ESTIMATIVA DA TEMPERATURA DE SUPERFÍCIE E ILHAS DE CALOR URBANAS NA BACIA DO RIO BACANGA, SÃO LUÍS (MA) JANILCI SERRA SILVA 1 RICHARDE MARQUES DA SILVA 2 RESUMO Por meio da análise espacial da temperatura de superfície, obtida a partir de técnicas de sensoriamento remoto e Sistemas de Informações Geográficas, foi possível analisar a variação da temperatura e a ocorrência de ilhas de calor, na bacia do rio Bacanga, localizada no município de São Luís (MA). Neste estudo foram utilizadas imagens do sensor termal TIRS (Thermal Infrared Sensor), acoplado a bordo do satélite Landsat 8, da data de passagem 27/09/2014. Os resultados mostraram que valores da temperatura de superfície variaram de 23 a 36 C e revelaram uma grande variação termal entre os diferentes usos da terra, com amplitude de aproximadamente 13ºC. Foi identificado alguns focos de ilhas de calor, observados principalmente nas áreas mais densamente antropizadas. Conclui-se que, o uso do sensor do sensor termal TIRS/ Landsat 8, mostrou de forma satisfatória, a variação dos valores da temperatura de superficie da área de estudo. Palavras-chave: Landsat 8, clima urbano, uso da terra. ABSTRACT Using spatial analysis of surface temperature from remote sensing and Geographic Information Systems was possible to analyze variations in temperature and the occurrence of heat islands in the Bacanga river basin, localized in São Luís (MA). In this study images from the thermal sensor TIRS (Thermal Infrared Sensor), coupled to board the satellite Landsat 8, date of passage 27/09/2014 were used. The results showed that the surface temperature values ranged between 23 to 36 C and revealed large thermal variation in different land uses with amplituderanging of approximately 13 Cfrom to 13ºC. Some heat islands focus were identified, mainly in the anthropized area. It is concluded that, the use of the thermal sensor sensor TIRS/ Landsat 8, showed satisfactorily, the variation of the values of the temperature of the surface of the study area. Keywords: Landsat 8, urban climate, land use. 1 - Introdução As rápidas mudanças de uso e cobertura da terra em áreas urbanas tornaram-se uma grande preocupação ambiental, devido aos impactos ambientais, como a redução de espaços verdes e alterações do clima urbano (Sousa e Ferreira Júnior, 2012; Faria e 1 Mestre em Engenharia Civil e Ambiental pela Universidade Federal da Paraíba - UFPB (2016). Graduada em Geografia Universidade Federal do Maranhão - UFMA (2014). E-mail de contato: janilciserra@hotmail.com 2 Professor do Departamento de Geociências da Universidade Federal da Paraíba - UFPB. Graduado em Geografia (UFPB). Mestrado em Engenharia Urbana pela UFPB (2005) e Doutorado em Engenharia Civil pela Universidade Federal de Pernambuco - UFPE. E-mail de contato: richarde@geociencias.ufpb.br 1396
Mendes, 2004). De acordo com Lombardo (1995), o clima urbano, é um sistema que abrange o clima de um dado espaço terrestre e sua urbanização. Souza (2010) considera que o processo de modificação da cobertura da terra, é contínuo e ocasiona impactos ambientais em vários níveis, principalmente em função da modificação na qualidade do ar e do clima, o que pode representar uma diminuição na qualidade de vida da população. Weng (2004) aponta que a principal evidencia da modificação da cobertura da terra, é o aumento da temperatura da superfície urbana, o autor salienta que a análise da temperatura de superfície terrestre (TST), é importante parâmetro de avaliação da modificação da cobertura da terra no ambiente urbano da cidade. Diversos estudos mostram que a temperatura de superfície, pode ser estimada a partir de dados de sensoriamento remoto integrado com o sistema de informações geográficas (SIG). Neste contexto, alguns pesquisadores utilizaram dados na faixa do infravermelho termal, adquiridos de imagens de satélites, para obter informações de temperatura da superfície de distintos materiais, cita-se, a exemplo, os estudos desenvolvidos por: Sousa, Ferreira Júnior (2012); Pereira et al. (2012); Nichol (1996); Costa et al. (2010), Feitosa et al. (2011), Gallo e Xian (2014) e Amiri et al. (2009). Neste estudo destaca-se o uso da imagem Landsat 8, sensor TIRS, utilizado no monitoramento da temperatura de superfície, conforme mostra Coelho (2013) e Coelho (2014). As imagens do satélite Landsat 8 ainda são pouco utilizadas no monitoramento da cobertura da terra, pois este é o produto mais recente do Projeto Landsat. Este novo produto da Landsat trouxe novas possibilidades para a pesquisa na área ambiental no que diz respeito à produção de dados e informações espaciais, pois apresentou um conjunto de novos sensores: sensor espectral OLI (Operation Land Imager) e o sensor termal TIRS (Thermal Infrared Sensor) (Soares et al., 2015) O bacia do rio Bacanga, localizada na área metropolitana do município de São Luís, selecionada como um estudo de caso para esta pesquisa, é um exemplo de uma área com intensas modificações da cobertura da terra. O município de São Luís cresceu de maneira acelerada, haja vista que, com a modernização da agricultura, a população rural veio buscar trabalho na capital. Vale ressaltar que o município de São Luís passou por intenso processo de adensamento populacional e de crescimento do setor industrial, portuário e de construção civil, porém, este crescimento não foi acompanhado por um adequado planejamento urbano. (Cordeiro e Diniz, 2009). A ocupação de uso da terra, na bacia do rio Bacanga, modificou a paisagem, tal modificação foi ocasionada pela retirada parte da cobertura vegetal para impermeabilização do solo, construção de avenidas, ruas pavimentadas e aglomerados residenciais (Silva et al. 1397
2016). Desta forma, considera-se que essas influências antrópicas, contribuem para o aumento na temperatura de superfície e surgimento de focos de ilhas de calor. Nesse sentido, o objetivo deste trabalho foi analisar a variação da temperatura de superfície e a ocorrência de ilhas de calor obtidas a partir de imagens de sensoriamento remoto. na bacia do rio Bacanga. 1.1 - Características da área de estudo A bacia hidrográfica do Rio Bacanga possui uma área de aproximadamente 110 km², e está localizada na porção noroeste da ilha do Maranhão, no município de São Luís (MA), mais precisamente entre as coordenadas 2º 32 26 S e 2º 38 07 S, 44º 16 00 W e 44º 19 16 W (Figura 01) nessa bacia encontra-se espaços verdes importantes, tais como: Área de Proteção Ambiental do Maracanã e o Parque Estadual do Bacanga, onde se localiza o reservatório do Batatã, que fornece 10% da água potável do município de São Luís (MA) (Martins, 2008). De acordo com Maranhão (1998), o clima da área de estudo segundo a classificação climática de Köppen corresponde ao tipo Aw (quente e úmido), apresentando dois períodos distintos: um chuvoso que se estende de janeiro a junho, apresentando alto índice pluviométrico e outro seco de julho e dezembro e a umidade relativa do ar apresenta média anual de 75% a 90%. Figura 01 Localização da área de estudo. Fonte: Elaborado pelos autores. 1398
2 - Materiais e métodos VARIABILIDADE E SUSCEPTIBILIDADE CLIMÁTICA: Neste estudo foram utilizadas imagens do satélite Landsat 8, sensor OLI/TIRS, da órbita 220 e ponto 62, com data de passagem 27/09/2014 e hora local 10:05:04. A imagem é disponibilizada gratuitamente pelo United States Geological Survey (USGS), disponível no endereço eletrônico http://glovis.usgs.gov. As etapas do pré-processamento, conversão da radiância e reflectância e estimativa da temperatura de superfície foram realizadas em ambiente SIG (Sistema de informações Geográficas. 2.1 - Características das imagens espectrais Landsat O satélite Landsat-8 opera com dois instrumentos imageadores, o sensor OLI (Operational Land Imager) que possui nove bandas espectrais, com pixels de 30 m e o sensor TIRS (Thermal Infrared Sensor) com duas bandas espectrais, com pixels de 100 metros, as bandas espectrais apresentam as seguintes características (Tabela 1): Tabela 1 - Características espectrais da imagem Landsat 8. Bandas Faixa Espectral (µm) Resolução Espacial (metros) Banda 1 Costeira/ Aerossol 0,43 0,45 30 Banda 2 Azul 0,45 0,51 30 Banda 3 Verde 0,53 0,59 30 Banda 4 Vermelho 0,64 0,67 30 Banda 5 Infravermelho Próximo 0,85 0,88 30 Banda 6 Infravermelho Médio 1,57 1,65 30 Banda7 Infravermelho Médio 2,11 2,29 30 Banda 8 Pancromática 0,50 0,68 15 Banda 9 Cirrus 1,36 1,38 30 Banda 10 Infravermelho Termal (TIRS1) 1 10,60 11,19 100 Banda 11 Infravermelho Termal (TIRS2) 2 11,50 12,51 100 Fonte: Adaptado de USGS, 2015. 2.2 - Pré-Processamento digital Nesta etapa foi feito o ajuste na projeção das bandas espectrais do Landsat 8. Esse procedimento possibilitou a alteração do sistema de coordenadas para do hemisfério sul (código EPSG 32723), as imagens adquiridas no website do Serviço Geológico dos Estados Unidos (USGS) estão disponíveis para consulta em sistema de coordenadas do hemisfério Norte (código EPSG 32623). Assim, se faz necessário a reprojeção para o hemisfério sul. Ainda na etapa do pré-processamento realizou-se o empilhamento (sobreposição) das 1399
bandas espectrais e posteriormente foi feito o recorte da imagem, o recorte foi feito para facilitar o processamento da imagem. 2.3 - Conversão para radiância e reflectância das imagens Landsat 8 Para a elaboração de cálculos que incluem dados de imagens de diferentes bandas espectrais é necessário à conversão dos valores digitais (ND Número Digital) para valores físicos como refletância de superfície. Ponzon e Shimakuro (2007) esclarecem que um valor de ND de uma imagem em uma banda especifica, não está então na mesma escala de outro ND de outra imagem em outra banda espectral, isto trás como consequência a impossibilidade de comparação entre NDs de bandas diferentes, mesmo para um mesmo sensor. A Tabela 2 apresenta os coeficientes de calibração da imagem OLI/Landsat 8 (fatores multiplicativos e fatores aditivos) para o cálculo da radiancia e reflectância espectral. Os dados apresentados estão disponíveis no ficheiro de metadados da imagem (arquivo MTL). Para o cálculo da radiancia são utilizados os dados RADIANCE_MULT_BAND_x (fator multiplicativo) e RADIANCE_ADD_BAND_x (fator aditivo), onde x é o número da banda. Para o cálculo da refletância são utlizados os dados REFLECTANCE_MULT_BAND_x (fator multiplicativo) e REFLECTANCE_ADD_BAND_x (fator aditivo), onde x é o número da banda. Tabela 2 - Descrição dos coeficientes de calibração das imagens Landsat 8. Bandas Espectrais Coeficientes de Calibração da Radiância Coeficientes de Calibração da Refletância Fator multiplicativo (ML) Fator aditivo (AL) Fator multiplicativo (M ρ) Fator aditivo (A ρ) 2 - (azul) 0,012798 63,98789 0,00002-0,1 3 - (verde) 0,011793 58,96429 0,00002-0,1 4 - (vermelho) 0,0099445 49,72201 0,00002-0,1 5 - (IV-próx.) 0,0060855 30,42739 0,00002-0,1 6 - (IV-médio) 0,0015134-7,56702 0,00002-0,1 7 - (IV-médio) 0,0005101-2,55049 0,00002-0,1 10 - (termal) 0,0003342 0,1 - - Fonte: Elaborado pelos autores Para a calibração da radiância espectral da imagem OLI/Landsat 8 foram utilizados os dados apresentados na Tabela 2, para as bandas 2, 3, 4, 5, 6, 7 e 10, de acordo com a equação 1, proposta por USGS (2014). ρλ'= M L.ND+A L (Eq. 1) 1400
sendo: λ VARIABILIDADE E SUSCEPTIBILIDADE CLIMÁTICA: = radiância espectral no topo da atmosfera. M L= fator multiplicativo. A L= fator aditivo de conversão específico para cada banda espectral. ND= Número digital. A equação 2 foi utilizada para converter valores ND em dados de refletância da imagem Landsat 8, conforme USGS (2014). Para a conversão utilizou-se os coeficientes disponibilizados no arquivo de metadados das imagens e apresentados na Tabela 2. λ ' =M ρ.nd+a ρ (Eq. 2) onde: ' λ = refletância espectral no topo da atmosfera. M ρ = fator multiplicativo. A ρ = fator aditivo, e ND = Número digital 2.4 - Estimativa da temperatura de superfície Para a obtenção da temperatura da superfície (T s) foi utilizado a radiância espectral da banda termal e a emissividade da banda do termal ( NB). A equação 03 possibilitou o cômputo em ºKelvin da temperatura de superfície (ALLEN, 2002), em seguida os valores foram convertidos para Celsius. K 2 T (Eq. 3) s ε NBK1 ln 1 L λ,6 onde: k 1 e k 2 são constantes especificas de cada banda do termal, na imagem Landsat 8, k 1= 774.89 e k 2 = 1321.08, estes valores estão disponíveis no arquivo de metadados da imagem, L λ,6 = radiância espectral da banda termal; ε NB = Emissividade do Termal. A emissividade do termal (ε NB) foi estimada em função do IAF, para obtenção de ε NB utilizou-se a equação de Allen et al (2002). ε NB = 0,97+0,00331.IAF (Eq. 4) Para pixels com IAF 3, εnb = 0,98 e para corpos de água (IVAS< 0) εnb = 0,99. IAF (Índice de Área Foliar) é um índice de vegetação utilizado em modelos climáticos para estimar o fluxo de energia e é baseado na relação entre massa e área foliar, foi estimado conforme Allen (2002): (0,69 IVAS)0,59 IAF ln (0,91) (Eq. 5) 1401
O Índice de Vegetação Ajustado ao Solo (IVAS) foi obtido através da equação proposta por Huete (1988): (1 L)(ρ IV ρ V ) IVAS (Eq. 6) (L ρ ρ ) Onde: IV V ρ IV = é a banda espectral no infravermelho próximo, na imagem Landsat 8 foi utilizado a banda espectral 5; ρ V = é a banda espectral do vermelho, na imagem Landsat 8 foi utilizado a banda espectral 4. L = uma constante e pode apresentar valores de 0 a 1, variando segundo a própria biomassa característica da área analisada. Segundo Ponzoni e Shimabukuro (2007), os valores de L foram: 1 para baixas densidades de vegetação, 0,5 para médias densidades de vegetação, e 0,25 para altas densidades de vegetação. Em conformidade com os autores supracitados, em geral, a constante L = 0,5 é mais comumente utilizado, pois engloba uma maior variação de condições de vegetação, corresponde ao valor ideal para áreas com vegetação de densidade média. Assim neste estudo utilizou-se L = 0,5. 3 - Resultados A Figura 02 apresenta as característica climatológicas da área de estudo. Como pode ser observado os meses de julho a dezembro ocorrem os maiores valores da temperatura, com amplitude térmica entre os meses de outubro e novembro, que coincide com o período mais seco na área analisada e os meses de janeiro e junho, apresentam menor temperatura e maior índice de precipitação. Como pode ser verificado, durante o mês de setembro, o qual pertencem as imagens de satélite analisadas neste estudo, a temperatura do ar apresentou média de 27,5 C. No dia 27/09/2014, o qual data a imagem satélite, a temperatura do ar foi de 29,5ºC. Os dados da precipitação mensal e temperatura compensada média foram obtidos na rede automática de dados do Instituto Nacional de Meteorologia (INMET). 1402
Figura 02 - Distribuição mensal da precipitação e temperatura compensada do ano de 2014 na área analisada. Fonte de dados: INMET (2016) Na análise da temperatura de superfície da bacia do rio Bacanga, mostrada na Figura 03(a), é possível observar que a área apresenta considerável variação espacial dos valores de temperatura. Em termos gerais, apresentando valores mínimos de 23 C, máxima de 36 C e amplitude de 13ºC. A maior frequência dos valores de temperatura é observada entre 32 e 33 C, conforme pode ser observado no histograma de frequência (Figura 04). Como esperado, as temperaturas mais elevadas foram obtidas em superfícies sem cobertura vegetal. Os maiores valores da temperatura de superfície são observados em áreas onde houve processo de urbanização, isto pode ser observado, ao comparar a Figura 03(a), que apresenta a composição RGB e onde pode ser observado as áreas antropizadas da bacia do rio Bacanga, ou seja, áreas onde houve processo de urbanização e a Figura 03(b), que apresenta a temperatura de superfície. 1403
VARIABILIDADE E SUSCEPTIBILIDADE CLIMÁTICA: Figura 03 (a) Mapa na composição RGB - bandas 6 5 3, (b) Mapa e transecto A B da temperatura de superfície da bacia do rio Bacanga. Fonte: Elaborado pelos autores. Figura 04 - Histograma de frequência da temperatura da superfície da bacia do rio Bacanga. Fonte: Elaborado pelos autores. Na porção central da bacia do rio Bacanga, nota-se predomínio dos menores valores da temperatura de superfície, com valores inferiores a 29 C, isto ocorre devido a presença 1404
de vegetação com maior densidade e presença de corpos hídricos. Vale salientar que áreas com presença de cobertura vegetal, contribuem para diminuir a temperatura da superfície. As baixas temperaturas em áreas com cobertura vegetal ocorrem como consequência da baixa incidência de radiação solar que chega a superfície. 3.1 - Perfil do campo térmico da temperatura de superfície Para uma análise mais detalhada da temperatura de superfície foi traçado um perfil em transecto A B (Figura 05), com 12.000 m. O perfil traçado revelou que a temperatura da superfície apresentou valores variando entre 25 a 36 C. Os locais que apresentaram as menores temperaturas de superfície correspondem a área com presença corpos hídricos, como pode ser percebido na distancia de 9.000 metros do transecto, que representa área do rio Bacanga. As áreas com presença de vegetação herbácea e arbustiva também apresentaram temperaturas amenas. O gráfico do perfil em transecto A B, revela ainda a ocorrência de alguns focos de ilhas de calor, a exemplo, citam-se as áreas na distância de 2.000 m, 4.000 m, 5.000 e 11.000 m. Essas áreas compreendem aos locais onde há solo exposto e maior densidade de urbanização da bacia do rio Bacanga, ou seja, predomínio de materiais artificiais (concreto, asfalto e telhados). Lima (2005) esclarece que esses materiais alteram o fluxo de energia da superfície, aumentando a absorção da energia solar na superfície e são responsáveis pela formação da maioria das ilhas de calor das cidades. Figura 05: Gráfico do perfil A-B da imagem termal do sensor TIRS/Landsat-8 em 27/09/2014 mostrando as variações térmicas. 4 - Conclusões A partir dos valores de temperatura de superfície, estimados com técnicas de sensoriamento remoto com uso da imagem Landsat 8 sensor TIRS, foi possível verificar a variação da temperatura na bacia do rio Bacanga. 1405
Mediante os resultados apresentados, nota-se que a temperatura de superfície variou entre 23 a 36 C, isto mostra que na bacia do rio Bacanga, possui diferenças significativas em relação à temperatura de sua superfície entre os diferentes usos da terra. Como esperando os menores valores da temperatura de superfície, foram observados em áreas com cobertura vegetal e os valores mais elevados, são observados em áreas antropizadas, ou seja, áreas urbanizadas. Conclui-se que o processo de urbanização tem contribuído para a criação de alguns focos do fenômeno de ilhas de calor na área urbana, principalmente onde há maior antropização da terra, caracterizada por áreas com maior densidade de ambientes construídos e menor cobertura vegetal. Por fim, conclui-se que a imagem do sensor TIRS do satélite Landsat 8, mostrou eficiência em representar a temperatura de superfície da bacia do rio Bacanga, possibilitando a análise da variação da temperatura de superfície. 5 - Referências ALLEN, R. G.; TREZZA, R.; TASUMI M. Surface energy balance algorithms for land. Advance training and user s manual, version 1.0, p. 98, 2002. MIRI, R.; WENG, Q.; ALIMOHAMMADI, A.; ALAVIPANAH, S. K. Spatial Temporal Dynamics of Land Surface Temperature in Relation to Fractional Vegetation Cover and Land Use/Cover in the Tabriz Urban Area, Iran. Remote Sensing of Environment, v. 113, n. 12, p. 2606-2617, 2009. COELHO, A. L. N.; CORREA. W. S. C. Temperatura de superfície celsius do sensor TIRS/Landsat-8: metodologia e aplicações. Revista Geográfica Acadêmica, v.7, n.1, p. 31-45, 2013. COELHO, A. L. N. Imagens Landsat-8/TIRS/OLI E ASTER/GDEM aplicadas na avaliação do comportamento termal de superfície, usos e topografia. Anais do XXVI Congresso Brasileiro de Cartografia e V Congresso Brasileiro de Geoprocessamento, Gramado/RS. 2014. COSTA, D. F.; SILVA, H. R.; PERES, L. F. Identificação de ilhas de calor na área urbana de Ilha Solteira - SP através da utilização de geotecnologias. Revista Engenharia Agrícola, v. 30, n. 5, p. 974-985, 2010. CORDEIRO, E.C; DINIZ, J. Região Metropolitana da Grande São Luís: Sua(s) Constituição(ões) e atuais dilemas para gestão intergovernamental. Ciências Humanas em Revista, v.7, n.2, 2009. FARIA, J. R. G.; MENDES, J. F. G. Sobre o uso e ocupação do solo urbano e a temperatura do ar. Ambiente Construído, v. 4, n. 3, p. 7-17, 2004. 1406
FEITOSA, S. M. R.; GOMES, J. M. A.; MOITA NETO, J. M.; ANDRADE, C. S. P. Consequências da urbanização na vegetação e na temperatura da superfície de Teresina, Piauí. Revista da Sociedade Brasileira de Arborização Urbana, v. 6, n. 2, p. 58-75, 2011. GALLO, K.; XIAN, G. Application of Spatially Gridded Temperature and Land Cover Data Sets For Urban Heat Island Analysis. Urban Climate, v. 8, n. 1, p. 1-10, 2014. LIMA, L.P. de. Clima e forma urbana: métodos de avaliação do efeito das condições climáticas locais nos graus de conforto térmico e no consumo de energia elétrica em edificações. Dissertação (Mestrado em Tecnologia) Centro Federal de Educação Tecnológica do Paraná, Curitiba, Paraná, 2005. LOMBARDO, M. A. Qualidade ambiental e planejamento urbano: considerações de método. São Paulo (Tese Livre Docência) FFLCH, Universidade de São Paulo, 529 p, 1995. HUETE, A. R. A soil-adjusted vegetation index. Remote Sensing of Environment. v. 25, p. 295-309, 1988. MARANHÃO., 1988. Secretaria de Estado do Meio Ambiente e Recursos Hídricos. Diagnóstico ambiental da microrregião da aglomeração urbana de São Luís e dos Municípios de Alcântara, Bacabeira e Rosário. São Luís. NICHOL, J.E. High-Resolution sufarce temperature patterns related to urban morphology in a tropical city: a satellite-based study. Journal of Applied Meteorology, v. 35, 135-146, 1996. PEREIRA, L. C.; MARIANO, Z. de F.; WACHHOLZ, F.; Cabral, J. B. P. Análise da temperatura de superfície e do uso da terra e cobertura vegetal na bacia barra dos Coqueiros (Goiás). Revista Geonorte, edição especial 2, v. 2, n. 5, p.1243 1255, 2012. PONZONI, F. J.; SHIMABUKURO, Y. E. Sensoriamento Remoto no Estudo da Vegetação. São José dos Campos: Parêntese, 2007. SILVA, J. S.; DA SILVA, R. M. ; SILVA, A. M. Mudanças do Uso e Ocupação do Solo e Degradação Eco-Ambiental Usando Imagens Orbitais: o estudo de caso da bacia do Rio Bacanga, São Luís (MA) Revista Brasileira de Geografia Física. v. 09, n. 1, p. 265-279, 2016. SOARES, R. B.; SOARES, C. B. S. S.; COSTA, J. A. L.; COSTA, S. S. Aplicação de técnica de fusão em imagens Landsat 8/ OLI. Anais XVII Simpósio Brasileiro de Sensoriamento Remoto - SBSR, João Pessoa-PB, INPE, p. 4836-4843, 2015. SOUSA, S. B.; FERREIRA JÚNIOR, L. G. Relação entre temperatura de superfície terrestre, índices espectrais e classes de cobertura da terra no município de Goiânia (GO). Revista Espaço Geográfico em Análise. Paraná, v. 26. p. 75 99, 2012. SOUZA, F. X. S. Alterações do Macroclima Urbano de Paranaguá Devido à Ação Antrópica PR. Revista de Divulgação Científica e Cultural do Isulpar, v. 1, n. 1, p. 52-68, 2010. USGS (United States Geological Survey). Using the USGS Landsat 8 Product 2014. Disponível em:< http://landsat.usgs.gov/landsat8_using_product.php >. Acesso em: 27 de abril de 2016. 1407
USGS (United States Geological Survey). What are the best spectral bands to use for my study? 2015. Disponível em:< http://landsat.usgs.gov/best_spectral_bands_to_use.php>. Acesso em: 27 de abril de 2016. WENG, Q.; LU, D.; Schubring, J. Estimation of land surface temperature - vegetation abundance relationship for urban heat island studies. Remote Sensing of Environment, Oxford, v.89, p.467-483, 2004. 1408