Tamanho da fonte: 

Caracterizar a variabilidade espaço-temporal da intensidade da Ilha Urbana de Calor (IIUC) é fundamental para o desenvolvimento de cidades resilientes a mudanças climáticas. Este estudo simulou a evolução espaço-temporal da IIUC na cidade de Londrina (PR) durante o verão de 2011–2012 usando uma combinação de dados in situ e sensoriamento remoto, com modelagem de aprendizado de máquina; mais especificamente, florestas aleatórias (FA). As FA identificaram as principais variáveis preditoras da temperatura do ar (Tar) para os períodos diurno e noturno e seu vínculo com sistemas meteorológicos. Sistemas de alta pressão atmosférica favoreceram o desenvolvimento da maior IIUC (5,0 ºC durante o período noturno) enquanto sistemas de baixa pressão restringiram seu desenvolvimento. O modelo de FA diurno explicou 96% da variância observada e identificou a pressão atmosférica, velocidade do vento e irradiância solar como principais preditores; já o noturno explicou 89% da variância, e identificou a velocidade do vento, pressão atmosférica e cobertura de nuvens como principais preditores. Subsequentemente, as FA foram aplicadas para mapear a IIUC em escala espacial fina (10 m) nos períodos diurno e noturno. Nossos resultados sugerem que modelos baseados em FA podem servir como base para o desenvolvimento de estratégias que visam reduzir a exposição pessoal a altas Tar.

Clima urbano; Florestas aleatórias; Sensoriamento remoto; Aprendizado de máquina