🤖 machine learning

Spatially-constrained clustering of geospatial features for heat vulnerability assessment of favelas in Rio de Janeiro

Este artigo apresenta uma estrutura baseada em dados que utiliza agrupamento espacialmente restrito e análise da temperatura da superfície terrestre para identificar tipologias distintas de favelas no Rio de Janeiro, revelando que a morfologia do assentamento influencia significativamente a vulnerabilidade ao calor, com comunidades em terreno plano experimentando uma exposição 2–3°C maior do que aquelas em encostas vegetadas.

Autores originais: Baptiste Clemence, Thomas Hallopeau, Vanderlei Pascoal De Matos, Laurent Demagistri, Joris Guerin

Publicado 2026-04-30

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: Baptiste Clemence, Thomas Hallopeau, Vanderlei Pascoal De Matos, Laurent Demagistri, Joris Guerin

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine o Rio de Janeiro como um quebra-cabeça gigante e vivo, composto por milhares de pequenas peças chamadas "favelas" (assentamentos informais). Embora, à distância, todas pareçam bairros densamente povoados, este artigo argumenta que elas são, na verdade, formadas por dois "tipos" muito diferentes de peças de quebra-cabeça, e esses tipos reagem ao calor extremo de maneiras completamente opostas.

Aqui está a história de como os pesquisadores descobriram isso, usando analogias simples:

1. O Problema: Um Tamanho Não Serve para Todos

Pense em todas as favelas do Rio como um grande saco de bolinhas de gude misturadas. Por muito tempo, planejadores e autoridades de saúde as trataram todas como a mesma coisa. Mas, assim como uma bolinha de gude vermelha e uma azul rolam de forma diferente, esses assentamentos têm formas, histórias e layouts distintos. Os pesquisadores queriam parar de tratá-los como um único "bloco" e, em vez disso, classificá-los em grupos específicos para ver quais se tornam perigosamente quentes.

2. A Ferramenta: Um "Classificador Inteligente"

A equipe não apenas chutou; eles construíram um "classificador inteligente" digital (um algoritmo de computador chamado COP-KMeans).

Os Ingredientes: Eles forneceram ao computador uma ficha de receita para cada quadrado de 150 metros da cidade. Os ingredientes incluíam:
- Fotos de satélite (para ver quanto de grama verde ou árvores havia ali).
- Mapas topográficos (para ver se o terreno era plano ou uma ladeira íngreme).
- Mapas de ruas (para ver quantas ruas conectavam as casas).
A Regra: O classificador tinha uma regra de ouro: "Se dois quadrados pertencem à mesma favela, eles devem permanecer no mesmo grupo." Isso garantiu que o computador não dividisse acidentalmente um bairro em duas categorias diferentes.

3. A Descoberta: Duas Famílias Distintas

O classificador separou as favelas em duas famílias distintas, que os pesquisadores nomearam Cluster 0 e Cluster 1.

Cluster 0: A Família "Plana, Nova e Conectada"
- Onde vivem: Majoritariamente em terrenos planos, frequentemente nas partes ocidentais da cidade.
- Como são: Pense em um estacionamento plano e movimentado que foi preenchido com casas. Eles têm muitas estradas conectando tudo (alta conectividade) e muito poucas árvores. São assentamentos mais recentes.
- A Vibe: Organizada, mas pesada em concreto.
Cluster 1: A Família "Íngreme, Velha e Verde"
- Onde vivem: Majoritariamente em encostas íngremes, frequentemente no centro da cidade.
- Como são: Pense em um jardim construído em uma montanha. São mais antigos, têm muito poucas estradas (difíceis de circular) e estão cobertos por mais vegetação.
- A Vibe: Histórica, acidentada e mais verde.

4. O Teste de Calor: Quem Fica Assado?

Os pesquisadores então jogaram um "jogo de calor". Eles observaram 16 dias diferentes em que a cidade estava escaldante (acima de 40°C / 104°F). Eles perguntaram: Qual grupo fica mais quente?

O Resultado:

Cluster 0 (Os Planos) ficou 2 a 3 graus Celsius mais quente que o Cluster 1.
Por quê? Imagine o Cluster 0 como uma estrada de asfalto preta em um dia ensolarado. O concreto e o solo nu absorvem o sol como uma esponja e retêm o calor.
Cluster 1 (Os de Encosta) permaneceu mais fresco. Imagine-os como um caminho de floresta sombreado. As árvores e plantas atuam como ar-condicionados naturais, fornecendo sombra e liberando umidade para resfriar o ar.

5. Por Que Isso Importa

O artigo conclui que não se pode tratar todos os assentamentos informais da mesma maneira quando se trata de calor.

Se você está tentando manter as pessoas frescas no Cluster 0, precisa combater o concreto (talvez adicionando mais áreas verdes ou materiais melhores).
Se você está olhando para o Cluster 1, a encosta natural e as árvores já estão fazendo parte do trabalho pesado, embora a falta de estradas apresente outros desafios.

Em resumo: Os pesquisadores usaram um classificador inteligente de computador para provar que favelas planas e pesadas em concreto são como fornos, enquanto favelas íngremes, verdes e de encosta são como jardins sombreados. Conhecer essa diferença ajuda os planejadores urbanos a descobrir exatamente onde focar seus esforços para proteger as pessoas de ondas de calor perigosas.

1. Declaração do Problema

Assentamentos informais (favelas) abrigam mais de um bilhão de pessoas globalmente e enfrentam exposição desproporcional a riscos à saúde relacionados ao clima, particularmente calor extremo. Embora esses assentamentos sejam caracterizados por alta densidade, habitação precária e espaço verde limitado, as metodologias existentes carecem de uma abordagem sistemática e multivariada para vincular características específicas de assentamento geoespacial com resultados de saúde ambiental (especificamente Temperatura da Superfície Terrestre ou LST). Há uma necessidade crítica de entender como a morfologia física de diferentes tipos de favela influencia a exposição ao calor para permitir planejamento urbano direcionado e intervenções de saúde pública.

2. Metodologia

Os autores desenvolveram uma estrutura baseada em dados combinando agrupamento espacialmente constrained com análise de sensoriamento remoto para avaliar a vulnerabilidade ao calor no Rio de Janeiro.

Área de Estudo e Fontes de Dados:
- Limites: Limites de referência de favelas do Instituto Pereira Passos (IPP, 2022) cobrindo a área metropolitana do Rio.
- Sistema de Grade: Uma grade espacial de 150 metros foi gerada sobre a área de estudo. Apenas células com cobertura de favela $\ge$ 70% foram mantidas.
- Variáveis: O estudo utilizou um conjunto de descritores geoespaciais (Tabela 1 no artigo):
  - Vegetação: NDVI (Índice de Vegetação por Diferença Normalizada) e Entropia (diversidade textural) de imagens Sentinel-2.
  - Topografia: Inclinação e Convexidade do DEM GLO-30.
  - Infraestrutura: Métricas da rede viária (nós, comprimento total, conectividade min/máx/média) do OpenStreetMap (OSM).
- Pré-processamento: Polígonos separados por menos de 20 metros foram mesclados para formar "complexos de favela" para garantir continuidade. As variáveis foram agregadas espacialmente e normalizadas.
Algoritmo de Agrupamento (COP-KMeans):
- Para garantir que células pertencentes à mesma favela (ou complexo) sejam atribuídas ao mesmo cluster, os autores empregaram COP-KMeans (K-Means Constrained).
- Restrições: Restrições de "must-link" (ligação obrigatória) foram aplicadas com base em identificadores únicos de favela. Isso impede que o algoritmo divida um único assentamento entre clusters diferentes, preservando a continuidade do tecido urbano.
- Seleção de Cluster: O número de clusters ( $k$ ) foi determinado como 2 usando a técnica do Cotovelo e análise do coeficiente de Silhueta.
Análise de Vulnerabilidade ao Calor:
- Dados LST: Extraídos das bandas térmicas (ST_B10) do Landsat 8 e 9 (Coleção 2, Nível-2).
- Seleção de Eventos: De 40 imagens da estação quente (2014–2025), apenas 16 datas com condições de céu limpo e uma LST mediana da imagem $\ge$ 40°C foram selecionadas para representar eventos de calor extremo.
- Análise: As distribuições de LST foram comparadas entre os dois clusters identificados ao longo desses 16 eventos.

3. Resultados Principais

Tipologia de Favelas (Dois Clusters Distintos):
- Cluster 0 (Terreno Plano, Recente): Localizado principalmente na parte ocidental da cidade. Caracterizado por terreno plano (inclinação mediana ~2°), alta densidade viária (mediana 1100m/célula) e alta conectividade. Estes representam assentamentos mais recentes e organizados.
- Cluster 1 (Encosta, Histórico): Concentrado no centro da cidade (parte oriental). Caracterizado por encostas íngremes (inclinação mediana ~17°), baixa densidade viária (mediana 400m/célula) e baixa conectividade. Estes representam assentamentos históricos estabelecidos em encostas vegetadas.
Diferenças na Exposição ao Calor:
- Diferença de Temperatura: O Cluster 0 (terreno plano) exibiu consistentemente 2°C a 3°C mais altos nas Temperaturas da Superfície Terrestre do que o Cluster 1 em todos os 16 eventos de calor extremo.
- Distribuição: Embora as distribuições se sobreponham, 75% dos pixels de temperatura no Cluster 1 permaneceram mais frios que a temperatura mediana do Cluster 0.

4. Discussão e Interpretação

O estudo identifica uma ligação causal clara entre a morfologia do assentamento e o desempenho térmico:

Cluster 0 (Alta Vulnerabilidade): A prevalência de superfícies artificiais (edifícios, estradas) e solo nu em terreno plano leva à alta absorção de radiação solar e reemissão de calor, resultando em LSTs mais elevados.
Cluster 1 (Menor Vulnerabilidade): Apesar de serem mais antigos e menos conectados, esses assentamentos beneficiam-se de encostas vegetadas. A presença de vegetação proporciona resfriamento via evapotranspiração e sombreamento, reduzindo sistematicamente a absorção de calor em comparação com as áreas planas e construídas.

5. Significado e Contribuições

Inovação Metodológica: O artigo introduz uma estrutura replicável que combina agrupamento espacialmente constrained (COP-KMeans) com dados geoespaciais de múltiplas fontes. Esta abordagem supera a limitação de tratar assentamentos informais como um bloco monolítico, revelando heterogeneidade interna.
Relevância para Políticas: As descobertas demonstram que a vulnerabilidade ao calor não é uniforme em todas as favelas. O planejamento urbano e as intervenções de saúde pública devem ser diferenciados:
- Favelas de terreno plano requerem intervenções focadas no aumento da cobertura verde e na redução da retenção de calor de superfícies artificiais.
- Favelas baseadas em encostas podem exigir estratégias diferentes, potencialmente focando na conectividade da infraestrutura enquanto aproveitam a vegetação existente.
Escalabilidade: A estrutura foi projetada para ser escalável para outros contextos urbanos globais com assentamentos informais, auxiliando na identificação de populações vulneráveis ao calor para estratégias de adaptação climática direcionadas.

6. Limitações e Trabalhos Futuros

Resolução: A grade de 150m pode não capturar variações intra-favela em escala fina.
Escopo Temporal: O estudo foca na LST diurna; dados noturnos caracterizariam melhor a intensidade da Ilha de Calor Urbana (ICU).
Integração com Saúde: Trabalhos futuros visam vincular essas tipologias diretamente a dados epidemiológicos (por exemplo, taxas de mortalidade durante ondas de calor ou pandemias) para quantificar o impacto direto na saúde desses tipos de assentamento.