Professional Documents
Culture Documents
Trabajo de Grado Alejandro Carvajal
Trabajo de Grado Alejandro Carvajal
Presentado Por:
Carvajal Téllez Raúl Alejandro
Director:
Jonathan Vásquez Lizcano. I.A., M.Sc.
Resumen
La isla de calor urbana es uno de los nuevos fenómenos producidos por el rápido
crecimiento al interior y a la periferia de las ciudades, donde la redensificación y
compactación de los espacios intraurbanos con materiales impermeables aumenta la
retención de energía térmica, ocasionando problemas en la salud, economía y
medioambiente. La falta de estudios en la ciudad de Bogotá que analicen el problema
desde su evolución y comportamiento crean una brecha entre la caracterización del
fenómeno y los efectos que a nivel local puede haber sobre la ciudad. Esta investigación
pretende comprender ¿Cuál es el comportamiento y cómo se ha dado la evolución de la
Isla de Calor Urbana a nivel de dosel y superficie en la ciudad de Bogotá para el periodo
de 1981 a 2015? Sirviendo de base a futuras investigaciones que puedan vincular éste
trabajo a instrumentos de monitoreo y control del fenómeno. La investigación contempla
dos etapas, en la primera un análisis de la isla de calor de dosel a partir de estaciones
meteorológicas y los datos de temperatura mínima, media y máxima donde se estudia la
evolución del fenómeno y su comportamiento desde la precipitación y estacionalidad, la
segunda etapa analiza la isla de calor urbana a nivel de superficie a partir de imágenes
satelitales diurnas y nocturnas, estudiando su evolución y el comportamiento a través de
4 variables descriptivas. La investigación encontró que la isla de calor ha tenido un
aumento en su intensidad a comienzos del año 2000, así como una intervención directa
de las lluvias sobre el fenómeno, además el manejo de las 4 variables descriptivas
demuestra que es posible controlar el fenómeno.
Palabras clave: Isla de calor Urbana Superficial, Isla de Calor Urbana de Dosel,
Climatología urbana y Planeación urbana.
Contenido III
Contenido
Resumen ........................................................................................................................ II
Contenido ..................................................................................................................... III
Índice de tablas ............................................................................................................. V
Índice de figuras ........................................................................................................... IV
1. Introducción....................................................................................................... 10
1.1 Localización geográfica del área de estudio .................................................... 12
2. Planteamiento del problema ............................................................................. 15
2.1 Problema de investigación ............................................................................... 15
2.2 Hipótesis .......................................................................................................... 16
2.3 Objetivos .......................................................................................................... 16
2.3.1 Objetivo general ............................................................................................ 16
2.3.2 Objetivos específicos .................................................................................... 16
2.4 Justificación...................................................................................................... 16
3. Revisión de literatura ........................................................................................ 18
3.1 Antecedentes ................................................................................................... 18
3.2 Marco conceptual ............................................................................................. 20
3.2.1 Sobre isla de calor ........................................................................................ 20
3.2.1.1 Escala vertical ........................................................................................ 21
3.2.1.2 Escala Horizontal ................................................................................... 22
3.2.2 De los elementos y factores climáticos en la ICU ......................................... 30
3.2.2.1 Elementos climáticos.............................................................................. 30
3.2.2.2 Factores climáticos................................................................................. 33
5. Resultados ......................................................................................................... 59
5.1 Objetivo 1 ......................................................................................................... 59
5.1.1 Patrón climatológico para el periodo 1981-2015........................................... 59
5.1.1.1 Escala interanual periodo 1981-2015 ..................................................... 64
5.1.1.2 Escala estacional 1981-2015 ................................................................. 68
5.1.2 Resultados por ventanas de tiempo quinquenal ........................................... 71
5.1.3 Resultado fenómeno de niño niña ................................................................ 74
5.2 Objetivo 2 ........................................................................................................ 77
5.2.1 Análisis de imágenes térmicas...................................................................... 77
5.2.2 Isla de Calor Urbana a nivel de superficie .................................................... 80
5.2.3 Regresión lineal entre índices espectrales y parámetros urbanos Vs LST. .. 84
6. Discusión ........................................................................................................... 90
7. Conclusiones y recomendaciones................................................................... 94
8. Anexos ........................................................................................................... 90
A. Porcentaje de datos completos para el periodo 1981-2015. .......................... 98
B. Series de temperatura 1981-2015 ................................................................... 100
C. ZCL de estaciones meteorológicas seleccionadas ...................................... 102
D. Distribución espacial para la escala estacional de la T. max, min, med y
amplitud térmica........................................................................................................ 103
E. Graficas por quinquenios ............................................................................... 107
F. Imágenes satelitales utilizadas ...................................................................... 110
G. LST, Desviación estándar y LST media por UPZ .......................................... 111
9. Referencias ...................................................................................................... 112
Índice de tablas V
Índice de tablas
Tabla 1. Valores promedio de temperatura, amplitud térmica, precipitación y humedad relativa
para Bogotá. Fuente: elaboración propia a partir de los datos de (IDEAM & FOPAE, 2007). ....12
Tabla 2. Estaciones meteorológicas recibidas por entidad. Fuente Elaboración propia. ............40
Tabla 3. Bandas de los sensores Landsat 4,5,7 y 8 (* Bandas remuestreadas a 30 m). Fuente:
Elaboración propia. ...................................................................................................................43
Tabla 7. Norma de temperatura máxima, media, mínima y precipitación para el periodo 1981-
2015. Fuente: elaboración propia. .............................................................................................60
Tabla 8. Aumento en la tendencia climática desde 1981 a 2015. Fuente: Elaboración propia...63
Tabla 10. Valores Beta del (MCO), Correlación de Pearson y RMSE. Fuente: Elaboración
propia........................................................................................................................................87
Tabla 11. Porcentaje de datos completos por estación para el periodo 1981-2015 bajo control
de calidad WMO. Fuente: Elaboración propia. ..........................................................................98
IV
Índice de figuras
Figura 1. Zona de estudio. Fuente: Elaboración propia .............................................................14
Figura 4. ZCL por tipos de construcción (Oke & Stewart, 2012) ilustrado por J.A. Ruíz. Fuente:
(Jiménez, 2016). .......................................................................................................................25
Figura 5. ZCL por tipos de espacios naturales (Oke & Stewart, 2012), ilustrado por J.A. Ruíz.
Fuente: (Jiménez, 2016). ..........................................................................................................26
Figura 6. Correlación entre NDVI y LST para las ZCL. Fuente:(Ferreira & Duarte, 2019)..........27
Figura 7. Esquema de balance energético para un sistema volumétrico urbano (Oke, 1988ª),
ilustrado por J.A. Ruíz. Fuente: (Jiménez, 2016). ......................................................................28
Figura 8. Calor sensible de la ciudad de Nagoya Japón; el color rojo está asociado a la malla
urbana densa, el verde a zonas suburbanas, el azul a cobertura vegetal y el negro a cuerpos de
agua. Fuente: (Kato, 2005) .......................................................................................................29
Figura 10. Variación de la humedad relativa durante un periodo de 24 horas para una presión
real de vapor constante de 2,4 kPa. Fuente: (FAO, 2006) ........................................................32
Figura 12. (a) vientos anabáticos con disipación de contaminantes y neblina. (b) vientos
catabáticos con una capa densa de contaminantes. Fuente:(Oke et al., 2017) .........................34
Figura 13. Albedo obtenido de mediciones en campo y relación con la altitud y el ángulo cenital.
Fuente: (Oke et al., 2017) .........................................................................................................35
Figura 14. Representación del cálculo de densidad edilicia con rejilla de referencia. Fuente:
Elaboración propia. ...................................................................................................................36
Figura 15. Representación del cálculo de compacidad con rejilla de referencia. Fuente:
Elaboración propia. ...................................................................................................................36
Figura 16. Correlación entre SVF y radiación de onda larga neta (izquierda) y correlación de
SVF con la intensidad de isla de calor para varias ciudades de Australia, Europa y Norte
América (derecha). Fuente: (Oke, 1988ª) ..................................................................................37
Figura 20. Saltos en la media bajo umbral de aceptación de datos faltantes del 16% y 40%.
Fuente: Elaboración propia .......................................................................................................45
Figura 21. Inhomogeneidad por saltos en la media y errores puntuales. Fuente: Elaboración
propia........................................................................................................................................46
Figura 22. Boxplot para 11 de las 20 estaciones preseleccionadas, con anomalías fuera del
percentil 10 y 90. Fuente: Elaboración propia. ..........................................................................46
Figura 23.Histograma de frecuencia por anomalías bajo desviación estándar (verde claro) e
histogramas de frecuencia de datos (verde oscuro); “A” estaciones seleccionadas (12), “B”
estaciones preseleccionadas (20). Fuente: Elaboración propia. ................................................47
Figura 24. Serie de temperatura para el periodo 1981-2015. Fuente: Elaboración propia. ........48
VI
Figura 25. Información disponible sin estimación de datos (superior) y con estimación de datos
(inferior). Fuente: Elaboración propia a partir de R. ...................................................................49
Figura 26. Diagrama de procesamiento para corrección atmosférica mediante el software ENVI.
Fuente: Elaboración propia. ......................................................................................................53
Figura 27. Estimación de temperatura superficial bajo vapor de agua para la base de datos
TIGR61. Fuente: (Jiménez et al., 2009) ....................................................................................54
Figura 29. Escala estacional para precipitación, T. máxima, T, media y T. mínima de la estación
Tibaita. Fuente: Elaboración propia. ..........................................................................................61
Figura 30. Boxplot a escala estacional para la norma de 1981-2015 y 2001-2015 para las
estaciones sin datos anteriores (Estaciones 1 a 5 rurales 6 a 12 urbanas). Fuente: Elaboración
propia........................................................................................................................................62
Figura 31. Variación de la temperatura del aire en Vancouver, Canadá agosto 1992. A
temperatura del aire, B magnitud ICUUCL, C tasa de enfriamiento. Fuente: (Oke et al., 2017) ...62
Figura 32. Ciclo estacional de temperaturas medias en el periodo 1981-2015, de las estaciones
Tibaita (inferior) y Nacional (superior). Fuente: Elaboración propia. ..........................................63
Figura 33. Escala interanual para T. max e ICUUCL en el periodo 1981-2015. Fuente:
Elaboración propia. ...................................................................................................................64
Figura 34. Escala interanual para T. med e ICUUCL en el periodo 1981-2015. Fuente:
Elaboración propia. ...................................................................................................................65
Figura 35. Escala interanual para T. max e ICUUCL en el periodo 1981-2015. Fuente:
Elaboración propia. ...................................................................................................................66
Figura 36. Amplitud térmica para el periodo 1981 - 2015. Fuente: Elaboración propia. .............66
Figura 37. Distribución espacial de la norma 2001 – 2015 para la T. max, med, min, UCL max,
UCL med, UCL min y amplitud térmica. Fuente: Elaboración propia. ........................................67
VII Introducción
Figura 38. Climograma para el periodo 1981 – 2015 y 2001 – 2015 (para estaciones sin datos
anteriores). Fuente: Elaboración propia. ...................................................................................68
Figura 39. Climograma ICUUCL T. max para el periodo 1981 – 2015 y 2001 – 2015 (para
estaciones sin datos anteriores). Fuente: Elaboración propia. ..................................................69
Figura 40. Climograma ICUUCL T. med para el periodo 1981 – 2015 y 2001 – 2015 (para
estaciones sin datos anteriores). Fuente: Elaboración propia. ..................................................70
Figura 41. Climograma ICUUCL T. min para el periodo 1981 – 2015 y 2001 – 2015 (para
estaciones sin datos anteriores). Fuente: Elaboración propia. ..................................................70
Figura 42. Amplitud térmica a escala estacional para el periodo 1981 – 2015 y 2001 – 2015
(para estaciones sin datos anteriores). Fuente: Elaboración propia. .........................................70
Figura 43. Cambios en la T. min e ICUUCL través de quinquenios. Fuente: Elaboración propia. 72
Figura 44. Cambios en la T. med e ICUUCL través de quinquenios. Fuente: Elaboración propia.
.................................................................................................................................................72
Figura 45. Cambios en la T. max e ICUUCL través de quinquenios. Fuente: Elaboración propia 73
Figura 46. Cambios en la amplitud térmica a través de quinquenios. Fuente: Elaboración propia
.................................................................................................................................................73
Figura 47. SPI para el periodo 1981-2015 (superior) y precipitación en mm para el SPI (inferior).
Fuente elaboración propia.........................................................................................................74
Figura 48. SPI para el periodo 1981-2015 (superior) y temperatura en °C para el SPI (inferior).
Fuente elaboración propia.........................................................................................................75
Figura 49. SPI para ICUUCL de T. max, med y min, azul (estaciones rurales) negro (estaciones
urbanas). Fuente: Elaboración propia. ......................................................................................76
Figura 50. Crecimiento urbano y poblacional 1985-2010. Fuente: (Novoa, 2010) .....................77
Figura 51. Imagen térmica nocturna de LT8 tomada a las 3:05 am. Fuente: Elaboración propia.
.................................................................................................................................................78
Figura 52. Crecimiento urbano en el periodo de estudio. Fuente: Elaboración propia. ..............79
VIII
Figura 53. Promedio de temperatura superficial, desviación estándar y promedio por UPZ de las
7 imágenes diurnas seleccionadas (Anexo E). Fuente: Elaboración propia. .............................81
igura 54. Temperatura superficial, desviación estándar y promedio por UPZ de imagen satelital
nocturna (2015/02/21). Fuente: Elaboración propia...................................................................81
Figura 55. Zonas con menores y mayores temperaturas superficiales diurnas y nocturnas.
Fuente Elaboración propia. .......................................................................................................82
Figura 57. Temperatura superficial para el periodo de 1985-2015. Fuente: Elaboración propia.
.................................................................................................................................................83
Figura 58. LST, Índices espectrales y parámetros urbanos. Fuente elaboración propia. ...........86
Figura 60.Densidad edilicia con rejilla de 1 Km (A Bangkok, B Ho Chi Min). Fuente: (Tran et al.,
2006) ........................................................................................................................................87
Figura 61. Gráfico de dispersión de la regresión lineal múltiple. Fuente: Elaboración propia. ...88
Figura 62. Histograma comparativo entre valores observados de LST y estimados. Fuente:
Elaboración propia. ...................................................................................................................88
Figura 63. Temperatura superficial, estimación y error residual. Fuente: Elaboración propia. ...89
Figura 64. Grupos de Estaciones similares resultado del A.C.P. Fuente: (Angel et al., 2010) ...91
Figura 65. Relación de la temperatura con morbilidad y consumo energético. Fuente: (Li et al.,
2013) (OMM, 2011). ..................................................................................................................92
Figura 66. Distribución espacial a escala estacional de T. min e ICUUCL para el periodo 2001-
2015. Fuente: elaboración propia ............................................................................................ 103
Figura 67. Distribución espacial a escala estacional de T. med e ICUUCL para el periodo 2001-
2015. Fuente: Elaboración propia. .......................................................................................... 104
IX Introducción
Figura 68. Distribución espacial a escala estacional de T. med e ICUUCL para el periodo 2001-
2015. Fuente: Elaboración propia. .......................................................................................... 105
Figura 69. Distribución espacial a escala estacional de amplitud térmica para el periodo 2001-
2015. Fuente: elaboración propia. ........................................................................................... 106
Figura 70. T. max e ICUUCL por lustros. Fuente: Elaboración propia. .......................................107
Figura 71. T. med e ICUUCL por lustros. Fuente: Elaboración propia. ...................................... 108
Figura 72. T. med e ICUUCL por lustros. Fuente: Elaboración propia. ...................................... 108
Figura 73. Amplitud térmica por lustros. Fuente: Elaboración propia....................................... 109
10
1. Introducción
Bogotá ha tenido un fuerte crecimiento poblacional y urbanístico que empezó a partir del
siglo XX, a causa de las fuertes migraciones producidas por la guerra de los mil días y el
desarrollo tecnológico en diferentes campos de producción,
“A partir de 1890 fue cada vez más posible que se establecieran talleres mecanizados que
empleaban trabajadores asalariados, importaran ingenieros y técnicos o estos se hicieran con
la experiencia productiva misma, contaran con servicios adecuados de energía motriz
(hidráulica al principio pero eléctrica cada vez más) y contaran con mercados locales”
(Bermúdez & Wilson White, 2006)
el ecosistema urbano y natural. La presión que las altas temperaturas tienen sobre
ambos sistemas natural y urbano generan un déficit en la calidad de vida de la población,
aumentando los índices de morbilidad en enfermedades cardiovasculares, respiratorias
y de transmisión por vectores en poblaciones vulnerables, además del incremento en el
consumo de agua y de energía eléctrica.
El trabajo se enfoca en dos de las tres distintas clasificaciones de ICU, la ICU a nivel de
dosel (ICUUCL) y la ICU a nivel de superficie (ICUSup), sobre las que se realizaron los
análisis correspondientes para poder responder la pregunta planteada.
Para la segunda etapa se hace una revisión de la ICUSup, donde a través de sensores
remotos se obtienen imágenes diurnas y nocturnas de temperatura de superficie o LST
(Land Surface Temperature) para distintas fechas, de estás se elabora un análisis
preliminar del crecimiento de la ciudad de Bogotá, un análisis de la ICUSup donde se
detalla la distribución y evolución en el periodo 1981-2015 y para conocer su
comportamiento se usaron a 4 variables independientes (humedad de superficie, NDV,
compacidad y densidad edilicia) con correlación de Pearson y una regresión lineal
múltiple que demostraron una moderada capacidad descriptiva del fenómeno.
12
Tabla 1. Valores promedio de temperatura, amplitud térmica, precipitación y humedad relativa para
Bogotá. Fuente: elaboración propia a partir de los datos de (IDEAM & FOPAE, 2007).
Temperatura
19,2 19,3 16 19,7 20,2 19,4 19,0 1,5
máxima °C
Temperatura
13,5 12,9 13,6 14,6 14,9 12,6 13,7 0,9
media °C
Temperatura
7,5 7 7,1 7,9 8,4 9,1 7,8 0,8
mínima °C
Amplitud
11,7 12,3 11,8 11,8 10,3 9,5 11,2 1,1
térmica °C
Precipitación
819 777 - 950 940 1093 915,8 124,3
mm
Humedad
80 74 85 83 78 80 80,0 3,8
%
Ciclo de Oscilación del Sur (ENOS): también conocido como fenómeno del niño y niña,
es una escala interanual que afecta la precipitación, temperatura máxima, media y
13 Introducción
mínima, ocasionando que para los meses secos de diciembre, febrero, julio y
septiembre las temperaturas aumenten (fenómeno del niño) y para los meses lluviosos
la temperatura disminuya con un aumento en la precipitación (fenómeno de la niña)
(IDEAM, 2014; José Daniel Pabón, 2007).
En consecuencia, de que el área rural de Bogotá esta fuera del valle del río, la
delimitación de la zona de estudio contiene parte de los municipios de Cajicá, Chía, Cota,
Mosquera, Funza, Soacha en conurbación con Bogotá y Sibaté.
La zona de estudio mantiene una cota promedio de 2582 msnm y desviación estándar
de 27 msnm sin fuertes variaciones a excepción del cerro la conejera y parte de los
Cerros Orientales. Constituida por la malla urbana de Bogotá y un área rural
transformada para la agricultura y floricultura que dan un mosaico de tierras productivas
con cultivos de papa, maíz, cebada, hortalizas, pastizales, suelos descubiertos por
periodos de barbecho e invernaderos para floricultura. La Figura 1 muestra la
delimitación de la zona de estudio.
14
El aumento del calor al interior de las ciudades contrae distintos efectos que pueden ser
beneficiosos o perjudiciales dependiendo de las necesidades de la población y el clima.
A ejemplo, en ciudades septentrionales donde el clima tiende hacer mayormente frío
durante todo el año, la ICU puede brindar soporte a la población ayudando a mitigar las
bajas temperaturas y aliviando los costos de calefacción. Por otra parte, en ciudades
tropicales con climas templados durante todo el año la ICU puede aumentar las tasas de
morbilidad a consecuencia del estrés por calor, como lo reporta Estados Unidos donde
16
el estrés por calor es la principal causa de mortalidad por peligros relacionados al clima,
incluso más que huracanes e inundaciones, el efecto de estrés por calor en estas
ciudades aumenta cuando se suma a ellas una ola de calor, que resultan mortales para
adultos mayores y recién nacidos, que a falta de poder regular su temperatura en las
noches terminan sufriendo problemas cardiovasculares y respiratorios (Oke et al., 2017).
2.2 Hipótesis
La expansión y consolidación urbana que ha tenido Bogotá desde La Candelaria hacia
el oriente, sur y norte; deben marcar la condición actual de la Isla de Calor Urbana, siendo
el centro de la ciudad la zona más caliente y con pérdida de intensidad hacia la periferia.a
causa de la relación entre la ICUUCL y la ICUSup se prevé que la configuración de ambas
sean correspondientes entre si.
2.3 Objetivos
2.4 Justificación
El crecimiento de la ciudad empieza a generar islas de calor que presionan
constantemente los ecosistemas encontrados bajo su zona de influencia, como
consecuencia se provoca un déficit en la calidad de los servicios ecosistémicos prestados
17 Planteamiento del problema
3. Revisión de literatura
3.1 Antecedentes
Las islas de calor (ICU) nacen de la investigación “The Climate of London” (1833) de
Luke Howards, quien sin conocer el efecto del crecimiento urbano sobre la temperatura,
señala que Londres cuenta con una anomalía térmica no definida en el centro de la
ciudad, Posteriormente investigadores como Emilien Renou, Wilhelm Schmidt se unen a
esta nueva área de la investigación definiendo y describiendo los elementos que
intervienen en su aparición, enfrentándose a diversos problemas como: falta de
estaciones meteorológicas con insuficiencia de datos históricos, escasa cartografía
catastral y la imposibilidad de contrastar la temperatura de la ciudad antes y después de
la aparición; ellos descubrieron que el albedo de los materiales de construcción como las
losas y las arcillas favorecían el calentamiento de la ciudad al almacenar mayores
cantidades de energía calórica, también analizaron la morfología urbana encontrando
que la densidad y los cañones urbanos tienen la capacidad de impedir o permitir la
advección térmica de las ciudades.
El primer artículo del que se encontró registro en el país acerca del fenómeno de Isla de
Calor Urbano fue el “Análisis preliminar de la isla de calor en la sabana de Bogotá”
(Pabón et al., 1998), este artículo trabaja el fenómeno en los decenios de 1960 - 1969,
1970 – 1979 y 1980 – 1989 bajo ocho estaciones meteorológicas para la posterior
19 Revisión de literatura
Los distintos estudios dan relevancia hacia uno u otro aspecto del fenómeno, como la
importancia de su estudio a través de temperaturas superficiales (Nichol, 2005; Peng et
al., 2012; Weng, 2003), temperatura ambiente (Amorim & Dubreuil, 2017; Emmanuel &
Krüger, 2012), propiedades morfológicas de la ciudad (Cabras, 2014; Correa, Pattini,
Corica, Fornes, & Lesino, 2005; Hoyano, 1988) y actividades antrópicas de la cual se
construyen modelos analíticos de predicción (Kaloustian & Diab, 2015; Sahito, Shimada,
& Hoshi, 1996; Sangines Coral, 2013) sin que dicho eje sea alterado.
Evitando el uso de una definición que encasille el presente trabajo citaremos la escrita
por (Oke, 1995):
Pues esta, en su sencillez permite el estudio de los diferentes tipos de ICU que pueden
ser encontrados en una zona urbana, sin restringir la metodología a usar. La
Organización Mundial Meteorológica (OMM) en su reporte número 81 “Instruments And
Observing Methods” advierte la necesidad de implementar nuevas metodologías para la
recolección de información meteorológica en un área urbana, que, por la gran
heterogeneidad de los entornos, le es conveniente recurrir a nuevos métodos de
adquisición basados en los distintos tipos de ICU. La distinción entre la clasificación de
la ICU deriva de sus escalas tanto verticales, horizontales y temporales provenientes de
la meteorología (Figura 2) que se caracterizan por la consideración de sus efectos sobre
su entorno inmediato y secundario, las escalas pueden ser estudiadas coordinadamente
de ser necesario (WMO, 2006).
Urban Canopy Layer (ICUUCL): Es la capa de aire conocida como Capa de Dosel
Urbana, se encuentra afectada por la rugosidad de los objetos que se sitúan sobre
la superficie como la cobertura vegetal, edificios, masas de agua, etc. La
extensión a la que esta capa puede llegar se limita a la distancia media de los
elementos perpendiculares al suelo. Fuertemente intervenida por la rugosidad su
comportamiento suele ser caracterizado por vientos turbulentos y con
fluctuaciones muy marcadas en cortas distancias a razón de las interacciones
verticales y horizontales (Oke, 1982). Esta capa es estudiada a través de
estaciones meteorológicas y transectos, también acoplada a una escala horizontal
de nivel local y de microescala.
Urban Boundary Layer (ICUUBL): Es la capa de aire conocida como Capa Límite
Urbana, generada por encima de la Capa de Dosel a razón de las múltiples
mezclas sucedidas por las distintas UCL, se encuentra en contacto con la
atmósfera a una altura de hasta 1,5 Km participando en los balances energéticos,
suelen ser más cálidas, secas y contaminadas en relación al área rural,
presentando comportamientos distintos de día y de noche que producen inversión
térmica favoreciendo el estancamiento y acumulación de partículas
contaminantes (Fan et al., 2017; Oke, 1995). Esta capa es estudiada a través de
sondeos verticales en una escala horizontal de nivel local y mesoescalar.
convectivas son estudiados a nivel mesoescalar (Gonzáles & Aguilar, 2013), los que
comprendan amplitudes específicas como: aguaceros intensos, granizadas y vendavales
son estudiados a nivel local (Morey, 2017) y los que intervengan directamente con la
superficie terrestre son estudiados a nivel microescalar (Buenestado, 2003).
Figura 3. Esquema de escalas climáticas y capas verticales encontradas en áreas urbanas. PBL - capa
límite planetaria, UBL - capa límite urbana, UCL - capa de dosel urbano. Fuente: (Bailey et al., 1997).
La gran heterogeneidad entre los entornos urbanos que rigen las condiciones de la UCL
implica esfuerzos más detallado para la comprensión del fenómeno, para esto, la
microescala podría ser requerida pues con ella es posible resaltar las diferencias
atmosféricas que puede haber a tan solo algunos metros de distancia; sin embargo,
realizar un estudio de UCL a este nivel implicaría una gran inventario de espacios, que
derivan en tiempo adicional para su categorización y procesado de datos, dejando a la
microescala con más dificultades que bondades para la caracterización de las
estructuras urbanas. Por ende, una solución más acorde es utilizar la escala local,
pudiendo establecerse en ella una clasificación de mayor extensión que pueda recoger
24
características homologas1 entre espacios, labor desarrollada por Ellefsen (1991) donde
a través de características como: dimensión de edificios, densidad edilicia, compacidad
edilicia, materiales de construcción, ancho de calles, flujo de aire y tipo de techo logró
clasificar 17 tipologías de espacios urbanos con el objetivo de brindar un inventario
sencillo para los estudios de climatología urbana, las limitaciones de este método son la
falta de caracterización de espacios naturales que pueden haber dentro de las ciudades
como: suelos desnudos, cuerpos de agua, coberturas vegetales, etc.
Para trabajos posteriores las 17 tipologías categorizadas por Ellefsen valieron de base
para desarrollar un inventario con mayor enfoque hacia zonas climáticas (Loridan &
Grimmond, 2012; WMO, 2006). Pudiéndose explicar más claramente las relaciones de
la UCL con los microclimas producidos por la heterogeneidad de la ciudad y que al mismo
tiempo sirvan como instrumento de planificación, ecología del paisaje y de cambio
climático global. Para 2012 (Oke & Stewart, 2012) elaboraron el sistema de clasificación
de Zonas Climáticas Locales (ZCL) a través de trabajos anteriores, que recogen parte de
los factores más importantes en la incidencia de los elementos climáticos en la ICU, como
las propiedades geométricas, térmicas, radiativas, metabólicas, cobertura de la
superficie y actividades humanas; describiendo diez tipos de espacios con edificaciones
y siete espacios naturales (Figura 4-5).
1
Las características homologas están originadas en los usos del suelo que comparten elementos
similares entre ellas, como: zonas industriales, residenciales, comerciales, parques etc.
25 Revisión de literatura
Figura 4. ZCL por tipos de construcción (Oke & Stewart, 2012) ilustrado por J.A. Ruíz. Fuente: (Jiménez,
2016).
26
Figura 5. ZCL por tipos de espacios naturales (Oke & Stewart, 2012), ilustrado por J.A. Ruíz. Fuente:
(Jiménez, 2016).
La gran acogida del proyecto debe crédito a que siendo un inventario simple que
relaciona entornos urbanos con diferencia de temperaturas entre las distintas UCL de
una misma ciudad, ha presentado un rendimiento satisfactorio con un coeficiente de
determinación general de 0.75 entre ZCL y temperatura ambiente (Ren et al., 2016) y un
coeficiente de determinación de 0.92 entre NDVI y temperatura superficial (LST por sus
siglas en inglés) (Figura 6) (Ferreira & Duarte, 2019), si bien, el método puede variar en
eficacia según el preprocesamiento de los datos satelitales y las condiciones propias de
cada ciudad (Cai et al., 2018; Stewart et al., 2014) estas variaciones son aceptables y
27 Revisión de literatura
Figura 6. Correlación entre NDVI y LST para las ZCL. Fuente:(Ferreira & Duarte, 2019).
La validez de las ZCL también debe mérito a la búsqueda del equilibrio térmico que
ocurre entre la UCL y la superficie urbana, donde la superficie al contar con mayor
temperatura, sede parte de ésta a la masa de aire con la que está en contacto,
aumentando la temperatura ambiente a razón de la configuración de los elementos
superficiales2 con los que se encuentra. La diferencia de temperaturas entre la masa de
aire y la superficie deriva en una mayor amplitud térmica en el día, (a causa de la
absorción de energía de onda corta3), a diferencia de la noche, donde la amplitud
disminuye a causa de la liberación de energía de onda larga (ondas provenientes del
sistema atmosférico y terrestre), llegando en algunos casos ,a ser la temperatura de la
masa de aire mayor a la temperatura superficial (Gallo et al., 2011; Lehoczky et al., 2017).
Esta relación también es explicada por la correlación positiva que guarda la LST con la
temperatura del aire que no solo se han encontrado en espacios urbanos como lo
demuestran las investigaciones que abordaron ecosistemas y áreas montañosas para la
correlación de la LST y la temperatura del aire (Colombi et al., 2007; Li et al., 2007; Martin
et al., 2015).
2
Sin embargo, dicha correlación está en función de factores como estabilidad atmosférica, baja advección, radiación
solar, etc.
3 La energía de onda corta hace referencia a la proveniente del sol.
28
Figura 7. Esquema de balance energético para un sistema volumétrico urbano (Oke, 1988ª), ilustrado por
J.A. Ruíz. Fuente: (Jiménez, 2016).
∗
+ =( − ) + (∆ −∆ ) (Ec 1)
29 Revisión de literatura
Encontrando que en Nagoya Japón, las zonas industriales mantienen y emiten mayor
calor sensible a diferencia de los espacios urbanos y rurales, y los urbanos sobre los
rurales por efecto de la liberación de energía antropogénica, se plantea que la pérdida
de cobertura vegetal es un factor clave en el aumento de calor sensible (Figura 8) (Kato,
2005); supuesto que apoya las investigaciones de Christen & Vogt (2004) y Piringer et
al., (2007) quienes vinculando de forma directa la pérdida de cobertura vegetal con el
aumento de y demostrando que en las zonas urbanas y suburbanas con escasa
cobertura vegetal disminuye , a diferencia de la zona rural con abundante cobertura
vegetal, donde el calor latente aumenta debido a la evapotranspiración generada por las
plantas que causa un efecto de enfriamiento en el ambiente.
Figura 8. Calor sensible de la ciudad de Nagoya Japón; el color rojo está asociado a la malla urbana
densa, el verde a zonas suburbanas, el azul a cobertura vegetal y el negro a cuerpos de agua. Fuente:
(Kato, 2005)
Otro caso es el de Ramírez & Jaramillo (2009) que estudiaron el balance de energía en
tres tipos de coberturas vegetales (Bosque, Cafetal y pastizales) en la región andina de
Colombia. A través de la relación de Bowen, indicador para el calor sensible y latente,
donde valores menores a 0 se relacionan con temperatura ambiente baja, próximas a
cero a condiciones estables entre la temperatura foliar y la temperatura ambiente, y
mayores a cero a temperatura ambiente alta. En el estudio se encontró que la
transformación de bosque a pastos daba un aumento en el calor sensible por efecto de
la disminución de la evapotranspiración que interviene en el enfriamiento de la atmósfera,
siendo la temperatura ambiente de los pastizales más alta que la de los bosques.
30
4
condiciones y propiedades físicas de la atmósfera de los que es posible efectuar mediciones para su
determinación espacial y temporal.
5
condiciones físicas con capacidad de modificar las propiedades de los elementos climáticos.
31 Revisión de literatura
Viento
Movimiento del aire que es generado a partir de las diferencias de presión y temperatura.
El viento tiene el potencial de transportar: calor, humedad y contaminantes capaces de
modificar las condiciones atmosféricas de una zona, por ejemplo: el transporte de calor
de una zona fría A hacia una cálida B conlleva a una disminución de la temperatura en
la zona B. así mismo las ciudades tienen la facultad de intervenir en la libre circulación
de las masas de aire a través de efectos mecánicos (rugosidad del espacio urbano) y
térmicos (variaciones en la presión) que producen una disminución de la velocidad
promedio del viento y aumento en la turbulencia al interior de la ciudad (Figura 9).
Figura 9. Células convectivas de corriente de aíre por efecto de la temperatura de la capa urbana,
simulación en Sao Paulo Brasil. Fuente: (Freitas et al., 2007).
Humedad
Es el vapor de agua contenido en la atmósfera como producto de la evaporación de las
masas de agua y de la evapotranspiración proveniente de plantas y animales. Para la
climatología urbana la humedad puede provenir de dos fuentes, naturales como las
mencionadas anteriormente y de fuentes antrópicas como de los procesos de
combustión, sistemas de aire acondicionado y torres de enfriamiento que liberan
cantidades adicionales de vapor a la atmósfera. La humedad favorece la disipación de la
32
El vapor de agua es expresado en: humedad absoluta, relación entre la masa de vapor
de agua y el volumen total de aire en gramos de vapor de agua por metro cúbico de aire,
al ser sensible a los cambios de presión su uso se ve restringido a alturas sin fuertes
variaciones. Humedad específica, es la relación entre las masas de vapor de agua y el
aire seco en kg vapor de agua / kg aire seco, no es sensible a cambios de presión y
temperatura por lo que su uso no se ve restringido para análisis de escala vertical y
horizontal. Humedad relativa, capacidad del aire para alcanzar un estado de saturación
a una determinada temperatura (a mayor temperatura mayor será la capacidad de la
atmósfera para contener humedad, Figura 10) expresada en porcentaje, no es una
medida directa o absoluta del contenido de humedad o su déficit de vapor y dada su
dependencia tanto a la temperatura como a la presión, la humedad relativa no debe
utilizarse para medir las diferencias horizontales o verticales del contenido de humedad.
Figura 10. Variación de la humedad relativa durante un periodo de 24 horas para una presión real de
vapor constante de 2,4 kPa. Fuente: (FAO, 2006)
Precipitación
Es un fenómeno climatológico que surge cuando el movimiento del aire por convección
produce elevaciones de viento que forman pequeñas gotas que caen en forma de
llovizna, lluvia, granizo o nieve. La precipitación es un elemento del clima que influye en
la humedad relativa, vegetación, temperatura y contaminación, entre otros. Aunque los
estudios del efecto de la temperatura en la precipitación no son determinantes, se ha
33 Revisión de literatura
Radiación solar
Energía emitida por el sol en que es recibida en la superficie terrestre, la intensidad de
la energía depende del movimiento de translación y la latitud, la radiación solar genera
los procesos de intercambio de energía en el planeta a través del calentamiento de la
superficie de la tierra. La radiación proveniente del sol tiene la capacidad de generar
reacciones fotoquímicas en la atmósfera que para el caso de las ciudades puede generar
un incremento de gases contaminantes como el ozono.
Altitud
Es la distancia entre el nivel medio del mar y un punto perpendicular a la superficie de la
tierra. Este factor influye sobre la presión atmosférica, la temperatura y la pluviosidad. A
mayor altitud la presión atmosférica es menor, al igual que la temperatura.
Orografía
Es el relieve de la superficie terrestre producido por el levantamiento de la corteza. La
orografía interviene en el clima de una región a través de distintos mecanismos que
alteran las temperaturas y la precipitación. Las masas de aire que chocan a barlovento
generan lluvias por la expansión y condensación del aire ascendente, mientras que a
sotavento un aire más cálido producto de la eliminación de vapor de agua se caliente
más rápidamente (Figura 11). La presencia de relieve también afecta las masas de aire
34
verticales a través de los vientos anabáticos6 y catabáticos7 que en acople con la ciudad
modulan los contaminantes atmosféricos de la zona urbana (Figura 12).
Figura 12. (a) vientos anabáticos con disipación de contaminantes y neblina. (b) vientos catabáticos con
una capa densa de contaminantes. Fuente:(Oke et al., 2017)
Albedo
La radiación solar reflejada por un cuerpo está dada por de albedo. Para una superficie,
es la relación entre la totalidad de la luz reflejada por la superficie y la totalidad de luz
incidente sobre la superficie, para medir esta variable, es necesario considerar la luz
incidente y emergente en todo el rango espectral y en todas las direcciones. Para un
cuerpo como la nieve recién caída su albedo va de 0.80 a 0.90 y el restante 0.20 se
constituye en radiación absorbida o transmitida. El albedo indica entonces la cantidad de
energía que es absorbida y que posteriormente es retenida o transmitida, si bien el
albedo no está relacionado directamente con la temperatura de un cuerpo es posible
6
Vientos que al calentarse por efecto de la radiación solar en el día aumentan su volumen ascendiendo
por las laderas.
7
Vientos que enfriados por la ausencia de la radiación solar disminuyen su volumen, siendo más
pesados descienden por las laderas.
35 Revisión de literatura
disminuir temperaturas superficiales con albedos cercanos a 1 (Taha, Sailor, & Akbari,
1992). En la figura 13 se muestra los valores promedio del albedo medido en campo, se
puede observar que la retención de energía en las zonas urbanas es mayor a las de la
cobertura vegetal.
Figura 13. Albedo obtenido de mediciones en campo y relación con la altitud y el ángulo cenital. Fuente:
(Oke et al., 2017)
Cobertura vegetal
Los distintos tipos de cobertura vegetal contribuyen a modificaciones en la humedad,
temperatura, filtración de la radiación solar y contaminación atmosférica. En la figura 12
se ve como tres tipos distintos de cobertura modifican las cantidades de humedad en el
ambiente mediante su evapotranspiración, reduciendo la temperatura ambiente por el
aumento del calor latente, en la figura 18 se observa el favorecimiento del albedo de la
vegetación para la disminución de la energía absorbida y transmitida.
Diseño urbano
Existen diferentes metodologías para estudiar la configuración del espacio urbano, las
más destacadas son el Factor de Visión del Cielo (SVF por sus siglas en inglés) y la
relación de aspecto (H/W), que de forma sencilla permiten inferir el comportamiento del
viento, temperatura, contaminación del aire y la radiación neta de onda larga. La SVF y
la H/W están estrechamente relacionadas, ya que ambas son indicadores de la estreches
o amplitud que existe entre una calle y los edificios contiguos, condición conocida como
cañón urbano.
36
El factor de visión del cielo es una medida que indica el área de los elementos que
obstruyen la visión del cielo desde un punto fijo en la superficie, la SVF toma valores de
o a 1, donde 0 es una obstrucción total y 1 un espacio sin obstrucciones. Los valores
altos de SVF están asociados a la reflexión múltiple de radiación de onda larga,
disminución de la velocidad promedio, aumento de turbulencia y dificultad de reemitir en
la noche la radiación almacenada en el día, provocando mayor intensidad en la isla de
calor (Oke, 1988b) (Figura 16).
Los parámetros densidad edilicia y compacidad pueden ser usados como alternativa para
conocer la amplitud de los cañones urbano, la densidad edilicia relaciona la cantidad de
edificaciones sobre una rejilla de referencia (Figura 14), mientras la compacidad
relaciona el volumen de las edificaciones por rejilla de referencia (Figura 15) (AEUB,
2008).
Figura 14. Representación del cálculo de densidad edilicia con rejilla de referencia. Fuente: Elaboración
propia.
Figura 15. Representación del cálculo de compacidad con rejilla de referencia. Fuente: Elaboración
propia.
37 Revisión de literatura
Figura 16. Correlación entre SVF y radiación de onda larga neta (izquierda) y correlación de SVF con la
intensidad de isla de calor para varias ciudades de Australia, Europa y Norte América (derecha). Fuente:
(Oke, 1988ª)
8
“Valores promedios multianuales de las variables climatológicas que representan lo predominante en un
período de 30 años, Se denomina norma (o normal) climatológica. Con las normales climatológicas se
establecen el patrón de la región.” (IDEAM, 2018)
38
Los artículos mencionados anteriormente son los únicos estudios encontrados para la
ICUUCL de Bogotá, estos hacen una revisión robusta sobre la temperatura media sin gran
detalle de la temperatura mínima y máxima, por lo que a efectos de la validación de los
resultados encontrados para estas temperaturas se decide trabajar con estudios de
caracterización climática que puedan ser comparables con el presente trabajo. Entre
estos se encuentra “Precipitaciones y temperatura en la corriente Bogotá” de
Jaramillo Vera, Gelvez Garcia, & Bayona Navarro, (2017) que analiza la relación de la
temperatura y la altura a nivel del mar encontrando que para alturas de 2500 msnm las
temperaturas medias se encuentran sobre los 15°C, “Estudio de la caracterización
climática de Bogotá y cuenta alta del río Tunjuelo” de IDEAM & FOPAE (2007) que
determina la norma climática de Bogotá bajo 8 estaciones meteorológicas y el trabajo de
Machado Peréz (2016) “Análisis de índices extremos de temperaturas asociadas al
cambio climático en Bogotá durante las décadas de 1980-2010” caracteriza el clima
a través de 8 estaciones meteorológicas, el control de calidad dada a las series climáticas
39 Revisión de literatura
cuenta con una revisión de anomalías puntales y una estimación de datos faltantes de
tipo regresión lineal. El estudio concluye que las temperaturas máximas y mínimas tienen
una tasa de crecimiento anual de 0.037°C y 0.17°C respectivamente. Machado ya
advierte de la presencia de microclimas al interior de la ciudad que deben ser estudiados
con series de tiempo más largas y con técnicas que permitan su distinción.
4. Métodos y materiales
4.1 Materiales
En esta sección se mencionan los insumos y bases de datos utilizados para la
elaboración de cada objetivo, así como comentarios respecto a la calidad y fiabilidad de
los datos utilizados.
9
De las 83 estaciones solicitadas al IDEAM del catalogó encontrado en el geovisor
http://visor.ideam.gov.co:8530/geovisor/#!/profiles/3 V11. 2018 se recibieron 61estaciones.
41 Métodos y materiales
El instituto IDIGER informo que todas sus estaciones meteorológicas cuentan con
problemas de calibración, por lo que sus registros no pueden ser utilizados para
ningún tipo de estudio.
Estaciones meteorológicas de la CAR cuentan con inhomogeneidades por errores
puntuales y saltos en la media, lo que imposibilita su uso en el estudio (Figura 17).
21 3
19 2
1
15
13 0
11 -1
9 -2
7
-3
5
3 -4
1 -5
ene-81
ene-82
ene-83
ene-84
ene-85
ene-86
ene-87
ene-88
ene-89
ene-90
ene-91
ene-92
ene-93
ene-94
ene-95
ene-96
ene-97
ene-98
ene-99
ene-00
ene-01
ene-02
ene-03
ene-04
ene-05
ene-06
ene-07
ene-08
ene-09
ene-10
ene-11
ene-12
ene-13
ene-14
ene-15
ene-16
Anomalías niño Anomalías niña T. Media T. Minima T. Maxima
10
https://origin.cpc.ncep.noaa.gov/products/analysis_monitoring/ensostuff/ONI_change.shtml
43 Métodos y materiales
repositorio del Servicio Geológico de los Estados Unidos11 (Tabla 3) (USGS por sus
siglas en inglés) con recalibración hecha en el año 2017 por la USGS donde se corrigen
errores descritos por (Barsi et al., 2003) para los sensores TM y ETM+ y los encontrados
por la USGS12. La tabla 3 muestra las características de las bandas para cada sensor.
Para las correcciones atmosféricas se usaron los radiosondeos de la estación “80220
SKBO” de la base de datos de la Universidad de Wyoming13.
Tabla 3. Bandas de los sensores Landsat 4,5,7 y 8 (* Bandas remuestreadas a 30 m). Fuente:
Elaboración propia.
Longitud de Longitud de
Landsat 4 y 5 Resolución Landsat 7 Resolución
onda onda
(TM) (metros) (ETM+) (metros)
(micrómetros) (micrómetros)
Band 1 - Blue 0.45 - 0.52 30 Band 1 - Blue 0.45 - 0.52 30
Band 2 - Green 0.52 - 0.60 30 Band 2 - Green 0.52 - 0.60 30
Band 3 - Red 0.63 - 0.69 30 Band 3 - Red 0.63 - 0.69 30
Band 4 - NIR 0.76 - 0.90 30 Band 4 - NIR 0.77 - 0.90 30
Band 5 - SWIR 1.55 - 1.75 30 Band 5 - SWIR 1.57 - 1.75 30
Band 6 - TIR 10.40 - 12.50 120* Band 6 - TIR 10.40 - 12.50 60*
Band 7 - SWIR 2.08 - 2.35 30 Band 7 - SWIR 2.09 - 2.35 30
Band 8 - Panchromatic 0.52 - 0.90 15
Longitud de onda Resolución
Landsat 8 (OLI y TIRS)
(micrómetros) (metros)
Band 1 - Coastal aerosol 0.43 - 0.45 30
Band 2 - Blue 0.45 - 0.51 30
Band 3 - Green 0.53 - 0.59 30
Band 4 - Red 0.64 - 0.67 30
Band 5 - Near Infrared (NIR) 0.85 - 0.88 30
Band 6 - SWIR 1 1.57 - 1.65 30
Band 7 - SWIR 2 2.11 - 2.29 30
Band 8 - Panchromatic 0.50 - 0.68 15
Band 9 - Cirrus 1.36 - 1.38 30
Band 10 - Thermal Infrared (TIR) 1 10.60 - 11.19 100*
Band 11 - Thermal Infrared (TIR) 2 11.50 - 12.51 100*
11
https://earthexplorer.usgs.gov
12
https://www.usgs.gov/land-resources/nli/landsat/calibration-validation?qt-science_support_page_related_con=2#qt-
science_support_page_related_con
13 http://weather.uwyo.edu/upperair/sounding.html
44
4.2 Metodología
17
Temperatura (°C)
15
13
T. Media (16%)
T. Media (40%)
11
ene-81
ene-82
ene-83
ene-84
ene-85
ene-86
ene-87
ene-88
ene-89
ene-90
ene-91
ene-92
ene-93
ene-94
ene-95
ene-96
ene-97
ene-98
ene-99
ene-00
ene-01
ene-02
ene-03
ene-04
ene-05
ene-06
ene-07
ene-08
ene-09
ene-10
ene-11
ene-12
ene-13
ene-14
ene-15
ene-16
Figura 20. Saltos en la media bajo umbral de aceptación de datos faltantes del 16% y 40%. Fuente:
Elaboración propia
Las coordenadas de las estaciones deben ser exactas a las del emplazamiento.
Las estaciones seleccionadas deben encontrarse en ZCL que permitan evidenciar
las diferencias urbano rurales de temperatura.
Las estaciones no deben superar los 2800 msnm.
Las estaciones deben contar con información de T. max, T. med y T. min.
LA RAMADA 2120516
28 5
26 4
24
22 3
20
18
16 1
14 0
12
-1
10
8 -2
6 -3
4
-4
2
0 -5
ene-80
ene-81
ene-82
ene-83
ene-84
ene-85
ene-86
ene-87
ene-88
ene-89
ene-90
ene-91
ene-92
ene-93
ene-94
ene-95
ene-96
ene-97
ene-98
ene-99
ene-00
ene-01
ene-02
ene-03
ene-04
ene-05
ene-06
ene-07
ene-08
ene-09
ene-10
ene-11
ene-12
ene-13
ene-14
ene-15
ene-16
Anomalías niño Anomalías niña T. Media T. Minima T. Maxima
Figura 21. Inhomogeneidad por saltos en la media y errores puntuales. Fuente: Elaboración propia.
Figura 22. Boxplot para 11 de las 20 estaciones preseleccionadas, con anomalías fuera del percentil 10 y
90. Fuente: Elaboración propia.
47 Métodos y materiales
Figura 23.Histograma de frecuencia por anomalías bajo desviación estándar (verde claro) e
histogramas de frecuencia de datos (verde oscuro); “A” estaciones seleccionadas (12), “B” estaciones
preseleccionadas (20). Fuente: Elaboración propia.
48
Las 12 estaciones restantes fueron escogidas (Tabla 4) por tener una distribución normal
y sin valores extremos en sus histogramas (Figura 23, A) además de una buena
periodicidad climática en sus series14 (Figura 24) (Söllheim, 2011).
21 3
19 2
1
15
13 0
11 -1
9 -2
7
-3
5
3 -4
1 -5
ene-81
ene-82
ene-83
ene-84
ene-85
ene-86
ene-87
ene-88
ene-89
ene-90
ene-91
ene-92
ene-93
ene-94
ene-95
ene-96
ene-97
ene-98
ene-99
ene-00
ene-01
ene-02
ene-03
ene-04
ene-05
ene-06
ene-07
ene-08
ene-09
ene-10
ene-11
ene-12
ene-13
ene-14
ene-15
ene-16
Anomalías niña Anomalías niño T. Media T. Minima T. Maxima
Figura 24. Serie de temperatura para el periodo 1981-2015. Fuente: Elaboración propia.
Para las estaciones con el “Id” 4,9,10,11 y 12 se realizó una estimación entre el 2001-
2015 por no contar con datos suficiente que aseguren la correcta estimación de la
información faltante para el periodo 1981-2015 (Figura 25). Los datos completados
mantienen la tendencia media, por lo que su estimación, no representa los posibles
cambios del paisaje producidos en las proximidades de la estación.
Figura 25. Información disponible sin estimación de datos (superior) y con estimación de datos (inferior).
Fuente: Elaboración propia a partir de R.
50
La sencillez y eficiencia del método para identificar temporadas húmedas o secas (Tabla
5) en distintas escalas temporales, la han llevado hacer el método estándar adoptado
por la Organización Mundial Meteorológica para la identificación y caracterización de
sequias (WMO, 2012). Para la detección de la incidencia del fenómeno en la temperatura
máxima, media y mínima se usó una distribución normal con tipificación.
Vapor de agua
Lustro Satélite Fecha Hora Lluvia
(g/cm^2) UTC-12Z
1981-1985 LT5 22 de marzo de 1985 14:43:09 5 días antes (1.8 mm) 0,897
1991-1995 LT4 10 de enero de 1991 14:37:11 3 días antes (1.9 mm) 1,433
1996-2000 LT5 30 de agosto de 1997 14:44:42 2 días antes (1.3 mm) 1,271
2001-2005 LT5 29 de enero de 2001 14:52:42 6 días antes (10.1 mm) 0,661
2006-2010 LT7 7 de febrero de 2007 15:03:07 12 días antes (12.4 mm) -
2011-2015 LT7 21 de febrero de 2015 15:12:33 3 días antes (0.3 mm) -
∗
∗
= ( 2)
(1 − ( ) ) + ( )
(1 − ( ) ) +
Donde:
∗
: Radiancia medida en el techo de la atmósfera por el sensor en [ /( )]
: Reflectancia corregida de la superficie.
: Reflectancia corregida del entorno donde se encuentra la superficie observada.
: Albedo esférico de la atmósfera obtenido de MODTRAN4.
: Radiancia retrodispersada por la atmósfera hacia el sensor.
: Parámetros del efecto atmosférico sobre la radiación directa y difusa obtenidos de
MODTRAN4.
Figura 26. Diagrama de procesamiento para corrección atmosférica mediante el software ENVI. Fuente:
Elaboración propia.
Figura 27. Estimación de temperatura superficial bajo vapor de agua para la base de datos TIGR61.
Fuente: (Jiménez et al., 2009)
Figura 28. Diagrama de procesamiento para corrección atmosférica en bandas térmicas. Fuente:
Elaboración propia a partir de (Jiménez et al., 2009).
La emisividad se calculó con la Ecuación 3 propuesta por (Valor & Caselles, 1996)
definida para cubiertas vegetales y suelo. El valor corresponde a cultivos y
pastizales (0.985) y a suelos inceptisoles de tipo franco arenoso marrón
(0.9696) encontrados sobre la cuenca del río Bogotá y múltiples humedales
(IGAC, 2010). Los valores de emisividad fueron obtenidos a partir de la biblioteca
de reflectancia de ASTER15 y convertidos a emisividad mediante de la Ley de
Kirchhoff (Jiménez, 2005).
= ( ∗ )+ ∗ (1 − ) ( 3)
Donde:
: Emisividad en valores de 0 a 1
: Emisividad de la cobertura vegetal
: Emisividad del suelo
: Factor de Cobertura Vegetal
Para el FCV se usó el método propuesto por (Carlson & Ripley, 1997) que a partir de un
modelo de descomposición describen la relación entre el NDVI y el Factor de Cobertura
Vegetal (Ecuación 4).
−
= ( 4)
+
Donde:
: Raster con valores NDVI.
: Valor mínimo de NDVI correspondiente a suelo desnudo.
: Valor máximo de NDVI correspondiente a vegetación.
15
https://speclib.jpl.nasa.gov/
56
grados Kelvin especifica de cada misión (LT4 – 1290 K, LT5 – 1256 K, LT7 – 1277 K y
LT8 – 1324 K) (Ecuación 5).
≈ ∗ ≈ ( 5)
∗
Donde:
: Temperatura de brillo °K
∗ : Radiancia medida por el sensor en [ /( )]
∗
= ∗ + ( 6)
Donde:
: Factor multiplicativo de escalado especifico (metadato RADIANCE_MULT_BAND)
: Factor aditivo de escalado especifico (metadato (RADIANCE_ADD_BAND)
: Nivel Digital de la imagen
= ( 7)
∗ +1
Donde:
: Constante de calibración en [ /( )]
: Constante de calibración en (°K)
Función atmosférica
Las funciones atmosféricas son calculadas ya sea por simulación o a partir de los
parámetros de la ecuación de transferencia radiativa (Ecuación 8).
57 Métodos y materiales
1 ↑
Ψ = , Ψ = − ↓ − , Ψ = ↓ ( 8)
Donde:
: Transmitancia
↑ : Radiancia ascendente
↑ : Radiancia descendente
Ψ , Ψ Ψ : Funciones atmosféricas
Las FA por simulación se obtuvieron bajo una función de filtro gaussiano- triangular para
la respuesta espectral de cada sensor, donde las Ψ , Ψ Ψ para LT4, LT5, LT7 y LT8
son:
∗
= ( , ) Ψ( , ) +Ψ ( , ) +Ψ ( , ) + ( , ) ( 9)
16 https://landsat.gsfc.nasa.gov/data/how-to-use-landsat-data/
58
−
= ( 10)
+
Para la recuperación de la humedad del suelo (RHS) se usó el método de Zhan et, al
(2007), que atreves de modelo trapezoidal obtenido de la relación entre la banda del
infrarrojo cercano y la banda del espectro visible rojo permite estimar con una correlación
entre el 80% y 87% la humedad del suelo (Ecuación 11).
1
= 1− ∗( + ∗ ) ( 11)
+1
Donde:
: Recuperación de la humedad del suelo.
: Ecuación lineal de la base del trapecio.
: Pendiente de la base el trapecio.
: Bandal del espectro visible rojo.
á
=
Á ó
á ∗ (10 }
=
Á ó ∗( )
59 Métodos y materiales
5. Resultados
5.1 Objetivo 1
Para analizar la evolución y el comportamiento de la ICU a nivel de UCL la presentación
del objetivo 1 se aborda a partir de 3 ítems. Primero, el periodo de 35 años de estudio
(1981-2015) en el cual se describe el patrón climático, segundo un análisis del
comportamiento a través de escalas interanuales y estacionales y tercero un estudio para
ICUUCL en condiciones de fenómeno niño y niña. Para facilitar la lectura de los gráficos
se utilizaron las estaciones con el Id 1,2,6,7,8,9 y 10 (Tabla 4) escogidas por ofrecer
representatividad de las distintas ZCL (Anexo C).
La temperatura media (T. med) muestra valores correspondientes a los encontrados por
(Jaramillo, Gelvez & Bayona, 2017) para la altura de 2550 msnm. La T. med registra una
diferencia de hasta 2,5 °C entre las estaciones rurales y urbanas (Figura 47), siendo las
ultimas las más calientes. Su estacionalidad, aunque poco marcada enseña una fase con
medias mayores a los 14°C en los meses de marzo, abril y mayo correspondientes a los
60
Tabla 7. Norma de temperatura máxima, media, mínima y precipitación para el periodo 1981-2015.
Fuente: elaboración propia.
Promedio Promedio
Venado Tibaita UDCA Vegas Dorado Jardín Nacional
Rural Urbano
Promedio
18,35 19,54 19,27 19,69 19,21 19,31 20,24 19,27 19,61
T. Máxima (°C)
Desviación 0,96 0,81 0,84 0,50 0,78 0,84 0,60 0,72 0,72
Promedio
13,02 13,22 13,78 13,61 13,41 13,77 14,83 14,86 14,49
T. Media (°C)
Desviación 0,71 0,54 0,38 0,37 0,50 0,59 0,87 0,50 0,65
Promedio
8,85 6,88 7,19 8,10 7,76 8,04 8,71 9,41 8,72
T. Mínima (°C)
Desviación 0,81 1,29 1,03 1,17 1,08 1,33 0,87 1,19 1,13
Promedio
9,50 12,66 12,08 11,59 11,46 11,26 11,53 9,87 10,89
Amplitud (°C)
Desviación 1,30 1,67 1,46 1,34 1,44 1,76 1,10 1,44 1,43
Promedio
1185,30 692,37 - - - - - -
Precipitación (mm) 862,59
Desviación 177,78 147,60 - - - 188,98 - - -
61 Métodos y materiales
Figura 29. Escala estacional para precipitación, T. máxima, T, media y T. mínima de la estación Tibaita.
Fuente: Elaboración propia.
meses más lluviosos, lo que puede indicar que su aumento se relaciona con la
temperatura mínima y cobertura nubosa.
La temperatura mínima (T. min) registra una diferencia de hasta 4,5 °C entre las
estaciones rurales y urbanas (Figura 30). Su estacionalidad se encuentra fuertemente
marcada por la temporada de lluvias lo que ocasiona un comportamiento bimodal (Figura
29), donde en los meses de marzo, abril, mayo, octubre y noviembre la temperatura
mínima se eleva por la poca pérdida de radiación de onda larga por aumento de la
cobertura nubosa.
El patrón climático de las temperaturas e ICUUCL para las diferentes estaciones muestra
un comportamiento distintivo entre la zona rural y urbana. En la figura 30 se enseñan los
Boxplot a escala estacional de las 12 estaciones para la norma de 1981-2015 y 2001-
2015 para los casos donde las estaciones no cuentan con información anterior.
La temperatura máxima que ocurre de 2 a 3 horas antes del atardecer muestra zonas
urbanas con temperaturas menores a la rural por efecto de las tasas de enfriamiento
urbano rurales (Figura 31 C) (Oke, 1982) dando como resultado que para la ICU UCL T.
max se encuentren islas frías a la hora de la tarde (Figura 31 B). Para la temperatura
media la distinción entre la zonas urbanas y rurales es más clara, con una diferencia
superior a 1,5 °C para las estaciones de Dorado (6), Jardín (7), Nacional (8), INEM (9) y
Pérez (10). En el caso de la temperatura mínima sucedida de 2 a 3 horas antes del
amanecer las diferencias urbano rurales son mayores por efecto del diseño urbano y la
energía y∆ , lo que da lugar a una ICUUCL de hasta 4,5°C (Figura 30).
día y tarde, llegando hacer la temperatura urbana más fría que la rural para en la noche
aumentar por efecto de la radiación de onda larga (Figura 31 B).
Figura 30. Boxplot a escala estacional para la norma de 1981-2015 y 2001-2015 para las estaciones sin
datos anteriores (Estaciones 1 a 5 rurales 6 a 12 urbanas). Fuente: Elaboración propia.
Figura 31. Variación de la temperatura del aire en Vancouver, Canadá agosto 1992. A temperatura del
aire, B magnitud ICUUCL, C tasa de enfriamiento. Fuente: (Oke et al., 2017)
63 Métodos y materiales
Tabla 8. Aumento en la tendencia climática desde 1981 a 2015. Fuente: Elaboración propia
Temperatura media
17
Nacional
1981-1985
16
1986-1990
15
1991-1995
14
°C
1996-1997
13
2001-2005
12
2006-2010
Tibaita
11 2011-2015
ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
Figura 32. Ciclo estacional de temperaturas medias en el periodo 1981-2015, de las estaciones Tibaita
(inferior) y Nacional (superior). Fuente: Elaboración propia.
64
22,00
Temperatura máxima 2,00
1,50
21,00
1,00
20,00 0,50
19,00 0,00
-0,50
18,00
-1,00
17,00 -1,50
1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009 2011 2013 2015
niño niña Pérez INEM Jardín
Tibaita Nacional Dorado Venado
1,0 1,00
0,0 0,50
0,00
-1,0
-0,50
-2,0
-1,00
-3,0 -1,50
1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
niño niña ∆ Pérez - Tibaita ∆ INEM - Tibaita
∆ Jardín - Tibaita ∆ Nacional - Tibaita ∆ Dorado - Tibaita ∆ Venado - Tibaita
Figura 33. Escala interanual para T. max e ICUUCL en el periodo 1981-2015. Fuente: Elaboración propia.
conformado por estaciones urbanas y el segundo por debajo de los 14,5°C conformado
por estaciones rurales o periféricas de la zona urbana (Figura 34). La ICUUCL de T. med
más fuerte es registrada para las estaciones de Pérez e INEM.
17,00
Temperatura media 2,00
16,00 1,50
1,00
15,00
0,50
14,00
0,00
13,00
-0,50
12,00 -1,00
11,00 -1,50
1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009 2011 2013 2015
niño niña Pérez INEM Jardín
Tibaita Nacional Dorado Venado
3,0
Intensidad ICUUCL T. med 2,00
1,50
2,0
1,00
0,50
1,0
0,00
-0,50
0,0
-1,00
-1,0 -1,50
1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
niño niña ∆ Pérez - Tibaita ∆ INEM - Tibaita
∆ Jardín - Tibaita ∆ Nacional - Tibaita ∆ Dorado - Tibaita ∆ Venado - Tibaita
Figura 34. Escala interanual para T. med e ICUUCL en el periodo 1981-2015. Fuente: Elaboración propia.
12,00
Temperatura mínima 2,00
11,00 1,50
10,00 1,00
9,00 0,50
8,00 0,00
7,00 -0,50
6,00 -1,00
5,00 -1,50
1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009 2011 2013 2015
niño niña Pérez INEM Jardín
Tibaita Nacional Dorado Venado
5,0
Intensidad ICUUCL T. min 2,00
1,50
1,00
3,0
0,50
2,0
0,00
1,0
-0,50
0,0 -1,00
-1,0 -1,50
1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
niño niña ∆ Pérez - Tibaita ∆ INEM - Tibaita
∆ Jardín - Tibaita ∆ Nacional - Tibaita ∆ Dorado - Tibaita ∆ Venado - Tibaita
Figura 35. Escala interanual para T. max e ICUUCL en el periodo 1981-2015. Fuente: Elaboración propia.
15,00
Amplitud termica 2,00
14,00
1,50
Temperatura ENSO (°C)
13,00
Temperatura ICU (°C)
12,00 1,00
11,00 0,50
10,00
9,00 0,00
8,00 -0,50
7,00
-1,00
6,00
5,00 -1,50
1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
niño niña Pérez INEM Jardín
Tibaita Nacional Dorado Venado
Figura 36. Amplitud térmica para el periodo 1981 - 2015. Fuente: Elaboración propia.
67 Métodos y materiales
Figura 37. Distribución espacial de la norma 2001 – 2015 para la T. max, med, min, UCL max, UCL med,
UCL min y amplitud térmica. Fuente: Elaboración propia.
68
Para la T. min y T. med la distribución espacial de la norma 2001 – 2015 muestra dos
núcleos calientes uno en las localidades de Kennedy y Tunjuelito, el otro en la localidad
de Teusaquillo con temperaturas entre los 10,1°C a 10,7 °C para la T. min y 15°C a
15,6°C para T. med. En la zona urbana la T. max se distribuye a través de un corredor
en sentido sur norte, con temperaturas entre los 20°C y 20,6°C, la ICUUCL de T. max deja
a gran parte de la ciudad en la categoría de islas frías (Figura 37).
21 140
19
120
Temperatura (°C)
17
Precipitación (mm)
100
15
80
13
60
11
40
9
7 20
5 0
ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
Tibaita Dorado Venado Pérez INEM
Jardín Tibaita Nacional Dorado Venado
Figura 38. Climograma para el periodo 1981 – 2015 y 2001 – 2015 (para estaciones sin datos
anteriores). Fuente: Elaboración propia.
69 Métodos y materiales
2,0
Presipitación (mm)
150
Temperatura (°C)
1,0
100
0,0
50
-1,0
-2,0 0
ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
Tibaita Dorado Venado
∆ Pérez - Tibaita ∆ INEM - Tibaita ∆ Jardín - Tibaita
∆ Nacional - Tibaita ∆ Dorado - Tibaita ∆ Venado - Tibaita
Figura 39. Climograma ICUUCL T. max para el periodo 1981 – 2015 y 2001 – 2015 (para estaciones sin
datos anteriores). Fuente: Elaboración propia.
70
2,5
Precipitación (mm)
150
Temperatura (°C)
1,5
100
0,5
50
-0,5 0
ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
Tibaita Dorado Venado
∆ Dorado - Tibaita ∆ Jardín - Tibaita ∆ Venado - Tibaita
∆ Nacional - Tibaita ∆ INEM - Tibaita ∆ Pérez - Tibaita
Figura 40. Climograma ICUUCL T. med para el periodo 1981 – 2015 y 2001 – 2015 (para estaciones sin
datos anteriores). Fuente: Elaboración propia.
5,0
ICUUCL T. min 1981-2015 160
140
4,0
120
Precipitación (mm)
Temperatura (°C)
3,0 100
80
2,0 60
40
1,0
20
0,0 0
ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
Tibaita Dorado Venado
∆ Dorado - Tibaita ∆ Jardín - Tibaita ∆ Venado - Tibaita
∆ Nacional - Tibaita ∆ INEM - Tibaita ∆ Pérez - Tibaita
Figura 41. Climograma ICUUCL T. min para el periodo 1981 – 2015 y 2001 – 2015 (para estaciones sin
datos anteriores). Fuente: Elaboración propia.
16
Amplitud 1981-2015 200
Precipitación (mm)
14 150
Temperatura (°C)
12 100
10 50
8 0
ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
Tibaita Dorado Venado Pérez INEM
Jardín Tibaita Nacional Dorado Venado
Figura 42. Amplitud térmica a escala estacional para el periodo 1981 – 2015 y 2001 – 2015 (para
estaciones sin datos anteriores). Fuente: Elaboración propia.
71 Métodos y materiales
Figura 43. Cambios en la T. min e ICUUCL través de quinquenios. Fuente: Elaboración propia.
Figura 44. Cambios en la T. med e ICUUCL través de quinquenios. Fuente: Elaboración propia.
73 Métodos y materiales
Figura 45. Cambios en la T. max e ICUUCL través de quinquenios. Fuente: Elaboración propia
Figura 46. Cambios en la amplitud térmica a través de quinquenios. Fuente: Elaboración propia
74
1
SPI
-1
-2
-3 Anomalías niño Anomalías niña Prec Tibaita Prec Venado Preci Dorado
dic-81
dic-82
dic-83
dic-84
dic-85
dic-86
dic-87
dic-88
dic-89
dic-90
dic-91
dic-92
dic-93
dic-94
dic-95
dic-96
dic-97
dic-98
dic-99
dic-00
dic-01
dic-02
dic-03
dic-04
dic-05
dic-06
dic-07
dic-08
dic-09
dic-10
dic-11
dic-12
dic-13
dic-14
dic-15
1300 1900
1600 1300
1000
1300 1000
700 1000 700
400 700
400 400
100 100 100
Figura 47. SPI para el periodo 1981-2015 (superior) y precipitación en mm para el SPI (inferior). Fuente
elaboración propia.
el fenómeno niño niña, lo que indica menor mediación del fenómeno sobre el elemento
climático (Figura 48).
1,5
0,5
SPI
-0,5
-1,5
19 13 8
17 11 6
Figura 48. SPI para el periodo 1981-2015 (superior) y temperatura en °C para el SPI (inferior). Fuente
elaboración propia
-3
-2
-1
0
1
2
3
4
5
-3
-2
-1
0
1
2
3
4
-3
-2
-1
0
1
2
3
76
ene-81 ene-81 ene-81
ene-82 ene-82 ene-82
ene-83 ene-83 ene-83
ene-84 ene-84 ene-84
ene-85 ene-85 ene-85
ene-86 ene-86 ene-86
ene-87 ene-87 ene-87
ene-88 ene-88 ene-88
ene-89 ene-89 ene-89
ene-90 ene-90 ene-90
ene-91 ene-91 ene-91
ene-92 ene-92 ene-92
ene-93 ene-93 ene-93
ene-94 ene-94 ene-94
ene-95 ene-95 ene-95
ene-96 ene-96 ene-96
ene-97 ene-97 ene-97
ene-98 ene-98 ene-98
ene-99 ene-99 ene-99
ene-00 ene-00 ene-00
ene-01 ene-01 ene-01
SPI ICUUCL T. max
Figura 49. SPI para ICUUCL de T. max, med y min, azul (estaciones rurales) negro (estaciones urbanas).
77 Métodos y materiales
5.2 Objetivo 2
Para analizar la evolución y el comportamiento de la ICU a nivel de Superficie la
presentación del objetivo 2 se aborda a partir de 3 ítems. El primero un breve análisis de
las temperaturas superficiales encontradas en la zona de estudio y el crecimiento urbano
de la ciudad, segundo una revisión del comportamiento espacial de la ICUSup y su
evolución en el periodo de 1981-2015 y tercero una correlación entre la LST e índices
espectrales y parámetros urbanos para identificar variables que se relacionan con la
ICUSup.
Para el año de 1985 la zona urbana y rural comprendían cada una un 50 % aprox del área
de estudio. El tejido urbano de Chía, Cota, Funza y Mosquera contaban con tamaños
entre las 40 y 100 hectáreas para el año de 1985, que para el 2015 se han duplicado o
triplicado (Figura 52). En el caso de Bogotá, el crecimiento fue de un 60 % sobre su
superficie urbana y un 85 % en población (Figura 50) (Novoa, 2010). Este fuerte
crecimiento urbano ha producido una reducción considerable del área rural dentro de la
zona de estudio, lo que termina por beneficiar la acumulación de energía térmica al
interior de la ciudad.
38.500
Superficie (ha)
6.500.000
33.500
5.500.000
28.500 4.500.000
23.500 3.500.000
1985 1990 1995 2000 2005 2010
Superficie (Ha) Población (Hab)
Las imágenes térmicas a nivel de superficie tomadas entre las 2:36 pm a 3:15 pm,
exponen temperaturas rurales mayores a las urbanas, a causa de la exposición de roca
en canteras o suelos desnudos por barbecho del cual se destaca que los suelos oscuros
78
tienen mayor temperatura (~45°C) que los pardos claros(~32°C), en la cobertura vegetal
se encontró que valores de NDVI altos con 21°C reducen la temperatura en
contraposición a los valores bajos con 24°C, además entre las coberturas más frías se
encuentran los cuerpos de agua con 18°C e invernaderos con 20°C; En la Figura 52 se
muestra una imagen a falso color con las siguientes simbologías: verde: vegetación, azul:
suelos desnudos y purpura: tejido urbano, además de otra térmica para la comparación
de coberturas. En general la temperatura superficial rural se encuentra sobre los ~26°C
y las urbanas ~30°C. Los altos contrastes de temperatura producidos en imágenes
diurnas por efecto de la radiación solar, desaparecen en imágenes nocturnas, donde se
distingue de manera más optima las zonas urbanas de las rurales, pues en ellas la
energía térmica proviene de la emisión de radiación de onda larga que cada cuerpo libera
(Figura 78) para aportar más calor sensible al ambiente.
Figura 51. Imagen térmica nocturna de LT8 tomada a las 3:05 am. Fuente: Elaboración propia.
79 Métodos y materiales
A diferencia de la imagen diurna en la que existen dos núcleos con una diferencia urbano
rural de hasta 4°C. Para la imagen nocturna la característica espacial de la ICUSup es
representada bajo un gradiente radial, donde la mayor concentración térmica del
fenómeno se ubica en el núcleo 1 (con una diferencia urbano rural de 7°C) y pierde
intensidad a medida que se acerca a la periferia o a coberturas vegetales y cuerpos de
agua; Ambos resultados coinciden con las temperaturas del aire obtenidos anteriormente
(Figura 43 y 40).
Durante el día las zonas con menor temperatura superficial se concentran al oriente en
proximidad a los Cerros Orientales y las más cálidas sobre el núcleo 1 y 2 coincidiendo
con la distribución de la temperatura máxima del aire (Figura 41), en la noche la
temperatura mínima se sitúa en el área rural y la máxima en el núcleo 1 (Figura 54).
81 Métodos y materiales
N. 2
N. 1
Figura 53. Promedio de temperatura superficial, desviación estándar y promedio por UPZ de las 7 imágenes diurnas seleccionadas (Anexo E). Fuente: Elaboración propia.
Figura 54. Temperatura superficial, desviación estándar y promedio por UPZ de imagen satelital nocturna (2015/02/21). Fuente: Elaboración propia.
82
Figura 55. Zonas con menores y mayores temperaturas superficiales diurnas y nocturnas. Fuente Elaboración propia.
83 Métodos y materiales
30,0
Temperautra (°C)
25,0
20,0
1985 1990 1995 2000 2005 2010 2015
ZONA INDUSTRIAL SABANA SOACHA SIMON BOLIVAR
PORVENIR CANDELARIA RURAL
Figura 57. Temperatura superficial para el periodo de 1985-2015. Fuente: Elaboración propia.
84
Correlación
Dsv est.
Pearson
NDVI - LST 0,52 0,09
Espectrales Humedad -
0,40 0,09
LST
Compacidad
0,42 0,07
- LST
Urbanos
Densidad -
0,59 0,04
LST
Figura 58. LST, Índices espectrales y parámetros urbanos. Fuente elaboración propia.
Suelo desnudo Cobertura vegetal Cobertura urbana
Cobertura urbana
Cuerpos de agua
NDVI Cobertura vegetal Temperatura superficial (°C) Densidad edilicia (%) Compacidad (%)
Figura 59.Diagramas de dispersión entre la LST y los índices espectrales y parámetros urbanos. Fuente: Elaboración propia.
87 Métodos y materiales
Figura 60.Densidad edilicia con rejilla de 1 Km (A Bangkok, B Ho Chi Min). Fuente: (Tran et al., 2006)
Tabla 10. Valores Beta del (MCO), Correlación de Pearson y RMSE. Fuente: Elaboración propia.
Beta
Correlación
Origen NDVI Humedad Densidad Compacidad RMSE
Pearson
2015_02_21 26,252607 -7,690919 4,838945 6,523266 -8,535952 0,69 2,02
2015_01_04 22,148308 -7,028054 6,738547 6,379382 -7,611715 0,66 2,06
2014_01_01 20,008553 -7,373463 8,899824 7,214876 -6,982146 0,71 2,01
Imagen 2015-02-21
36
Temperatura superficil (°C)
34 y = 0,4707x + 14,972
R² = 0,4708
32
30
28
26
24
22
17 19 21 23 25 27 29 31 33 35 37
Estimación (°C)
Figura 61. Gráfico de dispersión de la regresión lineal múltiple. Fuente: Elaboración propia.
5000
4000
Frecuencia
3000
2000
1000
0
-6 -5 -4 -3 -2 0 -1 1 2 3 4 5 6
Std dev.
Temperatura Estimación
Figura 62. Histograma comparativo entre valores observados de LST y estimados. Fuente: Elaboración
propia.
89 Métodos y materiales
Figura 63. Temperatura superficial, estimación y error residual. Fuente: Elaboración propia.
90
6. Discusión
A partir de los resultados obtenidos, se rechaza la hipótesis general propuesta, que indica
una isla de calor proveniente de la localidad de la Candelaria. encontrándose que tanto
la ICUSup como la ICUUCL se configuran en dos núcleos, el primero localizado en las
localidades de Puente Aranda y Kennedy, el segundo en la localidad de Engativá, del
que se han expandido en sentido occidente por la consolidación urbana de este sector.
En general las temperaturas del aire encontradas en este estudio, concuerdan con las
previstas por (Jaramillo et al., 2017), quien indica que las temperaturas medias para la
altura de Bogotá oscilan entre los 13°C y los 15°C, sin embargo en este estudio se indica
que para la zona urbana estas temperaturas pueden llegar a superar los 15°C. El patrón
climático y el comportamiento estacional descrito en el presente estudio guardan relación
con la caracterización climática de IDEAM & FOPAE (2007) en el que se registra la norma
climática para la temperatura máxima, media y mínima. El aumento en la tendencia
climática se asocia al mencionado por Machado (2016), sin embargo se encontraron
diferencias en las tasas porcentuales, que pueden ser explicadas por el tipo de
tratamiento de datos aplicado en cada estudio.
La distribución espacial de las ICUUCL del año 1981 a 1985 coincide con el estudio de
Pabón et al., (1998) donde las mayores temperaturas se encontraban sobre el centro de
la ciudad, sin embargo en el estudio de Angel et al., (2010) donde a partir de un análisis
de componentes principales se agrupan las estaciones con temperaturas medias
similares para el periodo 1966 – 2005 (Figura 64), se establece un núcleo central
bordeado por la zona rural y los Cerros Orientales, núcleo que no es encontrado en el
presente estudio.
Figura 64. Grupos de Estaciones similares resultado del A.C.P. Fuente: (Angel et al., 2010)
Si bien, los efectos en la salud de la ICUUCL han sido bien documentados en ciudades
septentrionales o meridionales, para el caso de las ciudades tropicales estos estudios
aún no cuentan con precisión. Si extrapolamos los efectos encontrados por T. Li, Horton,
& Kinney (2013) donde se relacionan los casos de morbilidad con la temperatura (Figura
65) y los de la OMM (2011) que relacionan el consumo energético con el aumento y
disminución de la temperatura (Figura 65), para Bogotá ,podríamos encontrar que el
efecto de la ciudad en el aumento de la temperatura no indica efectos contraproducentes
en la salud humana ni en un exceso de consumo energético, sin embargo es
imprescindible que se profundice en estos campos para determinar su relación directa
sobre la ciudad de Bogotá.
92
Figura 65. Relación de la temperatura con morbilidad y consumo energético. Fuente: (Li et al., 2013)
(OMM, 2011).
Los resultados obtenidos de la ICUSup coinciden con los obtenidos por Gómez &
Castañeda (2013), donde también se encontraron dos núcleos para la ICUSup, si bien
para la ciudad de Bogotá no se encontraron artículos que abordaran el fenómeno a partir
de imágenes nocturnas, su uso es más recomendable para la identificación espacial del
fenómeno.
of the urban heat island effects in Asian mega cities” por Tran et al., (2006) para
parámetros urbanos y a los artículos de Buyantuyev & Wu (2010), Fernández & García
(2017), Nichols, et al. (2011) y Soto (2019) para índices espectrales.
1. Conclusiones y recomendaciones
Contrario a la hipótesis, las zonas cercanas a los Cerros Orientales muestran menores
temperaturas que las zonas más centrales, efecto producido por la orografía y los vientos
catabáticos y anabáticos que pueden favorecer la advección. Sin embargo, los resultados
muestran que esta zona ha venido elevando su temperatura, lo que puede indicar una
modificación del paisaje en los Cerros Orientales y una degradación en la capacidad de
refrigeración que tiene los cerros sobre la ciudad.
La ciudad de Bogotá tiene la capacidad de elevar la temperatura por encima de los 4,5°C
en las noches, mientras en la tarde la tasa de enfriamiento hace de la ciudad un lugar
más frio (-0,4°C con respecto a la zona rural) por un lapso de 2 a 3 horas. Para la
temperatura media, Bogotá se calienta 2,5°C más que la zona rural. Estos resultados
muestran el dinamismo que tiene la ICU durante el día y la noche que además de haber
Islas de Calor también se encuentran Islas Frías para las horas de la tarde.
17 http://190.27.245.106/POT-2013/Cartografia/28_USOS%20Y%20AREAS%20DE%20ACTIVIDAD.pdf
95 Conclusiones y recomendaciones
La temperatura máxima, media y mínima del área rural han tenido un aumento en la
tendencia climática de 0,96°C, 0,83°C y 1,05°C respectivamente, y en el área urbana de
0,42°C, 0,98°C y 1,66°C respectivamente, lo que significa que, la temperatura mínima en
el año 2015 es 1,66°C más caliente que en el año 1985. Los incrementos pueden deberse
a la consolidación del espacio urbano y a los efectos del calentamiento global.
La estacionalidad de la ICUUCL está marcada por la temporada de lluvias, que para los
meses de marzo, abril, mayo, octubre y noviembre reducen la diferencia urbano rural
como resultado de la baja pérdida de radiación de onda larga que escapa hacía el
espacio. Para los meses de enero, agosto, septiembre y diciembre (temporada seca) las
diferencias se acentúan debido a que la capa nubosa que impedía el escape de la
radiación de onda larga desaparece, permitiendo que el área rural se enfrié.
Los resultados obtenidos con el SPI muestran que el fenómeno del niño y niña inciden
en las precipitaciones de Bogotá, sin embargo, los resultados obtenidos para las
temperaturas son más vagos, con lo que no es posible establecer una dependencia
marcada, siendo necesario la utilización de otras metodologías que permitan determinar
si existe correspondencia y en qué grado entre.
Los resultados obtenidos a partir de las imágenes térmicas nos permiten concluir que el
comportamiento espacial de la ICUUCL e ICUSup guardan relación, teniendo ambas, dos
núcleos localizados en inmediaciones de la otra. Se encontró que la intensidad de la
ICUSup para las imágenes diurnas es de 4°C y para nocturnas de 7°C.
96
A través del modelo creado para la estimación de la LST, se pudo observar que a través
del manejo de las variables NDVI (asociada a cobertura vegetal), humedad del suelo,
densidad edilicia y compacidad es posible realizar un manejo de las temperaturas
superficiales y de dosel de la ciudad, permitiendo que el diseño urbano de la ciudad sea
pensado en base a las necesidades de la población para la mitigación y adaptación del
cambio climático.
La metodología usada para la revisión del efecto de niño y niña sobre la temperatura
parece no ser lo suficientemente robusta para su detección, por lo que se recomienda
acoplar a está, pruebas estadísticas más certeras además de una variedad de gráficos
que permitan distintas interpretaciones.
La información catastral no cuenta con altura de edificios, por lo que fue necesario
establecer una altura media, por piso de 2,5 m y para bodegas de un piso 6 m. este
hecho afecta la regresión lineal obtenida entre la LST y la compacidad.
Las escasas imágenes térmicas encontradas en las misiones Landsat 4,5,7 y 8, dificultan
el análisis multitemporal de la LST, por lo que se recomienda la utilización de otros
sensores que permitan obtener mayor cantidad de imágenes.
98
T. T. T.
Id Nombre Estación Entidad Inicio Suspensión Preci.
Max Med Min
1 APTO EL DORADO 21205790 IDEAM 15/02/1972 Activa 96,79 97,86 97,01 97,86
2 TIBAITATA 21205420 IDEAM 15/03/1954 Activa 95,51 88,03 92,74 93,38
3 LA RAMADA 2120516 CAR 01/12/1937 Activa 84,19 71,37 69,02 70,73
4 SAN JORGE GJA 21205720 IDEAM 15/04/1960 Activa 83,12 64,74 71,79 67,74
5 PROVIDENCIA GJA 21205980 IDEAM 15/02/1977 Activa 89,10 75,64 78,63 96,58
6 APTO GUAYAMARAL 2120559 CAR 01/08/1965 Activa 83,76 57,26 53,21 57,48
VENADO ORO VIVERO 72,65 38,68 54,70 56,84
7 IDEAM 15/08/1965 Activa
21205580
8 JARDIN BOTANICO 21205710 IDEAM 15/09/1974 Activa 64,53 52,35 44,66 52,56
9 BOLSA LA 35025060 IDEAM 15/05/1987 Activa 71,37 48,93 60,68 62,39
10 DOÑA JUANA 2120630 CAR 01/03/1989 Activa 69,44 54,49 54,70 53,85
11 ACAPULCO 21206280 IDEAM 15/02/1990 Activa 60,90 45,73 38,25 57,26
12 C.UNIV.AGROP-UDCA 21206260 IDEAM 15/12/1988 Activa 58,33 47,44 42,52 52,78
13 VEGAS LAS HDA 21206230 IDEAM 15/08/1987 10/05/2011 50,85 44,23 51,28 49,15
14 UNIV NACIONAL 21206220 IDEAM 15/05/1987 Activa 45,94 34,83 33,76 42,95
15 TABIO 2120565 CAR 01/07/1970 Activa 80,34 35,47 28,63 35,26
ELDORADO DIDACTICA 45,73 35,26 39,32 38,03
16 IDEAM 15/01/1959 15/03/2000
21205520
17 SUASUQUE 21205920 IDEAM 15/09/1976 Activa 83,97 10,04 21,37 86,97
18 MUÑA EL 2120561 CAR 01/07/1966 01/12/2002 52,78 21,37 20,94 21,37
19 COSECHA LA 21205910 IDEAM 15/09/1976 Activa 75,64 4,06 13,46 86,32
20 INEM KENNEDY 21206560 IDEAM 15/07/1998 Activa 34,83 18,80 20,51 27,56
FLORES COLOMBIANAS 50,85 14,10 12,39 40,38
21 IDEAM 15/07/1986 15/02/2013
21206210
22 COL MIGUEL A. CARO 21206690 IDEAM 15/11/2001 Activa 21,15 12,61 10,04 16,24
COL ABRAHAM LINCOL 19,87 5,77 8,76 15,38
23 IDEAM 15/10/1994 03/11/2009
21206500
24 COL SAN CAYETANO 21206650 IDEAM 15/11/2001 Activa 15,17 13,46 8,76 14,53
25 COL SANTIAGO PEREZ 21206660 IDEAM 15/11/2001 Activa 17,52 14,10 11,32 16,03
26 BILBAO MAXIMO POTI21206630 IDEAM 15/11/2001 Activa 15,38 9,40 11,11 9,19
27 UNISALLE CENTRO 21206970 IDEAM 24/04/2008 Activa 10,04 8,12 8,33 9,83
UNIV PEDAGOGICA NA 5,13 1,07 0,64 1,28
28 IDEAM 15/11/1986 10/12/2008
21206190
99 Conclusiones y recomendaciones
15
13
11 -1
9
7
-3
5
3
1 -5
Anomalías niño Anomalías niña T. Media T. Minima T. Maxima
15
13
11 -1
9
7
-3
5
3
1 -5
Anomalías niña Anomalías niño T. Media T. Minima T. Maxima
15
13
11 -1
9
7
5 -3
3
1 -5
Anomalías niño Anomalías niña T. Media T. Maxima T. Minima
17 1
Temperatura (°C)
15
13
11 -1
9
7 -3
5
3
1 -5
Anomalías niño Anomalías niña T. Media T. Minima T. Maxima
101 Conclusiones y recomendaciones
15
13
11 -1
9
7
-3
5
3
1 -5
Anomalías niño Anomalías niña T. Media T. Minima T. Maxima
15
13
11 -1
9
7
-3
5
3
1 -5
Anomalías niño Anomalías niña T. Media T. Maxima T. Minima
15
13
11 -1
9
7
-3
5
3
1 -5
Anomalías niño Anomalías niña T. Media T. Minima T. Maxima
17
1
Temperatura (°C)
15
13
11 -1
9
7
-3
5
3
1 -5
Anomalías niño Anomalías niña T. Media T. Minima T. Maxima
102
2-Tibaita, D (Plantas bajas) 6-Dorado, 8 (Grande de baja altura) 10-Pérez, 3 (Abierta baja altura)
11-Bilbao, 5 (Abierta de
3-UDCA, 9 (Constr. dispersa) 7-Jardin, B (Arboles dispersos)
mediana altura)
Figura 66. Distribución espacial a escala estacional de T. min e ICUUCL para el periodo 2001-2015. Fuente: elaboración propia
104
Figura 67. Distribución espacial a escala estacional de T. med e ICUUCL para el periodo 2001-2015. Fuente: Elaboración propia.
105 Conclusiones y recomendaciones
Figura 68. Distribución espacial a escala estacional de T. med e ICUUCL para el periodo 2001-2015. Fuente: Elaboración propia.
106
Figura 69. Distribución espacial a escala estacional de amplitud térmica para el periodo 2001-2015.
Fuente: elaboración propia.
107 Conclusiones y recomendaciones
21
Temperatura (°C)
20
19
18
17
81-85 86-90 91-95 96-00 01-05 06-10 11-15
Pérez INEM Jardín Tibaita Nacional Dorado Venado
1
Temperatura (°C)
-1
-2
81-85 86-90 91-95 96-00 01-05 06-10 11-15
∆ Perez - Tibaita ∆ Inem - Tibaita ∆ Jardin - Tibaita
∆ Nacional - Tibaita ∆ Dorado - Tibaita ∆ Venado - Tibaita
15
Temperatura (°C)
14
13
12
81-85 86-90 91-95 96-00 01-05 06-10 11-15
Pérez INEM Jardín Tibaita Nacional Dorado Venado
108
2
Temperatura (°C)
-1
81-85 86-90 91-95 96-00 01-05 06-10 11-15
∆ Perez - Tibaita ∆ Inem - Tibaita ∆ Jardin - Tibaita
∆ Nacional - Tibaita ∆ Dorado - Tibaita ∆ Venado - Tibaita
10
9
Temperatura (°C)
6
81-85 86-90 91-95 96-00 01-05 06-10 11-15
Pérez INEM Jardín Tibaita Nacional Dorado Venado
3
Temperatura (°C)
0
81-85 86-90 91-95 96-00 01-05 06-10 11-15
∆ Perez - Tibaita ∆ Inem - Tibaita ∆ Jardin - Tibaita
∆ Nacional - Tibaita ∆ Dorado - Tibaita ∆ Venado - Tibaita
Amplitud termica
14
13
Temperatura (°C)
12
11
10
8
81-85 86-90 91-95 96-00 01-05 06-10 11-15
Pérez INEM Jardín Tibaita Nacional Dorado Venado
9. Referencias
Adler-Golden, S. M., Matthew, M. W., Bernstein, L. S., Levine, R. Y., Berk, A., Richtsmeier, S.
C., … Burke, H. K. (1999). Atmospheric Correction for Short-wave Spectral Imagery Based
on MODTRAN4. En Imaging Spectrometry V (Vol. 3753, pp. 61-69). Denver.
https://doi.org/10.1117/12.366315
Amorim, M., & Dubreuil, V. (2017). Intensity of Urban Heat Islands in Tropical and Temperate
Climates. Climate, 5(4), 91. https://doi.org/10.3390/cli5040091
Anderson, G. P., Pukall, B., Allred, C. L., Jeong, L. S., Hoke, M., Chetwynd, J. H., … Matthew,
M. W. (1999). FLAASH and MODTRAN4: state-of-the-art atmospheric correction for
hyperspectral data. En IEEE Aerospace Applications Conference Proceedings (Vol. 4, pp.
177-181).
Angel, L., Ramirez, A., Dominguez, E., Ramírez, A., Domínguez, E., Ángel, L., … Domínguez,
E. (2010). Isla de calor y cambios espacio-temporales de la temperatura en la ciudad de
Bogotá. Revista de la Real Academia de Ciencias Exactas, Físicas y Naturales, 34(131),
173-183. Recuperado de http://www.accefyn.org.co/revista/Vol_34/131/173-183.pdf
Azevedo, J. A., Chapman, L., & Muller, C. L. (2016). Quantifying the daytime and night-time
urban heat Island in Birmingham, UK: A comparison of satellite derived land surface
temperature and high resolution air temperature observations. Remote Sensing, 8(2).
https://doi.org/10.3390/rs8020153
Bailey, W. G., Oke, T. R., & Rouse, W. R. (1997). The surface climates of Canada. McGill-
Queen’s University Press.
Bannari, A., Morin, D., Bonn, F., & Huete, A. R. (1995). A review of vegetation indices. Remote
Sensing Reviews, 13(1-2), 95-120. https://doi.org/10.1080/02757259509532298
Barsi, J. A., Barker, J. L., & Schott, J. R. (2003). An Atmospheric Correction Parameter
Calculator for a single thermal band earth-sensing instrument. IEEE, 5, 3014-3016.
https://doi.org/10.1109/igarss.2003.1294665
Barsi, J. A., Schott, J. R., Palluconi, F. D., Helder, D. L., Hook, S. J., Markham, B. L., … O’
Donnell, E. M. (2003). Landsat TM and ETM+ thermal band calibration. Canadian Journal
of Remote Sensing, 29(2), 141-153. https://doi.org/10.5589/m02-087
Bermúdez Urdaneta, J., & Wilson White, A. (2006). Bogotá o la ciudad de la luz en tiempos del
Centenario: las transformaciones urbanas y los augurios del progreso. APUNTES, 19, 184-
199. Recuperado de
http://pbidi.unam.mx:8080/login?url=http://search.ebscohost.com/login.aspx?direct=true&d
b=cat02031a&AN=clase.CLA01000321714&lang=es&site=eds-
live%5Cnhttp://132.248.9.34/hevila/ApuntesBogota/2006/vol19/no2/2.pdf
Buyantuyev, A., & Wu, J. (2010). Urban heat islands and landscape heterogeneity: Linking
spatiotemporal variations in surface temperatures to land-cover and socioeconomic
patterns. Landscape Ecology, 25(1), 17-33. https://doi.org/10.1007/s10980-009-9402-4
Cai, M., Ren, C., Xu, Y., Lau, K. K. L., & Wang, R. (2018). Investigating the relationship
between local climate zone and land surface temperature using an improved WUDAPT
methodology – A case study of Yangtze River Delta, China. Urban Climate, 24, 485-502.
https://doi.org/10.1016/j.uclim.2017.05.010
Campos Aranda, D. F. (2015). Contraste de los índices DPP, SPI y RDI para clasificación de
sequías, en la estación climatológica Zacatecas, México. Tecnologia y Ciencias del Agua,
114
6(1), 183-193.
Carlson, T. C., & Ripley, D. a. (1997). On the relationship between NDVI, fractional vegetation
cover, and leaf area index. Remote Sensing of Environment, 62, 241-252.
https://doi.org/10.1016/S0034-4257(97)00104-1
Colombi, A., Michele, C. De, Pepe, M., & Rampini, A. (2007). Estimation of Daily Mean Air
Temperature From Modis LST in Alpine Areas. EAReL eProceedings 6, (3), 38-46.
Correa, E., Pattini, A., Corica, L., Fornes, M., & Lesino, G. (2005). Evaluacion del factor de
vision de cielo a partir del procesamiento digital de imagenes hemisféricas. Influencia de la
configuracion del cañón urbano en la disponibilidad del recurso solar. Avances en
Energías Renovables y Medio Ambiente, 9, 43-48.
Cristóbal, J., Jiménez Muñoz, J. C., Sobrino, J. A., Ninyerola, M., & Pons, X. (2009).
Improvements in land surface temperature retrieval from the Landsat series thermal band
using water vapor and air temperature. Journal of Geophysical Research Atmospheres,
114(8), 1-16. https://doi.org/10.1029/2008JD010616
Edwards, D., & Thomas, M. (1997). Characteristics of 20th century drougth in the united states
at multiple time scales. Atmospheric Science Paper, (634). Recuperado de
http://weather.uwyo.edu/upperair/sounding.html
Ellefsen, R. (1991). Mapping and measuring buildings in the canopy boundary layer in ten U.S.
cities. Energy and Buildings, 16(3-4), 1025-1049. https://doi.org/10.1016/0378-
7788(91)90097-M
Emmanuel, R., & Krüger, E. (2012). Urban heat island and its impact on climate change
resilience in a shrinking city: The case of Glasgow, UK. Building and Environment, 53, 137-
149. https://doi.org/10.1016/j.buildenv.2012.01.020
Fan, Y., Li, Y., Bejan, A., Wang, Y., & Yang, X. (2017). Horizontal extent of the urban heat dome
flow. Scientific Reports, 7(1), 1-10. https://doi.org/10.1038/s41598-017-09917-4
115 Referencias
FAO. (2006). Evapotranspiración del cultivo: Guias para la determinación de los requerimientos
de agua de los cultivos. FAO :Estudios FAO Riego y Drenaje 56.
https://doi.org/10.1590/1983-40632015v4529143
Ferreira, L. S., & Duarte, D. H. S. (2019). Exploring the relationship between urban form, land
surface temperature and vegetation indices in a subtropical megacity. Urban Climate,
27(November 2018), 105-123. https://doi.org/10.1016/j.uclim.2018.11.002
Founda, D., & Santamouris, M. (2017). Synergies between Urban Heat Island and Heat Waves
in Athens (Greece), during an extremely hot summer (2012). Scientific Reports, 7(1), 1-11.
https://doi.org/10.1038/s41598-017-11407-6
Freitas, E. D., Rozoff, C. M., Cotton, W. R., & Silva Dias, P. L. (2007). Interactions of an urban
heat island and sea-breeze circulations during winter over the metropolitan area of São
Paulo, Brazil. Boundary-Layer Meteorology, 122(1), 43-65. https://doi.org/10.1007/s10546-
006-9091-3
Gallo, K., Hale, R., Tarpley, D., & Yu, Y. (2011). Evaluation of the relationship between air and
land surface temperature under clear- and cloudy-sky conditions. Journal of Applied
Meteorology and Climatology, 50(3), 767-775. https://doi.org/10.1175/2010JAMC2460.1
Gómez Forero, L. V., & Castañeda Rodríguez, C. C. (2013). Estudio del Crecimiento Urbano
con respecto al Efecto Isla de Calor para establecer Lineamientos de Gestión Energético
Ambiental en Bogotá. En Eleventh Latin American and Caribbean for Engieneering and
Technology (pp. 1-10). Cancun.
Gonzáles Ramírez, C. M., & Aguilar Oro, G. (2013). Condiciones meteorológicas a mesoescala
que favorecen la ocurrencia de convección profunda en el Occidente de Cuba. REVISTA
CUBANA DE METEOROLOGÍA, 19, 127-139.
Guhathakurta, S., & Gober, P. (2007). The impact of the Phoenix urban heat Island on
residential water use. Journal of the American Planning Association, 73(3), 317-329.
https://doi.org/10.1080/01944360708977980
Hoyano, A. (1988). Climatological uses of plants for solar control and the effects on the thermal
116
IDEAM, & FOPAE. (2007). Estudio de la caracterización climática de Bogotá y cuenta alta del
río Tunjuelo, 116. Recuperado de
http://documentacion.ideam.gov.co/openbiblio/bvirtual/020702/CARACTERIZACIONCLIMA
TICACORRECCIONFOPAECDpublicacionMA.pdf
IGAC. (2010). El ABC de los suelos : para no expertos. Imprenta Nacional de Colombia,.
Recuperado de https://catalogo.sgc.gov.co/cgi-bin/koha/opac-
detail.pl?biblionumber=46512
Jaramillo Vera, E., Gelvez Garcia, N., & Bayona Navarro, J. (2017). Precipitaciones y
temperatura en la corriente Bogotá. Redes de Ingenierâia, 119-128.
https://doi.org/10.14483/2248762X.12483
Jauregui, E., & Romales, E. (1996). Urban effects on convective precipitation in Mexico City.
Atmospheric Environment, 30(20), 3383-3389. https://doi.org/10.1016/1352-
2310(96)00041-6
Jiang, Y., Fu, P., & Weng, Q. (2015). Assessing the impacts of urbanization-associated land
use/cover change on land surface temperature and surface moisture: A case study in the
midwestern united states. Remote Sensing, 7(4), 4880-4898.
https://doi.org/10.3390/rs70404880
Valencia.
Jimenez Muñoz, J. C., Cristobal, J., Sobrino, J. A., Sòria, G., Ninyerola, M., & Pons, X. (2009).
Revision of the single-channel algorithm for land surface temperature retrieval from landsat
thermal-infrared data. IEEE Transactions on Geoscience and Remote Sensing, 47(1), 339-
349. https://doi.org/10.1109/TGRS.2008.2007125
Jiménez Muñoz, J. C., & Sobrino, J. (2003). A generalized single-channel method for retrieving
land surface temperature from remote sensing data. Journal of Geophysical Research,
108(D22). https://doi.org/10.1029/2003JD003480
Kaloustian, N., & Diab, Y. (2015). Urban Climate Effects of urbanization on the urban heat
island in Beirut. URBAN CLIMATE. https://doi.org/10.1016/j.uclim.2015.06.004
Kato, S. (2005). Analysis of urban heat-island effect using ASTER and ETM+ Data: Separation
of anthropogenic heat discharge and natural heat radiation from sensible heat flux. Remote
Sensing of Environment, 99(1-2), 44-54. https://doi.org/10.1016/J.RSE.2005.04.026
Lehoczky, A., Sobrino, J., Skoković, D., & Aguilar, E. (2017). The Urban Heat Island Effect in
the City of Valencia: A Case Study for Hot Summer Days. Urban Science, 1(1), 9.
https://doi.org/10.3390/urbansci1010009
Li, T., Horton, R. M., & Kinney, P. L. (2013). Projections of seasonal patterns in temperature-
related deaths for Manhattan, New York. Nature Climate Change, 3(8), 717-721.
https://doi.org/10.1038/nclimate1902
Li, Z., Guo, X., Dixon, P., & He, Y. (2007). Applicability of L and S urface T emperature (LST) e
stimates from AVHRR s atellite i mage c omposites in n orthern Canada. Prairie
Perspectives, 11, 119-130.
Loridan, T., & Grimmond, C. S. B. (2012). Characterization of energy flux partitioning in urban
environments: Links with surface seasonal properties. Journal of Applied Meteorology and
Climatology, 51(2), 219-241. https://doi.org/10.1175/JAMC-D-11-038.1
Martin, P., Baudouin, Y., & Gachon, P. (2015). An alternative method to characterize the
surface urban heat island. International Journal of Biometeorology, 59(7), 849-861.
118
https://doi.org/10.1007/s00484-014-0902-9
Mutiibwa, D., Strachan, S., & Albright, T. (2015). Land Surface Temperature and Surface Air
Temperature in Complex Terrain. IEEE Journal of Selected Topics in Applied Earth
Observations and Remote Sensing, 8(10), 4762-4774.
https://doi.org/10.1109/JSTARS.2015.2468594
Nichol, J. (2005). Remote sensing of urban heat islands by day and night. Photogrammetric
Engineering and Remote Sensing, 71(May), 613-621.
https://doi.org/10.14358/PERS.71.5.613
Nichols, S., Zhang, Y., & Ahmad, A. (2011). Review and evaluation of remote sensing methods
for soil-moisture estimation. SPIE Reviews, 028001. https://doi.org/10.1117/1.3534910
OIM. (2015). Diálogo Internacional sobre la Migración 2015 : Conferencia sobre los Migrantes y
las Ciudades, (25).
Oke, T. R. (1982). The energetic basis of the urban heat island. Quarterly Journal, Royal
Meteorological Society, 108(455), 1-24. https://doi.org/10.1002/qj.49710845502
Oke, T. R. (1988b). Street design and urban canopy layer climate. Energy and Buildings, 11(1-
3), 103-113. https://doi.org/10.1016/0378-7788(88)90026-6
Oke, T. R. (1995). The Heat Island of the Urban Boundary Layer: Characteristics, Causes and
Effects. Wind Climate in Cities, 81-107. https://doi.org/10.1007/978-94-017-3686-2_5
Oke, T. R., Mills, G., Christen, A., & Voogt, J. A. (2017). Urban Climates. Cambridge University
Press.
Oke, T. R., & Stewart, I. D. (2012). Local Climate Zone for Urban Temperature Studies. Bulletin
of the American Meteorological Society, 93(93), 1879-1900. https://doi.org/10.1175/BAMS-
D-11-00019.1
119 Referencias
OMM. (2011). Guía de prácticas climatológicas. Organización Meteorológica Mundial (Vol. 100).
https://doi.org/OMM-No 168
Pabón, J., & Correa, R. (2005). Los sistemas meteorológicos de escala sinóptica de la
Amazonía, sus efectos e impacto socioeconómico en el sur del territorio colombiano.
Cuadernos de Geografía, Universidad Nacional de Colombia, 14, 65-81. Recuperado de
http://core.kmi.open.ac.uk/download/pdf/5666668.pdf
Pabón, J. D., Pulido, S. I., Jaramillo, O., & Chaparro, J. A. (1998). ANÁLISIS PRELIMINAR DE
LA ISLA DE CALOR EN LA SABANA DE BOGOTÁ. Revista Cuadernos de Geografía.
Pabón, José Daniel. (2007). Impacto socioeconómico de los fenómenos El Niño y La Niña en la
Sabana de Bogotá durante el siglo XX. Cuadernos de Geografía : Revista Colombiana de
Geografía, 16, 81-94.
Peng, S., Piao, S., Ciais, P., Friedlingstein, P., Ottle, C., Bréon, F. M., … Myneni, R. B. (2012).
Surface urban heat island across 419 global big cities. Environmental Science and
Technology, 46(2), 696-703. https://doi.org/10.1021/es2030438
Podestá, G., Skansi, M., Herrera, N., & Veiga, H. (2016). Descripción de índices para el
monitoreo de sequía meteorológica implementados por el Centro Regional del Clima para
el Sur de América del Sur. Reporte Técnico CRC-SAS (Vol. 1). Recuperado de
http://www.crc-sas.org/es/content/monitoreo/reporte_sequias.pdf
Ramírez Builes, V. H., & Jaramillo Robledo, Á. (2009). BALANCES DE ENERGÍA ASOCIADOS
A LOS CAMBIOS DE COBERTURA EN LA ZONA ANDINA COLOMBIANA. Cenicafé,
60(3), 199-209.
Ren, C., Cai, M., Wang, M., Xu, Y., & Ng, E. (2016). Local Climate Zone (LCZ) Classification
Using the World Urban Database and Access Portal Tools (WUDAPT) Method: A Case
Study in Wuhan and Hangzhou. The Fourth International Conference on Countermeasure
to Urban Heat Islands (4th IC2UHI), (May), 1-12.
Sadeghi, M., Babaeian, E., Tuller, M., & Jones, S. B. (2017). The optical trapezoid model: A
120
novel approach to remote sensing of soil moisture applied to Sentinel-2 and Landsat-8
observations. Remote Sensing of Environment, 198(October), 52-68.
https://doi.org/10.1016/j.rse.2017.05.041
Sailor, D. J. (2011). A review of methods for estimating anthropogenic heat and moisture
emissions in the urban environment. International Journal of Climatology, 31(2), 189-199.
https://doi.org/10.1002/joc.2106
SAITOH, T., SHIMADA, T., & HOSHI, H. (1996). MODELING AND SIMULATION OF THE
TOKYO URBAN HEAT ISLAND. Armospheric Enviroment, 30(2), 431-442.
https://doi.org/10.1007/s10652-014-9347-2
Schwarz, N., Schlink, U., Franck, U., & Großmann, K. (2012). Relationship of land surface and
air temperatures and its implications for quantifying urban heat island indicators - An
application for the city of Leipzig (Germany). Ecological Indicators, 18, 693-704.
https://doi.org/10.1016/j.ecolind.2012.01.001
Serna Cuenca, N. J. (2013). Efecto de los fenómenos El Niño y La Niña sobre la frecuencia de
los eventos de precipitación extrema en la Sabana de Bogotá. Universidad Nacional de
Colombia. Recuperado de http://www.bdigital.unal.edu.co/11390/1/194150.2013.pdf
Sobral, H. R. (2005). Heat island in São Paulo, Brazil: Effects on health. Critical Public Health,
15(2), 147-156. https://doi.org/10.1080/09581590500151756
Stewart, Iain D., Oke, T. R., & Krayenhoff, E. S. (2014). Evaluation of the «local climate zone»
scheme using temperature observations and model simulations. International Journal of
Climatology, 34(4), 1062-1080. https://doi.org/10.1002/joc.3746
Stewart, Iain Douglas. (2011). Redefining the Urban Heat Island. The University of British
Columbia. Recuperado de https://circle.ubc.ca/handle/2429/38069
121 Referencias
Šverko, M. (2012). Metodo de estimación del vapor de agua precipitable, por detección remoto,
mediante el Sistema de Posicionamiento Global (GPS) con aplicación del estado del
tiempo en la ciudad de Bogotá, D.C.
Taha, H., Sailor, D., & Akbari, H. (1992). High-albedo materials for reducing building cooling
energy use. Berkeley, CA. https://doi.org/10.2172/10178958
Thomas, M., Nolan, D., & Kleist, J. (1993). The relationship of drought frequency and duration to
time scales. En 8th Conference on Applied Climatology (Vol. 22, pp. 179-184).
https://doi.org/10.1002/joc.846
Tran, H., Uchihama, D., Ochi, S., & Yasuoka, Y. (2006). Assessment with satellite data of the
urban heat island effects in Asian mega cities. International Journal of Applied Earth
Observation and Geoinformation, 8(1), 34-48. https://doi.org/10.1016/j.jag.2005.05.003
Valor, E., & Caselles, V. (1996). Mapping Land Surface Emissivity from NDVI: Application to
European, African, and South American Areas. Remote Sensing of Environment, 57(3),
167-184. https://doi.org/10.1016/0034-4257(96)00039-9
Wanner, & Filliger. (1989). Orographic Influence on Urban Climate. Weather and Climate, 9(1),
22. https://doi.org/10.2307/44279768
WMO. (1989). Calculation of Monthly and annual 30 years standard normals. Washington.
Young, K. C. (1992). A three-way model for interpolating for monthly precipitation values.
Monthly Weather Review, 120(11), 2561-2569. https://doi.org/10.1175/1520-
0493(1992)120<2561:ATWMFI>2.0.CO;2
122
Zhan, Z. M., Qin, Q. M., Ghulan, A., & Wang, D. D. (2007). NIR-red spectral space based new
method for soil moisture monitoring. Science in China, Series D: Earth Sciences, 50(2),
283-289. https://doi.org/10.1007/s11430-007-2004-6
Zhou, B., Rybski, D., & Kropp, J. P. (2017). The role of city size and urban form in the surface
urban heat island. Scientific Reports, 7(1), 1-9. https://doi.org/10.1038/s41598-017-04242-
2