Uso de la teledetección en la evaluación de la superficie impermeable y de la cobertura vegetal en Porto Alegre/RS
DOI:
https://doi.org/10.5902/2236499492838Palabras clave:
Percepción remota urbana, NDVI, SAVI, ENDISIResumen
La ciudad está formada por procesos simultáneos, lo que dificulta el análisis de los problemas urbanos. La teledetección ofrece herramientas para diagnosticar el uso y ocupación de la superficie mediante imágenes satelitales. Este estudio investigó la ciudad de Porto Alegre/RS utilizando los índices NDVI y SAVI, que indican la cobertura vegetal, y el índice ENDISI, que mide la impermeabilidad del suelo. Se analizaron 13 imágenes del satélite Sentinel-2, tomadas entre 2017 y 2023, en las estaciones de invierno y verano. Las imágenes fueron procesadas para calcular los índices y se aplicaron análisis estadísticos como ANOVA, Tukey y correlación de Pearson. Se observó que la cobertura vegetal aumenta a medida que se aleja de las vías principales, siendo el índice SAVI menos afectado por sombras. El ENDISI identificó áreas permeables rodeadas por superficies impermeables. Las zonas centrales presentaron baja vegetación y alta impermeabilización. NDVI y SAVI mostraron una fuerte correlación, mientras que ENDISI presentó un comportamiento inverso. También se identificó una relación entre el mayor valor del metro cuadrado y el aumento de la impermeabilización, con una reducción de la vegetación. El análisis integrado de los índices resultó eficaz para estudiar el entorno urbano, considerando la estacionalidad.
Descargas
Citas
ALFONSIN, B. M. Da invisibilidade à regularização fundiária: a trajetória legal da moradia de baixa renda em Porto Alegre-século XX. 2000.
ALI, M. I. et al. Detection of changes in surface water bodies urban area with NDWI and MNDWI methods. International Journal on Advanced Science Engineering Information Technology, v. 9, n. 3, p. 946-951, 2019.
ALMEIDA, N. L.; CAMPOS, H. Á. Dinâmica imobiliária da habitação em bairros adjacentes ao centro de Porto Alegre/RS. Cadernos Metrópole, v. 24, p. 283-310, 2021.
ALMOHAMAD, H.; ALSHWESH, I. O. Evaluation of Index-Based Methods for Impervious Surface Mapping from Landsat-8 to Cities in Dry Climates; A Case Study of Buraydah City, KSA. Sustainability, v. 15, n. 12, p. 9704, 2023.
BAI, H. et al. Urban green space planning based on remote sensing and geographic information systems. Remote Sensing, v. 14, n. 17, p. 4213, 2022.
BHATTA, B. et al. Urban sprawl measurement from remote sensing data. Applied geography, v. 30, n. 4, p. 731-740, 2010.
BOEING, G. Spatial information and the legibility of urban form: Big data in urban morphology. International Journal of Information Management, v. 56, p. 102013, 2021.
CHANG, L. et al. Extracting urban water bodies from Landsat imagery based on mNDWI and HSV transformation. Remote Sensing, v. 14, n. 22, p. 5785, 2022.
CHAVEZ, P. S. Radiometric calibration of Landsat thematic mapper multispectral images. Photogrammetric Engineering and Remote Sensing, v. 55, p. 1285-1294, 1989.
CHEN, J. et al. Enhanced normalized difference index for impervious surface area estimation at the plateau basin scale. Journal of Applied Remote Sensing, v. 13, n. 1, p. 016502-016502, 2019.
CHEN, J. et al. A comparative study of impervious surface extraction using Sentinel-2 imagery. European Journal of Remote Sensing, v. 53, n. 1, p. 274-292, 2020.
CONGEDO, L. Semi-Automatic Classification Plugin: A Python tool for the download and processing of remote sensing images in QGIS. Journal of Open-Source Software, 6(64), 3172, 2021.
COPERNICUS. Sentinel-2 data products. Disponível em: https://sentinels.copernicus.eu/sentinel-data-access/sentinel-products/sentinel-2-data-products. Acesso em: 24 mar. 2026.
CORREIA FILHO, W. L. F. et al. The influence of urban expansion in the socio-economic, demographic, and environmental indicators in the City of Arapiraca-Alagoas, Brazil. Remote Sensing Applications: Society and Environment, v. 25, p. 100662, 2022.
DE MENEZES FILHO, F. C. M. Estimativa das áreas impermeáveis de bairros de Porto Alegre-RS como etapa ao planejamento urbano. Ciência e Natura, v. 35, n. 1, p. 33-42, 2013.
DHILLON, M. S. et al. Spatiotemporal fusion modelling using STARFM: Examples of Landsat 8 and Sentinel-2 NDVI in Bavaria. Remote Sensing, v. 14, n. 3, p. 677, 2022.
DIAS, T. S. A Expansão da ocupação urbana sobre o relevo do município de Porto Alegre–RS. 2011.
DIAS, T. S.; MOURA, N. S. V. Análise das intervenções na morfologia original e na dinâmica geomorfológica em áreas alagáveis do município de Porto Alegre-RS. Geografia: dinâmicas, conflitos e proposições. p. 96-114, 2017.
DOUSSET, B.; GOURMELON, F. Satellite multi-sensor data analysis of urban surface temperatures and landcover. ISPRS journal of photogrammetry and remote sensing, v. 58, n. 1-2, p. 43-54, 2003.
ELVIDGE, C. D.; CHEN, Z. Comparison of broad-band and narrow-band red and near-infrared vegetation indices. Remote sensing of environment, v. 54, n. 1, p. 38-48, 1995.
GOLDEN, J. S.; KALOUSH, K. E. Mesoscale and microscale evaluation of surface pavement impacts on the urban heat island effects. The international journal of pavement engineering, v. 7, n. 1, p. 37-52, 2006.
GOOGLE EARTH WEBSITE, 2009. Disponível em: http://earth.google.com/ . Acesso em: 31 out. 2024.
GUO, A. et al. Impact of urban morphology and landscape characteristics on spatiotemporal heterogeneity of land surface temperature. Sustainable Cities and Society, v. 63, p. 102443, 2020.
HALL, T.; BARRETT, H. Urban geography. Routledge, 2018.
HASENACK, H. Influência de variáveis ambientais sobre a temperatura do ar na área urbana de Porto Alegre, RS. 1989.
HU, J. et al. Aboveground Biomass Estimation of Highland Barley in Qinghai–Tibet Plateau—Exploring the Advantages of Time Series Data and Terrain Effects. Remote Sensing, v. 17, n. 4, p. 655, 2025.
HUETE, A. R. A soil-adjusted vegetation index (SAVI). Remote sensing of environment, v. 25, n. 3, p. 295-309, 1988.
IBGE. Censo Demográfico 2022. 2022. Disponível em: https://censo2022.ibge.gov.br/panorama/ . Acesso em: 19 jul. 2023.
JENSEN, J. R. Remote Sensing of the Environment: An Earth Resource Perspective. Upper Saddle River NJ: Prentice Hall, 2006.
KAISER, E. A. Dinâmicas da temperatura de superfície no município de Porto Alegre: diagnósticos e prognósticos a partir de sensoriamento remoto. 2023.
KUC, G.; CHORMANSKI, J. Sentinel-2 imagery for mapping and monitoring imperviousness in urban areas. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, v. 42, p. 43-47, 2019.
KUINCHTNER, A.; BURIOL, G. A. Clima do Estado do Rio Grande do Sul segundo a classificação climática de Köppen e Thornthwaite. Disciplinarum Scientia| Naturais e Tecnológicas, v. 2, n. 1, p. 171-182, 2001.
KUMAR, D.; SHEKHAR, S. Statistical analysis of land surface temperature–vegetation indexes relationship through thermal remote sensing. Ecotoxicology and environmental safety, v. 121, p. 39-44, 2015.
LI, C. et al. A comparative analysis of index-based methods for impervious surface mapping using multiseasonal Sentinel-2 satellite data. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, v. 14, p. 3682-3694, 2021.
LUZ, G. A. et al. Relações entre temperatura do topo de atmosfera, da superfície da água e variáveis meteorológicas: lago Guaíba (RS). Boletim de Geografia. Vol. 37, n. 2 (2019), p. 166-185, 2019.
MISRA, G. et al. Status of phenological research using Sentinel-2 data: A review. Remote Sensing, v. 12, n. 17, p. 2760, 2020.
MONTEIRO, C. Porto Alegre e suas escritas: história e memórias da cidade. Edipucrs, 2006.
MOURA, N. S. V. et al. Expansão urbana sobre compartimentos de relevo suscetíveis à inundação: Zona Sul do município de Porto Alegre, Rio Grande do Sul. Pesquisas em Geociências, v. 43, n. 3, p. 299-310, 2016.
NAVALGUND, R. et al. Remote sensing applications: An overview. Current Science, p. 1747-1766, 2007.
PHIRI, D. et al. Sentinel-2 data for land cover/use mapping: A review. Remote Sensing, v. 12, n. 14, p. 2291, 2020.
PORTO ALEGRE. LC 434, de 1º /12/ 1999. Dispõe sobre o Plano Diretor de Desenvolvimento Sustentável. Porto Alegre, 1999.
PROCEMPA. IMOBIndex. Porto Alegre, 2022. Disponível em: https://imobindex.procempa. com.br/. Acesso em: 15 jun. 2024.
PROCEMPA. Orçamento Participativo de Porto Alegre – 25 anos. Porto Alegre, 2015. Disponível em: http://lproweb.procempa.com.br/pmpa/prefpoa/observatorio/usu_doc/livro_ orcamento__participativo_de_porto_alegre_-_25_anos.pdf . Acesso em: 04 jun. 2024.
PROCEMPA. Plano Diretor de Desenvolvimento Sustentável. Porto Alegre, 2010. Disponível em: http://lproweb.procempa.com.br/pmpa/prefpoa/spm/usu_doc/planodiretortexto.pdf. Acesso em: 04 jun. 2024.
RANAGALAGE, M. et al. Spatial analysis of urbanization patterns in four rapidly growing south Asian cities using Sentinel-2 Data. Remote Sensing, v. 13, n. 8, p. 1531, 2021.
REN, X. et al. Effect of infiltration rate changes in urban soils on stormwater runoff process. Geoderma, v. 363, p. 114158, 2020.
ROBINSON, J. Urban geography: world cities, or a world of cities. Progress in Human Geography, v. 29, n. 6, p. 757-765, 2005.
ROUSE, J. W. et al. Monitoring vegetation systems in the Great Plains with ERTS (Earth Resources Technology Satellite). In: PROCEEDINGS OF THE THIRD ERTS SYMPOSIUM, SP-351 Goddard Space Flight Center, 1973, Washington: NASA, 1973, p. 309–317.
SANTOS, M. A natureza do espaço: técnica e tempo, razão e emoção. Edusp, 2002.
SANTOS, M. A Urbanização Brasileira. São Paulo: Edusp, Ed. da Univ. de São Paulo, 2005.
SEMERARO, T. et al. Planning of urban green spaces: An ecological perspective on human benefits. Land, v. 10, n. 2, p. 105, 2021.
SKOUGAARD KASPERSEN, P. et al. Using Landsat vegetation indices to estimate impervious surface fractions for European cities. Remote Sensing, v. 7, n. 6, p. 8224-8249, 2015.
SOARES, P. R. R. Metropolização, aglomerações urbano-industriais e desenvolvimento regional no sul do Brasil. Cadernos Metrópole, v. 20, p. 15-34, 2018.
STROHAECKER, T. M. Atuação do público e do privado na estruturação do mercado de terras de Porto Alegre (1890-1950). Scripta Nova. Revista electrónica de geografia y ciências sociales, v. 9, 2005.
SUN, X. et al. Quantitative estimation for the impact of mining activities on vegetation phenology and identifying its controlling factors from Sentinel-2 time series. International Journal of Applied Earth Observation and Geoinformation, v. 111, p. 102814, 2022.
SZABO, S. et al. Specific features of NDVI, NDWI and MNDWI as reflected in land cover categories. Acta Geographica Debrecina. Landscape & Environment Series, v. 10, n. 3/4, p. 194, 2016.
VELHO, L. F. Análise da temperatura de superfície e da ocupação urbana no município de Porto Alegre. 2014.
VILLAÇA, F. Espaço intra-urbano no Brasil. São Paulo: Studio Nobel, 2001.
WENG, Q.; QUATTROCHI, D. A. Urban remote sensing. CRC press, 2018.
WONG, M. M. F. et al. High-resolution calculation of the urban vegetation fraction in the Pearl River Delta from the Sentinel-2 NDVI for urban climate model parameterization. Geoscience Letters, v. 6, p. 1-10, 2019.
XU, H. Extraction of urban built-up land features from Landsat imagery using a thematicoriented index combination technique. Photogrammetric Engineering & Remote Sensing, v. 73, n. 12, p. 1381-1391, 2007.
YANG, X. X. (Ed.). Urban remote sensing: Monitoring, synthesis and modeling in the urban environment. John Wiley & Sons, 2021.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Geografia Ensino & Pesquisa
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
La revista Geografia – Ensino & Pesquisa retendrá el copyright de los trabajos publicados. Los derechos tienen referencia con la publicación del trabajo en cualquier parte del mundo, incluyendo los derechos a Las renovaciones, expansiones y diseminaciones de la contribución, así como otros derechos subsidiarios. Los autores tienen permiso para la publicación de la contribución en otra medio, materia impresa o digital, en portugués o en otra traducción, desde que los créditos tenidos sean dados a la Revista Geografia – Ensino & Pesquisa.
