Urban Heat MiniCubes: An AI-Ready dataset for urban heat research

Resumo Técnico: Urban Heat MiniCubes

Declaração do Problema
A amplificação do calor urbano em ambientes construídos é uma questão crítica de saúde pública e justiça ambiental, embora o monitoramento do calor em nível de bairro ou rua permaneça um desafio. Embora a inteligência artificial (IA) ofereça potencial para o avanço da ciência do calor urbano, a aplicação da IA é dificultada pela complexidade de harmonizar dados de sensoriamento remoto multissensoriais. Os conjuntos de dados existentes frequentemente carecem de consistência em escalas espaciais e temporais, exigindo conhecimento especializado significativo e pré-processamento (por exemplo, reprojeção, reamostragem e alinhamento) antes que possam ser utilizados em fluxos de trabalho de aprendizado de máquina. Além disso, embora existam redes terrestres densas, elas são dispendiosas para implantar, e abordagens de sensor único via satélite lutam para equilibrar alta resolução espacial com alta frequência temporal ou capacidade para qualquer condição climática.

Metodologia
Os autores apresentam o "Urban Heat MiniCubes", um conjunto de dados disponível publicamente, que segue os princípios FAIR (Encontrável, Acessível, Interoperável, Reutilizável) e foi projetado para ser "pronto para IA" (AI-ready). O conjunto de dados abrange 48 cidades no Hemisfério Ocidental para os anos de 2022 e 2023.

• Fontes de Dados e Modalidades: O conjunto de dados integra quatro modalidades de satélite distintas em uma grade comum de 90 × 90 km para cada cidade:

  1. Landsat 8/9: Observações de alta resolução espacial (30 m) e menor frequência (revisita de 8 dias), incluindo reflectâncias de superfície de Nível 2 (Azul, Verde, Vermelho, NIR, SWIR1, SWIR2), Temperatura da Superfície Terrestre (LST) e uma Máscara de Nuvens.
  2. Sentinel-1: Dados de Radar de Abertura Sintética (SAR) (polarizações VV, VH, HH, HV e ângulo de incidência) reamostrados de 10 m para 30 m para alinhar com o Landsat.
  3. GOES-R (GOES-16, 17, 18): Observações geoestacionárias de alta frequência temporal (10 minutos) de temperaturas de brilho de Infravermelho de Ondas Longas (LWIR) (Bandas 13–16) com resolução de 2 km.
  4. LST de Micro-ondas (MW): Um produto que penetra nuvens, derivado de uma constelação de radiômetros de órbita terrestre baixa, reamostrado para 2 km para corresponder ao GOES.

• Fluxo de Trabalho de Processamento:

  • Definição de Grade: Grades de exportação de 3.000 × 3.000 pixels (aprox. 90 km) foram definidas para cada cidade. Onde uma única cena do Landsat não cobria a grade, as cenas foram mosaicadas sem interpolação para preservar os valores observados; pixels ausentes foram atribuídos como NaN.
  • Harmonização: Todos os dados foram projetados para coordenadas Universal Transverse Mercator (UTM). A reamostragem por vizinho mais próximo foi usada para alinhar os dados à grade de exportação para minimizar o suavizamento espacial.
  • Alinhamento Temporal: Cenas do Sentinel-1 foram selecionadas dentro de ±6 dias das aquisições do Landsat. Dados do GOES e MW foram interpolados para coincidir com os registros temporais do Landsat, com os dados de MW derivados via um modelo de Ciclo de Temperatura Diurna (DTC) ajustado às temperaturas de brilho.
  • Formato: Os dados são armazenados no formato NetCDF com convenções de metadados CF, incluindo arquivos de coordenadas separados para latitude e longitude.

Principais Contribuições

1. Conjunto de Dados Pronto para IA: A principal contribuição é um conjunto de dados pré-harmonizado que elimina a necessidade de os usuários realizarem etapas complexas de pré-processamento, como reprojeção e alinhamento espaço-temporal, reduzindo assim a barreira de entrada para aplicações de IA na pesquisa de calor urbano.
2. Integração Multimodal: O conjunto de dados combina de forma única dados ópticos/térmicos de alta resolução (Landsat), dados de radar para qualquer condição climática (Sentinel-1), dados térmicos de alta frequência (GOES) e dados de micro-ondas que penetram nuvens (MW LST) em um quadro único e consistente.
3. Validação Técnica: Os autores fornecem uma avaliação técnica rigorosa, incluindo:
   • Comparação Estatística: Análise de funções de densidade de probabilidade (PDF) entre a LST do Landsat e a Temperatura de Brilho (BT) da Banda 14 do GOES, confirmando os desvios sistemáticos esperados (o Landsat é geralmente mais quente devido à recuperação de superfície vs. medição de topo de atmosfera) e maior variabilidade espacial nos dados do Landsat.
   • Análise de Autoencoder: Um autoencoder convolucional foi treinado para reconstruir imagens de LST do Landsat. A análise do erro de reconstrução revelou que pixels "outros" (céu limpo, não-água) geralmente apresentavam os menores erros, enquanto pixels de nuvem, sombra de nuvem e água exibiram erros maiores, destacando as limitações dependentes de características na reconstrução.
   • Análise de Correlação: Mapas de calor de correlações de Pearson mostraram que reflectâncias de superfície de comprimentos de onda mais longos (SWIR) geralmente correlacionam-se mais fortemente com a LST do que comprimentos de onda mais curtos, e que as correlações de retroespalhamento SAR com a LST variam por cidade e cobertura de solo.

Resultados e Limitações
O conjunto de dados fornece com sucesso um quadro espaço-temporal consistente para 48 cidades. A validação técnica confirma que, embora os dados estejam harmonizados, as diferenças inerentes nas características dos sensores (ex: resolução espacial, definições de medição) permanecem. Por exemplo, a LST do Landsat exibe significativamente maior variabilidade espacial intra-imagem do que a BT do GOES, mesmo após o ajuste de escala, refletindo tanto as diferenças de resolução quanto as definições de medição.

Os autores explicitamente observam várias limitações:

• LST vs. Temperatura do Ar: A LST não é um substituto direto para a temperatura do ar próxima à superfície, e os usuários devem ter cautela ao utilizá-la para métricas de exposição humana.
• Contaminação por Nuvens: Embora o MW LST mitigue problemas de nuvens, os produtos baseados em TIR (Landsat e GOES) são suscetíveis à atenuação de nuvens, e os algoritmos de máscara de nuvens (FMask) são imperfeitos.
• Resolução: O produto MW LST (nativo de 0,25°, reamostrado para 2 km) é muito grosseiro para análise intra-cidade sem redução de escala (downscaling).
• Polarização: A disponibilidade de polarização do Sentinel-1 (HH/HV vs. VV/VH) não é uniforme, e esses canais não são diretamente intercambiáveis.

Significância
O artigo posiciona o Urban Heat MiniCubes como um recurso fundamental para "democratizar o acesso aos dados de sensoriamento remoto" e permitir o "monitoramento do calor urbano para qualquer condição climática". Ao aderir aos princípios FAIR e fornecer dados em um formato pronto para IA, o conjunto de dados visa acelerar o desenvolvimento de modelos de aprendizado de máquina para tarefas como super-resolução (redução de escala de dados geoestacionários), inpainting (preenchimento de lacunas de nuvens) e o estudo das disparidades de justiça ambiental na exposição ao calor. Os autores afirmam que tais conjuntos de dados são necessários para apoiar o treinamento de modelos de fundação que possam mapear variáveis físicas heterogêneas em representações compartilhadas, avançando, em última análise, tanto a ciência quanto o monitoramento do calor urbano.