Impacto del Cambio Climático en la Temperatura de las Grandes Aglomeraciones Urbanas del Mundo
DOI:
https://doi.org/10.17398/3101-7177.2.236Palabras clave:
LST, SUHI, Cambio Climático, Predicción Térmica, TESResumen
El cambio climático representa uno de los desafíos más críticos del siglo XXI, manifestándose con severidad en las grandes aglomeraciones urbanas mediante la alteración del balance energético superficial. Este estudio investiga cómo el calentamiento global amplifica las anomalías térmicas en las ciudades, centrándose en la cuantificación y evolución del fenómeno de la Isla de Calor Urbano Superficial (SUHI) a escala global utilizando sensores MODIS (Terra y Aqua). La metodología se basa en la recuperación de la Temperatura de la Superficie Terrestre (LST) mediante el algoritmo UVEG-TES. Este enfoque físico procesa radiancias de Nivel 1B e integra perfiles atmosféricos de reanálisis ERA5 con el modelo RTTOV. La base de datos generada (Nivel 2 UVEG) permite desacoplar la emisividad de la temperatura en entornos complejos, sirviendo de referencia para validar los productos estándar MOD21/MYD21 y garantizando una precisión contrastada con estaciones in situ. El análisis del impacto climático se realiza mediante productos de Nivel 3 (L3) derivados de la serie UVEG. Se aplica una delimitación dinámica de áreas urbanas y rurales (triangulación de Voronoi) para calcular la intensidad del SUHI. Asimismo, se analizan indicadores de degradación térmica como el Urban Thermal Field Variance Index (UTFVI), el Discomfort Index (DI) y la identificación de Hotspots mediante umbrales estadísticos. Los resultados en 56 metrópolis globales evidencian una tendencia creciente en las temperaturas y una intensificación del estrés térmico, vinculando la expansión urbana con la exacerbación del cambio climático local. Finalmente, la consistencia de la serie temporal generada permite no solo estimar la evolución histórica del SUHI, sino también establecer bases robustas para la predicción de futuras olas de calor, proporcionando una herramienta esencial para el diseño de estrategias de adaptación en las aglomeraciones urbanas más vulnerables.
Descargas
Referencias
Gillespie, A. and Rokugawa, S. and Matsunaga, T. and Cothern, J. S. and Hook, S. and Kahle, A. B. (1998).
A temperature and emissivity separation algorithm for ASTER images. IEEE Transactions on Geoscience and Remote Sensing, (36). https://doi.org/10.1109/36.700995
Guillevic, P. C., Göttsche, F.-M., Nickeson, J., Hulley, G., Ghent, D., Yu, Y., Trigo, I. F., Hook, S., Sobrino, J. A., Remedios, J., Román, M., & Camacho, F. (2018). Land Surface Temperature Product Validation Best Practice Protocol (v1.1, Best Practice for Satellite-Derived Land Product Validation). CEOS WGCV Land Product Validation (LPV) Subgroup. https://doi.org/10.5067/doc/ceoswgcv/lpv/lst.001
Gold, C. M., Remmele, P. R., & Roos, T. (1997). Voronoi Methods in GIS. In M. van Kreveld, J. Nievergelt, T. Roos, & P. Widmayer (Eds.), Algorithmic Foundations of Geographic Information Systems (Vol. 1340, pp. 21–35). Springer, Berlin, Heidelberg. https://doi.org/10.1007/3-540-63818-0_2
IPCC. (2021). Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press. https://doi.org/10.1017/9781009157896
Koetz, B., Bastiaanssen, W. G. M., Berger, M., Defourny, P., & others. (2018). High Spatio-Temporal Resolution Land Surface Temperature Mission a Copernicus Candidate Mission in Support of Agricultural Monitoring. IGARSS 2018 - 2018 IEEE International Geoscience and Remote Sensing Symposium, 4078–4081. https://doi.org/10.1109/IGARSS.2018.8517433
Sobrino, J. A., Jiménez-Muñoz, J. C., & Paolini, L. (2008). Split-Window Coefficients for Land Surface Temperature Retrieval from Low-Resolution Thermal Infrared Sensors. IEEE Geoscience and Remote Sensing Letters, 5(4), 806–809. https://api.semanticscholar.org/CorpusID:12347129
Sobrino, J. A., & Irakulis, I. (2020). A Methodology for Comparing the SUHI in Selected Urban Agglomerations Around the World from Sentinel-3 SLSTR Data. Remote Sensing, 12(12), 2052. https://doi.org/10.3390/rs12122052
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Daniel Salinas González, José Antonio Sobrino, Ángel Balaguer Beser, Skokovic Drazen (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Todo el contenido disponible en el Portal de Revistas-UEx se distribuye bajo una licencia Creative Commons: Atribución 4.0 Internacional (CC BY 4.0)
