas classes de modelos apresentam melhor desempenho para fluxos
individuais, porém nenhum dos modelos avaliados apresenta um desempenho melhor ou
pior para todos os fluxos.
Ao se analisar e comparar os vários estudos de balanço de energia entre os sítios
rurais e urbanos, Oke (1988) sintetizou os principais efeitos da urbanização ocasionados
pela modificação do uso e ocupação do solo nas cidades:
a) grande redução do fluxo de calor latente, no entanto este fluxo de torna
dominante quando ocorre precipitação;
b) o fluxo de calor armazenado no dossel urbano é superior ao fluxo de calor
armazenado no solo em ambientes rurais durante o dia, sendo esta energia liberada
durante a noite, o que mantém as superfícies aquecidas durante o período noturno;
c) o fluxo de calor sensível é ligeiramente superior durante o dia e apresenta
maior intensidade aproximadamente uma hora depois do pico de radiação solar,
permanecendo positivo durante algumas horas após o pôr do Sol;
d) fluxos de calor sensível positivo podem ser mantidos positivos durante toda a
noite; e,
e) o fluxo de calor armazenado no dossel urbano pode alcançar valor máximo
antes do pico de radiação solar (aproximadamente uma hora).
Cálculos de fluxo de energia de superfície são úteis para uma variedade de
propósitos, podendo ser usado para avaliar a técnicas de redução de calor, tais como
superfícies refletoras ou sombra de árvores, através da avaliação da temperatura de
superfície e a resposta aos componentes individuais de energia modificados pelas
técnicas (BRETZ et al., 1998; AKBARI et al., 1997, 2001). A instalação de
instrumentos em uma área urbana em desenvolvimento poderia ajudar a determinar as
formas e locais desejáveis para estruturas construídas com base no entendimento da
relação entre microclimas urbanos, arquitetura e urbanismo (EVANS e DESCHILLER
1996; GOLANY, 1996).
Yap e Oke (1974), destacam-se como percussores nas investigações de balanço
de energia em área urbana. Os autores realizaram avaliações de fluxo de calor sensível
através do método de correlação de Foucault em uma área urbana central na cidade de
Vancouver, Canadá, durante o verão de 1972. Os resultados encontrados elucidaram que
grande parte da energia disponível foi armazenada no tecido urbano, contemplando
39
telhados, edifícios, paredes e ruas, sendo que com maior intensidade no período da
tarde.
Em ano posterior, Núñez e Oke (1977) investigaram as trocas de energia
ocorrida dentro de um cânion urbano de latitude média em período de verão localizado a
sudoeste da região central da cidade de Vancouver, Canadá. Para tanto foram utilizados
na aferição dos fluxos energéticos dezesseis radiômetros para medir a radiação solar e
terrestre; um lisímetro; sete radiômetros líquidos para aferir a radiação líquida e, oito
termômetros, visando quantificar o papel desempenhado pelos materiais e orientação de
paredes. O particionamento dos fluxos energéticos do sistema cânion urbano mostrou
que 60% da radiação disponível no meio foi dissipada na forma de calor sensível para
aquecimento do ar, 30% foi armazenada nos materiais que compõem o cânion urbano e
10% foi consumido na evaporação da água presente no solo. O fluxo de calor no solo
foi modulado pela superfície urbana, destacando-se com os maiores valores nas áreas
desprovidas de vegetação, permanecendo com a energia armazenada durante o dia e
sendo liberada para atmosfera no período noturno.
Voogt e Grimmond (2000) realizaram uma modelagem da superfície para
obtenção do fluxo de calor sensível através da temperatura da superfície radiativa em
uma área urbana industrial de Vancouver (Canadá). Foram utilizados dados de uma
torre meteorológica e modelagem usando uma abordagem de transferência de massa e
calor, e sensoriamento remoto para espacialização da temperatura da superfície. As
condições sinóticas em ambos dos dias do estudo foram caracterizadas por céu claro e
ensolarado com temperaturas altas. Também predominou uma brisa marinha no período
de 15 dias durante as medições do balanço de energia. Os resultados encontrados
apontaram os maiores valores do fluxo de calor sensível nas áreas onde as temperaturas
da superfície apresentaram-se maiores, sobretudo nas áreas com coberturas metálicas,
ruas e edifícios, sendo os menores encontrados nos parques urbanos.
A heterogeneidade das áreas urbanas, a considerar os diversos materiais
presentes nos ambientes artificiais e sua variabilidade espacial, produz modificações no
balanço de energia, sobretudo quando comparados com áreas rurais. Dentro desse
contexto, Oke (1986, 1999); Grimmond et al. (1993); Grimmond e Oke (2002);
Christen e Vogt (2004) traçaram o comportamento do fluxo de calor no solo, sensível e
latente das referidas áreas. Segundo os autores supracitados, as áreas urbanas
apresentam uma menor aerodinâmica quando considerados com o ambiente rural, assim
como o fluxo de calor latente apresenta os menores valores nas áreas sem vegetação e
40
corpos hídricos, enquanto o fluxo de calor sensível apresenta-se oposto ao fluxo de

calor latente. Portanto, os maiores valores são registrados nas áreas sem vegetação e
corpos hídricos, podendo manter-se positivo durante toda a noite. O fluxo de calor no
solo, também foi modulado no tecido urbano, apresentando os maiores valores
armazenados durante o dia nas feições sem cobertura vegetal, enquanto as áreas
providas de vegetaçao destacaram-se com os menores valores.
O primeiro trabalho de balanço de energia em área urbana no Brasil através de
medições foi realizado na cidade de Cuiabá (MT) por Maitelle (1994), objetivando
identificar os efeitos da urbanização na temperatura e umidade do ar. Foi utilizado
dados meteorológicos obtidos com instrumentos instalados em uma torre fixa distante
2km da área central da cidade. Os componentes do balanço de energia foram calculados
através do método de Bowen, onde os resultados encontrados mostraram altas taxas de
armazenamento de calor no centro urbano e com participação do fluxo de calor sensível
no incremento da ilha de calor, enquanto as taxas de umidade apresentaram-se reduzidas
na referida área.
Um dos trabalhos pionerios no país com aplicação de modelo de balanço de
energia em área urbana foi realizado por Barbirato (1998) na cidade de Maceió (AL). O
modelo unidimensional foi adaptado as condições do clima quente e úmido
característico da região analisada. Foi avaliado na pesquisa o potencial do modelo face
as diversas tipologias de uso do solo através através da correlação entre os valores
observados e calculados relativos a áreas urbanas distintas. O modelo urbano adaptado
no presente trabalho mostrou microclimas diferenciados dentro de frações distintas do
ambiente urbano e os impactos térmicos consequentes, bem como a simulação de
situações térmicas possíveis com maior adensamento nesses espaços.
Tendo em consideração que o balanço de energia em área urbana representa a
soma dos saldos de energia das superfícies urbanas individuais, devidamente ponderado
pela área de superfície, Harman (2003) investigou o papel da morfologia de superfície
para determinar o balanço de energia de superfície de uma zona urbana e os impactos
subsequentes causados na camada limite planetário. O autor utilizou uma abordagem
experimental e modelagem dos processos energéticos na análise do fluxo turbulento
tomando como base os cânions urbanos, para determinar as densidades de fluxo de
superfície. Os resultados mostraram diminuição dos fluxos turbulentos devido aos
efeitos da geometria da superfície, enquanto na camada atmosférica acima da superfície
os fluxos foram maiores em virtude do menor efeito da rugosidade urbana.
41
Garcia-Cueto et al. (2003) coletaram dados de fluxos de energia na cidade de

Mexicali (área de deserto no México), em área suburbana e rural durante o período de
18 a 22 de março de 2001. Os resultados encontrados apresentaram maiores valores dos
fluxos durante o dia, com a maior parte (56 %) da energia disponível sendo utilizada
para aquecer o ar urbano, seguido por armazenamento (33 %) e 11 % para a
evapotranpiração de áreas verdes. Ao comparar estes resultados com os observados em
área rural, conclui-se que o fluxo de calor latente (com maior irrigação urbana) e o fluxo
de calor sensível (com maior admissão urbana) são maiores na cidade.
Em Christen e Vogt (2004) são apresentados estudos de balanço de energia em
sete sítios europeus localizados nas proximidades e no interior da cidade de Basiléia,
Suíça. A rede de sítios meteorológicos (BUBBLE - Basel Urban Boundary Layer
Experiment) permitiu comparações simultâneas em três áreas urbanas, uma suburbana e
três rurais durante o período de verão de 10 de junho a 10 de julho de 2002. Durante o
dia, os valores médios dos fluxos de calor latente foram de 20%, 30% e 60% do saldo
de radiação, para os sítios urbano, suburbano e rural, respectivamente. Com relação aos
fluxos de calor sensível, os valores médios diários alcançaram 50%, 40% e 30% do
saldo de radiação, para os sítios urbano, suburbano e rural, respectivamente. Os valores
médios diários da razão de Bowen para os sítios urbanos variaram de 2,28 a 4,27,
enquanto para o sítio suburbano, o valor médio determinado foi de 1,23 e para os sítios
rurais de 0,11 a 0,15.
As trocas de energia entre a superfície e atmosfera foram analisadas por Offerle
et al. (2005) na cidade de Ouagadougou localizada no Oeste Africano. Ralizaram-se
observações do balanço de energia através do modelo TEB e imagens do satélite
ASTER (Advanced SpaceborneThermal Emissionand Reflection Radiometer) em um
bairro residencial com medições de temperatura em edifícios em três locais distintos. Os
autores descrevem que a classificação e a compactação da superfície para estradas e o
aumento cada vez maior de casas apersentaram um impacto mensurável em termos de
radiação líquida e armazenamento de calor, sendo a diferença em troca radiativa líquida
entre as áreas residenciais e rurais um fator importante para o clima local. O saldo de
radiação apresentou os menores valores do centro durante a estação seca e o albedo
destacou os maiores valores seguido das estrutas metálicas. A conclusão do trabalho
aponta que o aumento da urbanização leva à dependência crescente de materiais
absorvedores de energia, com aumento de pavimentação e densidade de edifícios
promovendo alterações no balanço de energia da superfície, aumentando o albedo e
42
aumento de armazenamento de calor, contribuindo com maiores temperaturas no

período noturno na área urbana.
Newton et al. (2007) realizaram um estudo no balanço de energia na área urbana
de Miami, onde efetuaram os fluxos de calor em período de verão e inverno. Para tanto,
foram obtidos o albedo, radiação solar, emissividade, temperatura e resistência
aerodinâmica do dossel através da razão de Bowen. Foi considerado a influência da
drenagem de águas na advecção do ar quente e úmido pela brisa do mar e os ventos
alísios. Os resultados apontaram os maiores valores dos fluxos de calor no período
quente, semelhante aos locais em climas temperados, a fração de energia utilizada em
evaporação/evapotranspiração foi alta devido a presença de solos úmidos.
Vesala et al. (2008) em estudo pioneiro na Cidade de Helsinki, Finlândia,
avaliaram a intensidade dos fluxos de calor sensível e latente no período de dezembro
de 2005 a agosto de 2006. Os valores médios diários do fluxo de calor sensível para o
sítio urbano excederam os de calor latente, alcançando 300 W m-2 no verão e 100 W m-2
no inverno. Durante o verão, o fluxo de calor latente foi de aproximadamente 100 W m-
2, enquanto no período do inverno os valores reduziram para 30 W m-2 . A razão de
Bowen horária no verão foi inferior a 5%, enquanto no inverno, alcançou a magnitude
de 20%.
No mesmo ano Davis et al. (2008) realizaram um estudo sobre a variação do
fluxo de calor sensível na área urbana de Salford, Inglaterra, através de sensoriamento
remoto. Os autores utilizaram imagens de radar por laser Doppler instalado a 100
metros de altura da superfície, onde foram selecionados cinco áreas com características
de cobertura distintas e realizadas comparações. As áreas com predomínio de prédios
residenciais localizadas próximas a parques apresentaram aumento na turbulência
proporcionando diminuição no fluxo de calor sensível e aumento de calor latente com
considerável produção de umidade e valores médio em torno de 165 W m-2 , enquanto
nas áreas industriais 183 W m-2 e nas construções horizontais representadas por casas,
escritórios e condomínios sem presença de vegetação apresentaram 177 W m-2 . Os
condomínios horizontais localizados com presença de áreas verdes apresentaram os
menores valores do fluxo de calor sensível, 94,93 W m-2 . A resolução espacial do
modelo utilizado possibilitou a identificação de diferentes alvos representados na
superfície urbana de Salford.
Dou et al. (2009) estudaram o balanço de energia em um subúrbio da cidade de
Pequim, durante o período de julho 2007 a fevereiro de 2008, tendo como objetivo
43
compreender o impacto da urbanização no comportamento do calor sensível, latente e a

resistência aerodinâmica dentro da cidade. Para realização da pesquisa foram utilizados
dados de uma torre meteorológica instalada a 45 m de altura da superfície, assim como,
sensores de temperatura e anemômetro utilizados para quantificar os fluxos com base de
vórtices turbulentos. Os resultados demonstraram que o particionamento da energia era
dominado pelo fluxo de calor latente no verão e por fluxo de calor sensível no inverno.
Sob condição de céu claro, os fluxos de calor latente, calor sensível e o calor
armazenado no dossel urbano foram de 50%, 18% e 32% do saldo de radiação no verão,
e de 10%, 56% e 33% do saldo de radiação, no inverno. Além disso, o valor da razão de
Bowen média diária foi de 0,53 e 6,29 no verão e no inverno, respectivamente. Segundo
os autores, a grande diferença encontrada entre o particionamento dos fluxos de energia
entre o sítio suburbano da cidade de Pequim e entre as cidades norte-americanas pode
ser atribuída às distintas características da superfície em estudo, tais como o tamanho,
forma e arranjos das construções, bem como, a quantidade de cobertura vegetal presente
no entorno do sítio estudado.
Os estudos de balanço de energia em áreas urbanas no Brasil ainda são
incipientes quando comparados aos realizados em áreas agrícolas e com cobertura densa
de vegetação, estes em superfícies homogêneas destacam-se em maior percentual.
Dentre os trabalhos publicados, destaca-se o realizado por Ferreira (2010) que
determinou a variação diurna e sazonal dos principais componentes do balanço de
energia na superfície da cidade de São Paulo. O autor utilizou dados dos fluxos
energéticos, temperatura e umidade relativa do ar, temperatura da superfície e
velocidade do vento na plataforma micrometeorológica e da estação da Universidade de
São Paulo durante o ano de 2004. Os resultados encontrados indicam que durante o
período diurno o fluxo de calor sensível somado à condução e convecção, responde por
mais de 85% da entrada de energia no dossel urbano, sendo 44% dessa energia
armazenada na mesma região e 44% foi utilizada para manter a turbulência e aquecer a
camada limite urbana. A pesquisa conclui que no período noturno, o fluxo de calor
armazenado é a principal fonte de energia disponível na cidade de São Paulo, mantendo
a emissão de radiação de onda longa da superfície e evaporação. A maior parte dos
parâmetros radiométricos, térmicos e aerodinâmicos do dossel urbano de São Paulo são
comparáveis com regiões urbanas localizadas em outras latitudes.
Araujo et al. (2010) analisaram a influência da superfície urbana na intensidade
da precipitação da cidade Recife através do modelo BRAMS (Brazilian developments
44
on the Regional Atmospheric Modeling System), visando avaliar algumas variáveis

meteorológicas e os componentes do balanço de energia com a parametrização TEB
(Town Energy Budget) para uma melhor representação das áreas urbanas considerando a
geometria de cânion local. Os resultados encontrados apontaram que a cidade em estudo
apresenta grande capacidade em armazenamento de calor sensível durante o dia e
dissipação de forma lenta no período noturno, e desta feita contribuindo para o
surgimento das ilhas de calor. O fluxo de calor sensível com o uso do TEB apresentou
uma melhor sensibilidade com ausência de chuva, refletindo em menor índice de
aquecimento e com resultados mais realísticos, o inverso ocorreu com o fluxo de calor
latente. Diante destes resultados, concluíram que o TEB é importante para estimativas
de fluxos, possibilitando mais precisão em seus resultados nas áreas urbanas.
Machado (2011) analisou o balanço radiativo e a temperatura das paredes de um
cânion urbano na Avenida Queiroz Filho na cidade de São Paulo através de radiômetros
e termômetros infravermelhos. Os resultados apontaram para um setor com pouca ou
sem vegetação a taxa de resfriamento radiativo oscilou entre 40 e 80 W m-2 , durante o
período diurno e o período noturno, respectivamente, enquanto uma região densamente
arborizada, esta mesma taxa de resfriamento permaneceu aproximadamente constante,
em torno de 60 W m-2 , independentemente do ciclo diurno e noturno.
Recentemente, Callejas (2012) analisou o balanço de energia em três ambientes
urbanos localizados em posições distintas na cidade de Cuiabá (MT). O autor concluiu
que as taxas de fluxos de calor armazenado no dossel urbano e as dos fluxos de calor
sensível estão diretamente relacionadas com a fração de área plana impermeabilizada e
inversamente com a fração de área vegetada existente no entorno dos sítios urbanos
pesquisados. Igualmente observou-se grande redução do fluxo de calor latente (LE) em
virtude da reduzida área permeável e baixa quantidade de área vegetada, sendo que a
maior quantidade de vegetação existente em um dos sítios urbanos pesquisados foi
responsável por elevar as taxas de fluxos de calor latente em seu entorno. Os resultados
encontrados demonstraram que as taxas de fluxos de calor armazenado no dossel urbano
e as dos fluxos de calor sensível estão diretamente relacionadas à fração de área plana
impermeabilizada e inversamente à fração de área vegetada existente no entorno dos
sítios urbanos.
Souza et al. (2012) fizeram comparações de temperatura do ar e dos fluxos de
calor no período de inverno em duas superfícies distintas na cidade Ourinhos, MG. O
trabalho foi realizado através de dados de duas estações meteorológicas para simular
45
duas situações climáticas dentro do modelo microclimático ENVI-met. Analisou-se o

comportamento da temperatura do ar à superfície, da temperatura do ar a 2,5m de altura,
do fluxo de calor latente, do fluxo de calor sensível e do fluxo de calor para o solo em
dois pontos específicos destas áreas, em um período típico de inverno. Os resultados
mostrou que a diferença na temperatura do ar junto à superfície chegou a 4,5°C,
enquanto a 2,5 m a diferença foi de 0,5°C, o que ressalta a influência da superfície no
aquecimento do ar próximo a ela. Na área urbana, o fluxo de calor sensível e o fluxo de
calor para o solo foram maiores, evidenciando a influência da superfície urbana em
armazenamento de calor.
As investigações de balanço de energia supracitadas baseadas em equipamentos
e modelos têm como principal objetivo a quantificação dos fluxos energéticos em áreas
específicas com representação pontual. Entretanto não conseguem contemplar a
heterogenidade espacial da área urbana. Por esta razão as abordagens de sensoriamento
remoto são muito atraentes para representar as informações espacialmente distribuidas,
contemplando desta forma os diversos tipos de coberturas inseridos em uma superfície
urbana.
2.2.2. Sensoriamento remoto aplicado ao balanço de energia
Dentre as diversas conceituações que permeia a definição do Sensoriamento

Remoto (SR), a mais utilizada define-o como a utilização conjunta de modernos
sensores, equipamentos para processamento de dados e equipamentos de transmissão de
dados colocados a bordo de aeronaves, espaçonaves, ou outras plataformas, com o
objetivo de estudar eventos, fenômenos e processos que ocorrem na superfície do
planeta Terra a partir do registro e da análise das interações entre a radiação
eletromagnética e as substâncias que o compõem em suas mais diversas manifestações
(FLORENZANO, 2007; NOVO, 2008).
O processo de registro e captação das informações da superfície terrestre por
sensoriamento remoto é possível mediante a interação da radiação emitida e refletida
pelos alvos, sendo interpretado pelo sensor através das resoluções: (1) resolução
espectral é a medida da largura das faixas espectrais e da capacidade que o sensor
possui em distinguir os níveis de intensidade do sinal que retorna; (2) resolução espacial
ou geométrica, corresponde à habilidade do sensor em distinguir e medir os alvos; (3)
resolução radiométrica que corresponde à capacidade do sensor em detectar as variações
46
da radiância espectral recebida, permitindo diferenciação de um alvo do outro com

associação ao número de dígitos binários (bits) necessários para armazenar o valor
máximo de cada pixel possibilitando uma melhor separação de detalhes da superfície;
(4) resolução temporal e é a frequência de passagem do sensor no mesmo local em um
determinado intervalo de tempo, denominada também de periodicidade ou
repetitividade (CROSTA, 1993; SCHOWENGERDT, 1997; MELO, 2002; JENSEN,
2003; FLORENZANO, 2007; SOUZA et al., 2007).
Diversas metodologias baseadas em medições de campo vêm sendo empregadas
no cômputo do balanço de energia em áreas com relativa homogeneidade, apresentando
resultados satisfatórios. Portanto, quando se tem como objetivo a determinação de
balanço de energia em escala regional, ou com cobertura sobre áreas heterogêneas, a
utilização de técnicas de sensoriamento remoto é determinante na representação espacial
dos distintos padrões espectrais presentes na superfície. Nesse sentido, a utilização de
imagens de satélite apresenta-se como uma alternativa com grandes potenciais e tem
sido utilizada de forma intensiva em escala operacional contemplada por diversos países
em estudos de balanço de energia.
O grande desafio nas estimativas dos componentes do balanço de energia em
áreas urbanas através de modelos é a complexidade apresentada pelas mesmas pois as
equações propostas consideram o dossel urbano como um todo homogêneo, e desta
forma mascaram a realidade entre as trocas de energia, todavia, vêm sendo
exaustivamente utilizados tais modelos (CHRISTEN e VOGT, 2004). Gartland (2010)
destaca que uma quantificação precisa dos fluxos de balanço de energia da superfície,
faz-se necessário entender as mudanças espacial e temporal dos parâmetros biofísicos
assim como, rugosidade e estrutura da superfície.
Com objetivo de representar o balanço de energia espacialmente em uma
superfície urbana, diversos trabalhos têm feito uso das ferramentas de sensoriamento
remoto em todo o mundo. Desde 1970, avanços significativos no sensoriamento remoto
com muitas aplicações voltadas para o ambiente urbano que envolve dados coletados
pelos sensores montados em superfície, aviões e satélites usando observações dos
sensores ativos e passivos (GRIMMOND et al., 2004). Em climatologia urbana, os
sensores termais dos satélites Landsat 5, AVHRR, ASTER, MODIS, AGEMA têm sido
usados intensamente nas identificação de ilhas de calor urbano e estimativas de radiação
líquida, fluxos de carbono, evaporação, fluxo de calor sensível e latente com objetivo de
analisar áreas com grandes e pequenas extensões (CARLSON et al., 1981; LEWIS e
47
CARLSON, 1988; VOOGT e GRIMMOND, 2000; CHRYSOULAKIS, 2003;

CARLSON e ARTHUR, 2000; SOEGAARD e MOLLER-JENSEN, 2003).
O sensoriamento remoto, fornece maior extensão espacial e representação dos
dados através da resolução temporal dos satélites supracitados, permitindo com isto
uma análise de maior abrangência e contemplando as diferentes áreas inseridas na
malha urbana. De acordo com Liu (2006), é possível quantificar os componentes da
equação do balanço de energia bem como da radiação de onda curta e radiação de onda
longa através de sensoriamento remoto via satélite com precisão em torno de 95%
aproximadamente, sendo 5% de incerteza atribuido aos efeitos atmosféricos. Sendo
assim, o sensoriamento remoto pode ajudar a analisar a radiação espacialmente
distribuídas e os fluxos de calor em ambientes complexos como as zonas urbanas, de
modo a revelar as respostas das interações da radiação na superfície.
Rigo et al. (2007) modelaram o fluxo de calor no solo de uma área urbana
localizada no norte da Suiça, através de sensoriamento remoto. Foram utilizados na
pesquisa dados de diferentes sensores a bordo de satélites: MODIS (Moderate
Resolution Imaging Spectroradiometer), ASTER (Advanced Spaceborne Thermal
Emission and Reflection Radiometer), NOAA (National Oceanic and Atmospheric
Administration) AVHRR e Landsat ETM+ (Land Remote Sensing Satellite), sendo
validado com dados de campo. Uma abordagem de regressão combinando NDVI-
Bowen-Ration foi utilizada para calcular os fluxos turbulentos no dominínio espacial.
Conforme os resultados apresentados, as imagens dos satélites apresentaram uma forte
relação com a razão de Bowen e NDVI. A abordagem utilizada NDVI / Bowen-Razão
apresentou resultados muito promissores e bons para densidades dos fluxos de calor
durante o dia, enquanto que para o período da noite não apresenta utilidade devido a sua
forte dependência com o NDVI (Normalized Difference Vegetation Index) fazendo com
que houvesse grandes diferenças diariamente com relação a razão de Bowen. Os
autores concluíram que os resultados são muito promissores servindo como referência
na continuação da utilização de sensoriamento remoto para avaliação de densidade dos
fluxos de radiação e calor em áreas urbanas.
Novas (2008) realizou mapeamento do balanço de radiação à superfície terrestre
e índice de vegetação na área da bacia do rio Pratagy, localizado no estado das Alagoas
(AL), através de técnicas de sensoriamento remoto. O estudo utilizou dados de imagens
do satélite Landsat 5 entre os anos de 1990, 1998 e 2003 e o algoritmo SEBAL. Os
resultados encontrados apontaram uma redução na cobertura vegetal entre os anos
48
analisados, sobretudo nas áreas onde houve aumento de urbanização. O saldo de

radiação apresentou um aumento no valor médio entre 1990 e 1998 e decresceu entre
1998 e 2003 com amplitudes de 129,6 W m-2 e de 77,3 W m-2 , respectivamente.
Paiva (2005) fez uso de imagens do satélite NOAA (National Oceanic and
Atmospheric Administration) - AVHRR aplicado ao algoritmo SEBAL para estimativa
do balanço de energia em Dourados (Mato Grosso do Sul) e comparadas com as
determinadas em campo pela razão de Bowen. Os resultados do modelo SEBAL
apresentaram erros de estimativa inferiores a 4%, 6% e 7% para o saldo de radiação,
fluxo de calor sensível e fluxo de calor latente, respectivamente, quando comparados
com as medidas de campo.
Kato et al. (2007) realizaram estimativas dos fluxos de radiação na cidade de
Nagoya (Japão) através do sensor ASTER a bordo do satélite Terra e dados
meteorológicos para quantificar o fluxo de calor entre a superfície e o interior do dossel
em três datas, com medições diurnas. Os resultados do fluxo de calor armazenado
encontrados nos distritos comerciais e empresarias centrais foram maiores do que nas
áreas residenciais vizinhas, porém no período de inverno na área urbana central foram
encontrados valores entre 240 e 290 W m-2 , enquanto nas residenciais os fluxos de
armazenamento apresentaram valores inferiores com intervalos entre 180 e 220 W m-2 .
Durante à noite os valores negativos da área urbana central foram maiores em
comparação com os do dia, enquanto as áreas industriais apresentaram altos valores
negativos em ambos os períodos.
Xu et al. (2008) visando entender as modificações ocorridas nas ára urbana e
suas implicações no clima local, realizaram um estudo de modelagem do fluxo de calor
sensível na área urbana de Shangai, China, utilizando imagens hiperespectrais do sensor
Imaging Spectrometer Modular (Osiris) com resolução espacial de 6 m, juntamente com
mapa de levantamento e dados meteorológicos. Devido à alta resolução espacial do
sensor foi possível constatar o fluxo de calor sensível para coberturas de telhado, com
valores próximo a 350 W m-2 . Com sensores de resolução de 30 m, usando o mesmo
método, produziram resultados semelhantes com uma diferença inferior a 15 W m-2 .
Sintetizaram que o uso de imagens de satélite com tais resoluções espaciais face a
arquitetura da área apresentaram-se como uma solução prática à determinação dos
fluxos de calor em áreas urbanas.
Kato et al. (2012), a fim de investigar a influência da escala da cidade assim
como a topografia e o clima na transferência de calor de superfície, compararam o
49
balanço de energia para três cidades de Taiwan, China. Para realização do trabalho
foram estimados os fluxos de calor mediante imagens do satélite ASTER e
FORMOSAT-2 (Satélite óptico de alta resolução), assim como dados meteorológicos.
Os resultados encontrados para as três cidades apontaram valores do saldo de radiação
com variação entre 200 W m-2 nas áreas urbanas e 350 W m-2 nas feições de floresta.
Para o fluxo de calor sensível os valores foram modulados pelo tamanho das cidades,
destacando-se as áreas urbana residenciais das cidade de Kaohsiung, Taian e Kaohsiung
com intervalos de 300 W m-2 , 200 W m-2 e 373 W m-2 , respectivamente, enquanto nas
zonas industriais e comerciais esses valores foram superiores a 400 W m-2 . O fluxo de
calor latente e o fluxo de calor no solo nas áreas urbanas apresentaram valores médios
entre 0 e 3 W m-2 , enquanto o calor no solo apresentou intervalos superiores a 94 W m-2 .
Estes resultados implicam que o terreno em torno de uma determinada cidade, bem
como a escala de atividade urbana afeta significativamente o balanço de calor nas
cidades, proporcionando altos valores de fluxo de calor sensível em detrimento do fluxo
de calor latente.
Gomes et al. (2013) realizaram estudo do balanço de energia através de técnicas
de sensoriamento remoto com uso de imagem do TM Landsat 5 e aplicação do
algoritmo SEBAL na cidade de Patos (PB), visando quantificar os principais
componentes do balanço de energia. Os resultados mostraram que o saldo de radiação
variou de modo similar ao determinado na literatura; os valores do fluxo de calor
sensível apresentaram alta variabilidade espacial, coerentes com a distribuição espacial
de sobre a área estudada. O fluxo de calor latente apresentou os maiores valores para os
corpos d’água e área vegetadas e menores valores para a zona urbana e solo exposto,
devido à sua baixa disponibilidade de umidade, resultando em valores de
evapotranspiração diária variando entre 0,1 e 12 mm d-1 . A imagem de satélite mostrou
que a modificação do uso e da cobertura do solo contribui para mudanças significativas
nos parâmetros do balanço de energia.
2.3. Evapotranspiração em área urbana
A evapotranspiração (ET) constiui-se em parâmetro físico/biológico de perda de

água liberada em forma de vapor para atmosfera oriundos da vegetação e do solo,
constituindo-se de grande relevância no equilíbrio do clima em uma área urbana.
Todavia, o conhecimento da variabilidade espacial das taxas de ET voltados para esta
50
finalidade apresentam-se limitados no campo da pesquisa. A mesma é responsável por

quase todo o volume de água transferido dos continentes para a atmosfera, além de
desempenhar um papel de suma importância na liberação de calor latente, que de acordo
com Bastiaanssen et al. (1998a), o seu valor integrado no tempo é importante para
diferentes aplicações em estudos de modelagem e monitoramento do clima.
Segundo Allen et al. (2002), a evapotranspiração é variável no espaço e no
tempo. É variável no espaço, devido à grande variabilidade espacial das precipitações,
características hidraúlicas dos solos, tipos de vegetação e densidade, e variável no
tempo devido à sazonalidade do clima.
Conforme Grimmond et al. (1991), diversos estudos hidrológicos nas áreas
urbanas voltam suas atenções em questões de abastecimento de água e/ou escoamento
de inundação, tendo a precipitação como principal elemento dos processos hidrológicos.
Todavia outros elementos de forma implícita ou explícita são amplamente ignorados,
sobretudo a evapotranspiração. De acordo com Chandler (1976), em alguns casos, isso
é totalmente apropriado, mas em outras ocasiões se trata de um conceito errôneo e
amplamente difundido de que a evapotranspiração em áreas urbanas pode ser
negligenciada, tomando como pressuposto inicial que o percentual de áreas verdes é
inferior a zonas rurais circunvizinhas, apresentando contrastes nas propriedades
hidrológicas devido ao intenso uso da superfície com materiais impermeáveis. No
entanto, em muitas áreas urbanas os percentuais de superfícies vegetadas cobrem áreas
significativas e em muitos ambientes urbanos há mais árvores do que na paisagem rural
circundante, consequentemente apresentam alto potencial na produção de umidade por
advecção e evapotranspiração em micro escala.
Diversas pesquisas têm feito o uso da evapotranspiração para determinar a perda
de água em áreas de agricultura irrigada e bacias hidrográficas com atenções
direcionadas para o monitoramento e gerenciamento. Entretanto, em superfícies urbanas
tais estudos são limitados. Em particular, os voltados com enfoque climático,
considerando que os equipamentos não são de fácil acesso, apresentam altos custos e
não contemplam a representação dos distintos tipos de cobertura. Sendo assim, o
sensoriamento remoto tem se mostrado uma abordagem adequada para estimativa da
evapotranspiração em grandes áreas, pois satélites são capazes de fornecer parâmetros
representativos, como características radiométricas da superfície, albedo e índices de
vegetação consistentes, de maneira prática e economicamente viável. A exemplo da ET
estimada via imagens orbitais, destaca-se o algoritmo SEBAL, que requer apenas de
51
imagens de satélite e dados medidos em estações meteorológicas (CHOUDHURY

1989; KUSTAS e NORMAN, 1996).
Conforme Coltri et al. (2007), a estimativa da evapotranspiração em área urbana
é de grande relevância para o monitoramento de áreas propensas à produção de umidade
e na identificação das ilhas de calor urbano, considerando ser este parâmetro
diretamente relacionado com a energia disponível na superfície.
Estimativas de evapotranspiração em áreas urbanas não são comuns
considerando que demandam custos elevados somado com a complexidade no
processamento dos dados. Dentro desse contexto, Taha (1997) discute que a ET em
áreas urbanas pode criar “oásis” e consequentemente favorecer a criação de ilhas de
amenidade com temperaturas entre 2 e 8°C menores, comparadas com as áreas
desprovidas de vegetação e corpos hídricos. Ainda, pode em condições extremas
proporcionar o fluxo de calor sensível negativo, indicando com isto que o ar acima da
vegetação e sobre o ambiente seco fornecerá calor sensível à área vegetada.
Grimmond et al. (1999) realizaram um estudo para investigar o impacto das
áreas urbanas nas taxas evaporativas das corpos hídricos e vegetadas. Para realização do
trabalho na escala meso-climática foram realizadas medições direta da magnitude e
varibilidade da ET utilizando técnicas micrometeorológicas e correlação de turbulenta.
Os resultados mostraram que a ET é um fluxo importante em áreas urbanas,
constituindo-se em bairros residenciais um dissipador de energia do dia com percentuais
entre 22 - 37% e com 28 - 46% do saldo de radiação diário, excedendo em muitos casos
a precipitação, e sendo alimentado pelo uso da água encanada no abastecimento urbano.
Os autores concluíram que o conhecimento da variabilidade espacial das taxas de ET
urbanas no interior das cidades permanece limitado, apesar do fato de serem necessários
muitos desses dados na Hidrologia, Meteorologia e aplicações voltadas para o estudo do
clima urbano.
Giacomoni (2005) estimou a evapotranspiração por meio de técnicas de
sensoriamento remoto integradas a modelos de balanço de energia em três classes de
solo no estado do Rio Grande do Sul. Foram utilizados na realização da pesquisa
imagens do satélite NOOA (National Oceanic and Atmospheric Administration) e dados
climatológicos obtidos em estação meteorológica que foram implementados nos
algoritmos SEBAL e S-SEBI (Simplified Surface Energy Balance Index). Os resultados
para as principais classes de cobertura do solo no Estado através do algoritmo SEBAL,
apresentaram perdas médias anuais (mm ano-1 ) na classe floresta (686), lagoa (732) e
52
área urbana (276), enquanto o S-SEBI apresentou para os mesmos alvos, 918 mm, 669
mm, 363 mm, respectivamente.
3. MATERIAL E MÉTODOS
3.1. Área de Estudo

O objeto do estudo é a cidade do Recife localizada a 8º 04’ 03” de latitude Sul e
34º 55’00” de longitude Oeste (Figura 2), capital do estado de Pernambuco, localizada
no litoral do Nordeste brasileiro na porção centro leste da região. A cidade compreende
uma área territorial de 217.494 km², limitando-se, ao norte, com as cidades de Olinda e
Paulista, ao sul com o município de Jaboatão dos Guararapes, Oeste com São Lourenço
da Mata e Camaragibe e ao leste com o Oceano Atlântico.
Figura 2 - Localização da área de estudo. Mapa do Brasil, mapa de Pernambuco e

imagem Landsat 5 –TM destacando a cidade do Recife na composição R(5), G(4), B
(3).
O clima do Recife é dominado pela presença da massa ar oriunda do Anticiclone

do Atlântico Sul, e pelas perturbações que esta sofre ao decorrer do ano. A classificação
conforme Koppen é caracterizado quente e úmido As` com chuvas de outono a inverno,
53
iniciadas nos meses de março com precipitação total anual acima de 1200 mm e
isotermas que variam entre 26°C e 22°C, apresentando elevada umidade relativa do ar,
com valores médios anuais superiores 84%. A região estudada está situada dentro da Zona
Intertropical, e com latitude próximo ao Equador, apresenta alta taxa de isolação entre
os meses de verão. Devido a isto, apresenta temperatura do ar média mensal em torno
de 25°C, sendo os meses de janeiro e fevereiro os mais quentes, com temperaturas
superiores a 26°C, enquanto os meses de julho e agosto apresentam temperaturas iguais
ou inferiores a 24°C. A diferença anual de temperatura entre janeiro e julho é apenas
3°C e a amplitude térmica diária pode chegar a ser superior a 6°C (CORRÊA, 2006).
Os sistemas atmosféricos responsáveis pelo regime de chuvas, destacam-se as
massas de ar provenientes do Anticiclone do Atlântico Sul, as Ondas de Leste, comuns
entre outono/inverno e a ZCIT (Zona de Convergência Intertropical) que se dispõe no
talvegue das baixas pressões equatoriais onde convergem os alísios boreais e austrais na
Zona de Doldruns, atingindo a cidade especificamente no outono com chuvas, trovoadas
e mudança na direção dos ventos. A cidade também recebe a influência das
perturbações oriundas da proximidade da própria Frente Polar, que atinge o Recife em
frontólise (dissipação) e precipitações oriundas de movimentos ciclônicos da alta
troposfera, os vórtices ciclônicos, geralmente de escala mesorregional. Os referidos
sistemas desenvolvem-se mais ativamente no verão e possuem um centro com límpido e
bordas nebulosas, de onde provêm as precipitações (CORRÊA, 2006).
A cidade mantém acelerado ritmo de crescimento da sua população tendo, na
segunda metade do século XX, ultrapassando um milhão de habitantes. Segundo dados
do IBGE/2010, a região metropolitana do Recife é a mais populosa do Nordeste e a
quinta maior do Brasil ao lado de Fortaleza e Salvador. Com uma população de
1.533.580 milhões de habitantes e total de 3,73 milhões em toda área metropolitana,
sendo considerada uma das cidades com maior desenvolvimento econômico do
Nordeste do Brasil. A metrópole tem como forte característica o comércio, o qual teve
início no período da economia açucareira com o Porto do Recife. Sua função e
hierarquia acompanharam o ritmo das transformações socioeconômicas do Brasil, e
atualmente é um dos mais importantes centros de serviços e distribuição de mercadorias
da região Nordeste.
A atual conjuntura econômica da metrópole e sua região metropolitana
apresentam-se em pleno crescimento, sobretudo com a implantação de complexos
industriais, refinarias de petróleo, expansão portuária, estaleiros e infraestrutura para
54
atender ao evento futebolístico da Copa do Mundo FIFA, proporcionado intensas

modificações nas coberturas naturais
Devido ao forte crescimento de sua população e das áreas do seu entorno, deram
origem a um dos maiores aglomerados urbanos do país. A RMR (Região Metropolitana
do Recife) é composta por 14 municípios e promove uma migração pendular de 198.551
estudantes e trabalhadores os quais tem como destino à capital (Observatório, 2006).
Encontra-se dividida em seis Regiões Político-Administrativas (RPA) Figura 3,
abrigando 42% da população total da Região Metropolitana. Dentre as seis Regiões
Políticos Administrativas, a RPA 1 abriga o menor número de habitantes, tendo uma
população equivalente a apenas 5,5% da população total da cidade, enquanto a RPA 6
ocupa a maior parte, tendo uma população aproximadamente 25% do total.
Figura 3 – Localização das Regiões Político-Administrativas.
Atribui-se o seu crescimento urbano a uma ocupação inadequada nas áreas de

morros (tabuleiros e colinas) e mangues (planície flúvio marinha) localizados na parte
norte da capital e dos municípios, contribuindo significativamente na demanda por
deslocamentos entre estes e a região central da cidade do Recife, onde estão
concentradas as maiores ofertas de empregos, conforme o projeto “Moradia é Central”
(2009). Nas últimas décadas verifica-se, à semelhança do que vem ocorrendo em outras
áreas metropolitanas brasileiras, altas taxas de crescimento populacional nos municípios
55
da periferia metropolitana e taxas negativas de crescimento em vários bairros centrais da

cidade do Recife.
O Centro do Recife desempenha um papel importante na economia da cidade e
da Região Metropolitana. Nele estão situadas as sedes dos governos estadual e
municipal, secretarias estaduais, órgãos federais, sede de empresas, bancos e escritórios,
além de universidades, museus, hospitais, polos industriais e centros comerciais.
As intervenções públicas realizadas no Recife na segunda metade do século XX
seguiram um modelo de planejamento urbano que reforçou esse processo de expansão
periférica do tecido urbano, intensificando as situações de precariedade habitacional e
subutilização de áreas com infraestrutura. Enquanto se consolidava a ocupação nas
periferias, uma enorme área edificada cujo uso característico era o residencial
esvaziava-se. A ocupação irregular e precária de áreas alagadiças e de morros tornou-se
a solução habitacional para grande parte da população.
O adensamento populacional aliado ao crescimento econômico ocasiona
aumento da especulação imobiliária e do valor do solo urbano, o que traz para a cidade
conseqüências como: verticalização dos bairros mais centrais e bem localizados;
ocupação de áreas antes marginalizadas, como manguezais, por grandes
empreendimentos e deslocamento da população mais pobre para áreas de morros as
quais guardam os fragmentos de Mata Atlântica.
O crescimento urbano, seguido da ausência de uma eficiente fiscalização por
parte do poder público, provoca o crescimento de áreas asfaltadas e diminuição das
vegetadas, ou seja, modificação no uso e cobertura do solo o que tem acelerado
importantes modificações nos componentes do balanço de energia.
Somado a este crescimento e ao surgimento de novas fábricas e industrias para o
suprimento de bens em gerais, surgem os problemas de ordem ambientais atrelados a
substituição das áreas verdes por superfícies urbanizadas em benefícios da especulação
imobiliária, proporcionando modificações nas trocas de energia entre a superfície e
atmosfera e contribuindo para o surgimento das ilhas de calor.
A Figura 4 apresenta a carta de uso e ocupação do solo, onde as classes unidades
de conservação e áreas verdes são representado em verde, com maior expressão na
região norte e oeste, região conhecida como cinturão verde da cidade, localizadas nas
áreas de proteção ambiental e reservas ecológicas, caracterizados por fragmentos de
mata atlântica e Manguezal do Pina na região sul.
56
Figura 4 - Carta de uso do solo na cidade do Recife, destacando as classes: unidades de

conservação, áreas verdes, corpos hídricos, área urbana e ocupação urbana intensa.
O sistema fluvial, incluindo o rio Capibaribe e outros corpos hídricos, está

representado na classe corpos hídricos. A classe representada na tonalidade cinza e
amarela compreende o setor onde está situada a malha urbana, com enfoque aos
loteamentos formais localizados na área de intensa urbanização e em maior magnitude
57
na cidade. Conforme as feições representadas asseguram-se que a mancha urbana

apresenta-se com solo bastante influenciado por pressões econômicas, destacando-se
com elevado grau de adensamento construtivo e superfícies impermeáveis.
O Município é contemplado por três bacias hidrográficas: Capibaribe, Beberibe
e Tejipió, sendo cortada pelos Rios Capibaribe e Beberibe, também sendo influenciada
por outros de menor extensão como o Jiquiá, Jordão e Tejipió. A vegetação está
disposta em Tabuleiros Costeiros divididos em subzonas: mata atlântica (fragmentos) e
manguezais. A compartimentação do relevo foi elaborada durante o quaternário sobre
terrenos sedimentares do tipo areias, siltes, argilas e sedimentos conglomeráticos que
em alguns lugares servem de recursos para abastecimento de empresas de extração de
recursos minerais.
A estrutura geológico-geomorfológica da cidade predomina depósitos
sedimentares arenosos, e argilo-arenosos, e uma topografia que alterna terrenos planos,
de difícil drenagem, com colinas – morros – sedimentares com taludes instáveis,
divididos em seis unidades: Tabuleiros, Colinas, Estuarina, Planície Corpos d`água e
Litorânea (CORRÊA, 2006).
3.2. Dados orbitais

Para a realização deste trabalho foram utilizadas seis imagens digitais geradas
pelo sensor Mapeador Temático (Thematic Mapper – TM), abordo do satélite Landsat 5,
compostas de sete bandas espectrais e cujas principais características estão descritas na
Tabela 1, que inclui, ainda, a irradiância solar monocromática – Kλ,i das bandas
reflectivas (onde i representa os canais 1, 2, 3, 4, 5, e 7). O sensor faz o imageamento da
superfície terrestre produzindo imagens com 185 Km de largura no terreno em 7 bandas
espectrais, sendo a três primeiras na faixa do visível, duas no infravermelho próximo,
uma no infravermelho médio e uma no infravermelho distante/termal (NOVO, 2008).
As imagens digitais possuem visão sinótica, repetitiva, multiespectral e com alta
resolução espacial da superfície terrestre, 30 x 30 m nas bandas refletivas e 120 x 120 m
na banda termal. A órbita do satélite é a circular, quase polar, sincronizada ao Sol com
uma altitude de 705 Km, inclinação orbital de 98° completando o ciclo de imageamento
da Terra a cada 16 dias (LIU, 2006).
58
Tabela 1 - Descrição das bandas e faixas espectrais correspondentes ao TM - Landsat 5,

coeficientes de calibração mínimo (a) e máximo (b), irradiância solar espectral (K λ) no
topo da atmosfera (TOA).
Coeficientes de Calibração
(Wm-2 μm-1 )
____________________________________________________________
Bandas Faixa 01/03/1984 05/05/2003 Após K ( i)
espectral até 04/05/2003 até 01/04/2007 02/04/2007 (Wm-2 μm-1)
( m) a b a b a b
1 (azul) 0,45 – 0,52 -1,52 152,10 -1,52 193,00 -1,52 169,00 1957 0,93
2 (verde) 0,52 – 0,60 -2,84 296,81 -2,84 365,00 -2,84 333,00 1826 0,274
3 (vermelho) 0,63 – 0,69 -1,17 204,30 -1,17 264,00 -1,17 264,00 1554 0,233
4 (IV-próximo) 0,76 – 0,90 -1,51 206,20 -1,51 221,00 -1,51 221,00 1036 0,155
5 (IV-médio) 1,55 – 1,75 -0,37 27,19 -0,37 30,20 -0,37 30,2 215,0 0,032
6 (IV-termal) 10,4 – 12,5 1,2378 15,303 1,2378 15,303 1,2378 15,03 - -
7 (IV-médio) 2,10 – 2,35 -0,15 14,38 -0,15 16,50 -0,15 16,50 80,67 0,012
Fonte: Adaptado de Chander et al. (2007).
As cenas foram obtidas no site de geração de imagens do Instituto Nacional de

Pesquisas Espaciais. O recorte da cidade do Recife compreende duas imagens referentes
a órbita 214 e pontos de recobrimento da área 65 e 66, com datas e parâmetros de
calibração apresentados na Tabela 2. A seleção das imagens baseou-se na
disponibilidade da cobertura espacial da área e no menor percenutal de nebulosidade.
As cenas TM Landsat 5 foram empilhadas bandas à banda e posteriormente registradas
pela correção geométrica polinomial de primeira ordem, com três pontos de controle
possibilitando um erro inferior a um pixel, tomando por base a imagem disponibilizada
pelo site www.landsat.org. No segundo momento foi realizado o mosaico e a exclusão
dos números digitais referentes a nuvens e sombras de nuvens através da realização de
uma classificação supervisionada.
O MDE (Modelo Digital de Elevação) da área em estudo foi adquirido junto ao
site da Embrapa Monitoramento por Satélite (Brasil Relevo) no produto SRTM (Shuttle
Radar Topography Mission) referente aos mosaicos SB-25-Y-C e SC-25V-A. As
imagens foram reamostradas de sua resolução original 90 x 90 m para 30 x 30 m, sendo
utilizada como base no cômputo da transmitância instantânea e pressão atmosférica em
cada pixel.
59
3.3. Dados micrometeorológicos

Os dados micrometeorológicos complementares utilizados para implementação
do modelo SEBAL: velocidade do vento, temperatura do ar no instante da passagem do
satélite, temperatura máxima, temperatura mínima, radiação solar global diária, além da
umidade relativa do ar, máxima e mínima, e pressão atmosférica para estimativa da
transmissividade atmosférica e dados de precipitação, foram obtidos na PCD
(Plataforma de coleta de dados automática) pertencente ao SINDA (Sistema Nacional
de Dados Ambientais ) localizada na latitude -8,05000º e longitude -34,9500º e altitude
10,0 metros, situada dentro do IPA (Instituto Agronômico de Pernambuco).
Tabela 2 - Parâmetros utilizados na calibração e no cômputo do balanço de radiação,

balanço de energia e seus componentes, obtidos das imagens e da estação meteorológica
automática (PCD Recife).
DAS 216 269 238 209 249 268

Data da Imagem 04/08/1998 26/09/2000 26/08/2006 28/07/2007 06/09/2010 25/09/2011
E (º) 47,0266 58,2887 55,6194 48,7782 56,6385 60,4358
Cos Z 0,7317 0,8507 0,8253 0,7522 0,8352 0,8698
Hora Passagem 12:07:48 12:07:49 12:22:36 12:22:59 12:19:42 12:17:46
Dr 0,9723 0,9973 0,9809 0,9704 0,9864 0,9967
Tar (ºC) 22,5 25,0 24,5 21,0 21,0 22,5
Tar min (ºC) 25,0 23,5 24,0 20,5 20,0 21,5
Tar max (ºC) 28,5 30,0 29,5 29,5 30,0 31,0
UR% 96 80 100 98 88 90
UR% min - 75 65 - 70 75
UR % max - 90 95 - 90 98
Par (kPa) - 101,3 101,0 - 101,7 101,5
U* (m.s -1 ) 1,5 2,6 2,0 1,8 1,5 10,8
Rs 24h (MJ m-2 ) - 26,1 22,5 - 25,1 23,9
DSA: dia sequencial do ano; E (º) = ângulo de elevação solar, cos Z = cosseno do
ângulo zenital solar, Hora: (Tempo Central GMT), dr: inverso do quadrado da distância
relativa Terra-Sol; Tar (ºC): Temperatura do ar; Tar min (°C): Temperatura mínima do ar;
Tar,max (ºC): Temperatura máxima do ar; UR %: Umidade relativa do ar; UR% min:
Umidade relativa do ar mínima; UR% max: Umidade relativa do ar máxima; Par (kPa):
Pressão atmosférica em Quilo Pascal; U*(m.s-1 ): Velocidade do vento a 10m; Rs 24h
(MJ m-2 ): Radiação solar diária obtida através do piranômetro licor ( - ausência de
dados em 04/08/1998 e 28/07/2007).
60
As datas das imagens compreendem um intervalo de 13 anos e apresentam dados

de épocas semelhantes, referentes às estações do inverno. A Figura 5 apresenta o gráfico
da precipitação nas datas em análise e nos 3 dias que antecederam a passagem do
satélite, onde é possível identificar nas datas 216/1998 e 209/2007, 1,0 e 2,0 mm
respectivamente. Nas demais datas que representam a passagem do satélite não foi
registrado eventos de precipitações.
Figura 5 - Precipitação acumulada nos três dias antecedentes a passagem do satélite.
3.4. Algoritmo SEBAL (Surface Energy Balance Algorithm for Land)
O algoritmo SEBAL, é um método que objetiva a estimativa instantânea dos

componentes do balanço de energia por sensoriamento remoto possibilitando também o
cômputo da evapotranspiração (Etr), tendo como base combinações empíricas
(emissividade e temperatura da superfície, emissividade da atmosfera, fluxo de calor no
solo e comprimento de rugosidade aerodinâmica para o transporte de momentum e
parametrizações físicas, constituindo-se em trinta e quatro etapas para seu
processamento (BASTIAANSSEN et al., 1998a). Os pilares do algoritmo são
61
sustentados com imagens de satélite além de outras informações usualmente obtidas em

estações meteorológicas de superfície (BASTIAANSSEN et al., 1998b; ALLEN et al.,
2002, SILVA e BEZERRA, 2006; BEZERRA et al., 2008).
A base física envolvida no algoritmo do modelo SEBAL permite o cálculo dos
fluxos em superfície para uma ampla gama de uso do solo e calcula o balanço completo
de radiação e de energia para cada píxel da imagem sem a necessidade de extensivas
medidas de campo, ou seja, com um número reduzido de dados meteorológicos
(TIMMERMANS et al., 2011; MOHAMED et al., 2004).
Compaoré et al. (2008), apontaram as principais características do SEBAL que o
diferem dos algoritmos existentes e aplicados usualmente nos estudos de balanço de
energia : (1) Consiste em um algoritmo baseado fisicamente em análises de imagens de
satélite e requer um mínimo de informações meteorológicas; (2) Faz uso de um grande
número de variáveis ambientais e não as assume constantes espacialmente como é feito
em muitos outros métodos; (3) É reduzida a necessidade da correção atmosférica das
informações em comprimentos de onda curta e térmica nas sete imagens. Isto amplia a
aplicabilidade do SEBAL, uma vez que as medições necessárias para correções
atmosféricas não estão frequentemente disponíveis; (4) Não somente é aplicado com o
uso de imagens Landsat com resolução espacial de 30 a 120 m, mas também com
imagens de outros sensores como o AVHRR (Advanced Very High Resolution
Radiometer) e o Modis (Moderate Resolution Imaging Spectroradiometer) os quais
possuem resolução espacial que variam de 250 a 1100 m; (5) Sua aplicação abrange
áreas de grandes extensões, contemplando assim diversos tipos de coberturas da
superfície.
A exatidão do modelo SEBAL muda com o grau de heterogeneidade da
superfície e com o tamanho do pixel (MEDINA et al., 1998; BASTIAANSSEN et al.,
1998ab; TIMMERMANS et al., 2011). Portanto em áreas urbanas é crucial a existência
de corpos hídricos na seleção do pixel frio (âncora) possibilitando assim alta amplitude
com o pixel quente (âncora) e, com a feição comtemplada pela resolução espacial do
satélite.
Vários estudos em diversos países tem utilizado esse modelo e apresentado
resultados com alta precisão no balanço de energia e evapotranspiração (Bastiaanssen et
al., 1998a,b) com intuito de quantificação das perdas de água da superfície para
atmosfera. A primeira aplicação do método foi realizada no Egito por Bastiaanssen em
1995 e posteriormente em outros paises do Mediterrâneo, como Turquia ( Bastiaanssen
62
2000), México (Bastiaanssen e Zwart, 2007), Grécia (Alexandridis et al., 2008, 2009;
Spiliotopoulos et al., 2008) e, recentemente Chipre (Papadavid et al., 2011), Grécia
(Spiliotopoulos et al., 2012), Brasil (Silva e Bezerra, 2006; Teixeira et al., 2009 a,b).
3.5. Processamento das imagens
Na fase do processamento das imagens de satélite e cômputo dos parâmetros do

balanço de energia como também na montagem final do layout e geração dos mapas
utilizou-se o software Erdas Imagine versão 9.3 executado a ferramenta Model Maker e
o ArcGis versão 10.1 (Ambos com Licença do Departamento de Ciências Geográficas
da UFPE). A shape dos loteamentos da cidade apresentados no mapa de uso do solo foi
obtida junto ao site da Prefeitura do Recife. As cartas foram representadas no Sistema
Universal de Projeção Transversa de Mercator (UTM), comumente o mais utilizado
para áreas com escala médias e grande. Os valores estatísticos das imagens foram
obtidos através da conversão para o formato ASCII usadas para geração de tabelas que
posteriormente foram representadas em gráficos processados no programa SigmaPlot
10.0.
A implementação do SEBAL é dividida em dois momentos: o primeiro é
computada os parâmetros do radiação à superfície, composto por onze etapas, enquanto
o segundo representa as estimativas dos fluxos de radiação e massa. A Figura 6
apresenta o fluxograma onde estão descritas os parâmetros utilizados para o cômputo do
balanço de radiação à superfície, que serão mencionados nas etapas a seguir:
3.5.1. Calibração radiométrica
Para a obtenção do balanço de radiação à superfície foram empregados vários

modelos, implementados com o Model Maker do ERDAS 9.3. A etapa inicial
fundamentou-se na calibração radiométrica, processo de conversão do número digital -
ND de cada pixel da imagem, em radiância espectral monocromática, Li, que
representa a energia solar refletida por cada pixel por unidade de área, de tempo, de
ângulo sólido, medida a nível do satélite Landsat para as bandas 1, 2, 3, 4, 5 e 7; para a
banda 6, essa radiância representa a energia emitida por cada pixel, e para cada banda a
radiância monocromática foi obtida pela equação (Markham e Baker, 1987):
63
bi  ai (
Li  ai  . ND
255 (2)
em que ai e bi são as radiâncias espectrais mínima e máxima (W m-2 sr-1 μm-1 ), ND é a
intensidade do pixel e i corresponde às bandas 1, 2, ....,7, do TM Landsat 5.
Figura 6 - Fluxograma com as etapas utilizadas para o cômputo do balanço de radiação

e os parâmetros utilizados.
Etapa 1 Etapa 5
Imagem de satélite ND Índices de Vegetação
(NDVI, SAVI, LAI)
Etapa 2
Calibração radiométrica
Etapa 6
Emissividades da
Superfície
Etapa 2
Reflectância espectral
Etapa 3 Etapa 7
Albedo no Topo da Temperatura da
Atmosfera Superfície
Etapa 4 Etapa 9 Etapa 8 Etapa 10

Albedo da Radiação de onda longa Radiação de onda Radiação de onda
Superfície incidente longa emitida curta incidente
Etapa 11
Balanço de Radiação à Superfície
Rn  RS  1  r0   RL  RL  1   0  RL
3.5.2. Reflectância espectral
Após o cálculo da radiância espectral de cada banda, o cos Z e a irradiância

espectral no topo da atmosfera, estimou-se a refletância espectral planetária, definida
64
como sendo a razão entre o fluxo de radiação solar refletido e o fluxo de radiação solar
incidente, obtida segundo a equação (BASTIAANSSEN, 1995; ALLEN et al., 2002;
SILVA et al., 2005):
L .
rpi 
K  . cos Z . d r
(3)
em que rpi é refletância planetária da banda i, K λ é a irradiância solar espectral no
topo da atmosfera, Z é o ângulo zenital solar e dr é o inverso do quadrado da distância
relativa Terra – Sol (em unidade astronômica - UA), dada por Iqbal (1983):
 2π 
d r  1  0,033cos  DSA  (4)
 365 
em que DSA é o dia sequencial do ano
O ângulo zenital foi obtido com a seguinte fórmula:
π 
CosZ  cos  - E 
2  (5)
onde: E é o ângulo de elevação do Sol, obtido no cabeçalho de cada imagem.
Mediante as cartas da refletância planetária de cada uma das seis bandas
reflectivas do TM Landsat 5, obteve-se os índices de vegetação, emissividade e
temperatura da superfície, cujos procedimentos estão descritos em Silva et al. (2005).
3.5.3. Albedo no topo da atmosfera
Representa o cômputo do albedo no topo da atmosfera (TOA) isto é, o albedo

não corrigido atmosfericamente, que é obtido pela combinação linear das reflectâncias
monocromáticas dos canais reflectivos do TM Landsat 5 segundo combinação linear:
α toa  0,293 ρ1  0,274 ρ 2  0,233 ρ 3  0,157 ρ 4  0,033 ρ 5  0,011 ρ 7
(6)
onde ρ1,ρ2,ρ3,ρ4,ρ5e ρ 7 são as reflectâncias monocromáticas das bandas 1, 2, 3, 4,5 e

7.
65
3.5.4 Albedo da superfície
A radiação solar ao incidir na atmosfera sofre alguns processos de fragmentação

devido aos constituintes atmosféricos, ocasionando que uma parcela da radiação
retornar ao espaço pela refletividade e outra parcela ser absorvida na atmosfera e o
restante chega a superfície para interagir com os alvos, onde será refletida e abosorvida
pelos corpos (TUCCI e BELTRAME, 2000). Portanto, a razão entre a quantidade de
energia eletromagnética incidente em uma superfície e a radiação refletida, teoriza-se
como albedo.
O albedo da superfície corrigido para os efeitos atmosféricos foi obtido através
da equação:
α toa  α p
α 2
(7)
τ sw
sendo  toa o albedo planetário,   , é a radiação solar refletida pela atmosfera, que varia
entre 0,025 e 0,04. Para o modelo SEBAL recomenda-se o uso do valor 0,03 (SILVA et
al., 2011); τsw é a transmissividade atmosférica, que para as condições de céu claro é
calculada em função da pressão atmosférica e da água precipitável (ASCE-EWRI, 2005;
ALLEN et al., 2007a; GOMES et al., 2009; SILVA et al., 2011), sendo dada por:
 0, 4 
  0,00146P  W  
τ sw  0,35  0,627 exp   0,075   
 K t cosZ  cosZ  
  (8)
em que P é a pressão atmosférica (kPa) obtida pela equação 8, W a água precipitável na

atmosfera (mm), calculada conforme equação 9, cosZ conforme aplicado anteriormente;
K t o coeficiente de turbidez (0 < K t <1,0), onde Kt = 1,0 para ar limpo e K t = 0,5 para
turbidez extrema, poeira ou ar poluído, Garrison e Adler (1990).
A pressão atmosférica foi calculada por:
 Ta - 0,0065z  5, 26
P  101,3 
 Ta 
(9)
66
em que: Ta (K) é a temperatura do ar, Z é a altitude da superfície que foi representada

através do MDE (Modelo Digital de Elevação) local (m).
W = 0,14*ea P + 2,1 (10)
ea a pressão atual de vapor d’água (kPa), conforme dados apresentados na Tabela 3

para cada dia DSA (Dia Sequencial do Ano) das imagens, sendo calculada em função da
umidade relativa do ar (UR %) medida na estação meteorológica localizada na área em
estudo. Também utilizada pressão de saturação es (kPa) calculada com base na
temperatura do ar no instante da passagem do satélite, conforme:
UR. eS
ea 
100 (11)
 17,2694.Ta 
es  0,61078 exp  
 237,3  Ta  (12)
Tabela 3 - Dados da pressão atual de valor em cada DSA.

DSA 216 269 238 209 249 268
e a (mb) 2,616 2,629 3,074 2,437 2,238 2,725
3.5.5. Radiação de onda longa emitida
O terceiro termo do balanço de radiação é representado pela radiação de onda

longa emitida pela superfície – R L  obtida conforme a seguinte equação:
R L  = ε0 σ Ts4 (13)
em que σ é a constante de Boltzmann (5,67x10-8 W m-2 K-4 ), Ts é a temperatura

da superfície, ɛ0 é a emissividade de cada pixel calculada em função do IAF e SAVI.
Conforme Allen et al. (2002), para os pixels com IAF ≥ 3 são adotados valores de ɛ0 =
0,98 e para corpos d’água (SAVI < 0,1), ɛ0 = 0,985, segundo:
ɛ0 = 0,95 + 0,01 IAF (14)

67
em que IAF é o Índice de Área Foliar, definido através da razão entre a área foliar de
toda a vegetação por unidade de área utilizada por essa vegetação, sendo considerado
como indicador de biomassa de cada pixel da imagem, computado conforme (ALLEN et
al., 2002):
 0,69  SAVI 
ln  
IAF    0,59 
0,91 (15)
onde o SAVI é o Índice de Vegetação Ajustado aos Efeitos do Solo, calculado com base
nas faixas do infravermelho próximo (banda 4) e do vermelho (banda 3) (HUETE,
1988):
SAVI 
1  L  ρiv  ρ v 
L   iv   v  (16)
em que L – corresponde ao fator de ajuste do SAVI, utilizado neste estudo o valor de

0,1, conforme recomendação de Allen et al. (2002), Bezerera (2006) e Silva et al.
(2011).
3.5.6. Radiação de onda longa incidente
A radiação de onda longa emitida pela atmosfera na direção da superfície – RL 
foi calculada pela equação de Stefan-Boltmann, em função da emissividade atmosférica

- εa e da temperatura do ar - Ta obtida na estação meteorológica na área de estudo:
RL  ε a a
4
(17)
Onde εa é a emissividade do ar, calculada pelo modelo de Bastiaanssen (1995),

calibrado por Allen et al. (2002):
ε a  0,85. ln sw 
0 , 09
(18)
onde τsw é a transmitância atmosférica, conforme Equação (7).

68
3.5.7. Radiação de onda curta incidente
A radiação de onda curta – ( RS  ) refere-se à radiação solar que incide no sensor

por ocasião da passagem do satélite e de modo geral pode ser computado para cada
pixel da cena segundo a equação (ALLEN et al., 2002; TREZZA, 2002; TASUMI,
2003; SILVA et al., 2005):
RS   S . cos .d r .  sw (19)
onde S é a constante solar (1367 W m-2 )
3.6. Saldo de radiação instantâneo
Foi possível o cômputo do saldo de radiação instantâneo (Rn), através da

seguinte equação:
Rn  RS 1     RL   RL   1   0  RL 
(20)
em que R S  é a radiação de onda curta incidente em cada pixel,  é o albedo corrigido
de cada pixel, R L  é a radiação de onda longa emitida da atmosfera para superfície,
R L  é a radiação de onda longa emitida por cada pixel e ε 0 é a emissividade de cada
pixel da cena estudada.
3.7. Fluxo de calor no solo
O fluxo de calor constitui-se na segunda dos três componentes do balanço de

energia a ser estimado. Para tanto, se usa o saldo de radiação instantâneo estimado (Rn)
na etapa anterior e uma relação empírica desenvolvida por Bastiaanssen (2000), que
representa valores próximos ao meio-dia:
G  Ts /α(0,0038. α 0.0074. α2 )(1  0,98NDVI 4 ) Rn

(21)
em que: Ts é a temperatura da superfície (°C), α é o albedo da superfície e NDVI (

Índice de Vegetação da Diferença Normalizada), definido pela razão da diferença pela
soma das reflectividades dos canais do infravermelho próximo (ρᵢᵥ) e vermelho (ρᵥ)
(PONZONI e SHIMABUKURO, 2007).
69
3.8. Fluxo de calor sensível
Mediante a obtenção do Rn e G nas etapas anteriores foi possível dar iniciar o

cálculo da densidade do fluxo de calor sensível, construindo assim a terceira partição do
balanço de energia, entendido como o percentual de calor transferido para o ar através
da condução e/ou convecção em virtude da diferença de temperatura, destacando-se
como a etapa mais relevante e complexa do SEBAL, envolvendo uma série de
suposições para que apresente uma boa precisão nos resultados obtidos.
A estimativa do fluxo de calor sensível H (W m-2 ) é obtido com base na
velocidade do vento e na temperatura da superfície, usando uma calibração interna da
diferença da temperatura entre dois níveis da superfície segundo Bastiaanssen et al.
(1998a), conforme equação:
dT
H  ρ .cp .
ra (22)
onde ρ é a densidade do ar (kg m 3 ) , c p é o calor específico do ar (1004 Jkg 1K 1 ) ,
dT (K) é a diferença de temperatura entre a superfície e um nível de referência e r a é a

resistência aerodinâmica ao transporte de calor (sm1 ) , sendo o H função do gradiente
vertical de temperatura, rugosidade da superfície e velocidade do vento. Para a sua
obtenção faz-se necessário o conhecimento da velocidade do vento e na sequência a
resistência aerodinâmica ao transporte de calor ra e valores de Rn e G em dois pixels
âncoras, através dos quais será possível determinar a variação de temperatura (dT). A
Figura 7 está representado o fluxograma do processo iterativo para obtenção do fluxo de
calor sensível (H).
Inicialmente, é determinada a velocidade de fricção u* (m s-1 ), calculada usando-
se o perfil logarítmico do vento em atmosfera com equilíbrio neutro, através da
equação:
ku x
u* 
 z 
ln  x 
 z0m  (23)
70
onde: k é constante de Von Karman = 0,41 (Filho et al., 1992), u x é a velocidade do
vento (ms 1 ) na altura Zx , Zom é o coeficiente de rugosidade para o transporte de

momentum (m) , obtido através da altura (h) da vegetação média existente no entorno
da estação meteorológica, que segundo Brutsaert (1982) = 0,12 h.
Figura 7 - Fluxograma do processo iterativo de Monin Obukov para a estabilização de

rah e obtenção do mapa dos valores espacializados do fluxo de calor sensível (H).
Dados meteorológicos
dT
u, Zx , Zom, u* H  ρ .c p .
ra
Velocidade ku x
u* 
do vento a z  3
ρc p u * Ts
200 m ln  x  L
 z0m  kgH
Velocidade ku 200
u* 
de fricção em  200  ψ m , ψ h(Z 2) , ψ h( Z 1)
cada pixel ln  
 z0 m 
u 200 .k
u* 
 200 
Resistência z  ln    ψ m(200 m)
aerodinâmica ln  2   z0 m 
  1
z
em cada pixel rah
u* . k
Pixel Frio Pixel Quente ln( Z 2 / Z1 )  h ( Z 2 )  h ( Z0 ,1)

H frio  Rn  G  λETfrio  0 H quente  Rn  G  λET
rah 
quente e k .u *
Hfrio x rah Hquente x rah
dTfrio  dTquente 
(r ah - Cp) (rah - Cp)
dT em cada pixel dT = Tsup + b
Considerando a atmosfera em equilíbrio neutro e o perfil logaritmo do vento

projetou-se a velocidade do vento a um nível Z, onde a mesma não é a afetada pela
rugosidade da superfície, altura essa denominada de blending height. Para as condições
de Recife, foi adotada Z = 200 m, admitindo-se, constante nos demais pixels da
71
imagem. Sendo assim, a velocidade de fricção cada pixel da imagem, é obtida segundo
a equação 20 (ALLEN et al., 2002; TREZZA, 2002, SILVA e BEZERRA, 2006).
ku 200
u* 
 200 
ln  
 z0 m  (24)
em que u200 (ms 1 ) é a velocidade do vento a 200 m e z 0 m (m) é o coeficiente de

rugosidade de cada pixel (m), obtido pixel a pixel em função da imagem do IVAS
(Índice de vegetação ajustado ao solo) segundo equação desenvolvida por Bastiaanssen
(2000):
z 0 m  exp( 5,809  5,62 IVAS )

(25)
Adquirido os valores de u * para cada pixel, estimou-se a resistência aerodinâmica

ao transporte de calor sensível (- rah ), admitindo-se também a atmosfera em condições
de estabilidade neutra, segundo a equação abaixo (ALLEN et al., 2002; TREZZA, 2002,
SILVA e BEZERRA, 2006; MENDONÇA et al., 2012).
z 
ln  2 
rah   1 
z
u* . k (26)
onde z 1 e z 2 são as alturas acima da superfície (em alguns estudos mais recentes têm
sido utilizados 0,1 m e 2,0 m, respectivamente).
Para efetuar o processo iterativo conforme fluxograma supracitado é feito
inicialmente a escolha de dois “pixels âncoras” nas cenas estudadas, os quais são
caracterizado como pixeis “frio” e “quente” selecionados através do campo de
temperatura da superfície e que serão utilizados para definir uma relação linear entre a
temperatura da superfície (Ts) e a dT, visando estabelecer os valores constantes de
calibração de dT (a e b). Diante da carta de temperatura da superfície foi possível
realizar a seleção dos pixels supracitados, onde o frio situou-se dentro do Manguezal do
Pina (superfície com água), enquanto o pixel quente foi representado no Shopping
72
Center Recife (superfície impermeável). O fluxo de calor sensível Hquente (W m-2 ) é dado
por:
ρcp (a  bTsup )
Hquente  R n  G 
rah (27)
Onde ρ (kg.m-3 ) é a massa específica do ar, cp o calor específico a pressão constante

(Jkg -1 k-1 ) e Tsup, Rn e G foram obtidos no pixel quente da imagem. Com base nesses
valores, obteve-se:
a  bTsup  rah (R n  G) / ρ cp
(28)
Como no pixel frio dT = 0, ou seja, a  bTs  0 , tem-se um sistema com duas
equações e duas incógnitas, o que possibilita o cálculo de a e b. Logo, pode-se obter H,

segundo a equação 23 mencionada anteriormente. No entanto, os valores obtidos não
representam adequadamente o H de cada pixel e servem, tão somente, como valores
iniciais de um processo iterativo, e que nas etapas seguintes se considerada,
efetivamente, a condição de estabilidade de cada pixel. Dessa forma, dado que os efeitos
turbulentos afetarem as condições atmosféricas e a resistência aerodinâmica, aplica-se a
teoria da similaridade de Monin-Obukhov (1954), sendo considerada no cômputo do
fluxo de calor sensível em todos os pixels da área de estudo, realizada pela seguinte
equação:
3
ρc p u * Ts
L (29)
kgH
Os valores de L definem as condições de estabilidade da seguinte forma: se L <
0, a atmosfera é considerada instável; se L > 0, a atmosfera é considerada estável e se L
= 0 a atmosfera é considerada neutra. Dependendo das condições atmosféricas, os
valores das correções de estabilidade para o transporte de momentum (ψ m ) e de calor
(ψ h ) deverão ser considerados. Sendo assim, utiliza-se das formulações de Paulson

(1970) e Webb (1970):
O valor corrigido para a velocidade de fricção ( u* ) ms1 é dado por (Silva e
Bezerra, 2006; Bezerra et al., 2011):
73
u 200 .k
u* 
 200 
ln    ψm(200 m)
 z0 m  (30)
onde k é a constante de von Karman (0,41), e ψm(200m) é a correção da estabilidade para o
transporte de momentum a 200 m. Tendo obtido u * corrigido, foi obtido o valor
corrigido para a resistência aerodinâmica ao transporte de calor rah (sm1 ) através da

seguinte equação (SILVA e BEZERRA, 2006; BEZERRA et al., 2011, MENDONÇA
et al., 2012):
ln( Z 2 / Z1 )  h ( Z 2 )  h ( Z0 ,1)
rah 
k .u * (31)
onde z 2 =2,0 m, z 1 = 0,1 m, e ψ h(z 2 ) e ψ h(z ) são as correções de estabilidade para o

1
transporte de calor a 2,0 m e 0,1 m, respectivamente.

Diante das correções realizadas no u* e rah retorna-se ao cômputo da função da
diferença de temperatura, repetindo-se os cálculos mencionados anteriormente até que
se obtenha estabilidade nos valores sucessivos da diferença de temperatura (dT) e da
resistência aerodinâmica ( rah ). O processo iterativo foi realizado através do EXCEL,
mediante uma planilha com equações matemáticas utilizadas na realização das

correções dos valores de a e b (constantes de calibração da diferença de temperatura –
dT) em cada procedimento. Esse método foi necessário para alimentação dos modelos
realizados através da ferramenta Model Maker do software ERDAS, sendo usados no
cômputo da resistência aerodinâmica corrigida e na velocidade de fricção do vento
corrigida em cada iteração, finalizando até que as diferenças entre a resistência na
última e penúltima iteração resultassem em diferenças inferiores a 0,01%.
3.9. Fluxo de calor latente
O fluxo de calor latente (LE) pode ser definido como um fluxo total do
transporte de água da superfície do solo ou da água à atmosfera pelo processo de
evaporação e do transporte de água da superfície de folhas da vegetação à atmosfera
através do processo de transpiração (LIU, 2006). Conhecidos os fluxos de calor
sensível, no solo e saldo de radiação é possível calcular o fluxo de calor latente como
74
resíduo do balanço de energia (BASTIAANSSEN et al., 1998a; ALLEN et al., 2007b;

SILVA e BEZERRA, 2006; BEZERRA et al., 2008):
LE = Rn - G - H (32)
3.10. Evapotranspiração real diária (mm.d-1 )
Visando caracterizar as áreas com potencial de fornecer água em forma de vapor

para a atmosfera e sua contribuição no arrefecimento das temperaturas em escala local,
estimou-se a evapotranspiração diária ET (mm d-1 ), que é determinada com base na
fração evaporativa instantânea (FEi), definida como o fluxo de calor latente dividido
pela soma entre o fluxo de calor latente e o fluxo de calor sensível (SHUTTLEWORTH
et al., 1989). Diversos estudos apontam que a FEi é igual a FE24h , e que a mesma é
relativamente constante em todo o período diurno. Portanto, tem-se a equação:
 LE  LE 24 h
FEi      FE24 h
 Rn  G  Rn 24 h (33)
LE24h e Rn24h correspondem aos valores diários dos fluxos supracitados conforme De
BRUIN e STRICKER (2000):
Rn 24h = (1 - α) Rs,24h medida - 110 τ24h (34)
Rs,24h medida é a radiação solar global diária (integral) obtida na estação

meteorológica localizada na área em estudo. A transmissividade atmosférica diária (-)
τ24h foi calculada conforme (ALLEN et al., 1998):
τ24h = Roc,24hmedida / RTOA,24h (35)
RTOA,24h é a radiação solar incidente no topo da atmosfera. Diante destes dados foi
possível o cômputo da ET (mm d-1 ), conforme:
 LE 
ET  0,035  1   Roc 24 medida - 110 τ 24 h 
 Rn  G  (36)
75
3.11. Análise estatística
Os métodos apresentados na determinação dos componentes do balanço de energia e

estimativa da evapotranspiração foram avaliados segundo estatística descritiva dos
principais momentos estatísticos no nível diário, além da raiz do erro quadrático médio
(RMSE), o erro absoluto médio (EAM), e o erro relativo médio (ERM):
 P - 0 
n 2 2
i i
RMSE  i 1
0i
(37)
1 n (38)
EAM   Pi - 0i
n i1
100 Pi - 0i  (39)


n
ERM  i 1
n 0i
onde Pi é o valor estimado da evapotranspiração (ET) pelo algoritmo SEBAL, 0i é o

valor determinado pelo método para obtenção dos valores diários de evapotranspiração
de referência, descrito por Monteith (1965) e adaptado por Allen et al. (1989), conforme
equação abaixo.
900
0,408  ( Rn  G )   u 2 e
ETo  T  273
   1  0,34 u 2  (40)
em que, ETo é a evapotranspiração de referência (mm d -1 ); Δ = tangente à curva de

pressão de vapor na saturação (kPa °C-1 ); Rn = Saldo da radiação diário (MJ m-2 d-1 ); G
= fluxo de calor no solo (MJ m-2 d-1 ); γ = constante psicrométrica (kPa °C-1 ); u2 =
velocidade do vento a 2 m de altura (m s-1 ); es = pressão de saturação do vapor d’ água,
(kPa); ea = pressão atual de vapor média diária, (kPa) e Tmed = temperatura média do ar
diária, obtida em função da temperatura máxima e mínima (°C).
76
4. RESULTADOS E DISCUSSÃO
4.1. Parâmetros biofísicos
Na identificação e quantificação do percentual de cobertura verde distribuídas na

cidade, assim como sua relação nos fluxos de energia a serem analisados, realizou-se a
estimativa do índice de vegetação (NDVI). O NDVI é um índice que permite quantificar
a presença de vegetação verde na superfície e caracterizar sua distribuição espacial,
como também identificar sua evolução no decorrer do tempo, permitindo assim o
acompanhamento de mudanças ocorridas no uso do solo e grau de urbanização
vivenciado por uma região.
A Figura 8 apresenta o gráfico dos valores estatísticos nas datas em análise,
destacando as médias e desvio padrão. A análise interpretativa demostra valores médios
predominando em quase todas as datas com percentuais em torno de 0,4% e, com
desvio padrão alto, oscilando entre 0,25% a 0,56% aproximadamente, sendo justificado
pelos diversos usos da cobertura do solo predominante na área, destacando superfícies
pavimentadas com asfalto, mata atlântica, manguezais e corpos hídricos, apresentando
comportamento distinto nas faixas espectrais.
Figura 8 - Gráfico dos valores médios e desvio padrão do NDVI em 216/1998,

269/2000, 238/2006, 209/2007, 249/2010 e 268/2011.
77
A Figura 9 apresenta a espacialização do NDVI nas datas em análise, sendo

possível constatar os maiores percentuais representados na tonalidade verde, situados
nas unidades de conservação representados por fragmentos de Mata Atlântica e áreas
verdes diversas com intervalos superiores a 0,71%. Os corpos hídricos apresentaram
valores inferiores a 0,10%, em destaque na tonalidade vermelho, a mancha urbana em
todas as cenas com predominância na tonalidade amarelo, apresentou intervalos entre
0,26% e 0,40% e com algumas áreas representadas nas principais vias, com valores
entre 0,11% e 0,25% na tonalidade laranja.
Em todas as cenas a configuração da vegetação na cidade apresentou-se sem
mudanças significativas, sendo o maior percentual concentrado nas unidades de
conservação, enquanto locais predominantemente urbanos apresentam baixos valores de
vegetação distribuídos espacialmente. Os eventos de chuva ocorrida em algumas datas
não exerceram influência determinantes na resposta da vegetação, considerando ser
fragmentos de Mata Atlântica e apresentarem pouca variação sazonal, resultando em
padrão semelhante nas cenas analisadas.
Na Tabela 4, estão apresentados a percentagem de pixels em cada classe de
NDVI, onde evidencia-se que a classe entre os intervalos 0,26% – 0,40% apresenta uma
maior distribuição espacial em todas as cenas, destacando a data 269/2000 com a
representação mais expressiva 68,88%, enquanto a classe NDVI > 0,71 apresentou-se
com maior intensidade na data 238/2006, 13,33%. A classe representada pelo intervalo
< 0,10% foi destacada com maior distribuição em 268/2011, 2,32%.
Tabela 4 - Distribuição percentual das classes de NDVI para as datas em análise.

NDVI (%) 216/1998 269/2000 238/2006 209/2007 249/2010 268/2011
< 0,10 1,42 % 1,45 % 1,98 % 1,19 % 1,22 % 2,32 %
0,11 - 0,25 4,15 % 4,92 % 7,51 % 4,95 % 5,8 % 18,96 %
0,26 - 0,40 65,32 % 68,88 % 61,81 % 66,74 % 65,33 % 31,78 %
0,41 - 0,55 10,15 % 10,45 % 6,92 % 9,37 % 7,51 % 15,8 %
0,56 - 0,70 10,44 % 7,87 % 7,81 % 9,48 % 7,22 % 19,96 %
> 0,71 8,53 % 6,43 % 13,33 % 8,27 % 12,89 % 11,18 %
78
Figura 9 - Carta temática do NDVI nas datas 216/1998, 269/2000, 238/2006, 209/2007,
249/2010 e 268/2011.
79
A Figura 10 destaca o gráfico dos valores médios e desvio padrão do albedo da

superfície, onde é possível constatar em todas as cenas pouca variação entre os valores
médios, com destaque em 268/2011 com o maior percentual entre os períodos
analisados, 0,11%. Em termos relativos as médias apresentaram alta variação em todas
as cenas, destacando as datas 269/2000 e 268/2011 com os maiores distanciamentos das
médias, apresentando intervalos aproximadamente entre 0,7% e 0,15%,
respectivamente, enquanto a menor variação ocorreu em 216/1998, com intervalos entre
0,7% e 0,13% aproximadamente.
Figura 10 - Gráfico dos valores médios e desvio padrão do albedo da superfície em

216/1998, 269/2000, 238/2006,209/2007, 249/2010 e 268/2011.
A Figura 11, apresenta a carta da distribuição espacial do albedo da superfície

da área em estudo, onde é possível constatar em todas as cenas os maiores valores na
área urbana, com intervalos predominante entre 0,11 % e 0,15 %, representados na
classe com tonalidade verde. Os valores intermediários foram encontrados nas áreas de
tonalidade amarela com intervalos entre 0,15% e 0,20% e, com alguns pontos na classe
vermelha com valores superiores a 0,26 % destacados nos alvos com alta refletividade.
80
Figura 11 - Carta temática do albedo da superfície nas datas 216/1998, 269/2000,

238/2006, 209/2007, 249/2010 e 268/2011.
81
As feições verdes localizadas nas unidades de conservação destacadas na classe

verde escuro, apresentaram intervalos entre 0,6% e 0,10%, valores esperados para alvos
que apresentam alta absorção de radiação e baixa refletividade. Os valores de albedo
foram maiores na área antropizada, com predomínio de superfícies impermeáveis e
materiais da construção civil, enquanto áreas com predomínio de vegetação
apresentaram menores valores de albedo. Conforme esse comportamento apresentado,
percebe-se pouca modificação no que tange a modificações de grande expressão na
superfície urbana.
Os corpos hídricos apresentam comportamento espectral semelhante, destacados
na classe verde musgo com valores inferiores a 0,5% em todas as cenas analisadas, em
conformidade com os valores encontrados por Oke (1987), 0,3% e 0,10% em água.
Silva et al. (2005) obteve intervalos entre 0,7% e 0,9% no lago de Sobradinho, enquanto
a superfície urbana com predominância de alvos com cores claras apresenta alta
refletividade respondendo com maior magnitude nos valores do albedo. Silva et al.
(2006), em estudo realizado no município de Petrolina, na região Nordeste do Brasil,
encontraram na área urbana valores de albedo superiores a 0,35%. Ming e Liu (2006),
através de dados do satélite NOAA detectaram valores de albedo entre 0,25% e 0,30%
na área urbana de São Paulo e intervalos entre 0,10% e 0,15% na classe de vegetação
intensa e corpos hídricos.
Andrade et al. (2013) realizaram estudo realizado através do sensor TM Landsat
5 no município de Santarém localizado no Oeste do Pará, encontraram em corpos
hídricos valores do albedo entre 0,5% e 11% na classe água, 14% e 19% em superfícies
vegetadas e, nas áreas com alta densidade de construções e solo exposto intervalos entre
26% e 33%. Oliveira et al. (2012), utilizando a mesma técnica estimaram valores do
albedo do albedo na bacia hidrográfica no município de Vitória de Santo Antão e
Pombos localizadas no agreste do Estado de Pernambuco. Os autores encontraram na
área urbana das cidades intervalos entre 14 e 18% em 1989 e 23 a 28 % em 2007.
A Tabela 5 apresenta a percentagem de pixels em cada classe de albedo,
evidencia-se que a classe entre os intervalos 0,11 < α < 0,15 apresenta uma maior
distribuição espacial em todas as cenas, destacando a data 216/1998 com o maior
percentual (54,49 %) enquanto a classe α > 0,26 apresentou-se com maior distribuição
na data 269/2000, com 0,90 %.
82
Tabela 5 - Distribuição percentual das classes de albedo para as datas em análise.

Albedo (%) 216/1998 269/2000 238/2006 209/2007 249/2010 268/2011
α < 0,5 2,92 % 1,62 % 2,32 % 3,30 % 4,26 % 2,32 %
0,6 < α < 0,10 38,70 % 30,58 % 39,53 % 48,75 % 51,63 % 33,26 %
0,11 < α < 0,15 54,49 % 51,68 % 48,16 % 44,30 % 39,41 % 52,65 %
0,16 < α < 0,20 4,0 % 11,66 % 8,28 % 3,04 % 3,63 % 8,28 %
0,21 < α < 0,25 0,62 % 3,56 % 1,59 % 0,46 % 0,73 % 2,04 %
α > 0,26 0,27 % 0,90 % 0,12 % 0,13 % 0,32 % 0,42 %
A Figura 12 estão representados as médias e desvio padrão das temperaturas da

superfície nas datas em análise. É possível constatar nas datas 216/1998 e 209/2007 as
menores médias e amplitude entre os valores, destacando intervalos com 23°C e
variação entre 21 e 24,5°C aproximadamente, enquanto a maior média foi registrada em
249/2010, 28°C e, com variação entre 25 e 31,8°C.
Figura 12 - Valores médios e desvio padrão da temperatura da superfície nas datas

216/1998, 269/2000, 238/2006, 209/2007, 249/2010 e 268/2011.
A variabilidade dos diversos tipos de coberturas da superfície urbana,

modularam as altas amplitudes nos valores, proporcionando um elevado distanciamento
entre as médias, com exceção em 216/1998 e 209/2007, fortemente influenciada por
sistemas atmosféricos e precipitações.
83
A Figura 13 representa a distribuição espacial das temperaturas da superfície nas

datas em análise, onde é possível constatar os maiores valores na tonalidade vermelho
com intervalos superiores a 31°C localizados com maior expressão na data 238/2006,
configurando-se um arquipélago de calor na área urbana, enquanto as classes na
tonalidade verde e amarelo representadas pelas unidades de conservação e corpos
hídricos, apresentaram valores inferiores a 27°C, presentes em todas as cenas.
As cenas representadas nas datas 216/1998 e 209/2007 elucidaram as menores
temperaturas entre as datas analisadas, predominando valores entre 25 e 27°C na
mancha urbana e com comportamento semelhante nas unidades de conservação e corpos
hídricos com padrões semelhantes aos apresentados nas demais
Moreira (2007) analisando a distribuição espacial das temperaturas à superfície
da cidade do Recife, através de imagens Landsat 7 ETM+, encontrou no ano de 2002,
temperaturas superiores a 33ºC em áreas com elevado adensamento construtivo,
evidenciando as ilhas de calor urbano, enquanto nas feições com coberturas verdes e
corpos hídricos, os valores foram inferiores a 23°C.
No período de 1997 e 1998 a cidade sofreu grande influência do fenômeno El
Ninõ, considerado um dos mais intensos da história, com registro de temperaturas no
Oceano Pacífico próximo de 4°C, sendo o mês de agosto predominando o La Ninã com
temperaturas no Pacífico em torno de -1°C, proporcionando chuva acumulada e
reversão nos valores de temperatura do ar.
Em julho de 2007 as temperaturas estavam entre -1°C e -2°C, com forte
influência do La Ninã 2007/2008, sendo decisivos na reversão dos valores de
temperatura apresentados nos períodos em análise. A mudança na reconfiguração
espacial das temperaturas ocorridas em 2006 está associada ao pico do El Ninõ 2006-
2007 com temperatura de 1°C, proporcionando aumento significativo em todas feições
da área em análise.
Em todas as cenas analisadas a distribuição espacial dos valores são modulados
pela intensificação no uso do solo com predominância de superfícies com características
em armazenar e liberar, decisivos no campo térmico da cidade. Desse modo, nas feições
onde a cobertura vegetal é mais escassa e apresentam um elevado adensamento
construtivo associado aos diversos tipos de coberturas destacaram-se com os maiores
índices de temperaturas em todas as cenas, consolidando em indicadores de degradação
ambiental.
84
Figura 13 - Carta temática da distribuição espacial das temperaturas da superfície nas

datas 216-1998, 269-2000, 238-2006, 209-2007, 249-2010 e 268-2011.
85
A percentagem de pixels representados em cada classe de temperatura conforme

Tabela 6, destaca os intervalos 25°C < T < 27°C, com a maior representatividade
espacial entre as datas e, com grande magnitude em 209/2007 resultando em 47,75 %,
enquanto a data 216/1998 apresentou 70,18% de sua área com temperaturas na classe 22
°C < T < 24°C, sendo as menores entre todas as classes em análise. Os valores de
temperaturas na classe T > 31°C foram registrados em 238/2006, configurando-se com
os maiores índices entre todas as datas, proporcionando um percentual de 39,90 %.
Tabela 6 - Distribuição percentual das classes de temperatura da superfície para as

datas em análise.
T (°C) 216/1998 269/2000 238/2006 209/2007 249/2010 268/2011
T < 18 1,08 % 4,20 % 0,10 % 0,21 % 0,46 % 0,86 %
19 < T < 21 6,56 % 7,74 % 0,40 % 10,42 % 5,28 % 2,27 %
22 < T < 24 70,18 % 25,44 % 7,13 % 37,38 % 33,93 % 13,79 %
25 < T < 27 21,93 % 22,69 % 33,89 % 47,75 % 17,48 % 25,62 %
28 < T < 30 0,25 % 38,08 % 18,58 % 4,21 % 39,02 % 35,63 %
T > 31 0% 1,85 % 39,90 % 0% 3,76 % 21,83 %
4.2. Balanço de radiação
A estimativa dos componentes do balanço de energia na superfície baseou-se em

dois momentos, onde no primeiro foi quantificada o saldo de radiação com base no
albedo da superfície, radiação de onda curta incidente, radiação de onda longa emitida e
radiação de onda longa incidente. No segundo quantificou-se a utilização do saldo de
radiação, sendo esta responsável na redistribuição da energia entre a superfície terrestre,
atmosfera e no solo, configurando-se o balanço de energia pelos fluxos de calor sensível
ao ar, fluxo de calor sensível ao solo e o fluxo de calor latente.
A Figura 14 demonstra o gráfico dos valores referentes aos componentes do
balanço de radiação na cidade do Recife, destacando as médias da radiação de onda
curta incidente e onda longa emitida pela superfície estimados através do algoritmo
SEBAL, entre as datas 216/1998 e 268/2011. Conforme pode ser observado, a data
268/2011 apresentou os maiores valores de onda curta incidente 857 W m-2 , enquanto as
datas 216/1998 e 209/2007 foram verificados os menores valores com intervalos entre
685 e 690 W m-2 , respectivamente. A variação encontrada entre os valores de radiação
86
de onda curta incidente, estimada em função do cosseno do ângulo zenital, dia do ano,
transmissividade atmosférica e constante solar (1367 W m-2 ), é atribuída ao ângulo
zenital solar identificada em cada data no momento da passagem do satélite (ALLEN et
al., 2002). Conforme Tabela 2 citada anteriormente, os menores valores representam as
datas 216/1998 e 209/2007.
A radiação de ondas longas emitidas pela atmosfera em direção a superfície
terrestre, apresentou valores aproximadamente constantes compreendendo toda extensão
das cenas nas respectivas datas (Tabela 7). Conforme (Galvão e Fisch, 2000), esse fluxo
de energia é resultante da emissão dos gases atmosféricos sendo determinante no
computo do balanço de radiação. A superfície urbana não exerce nenhuma influência
nesses valores, entretanto serão modulados conforme a utilização nos componentes do
balanço de energia na configuração espacial da área em estudo. Silva et al. (2005)
encontram valores iguais a 361,4 W m-2 para o ano de 2000 e 367,0 W m-2 para o ano de
2001, em região de clima semiárido.
Figura 14 - Valores médios estimados para radiação de onda longa emitida pela
superfície e onda curta incidente.
Tabela 7 - Valores médios da radiação de ondas longas emitidas pela atmosfera em

direção a superfície nas datas em análise.
87
216/1998 269/2000 238/2006 209/2007 249/2010 268/2011

335 W m-2 344 Wm-2 343 W m-2 327 W m-2 325 W m-2 296 W m-2
A Figura 15 representa a distribuição espacial dos valores de radiação de onda

longa emitida pela superfície terrestre nas datas supracitadas. Os resultados encontrados
para as datas em estudo apresentaram baixa amplitude entre os valores, com intervalos
variando entre 390 W m-2 e maiores que 461W m-2 . A data 238/2006 representou em
sua configuração os maiores valores, com médias superiores a 461 W m-2 localizados na
classe de tonalidade vermelha, predominante em toda mancha urbana, enquanto os
menores foram encontrados nas datas 216/1998 e 209/2007 com intervalos variando
entre 390 e 445 W m-2 representados nas classes verde e laranja. Essas datas
apresentaram a menor amplitude entre os intervalos, destacando a mancha urbana com
os maiores intervalos, enquanto os menores localizados nas feições providas de
vegetação.
De acordo com os valores apresentados nas seis imagens em análise, foi possível
identificar a influência das superfícies impermeáveis sobre os valores de radiação de
onda longa emitida distribuída no espaço, enquanto as feições de cobertura verde,
destacadas pelas áreas de preservação e corpos hídricos apresentaram os menores
valores, configurando padrões semelhantes em todas cenas analisadas. Esse
comportamento está relacionado as propriedades de absorção térmica presentes nas
áreas urbanas, onde proporcionam a menor absorção de onda curta incidente e maiores
valores de albedo, enquanto nas áreas verdes ocorre uma maior absorção de radiação e
menores valores de albedo.
Leivas (2008), através de imagens do satélite ASTER em duas cidades do Rio
Grande do Sul, encontrou valores de onda longa emitida pela superfície com intervalos
de 433 W m-2 na área urbana, 409 W m-2 em corpos hídricos e nas áreas com vegetação
427 W m-2 , estando em consonância com os valores encontrados nessa pesquisa. Silva
et al. (2005), estimaram os valores de radiação de ondas longas emitidas através de
imagens Landsat 5- TM na cidade de Petrolina onde encontrou nas áreas com solo
exposto valores de 498 W m-2 e intervalos entre 432 W m-2 em áreas irrigadas. Em área
urbana da Estado do Pará, Furlan et al. (2011) obtiveram através do TM Landsat 5
valores entre 470 e 480 W m-2 , enquanto na área com predomínio de vegetação,
prevaleceram valores entre 410 e 430 W m-2 .
88
Figura 15 - Carta temática da distribuição espacial da radiação de onda longa emitida

pela superfície terrestre ( R L  ) nas datas 216-1998, 269-2000, 238-2006, 209-2007, 249-
2010 e 268-2011.
89
4.3. Saldo de radiação instantâneo
A Figura 16 apresenta os valores médios e desvio padrão do saldo de radiação

instantâneo nas suas respectivas datas. Foi verificado as menores médias para as datas
216/1998 e 209/2007 com valores de 530 W m-2 e variação entre 510 e 550 W m-2
aproximadamente, representando um desvio padrão entre 21,27% e 24,29%
respectivamente. Esses valores indicam que não houve muita variação entre os
intervalos, deixando dessa forma os valores com tendência da média. As datas 269/2000
e 249/2010 apresentaram as maiores médias, 630 e 620 W m-2 respectivamente, seguido
de alto desvio padrão entre os valores, com intervalos entre 590 e 670 W m-2 no
primeiro ano e com variação entre 580 e 650 W m-2 em 249/ 2010.
A sazonalidade da radiação solar foi determinante na alta amplitude encontrada
nas datas em análise, estando em concordância com os valores de radiação de onda
curta incidente observados na Figura 14, refletindo em menor magnitude nas datas
216/1998 e 209/2007.
Figura 16 - Valores médios e desvio padrão do saldo de radiação instantâneo nas datas
216/1998, 269/2000, 238/2006, 209/2007, 249/2010 e 268/2011.
90
As variações dos valores entre as médias apresentaram-se padrões semelhantes

em todas as datas analisadas com exceção de 216/1998 e 209/2007 com os menores
desvios. As feições com vegetação e corpos hídricos apresentam baixos valores de
albedo favorecendo com isto a menor reflexão da radiação de onda curta, enquanto as
superfícies localizadas na malha urbana por apresentarem maiores valores de reflexão e
albedo, destacam-se com os menores valores do saldo de radiação. Em estudo realizado
com o sensor MODIS, Oliveira (2012) encontrou na área urbana da cidade de Vitória de
Santo Antão, PE, expressivos valores de albedo o que resultou em saldo de radiação
menor ao comparado com outras áreas da mesma cena. Essas áreas, apesar de
apresentarem alto percentual de energia a ser particionada nos processos evaporativos,
relevantes na configuração climática da cidade em questão, apresentam em menor
extensão, destacado nas unidades conservação, enquanto nas superfícies impermeáveis
o Rn é menor, porém com maior dimensão geográfica em sua espacialização,
proporcionando assim pouca variação entre os valores de alvos distintos.
A Figura 17 apresenta as imagens do saldo de radiação instantâneo
espacializados nas datas estudadas, onde foi possível valores superiores a 636 W m-2 ,
representados nas cenas 269/2000, 238/2006, 249/2010 e 268/2011. A predominância
desses valores se deram nas unidades de conservação ambiental e áreas verdes em geral
na porção norte/leste das cenas, assim como na área do Manguezal do Pina e corpos
hídricos. As referidas feições, sobretudo as de vegetação, funcionam como absorvedoras
de radiação proporcionadas pela clorofila contida nas folhas a ser utilizada para
atividade fotossintética e, por conseguinte, libera o calor em forma de
evapotranspiração, sendo assim apresentam altos valores de radiação armazenada.
A cena 238/2006 apresentou a maior variação entre os valores, com amplitude
de 201 W m-2 . Em 1998 e 2007 predominou a classe com intervalos entre 486 e 535 W
m-2 destacados em toda malha urbana, os corpos hídricos e feições vegetadas
localizados na tonalidade amarela apresentaram valores de 536 a 585 W m-2 . A imagem
referente a data 268/2011 apresenta um percentual de áreas sem valores de pixel
superior as demais cenas, em virtude da nebulosidade que foram retiradas, podendo isto
ter refletido nos valores estatísticos do Rn. Estudo realizado por Silva et al. (2010), na
bacia hidrográfica do rio Mogi-Guaçu (SP), encontraram os maiores valores do Rn
sobre áreas com albedo baixo, compreendendo os corpos hídricos com 731 W m-2 .
91
Figura 17 - Carta temática da distribuição espacial do saldo de radiação instantâneo nas

datas 216-1998, 269-2000, 238-2006, 209-2007, 249-2010 e 268-2011.
92
A Tabela 8 apresenta a percentagem de pixels em cada classe do saldo de

radiação instantâneo. Observou-se a classe (486 < Rn < 535 W m-2 ) com maior
representatividade nas datas 216/1998 e 209/2007, destacando 74,97% e 54,17%,
respectivamente. Os maiores valores representados na classe (Rn > 636 W m-2 ),
destacou uma maior representação na data 249/2000, com percentual de 45,37% da
área.
Tabela 8 - Distribuição percentual das classes do saldo de radiação instantâneo.

Rn (W m-2 ) 216/1998 269/2000 238/2006 209/2007 249/2010 268/2011
Rn < 435 0,48 % 0,06 % 0,30 % 0,27 % 0,06 % 0,06 %
436 < Rn < 485 6,44 % 0,19 % 0,86 % 2,39 % 0,25 % 0,41 %
486 < Rn< 535 74,97 % 1,02 % 10,70 % 54,17 % 1,15 % 2,75 %
536 < Rn< 585 18,04 % 7,03 % 41,81 % 41,37 % 17,75 % 33,48 %
585 < Rn< 635 0,07 % 46,33 % 37,80 % 1,80 % 43,64 % 39,88 %
Rn > 636 0% 45,37 % 8,53 % 0% 37,15 % 23,42 %
A Figura 18 está representa o gráfico de dispersão entre os valores do NDVI e o

Rn, referente à data 268/2011 nos seguintes alvos: Mata da Várzea, Manguezal do Pina,
Mata do Ibura, Reserva Dois Irmãos, Reserva Dois Unidos, Mata do Egenho Uchoa,
Aeroporto, Shopping Recife e Shopping Rio Mar. Constatou-se os percentuais de NDVI
inferiores a 0,2% representados nos alvos: Aeroporto, Shopping Recife e Shopping Rio
Mar, com valores de Rn inferiores a 580 W m-2 , enquanto os alvos com percentuais de
NDVI superior 0,7% destacaram-se com valores de Rn superiores a 620 W m-2 .
Silva et al. (2011), utilizando de imagens do TM Landsat 5 implementadas no
algoritmo SEBAL, encontraram valores de aproximadamente 450 W m-2 na área urbana
da cidade de Sousa (PB) e, valores entre 700 e 750 W m-2 nas culturas irrigadas.
Bastiaanssen et al. (1998a) obtiveram valores de Rn na bacia do rio Hei-he (China) da
ordem 650 W m-2 em oásis e 400 W m-2 nas áreas desérticas. Em outro trabalho
realizado na bacia de Gediz (Turquia), Bastiaanssen (2000) obteve valores de Rn com
variação entre 300 e 600 W m-2 .
Em suma, as áreas com maiores índices de vegetação apresentam baixos valores
de albedo e maior capacidade de absorção de onda curta em comparação com as feições
sem cobertura verde. Em face disto, assegura-se as modificações ocorridas no espaço
geográfico oriundas da urbanização relacionada a intensificação das áreas construídas,
93
como principal elemento responsável na diminuição do saldo de radiação, portanto

estudos que forneçam sua quantificação apresentam-se como promissores no campo do
planejamento afim de apontar o índice de urbanização vivenciado por uma cidade. Os
resultados encontrados estão em consonância com os estudos realizados por Rodrigues
et al. (2009), Di Pace et al. (2008) e Silva et al. (2005), que constataram maior saldo de
radiação em áreas vegetadas e corpos hídricos, em comparação com as áreas urbanas.
Figura 18 - Gráfico de dispersão entre o saldo de radiação instantâneo e o NDVI em

268/2011, destacando os alvos: Mata da Várzea, Manguezal do Pina, Mata do Ibura,
Reserva Dois Irmãos, Reserva Dois Unidos, Mata do Egenho Uchoa, Aeroporto,
Shopping Recife (H) e Shopping Rio Mar.
4.4. Saldo de radiação 24h
Querino et al. (2006) apontam que a incidência da radiação solar global está
relacionada com o ângulo zenital (Z), onde quanto menor o ângulo formado maior o Rg
em virtude do menor caminho óptico que o raio percorre nesse horário e desta forma
possibilita que a radiação incida na superfície com pouca interferência, entretanto,
94
quando esses valores são representados espacialmente, o arranjo espacial da área é

quem modula a distribuição dos maiores e menores valores.
A Figura 19 representa as cartas do saldo de radiação 24h estimado pelo
algoritmo SEBAL com base nos valores de radiação solar diário obtido na estação
meteorológica. Os valores apresentaram variação entre 130 e 190 W m-2 com maiores
intervalos destacados nas áreas vegetadas e corpos hídricos representados na classe
vermelha e rosa, enquanto os menores valores estão representados na mancha urbana da
cidade.
A cena referente ao dia 238/2006 apresentou os menores valores, com variação
entre 146 e 175 W m-2 , enquanto nas cenas 269/2000 e 249/2010 foram verificados os
maiores em toda área, destacando saldo de radiação 24h superior a 175 W m-2 . Essas
amplitudes entre as datas estão associadas aos valores da radiação solar acumulada Rs24h
(MJ m-2 ) registrado na torre, conforme Figura 20.
Silva et al. (2011) usando imagens do TM Landsat 5 encontraram valores de
Rn24h entre 173,4 e 196,6 W m-2 e 95,6 e 112,5 W m-2 para o Açude São Gonçalo e solo
exposto no estado da Paraíba, respectivamente. Gusmão et al. (2012), encontraram
valores do saldo de radiação 24h estimado na Ilha do Bananal (TO) através do algoritmo
SEBAL entre 120 e 135 W m-2 nas áreas antropizadas, enquanto os corpos hídricos e
superfícies com presença de vegetação apresentaram valores superiores a 150 W m-2 .
Em estudo realizado na bacia hidrográfica do alto Rio Negro através de imagens
ASTER, Uda et al. (2013) encontraram predominância de 109 W m-2 nas áreas com
influência antrópica (áreas urbas e solos expostos). As maiores intensidades foram
atribuídas aos corpos hídricos com valores superiores a 139 W m-2 e, áreas com
predominância de vegetação 126 W m-2 .
95
Figura 19 - Carta temática da distribuição espacial do saldo de radiação 24h estimado

SEBAL nas datas 269-2000, 238-2006, 249-2010 e 268-2011.
96
Figura 20 - Radiação solar acumulada obtida na torre meteorológica (MJ m-2 ) nas datas
269/2000, 238/2006, 249/2010 e 268/2011.
4.5. Fluxo de calor no solo
A Figura 21 apresenta os valores das médias estatísticas e desvio padrão para os

anos em análise. As datas 216/1998 e 209/2007 apresentaram-se com as menores
médias de G, intervalos próximos a 50 W m-2 e desvio padrão variando entre 32 e 70 W
m-2 e 35 e 68 W m-2 respectivamente, sendo estes as menores amplitudes apresentadas
quando comparado com os demais anos. Entretanto, evidencia-se um distanciamento
dos valores em relação à média, onde tem-se como fator determinante os diversos tipos
de coberturas presentes na superfície urbana, proporcionando assim padrões
diferenciados de refletividade e absorção térmica.
Em virtude desses padrões, os alvos vegetação, corpos hídricos e superfícies
impermeáveis distribuídos na superfície apresentam valores de G diferenciados e com
alta amplitude entre os intervalos, que podem ser explicados pelo processo de
aquecimento por condução e convecção. Sendo assim, elucida-se o distanciamento dos
resultados encontrados e o favorecimento do maior percentual do G usado para
aquecimento e, consequentemente, o aumento da temperatura da superfície. A maior
média foi encontrada na data 268/2011, 70 W m-2 e com desvio padrão entre 50 W m-2 e
97
90 W m-2 corroborando com a influência da heterogeneidade da superfície na

distribuição dos valores e o distanciamento da média.
Figura 21 - Gráfico dos valores médios e desvio padrão do fluxo de calor no solo nas
datas 216/1998, 269/2000, 238/2006,209/2007, 249/2010 e 268/2011.
A variação espacial dos valores de G representado na Figura 22, elucidam em

todas as cenas a menor magnitude nas áreas providas de vegetação localizadas no setor
oeste das imagens com tonalidade verde limão e amarelo, enquanto o setor leste
destacados na tonalidade vermelha localizados nas áreas com predominância de
coberturas impermeáveis e com elevado adensamento urbano, apresentaram os maiores
valores do fluxo de calor no solo, proporcionando o surgimento de ilhas de calor,
fenômeno comum em áreas urbanas (WENG et al., 2004).
As cenas referentes as datas 269/2000, 238/2006, 249/2010 e 268/2011
apresentam em toda mancha urbana uma mudança significativa nos padrões de G, com
valores superiores a 75 W m-2 , seguidos dos corpos hídricos, com valores de
aproximadamente 205 W m-2 , enquanto as feições de vegetação permaneceram com os
menores valores, oscilando entre 31 e 45 W m-2 , representados na tonalidade verde
limão.
98
Figura 22 - Carta temática da distribuição espacial do fluxo de calor no solo nas datas
216-1998, 269-2000, 238-2006, 209-2007, 249-2010 e 268-2011.
99
As datas 216/1998 e 209/2007 apresentaram os menores índices, sendo atribuído

aos baixos valores das cartas de temperatura da superfície assim como a menor
incidência da radiação solar registradas nas datas, conforme citado em capítulos
anteriores. Entretanto o comportamento da superfície urbana permaneceu com os
maiores valores, oscilando entre 46 e 60 W m-2 representada na tonalidade amarela,
enquanto as áreas providas de vegetação apresentaram padrão semelhante aos anos em
análise. Bezerra (2006) e Santos et al. (2010) encontraram valores de G com intervalos
de aproximadamente 100 W m-2 em área urbana e valores inferiores a 40 W m-2 nas
áreas providas de vegetação através do TM Landsat 5, em datas distintas.
A Tabela 9, lista a percentagem de pixels em cada classe do fluxo de calor no
solo. Observa-se que as classes, (46 < G < 60 W m-2 ) são as mais frequentes nas datas
216/1998 e 209/2007, destacando percentuais entre 64,50% e 50,22%, respectivamente,
enquanto a classe com valores (G > 76 W m-2 ) apresentou o maior percentual na data
268/2011 (51,21%).
Tabela 9 - Distribuição percentual das classes do fluxo de calor no solo para as datas
em análise.
Fluxo de calor 216/1998 269/2000 238/2006 209/2007 249/2010 268/2011
no solo (W m-2 )
G < 15 0% 0,01 % 0% 0,04 % 0,03 % 0%
16 < G < 30 0,62 % 0,05 % 0,02 % 0,02 % 0,21 % 0%
31< G < 45 32,06 % 7,02 % 10,47 % 28,45 % 20,10 % 0,73 %
46 < G < 60 64,50 % 30,64 % 22,54 % 50,22 % 18,18 % 22,78 %
61 < G < 75 0,61 % 53,55 % 21,52 % 19,47 % 31,58 % 25,28 %
G > 76 2,03 % 8,7 3% 45,45 % 1,80 % 29,90 % 51,21 %
A Figura 23 elenca a relação entre o G e o NDVI na data 268/2011 para seis

alvos selecionados, três correspondentes a unidades de conservação, dois para
superfícies desprovidas de vegetação e um referente a corpo hídrico. É possível
constatar uma relação inversa entre os menores valores de G com intervalos entre 51 e
53 W m-2 para os alvos com índices de NDVI superiores a 0,6 localizados nos
fragmentos de mata, enquanto os valores de G superiores a 71 W m-2 foram encontrados
nos alvos com índices de NDVI inferior a 0,2, em destaque o Shopping Recife e o
Carrefour.
100
O alvo corpo hídrico, localizado na lagoa do Araçá apresentou valor de G

superior a 199 W m-2 e com NDVI negativo. Em concordância com os valores
encontrados nessa pesquisa, Giacomoni (2005) encontrou através de imagens NOAA
para o estado do Rio Grande do Sul intervalos entre 93,3 W m-2 para classe área urbana,
39 W m-2 na classe floresta e 197,3 W m-2 no alvo lagoa.
Com exceção da superfície líquida representada no alvo lagoa do Araçá, os alvos
com maior percentual de energia disponível para aquecer a superfície são os que
apresentam maior intervenção antrópica e consequentemente favorecem o surgimento
de feições com maiores valores de temperatura da superfície.
Figura 23 - Disperção entre o fluxo de calor no solo e o índice de vegetação NDVI para
os alvos: Manguezal do Pina, Carrefour, Shopping Recife, Aeroporto e Ceasa na data
268/2011.
4.6. Fluxo de calor sensível
A Figura 24 apresenta o gráfico dos valores estatísticos, médias e desvio padrão

nas datas 216/1998, 269/2000, 238/2006, 209/2007, 249/2010 e 268/2011. Verificou-se
em 216/1998 a menor média 100 W m-2 e com desvio entre 50 e 150 W m-2 . Esses
101
baixos valores estão associados à temperatura da superfície que apresentou padrão

semelhante para data, destacando o mais baixo entre os valores, enquanto a data
268/2011 destacou-se com a maior média 210 W m-2 e com alta variação, 100 e 350 W
m-2 entre os valores. Padrão semelhante foi observado no dia 269/2000 com intervalos
médios de 175 W m-2 , destacando variação entre 75 e 275 W m-2 .
Nas datas 238/2006, 209/2007 e 249/2010 apresentaram médias 170, 125 e 127
W m-2 respectivamente e, com variação entre 100 e 125 W m-2 . Todas as médias foram
acima de 100 W m-2 e com alta variação, coadunando com o esperado para superfície de
características heterogêneas compostas por feições verdes, corpos hídricos e alvos
impermeáveis com materiais construtivos de alta capacidade calorífera e absorverdores
de radiação, favorecidos pela alta admitância. Devido à complexidade do dossel e do
substrato urbano os fluxos verticais turbulentos de calor sensível apresentam uma
grande variabilidade. (ARNFIELD, 2003; FERREIRA, 2010; GRIMMOND e OKE,
1999b).
Figura 24 - Valores médios e desvio padrão do fluxo de calor sensível nas datas
216/1998, 269/2000, 238/2006, 209/2007, 249/2010 e 268/2011.
A Figura 25 representa a distribuição espacial do fluxo de calor sensível (H) para

as datas supracitadas. As feições com cobertura verde e corpos hídricos apresentaram
102
valores inferiores a 5 W m-2 representados pela classe com tonalidade verde escuro,
enquanto os maiores foram encontrados na tonalidade laranja escuro e vermelho com
intervalos entre 321 W m-2 e superiores a 426 W m-2 respectivamente, localizados no
setor leste das cenas, região dotadas de menores coberturas vegetativas e intenso uso do
solo com ambientes construtivos e com maior intensidade na cena de 268/2011.
Os valores intermediários foram representados na classe amarela, com intervalos
entre 106 e 215 W m-2 predominando na mancha urbana, estando em consonância com
os resultados obtidos por Araujo et al. (2010) na mesma área. Os autores encontram
intervalos entre 350 e 500 W m-2 através do modelo BRAMS. Santos et al. (2010)
encontraram intervalos entre 200 e 400 W m-2 usando o modelo SEBAL na área urbana
da cidade de Paraíso do Sul.
A cena referente a data 216/1998 apresentou os menores valores em comparação
com as demais datas. As feições com presença de corpos hídricos e vegetação,
localizados na parte norte, região da mata de Dois Irmãos e da Guabiraba, seguidos da
porção oeste da cena onde se situa o corredor verde, assim como o manguezal do Pina,
situado na parte sul da cidade. As áreas acima estão inseridas nas unidades de
conservação, portanto, apesar de apresentarem baixos valores de energia disponível para
o aquecimento do ar não apresentavam especulação imobiliária intensa, sobretudo por
não estarem inseridas no eixo das conexões econômicas e com isto destacam-se com
baixos valores do fluxo de calor sensível, compreendendo assim as áreas com baixa
densidade demográfica, sobretudo a região da Guabiraba, localizada no setor norte da
cena.
Os maiores valores culminaram nas áreas onde o adensamento construtivo é
mais intenso e com baixo percentual de áreas verdes e corpos hídricos. Nessas áreas alto
percentual de energia está sendo empregada para aquecer a temperatura da superfície e,
com isto propiciam aumento da temperatura do ar que são favorecidos pelas
propriedades dos materiais construtivos na absorção de calor de forma rápida e
liberação de forma lenta, proporcionando o aprisionamento e emissão de calor,
destacando os alvos Shopping Center Recife e o Aeroporto Internacional dos
Guararapes. Esses empreendimentos, apesar de contribuírem com a economia da cidade
e empregarem mão de obra, contribuem para o aumento da temperatura e, por
conseguinte, alteram as trocas de energia entre superfície e atmosfera.
103
Figura 25 - Carta temática do fluxo de calor sensível nas datas 216-1998, 269-2000,
238-2006, 209-2007, 249-2010 e 268- 2011.
104
O comportamento sazonal da radiação solar proporciona uma sensível redução

na data 238/2006, porém a mancha urbana permanece com os maiores valores,
destacando-se quase todos os bairros com predomínio das tonalidades laranja e amarelo
com intervalos variando entre 106 e 320 W m-2 , permanecendo os menores intervalos
nas superfícies vegetadas e corpos hídricos, com intervalos inferiores a 5 W m-2 , padrão
semelhante foi encontrado em 209/2007 e 249/2010. As cenas referentes às datas
269/2000 e 268/201 evidenciaram uma mudança no arranjo espacial dos valores em
toda cena, sendo possível constatar o predomínio de intervalos superiores a 350 W m-2
na mancha urbana. Esse aumento considerável nos valores pode ser atribuído a carta de
temperatura da superfície que fora modulada pela intensidade da radiação solar no
momento da passagem do satélite. Nas áreas verdes e corpos hídricos, não houve
alteração dos valores quando comparados com os anos anteriores, permanecendo com o
mesmo padrão.
A Tabela 10 representa a percentagem de pixels em cada classe do fluxo de calor
sensível. É possível observar as classes, (321 < H < 425 W m-2 ) e (H > 426 W m-2 )
destacadas em 268/2011 com maior representatividade entre as datas, com percentuais
de 16,24% e 0,52%, respectivamente, enquanto a data 209/2007 apresentou os menores
valores na classe (H < 5 W m-2 ), com percentuais em torno de 2,92%.
Tabela 10 - Distribuição percentual das classes do fluxo de calor sensível para as datas
em análise.
Fluxo de calor 216/1998 269/2000 238/2006 209/2007 249/2010 268/2011
sensível (W m-2 )
H<5 0,19 % 1,63 % 0,03 % 2,92 % 0,53 % 1,26 %
6 < H < 110 54,36 % 32,90 % 31,33 % 47,01 % 43,56 % 23,45 %
111 < H < 215 43,16 % 25,56 % 42,48 % 32,93 % 39,35 % 24,26 %
216 < H < 320 2,27 % 35,61 % 25,91 % 14,93 % 16,25 % 34,27 %
321 < H < 425 0,02% 4,07 % 0,27 % 0,77 % 0,31 % 16,24 %
H > 426 0% 0,23 % 0% 0,04 % 0% 0,52 %
Visando verificar a influência do índice de vegetação NDVI nos valores do

fluxo de calor sensível H, selecionou-se cinco alvos referente a cena 268/2011 ( optou-
se por ser a mais recente), Figura 26. Os alvos com NDVI inferior a 0,19 (Ceasa,
105
Aeroporto, Shopping Recife e Carrefour) apresentaram valores de H superiores a 400 W

m-2 , enquanto o alvo com índice de vegetação superior a 0,71 (Manguezal do Pina)
elucidou valores de H inferiores a 55 W m-2 , evidenciano que não há relação entre a
magnitude do H e as áreas com baixo índice de vegetação.
Os alvos com os maiores valores de H possuem coberturas com materiais de alta
absorção de calor contribuem no aprisionamento da energia empregada para o elevação
do gradiente de temperatura do ar próximo a superfície, criando ambiente propício ao
surgimento das zonas quentes em escala local.
Figura 26 - Relação estatística entre os fluxo de calor sensível e o índice de vegetação

NDVI para os seguintes alvos: Manguezal do Pina, Carrefour, Shopping Recife,
Aeroporto e Ceasa na data 268-2011.
A Figura 27 apresenta os recortes do fluxo de calor sensível localizados na

RPA6 (Sul), destacando os alvos Manguezal do Pina, Shopping Recife, Aeroporto e
Reserva dos Guararapes. A configuração espacial da região em destaque com
predominância de altos percentuais construtivos refletiu em todas as cenas analisadas os
maiores valores de energia disponível para o aquecimento do ar próximo a superfície.
106
As feições representadas pelo Manguezal do Pina, apresentaram os menores

valores em todas as cenas com intervalos inferiores a 100 W m-2 representado na
tonalidade verde, assim como na Mata dos Guararapes. Nessas áreas o fluxo de energia
é utilizado para evapotranspiração, há uma produção de umidade sendo fundamental
para o arrefecimento das temperaturas em escala local e favorecendo a criação de áreas
confortáveis em âmbitos climáticos.
Em contribuição para o incremento do fluxo de calor sensível na referida área
apresenta-se o estacionamento do Shopping Recife e o Aeroporto com maior percentual
de energia aprisionada disponível para o aquecimento do ar em todas as cenas, com
intervalos entre 370 e 460 W m-2 .
Figura 27 - Cartas temáticas da distribuição espacial do fluxo de calor sensível na RPA

6 (Sul) com destaque para os alvos: Manguezal do Pina, Shopping Recife, Aeroporto e
Mata dos Guararapes, ambos destacados com contorno nas cenas 216-1998, 269-2000,
238-2006, 209-2007, 249-2010 e 268-2011.
Em todas as cenas percebe-se a influência da superfície na configuração espacial

dos valores face aos diversos tipos de coberturas, proporcionando uma amplitude de 360
W m-2 entre as áreas de maior e menor absorção de calor conforme exemplos
107
supracitados, possibilitando constatar forte relação entre a distribuição espacial dos

maiores intervalos do fluxo de calor sensível nas áreas de alto adensamento construtivo,
independente da sazonalidade da radiação solar. Desta forma, evidencia-se a
necessidade de aumento nas áreas vegetadas no referido setor assim como a manutenção
das áreas de reservas ambientais pré-existentes, visando proporcionar a diminuição do
fluxo de calor sensível e menores temperaturas do ar.
Dentre os diversos tipos de materiais presentes nos alvos situados na malha
urbana, que apresentam propriedades significantes na magnitude dos valores do fluxo de
calor sensível, traçou-se um transecto sob forma de perfis compreendendo uma extensão
de 22.500 m aproximadamente. A representação do perfil compreende o eixo no sentido
Norte/Sul da cidade, visando a identificação dos referidos alvos, conforme
representados na Figura 28.
A Figura 28, apresenta os alvos que foram destacados nos perfis com os maiores
valores e suas respectivas distâncias. Conforme pode ser observado, os materiais
presentes nos referidos alvos, são compostos por coberturas de zinco, alumínio e
amianto, piche, detentores de propriedades absorvedoras de radiação sendo responsáveis
em proporcionar maior percentual de energia a ser transferida para aquecimento do ar
junto a superfície e, refletindo no surgimento de zonas quentes em escala local.
Figura 28 - Alvos localizados no perfil correspondendo às distâncias: 8.000, 10.000,

12.000 e 21.000 m, respectivamente (Norte-Sul).
Fonte: (Google Earth).
De acordo com os resultados apresentados, verifica-se na data 216-1998 a menor

representação dos alvos entre os perfis, destacando-se o Aeroporto situado na distância
21.000 metros, com maior expressão, compreendendo 300 W m-2 , sendo os menores
valores localizados nas áreas de mata atlântica e fragmento de mata ciliar do Rio
Capibaribe com distância de aproximadamente 0 e 11.000 m, respectivamente,
108
apresentando valores inferiores a 25 W m-2 . Os valores intermediários compreendidos

entre 100 e 150 W m-2 apresentaram maior representatividade em todo perfil.
Os perfis representados nas datas 269-2000, 238-2006, 209-2007, 249-2010 e
268-2011 Figuras 29, 30, 31, 32, 33, e 34 apresentam os menores valores representados
entre a distância 0 e 5.0000 m, situados nas feições de coberturas verdes localizadas na
porção norte dos perfis, após esses intervalos percebe-se uma tendência de aumento nos
valores, condicionados à mudança na configuração do uso do solo com predominância
de intensa urbanização.
Os alvos situados entre as distâncias 8.000, 10.000, 12.000 e 21.000 m
aproximadamente apresentam valores superiores a 300 W m-2 e, com maior magnitude
em 2000 e 2011, situados na porção sul do perfil, compreendendo a distância de
aproximadamente 21.000 m. A localização do Aeroporto apresentou os maiores valores,
próximos de 500 W m-2 . Em todos os perfis os menores valores foram representados
nos alvos com presença de vegetação e corpos hídricos, enquanto a superfície urbana
apresentou os alvos com valores de alta magnitude do fluxo de calor sensível.
Figura 29 - Perfil do fluxo de calor sensível representado entre a distância 0 - 22.500

m, no sentido Norte/Sul da cidade em 268-1998.
109


110

Figura 33. Perfil do fluxo de calor sensível representado entre a distância 0 - 22.500 m,
no sentido Norte/Sul da cidade em 249-2010.
111

4.7. Fluxo de calor latente
A Figura 35 apresenta o gráfico das médias estatísticas e desvio padrão do fluxo

de calor latente nas datas em análise. A cena referente à data 268/2011 apresentou a
menor média 340 W m-2 e com o maior desvio entre os valores 160 e 480 W m-2 ,
atribui-se aos altos valores de fluxo de calor sensível registrado na data, favorecendo
assim um maior percentual de energia usada para aquecer a superfície urbana e menor
percentual empregada para evaporação, proporcionado com isto uma alta amplitude
entre os valores. As maiores médias foram encontradas nas cenas 269/2000 e 249/210,
com intervalos entre 410 e 415 W m-2 respectivamente e com desvio entre os valores
com padrões semelhantes, 250 e 550 W m-2 aproximadamente. A menor variação entre
os valores foi encontrada na data 216/1998 com intervalos entre 300 e 420 W m-2 e com
média de 380 W m-2 . Esse padrão próximo do homogêneo apresentado é justificado
através do evento climático (El Ninõ) atuante na cidade no período da cena, onde
112
proporcionou redução nos valores de temperatura e aumento de umidade relativa do ar

em toda área.
Figura 35 - Gráfico dos valores médios e desvio padrão do fluxo de calor latente nas
datas 216/1998, 269/2000, 238/2006, 209/2007, 249/2010 e 268/2011.
A Figura 36 representa a distribuição espacial do fluxo de calor latente para as

datas em análise. Foi possível identificar em todas as cenas os maiores valores
destacados no setor norte e oeste da imagem, representados na tonalidade verde com
índices superiores a 541 W m-2 . A tonalidade laranja e amarelo apresentaram valores
intermediários com intervalos entre 211 e 430 W m-2 predominante no setor leste das
cenas, sendo com maior representatividade entre as datas 216/1998 e 249/2010,
podendo está associado ao evento pluviométrico ocorrido onde proporcionou aumento
de umidade na superfície. Os menores intervalos foram encontrados na classe com
tonalidade vermelho destacados com índices inferiores a 100 W m-2 , encontrados nas
áreas onde o adensamento construtivo é mais evidente, em destaque a porção leste das
cenas. Os alvos localizados no Shopping Recife e Aeroporto permaneceram com a
mesma configuração em todas as datas analisadas, intervalos inferiores a 100 W m-2 .
113
Figura 36 - Carta temática da distribuição espacial do fluxo de calor latente nas datas
216-1998, 269-2000, 238-2006, 209-2007, 249-2010 e 268-2011.
114
A Tabela 11, apresenta a percentagem de pixels em cada classe do fluxo de calor

latente (LE), evidencia-se que a classe entre os intervalos 321 < LE < 430 W m-2
referente a data 216/1998, apresenta a maior distribuição espacial entre todas as cenas,
com percentual de 54,15%, enquanto a classe de menor intervalos LE < 100 W m-2 ,
evidenciou a maior representação 2,61% em 268/201.
Tabela 11 - Distribuição percentual das classes do fluxo de calor latente para as datas
em análise.
Fluxo de calor 216/1998 269/2000 238/2006 209/2007 249/2010 268/2011
latente (W m-2 )
LE < 100 0,05 % 0,54 % 0,42 % 0,49 % 0,12 % 2,61 %
101 < LE < 210 2,11 % 6,74 % 10,69 % 7,67 % 2,22 % 26,40 %
211 < LE < 320 24,88 % 23,93 % 34,90 % 29,19 % 20,55 % 22,13 %
321< LE < 430 54,15 % 22,48 % 21,70 % 27,73 % 29,46 % 16,40 %
431 < LE < 540 18,32 % 20,26 % 31,81 % 34,92 % 21,39 % 25,97 %
LE > 541 0,48 % 26,05 % 0% 0% 26,23 % 6,49 %
A Figura 37, apresenta os valores mais evidentes do fluxo de calor latente em

todas as cenas, detectados na RPA 4 (Oeste). A tonalidade branca destaca as áreas de
nebulosidade que foram retiradas. Os índices encontrados apresentaram variação entre
476 e 601 W m-2 representados na tonalidade verde escuro, localizados nos fragmentos
de mata compreendidos no cinturão verde da cidade. Os altos valores nesta região
favorecem a formação de umidade oriundas dos processos evapotranspirativo, refletindo
em temperaturas amenas e no surigimento de um microclima, destacando-se o bairro da
Várzea com maior representação dentro desse recorte espacial.
No setor leste da imagem a configuração representativa das cores exemplifica
uma mudança significativa em todas as cenas ao ser comparada com a porção oeste,
predominando os menores valores observados nas tonalidades laranja e amarelo, com
intervalos entre 101 e 350 W m-2 , e com alguns pontos com intervalos inferiores a 100
W m-2 . Na referida região há um setor atraente no segmento econômico, predominando
diversos ramos comerciais, em destaque para o setor de concessionárias de veículos,
construções verticais e horizontais, instalados em uma das principais vias arteriais da
cidade (Av.Caxangá) e reduzido percentual de cobertura verde, se justificado com isto a
influência dos materiais construtivos nos baixos valores do fluxo de calor latente
115
encontrados, apresentando amplitude de aproximadamente 500 W m-2 em relação ao

setor oeste. As referidas áreas apresentam contribuição com a economia da cidade,
entretanto sobressaem com baixos percentuais de umidade e altos valores de
temperatura refletindo no intenso uso do solo em ambientes artificiais, proporcionando
a conversão da radiação em calor sensível para o aquecimento do ar e favorecendo a
formação de feições quentes.
Figura 37 - Carta temática da distribuição espacial do fluxo de calor latente na RPA 4

(Oeste).
A amplitude dos valores representadas nos recortes acima é influenciada pela

sazonalidade da radiação solar, nebulosidade e percentual de água precipitável, fato que
pode ser constatado nas datas 216/1998 e 249/2010 respectivamente, onde há um
predomínio dos maiores valores do fluxo de calor latente, sendo as datas 238/2006 e
268/2011 com os menores valores em toda área analisada.
Visando a identificação dos pontos com características de produção de umidade
realizou-se um transecto (demarcado na Figura 36, citada) compreendendo uma
extensão de 22.500 metros no sentido Norte/Sul da cidade, representado sob forma de
116
perfis, conforme Figuras 39, 40, 41, 42, 43, 44 respectivamente. Os maiores valores
encontrados nos perfis foram destacados entre as distâncias 0 e 5.000 m, situados na
porção norte das cenas. As referidas distâncias compreendidas nas feições de cobertura
verde apresentaram os alvos com maior expressão em todas as datas analisadas,
destacando valores superiores a 450 W m-2 e máximo de 690 W m-2 aproximadamente,
representados nas datas 249/2010 e 268/2011.
Foi evidenciado um padrão de declínio entre os valores após a referida
distância, voltando a ter alguns picos nos alvos representados por características
semelhantes ao supracitado, assim como nos corpos hídricos, encontrados entre as
distâncias 11.500, 14.000, 18.000 e 22.500 m, respectivamente, verificados na Figura
38.
Figura 38 - Alvos localizados no perfil representados às distâncias: 11.500, 14.000,

18.000 e 22.500 m, respectivamente.
Fonte: (Google Earth, 2011).
Os menores valores entre os perfis foram encontrados na distância de 22.000

metros aproximadamente localizados em todas as datas no Shopping Recife, sendo a
data 268/2011 com a menor magnitude, apresentando intervalos próximos de 0 (zero) e,
valores intermediários inferiores a 200 W m-2 situados na malha urbana. No perfil
referente a data 216/1998 a representação dos valores nos alvos mostraram-se de forma
mais homogênea, porém com uma tendência de declínio entre os valores na superfície
urbana, com valores intermediários entre 300 W m-2 .
Os alvos que apresentaram os maiores valores do fluxo de calor latente, entre as
distâncias nos perfis conforme representados, apresentam-se distribuídos em regiões
distintas e com representação reduzida na superfície urbana, entretanto exercem
influência em escala local na conversão da radiação solar incidente em umidade,
proporcionando temperaturas amenas nas áreas adjacentes.
117
Figura 39 - Perfil do fluxo de calor latente representado entre a distância 0 - 22.500 m,

sentido Norte/Sul em 216-1998.

118


119


120
4.8. Evapotranspiração real diária (mm d-1 )
A Tabela 12 apresenta os resultados de ET24h encontrados nessa pesquisa

mediante estimativa SEBAL que foram confrontados com os valores medidos no pixel
da torre meteorológica pelo método FAO (Evapotranspiração de referência) assim como
os respectivos erros estatísticos.
Tabela 12 - Valores estimados pelo SEBAL e medidos FAO (evapotranspiração de

referência) para os dias de estudo e seus respectivos erros absoluto (EA, mm d-1 ),
relativo (ER, %) e a raiz do erro quadrático (REQ, mm d-1 ).
Data DSA ET24h SEBAL ET24h FAO EA ER REQ
26/09/2000 269 4,22 5,24 1,02 24,17 1,04

26/08/2006 238 3,36 4,59 1,23 36,60 1,51
06/09/2010 249 4,76 4,94 0,18 3,78 0,03
25/09/2011 268 3,82 4,85 1,03 26,96 1,06
Média 0,86 22,87 0,91
Em análise da tabela, constatou-se entre os dados o erro relativo médio de

22,87%, com mínimo erro de 3,78% e o máximo de 36,60%. Os erros absolutos
apresentaram 0,18 e 1,23 mm d-1 , mínimo e máximo respectivamente, com média de
0,86 mm d-1 . Em geral, assegura-se uma boa proximidade dos valores com erros baixos,
assemelhando-se com os resultados encontrados por (Bezerra et al., 2008) quando
comparou medidas lisimétricas e os resultados do SEBAL, os erros absolutos
encontrados foram inferiores a 1,0 mm d-1 . Machado et al. 2012, comparando a ETr
medida pelo método FAO-Penman-Monteith com a estimada pelo SEBAL em uma
região com remanescente de Mata Atlântica obtiveram 0,5 mm d-1 de erro absoluto e
10,8 % de erro relativo em setembro de 2010,0,06 mm d -1 de erro absoluto e 1,43 % de
erro relativo em agosto de 2006.
Trezza (2002), após comparar medidas lisimétricas e as estimativas do SEBAL
aplicado em sete imagens compreendida entre os anos de 1989 e 1991 no estado
americano de Idaho, encontrou erros absolutos inferiores a 1 mm d-1 . Wang et al. (2005)
através do referido modelo integrado com imagens MODIS e Landsat 5 aplicados na
bacia do rio Hai na China, obtiveram resultados ainda mais satisfatórios, com erros
absolutos em torno de 0,5 mm d-1 , enquanto Bezerra et al. (2008) encontraram erros
relativos entre 4 e 10% quando compararam os resultados obtidos através da razão de
121
Bowen e SEBAL em cultura de mamona e algodão na mesorregião do Cariri, situado no

estado da Paraíba.
Conforme os resultados obtidos através dos autores supracitados em análises
comparativas da evapotranspiração estimada pelo SEBAL e calculada na estação
meteorológica, os resultados obtidos nesta pesquisa foram coerentes em margem de
erros. Entretanto, o trabalho em análise objetivou a mensuração das taxas
evapotranspirativas liberado nas feições de vegetação e corpos hídricos como
contribuição ao clima urbano. Sendo assim, para tal feito não foi necessário usar
culturas irrigadas como referência na validação da carta de evapotranspiração,
comumente usados em estudos de agricultura de precisão através da mensuração do Kc
(coeficiente de cultura).
A Figura 45 apresenta as médias e desvio padrão da evapotranspiração diária
entre as datas 269/2000, 238/2006, 249/2010 e 268/2011. A ausência de dados de
radiação solar acumulada na torre meteorológica em 04/08/1998 e 26/08/2007
impossibilitou suas estimativas.
Figura 45 - Valores médios e desvio padrão da evapotranspiração diária nas datas

269/2000, 238/2006, 249/2010 e 268/2011.
122
O maior valor da média apresentado entre as datas correspondeu a 5,08 mm d-1 e

com desvio entre 3,8 e 6,02 mm d-1 para o dia 249/2010, enquanto a menor média
encontrada foi de 3,86 mm.d-1 em 268/2011 com a maior variação entre os valores,
entre 2,2 e 4,9 mm.d-1 . Atribui-se a essa variação ao baixo percentual de coberturas
naturais propensas à evaporação em relação ao alto percentual de superfícies
impermeáveis com propriedades absorvedoras de calor.
A média apresentada no dia 269/2000 foi de 4,83 mm d -1 e com desvio padrão
entre 6,2 e 3,5 mm d-1 , valores com intensidade aproximados aos apresentados na data
anterior, sendo a data 238/2006 com média 3,8 mm d -1 e com menor desvio padrão, 2,7
e 4,8 mm d-1 . O desvio padrão apresentou variação alta entre os valores analisados,
seguindo o mesmo padrão para parâmetros físicos estimados em superfícies com
resposta espectral diferenciadas, fato explicado para os diferentes tipos de coberturas
presentes na área em estudo.
A Figura 46 apresenta a dinâmica temporal da variabilidade espacial para
evapotranspiração diária estimadas mediante o algoritmo SEBAL. Foi possível
constatar nas feições da superfície desprovida de vegetação e com solos impermeáveis
valores de ET24h inferior a 1,00 mm d-1 , representados pela classe de tonalidade
vermelha destacando-se com maior intensidade na cena de 268/2011, coadunando com
o baixo percentual do fluxo de calor latente registrado na data. Gomes et al. (2013)
encontraram 0,09 mm d-1 na área urbana de Patos (PB) e valores próximos de 9,00 mm
d-1 em matas ciliares.
Uda et al. (2013), analisaram a evapotranspiração real diária de diferentes usos e
coberturas do solo da bacia do rio Negrinho (SC), através do modelo SEBAL e imagens
ASTER. Os resultados encontrados apresentaram a menor taxa de evapotranspiração
nas áreas que correspondem à intensa interferência antrópica (áreas urbanas e solo
exposto), com valores entre 0,0 a 2,7 mm d-1 , enquanto nas feições com vegetação densa
e corpos hídricos representaram os maiores percentuais, destacando intervalos entre 4 a
5,3 mm d-1 .
123
Figura 46 - Carta temática da distribuição espacial da evapotranspiração diária nas

datas 269-2000, 238-2006, 249-2010 e 268-2011.
124
As áreas providas de vegetação e corpos hídricos representadas na tonalidade

verde destacaram-se com os maiores valores de ET24h , com intervalos de 6,01 mm d-1 ,
proporcionando em escala local o aumento de umidade e a redução da temperatura do
ar, podendo favorecer o surgimento das ilhas de amenidade. As áreas destacadas na
tonalidade amarela apresentaram intervalos oscilando entre 3,01 e 4,00 mm d -1 e, com
distribuição mais homogênea na porção leste de todas as cenas, com os menores valores
de ET24h . A baixa magnitude dos valores nessa área contribuem para formação de zonas
quentes, considerando o baixo percentual de água em forma de vapor na atmosfera,
proporcionando com isto o predomínio da conversão da energia para o aquecimento da
superfície.
Analisando a percentagem de pixels em cada classe da evapotranspiração ET,
conforme (Tabela 13) constata-se a classe ET > 6,01 mm d-1 com maior
representatividade nas datas 269/2000 e 269/2010, correspondendo a 31,80 % e 30,66
%, respectivamente, enquanto a data 238/2006 não houve percentual representativo. As
classes ET < 1,00 e (5,01 < ET < 6,00) representaram os maiores percentuais na data
268/2011, 21,44 %.
Tabela 13 - Distribuição percentual das classes da evapotranspiração 24h nas datas em

análise.
Evapotranspiração 24h 269/2000 238/2006 249/2010 268/2011
(mm d-1 )
ET < 1,00 0,24 % 0,23 % 0,05 % 1,53 %
1,01 < ET < 2,00 1,20 % 2,52 % 0,36 % 12,87 %
2,01 < ET < 3,00 9,83 % 21,97 % 3,59 % 25,37 %
3,01< ET < 4,00 20,80 % 28,28 % 19,93 % 16,14 %
4,01 < ET < 5,00 18,15 % 28,42 % 26,15 % 17,89 %
5,01 < ET < 6,00 17,98 % 18,58 % 19,26 % 21,44 %
ET > 6,01 31,80 % 0% 30,66 % 4,73 %
A Figura 47, representa a relação entre o NDVI e ET24h para cinco alvos
selecionados nas feições de mata atlântica e fragmentos de mangue, referente à data
268/2011. Os alvos elucidam alto potencial evapotranspirativo, destacando a Mata do
Ibura e Mata do Engenho Uchoa com ET24h aproximadamente 6,2 mm d-1 e 5,8 mm d-1 ,
com NDVI entre 0,75 e 0,73, respectivamente. O manguezal do Pina apresentou valores
125
de ET24h aproximadamente 3,85 mm d-1 e com NDVI 0,69, valores de ET24h entre 4,5
mm d-1 e com NDVI 0,71 foi encontrado na Reserva Ecológica Dois Unidos, sendo a
Reserva Dois Irmãos com valores de ET24h 5,0 mm d-1 e NDVI 0,72. Constatou-se nos
alvos em análise valores de NDVI superiores a 0,69 uma forte relação com ET24h ,
apontando com isto a relevância evaporativa das áreas verdes no ambiente urbano e sua
contribuição no clima em escala local em detrimento da expansão construtiva destacado
nas coberturas impermeáveis da cidade.
Figura 47 - Relação estatística entre evapotranspiração diária e o índice de vegetação

NDVI nos alvos: Mata da Várzea, Manguezal do Pina, Mata do Ibura, Reserva Dois
Irmãos, Reserva Dois Unidos e Mata do Uchoa em 268/2011.
Em todas as cenas analisadas os arranjos espaciais modularam a distribuição dos

valores conforme os diferentes tipos de feições. Os baixos valores de ET24h foram
influenciados nas regiões de intenso adensamento construtivo, sendo resultante da
reduzida cobertura de vegetação e, consequentemente, alterações no espaço urbano
promovendo oscilações importantes nos elementos climáticos direcionados ao balanço
de energia e incremento nos valores de temperatura.
126
As áreas de proteção ambiental representadas nos fragmentos de mata,

destacaram-se com os maiores valores de ET24h seguido dos corpos hídricos, entretanto
tais feições que se apresentam propensas à produção de umidade em escala local não
são suficientes em percentuais para promover a redução do fluxo de calor sensível ao ar
na cidade em sua totalidade, considerando serem inferiores ao comparado com as
superfícies artificiais predominante com percentual mais expressivo em maior
espacialização.
127
5. CONCLUSÕES
O presente trabalho analisa a influência da superfície urbana no balanço de

energia e evapotranspiração através do algoritmo SEBAL (Surface Energy Balance
Algorithm for Land) e seis imagens do sensor TM Landsat 5 referente a cidade do
Recife. Foi possível representar os valores dos componentes dos fluxos de energia e
massa espacializados em todas as cenas em estudo, permitindo assim, contemplar as
diferenças existentes nas diferentes feições da superfície urbana, diante disto pode-se
concluir:
A superfície urbana da cidade do Recife contemplada por altos percentuais de
superfícies impermeáveis e reduzida cobertura arbórea exerce influência no balanço de
energia, alterando significativamente as trocas entre os fluxos de radiação,
proporcionando elevados valores de fluxos de energia disponível para aquecimento do
solo (G) e do ar (H) em toda extensão, destacando-se com maior magnitude na RPA 6
(Sul), compreendido nos alvos de alta absorção de calor. Enquanto o fluxo de calor
latente (LE), apresentou-se reduzido em sua distribuição espacial e com participação
nas taxas evapotranspirativas médias em torno de 6,0 mm d -1 concentrados nas
Unidades de Conservação e corpos hídricos.
Evidenciando com isto o intenso uso do espaço geográfico de forma não
planejada, refletindo na qualidade de vida da população, demarcado por zonas quentes
com maior abrangência em detrimento de áreas produtoras de umidade. Sendo assim,
informações desta magnitude poderão servir como subsídios nas práticas e tomadas de
decisão dos órgãos competentes no planejamento urbano, visando melhorar as
condições microclimáticas e à mitigação de ambientes climaticamente confortáveis
inseridas nos arranjos espaciais da cidade.
A metodologia utilizada nesse trabalho representou de forma consistente os
fluxos de calor e massa dos diversos tipos de cobertura, apresentando-se de grande
relevância na área de climatologia urbana, podendo promover um avanço significativo
nas informações dos fluxos de energia da superfície disponíveis para o monitoramento
do clima urbano face às mudanças ocorridas no espaço geográfico no decorrer dos anos.
128
6. RECOMENDAÇÕES
O monitoramento do clima das cidades destaca-se no campo das investigações

científicas com atenção, sobretudo nas profundas modificações ocorridas no espaço
urbano proveniente do aumento populacional e pressões econômicas exercidas no solo,
portanto métodos que visem mensurar e identificar os parâmetros de entrada e saída de
radiação visando mitigar os efeitos das alterações provenientes da superfície urbana
pautadas na supressão da cobertura vegetal altera significativamente o balanço de
energia.
O crescimento urbano desordenado, seguido da ausência de uma fiscalização
eficiente por parte do poder público, proporciona modificações no uso do solo, com o
crescimento de áreas asfaltadas e redução de áreas verdes tem intensificado notáveis
modificações em variáveis meteorológicas
Os valores estimados nessa pesquisa não foram confrontados com medições em
campo em virtude da não disponibilidade dos equipamentos e os que estavam
disponíveis apresentaram falhas nas respectivas datas de observação. Não obstante,
todos os resultados encontrados nos componentes do balanço de energia estão em
consonância com a literatura em investigações realizadas de forma indireta em
superfície urbana, conforme supracitado nos capítulos.
O algoritmo SEBAL junto ao sensoriamento remoto (TM Landsat 5) destaca-se
com grande potencialidade na mensuração dos componentes do balanço de energia para
áreas extensas e heterogêneas, sendo superior aos métodos convencionais de avaliação
em escala pontual onde não são contemplados os arranjos espaciais em sua totalidade.
No presente trabalho não foram considerados os fluxos de calor antropogênicos,
por não apresentar como objetivo da pesquisa, entretanto, nos trabalhos futuros sejam
mensurados o calor emitido pelas indústrias, fábricas, pessoas e veículos e que sejam
somados com os resultados encontrados, a fim de proporcionar uma análise detalhista
desses parâmetros.
129
REFERÊNCIAS
AKBARI, H.; KURN, D.; BRETZ, S.; HANFORD, J. Peak Power and Cooling Energy
Savings of Shade Trees.” Energy and Building, v. 25, p.139-148, 1997.
AKBARI, H.; POMERANTZ, M.; TAHA, H. Cool Surfaces and Shade Trees to Reduce
Energy Use and Improve Air Quality in Urban Areas. Solar Energy, v. 70, p. 295–310,
2001.
ALLEN, R.G.; JENSEN, M.E.; BORNAN, R. D. Operational estimates of reference

evapotranspiration. Agronomy Journal, Madison, v.81, n. 4, p.650-662, 1989.
ALLEN, R. G., PEREIRA, L. S., SMITH, M. Crop Evapotranspiration – Guidelines for

Computing Crop Water Requirements. FAO Irrigation and Drainage Paper, No. 56,
FAO. Rome, Italy, 318 p. 1998.
ALLEN, R. G.; TASUMI, M.; TREZZA, R. SEBAL (Surface Energy Balance

Algorithms for Land). Advance Training and Users Manual – Idaho Implementation,
VERSION 1.0, 97p., 2002.
ALLEN, R.; TASUMI, M.; TREZZA, R. Satellite-based energy balance for mapping
evapotranspiration with internalized calibration (METRIC) – Model. Journal of
Irrigation and Drainage Engineering, v.133, p. 380-394, 2007a.
ALLEN, R. G.; TASUMI, M.; MORSE, A.; TREZZA, R.; WRIGHT, J.;
BASTIAANSSEN, W. G. M.; KRAMBER, W.; LORITE, I.; ROBSON, C. W.
Satellite-based energy balance for mapping evapotranspiration with internalized
calibration (METRIC) - pplications. J. Irrig. Drain. Eng. ASCE 133 (4), 395–405,
2007b.
ALEXANDRIDIS, T.K.; CHEMIN, Y.; CHERIF, I.; TSAKOUMIS, G.; GALANIS, G.;
ARAMPATZIS, G.; ZALIDIS, G. C.; SILLEOS, N. G.; STAVRINOS, E. Improving
spatial resolution of agricultural water use estimation using ALOS AVNIR-2 imagery.
In Proceedings of ALOS. Principal Investigators Symposium 2008, 03-07 November,
Rhodes, Greece.
130
ALEXANDRIDIS, T.K.; CHERIF, I.; CHEMIN, Y.; GEORGE, N.; SILLEOS, N.;
STAVRINOS, E.; ZALIDIS, G. Integrated Methodology for Estimating Water Use in
Mediterranean Agricultural Areas. Remote Sensing, v.1, p.445-465, 2009.
ANDRADE, S. C. P.; VIEIRA, V. R.; MORAIS, H. F.; ALBUQUERQUE, E. M.;

SANTOS, C. A. C. Estimativa de albedo, NDVI e Temperatura de Superfície no
município de Santarém-PA. In anais do Simpósio Brasileiro de Sensoriamento Remoto,
p. 178-286, 2013.
ARAUJO, T. L. S.; SOUZA, E. P. Influência da Superfície no Balanço de Energia e na

Intensidade da Precipitação Urbana. Revista Brasileira de Geografia Física, Recife,
Universidade Federal de Pernambuco v. 3, p. 204-217, 2010.
ARNFIELD, A. J. Two decades of urban climate research: A review of turbulence,

exchanges of energy and water, and the urban heat island. International Journal of
Climatology, v. 23, p.1-26, 2003.
ARYA, S. P. Air Pollution Meteorology and Dispersion, 2 ed., San Diego, California,
USA, Academic Press. p.420, 2001.
ASCE-EWRI - American Society of Civil Engineers - Environmental and Water

Resources Institute. ASCE-EWRI Standardization of Reference Evapotranspiration
Task Committee Rep., ASCE, 2005.
BARBIRATO, G. M. Aplicação de modelo de balanço de energia para análise do

ambiente térmico urbano de Maceió - AL. Tese (Doutorado), Escola de Engenharia de
São Carlos, Universidade de São Paulo, São Carlos.
BASTIAANSSEN, W. G. M. Regionalization of Surface Flux Densities and Moisture

Indicators in Composite Terrain. A remote sensing approach under clear skies in
Mediterranean Climates. Ph.D. Thesis, Wageningem Agricultural University,
Wageningem, Netherlands, 273p., 1995.
BASTIAANSSEN, W.G.M.; MENENTI, M.; FEDDES, R.A.; HOLTSLAG, A.A.M.A.

Remote Sensing Surface Energy Balance Algorithm for Land (SEBAL) 1.Formulation.
Journal of Hydrology, v. 212-213, p. 198-212, 1998a.
131
BASTIAANSSEN, W.G.M.; PELGRUM, H.; WANG, J.; MORENO, Y.M.J.;

ROERINK, G.J.; VAN DER WAL, T. The Surface Energy Balance Algorithm for Land
(SEBAL) 2.Validation. Journal of Hydrology, v. 212-213, p. 213-229, 1998b
BASTIAANSSEN, W. G. M. SEBAL – based sensible and latent heat fluxes in the

irrigated Gediz Basin, Turkey. Journal of Hydrology, v.229, p.87-100, 2000.
BASTIAANSSEN, W. G. M.; ZWART, S. J. SEBAL for detecting spatial variation of

water productivity and scope for improvement in eight irrigated wheat systems.
Agricultural Water Management. v.89, p.287-296, 2007.
BEZERRA, B. G. Obtenção da evapotranspiração diária no Cariri Cearense utilizando

imagens Landsat 5-TM e o algoritmo SEBAL. 135f. Dissertação (Mestrado em
Meteorologia) - Universidade Federal de Campina Grande, Campina Grande, 2006.
BEZERRA, B. G.; SILVA, B. B.; FERREIRA, N. J. Estimativa da evapotranspiração

real diária utilizando-se imagens digitais TM - Landsat 5. Revista Brasileira de
Meteorologia, v.23, p. 305-317, 2008.
BEZERRA, M. V. C.; SILVA, B. B.; BEZERRA, B. G. Avaliação dos efeitos

atmosféricos no albedo e NDVI obtidos com imagens de satélite. Revista Brasileira de
Engenharia Agrícola e Ambiental. Campina Grande, PB. v.15, p. 709-717, 2011.
BRETZ, S.; AKBARI, H.; ROSENFELD, A. Practical issues for using solar-reflective
materials to mitigate urban heat islands. Atmospheric Environment, v. 32, p. 95–101,
1998.
BROWN, M. J. 2000: Urban Parameterizations for Mesoscale Meteorological Models.

Mesoscale Atmospheric Dispersion, Ed., Boybeyi, WIT Press, 2000.
BRUTSAERT, W. Evaporation Into the Atmosphere: Theory, History and Applications.

D. Reidel Pub, Co, 299 p. 1982.
BURTON, I.; KATES, R.; WHITE, G. The Environment as Hazard. New York: Oxford
University, 1978.
132
CALLEJAS, I. J. A. Avaliação temporal do balanço de energia em ambientes urbanos

na cidade de Cuiabá-MT. Tese (Doutorado) Universidade Federal de Mato Grosso,
Instituto de Física, 167p., 2012.
CARLSON, T. N.; DODD, J. K.; BENJAMIN, S. G.; COPPER, J. N. Satellite

estimation of the surface energy balance, moisture availability and thermal inertia.
Journal of Climate and Applied. Meteorology, v. 20, p. 67-87, 1981.
CARLSON T. N.; ARTHUR, S. T. The impact of land use-land cover changes due to
urbanization on surface microclimate and hydrology: a satellite perspective. Global and
Planetary Change, v.25, p. 49-65, 2000.
CHANDER, G.; MARKHAM, B. L.; BARSI, J. A. Revised Landsat -5 Thematic

Mapper Radiometric Calibration. IEEE Geoscience and Remote Sensing Letters, v. 4, n.
3, p. 490-494, 2007.
CHANDLER, T. J. Urban Climatology and its relevance in urban design. Geneva:

WMO, 1976. (Thecnical Note 149).
CHOUDHURY, B. J. Estimating evaporation and carbon assimilation using infrared

temperature data: vistas in modelling. Theory and Applications of Optical Remote
Sensing, p.628-690, 1989.
CHRISTEN, A.; VOGT R. Energy and radiation balance of a central European city.
International Journal of Climatology, v.24 p.1395-1421, 2004.
CHRISTY, J. R.; NORRIS, W. B.; MCNIDER, R.T. Surface Temperature Variations in

East Africa and Possible Causes, Journal of Climate, v.22, p. 3342-3356, 2008.
CHRYSOULAKIS, N. Estimation of the all-wave urban surface radiation balance by

use of ASTER multispectral imagery and in situ spatial data. Journal of Geophysical
Research, v. 108, p.1-10, 2003.
CLEUGH, H. A.; OKE, T. R. Suburban-rural energy balance comparisons in summer

for Vancouver, Boundary Layer Meteorology, v.36, p.351-369, 1986.
COLTRI, P. P.; VELASCO, G. D.; POLIZEL, J. L.; DEMETRIO, D. A.; FERREIRA,

N. J. In anais do Simpósio Brasileiro de Sensoriamento Remoto, p. 223-231, 2007.
133
COMPAORÉ, H.; HENDRICKX, J. M.; HONG, S.; FRIESEN, J.; VAN DE GIESEN,
N. C.; RODGERS, C.; SZARZYNSKI, J.; VLEK, P. L. G. Evaporation mapping at two
scales using optical imagery in the White Volta Basin, Upper East Ghana. Physics and
Chemistry of the Earth, v.33, p.127-140, 2008.
CORRÊA, A. C. B. Contribuição à análise do Recife como um Geossistema Urbano.

Revista de Geografia da UFPE, Vol.23 n.3. p.86-102 Recife: UFPE, 2006.
CROSTA, Álvaro Penteado - Processamento Digital de Imagens de Sensoriamento

Remoto. Ed. Rev. - Campinas, SP: IG/UNICAMP, 1993.
DAVIS, J. C.; BOZIER, K. E.; COLLIER, C. G.; DAVIES, F. Spatial variations of

sensible heat flux over an urban area measured using Doppler lidar. Quarterly Journal of
the Royal Meteorological Society, v. 15, p. 367-380, 2008
DE BRUIN, H. A. R.; STRICKER, J. N. M. Evaporation of grass under non-restricted

soil moisture conditions, Hydrology Science Journal, n. 45(2), p. 391– 406, 2000.
DI PACE, F. T.; SILVA, B. B.; SILVA, V. P. R.; SILVA, S. T. A. Mapeamento do

saldo de radiação com imagens Landsat 5 e modelo de elevação digital. Revista
Brasileira de Engenharia Agrícola e Ambiental, v.12, p.385-392, 2008.
DOU, J.; WEIDONG, L.; CHEN, S.; YAOTING, W.; MIAO, S. Thes Suburban Energy
Balance in Shunyi, Beijing City, The seventh International Conference on Urban
Climate, Yokohama, Japan, 29 June - 3 July 2009.
EVANS, J. M.; DESCHILLER, S. Application of microclimate studies in town

planning: A new capital city, an existing urban district and urban river front
development, Atmospheric Environment, v. 30, p. 361-364, 1996.
FELICIANO, A. J. P.; VASQUEZ, R.; GONZÁLEZ, J.; LUVAL, J.; RICKMAN, D.

Use of Remote Sensing Observations to Study the Urban Climate on Tropical Coastal
Cities, Revista Umbral, v.1, p.218-232, 2009.
134
FERREIRA M. J. Estudo do balanço de energia na superfície da cidade de São Paulo.

Tese (Doutorado) Departamento de Ciências Atmosféricas, Instituto de Astronomia,
Geofísica e Ciências Atmosféricas, Universidade de São Paulo, SP, Brasil, 149p., 2010.
FILHO, V. P. S.; VISWANADHAM, Y.; SANTOS, J. M. Determinação da constante

de von-Karman a partir de dados coletados na Amazônia. Revista Brasileira de
Meteorologia, v.7, n.1, p.535-541, 1992.
FLORENZANO, T. G. Iniciação em sensoriamento remoto. Imagens de satélite para

estudos ambientais. Oficina de Textos, 101p., 2007.
FURLAN, N. D.; BALLESTER, M. V. R.; ANDRADE, R. G. Estimativa dos valores

de saldo de radiação e fluxo de calor no solo em diferentes condições antrópicas na
bacia do rio Ji-Paraná, Rondônia. In: XV Simpósio Brasileiro de Sensoriamento
Remoto, p. 6301 – 6308, 2011.
GALVÃO, J. A. C.; FISCH, G. Balanço de radiação em área de pastagem na

Amazônia. Revista Brasileira de Agrometeorologia, v. 8, n. 1, p. 1-10, 2000.
GARCIA-CUETO, R.; JAUREGUI, E.; TEJEDA, A. Urban/rural energy balance

observations in a desert city in northern Mexico. In: INTERNATIONAL
CONFERENCE ON URBAN CLIMATE, 5. Proceeding Lodz, Poland, 2003.
GARRISON, J. D.; ADLER, G. P. Estimation of precipitable water over the United

State for aplication to the division of solar radiation into its direct and difuse coponents.
Solar Energy, v.44, n.4, p.225-241, 1990
GARTLAND, L. Ilhas de calor: como mitigar zonas de calor em áreas urbanas.

Tradução: Silvia Helena Gonçalves. São Paulo: Oficina de textos, 2010, 248p.
GIACOMONI, M. H. Estimativa da evapotranspiração regional por meio de técnicas de

sensoriamento remoto integradas a modelos de balanço de energia: aplicação no estado
do Rio Grande do Sul. 193p. 2005. Dissertação (Mestrado) - Universidade Federal do
Rio Grande do Sul, Porto Alegre.
GOLANY, G. S. Urban design morphology and thermal performance, Atmospheric

Environment, v. 30, p. 455-465, 1996.
135
GOMES, L. C. F.; SANTOS, C. A. C.; ALMEIDA, H. A. Balanço de Energia à

Superfície para a Cidade de Patos-PB Usando Técnicas de Sensoriamento Remoto,
Revista Brasileira de Geografia Física, v. 6, p.15-28, 2013.
GOMES, H. B.; SILVA, B. B. DA; CAVALCANTI, E. P.; ROCHA, H. R. DA. Balanço de

radiação em diferentes biomas no estado de São Paulo mediante imagens Landsat. Revista
Geociências, UNESP, v.28, n.2, p.153-164, 2009.
GRIMMOND, C.S.B.; CLEUGH, H.A.; OKE, T.R. An objective urban heat storage
model and its comparison with other schemes. Atmospheric Environment, Urban
Atmosphere, v.25, n.3, p.311-326, 1991.
GRIMMOND, C. S. B. The suburban energy balance: methodological considerations

and results for a midlatitudc west coast city under wintcr and spring conditions. Journal
International of Climatology, v. 12, p.481-497, 1992.
GRIMMOND, C. S. B.; OKE, T. R.; CLEUGH, H. A. The role of "rural" in

comparisons of observed suburban - rural flux differences. Exchange processes at the
land surface for a range of space and time scales, International Association of
Hydrological Sciences Publication, v. 212, p. 165-174, 1993.
GRIMMOND, C. S. B.; OKE, T. R. Comparasion of Heat Fluxes from Summertime

Observation in the Suburbs of Four North American Cities. Journal of Applied
Meteorology, v.34, p. 873-889, 1995.
GRIMMOND, C. S. B; OKE, T. R. Variability of urban evaporation rates with land use.

In: Pre-prints Second Urban Environment Symposium (Albuquerque, New Mexico,
November 1998), 247-250. American Meteorological Society, 1998.
GRIMMOND, C. S. B.; OKE, T. R. Evapotranspiration rates in urban areas. Impacts of

Urban Growth on Surface Water and Groundwater Quality (Symposium HSS.
Birmingham, July 1999). IAHS Publ. n. 259.1999a.
136
GRIMMOND, C. S. B.; OKE, T. R. Aerodynamic properties of urban areas derived

from analysis of surface form. Journal of Applied Meteorology, v. 38, p. 1262-1292,
1999b.
GRIMMOND, C. S. B.; OKE, T. R. Turbulent Heat Fluxes in Urban Areas:

Observations and a Local-Scale Urban Meteorological Parameterization Scheme
(LUMPS). Journal of Applied Meteorology, v. 41, p. 1-19, 2002.
GRIMMOND, C. S. B.; SALMOND, J. A.; OKE, T. R.; OFFERLE, B.; LEMONSU, A.

Flux and turbulence measurements at a densely built-up site in Marseille: Heat, mass
(water and carbon dioxide), and momentum. Journal of Geophysical Research, v.109, p.
1-19, 2004.
GRIMMOND, C. S. B.; KUTTLER, W.; LINDQVIST, S.; ROTH, M. Urban

Climatology ICUC6. International Journal of Climatology, v.27, p.1847-1848, 2007
GRIMMOND, C. S. B.; BLAKKETT, M; BEST, M. J; BARLOW, J; BAIK, J.J;

BELCHER, S.I.; CALMET, I. BOHNENSTENGEL, S.I; HAMDI, R; HENDRY, M;
KAWAI, T; KAWAMOTO,Y; KONDO, H; KRAYENHOFF, S.; LORIDAN, T. The
International Urban Energy Balance Models Comparison Project: First Results from
Phase 1, Journal of Applied Meteorology and Climatology, v.49, p.1-25, 2010.
GUSMÃO, A. C. V. L.; SILLVA, B. B. da, MONTENEGRO, S. M. G. L.;

GALVÍNCIO, J. D. Determinação do saldo de radiativo na Ilha do Bananal, TO, com
imagens orbitais. Revista Brasileira de Engenharia Agricola e Ambiental, v.16, p. 1107-
1114, 2012.
HARMAN, I. N. The energy balance of urban areas. Thesis Doctoral, The University of
Reading, Department of Meteorology, 169p., 2003.
HELBIG, A.; BAUMÜLLER, J.; KERSCHGENS, M. Stadtklima und Luftreinhaltung.

2nd edition. Springer, Berlin, 1999.
HIDALGO, J.; MASSON, V.; PIGEON, G. Urban-breeze circulation during the

CAPITOUL experiment: numerical simulations. Meteorology and Atmospheric Physics,
v. 102, p. 243-262, 2008.
137
HOWARD, L. The Climate of London: Deduced from Meteorological Observations,

Made in the Metropolis and at Various Places. 2ed. 3 vols. London: J. & A. Arch,
Cornhill; Longman & Co, 1833.
HUETE, A. R. A soil adjusted vegetation index (SAVI). Remote Sensing of

Environment, v.25, n.3, p.295-309, 1988.
IBGE (2010). Instituto Brasileiro de Geografia e Estatística. Disponível on-line em:

http: //www.ibge.gov.br , Acesso em: 10/09/2013
ICHINOSE, T.; SHIMODOZONO, K.; HANAKI, K. Impact of anthropogenic heat on

urban climate in Tokyo. Atmospheric Environment, v.33, n.1, p.3897-3909, 1999.
IQBAL, M. An Introduction to Solar Radiation. Academic Press, New York, Pages:

223, 1983.
JENSEN, M. K. Knowledge-based classification of an urban area using texture and

context information in Landsat-TM imagery. Photogrammetric Engineering and Remote
Sensing, v.56, p. 899-904, 2003.
KALNAY, E.; MING, C. Impact of urbanization and land-use change on climate,

Nature, v. 423, p. 528-53, 2003.
KATO, S.; YASUSHI, Y. Estimation of storage heat flux in an urban area using
ASTER data. Remote Sensing of Environment, v. 110, p.1- 17, 2007.
KATO, S.; LIU, C.-C.; SUN, C.Y.; CHEN, P.L.; TSAI, H.Y.; YAMAGUCHI, Y.
Comparison of surface heat balance in three cities in Taiwan using Terra ASTER and
Formosat-2 RSI data. International Journal of Applied Earth Observation and
Geoinformation, v. 18, p. 263-273, 2012.
KÔEPPEN, W. Sistema Geográfico dos Climas. Notas e Comunicações de Geografia.

n. 12, p. 4-29. Tradução Antonio Carlos de Barros Correa, 2004.
KUSTAS, W. P.; NORMAN, J. M. Use of remote sensing for evapotranspiration

monitoring over land surfaces. Journal of Hydrology, v. 41, p. 495–516, 1996.
138
LAAT, A. T. J.; MAURELLIS, A. A. International Journal of Climatology, v.26, p.

897-913, 2006.
LANDSBERG, H. E. Biennial Pulses in the Atmosphere. Contribution Physics

Atmosphere, v. 35, p. 184-194, 1981.
LAZAR, R.; PODESSER, A. An urban climate analysis of Graz and its significance for
urban planning in the Tributary Valleys East of Grazy (Austria). Atmospheric
Environment, v.33, n.1, p.4195-4299, 1999.
LEIVAS, J. F. Uso de técnicas de sensoriamento remoto na estimativa do balanço de

radiação na superfície. (Tese de Doutorado). Rio Grande do Sul: UFPEL – Programa de
Pós-Graduação em Fitotecnia, 107p., 2008.
LEWIS, J. E.; CARLSON, T. N. Spatial variations in regional surface energy exchange

patterns for Montreal, Quebec. Canadian Geographer, v. 33, p. 194-204, 1988.
LIU, W. T. H. Aplicações de Sensoriamento Remoto. Campo Grande, 881p., 2006.
LOMBARDO, M. A. Ilha de calor nas metrópoles: o exemplo de São Paulo. 1 ed.

Hucitec, 1985.
_________________ O Clima e a Cidade, Boletim Climatológico, Ano 1, n.2, p.31-34,

1996.
LOWRY, W. P. Empirical estimation of urban effects on climate: a problem Analysis.

Journal of applied meteorology, 16 (2), p.129-35, 1987.
MACHADO, A. J. Análise do balanço radiativo na Avenida Queiroz Filho – São

Paulo/SP sob condição de céu claro na estação seca. Geografia Ensino & Pesquisa, v.
15, pg 7-16, n.1, jan./abr. 2011.
MACHADO, C. C. C.; SILVA, B. B. DA.; ALBUQUERQUE, M. B.; GALVÍNCIO, J.

D. Evapotranspiração real diária utilizando uma imagem digital TM-Landsat 5 e o
algoritmo SEBAL. In anais do Workshop Internacional de Inovações Tecnológicas na
Irrigação, p.1-5, 2012.
139
MAITELLE, G. T. Balanço de energia estimado para cidade de Cuiabá: uma abordagem

de balanço de energia pelo método de Bowen. Fórum Patrimônio, v.4, n.1, p.1-34, 2010.
______________Uma abordagem tridimensional de clima urbano em área tropical

continental: o exemplo de Cuiabá - MT. Tese (Doutorado) - Departamento de
Geografia, Faculdade de Filosofia, Letras e Ciências Humanas da Universidade de São
Paulo, São Paulo/SP, 220p., 1994.
MARKHAM, B. L.; BAKER, J. L. Thematic mapper bandpass solar exoatmospherical

irradiances, Int. Journal of Remote Sensing, v. 8, n. 3, p. 517-523, 1987.
MARTINEZ, T. A.; JÁUREGUI, E. Surface energy balance measurements in the

México City region: a review. Atmósfera, v. 18, p. 1-23, 2005.
MEDINA, J. L.; CAMACHO, E.; RECA, J.; LÓPEZ, R.; ROLDÁN, J. Determination
and analysis of regional evapotranspiration in Southern Spain based on Remote Sensing
and GIS. Physical and Chemistry of the Earth, vol. 23, No. 4, 427-432, 1998.
MELO, D. H. C. T. B. Uso de dados Ikonos II na análise urbana: testes operacionais na

zona leste de São Paulo / D. H. C. T. B. Melo. - São José dos Campos: INPE, 2002.
146p. - (INPE-9865-TDI/870).
MENDONÇA, J. C.; SOUSA, E. F.; BOUHID, R. G.; SILVA, B. B.; FERREIRA, N. J.

Estimativa do fluxo do calor sensível utilizando o algoritmo sebal e imagens modis para
a região norte fluminense, RJ. Revista Brasileira de Meteorologia, v.27, n.1, p. 85 – 94,
2012.
MENDONÇA, F. A. O clima e o planejamento urbano de cidades de porte médio e

pequeno: proposição metodológica para o estudo e sua aplicação à cidade de
Londrina/PR. Tese (Doutorado) São Paulo: FFLCH/USP- Programa de Pós-Graduação
em Geografia, 300p., 1994.
_________________. O clima urbano de cidades de porte médio e pequeno: aspectos

teóricos metodológicos e estudo de caso. In: SANT’ANNA NETO, J. L.; ZAVATINI, J.
A. (Org.). Variabilidade e mudanças climáticas-implicações ambientais
socioeconômicas. Maringá: ed.UEM, p.167-192, 2000.
140
MIAO, S; DOU, J; CHEN, F; LI, J; LI, A. Analysis of observations on the urban

surface energy balance in Beijing, Science China, v.55, n.1, p.1881-1890, 2012.
MING, T. C.; LIU, T. H. Estimativa de albedo, temperatura e ndvi do estado de São

Paulo através de dados avhrr do satélite NOAA. In anais do Simpósio Brasileiro de
Meteorologia, p. 3843-3850, 2006.
MOHAMED, Y. A., BASTIAANSSES, W. G. M, SAVENIJE, H. H. G, Spatial

variability of evaporation and moisture storage in the swamps of the upper Nile studied
by remote sensing techniques, Journal of Hydrology, v.289, p.145–164, 2004.
MONIN, A S.; OBUKHOV, A. M. Dimensionless characteristics of turbulence in the

surface layer of the atmosphere, Trudy Akad Nauk SSSR Geophizica, v. 24, p.163-187,
1954.
MONTEIRO, C. A. F. Teoria e clima urbano. Tese (Doutorado) – Universidade de São

Paulo, 236p., 1976.
MONTEIRO, C. A. F., Por um Suporte Teórico e Prático para Estimular Estudos

Geográficos de Clima Urbano no Brasil. Geosul, ano V, n.9, p.7-19, 1º Semestre. 1990.
MONTEIRO, C. F. A. Teoria e clima urbano. In: MENDONÇA, Francisco (orgs).

Clima urbano. São Paulo: Contexto, 2003.
MONTEITH, J.L. Evaporation and environment. In G.E. Fogg (ed.) Symposium of the
Society for Experimental Biology, The State and Movement of Water in Living
Organisms, Vol. 19, Academic Press, Inc., NY. p.205-234. 1965.
MOREIRA, E. B. M.; GALVÍNCIO, J. D. Espacialização das temperaturas à superfície

na cidade do Recife, utilizando imagens TM – Landsat 7. Revista de Geografia, v. 24, p.
101-115, 2007.
NEWTON, T.R.; OKE, C.S.B.; GRIMMOND. ROTH. The suburban energy balance in
Miami, Florida. Geografiska Annaler, 89 A 331- 347, 2007.
NÓBREGA, R. S.; VITAL, L. A. B. Influência da Urbanização sobre o Microclima de

Recife e Formação de Ilha de Calor. Revista Brasileira de Geografia Física, v. 03, p.
151- 156, 2010.
141
NOVAS, M. F. B. Mapeamento das estimativas do saldo de radiação e índices de

vegetação em área do estado de Alagoas com base em sensores remotos. Dissertação de
Mestrado, UFAL, Programa de Pós-Graduação em Meteorologia – Instituto de Ciências
Atmosféricas, 158f, 2008.
NOVO, E. M. L. Sensoriamento Remoto: princípios e aplicações. São Paulo, 2008,

363p.
NUNES, M.; OKE, T. R. The energy balance of an urban canyon. Journal of Applied
Meteorology, v.16, p. 11–19, 1977.
OBSERVATÓRIO, Como anda a Região Metropolitana do Recife,

UFPE/FASE/DCG/DAU (Relatório de Atividade), 2006.
OFFERLE, B.; GRIMMOND, C. S. B. Parameterization of Net all-Wave Radiation for

Urban Areas. Journal of Applied Meteorology, v.42, p. 1157-1173, 2003.
OFFERLE, B.; JONSSON, P.; ELIASSON, I.; GRIMMOND, C. S. B. Urban

Modification of the Surface Energy Balance in the West African Sahel: Ouagadougou,
Burkina Faso. Journal of Climate, v. 18, p. 3983-3995, 2005.
OKE, T. R. The energetic basis of the urban heat island. Quarterly Journal of the Royal
Meteorological Society, v.108, p. 1-24, 1982.
OKE, T. R. Boundary Layer Climates. London: Methuen, 435 p., 1986.
OKE, T. R. Boundary Layer Climates. 2a. Edição, New York: Routledge, 1987. 435p.
OKE, T. R.; CLEUGH H. A. Urban heat storage derived as energy budget residuals.
Boundary Layer Meteorology, v. 39, p.233-245, 1987.
OKE, T. R. The Urban Energy Balance. Progress in Physical Geography, 12, 471-508,
1988.
OKE, T.R. Boundary layer climates. 2.ed. New York: Routledge, 435p, 1996.
142
OKE, T. R.; SPRONKEN-SMITH, E.; JÁUREGUI, A.; GRIMMOND, C. S. B. The

energy balance of central Mexico City during the dry season. Atmospheric
Environment, v.33, p. 3919-3930, 1999.
OLGVAY, V. Arquitectura y clima: manual de diseño bioclimático para arquitectos y

urbanistas.Barcelona: Editora Gustavo Gili, 1998.
OLIVEIRA, L. M. M.; MONTENEGRO, S. M. G. L.; ANTONINO, C. D.; SILVA, B.

B.; MACHADO, C. C. C; GALVÍNCIO, J. D. Pesquisa Agropecuária Brasileira,
Brasília, v.7, n.9, p. 1209-1217, 2012.
OLIVEIRA, L. M. M. Estimativa da evapotranspiração real por sensoriamento remoto

na bacia do rio Tapacurá – PE. Tese (Doutorado), Universidade Federal de Pernambuco,
Programa de Pós-Graduação em Engenharia Civíl, 156p., 2012.
PAIVA, C. M. Estimativa do balanço de energia e da temperatura da superfície via

satélite NOAA–AVHRR. Tese (doutorado), 248f. Universidade Federal do Rio de
Janeiro, Programa de Pós-Graduação em Engenharia Civil, 2005.
PAPADAVID G.; HADJIMITSIS D.; TOULIOS L.; MICHAELIDES L. Mapping

Potatoes Crop Height and LAI through Vegetation Indices using Remote Sensing, in
Cyprus. Journal of Applied Remote Sensing, v.5, p.1-17, 2011.
PAPANGELIS, G.; TOMBROU, M.; DANDOU, A.; KONTOS, T. An urban “green

planning” approach utilizing the Weather Research and Forecasting (WRF) modeling
system. A case study of Athens, Greece. Landscape and Urban Planning, v. 105, p.174-
183, 2012.
PAPPARELLI, A.; KURBÁN, A.; CÚNSULO, M., Strategies for bioclimatic design in
a urban area of an arid zone: San Juan (Argentina). Landscape and urban planning, v.1,
n.34, p. 19-25, 2010.
PAULSON, C. A. The Mathematical Representation of Wind Speed and Temperature

Profiles in the Unstable Atmospheric Surface Layer. Journal of Applied Meteorology,
v.9, p. 856-861, 1970.
143
PEREZ, J.C.; SANCHEZ, M. A.V.; BARRADAS, V. L. Clima, urbanización y uso del

suelo en ciudades tropicales de Mexico. RNIU, Puebla, México, Ciudades 51. 2001.
POLIZEL, J. L. Geotecnologias e clima urbano: Aplicação dos Recursos de

Sensoriamento Remoto e Sistema de Informações Geográficas na cidade de Piracicaba,
SP. Tese (Doutorado), Programa de Pós-Graduação em Geografia Física, Universidade
de São Paulo, 153p., 2009.
PONZONI, F. J.; SHIMABUKURO, Y. E. Sensoriamento remoto no estudo da

vegetação. São José dos Campos: Parêntesis, 2007. 136 p.
QUERINO, C. A. S.; MOURA, M. A. L.; LYRA, R. F. F.; MARIANO, G. L. Avaliação

e comparação de Radiação solar Global e albedo com ângulo zênital na região
amazônica. Revista Brasileira de Meteorologia, v.21, n.3. p. 42-49. 2006.
RIGO, G.; PARLOW E. Modelling the ground heat flux of an urban area using remote
sensing data.Theoretical and Applied Climatology, v. 90, p.185-199, 2007.
ROBERTS, S. M.; OKE, T. R.; VOOGT, J. A.; GRIMMOND, C. S. B.; LEMONSU, A.

1984: Energy Storage in a European City Center, Météo-France, Toulouse, France
RODRIGUES, J. O.; ANDRADE, E. M. de; TEIXEIRA, A. dos S.; SILVA, B. B. da.

Sazonalidade de variáveis biofísicas em regiões semiáridas pelo emprego do
sensoriamento remoto. Engenharia Agrícola, Jaboticabal. v.29, n.3, p.452-465, 2009.
ROSSATO, P. S. O sistema termodinâmico do clima urbano de Nova Palma, RS:

contribuição ao clima urbano de cidades pequenas. Dissertação de Mestrado, Programa
de Pós-Graduação em Geografia e Geociências, Universidade Federal de Santa Maria,
116p. 2010.
SANT’ANNA NETO, J. L.; ZAVATINI, J. A. (Orgs.). Variabilidade e Mudanças

Climáticas: Implicações Ambientais e Socioeconômicas. 259p. 2000.
SANTOS, M. Metamorfoses do espaço habitado: fundamentos teóricos e metodológicos

da geografia. Editora Hucitec, São Paulo 1998.
144
SANTOS, T. V.; FONTANA, C, D.; ALVES, R.C.M. Avaliação de fluxos de calor e

evapotranspiração pelo modelo SEBAL com uso de dados do sensor ASTER. Pesquisa
Agropecuária Brasileira, Brasília, v.45, p.488-496, 2010.
SCHOWENGERDT, R. A. Spectral Transforms in: Remote Sensing: Models and

Methods for Image Processing. London: Academic Press, 1997. 522p.
SHUTTLEWORTH, W. J.; GURNEY, R. J.; HSU, A. Y. & ORMSBY, J. P. FIFE: the

variation in energy partition at surface flux sites. IAHS Publ. n. 186, 1989.
SILVA, B. B. da., LOPES, G. M., AZEVEDO, P. V. de. Balanço de radiação em áreas

irrigadas utilizando imagens Landsat 5 - TM. Revista Brasileira de Meteorologia, v.20,
p. 243-252, 2005.
SILVA, B. B. da., BEZERRA, M. V. C. Determinação dos fluxos de calor sensível e

latente na superfície utilizando imagens TM - Landsat 5. Revista Brasileira de
Agrometeorologia, v. 14, n. 2, p. 174-186, 2006.
SILVA, B. B. da., SILVA, S. T. A.; GOMES, H. B. Alterações climáticas decorrentes de

mudanças no uso da terra mediante sensoriamento remoto. Revista Mercator, v.9, p. 91-106,
2010.
SILVA, B. B da., BRAGA, A. C.; BRAGA, C. C. Balanço de radiação no perímetro

irrigado São Gonçalo – PB mediante imagens orbitais. Revista Caatinga, v.24, n.3, p.145-
152, 2011.
SOEGAARD, H.; JENSEN, M. L. Towards a spatial CO 2 budget of a metropolitan

region based on texturalimage classification and flux measurements. Remote Sensing of
Environment, v.87, p. 283-294, 2003.
SOUZA, C. C.; MOREIRA, A. Z.; SCHIMITH, R. S.; BRANDÃO, P. C. Técnicas de

sensoriamento remoto como subsídio aos estudos de florestas implantadas no Brasil –
uma revisão bibliográfica. Ciência Floresta, Santa Maria. v.17, n.4, p.409-417, 2007.
SOUZA, D. M.; CARFAN, A. C.; NERY, J. T. Análise da temperatura do ar e de fluxos

de calor no Município de Ourinhos, utilizando o modelo Envi-met. Revista Geonorte, v.
2, p. 723-733, 2012.
145
SPILIOTOPOULOS, M.; LOUKAS, A. Actual evapotranspiration estimation from

satellite-based surface energy balance model in Thessaly, Greece. In: Fifth EGU
General Assembly, Geophysical Research Abstracts, v. 10, p. 23-34, 2008.
SPILIOTOPOULOS, M.; LOUKAS, A; MICHALOPOULOU, H. Contribution to the

Study of Regional Actual Evapotranspiration with the Use of Surface Energy Balance
and Remote Sensing for Central Greece, Climatology and Atmospheric Physics, p. 309-
315, 2012.
SUN, C. Y.; LIN, Y. J; JIUNG, P. S; OU, W. S; MING, K. L. Green Roof as a Green

Material of Building in Mitigating Heat Island Effect in Taipei City, Applied Mechanics
and Materials, vols. 193-194, p. 368-371, 2012.
SYNNEFA, A.; A. DANDOU, M. SANTAMOURIS, M. TOMBROU. On the use of

cool materials as a heat island mitigation strategy. Journal of Applied Meteorology and
Climatology. University of Athens, Greece, v. 47. p. 2846–2856, 2008.
TAHA, H. Urban climates and heat islands: albedo, evapotranspiration,

andanthropogenic heat, Energy and Buildings, v.25, p. 99-103, 1997.
TARGINO, A. C; KRECL, P; CORAIOLA, G. C. Effects of the large-scale

atmospheric circulation circulation on the onset and strength of urban heat islands: a
case study. Theoretical and Applied Climatology, v.113, p. 1-17, 2013.
TASUMI, M. Progress in operational estimation of regional evapotranspiration using

satellite imagery. Dissertation presented at The University of Idaho, USA. 357 p, 2003.
TEIXEIRA, A. H. C.; W.G.M., BASTIAANSSEN, AHMAD, M–UD–D, BOS, M. G.

Reviewing SEBAL input parameters for assessing evapotranspiration and water
productivity for the Low-Middle São Francisco River basin, Brazil Part A: Calibration
and validation. Agricultural and Forest Meteorology, v.149, p.462-476, 2009a.
TEIXEIRA, A. H. C.; W.G.M., BASTIAANSSEN, AHMAD, M–UD–D, BOS, M. G.

Reviewing SEBAL input parameters for assessing evapotranspiration and water
productivity for the Low-Middle São Francisco River basin, Brazil Part B: Application
to the large scale. Agricultural and Forest Meteorology, v.149, p.477-490, 2009b.
146
TIMMERMANS, J. W.; JIMÉNEZ-MUNÕZ, J. C.; HIDALGO, V.; RICHTER, K.;

SOBRINHO, J. A. Estimation of the spatially distributed surface energy budget for
AgriSAR 2006, part I: remote sensing model intercomparison. Ieee Journal of Selected
Topics in Applied Earth Observations and Remote Sensing, v.4, p.465-481, 2011.
TREZZA, R. Evapotranspiration using a satellite-based surface energy balance with

standardized ground control. Ph.D. dissertation, Utah State University., Logan, Utah,
247p. 2002.
TUCCI, C. E. M.; BELTRAME, L. F.S. Evaporação e evapotranspiração. In: TUCCI,

C.E.M. Hidrologia: ciência e aplicação. 2.ed. Porto Alegre: Ed. Universidade: ABRH,
EDUSP, p.253-287, 2000.
UDA, P. K.; CORSEUIL, C. W.; KOBIYAMA, M.; SILVA, F. V. Análise da

evapotranspiração real diária para diferentes usos e coberturas do solo da bacia do rio
Negrinho – SC por meio do modelo SEBAL e imagens ASTER. In anais Simpósio
Brasileiro de Sensoriamento Remoto, p. 323-332, 2013.
VAREJÃO-SILVA, M. A.; Meteorologia e climatologia. Ministério da Agricultura e

Abastecimento, Instituto Nacional de Meteorologia, 2ª Ed. (versão digital), 463p., 2006.
VESALA, T., JÄRVI, L., LAUNIAINEN, S., SOGACHEV, A., RANNIK, U et al.
Surface–atmosphere interactions over complex urban terrain in Helsinki, Finland. Tellus
Series B Chemical And Physical Meteorology, v. 60, p. 188-199, 2008.
VOOGT, J. A.; GRIMMOND, C. S. B. Modeling Surface Sensible Heat Flux Using

Surface Radiative Temperatures in a Simple Urban Area. American Meteorological
Society, v. 39, p. 1679-1699, 2000.
WANG, J., T.W. SAMMIS, C.A. MEIER, L.J. SIMMONS, D.R. MILLER, AND Z.
SAMANI. A modified SEBAL model for spatially estimating pecan consumptive water
use for Las Cruces, New Mexico. 15th Conference on Applied Climatology. Hilton
Savannah DeSoto, Savannah, Georgia. 20-24, June, 2005.
WANG, K., AND S. LIANG. Estimation of surface net radiation from solar radiation
measurements. Journal of applied Meteorology and Climatology, v.48, p. 634-643,
2009.
147
WANG, K.; HONG, Y.; CHEN, F.; XIONG, Y.; WANG, CUIPING. Urbanization
Effect on the Diurnal Temperature Range: Different Roles under Solar Dimming and
Brightening. Journal of Climate, v.25, n.3, p.1022-1027, 2013.
WEBB, E. K. Profile Relationships: the Log-linear Range and Extension to Strong

Stability. Quartely Journal of the Royal Meteorological Society, v. 96 p. 67-90, 1970.
WENG, Q.; DENGSHENG, L.; SCHUBRING, J. Estimation of land surface

temperature–vegetation abundance relation ship for urban heat island studies. Remote
Sensing of Environment, v.66, n.23, p. 467–483, 2004.
WENG, Q.; QUATTROCHI, D. A. Thermal remote sensing of urban areas: An

introduction to the special issue. Remote Sensing of Environment, v.104, p.119–122,
2006.
XU, W.; WOOSTER, M. J.; GRIMMOND, C. S. B. Modelling of urban sensible heat

flux at multiple spatial scales: A demonstration using airborne hyperspectral imagery of
Shanghai and a temperature emissivity separation approach. Remote Sensing of
Environment, v. 112, p. 3493–3510, 2008.
YAP, D.; OKE, T. R. Sensible Heat Fluxes over an Urban Area – Vancouver, B.C.
Journal of Applied Meteorology and Climatology, v. 13, p. 880-890, 1974.
YOSHIDA, A.; TOMINAGA, K.; WATATANI, S. Field measurements on energy

balance of an urban canyon in the summer season. Energy and Buildings, v.15, p. 417–
423, 1991.
148
APÊNDICES
Apêndice 1 - Tabelas 1, 2, 3, 4, 5 e 6, apresentam os valores obtidos no processo

iterativo para estabilidade do fluxo de calor sensível ao ar (H), nas datas 04/08/1998,
26/09/2000, 26/08/2006, 28/07/2007, 06/09/2010 e 25/09/2011 respectivamente, onde,
Tq (K) - temperatura do pixel quente, em Kelvin; Tf (K) - temperatura do pixel frio, em
Kelvin; rah ini - resistência aerodinâmica, em s m-1 ; Rn (Pq) - saldo de radiação
instantâneo do pixel quente em W m-2 ; G (Pq) - fluxo de calor no solo no pixel quente,
em W m-2 ; U*ini - velocidade de fricção do vento no início do processo iterativo, em m
s-1 , dT - diferença de temperatura em Kelvin; a e b são - valores dos coeficientes da
regressão linear entre dT e a temperatura da superfície (Ts); Hq - valor do fluxo de calor
sensível no pixel quente em W m-2 ; L - comprimento de Monin-Obukhov, em m; x 200
m, x 2 m e x 0,1m - valores dos componentes de ajustamentos para 200, 2 e 0,1 m das
correções de estabilidade para o momento (F 200) e para o transporte de calor (F 2 e F
0,1); Zom - coeficiente de rugosidade do vento; U*corr - velocidade de fricção do vento
corrigida, em m s-1 ; rah corr - resistência aerodinâmica corrigida, em s.m-1 .
Tabela 1. 04-08-1998
n Ts,q(K) Ts,f (K) rah,in Rn(Pq) G(Pq) U*ini dT a b Hq

1 307,1 292,4 80,05 457,1 63,4 0,091 27,29 -56,74 2,94 393,7
2 307,1 292,4 28,99 457,1 63,4 0,147 1,59 -3,30 0,17 393,7
3 307,1 292,4 12,23 457,1 63,4 0,189 9,88 -20,54 1,06 393,7
4 307,1 292,4 18,78 457,1 63,4 0,167 4,16 -8,66 0,44 393,7
5 307,1 292,4 15,31 457,1 63,4 0,177 6,40 -13,31 0,69 393,7
6 307,1 292,4 16,68 457,1 63,4 0,172 5,21 -10,85 0,56 393,7
7 307,1 292,4 16,10 457,1 63,4 0,174 5,75 -11,96 0,62 393,7
8 307,1 292,4 16,41 457,1 63,4 0,173 5,48 -11,41 0,59 393,7
9 307,1 292,4 16,25 457,1 63,4 0,174 5,59 -11,63 0,60 393,7
n L x 200 x2 x 01 F 200 F2 F1 Zom U*c rahcor
1 -0,166 11,787 3,732 1,807 6,557 4,020 1,514 0,007 0,256 4,67
2 -3,691 5,428 1,763 1,094 3,852 1,440 0,188 0,007 0,147 28,99
3 -0,699 8,226 2,615 1,347 5,265 2,732 0,683 0,007 0,189 12,23
4 -1,485 6,814 2,179 1,201 4,612 2,111 0,399 0,007 0,167 18,78
5 -1,025 7,476 2,383 1,265 4,931 2,411 0,525 0,007 0,177 15,31
6 -1,220 7,157 2,284 1,233 4,781 2,269 0,463 0,007 0,172 16,68
7 -1,159 7,313 2,332 1,248 4,855 2,338 0,493 0,007 0,174 16,10
8 -1,139 7,249 2,313 1,242 4,825 2,310 0,480 0,007 0,173 16,41
9 -1,159 7,281 2,322 1,245 4,840 2,324 0,486 0,007 0,174 16,25
149
Tabela 2 - 26-09-2000

1 305,5 293,8 46,29 573,9 87,7 0,158 19,49 -34,27 1,66 486,2
2 305,5 293,8 20,54 573,9 87,7 0,238 3,01 -5,30 0,26 486,2
3 305,5 293,8 13,92 573,9 87,7 0,268 8,64 -15,21 0,74 486,2
4 305,5 293,8 16,34 573,9 87,7 0,256 5,86 -10,31 0,50 486,2
5 305,5 293,8 15,39 573,9 87,7 0,260 6,88 -12,10 0,59 486,2
6 305,5 293,8 15,71 573,9 87,7 0,259 6,48 -11,39 0,55 486,2
7 305,5 293,8 15,63 573,9 87,7 0,259 6,61 -11,63 0,56 486,2
8 305,5 293,8 15,63 573,9 87,7 0,259 6,58 -11,57 0,56 486,2
1 -0,711 8,190 2,604 1,343 5,249 2,717 0,675 0,007 0,325 7,16
2 -6,192 4,770 1,576 1,059 3,436 1,110 0,118 0,007 0,238 20,54
3 -2,432 6,024 1,940 1,135 4,196 1,735 0,269 0,007 0,268 13,92
4 -3,472 5,511 1,788 1,099 3,902 1,482 0,198 0,007 0,256 16,34
5 -3,026 5,704 1,844 1,112 4,015 1,578 0,223 0,007 0,260 15,39
6 -3,170 5,638 1,825 1,108 3,976 1,545 0,215 0,007 0,259 15,71
7 -3,134 5,654 1,830 1,109 3,986 1,553 0,217 0,007 0,259 15,63
8 -3,134 5,654 1,830 1,109 3,986 1,553 0,217 0,007 0,259 15,63
Tabela 3 - 26-08-2006
n Ts,q (K) Ts,f (K) rah,in Rn (Pq) G (Pq) U*ini dT a b Hq
1 311,2 291,5 61,93 513,4 91,5 0,118 22,63 -21,12 1,15 421,9
2 311,2 291,5 6,30 513,4 91,5 0,184 2,30 -2,14 0,11 421,9
3 311,2 291,5 23,87 513,4 91,5 0,214 8,72 -8,13 0,44 421,9
4 311,2 291,5 13,96 513,4 91,5 0,201 5,10 -4,76 0,25 421,9
5 311,2 291,5 17,59 513,4 91,5 0,206 6,42 -5,99 0,32 421,9
6 311,2 291,5 16,03 513,4 91,5 0,204 5,85 -5,46 0,29 421,9
7 311,2 291,5 16,63 513,4 91,5 0,205 6,07 -5,67 0,30 421,9
8 311,2 291,5 16,39 513,4 91,5 0,204 5,98 -5,58 0,30 421,9
n L X 200 X2 X 01 F 200 F2 F1 Zom U*c rahcor
1 -0,348 9,793 3,105 1,538 5,885 3,343 1,041 0,006 0,269 6,30
2 -4,122 5,280 1,721 1,085 3,762 1,366 0,171 0,006 0,184 23,87
3 -1,319 7,019 2,242 1,220 4,714 2,206 0,436 0,006 0,214 13,96
4 -2,075 6,267 2,013 1,154 4,329 1,853 0,306 0,006 0,201 17,59
5 -1,720 6,569 2,104 1,179 4,488 1,997 0,356 0,006 0,206 16,03
6 -1,851 6,449 2,068 1,169 4,425 1,940 0,336 0,006 0,204 16,63
7 -1,798 6,496 2,082 1,173 4,450 1,963 0,344 0,006 0,205 16,39
8 -1,824 6,473 2,075 1,170 4,438 1,951 0,340 0,006 0,204 16,51
150
Tabela 4 - 28-07-2007

1 302,5 293,3 80,49 508,0 65,8 0,091 30,82 -67,35 3,36 442,1
2 302,5 293,3 4,36 508,0 65,8 0,147 1,66 -3,67 0,18 442,1
3 302,5 293,3 28,28 508,0 65,8 0,190 10,82 -23,80 1,18 442,1
4 302,5 293,3 11,54 508,0 65,8 0,167 4,41 -9,71 0,48 442,1
5 302,5 293,3 18,00 508,0 65,8 0,178 6,89 -15,15 0,75 442,1
6 302,5 293,3 14,50 508,0 65,8 0,173 5,55 -12,20 0,60 442,1
7 302,5 293,3 16,17 508,0 65,8 0,175 6,19 -13,61 0,67 442,1
8 302,5 293,3 15,41 508,0 65,8 0,174 5,90 -12,97 0,64 442,1
9 302,5 293,3 15,71 508,0 65,8 0,175 6,01 -13,22 0,66 442,1
1 -0,148 12,126 3,839 1,854 6,661 4,126 1,593 0,007 0,259 4,36
2 -3,412 5,535 1,795 1,101 3,916 1,494 0,201 0,007 0,147 28,28
3 -0,624 8,463 2,689 1,374 5,365 2,830 0,735 0,007 0,190 11,54
4 -1,347 6,982 2,231 1,216 4,696 2,189 0,429 0,007 0,167 18,00
5 -0,915 7,691 2,449 1,288 5,030 2,505 0,569 0,007 0,178 14,50
6 -1,108 7,332 2,338 1,250 4,864 2,347 0,496 0,007 0,173 16,17
7 -1,017 7,490 2,387 1,267 4,938 2,417 0,528 0,007 0,175 15,41
8 -1,053 7,426 2,367 1,260 4,908 2,389 0,515 0,007 0,174 15,71
9 -1,035 7,458 2,377 1,263 4,923 2,403 0,521 0,007 0,175 15,56
Tabela 5 - 06-09-2010

1 308,0 291,5 80,41 545,5 89,0 0,091 31,79 -35,53 -35,53 456,5
2 308,0 291,5 4,30 545,5 89,0 0,147 1,70 -1,90 -1,90 456,5
3 308,0 291,5 28,34 545,5 89,0 0,191 11,20 -12,52 -12,52 456,5
4 308,0 291,5 11,41 545,5 89,0 0,168 4,51 -5,04 -5,04 456,5
5 308,0 291,5 17,98 545,5 89,0 0,178 7,10 -7,94 -7,94 456,5
6 308,0 291,5 14,50 545,5 89,0 0,173 5,73 -6,40 -6,40 456,5
7 308,0 291,5 16,01 545,5 89,0 0,176 6,33 -7,07 -7,07 456,5
8 308,0 291,5 15,25 545,5 89,0 0,174 6,02 -6,73 -6,73 456,5
9 308,0 291,5 15,71 545,5 89,0 0,175 6,21 -6,94 -6,94 456,5
1 -0,146 12,169 3,853 1,860 6,674 4,139 1,604 0,007 0,261 4,30
2 -3,443 5,523 1,791 1,100 3,909 1,488 0,200 0,007 0,147 28,34
3 -0,615 8,493 2,698 1,373 5,378 2,842 0,742 0,007 0,191 11,41
4 -1,349 6,979 2,230 1,216 4,694 2,188 0,429 0,007 0,168 17,98
5 -0,918 7,684 2,47 1,287 5,027 2,502 0,567 0,007 0,178 14,50
6 -1,092 7,358 2,346 1,253 4,876 2,359 0,502 0,007 0,173 16,01
7 -1,003 7,517 2,395 1,269 4,950 2,429 0,533 0,007 0,176 15,25
8 -1,056 7,421 2,365 1,259 4,906 2,387 0,514 0,007 0,174 15,71
9 -1,020 7,484 2,385 1,266 4,935 2,415 0,527 0,007 0,175 15,41
151
Tabela 6 - 25-09-2011

1 307,6 294,7 24,89 501,8 88,7 0,294 10,82 -18,01 0,84 501,8
2 307,6 294,7 15,00 501,8 88,7 0,395 4,31 -7,19 0,33 501,8
3 307,6 294,7 13,45 501,8 88,7 0,410 6,51 -10,85 0,50 501,8
4 307,6 294,7 13,89 501,8 88,7 0,406 5,84 -9,73 0,45 501,8
5 307,6 294,7 13,77 501,8 88,7 0,407 6,03 -10,05 0,46 501,8
6 307,6 294,7 13,80 501,8 88,7 0,407 5,98 -9,96 0,46 501,8
1 -4,472 5,174 1,690 1,079 3,696 1,313 0,159 0,005 0,452 9,94
2 -16,251 3,751 1,313 1,024 2,700 0,617 0,048 0,005 0,395 15,00
3 -10,845 4,148 1,410 1,035 3,002 0,803 0,070 0,005 0,410 13,45
4 -12,129 4,034 1,381 1,031 2,917 0,748 0,063 0,005 0,406 13,89
5 -11,777 4,064 1,389 1,032 2,940 0,762 0,065 0,005 0,407 13,77
6 -11,864 4,056 1,387 1,032 2,934 0,759 0,064 0,005 0,407 13,80
152
Apêndice 2 - Parâmetros estatísticos dos componentes do balanço de energia,

destacando as médias, mediana, mínimo, máximo, moda, desvio padrão e coeficiente de
variação nas datas 06/08/1998, 26/09/2000, 26/08/2006, 28/07/2007, 06/09/2010 e
25/09/2011
Data CBE Média Med Min Max Moda DP CV
06/08/1998 Rn,inst 517,55 517,35 433,00 578,94 538,70 21,27 0,04
G 51,32 51,33 16,81 174,98 54,37 19,39 0,37
H 103,91 93,96 9,24 399,07 33,23 49,21 0,47
LE 364,30 367,18 1,298 522,99 479,46 71,12 0,19
26/09/2000 Rn,inst 632,96 631,07 500,02 732,90 669,63 35,80 0,05
G 69,16 71,61 5,96 224,01 76,71 22,68 0,32
H 172,56 179,74 5,68 539,81 22,37 97,63 0,56
LE 416,00 408,88 8,205 713,99 610,63 143,92 0,34
ET,24h 4,83 4,86 1,0 7,0 6,63 1,39 0,28
26/08/2006 Rn,inst 582,50 581,46 457,01 690,90 621,90 38,61 0,06
G 69,63 72,25 21,44 205,69 82,02 24,14 0,34
H 162,95 164,03 8,71 426,81 36,57 66,67 0,40
LE 341,71 340,56 0,852 589,41 573,81 112,90 0,32
ET,24h 3,82 3,75 2,0 6,09 4,03 0,96 0,25
28/07/2007 Rn,inst 532,29 530,81 448,02 610,11 564,54 24,59 0,04
G 53,51 54,61 21,18 181,78 59,76 18,55 0,34
H 124,41 123,44 10,07 530,02 14,83 79,13 0,63
LE 364,46 368,41 5,429 553,96 517,68 108,64 0,29
06/09/2010 Rn,inst 621,30 618,85 525,01 732,71 664,55 36,02 0,05
G 65,30 68,37 10,09 217,79 73,89 24,32 0,37
H 129,68 132,23 1,64 451,75 21,47 76,76 0,59
LE 422,63 412,24 2,34 624,54 587,95 119,53 0,35
ET,24h 5,08 5,05 3,02 7,25 6,19 1,10 0,21
25/09/2011 Rn,inst 604,19 600,18 509,01 698,99 643,15 36,12 0,05
G 72,29 74,45 30,21 208,99 82,16 20,09 0,27
H 210,45 222,93 8,00 538,15 16,26 104,71 0,49
LE 331,60 313,11 2,05 658,95 624,64 149,07 0,44
ET,24h 3,68 3,52 1,0 7,10 5,81 1,46 0,39
153

Balanço de Energia e Evapotranspiração Na Cidade Do Recife-Pe Por Sensoriamento Remoto

Enviado por

Direitos autorais:

Formatos disponíveis

Balanço de Energia e Evapotranspiração Na Cidade Do Recife-Pe Por Sensoriamento Remoto

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Balanço de Energia e Evapotranspiração Na Cidade Do Recife-Pe Por Sensoriamento Remoto

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL DE PERNAMBUCO

DEPARTAMENTO DE CIÊNCIAS GEOGRÁFICAS

ELVIS BERGUE MARIZ MOREIRA

BALANÇO DE ENERGIA E EVAPOTRANSPIRAÇÃO NA CIDADE

BALANÇO DE ENERGIA E EVAPOTRANSPIRAÇÃO NA CIDADE

Tese de doutorado submetida ao Programa de Pós-Graduação

Orientador: Prof. Dr. Ranyére Silva Nóbrega

M838b Moreira, Elvis Bergue Mariz.

Orientador: Prof. Dr. Ranyére Silva Nóbrega.

1. Geografia. 2. Sensoriamento remoto – Recife (PE). 3. Ilha de calor

910 CDD (23.ed.) UFPE (BCFCH2014-31)

ELVIS BERGUE MARIZ MOREIRA

“BALANÇO DE ENERGIA E EVAPOTRANSPIRAÇÃO NA CIDADE DO RECIFE-PE POR

Tese defendida e ___________________ pela banca examinadora:

...Ahh minha mãe, mulher

- Aos amigos do SERGEO e TROPOCLIMA, graduados, mestrandos e doutorandos,

- À todos os docentes do PPGEO;

- À Capes, pelo financiamento da bolsa de pesquisa, determinante no meu sustento e

- À Eduardo, secretário da pós, que gentilmente transmitia informações relevantes do

...à todos vocês, meu muito obrigado!

Palavras-chave: área urbana, ilhas de calor, clima urbano

The knowledge of the energy balance and evapotranspiration in urban areas is of

The Keywords: urban area, heat islands, climate urban

Figura 1. Componentes do balanço de energia em superfície urbana............. 35

Figura 12. Valores médios e desvio padrão da temperatura da superfície nas

Figura 16. Valores médios e desvio padrão do saldo de radiação instantâneo

Figura 23. Disperção entre o fluxo de calor no solo e o índice de vegetação

Tabela 1. Descrição das bandas e faixas espectrais correspondentes ao TM -

APAC Agência Pernambucana de Águas e Clima

BRAMS Braziliam Developments on the Regional Atmospheric Modeling

DAS Dia sequencial do ano

DEM Departamento de energia nuclear

ETo Evapotranspiração de referência

ETr Evapotranspiração real

ETr24h Evapotranspiração real diária

FAO Food and Agriculture Organization

IAF Índice de área Foliar

INMET Instituto Nacional de Meteorologia

INPE Instituto Nacional de Pesquisas Espaciais

MDE Modelo Digital de Elevação

NASA National Aeronautics and Space Administration

NDVI Normalized Difference Vegetation Index

PCD Plataforma de Coleta de Dados

RGB Red, Green, Blue (vermelho, verde, azul)

RPA Regiões Politicamente Administrativa

SEBAL Surface Energy Balance Algorithm for Land

SINDA Sistema Nacional de Dados Ambientais

SRTM Shuttle Radar Topography Mission

TEB Town Energy Balance

UTM Universal Transversa de Mercator

W Água precipitável (mm)

αtoa Albedo planetário (%)

αsup Albedo corrigido de cada pixel (%)

Z Ângulo zenital solar

z Altitude de cada pixel (m)

Cp Calor específico do ar a pressão constante (1.004 Jkg -1 K -1 )

“a” e “b” Coeficientes dos pixel âncoras (frio e quente)

Zom Coeficiente de rugosidade ao transporte de momentum (m)

Kt Coeficiente de turbidez da atmosfera