Análisis de la relación de la isla de calor urbano con factores demográcos,
espaciales y ambientales de Lima metropolitana usando sensores remotos
Analysis of the relationship between urban heat island and demographic, spatial and
environmental factors in Lima Metropolitausing remote sensing
DOI: http://dx.doi.org/10.21704/ac.v80i1.926
Autor de correspondencia: Menacho, E. Email: emenacho@lamolina.edu.pe
© Universidad Nacional Agraria La Molina, Lima, Perú.
Forma de citar el artículo: Menacho, E.; Teruya, S. 2019. Análisis de la relación de la isla de calor urbano con
factores demográcos, espaciales y ambientales de Lima metropolitana usando sensores remotos. Anales Cientícos
80 (1): 60-75 (2019).
Ernesto E. Menacho C.
1
; Sandra N. Teruya R.
1
1
Universidad Nacional Agraria La Molina, Lima, Perú. Email: emenacho@lamolina.edu.pe
Recepción: 10/08/2017 ; Aceptación: 05/06/2019
Resumen
El objetivo de la presente investigación fue determinar la presencia de la Isla de Calor
Urbano (ICU) usando sensores remotos y establecer su relación con factores demográcos,
espaciales y ambientales en Lima metropolitana. Se obtuvieron imágenes satelitales Landsat
8 para determinar la temperatura de supercie del suelo. Se trabajó con la imagen satelital
ASTER GDEM e información espacial (shape le) del Ministerio del Ambiente (Minam)
para determinar la relación entre la Intensidad de ICU (IICU) y los factores de estudio. Se
eligieron las imágenes satelitales que tenían menos interferencia (nubes), posteriormente se
procesaron con los programas ENVI 5,1, QGis 2,0, Minitab 17 y L-LDOPE y se obtuvo
la temperatura de la supercie del suelo, usando los métodos Single Channel (SC) y Split
Window (SW), y se determinó la correlación entre la IICU y los factores de estudio. Se
identicaron islas de calor y de frío que variaron de intensidad y extensión; no todas fueron
permanentes durante los cuatro (04) periodos evaluados. La elevación (m s. n. m.), la distancia
a los cuerpos de agua (m), el Índice de edicación de diferencia normalizada (NDBI) y el
uso de suelo tuvieron correlación estadística positiva (p < 0,001) con la IICU, mientras que
el Índice de vegetación de diferencia normalizada (NDVI) tuvo una correlación estadística
negativa con la IICU (p<0,001). No se encontró suciente evidencia estadística para armar
que hay una relación entre la concentración de NO, NO
2
SO
2
, O
3
y PM
10
y la IICU para los
periodos evaluados, dentro del área de estudio. Se identicaron islas de calor y de frío de
extensión e intensidad variables. Se determinaron algunos factores que inuyen sobre IICU.
Palabras clave: isla de calor urbano; Landsat 8; Lima metropolitana; sensoramiento remoto
y Single Channel.
Análes Cientícos
ISSN 2519-7398 (Versión electrónica)
Website: http://revistas.lamolina.edu.pe/index.php/acu/index
Anales Cientícos 80 (1): 60-75 (2019)
61
Menacho, E.; Teruya, S. / Anales Cientícos 80 (1): 60- 75 (2019)
Enero - Junio 2019
Abstract
The objective of this research was to determine the presence of Urban Heat Island (UHI), using
remote sensors, and establish its relationship with demographic, spatial and environmental
factors in Metropolitan Lima. Landsat 8 satellite images were obtained to determine the
soil surface temperature, it was also employed ASTER GDEM satellite image and Minam
spatial information (shape le), to determine the relationship between the intensity of UHI
(IUHI) and the factors of study. Satellite images with less interference (clouds) were chosen,
subsequently the images were processed with ENVI 5,1, QGis 2,0, Minitab 17 and L-LDOPE
software to obtain land surface temperature using Single Channel (SC) and Split Window
(SW) methods, also it was determined the correlation between the study factors and IUHI.
Heat and cold islands with varying intensity and spread were identied and not all of them
were permanent during the four (04) evaluated periods. Elevation (m.a.s.l.), distance to water
bodies (m), normalized dierence build-up index (NDBI) and land use had positive statistical
correlation (p <0,001) with the IUHI, while the Normalized dierence vegetation index
(NDVI) had a negative statistical correlation with IUHI (p <0,001). There was no sucient
statistical evidence to arm that there was a relationship between the concentration of NO,
NO
2
, SO
2
, O
3
and PM
10
and IUHI, for the periods evaluated within the study area. Heat and
cold islands with variable extension and intensity were identied. Some factors inuencing
IUHI were determined.
Keywords: Landsat 8; Lima metropolitana; remote sensing; Single Channel and urban heat
island.
1. Introducción
Las Islas de calor urbano (ICU) es un
fenómeno en donde la temperatura del
aire y la supercie son más calientes que
sus alrededores rurales. Según Rizwan et
al. (2008) y la (EPA, 2009), la formación
de la ICU ocurre de la siguiente manera.
La energía generada y contenida en un
área urbana proviene principalmente del
sol y de fuentes antropogénicas (plantas
generadoras de energía, automóviles y aires
acondicionados). Esta última fuente calienta
el aire ambiental directamente; mientras que
la primera se divide en dos, una fracción
que calienta el aire ambiental y otra que
es absorbida por las estructuras urbanas
que, posteriormente, también calentarán el
aire ambiental. Durante el día, la energía
solar y la antropogénica calientan el medio
ambiente. La radiación solar cede energía
a las estructuras como paredes, techos,
jardines, parques y áreas pavimentadas,
las que absorben y almacenan el calor de
manera diferente. Luego, cuando el sol se
va poniendo, el aire ambiental comienza a
enfriarse, pero la energía conservada dentro
de las estructuras es liberada a la atmósfera.
Según EPA (2009), la transferencia de
energía es afectada no solo por el tipo de
materiales de las estructuras urbanas, sino
también por otros factores como la presencia
de áreas verdes y la visibilidad del cielo. Las
áreas verdes como parques y jardines afectan
negativamente a la ICU debido a que enfrían
el aire ambiental a través de la transpiración
de la vegetación y porque tienen un mayor
albedo que las estructuras urbanas, por
tanto, absorben menor energía. Asimismo,
la contaminación atmosférica afecta a la
ICU ya que los aerosoles tienen una relación
negativa con esta alteración térmica debido
a que absorben y reejan las ondas largas,
generando un efecto enfriador conocido
como oscurecimiento global; los gases de
efecto invernadero, en cambio, contribuyen
positivamente a la ICU al mantener un aire
más caliente.
Por otro lado, la principal consecuencia
de la isla de calor urbano es el aumento de
la incomodidad en la población, debido a
un incremento de la temperatura ambiental.
Además, la ICU genera aumento en el
consumo de energía debido a un incremento
del uso de equipos de aire acondicionado. En
consecuencia, produce mayor presión sobre
las plantas de energía, lo cual incrementa
la emisión de gases de efecto invernadero
que producen y, por lo tanto, se genera la
disminución de la calidad del aire. Además,
la ICU también tiene impacto signicativo
en la salud humana exacerbando la presencia
de enfermedades respiratorias (EPA, 2009).
Análisis de la relación de la isla de calor urbano con factores demográcos, espaciales y ambientales de Lima
metropolitana usando sensores remotos
62
Enero - Junio 2019
El objetivo de esta investigación fue
determinar la presencia de la isla de calor
urbano en Lima metropolitana, usando
sensores remotos, y establecer su relación
con factores demográcos, espaciales y
ambientales. Para lograrlo se buscó: (i)
determinar la intensidad de la isla de calor
urbano en el área de estudio usando imágenes
del satélite Landsat 8, (ii) establecer
relaciones entre la intensidad de la isla de
calor urbano con la elevación, distancia
a cuerpos de agua, densidad poblacional,
índice de vegetación de diferencia
normalizada (NDVI), índice de edicación
de diferencia normalizada (NDBI) y uso
del suelo, (iii) establecer relaciones entre la
intensidad de la isla de calor urbano y los
contaminantes atmosféricos NO, NO
2
, SO
2
,
O
3
y PM
10
.
2. Materiales y métodos
Área de estudio
Se denió como área de estudio, en función
al límite de Lima metropolitana, los límites
distritales y la extensión de la imagen
satelital Landsat que se usaron (Figura
1). De esta manera, se obtuvo un área que
incluye todos los distritos de la ciudad, con
exclusión de algunos del extremo sur (desde
el distrito de Ancón hasta Lurín).
Datos espaciales
Para esta investigación se descargaron
imágenes satelitales Landsat ETM+ 8
adquiridas en los veranos, desde el 1/12/2013
hasta el 30/4/2015. Se eligió trabajar con las
imágenes tomadas en verano porque es en
esta época en la que hay la menor cantidad
de nubes en el cielo de Lima, de manera que
es posible captar imágenes satelitales con
menor distorsión. Las imágenes utilizadas se
muestran en la Tabla 1.
También se descargaron las imágenes
satelitales de elevación ASTER GDEM para
la extensión del área de estudio, así como los
límites distritales, provinciales y los cuerpos
de agua proporcionadas por el Minam.
Figura 1: Área de estudio
63
Menacho, E.; Teruya, S. / Anales Cientícos 80 (1): 60- 75 (2019)
Enero - Junio 2019
Datos meteorológicos y de calidad del aire
Se solicitó al Servicio Nacional de
Meteorología e Hidrología del Perú
(Senamhi) los siguientes datos: temperatura
del aire y del suelo de las estaciones
meteorológicas automáticas y contaminantes
atmosféricos de las estaciones de calidad
del aire del Senamhi tomados los días de la
adquisición de las imágenes (Tabla 1).
Determinación de la temperatura de la
supercie del suelo
Para obtener la temperatura de la supercie
del suelo se utilizó el método Single
Channel (SC), el cual fue calculado a partir
de la banda TIRS-1 del Landsat 8, usando el
módulo Band Math de ENVI 5,1.
Tabla 1: Imágenes satelitales Landsat ETM+ 8 usadas en la investigación
Imagen Fecha de adquisición
Hora de vuelo
(GMT)
Hora de vuelo
(hora Perú)
LC80070682013359LGN00 25 de Diciembre de 2013 15:12:24 10:12:24
LC80070682014042LGN00 11 de Febrero de 2014 15:11:50 10:11:50
LC80070682014106LGN00 16 de Abril de 2014 15:10:53 10:10:53
LC80070682015029LGN00 29 de Enero de 2015 15:10:54 10:10:54
Programas informáticos
Los programas informáticos utilizados
fueron ENVI 5,1, QGis 2.10, Minitab 17 y
L-LDOPE.
Determinación de la isla de calor urbano
La intensidad de la isla de calor urbano fue
obtenida a partir de valores de temperatura
de supercie, los cuales fueron determinados
utilizando las imágenes satelitales Landsat
8 de los sensores OLI y TIRS, usando las
ecuaciones del método Single Channel (SC).
Pre-procesamiento de la información
satelital
Las imágenes Landsat 8, distribuidas por
la NASA y la USGS, son geométricamente
corregidas y georreferenciadas a Universal
Transversal de Mercator (UTM) para la
zona correspondiente el datum WGS1984
(USGS, 2015). Por lo tanto, no fue necesaria
la corrección geométrica, pero sí la
radiométrica y atmosférica.
Además, se le aplicó una máscara de
nubes obtenida de la banda de calidad
(quality assessment - QA), usando el software
L-LDOPE, para evitar la perturbación que
podrían generar las nubes.
Single Channel (SC)
Jiménez-Muñoz et al. (2009) propusieron al
algoritmo SC que puede ser aplicado para
calcular la temperatura de supercie del
suelo (T
S
) a partir de data infrarroja termal:
T
S
= γ {1/ε [ψ
1
L
Sensor
+ψ
2
]+ψ
3
}+ δ
donde es la emisividad de la supercie, es
la radiancia en el L
sensor
y γ,δ:
γ ≈(T
2
Sensor
)/(bγ L
Sensor
); δ ≈ T
Sensor
- (T
2
Sensor
)/b
γ
donde T
Sensor
es la temperatura de brillo en el
sensor; b
γ
= c
2
⁄λ (1324 para TIRS-1); y ψ
1
,
ψ
2
, y ψ
3
son funciones atmosféricas:
ψ
1
=1/τ; ψ
2
=-L
d
-Lu/τ; ψ
3
=L
d
Si no se tienen los valores de los
parámetros atmosféricos τ, L
u
y L
d
, los valores
de ψ
1
,ψ
2
y ψ
3
se pueden obtener a partir de
Análisis de la relación de la isla de calor urbano con factores demográcos, espaciales y ambientales de Lima
metropolitana usando sensores remotos
64
Enero - Junio 2019
un arreglo polinómico de segundo orden que
depende de la humedad atmosférica w.
donde los coecientes c
ij
son
determinados por una simulación.
Jiménez-Muñoz et al. (2014) señalan
que este algoritmo, SC, puede ser aplicado
para cualquiera de las dos bandas TIRS.
Sin embargo, es recomendable utilizar solo
la banda TIRS-1 (banda 10) porque está
ubicada en una región de menor absorción
atmosférica por lo que tendrá menor
interferencia producida por el vapor de agua
atmosférico. Ellos presentan los valores para
los coecientes c
ij
para la banda TIRS-1:
Determinación de la emisividad de la
supercie del suelo con NDVI
Sobrino et al. (2004) y Skoković et al. (2014)
proponen la metodología para determinar la
emisividad a partir del NDVI usando bandas
del Landsat 8:
• NDVI < 0.2: Aquí los píxeles son
considerados suelo desnudo y su
emisividad es obtenida a partir de los
valores de reectividad de la banda roja
(r
OLI-B4
).
ε
TIRS-1
=0,979-0,046
r OLI-B4
ε
TIRS-2
=0,982-0,027
r OLI-B4
• NDVI > 0,5: Los píxeles son considerados
completamente vegetados y por lo
tanto se asume un valor constante de
emisividad 0,99.
• 0,2 ≤ NDVI ≤ 0,5: En este caso, los píxeles
son considerados una mezcla de suelo
desnudo y vegetación y la emisividad es
calculada de la siguiente manera:
ε
TIRS-1
=0,971(1-Pv)+0,987*Pv
ε
TIRS-2
=0,977(1-Pv)+0,989*Pv
Además Pv es Proporción de vegetación:
donde NDVI
S
y NDVI
V
son los valores de
NDVI del suelo y la vegetación, 0,2 y 0,5.
Determinación del vapor de agua
atmosférico
Otro parámetro que es necesario para la
aplicación del método SC es el vapor de agua
atmosférico, w (g/cm
2
). El vapor de agua
atmosférico o vapor de agua precipitable
es una medida del total de agua gaseosa
contenida en una columna vertical de la
atmósfera (Remote Sensing Sistems, s.f.).
El vapor de agua atmosférico puede ser
calculado de la siguiente ecuación propuesta
por Xiaolei et al. (2014):
e
w
*
=(1,0007+3,46*10
-6
P)x(6,1121)x(e)
(17.502
T/240.97+T)
donde e
w
*
es la presión de vapor de agua
(HPa), es la temperatura del aire (ºC) y P es
la presión atmosférica (HPa). Además:
w =e
w
* x HR
donde W es el vapor de agua atmosférico (g/
cm
2
) y HR es la humedad relativa.
Determinación de la intensidad de la isla
de calor urbano
Una vez que se tuvieron los rasters de
la temperatura de supercie del suelo se
prosiguió a determinar los límites de la
zona urbana y rural del área de estudio.
Posteriormente, se obtuvieron los valores de
intensidad de la isla de calor urbano dentro
del área de estudio. Según Rizwan et al.,
2008; Oke, 1987; Magge et al., 1999 y Oke,
1976, la IICU se halla usando:
IICU=T
u
- T
r
donde IICU es intensidad de la isla de calor
urbano, T
u
es la temperatura en la zona
65
Menacho, E.; Teruya, S. / Anales Cientícos 80 (1): 60- 75 (2019)
Enero - Junio 2019
urbana y T
r
es la temperatura en la zona rural.
Evaluación
La evaluación de la relación entre la intensi-
dad de la isla de calor urbano y la elevación,
la distancia a cuerpos de agua, la den-
sidad poblacional, el índice de vegetación
(NDVI), el índice de edicación (NDBI) y
el uso del suelo, se realizó como sigue:
Determinación de los parámetros: el-
evación, distancia a cuerpos de agua, den-
sidad poblacional, índice de vegetación
(NDVI), índice de edicación (NDBI) y uso
del suelo.
La densidad poblacional fue representada
a nivel distrital en formato shape le, a partir
de la información recolectada por el Instituto
Nacional de Estadística e Informática (INEI,
2014). Para la segunda variable se generó un
archivo raster en el que los valores de los
píxeles son la distancia entre ese punto y el
cuerpo de agua más cercano, ya sea un río
o el mar.
Para determinar la variable uso de suelo se
generó un raster. Este se obtuvo a través del
método de clasicación supervisada usando
la herramienta ROI Tool de ENVI 5.1. S
denieron seis (06) áreas de entrenamiento:
• Mar
• Nubes
• Zona de cultivos
• Zona de parques
• Zona de suelo desnudo o inerte
• Zona edicada o áreas con alta
concentración de edicaciones
Además, la elevación del área de estudio
se obtuvo del raster ASTER GDEM.
Se determinó la relación entre los valores
de los rasters de intensidad de la ICU y los
rasters de los parámetros arriba señalados
utilizando Minitab 17. De esta manera
se determinó el análisis de correlación
espacial entre la intensidad de la ICU y las
variables elevación, distancia a cuerpos de
agua, densidad poblacional, NDVI, NDBI y
uso del suelo con el objetivo de conocer si
hay una relación entre ellos y en qué grado
(para una muestra de 4000 puntos aleatorios
o 0,0074 % aprox.). Antes de determinar
las relaciones estadísticas, se recategorizó
el mapa de uso de suelos utilizando los
siguientes valores:
1: Zona de cultivos
2: Zona de parques
3: Zona de suelo desnudo inerte
4: Zona edicada o áreas con alta
concentración de edicaciones
Establecer relaciones de la intensidad de
la isla de calor urbano y los contaminan-
tes atmosféricos NO, NO
2
SO
2
, O
3
y PM10.
Con el programa Minitab17 se compararon
los valores puntuales de concentración de
NO, NO
2
, SO
2
, O
3
y PM
10
con los valores de
intensidad de isla de calor urbano para cada
estación de calidad atmosférica en las fechas
y ubicaciones reportadas.
3. Resultados y discusión
Determinación de intensidad de isla de
calor urbano
Se identicaron cualitativamente islas de
calor y de frío en los cuatro (04) mapas de
temperatura obtenidos. Estas islas fueron
organizadas en diez (10) zonas de evaluación
donde se agrupa zonas de interés a evaluar
con detalle.
En la Zona A (norte de Lima
metropolitana), Zona D (oeste de la Av.
Argentina), Zona E (centro histórico de Lima
y la zona industrial de Santa Anita), Zona H
(Zona sur de Lima metropolitana, alrededor
de la zona industrial de Lurín) y Zona I
(Base Aérea Las Palmas) se observaron
islas de calor discontinuas durante los cuatro
(04) periodos evaluados, evidenciándose
su extensión e intensidad variable. Sin
embargo, en la Zona B (Panamericana
Norte) se presentaron islas de calor en tres
(03) de las cuatro (04) fechas evaluadas.
Paralelamente, en la Zona F (alrededor de
la zona este del río Rímac), Zona G (Zona
oeste de la ciudad en los distritos de San
Isidro, San Miguel, Magdalena, Barranco,
Miraores, Surquillo, Santiago de Surco y
San Borja) y Zona J (Los Pantanos de Villa)
hubo evidencia de islas de frío de extensión
e intensidad variable, durante las cuatro (04)
fechas evaluadas.
En la Tabla 2, se presentan las posibles
causas que habrían generado dichas islas de
frío o calor en el área estudiada.
Análisis de la relación de la isla de calor urbano con factores demográcos, espaciales y ambientales de Lima
metropolitana usando sensores remotos
66
Enero - Junio 2019
Figura 2: Intensidad de isla de calor urbano detectada el 25 de diciembre de 2013 en el área
de estudio y en las diez (10) zonas de evaluación
67
Menacho, E.; Teruya, S. / Anales Cientícos 80 (1): 60- 75 (2019)
Enero - Junio 2019
Figura 3: Intensidad de isla de calor urbano detectada el 11 de febrero de 2014 en el área de
estudio y en las diez (10) zonas de evaluación
Análisis de la relación de la isla de calor urbano con factores demográcos, espaciales y ambientales de Lima
metropolitana usando sensores remotos
68
Enero - Junio 2019
Figura 4: Intensidad de isla de calor urbano detectada el 16 de abril de 2014 en el área de
estudio y en las diez (10) zonas de evaluación
69
Menacho, E.; Teruya, S. / Anales Cientícos 80 (1): 60- 75 (2019)
Enero - Junio 2019
Figura 5: Intensidad de isla de calor urbano detectada el 29 de enero de 2015 en el área de
estudio y en las diez (10) zonas de evaluación
Análisis de la relación de la isla de calor urbano con factores demográcos, espaciales y ambientales de Lima
metropolitana usando sensores remotos
70
Enero - Junio 2019
Tabla 2: Zonas de evaluación encontradas
Posible causa Fuente
Zona A. Norte de Lima metropolitana
• Presencia predominante de la supercie suelo desnudo, el cual, por su alta capacidad
térmica, absorbe y emite gran cantidad de energía.
• Liu y Liu (2012) y EPA
(2005)
Zona B. Panamericana Norte
• Alto tránsito de vehículos, los cuales emiten gases de combustión y de efecto
invernadero. Se debe tener en cuenta que la hora a la que pasa el satélite es a las 10:00
horas aprox. Esta hora se caracteriza por presentar alta congestión vehicular en la zona.
• Baja cantidad de vegetación en el área, la cual tiene un efecto enfriador por su bajo
albedo y baja capacidad térmica.
• EPA (2009) y Louiza et
al. (2015)
• Lin y Yuanzhi, (2011) y
Do Santos et al. (2013)
Zona C. Aeropuerto Jorge Chávez
• El área de aterrizaje es la zona más amplia de este aeropuerto, la cual es una supercie
de asfalto con alta capacidad térmica y por lo tanto absorbe y emite gran cantidad de
energía.
• EPA (2005)
Zona D. Oeste de la Av. Argentina
• Alto tránsito vehicular, alta densidad de zonas edicadas o baja densidad de áreas
vegetales que favorecen la presencia de las islas de calor urbano.
• Esta zona es un área industrial en donde se concentra gran cantidad de fábricas, las
cuales generan gases de combustión que podrían estar aumentando la temperatura.
• EPA (2009) y Louiza et
al. (2015)
• EPA (2009)
Zona E. Centro histórico de Lima y la zona industrial de Santa Anita
• Alto tránsito vehicular, alta densidad de edicaciones, baja densidad de vegetación o
alta concentración de fábricas en la zona (similar a la Zona D).
• EPA (2009) y Louiza et
al. (2015)
Zona F. Alrededor de la zona este del río Rímac
• La presencia del cuerpo de agua tiene un factor enfriador (debido al bajo albedo y
baja capacidad térmica).
• Alrededor del río se encuentran zonas de cultivo que también tienen el efecto de
disminuir la temperatura de la supercie del suelo (por el bajo albedo y baja capacidad
térmica).
• Barros (2010)
• Lin y Yuanzhi, (2011) y
Dos Santos et al. (2013)
Zona G. Zona oeste de la ciudad en los distritos de San Isidro, San Miguel, Magdalena, Barranco, Miraores,
Surquillo, Santiago de Surco y San Borja
• La cercanía al mar puede ser un factor de enfriamiento por la brisa marina.
• La alta densidad de áreas verdes (parques y jardines) también tiene un efecto enfriador.
• Barros (2010)
• Lin y Yuanzhi (2011) y
Dos Santos et al. (2013)
Zona H. Zona sur de Lima metropolitana, alrededor de la zona industrial de Lurín
• La alta densidad de fábricas que producen gases de combustión, favoreciendo la
presencia de la ICU.
• La presencia predominante del suelo desnudo el cual tiene alto albedo y alta capacidad
térmica.
• La baja densidad de áreas vegetales en esta zona favorece la presencia de la ICU.
• EPA (2009)
• Liu y Liu (2012) y EPA
(2005)
• Lin y Yuanzhi (2011)
y Dos Santos et al.
(2013)
Zona I. Base Aérea Las Palmas
• La presencia predominante del asfalto. La característica de este material es tener una
alta capacidad térmica y por lo tanto podría retener y emitir energía (similar a la Zona
C).
• EPA (2005)
Zona J. Los Pantanos de Villa
• La presencia del humedal Los Pantanos de Villa el cual, por ser un cuerpo de agua,
tiene un efecto enfriador debido a la baja capacidad térmica del agua.
• La vegetación presente en el humedal también tiene un efecto enfriador debido al alto
albedo y capacidad térmica.
• Barros (2013)
• Lin y Yuanzhi (2011)
y Dos Santos et al.
(2013)
71
Menacho, E.; Teruya, S. / Anales Cientícos 80 (1): 60- 75 (2019)
Enero - Junio 2019
Si bien para cada zona de evaluación se
propusieron posibles factores antropogénicos
que ocasionaron las islas de calor o de frío,
cabe mencionar que la variación entre los
resultados de temperatura de supercie del
suelo (por tanto, la variación de la intensidad
de isla de calor urbano) entre un día y otro,
puede ser producto de variaciones en las
condiciones naturales como la radiación,
la temperatura atmosférica y la velocidad
del viento. En segundo plano, la variación
puede haber sido ocasionada por factores
antropogénicos como la diferencia del ujo
de automóviles para cada día evaluado.
No se incluye la presencia de nubosidad
dentro de los posibles factores naturales que
podrían haber inuenciado la presencia de
las islas de calor o de frío porque en esta
investigación se trabajó con días despejados
.
Relación entre intensidad de la isla de
calor y la elevación
Una vez que se recopilaron los datos de
elevación, distancia a cuerpos de agua,
densidad poblacional, índice de vegetación
de diferencia normalizada (NDVI), índice
de edicación de diferencia normalizada
(NDBI) y uso del suelo, se prosiguió a
realizar la prueba de regresión estadística
entre la intensidad de ICU (ºC) y las
variables mencionadas para las cuatro (04)
fechas evaluadas (Tabla 3).
Tabla 3: Resultados de la relación estadística para la intensidad de ICU y parámetros
espaciales y demográcos
25/12/13 11/2/14 16/4/14 29/1/15
Elevación
(m s.n.m.)
R: 0,057
R
2
: 0,33%
m: 0,000972
p: 0,001
R: 0,211
R
2
: 4,47%
m: 0,005674
p< 0,001
R: 0,218
R
2
: 4,76%
m: 0,002934
p< 0,001
R: -0,066
R
2
: 0,44%
m: -0,000825
p< 0,001
Distancia de los cuerpos de
agua (m)
R: 0,191
R
2
: 3,64%
m: 0,000202
p< 0,001
R: 0,219
R
2
: 4,81%
m: 0,000427
p< 0,001
R: 0,193
R
2
: 3,71%
m: 0,000189
p< 0,001
R: 0,209
R
2
: 4,35%
m: 0,000189
p< 0,001
Densidad urbana (hab./km
2
)
R: -0,191
R
2
: 3,57%
m: -0,000082
p< 0,001
R: -0,195
R
2
: 3,79%
m: -0,000156
p< 0,001
R: -0,249
R
2
: 6,22%
m: -0,000097
p< 0,001
R: 0,014
R
2
: 0,02%
m: 0,000005
p: 0,432 (n.s.)
NDVI
R: -0,446
R
2
: 19,88%
m: -10,758
p< 0,001
R: -0,187
R
2
: 3,50%
m: -7,578
p< 0,001
R: -0,445
R
2
: 19,76%
m: -10,481
p< 0,001
R: -0,511
R
2
: 26,16%
m: -9,954
p< 0,001
NDBI
R: 0,531
R
2
: 28,23%
m: 18,280
p< 0,001
R: 0,395
R
2
: 15,63%
m: 24,489
p< 0,001
R: 0,581
R
2
: 33,77%
m: 19,165
p< 0,001
R: 0,639
R
2
: 40,89%
m: 17,852
p< 0,001
Uso de suelo
R: 0,384
R
2
: 14,75%
m: 1,5037
p< 0,001
R: 0,246
R
2
: 6,05%
m: 1,833
p< 0,001
R: 0,441
R
2
: 19,41%
m: 1,6278
p< 0,001
R: 0,425
R
2
: 18,03%
m: 1,4464
p< 0,001
R: Coeciente de correlación de Pearson (-1 a +1).
R
2
: Coeciente de determinación (0% a 100%).
m: Pendiente de la relación estadística.
p: P - valor para la pendiente (con una signicancia de 0,05).
(n.s.): No signicativo para una signicancia de 0,05.
Análisis de la relación de la isla de calor urbano con factores demográcos, espaciales y ambientales de Lima
metropolitana usando sensores remotos
72
Enero - Junio 2019
La relación entre la elevación y la intensidad
de la ICU es estadísticamente signicativa
y ligeramente positiva para las fechas de 25
de diciembre de 2013, 11 de febrero y 16
de abril de 2014. Lo que implica que para
estas tres (03) fechas a mayor elevación se
obtuvieron mayores valores de intensidad de
la ICU.
Además, la relación entre la distancia
de los cuerpos de agua y la intensidad de
la ICU es estadísticamente signicativa
y ligeramente positiva para los cuatro
(04) días evaluados. Lo cual implica que
a mayor distancia de los cuerpos de agua
habrá mayor intensidad de la ICU, de esta
manera se conrma el efecto enfriador de los
cuerpos de agua, al igual que lo reportado
por el estudio de Dos Santos et al. (2013).
Paralelamente, la densidad urbana y la
intensidad de la ICU tienen una relación
estadísticamente signicativa y ligeramente
negativa (con excepción de la relación entre
estas variables medidas para el día 29 de
enero de 2015, cuando la correlación es no
signicativa). Este resultado se comporta
de manera diferente a lo esperado según
señala Dos Santos et al. (2013), en esta
investigación se determinó que a mayor
densidad urbana hay mayores niveles de
temperatura de brillo. Esta diferencia entre
los resultados y la bibliografía consultada
puede ser debido a que la densidad urbana
se ha manejado como una característica que
es homogénea a lo largo de cada distrito, sin
embargo, esta característica no se comporta
así en la realidad. Esto podría haber
llevado a cometer errores que nalmente
se ven reejados en relaciones estadísticas
negativas.
A su vez, la asociación entre el NDVI y
la intensidad de la ICU tiene una relación
estadísticamente signicativa y fuertemente
negativa. Lo que implica que en zonas con
más vegetación y con vegetación más sana,
se tienen valores de temperatura más bajos.
Este resultado es similar a lo encontrado por
Lin y Yuanzhi (2011) y Dos Santos et al.
(2013).
De la misma manera, el NDBI y la
intensidad de la ICU tienen una asociación
estadísticamente signicativa y fuertemente
positiva. Por lo cual, se asume que en zonas
más edicadas y densamente construidas,
se espera mayor temperatura, como lo
encontraron Lin y Yuanzhi (2011) y Dos
Santos et al. (2013).
La relación entre el uso del suelo y la
intensidad de la ICU es estadísticamente
signicativa y fuertemente positiva, por
lo tanto, se puede armar que la menor
temperatura se encontrará en los campos de
cultivo, luego en los parques, los que tendrán
menor temperatura que las zonas urbanas y
estos últimos tendrán menor temperatura
que las áreas de suelo desnudo. Rajeshwari
y Mani (2014) encontraron resultados
similares (una relación positiva entre el uso
de suelo y la ICU).
Establecer relaciones de la intensidad de
la isla de calor y los contaminantes atmos-
féricos NO, NO
2
, SO
2
, O
3
y PM
10
.
Luego se buscó conocer la relación
estadística entre las concentraciones de los
contaminantes NO, NO
2
, SO
2
, O
3
y PM
10
(Tabla 4) y los valores de intensidad de ICU
para las fechas estudiadas en la ubicación de
las estaciones.
Con los datos de concentración de
contaminantes y los valores de intensidad
de ICU (ºC) se determinaron la correlación
(Coeciente de Correlación – R y Coeciente
de determinación– R
2
), la pendiente de la
relación estadística (m) y el P - valor de la
pendiente (Tabla 5).
Los P - valores para los modelos
de correlación entre los contaminantes
evaluados y la intensidad de ICU estudiada
es no signicativa (α = 0,05), por lo tanto, es
posible armar que no hay suciente evidencia
estadística para armar una asociación entre
las variables de contaminantes estudiados y
la intensidad de ICU, si bien se espera que a
mayor concentración de los gases de efecto
invernadero haya una mayor intensidad
de ICU (EPA, 2009). Además, a mayor
concentración de SO
2
y NOx hubo mayores
valores de la temperatura de supercie
del suelo (Weng y Yang, 2006). En esta
investigación se obtuvieron resultados que
contradicen lo encontrado en la bibliografía,
lo cual puede deberse a la baja cantidad de
puntos analizados en esta evaluación, puesto
que, para las cuatro (04) fechas evaluadas y
nueve (09) estaciones de calidad ambiental,
no se reportaron valores de concentración
para todas las fechas y estaciones.
73
Menacho, E.; Teruya, S. / Anales Cientícos 80 (1): 60- 75 (2019)
Enero - Junio 2019
Tabla 4: Concentración de contaminantes reportados por el Senamhi
Estación Parámetro 25/12/2013-10:00 a.m. 11/02/2014-10:00 a.m. 16/04/2014-10:00 a.m. 29/01/2015-10:00 a.m.
Ate
NO (ppb) 24,2 64,6 49,3 -
NO
2
(ppb) 7,2 30,1 45,5 -
SO
2
(ppb) - - - -
O
3
(ppb) - 2,9 - -
PM
10
(µg/m³) 71,0 251,4 309,6 251,5
San Borja
NO (ppb) - 47,9 56,4 -
NO
2
(ppb) - 13,1 14,9 -
SO
2
(ppb) - - - -
O
3
(ppb) - 5,7 4,9 -
PM
10
(µg/m³) 34,4 62,0 47,4 25,9
Santa Anita
NO (ppb) - - - -
NO
2
(ppb) - - - -
SO
2
(ppb) - - - -
O
3
(ppb) - - 7,8 -
PM
10
(µg/m³) - - 145,7 139,6
San Juan De
Lurigancho
NO (ppb) - - - -
NO
2
(ppb) - - - -
SO
2
(ppb) - - - -
O
3
(ppb) - - - -
PM
10
(µg/m³) - - 231,2 115,5
Carabayllo
NO (ppb) - - - -
NO
2
(ppb) - - - -
SO
2
(ppb) - - - -
O
3
(ppb) - - - -
PM
10
(µg/m³) - - 184,8 152,1
San MartÍN De
Porres
NO (ppb) - - - -
NO
2
(ppb) - - - -
SO
2
(ppb) - - - -
O
3
(ppb) - - - -
PM
10
(µg/m³) - - 95,7 -
Puente Piedra
NO (ppb) - - - -
NO
2
(ppb) - - - -
SO
2
(ppb) - - - -
O
3
(ppb) - - - -
PM
10
(µg/m³) - - 214,9 123,0
Villa MarÍA
Del Triunfo
NO (ppb) 12,3 - - -
NO
2
(ppb) 10,3 - - -
SO
2
(ppb) - - - -
O
3
(ppb) - - - -
PM
10
(µg/m³) 72,1 - 134,9 190,6
Campo De
Marte
NO (ppb) 4,8 7,7 - -
NO
2
(ppb) 3,7 4,5 - -
SO
2
(ppb) - - - -
O
3
(ppb) - 2,8 - -
PM
10
(µg/m³) 17,5 77,5 74,1 59,7
( - ) Valor no reportado por Senamhi.
Análisis de la relación de la isla de calor urbano con factores demográcos, espaciales y ambientales de Lima
metropolitana usando sensores remotos
74
Enero - Junio 2019
Tabla 5: Resultados de la relación para la
intensidad de ICU en las fechas estudiadas
y contaminantes
Intensidad de ICU (°C)
NO
R: 0,528
R
2
: 27,88%
m: 0,0459
p: 0,179 (n.s.)
NO
2
R: 0,296
R
2
: 8,79%
m: 0,0424
p: 0,476 (n.s.)
SO
2
*
O
3
R: 0,174
R
2
: 3,02%
m: 0,154
p: 0,780 (n.s.)
PM
10
R: 0,382
R
2
: 14,62%
m: 0,00779
p: 0,065 (n.s.)
R: Coeciente de correlación de Pearson (-1 a +1).
R
2
: Coeciente de determinación (0% – 100%).
m: Pendiente de la relación estadística.
p: P - valor para la pendiente (con una signicancia de
0,05)
(n.s.): No signicativo.
* No se han obtenido resultados porque hay menos de
tres pares de puntos.
4. Conclusiones
Se han identicado cualitativamente diez
(10) zonas de evaluación en la zona de
estudio y para las fechas evaluadas. Estas
zonas presentan islas de calor y/o de frío que,
en su mayoría, son de extensión y ubicación
variable y no todas fueron permanentes
durante los cuatro (04) días evaluados.
Se determinó que hay relaciones
estadísticamente signicativas entre la
intensidad de la isla de calor urbano (IICU)
y la elevación, la distancia de los cuerpos
de agua, la densidad urbana, el índice
de vegetación de diferencia normalizada
(NDVI), el índice de edicación de
diferencia normalizada (NDBI) y el uso de
suelo. Se obtuvo que hay una leve relación
positiva entre la elevación y la IICU
(menos el 29 de enero de 2015) así como
también una leve relación positiva entre la
distancia a los cuerpos de agua y la IICU,
también se determinó que hay una relación
negativa entre la densidad urbana y la IICU
(las relaciones fueron estadísticamente
signicativa para todos los días evaluados,
menos el 29 de enero de 2015), por otro lado
hay una relación fuertemente negativa entre
el NDVI y la IICU, además hay una relación
fuertemente positiva entre el NDBI y la
IICU y, nalmente, hay una relación positiva
con el uso de suelo (campos de cultivo,
parques, suelo desnudo y zona edicada,
en ese orden) y la IICU. Los coecientes
de correlación (R) más resaltantes fueron
R=0,639 para la relación entre NDBI y la
IICU del 29 de enero de 2015 y R=0,441
para la relación entre el uso de suelo y la
IICU del 16 de abril de 2014.
Con los datos de contaminantes atmosféricos
obtenidos se ha determinado que no hay
una relación estadística entre la IICU y los
contaminantes NO, NO
2
, O
3
y PM
10
. Los
P – valores obtenidos para los modelos de
correlación realizados entre estas variables
varían entre 0,780 y 0,065, valores mayores
a 0,05 (α=0,05). Por lo tanto, con una
signicancia de 0,05, se puede decir que las
relaciones no son signicativas.
5. Literatura citada
Barros, P. 2010. Modicaciones térmicas
en la ciudad de Lima: Análisis de la
presencia de Isla de Calor Urbano.
Tesis de pregrado, Universidad
Nacional Agraria La Molina, Lima,
Perú.
EPA [United States Environmental
Protection Agency]. 2005. Reducing
Urban Heat Islands: Compendium of
Strategies - Cool Pavements.
EPA [United States Environmental
Protection Agency]. 2009. Reducing
Urban Heat Islands: Compendium of
Strategies - Urban Heat Island Basics.
INEI [Instituto Nacional de Estadística e
Informática]. 2014. Una Mirada a
Lima Metropolitana. INEI, Lima,
Perú.
Jiménez-Muñoz, J.C.; Cristóbal, J.;
Sobrino, J.A.; Soria, G.; Ninyerola,
M.; Pons, X. 2009. Revision of the
Single-Channel Algorithm for Land
Surface Temperature Retrieval from
Landsat Thermal-Infrared Data.
IEEE Transaction on Geoscience and
Remote Sensing 47(1): 339- 349.
Jiménez-Muñoz, J.C.; Sobrino, J.A.;
75
Menacho, E.; Teruya, S. / Anales Cientícos 80 (1): 60- 75 (2019)
Enero - Junio 2019
Skokovi´c, D.; Mattar, C.; Cristóbal,
J. 2014. Land Surface Temperature
Retrieval Methods from Landsat-8
Thermal Infrared Sensor Data. IEEE
Geoscience and Remote Sensing
Letters 11(10): 1840-1843.
Lin, L.; Yuanzhi, Z. 2011. Urban Heat Island
Analysis Using the Landsat TM Data
and ASTER Data: A Case Study in
Hong Kong. Remote Sensing: 1535-
1552. doi:10.3390/rs3071535.
Liu, H.; Liu, Q. 2012. The Urban Heat
Islands Analysis: Factors of Building
Surface, Green Area and Lighting.
Tesis de maestría. 38 p.
Louiza, H.; Zéroual, A.; Djamel, H. 2015.
Impact of the Transport in the Urba
Heat Island. International Journal for
Trac and Transport Engineering.
doi: http://dx.doi.org/10.7708/
ijtte.2015.5(3).03
Maggee, N.; Curtis, J.; Wendler, G. 1999.
The Urban Heat Island Eect at
Fairbanks, Alaska. Theoretical and
Applied Climatology 64(1/2): 39-47.
Oke, T.R. 1976. The distinction between
canopy and boundary‐layer urban
heat islands. Atmosphere, 268-277.
Disponible en http://dx.doi.org/10.10
80/00046973.1976.9648422
Oke, T.R. 1987. Boundery Layer Climates. 2
a
Edición. Editorial Taylor & Francis.
Rajeshwari, A.; Mani, N.D. 2014. Estimation
of Land Surface Temperature of
Dindigul District using Landsat
8 Data. International Journal of
Research in Engineering and
Technology 03(05): 268-277.
Remote Sensing Sistems. (s.f.). Atmosferic
water vapor. Disponible en http://
www.remss.com/measurements/
atmospheric-water-vapor
Rizwan, A.M.; Dennis, Y.C.; Liu, C.
2008. A review on the generation,
determination and mitigation of
Urban Heat Island. Journal of
Environmental Sciences: 120-128.
USGS. 2015. Landsat 8 (L8) Data Users
Handbook. Versión 1.0. Disponible en
https://landsat.usgs.gov/documents/
andsat8DataUsersHandbook.pdf
Santos, F.B. dos; Gomes, H.B.; Silva
Azevedo, C.D. da. 2013. Análise
da Formação de Ilhas de Calor em
Fortaleza-CE por meio de imagens
de satélite. Anais XVI Simpósio
Brasileiro de Sensoriamento Remoto.
Skoković, D.; Sobrino, J.A.; Jiménez-
Muñoz, J.C.; Sòria, G.; Julien,
Y.; Mattar, C.; Cristóbal, J. 2014.
Calibration and Validation of land
surface temperature for Landsat8-
TIRS sensor.
Sobrino, J.A.; Jiménez-Muñoz, J.C.; Paolini,
L. 2004. Land surface temperature
retrieval from LANDSAT TM 5.
Remote Sensing of Environment
90(2004), pp. 434–440.
Weng, Q.; Yang, S. 2006. Urban air pollution
patterns, land use, and thermal
landscape: an examination of the
linkage using GIS. Enviromental
Monitoring and Assessmente:
463-489. doi:10.1016/j.
rsjprs.2009.03.007.
Xiaolei, Y.; Xulin, G.; Zhaocong, W.
2014. Land Surface Temperature
Retrieval from Landsat 8 TIRS—
Comparison between Radiative
Transfer Equation-Based Method,
Split Window Algorithm and Single
Channel Method. Remote sensing:
9829-9852. doi:10.3390/rs6109829.