Blog
São paulo tem grande ilha de calor agravada pelo declínio de áreas verdes
Tucuruvi, Mooca, Freguesia do Ó e Jabaquara têm maior média de temperatura e menor umidade do que bairros periurbanos ou rurais da região metropolitana
Variação na temperatura média entre regiões da cidade pode chegar a 4° C – Fotomontagem: Jornal da USP com imagens de Marcos Santos/USP Imagens
Bairros como Tucuruvi, Mooca, Freguesia do Ó e Jabaquara têm maior média de temperatura e menor umidade do que localidades como Capela do Socorro e Riacho Grande, próximas à zona rural, conforme artigo publicado na Revista Brasileira de Meteorologia. Ao identificar regiões específicas dentro da Região Metropolitana de São Paulo (RMSP) que apresentam maior intensidade de Ilha de Calor Urbano (ICU), os pesquisadores da Escola de Artes, Ciências e Humanidades (EACH) da USP perceberam uma variação na temperatura média entre grupos separados que pode chegar a 4º C.
Com dados meteorológicos de janeiro de 2009 a fevereiro de 2019 obtidos por 30 estações meteorológicas do Centro de Gerenciamento de Emergências (CGE), eles usaram o algoritmo K-means de agrupamento em clusters para verificar a intensidade de ilhas de calor nas regiões.
“O K-means é um modelo de machine learning não supervisionado útil para entender padrões com muitas variáveis”, explica Pedro Almeida, engenheiro ambiental e primeiro autor do artigo. Para essa junção, os pesquisadores utilizaram variáveis como precipitação, temperatura, umidade e uso do solo em um raio de 500 metros.
“Nossos resultados corroboram para o entendimento de que a questão do uso do solo e áreas mais arborizadas podem diminuir as ilhas de calor” – Pedro Almeida
O “Cluster A”, que engloba os bairros de Tucuruvi, Mooca, Freguesia do Ó e Jabaquara, apresentou a maior intensidade de ICU, com médias e variabilidade de temperatura mais altas. Esse grupo foi associado a áreas com alta ocupação residencial e comercial e uma menor quantidade de áreas verdes, o que contribui para o aumento da temperatura. Ao mesmo tempo, o “Cluster D”, que apresenta uma ocupação periurbana, consequentemente mais arborizada, teve médias e variabilidade de temperatura mais baixas.
Método de agrupamento
Para reunir bairros com perfis semelhantes em comportamento climático, o K-means foi essencial, mas um pré-tratamento foi necessário. “Antes de aplicá-lo, é preciso tratar esses dados com outro algoritmo, o de Análise de Componentes Principais (PCA), e redimensionar os dados para duas dimensões”, detalha. Esse tratamento permite que as variáveis tenham a mesma escala e peso no processo de análise, e o uso do PCA reduz suas dimensões para maior fidelidade dos resultados.
Após a aplicação do algoritmo de agrupamento, as localidades são separadas e reunidas com base na proximidade dos pontos de seus dados em relação aos centros de cada cluster. A partir desses centros, os pesquisadores aplicaram o “método do cotovelo”, uma análise empírica dos gráficos para determinar o número ideal de clusters. Ele ajuda a verificar o ponto ideal para a qualidade da classificação dos dados, evitando o uso de um número excessivo de clusters. Com isso, quatro grupos diferentes foram identificados.
“Esse método permite identificar agrupamentos com dados semelhantes. Depois olhamos as estatísticas das variáveis em cada cluster, principalmente analisando o gráfico de ‘boxplot’”. Esse gráfico citado é uma ferramenta visual que representa a distribuição de um conjunto de dados. No contexto da análise, os boxplots são utilizados para comparar as variáveis entre os diferentes clusters, permitindo uma visualização clara das diferenças e semelhanças nas características climáticas e de uso do solo entre as áreas agrupadas.
O “A” apresentou a maior intensidade do efeito ICU, com as regiões mencionadas como Tucuruvi e outras como Vila Mariana, Sé, Pinheiros, Butantã, Lapa, Pirituba, Tremembé, Penha, Vila Formosa, Anhembi e Vila Prudente. O “B” teve características intermediárias, com regiões como Perus, Santana do Parnaíba, Itaquera, Itaim Paulista, Ipiranga, Vila Maria, Cidade Ademar e Campo Limpo, com temperaturas mais amenas devido à presença de mais áreas verdes.
O “C” teve temperaturas ainda mais baixas, com zonas menos urbanizadas e maior vegetação, o que engloba Santo Amaro, M’Boi Mirim, Mauá, São Mateus e São Miguel Paulista.
O “D”, Capela do Socorro e Riacho Grande, apresentou as mais baixas, composto principalmente de áreas rurais e periurbanas com abundância de vegetação.
Planejamento urbano
O engenheiro chama a atenção que “na primavera, em especial, a umidade relativa do ar diminui, enquanto aumenta a temperatura”. Esse fator é preocupante por conta da sinergia entre ondas de calor e a ilha de calor observada nessa estação e no inverno. Durante uma onda de calor, as temperaturas urbanas podem subir mais devido à retenção de calor pelas superfícies construídas, como asfalto e concreto, que absorvem e reemitem calor. A falta de vegetação agrava essas ondas, enquanto sua ampliação seria responsável pelo resfriamento do ambiente por evapotranspiração. Assim, as áreas urbanas experimentam temperaturas significativamente mais altas do que as áreas rurais durante os eventos extremos.
Flávia Ribeiro, professora de Gestão Ambiental da USP e coautora do artigo, indica que há várias soluções urbanísticas e de materiais de construção para garantir o conforto térmico, mas mitigar os efeitos da ilha de calor urbano é difícil e desafiador. “A literatura colabora ao entendimento de que populações mais vulneráveis socioeconomicamente sofrem mais com a intensificação desses eventos atmosféricos”, conta a pesquisadora.
“O poder público tem acesso aos dados e precisa avançar no planejamento. Vimos nas últimas ondas de calor o aumento de uso de energia, quase levando o sistema energético ao colapso" – Flávia Ribeiro
Os autores apontam que estudos futuros também podem ser enriquecidos com a inclusão de dados socioeconômicos, enquanto a expansão para outras cidades brasileiras e globais pode aprofundar o debate de mitigação e adaptação às mudanças climáticas urbanas.
“Há avanços em estudos híbridos com modelos numéricos clássicos e machine learning em busca de predição”, explica a coautora, já que, além do algoritmo atual poder identificar padrões, essa hibridização poderia colaborar na identificação e adaptação das cidades à nova realidade climática.
*Estagiário supervisionado por Luiza Caires e Tabita Said. Com informações da Agência Bori
Política de uso
A reprodução de matérias e fotografias é livre mediante a citação do Jornal da USP e do autor. No caso dos arquivos de áudio, deverão constar dos créditos a Rádio USP e, em sendo explicitados, os autores. Para uso de arquivos de vídeo, esses créditos deverão mencionar a TV USP e, caso estejam explicitados, os autores. Fotos devem ser creditadas como USP Imagens e o nome do fotógrafo.
A reprodução de matérias e fotografias é livre mediante a citação do Jornal da USP e do autor. No caso dos arquivos de áudio, deverão constar dos créditos a Rádio USP e, em sendo explicitados, os autores. Para uso de arquivos de vídeo, esses créditos deverão mencionar a TV USP e, caso estejam explicitados, os autores. Fotos devem ser creditadas como USP Imagens e o nome do fotógrafo.