Das Montanhas de Minas ao Oceano: Os Caminhos da Ciência para um Futuro Sustentável
20 a 25 de outubro de 2025
Trabalho 20405
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Pós-graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Humanas e Sociais |
| Área temática | Dimensões Econômicas: ODS11 |
| Setor | Departamento de Geografia |
| Bolsa | CAPES |
| Conclusão de bolsa | Sim |
| Apoio financeiro | CAPES |
| Primeiro autor | Matheus Guimarães Cancela Silva |
| Orientador | ANDRE LUIZ LOPES DE FARIA |
| Outros membros | Marco Antonio Saraiva da Silva |
| Título | Aprimoramento da Resolução Espacial da Temperatura da Superfície Terrestre (LST) Utilizando Modelagem de Regressão no Google Earth Engine |
| Resumo | A Temperatura da Superfície Terrestre (LST) constitui um atributo geofísico de fundamental importância para a compreensão e monitoramento de uma vasta gama de dinâmicas ambientais e climáticas, sendo particularmente relevante em estudos sobre ilhas de calor urbanas, gestão de recursos hídricos e avaliação da dinâmica climática local. Contudo, as fontes de dados de LST atualmente disponíveis, como as provenientes dos sensores a bordo das missões Terra e Aqua, frequentemente se caracterizam por uma resolução espacial relativamente grosseira, na ordem de 1 quilômetro, o que pode ser insuficiente para análises mais detalhadas e precisas. Essa limitação impede análises mais aprofundadas, especialmente em ambientes complexos e heterogêneos como as áreas urbanas, onde variações significativas podem ocorrer em curtas distâncias. Diante dessa lacuna, o presente estudo visa aprimorar a resolução da informação da LST, elevando-a de 1 km para um nível mais detalhado de 30 metros. Para tal, será empregada a coleção Harmonized Landsat Sentinel-2 (HLS), que provê um conjunto de dados harmonizado, integrando as imagens de alta resolução espacial das missões Landsat e Sentinel-2, importantes para a obtenção do nível de detalhe objetivado. A abordagem metodológica do trabalho envolverá o desenvolvimento de um modelo de regressão preditiva, utilizando o algoritmo Random Forest (RF). Este algoritmo foi selecionado pela sua eficácia na modelagem de relações não-lineares, sua robustez contra o overfitting e sua capacidade de lidar eficientemente com um grande número de variáveis preditoras, atributos essenciais para a complexidade da desagregação de dados de LST. Como variáveis de entrada para o modelo de regressão, serão explorados e integrados uma série de índices espectrais que correlacionam-se com a LST e as características da superfície. Dentre eles, destacam-se o Normalized Difference Vegetation Index (NDVI), Normalized Difference Water Index (NDWI), Normalized Difference Built-up Index (NDBI), Normalized Difference Moisture Index (NDMI), Soil Adjusted Vegetation Index (SAVI) e Enhanced Vegetation Index (EVI). Além desses índices derivados, as bandas espectrais brutas existentes nas imagens da coleção HLS serão igualmente incorporadas ao modelo, fornecendo um conjunto abrangente de informações para a predição da LST em alta resolução. A totalidade do processamento de dados, treinamento do modelo e aplicação da regressão será realizada dentro do ambiente de computação em nuvem Google Earth Engine (GEE). A área de estudo para a aplicação e validação deste modelo será um recorte específico da porção urbana do município de Viçosa-MG. Esta localização, apresenta uma diversidade de coberturas de solo e estruturas urbanas, servindo como demonstrativo da eficácia do método proposto na geração de mapas de LST de 30 metros, que poderão, por sua vez, subsidiar análises mais aprofundadas sobre o comportamento térmico de superfícies urbanas e auxiliar no planejamento urbano. |
| Palavras-chave | Temperatura da Superfície Terrestre (LST), Sensoriamento remoto, Google Earth Engine |
| Forma de apresentação..... | Painel |
| Link para apresentação | Painel |
|---|