Revista de Ciencias Tecnológicas (RECIT). Volumen 3 (1): 10-22
Revista de Ciencias Tecnológicas (RECIT). Universidad Autónoma de Baja California ISSN 2594-1925
Volumen 5 (3): e227. Julio-Septiembre, 2022. https://doi.org/10.37636/recit.v5n3e227.
1 ISSN: 2594-1925
Artículo de investigación
La isla de calor urbano superficial y su manifestación en la estructura
urbana de la Ciudad de México
The surface urban heat island and its manifestation in the urban structure of
Mexico City
Itzia Gabriela Barrera Alarcón , Camilo Alberto Caudillo Cos , Sandra Lizbeth Medina Fernández
Felipe Gerardo Ávila Jiménez , Jorge Alberto Montejano Escamilla
Centro de Investigacion en Ciencias de Información Geoespacial, Contoy 137, Col. Lomas de Padierna,
Alcaldía Tlalpan, CP. 14240, Ciudad de México, México
Autor de correspondencia: Itzia Gabriela Barrera Alarcón, Centro de Investigación en Ciencias de Información Geoespacial, Contoy
137, Col. Lomas de Padierna, Alcaldía Tlalpan, CP. 14240, Ciudad de México, México, E-mail: ibarrera@centrogeo.edu.mx, ORCID:
0000-0002-5561-7177.
Recibido: 21 de Junio del 2022 Aceptado: 28 de Septiembre del 2022 Publicado: 30 de Septiembre del 2022
Resumen. - A partir del procesamiento de imágenes satelitales de alta y baja resolución (Landsat y Modis), el desarrollo de correlaciones
bivariadas entre Temperaturas de Superficie Terrestre diurnas, nocturnas y 27 métricas asociadas a la estructura urbana y localización, este
trabajo ha analizado la intensidad del fenómeno de la Isla de Calor Urbano en La Ciudad de México en uno de los meses más cálidos del año
2018. Esto ha permitido identificar las zonas más vulnerables ante dicho fenómeno y su asociación con las características de estructura urbana
de la misma. En este sentido, se identificó que las temperaturas nocturnas más altas se encuentran a una menor distancia del centro de la
Ciudad, es decir, en la zona más consolidada de la misma. La población de 65 o más años, que es la más vulnerable a sufrir problemas de
salud asociados a las altas temperaturas por un problema de termorregulación corporal, se localizan en zonas de la ciudad donde se
concentran las temperaturas nocturnas más altas. Asimismo, aunque en menor medida, se tiene una correlación directa con las altas
temperaturas y las zonas de mayor densidad de vivienda, mayor superficie de calles pavimentadas y mayor concentración de unidades
económicas por hectárea. Por el contrario, las zonas con las temperaturas nocturnas más bajas identificadas dentro de la Ciudad se
localizaron en las zonas con mayores alturas sobre el nivel del mar, sobre pendientes más pronunciadas y con mayor superficie de áreas libres.
Asimismo, la población de 0 a 14 años identificada también dentro del rango de vulnerabilidad a las altas temperaturas se localiza
principalmente en las zonas con temperaturas moderadas y/o bajas en las zonas periurbanas principalmente. Por otro lado, para identificar
las variaciones térmicas diurnas y nocturnas, tanto en suelo artificial como en suelo con cobertura natural, se generaron perfiles térmicos con
mediciones a cada 1000 m, identificando también el uso de suelo. Este perfil térmico ha permitido observar oscilaciones térmicas más
pronunciadas durante el día, localizando las temperaturas más altas en las áreas de cultivo, suelo habitacional y de uso mixto. Por el contrario,
las temperaturas nocturnas se estabilizan y manifiestan el fenómeno de la Isla de Calor Urbano en el cual se muestra que las temperaturas
más altas se concentran en la zona más densa de la ciudad (Alcaldía Cuauhtémoc y Alcaldía Benito Juárez), que han almacenado una mayor
cantidad de calor debido a las características de los materiales y composición del entorno urbano, y las zonas con cobertura natural bajan
debido a la facilidad para disipar el calor.
Palabras clave: Isla de calor urbano superficial; Estructura urbana; Percepción remota.
Abstract.- From the processing of high- and low-resolution satellite images (Landsat and Modis), the development of bivariate correlations
between daytime and nighttime land surface temperatures, and 27 metrics associated with urban structure and location, this work has analyzed
the intensity of the phenomenon of Urban Heat Island manifested in Mexico City in one of the warmest months of the year 2018 to identify the
most vulnerable areas to this phenomenon and their urban structure characteristics. Thus, the highest temperatures are found at a shorter
distance from the inner city, as the most consolidated area. The population aged 65 or over, which is the most vulnerable to health problems
associated with high temperatures and body thermoregulation, is located in areas of the city where the highest night temperatures are
concentrated. Likewise, to a lesser extent, there is a direct correlation between high temperatures and areas with higher housing density, a
greater surface area of paved streets, and a greater concentration of economic units per hectare. On the contrary, the zones with the lowest
temperatures identified within the city were located in areas with the greatest heights above sea level, on steeper slopes, and with a greater
surface of open areas. Likewise, the population aged 0 to 14 years, also identified within the range of vulnerability to high temperatures, is
located mainly in areas with moderate and/or low temperatures. On the other hand, to identify the diurnal and nocturnal thermal variations,
both in artificial and natural cover soil and their land use, thermal profiles were generated with measurements at every 1000 meters. This has
allowed it to observe more pronounced thermal oscillations during the day, with the highest temperatures in the cultivation areas, residential
land, and mixed-use. On the contrary, night temperatures stabilize and manifest the phenomenon of the Urban Heat Island in which it is shown
that the highest temperatures are concentrated in the densest area of the city (Alcaldía Cuauhtémoc and Alcaldía Benito Juárez), which have
stored a greater amount of heat due to the characteristics of the materials and composition of the urban environment, and the areas with a
natural cover go down due to the ease of dissipating heat.
Keywords: Surface urban heat island; Urban structure; Remote sensing.
Revista de Ciencias Tecnológicas (RECIT). Volumen 5 (3): e227
2 ISSN: 2594-1925
1. Introducción
El fenómeno de la Isla de Calor Urbana se ha
definido como la diferencia térmica entre el área
urbana y sus alrededores, siendo esta una clara
manifestación del impacto de las actividades
antropogénicas y el espacio para desarrollarlas.
Se entiende que emerge como resultado de dos
procesos diferentes pero asociados entre sí. El
primero se refiere a la alteración de la cobertura
del suelo, que pasa de ser suelo natural a suelo
artificial, cuyos materiales normalmente poseen
mayor inercia térmica. De tal manera que a mayor
superficie construida, mayor es la alteración de
los parámetros climáticos que contribuyen a
regular el clima local [1].
El segundo proceso, se refiere a las actividades
antropogénicas que se desarrollan en las ciudades
asociadas, por una parte, a la generación y
consumo energético [2]. Por tanto, la
combinación de los efectos de dicho fenómeno, el
crecimiento de la población urbana y las
actividades inherentes a su desarrollo, así como la
necesidad espacial para llevarlas a cabo están
minando la seguridad de las ciudades [3].
A partir de su medición, las Islas de Calor Urbano
pueden clasificarse en dos: i) las atmosféricas
(ICUA), que se identifican a partir de la
temperatura del aire localizada entre la capa dosel
y la capa límite de la ICU; y ii) las superficiales
(ICUS), que se evalúan a partir de las
Temperaturas de Superficie Terrestre obtenidas
mediante percepción remota. Sin embargo,
aunque ambas poseen patrones espaciales
similares, las ICUA suelen manifestar una mayor
diferencia térmica durante la noche, mientras que
las ICUS lo hacen en el día [3-5].
Asimismo, la intensidad de la ICU de una ciudad
está sujeta a las métricas empíricas e indicadores
utilizados para cuantificar el fenómeno. De tal
manera que al analizar su esencia física, está
determinada por una variedad de factores que se
pueden clasificar a grandes rasgos en [6]:
Externos: incluyen la ubicación
(lat./lon.), el clima (en particular el
viento), la proximidad a los cuerpos de
agua (asociados con la circulación de la
brisa del mar o lago), vegetación, etc.
Intrínsecos: representan
características específicas de la ciudad
(por ejemplo, tamaño de la ciudad,
fracciones de la cubierta terrestre,
emisiones de calor antropogénicas, su
estructura funcional, etc.
Sin embargo, ambas están ampliamente
relacionadas a los usos de suelo y la morfología
urbana, provocando contrastes térmicos en
zonas expuestas a la radiación solar y otras al
sombreamiento generado por las edificaciones
[7].
Así, la manifestación de este fenómeno ha sido
estudiado en diversas ciudades con distintas
variaciones en cuestión de cantidad,
temporalidad, tamaño, características de suelo
(tipos de revestimiento en calles y carreteras,
materiales de construcción, tipos de laminados,
cantidad de áreas verdes y cuerpos de agua),
procesos de planeación y estructura urbana,
climatología [8-11], entre otros. Esto ha
permitido vislumbrar estrategias que
posibiliten la mejora de condiciones térmicas
dentro de las ciudades, haciendo uso de una
gran variedad de modelos numéricos diseñados
para simular los procesos clave que rigen el
intercambio de calor, humedad e impulso de la
cubierta urbana.
Así, una de las recomendaciones para estos
estudios de acuerdo T.R. Oke [12], es realizar
trabajos comparativos entre ciudades con las
mismas características haciendo referencia a la
topografía, cuerpos de agua, clima (misma
latitud, región climática y condiciones de
nubosidad), tiempo (mismos días y periodos),
e instrumentación de medición, ya que se ha
demostrado la relación existente entre el
tamaño de una aldea, pueblo o ciudad y la
magnitud de la isla de calor urbano que esta
Revista de Ciencias Tecnológicas (RECIT). Volumen 5 (3): e227
3 ISSN: 2594-1925
produce, siendo la población el parámetro más
representativo para identificar el nivel de
urbanización.
Por citar algunos ejemplos de casos de estudio,
se encuentra el realizado por H. Tran [13] que
a partir de imágenes MODIS reportaron 18
mega ciudades asiáticas donde correlacionaron
la isla de calor urbano con la población de la
ciudad, densidad de urbanización y cubierta
vegetal. Por otra parte, M.L. Imhoff [14]
también indicó que hay un ciclo diurno y
estacional de la isla de calor urbano superficial
mostrando que la isla de calor urbano
superficial de verano (4.3°C) es más intensa
que la isla de calor urbano de superficie de
invierno (1.3° C) sobre las 38 ciudades con
mayor población en todo Estados Unidos
utilizando MODIS LST. Otro estudio a escala
mundial [15] intenta representar la variación
estacional de la intensidad de la isla de calor
urbano superficial (SUHII) en 419 ciudades,
evaluando diversos factores biofísicos y
socioeconómicos a partir de la utilización de
imágenes MODIS diurnas y nocturnas. La
investigación demuestra que existe una
correlación positiva con el albedo y la luz
nocturna entre las áreas urbanas y sus
alrededores con respecto a la Intensidad de la
Isla de Calor Urbano Superficial (SUHII),
mientras que la SUHII diurna presenta altas
correlaciones negativas con respecto a la
cantidad de cobertura natural y el tipo de
actividades que se desarrollan en las zonas
urbanas y suburbanas. Oleson por su lado [16],
emplea un esquema urbano dentro de un
Modelo Climático Global (GCM) para
cuantificar el impacto potencial de los techos
blancos como una estrategia de mitigación del
clima.
Las diferentes manifestaciones de la SUHII
durante ciertos periodos de tiempo en un
espacio determinado, son otros de los aspectos
que se evalúan para entender los diferentes
procesos urbanos que afectan dicho fenómeno.
Un ejemplo es el estudio realizado por J. Peng
[17] en la ciudad de Beijing el cual evalúa la
manifestación de la ICU a partir de los cambios
morfológicos y sistemas de conectividad del
año 2000 al 2015. Los resultados muestran que
estos procesos incidieron en el incremento de
la superficie asociada a la conectividad y las
altas temperaturas, generando así un gran
archipiélago de calor urbano que ha llegado a
ocupar hasta el 79.85% de la superficie de la
ciudad. Otro trabajo desarrollado en la ciudad
de Rotterdam por L. Van Hove et al [18],
integra al estudio de la variación espacio
temporal 2010-2012, en este caso, a la isla de
calor urbano atmosférica, los parámetros del
confort térmico viéndose afectado
principalmente en las zonas donde se
manifiesta más intensamente la ICUA en los
meses de verano.
Por otro lado, en México se han desarrollado
diversos trabajos en torno al estudio de la Isla
de Calor Urbana tanto atmosférica como
superficial [19-25].
Aquellas que han analizado dicho fenómeno en
ciudades de clima templado o cálido-húmedo,
han determinado que las temperaturas más
altas se presentan en las zonas céntricas y de
mayor densidad edificatoria, principalmente
por el tipo de materiales utilizados en las
superficies, el uso de suelo, la falta de
vegetación, y el empleo excesivo de sistemas
de refrigeración al interior de las edificaciones.
Por el contrario, aunque han sido más escasos,
aquellos estudios realizados en ciudades con
clima cálido-seco, demuestran que las zonas
más densas de la ciudad se manifiestan como
Islas Urbanas de Frío, siendo las periferias y las
Revista de Ciencias Tecnológicas (RECIT). Volumen 5 (3): e227
4 ISSN: 2594-1925
zonas más dispersas las que registraron las
temperaturas diurna más altas [2, 17, 23].
La mayoría de estos estudios se han enfocado
en el análisis del fenómeno de la ICU
atmosférica en la microescala a partir del
empleo de datos monitoreados por diversas
estaciones meteorológicas [19-25]. El uso de
percepción remota para el análisis de la ICU
Superficial, por el contrario, ha sido menos
utilizado en el país para estudiar el fenómeno a
escala local o meso escala [2, 22, 26, 27]. Sin
embargo, el trabajo realizado por Navarro-
Estupiñán [27], integra a su análisis métricas de
la estructura urbana funcional asociadas a la
vulnerabilidad térmica y su relación espacial
con la ICU Superficial en la ciudad de
Hermosillo.
Así, el objetivo de este trabajo es el de
identificar las zonas más vulnerables ante el
fenómeno de la Isla de Calor Urbano a partir de
su localización y su relación con diversos
elementos que conforman la estructura
1
urbana
de la ciudad. De tal manera que los resultados
puedan ser considerados para la integración de
la política pública y planeación de la Ciudad de
México.
2. Metodología
2.1. Área de estudio
Este trabajo se enfoca en el estudio del
fenómeno de la Isla de Calor Urbano
Superficial generado en la Ciudad de México,
que con más de 9 millones de habitantes y una
extensión de casi mil 500 km2, forma parte de
la zona Metropolitana del Valle de México
[28].
1
Para este trabajo, se aborda la estructura urbana desde
su ámbito funcional y no morfológico.
Figura 1. Límite estatal de la Ciudad de México en la
Zona Metropolitala del Valle de México. Fuente: [29]
Su temperatura media anual es de 16ºC, con
una máxima media anual de 25ºC y mínima
media anual de 5ºC. Además de concentra
cuatro tipos de clima: templado subhúmedo,
semifrío subhúmedo, semifrío húmedo y
semiárido seco Gran parte de la Ciudad se
localiza a una altura de 2,240 msnm [30].
2.2. Metodología, materiales y método
Para identificar y analizar la Isla de Calor
urbano Superficial de la Ciudad de México, se
desarrolló una metodología que consta de
cuatro etapas: extracción y procesamiento de
información de percepción remota; generación
y análisis de información de estructura urbana;
desarrollo de Correlaciones bivariadas a partir
del Índice de Correlación de Pearson; y análisis
de resultados.
Revista de Ciencias Tecnológicas (RECIT). Volumen 5 (3): e227
5 ISSN: 2594-1925
Figura 2. Proceso metodológico implementado en la
investigación. Fuente: elaboración propia.
2.3. Extracción y procesamiento de
información de percepción remota.
Algunos de los sensores TIR actuales
transmitidos por satélite pueden proporcionar
mediciones de la Temperatura Superficial
Terrestre (LST por sus siglas en inglés Land
Superfice Temperature) a una resolución
espacial razonablemente alta. Su utilización en
estudios de clima urbano está restringida
debido a la baja resolución temporal y a los
limitados datos de imágenes disponibles
durante la noche [31].
De acuerdo con un estudio encabezado por
Weng [32], ningún sistema de satélites en la
actualidad proporciona datos TIR de cobertura
global que combine altas resoluciones
espaciales y temporales. De tal manera que se
han desarrollado diversas técnicas para poder
mejorar estas dos características, tales como la
fusión de imágenes, la fusión imagen-datos, la
nitidez espacial, la reducción de escala y la
desagregación (afilado térmico espacial y las
técnicas de afilado térmico temporal).
Por tanto, para este trabajo se obtendrán datos
de LST de día mediante Landsat a 30 m y LST
de noche a través de Modis a 1 km. Para esta
última será necesaria la aplicación de la técnica
de afilamiento térmico espacial que permita
pasar de una resolución espacial baja a un alta
mediante el algoritmo TsHARP. De acuerdo a
Agam, N. et al. 2007, la técnica de TsHarp se
basa en la supuesta relación entre el NDVI y la
LST dentro de una escena del sensor. Sin
embargo, la pendiente de esta relación varía
con la cobertura del suelo y el clima, por lo que,
esta metodología es muy específica al área de
estudio o escena, siendo recomendable no
aplicar en áreas grandes [33].
Así, la metodología empleada para el trabajo de
percepción remota se desarrolló en 4 etapas:
descarga de imágenes satelitales de alta
resolución (Landsat8) y de baja resolución
(Modis); calibración de bandas Landsat;
cálculo de la Temperatura de Superficie
Terrestre (LST); e integración de resultados de
distintas escalas
EXTRACCIÓN Y
PROCESAMIENTO
DE INFORMACIÓN
DE PERCEPCIÓN
REMOTA
GENERACIÓN Y
ANÁLISIS DE
INFORMACIÓN DE
ESTRUCTURA
URBANA
CORRELACIONES
BIVARIADAS
•Descarga y procesamiento de imágenes
satelitales
•Desarrollo de correlaciones bivariadas
entre los indicadores y métricas de
estructura urbana y las temperaturas
superficiales terrestres diurnas y nocturnas
de la Ciudad de México
•Definición de los
indicadores y
métricas de
estructura urbana.
•Cálculo de los
indicadores y
métricas de
estructura urbana
para la ciudad de
México
•Generación de
perfiles térmicos
de la Ciudad de
México
11
12
13
•Definición de las temperaturas
superficiales terrestres diurnas y
nocturnas para la ciudad de México
ANÁLISIS DE
RESULTADOS
14
Revista de Ciencias Tecnológicas (RECIT). Volumen 5 (3): e227
6 ISSN: 2594-1925
Figura 3.Metodología de percepción remota. Fuente:
elaboración propia.
a) Imágenes satelitales de alta resolución
Landsat. Para la Ciudad de México se descargó
una escena Landsat 8 mediante la plataforma
del Servicio Geológico de los Estados Unidos
(USGS) [34]. La imagen diurna seleccionada
corresponde al día 8 de mayo del año 2018. Su
descarga y procesamiento se generó a partir
dicha plataforma empleando sus insumos y
métodos de procesamiento.
Figura 4. LST (Landsat) Diurna de la Ciudad de
México. Fuente: elaboración propia.
b) Imágenes satelitales de baja resolución
Modis. La temperatura superficial del terreno
(LST) para el sensor Modis fue descargado
como producto MOD11A2 v006 y MYD11A2
v006, proporcionada como promedio de 8 días
por píxel con una resolución de 1 kilómetro.
Dado que al ser descargadas las escenas ya
cuentan con el resultado de LST, únicamente se
realiza la re-proyección a la zona UTM
correspondiente y el recorte al tamaño del área
de estudio, además dado que el resultado se
encuentra en un rango válido de 7 500 a 65 535,
este debe ser multiplicado por el factor de
escala 0.02 y al resultado restarle -273.15 para
convertir de grados Kelvin a Celsius.
ºC
Revista de Ciencias Tecnológicas (RECIT). Volumen 5 (3): e227
7 ISSN: 2594-1925
2.4. Integración de resultados de distintas
escalas.
Para este trabajo se han obtenido los datos de
LST de día mediante Landsat a 30 m y LST de
noche a través de Modis a 1 km, por lo que ha
sido necesario aplicar la técnica de afilamiento
térmico espacial en Modis para pasar de una
resolución espacial baja a un alta mediante el
algoritmo TsHARP. De acuerdo a Agam [35],
la técnica de TsHarp se basa en la supuesta
relación entre el NDVI y la LST dentro de una
escena del sensor. Sin embargo, la pendiente de
esta relación varía con la cobertura del suelo y
el clima [33].
2.5. Verificación de resultados
Una vez obtenidos los resultados de la técnica
de afilamiento térmico, estos fueron evaluados
con el resultado original de la Temperatura de
Superficie Terrestre de los productos
MOD11A2 v006 y MYD11A2 v006
correspondiente. De acuerdo a Agam [35],
propone la evaluación de precisión de
recuperación, en donde mide el nivel de
acuerdo entre los campos de temperatura de
referencia (TR ref) y de la temperatura con la
técnica aplicada (
) se evalúan mediante
el Error medio Absoluto (MAE) y el Error
Medio Cuadrático (RMSE). Calculando con las
siguientes formulas:
  󰇛
󰇜
 
(1)
  

  (2)
Tabla 1. Resultados de RMSE, MAE y R. Fuente:
elaboración propia.
CIUDAD
EVALUACIÓN
Ciudad
de
México
MAE
R
0.49
0.991116
DIFERENCIA DE TEMPERATURAS
Dif max
(absoluta)
Promedio
(absoluto)
0.24
0.34
Figura 5. LST (Modis) nocturna de la Ciudad de
México. Fuente: elaboración propia.
2.6. Generación y análisis de información de
estructura urbana.
Una vez obtenidas las imágenes LST tanto
diurnas y nocturnas de la Ciudad de México, se
generó la cartografía térmica por Área
Geoestadística Básica (AGEB), considerando la
mediana de las temperaturas por píxel
localizados dentro de los límites de cada una de
ºC
Revista de Ciencias Tecnológicas (RECIT). Volumen 5 (3): e227
8 ISSN: 2594-1925
ellas. Esto se realizó tanto para las temperaturas
superficiales diurnas como nocturnas.
Figura 6. Mapa de temperaturas superficiales diurnas
por AGEB. Fuente: elaboración propia
Figura 7. Mapa de temperaturas superficiales nocturnas
por AGEB. Fuente: elaboración propia.
Asimismo se retomaron 25 de las métricas
empleadas en el trabajo de investigación Forma
Urbana y productividad en México 1995-2015
[36], asociadas a la estructura urbana, y se
emplearon dos más correspondientes a la
localización: altura y pendiente.
2
Tabla 2. Tabla de indicadores. Fuente: elaboración propia.
Indicador
Medida
Fuente
Fórmula
1. Distancia
Distancia al
centro de la
ciudad KM
INEGI. Marco Geoestadístico Nacional, 2015
Distancia euclidiana al centro de la
ciudad, calculada a partir de los
centroides de ageb en Km.
2. Densidad
habitacional
Densidad
habitacional
(neta)
INEGI. Marco Geoestadístico Nacional, 2016
Vivienda / hectárea
3.
Construcció
n vs área
libre
Índice de
ocupación del
suelo
Área construida y libre identificada a partir de la
percepción remota de imágenes RapidEye 2016
obtenidas del proyecto de Forma Urbana y
Productividad en México, CentroGeo 2018-
2019.
Área construida / área libre
ºC
ºC
Revista de Ciencias Tecnológicas (RECIT). Volumen 5 (3): e227
9 ISSN: 2594-1925
4. Suficiencia
vial y
personal
ocupado
Índice de
Saturación Vial
(PO)
Manzanas del Inventario Nacional de Vivienda
2016 (INV 2016), vialidad del Scince 2015
(Scince 2015) y AGEB del Marco
Geoestadístico Nacional 2015 MGN (2015).
Longitud total de vialidad en el AGEB /
raíz cuadrada de la / (superficie
construida * personal ocupado promedio)
* 100.
5. Suficiencia
vial y
población
Índice de
Saturación Vial
(Pob)
Manzanas del Inventario Nacional de Vivienda
2016 (INV 2016), vialidad del Scince 2015
(Scince 2015) y AGEB del Marco
Geoestadístico Nacional 2015 MGN (2015).
Longitud total de vialidad en el AGEB /
raíz cuadrada de la / (superficie
construida * población del AGEB) * 100
6. Suficiencia
vial por
personal
ocupado y
población
Índice de
Saturación Vial
(PO+Pob)
Manzanas del Inventario Nacional de Vivienda
2016 (INV 2016), vialidad del Scince 2015
(Scince 2015) y AGEB del Marco
Geoestadístico Nacional 2015 MGN (2015).
Longitud total de vía * (Personal
Ocupado + población residente) / raíz
cuadrada (superficie vial + espacio
público)*100.
7.
Concentraci
ón urbana
física
Concentración
urbana (física)
INV 2016 y DENUE 2016, INEGI.
(Unidades económicas + viviendas en
una manzana) / superficie construida de
la manzana.
8.
Concentraci
ón urbana
funcional
Concentración
urbana
(funcional)
INEGI. Marco Geoestadístico Nacional, 2015.
(Total de habitantes + personal ocupado
en una manzana) / (viviendas + UE de la
manzana).
9. Unidades
económicas
por hectárea
Distribución
territorial de UE
INEGI. Marco Geoestadístico Nacional, 2015.
Sistema de Integración Territorial (ITER), 2010.
Directorio Estadístico Nacional de Unidades
Económicas (DENUE), 2016.
Unidades económicas / superficie de
AGEB en hectáreas
10. Relación
de empleos
con
ocupación
Relación de la
población
ocupada con la
población
económicament
e activa
ocupada
INEGI. Marco Geoestadístico Nacional, 2015.
Sistema de Integración Territorial (ITER), 2010.
Directorio Estadístico Nacional de Unidades
Económicas (DENUE), 2016.
Personal Ocupado promedio / población
económicamente activa ocupada
11.
Coeficiente
de ocupación
del suelo
% de suelo
construido
INEGI. Marco Geoestadístico Nacional, 2015.
Área construida y libre identificada a partir de la
percepción remota de imágenes RapidEye 2016
obtenidas del proyecto de Forma Urbana y
Productividad en México, CentroGeo 2018-
2019
Superficie construida / superficie total
por AGEB
12.
Porcentaje
de vialidad y
espacio
público
% de espacio
público y vial
INEGI. Marco Geoestadístico Nacional, 2015.
INV 2016, INEGI
(Área vial + área libre) * 100) / superficie
total del AGEB
13.
Porcentaje
de área libre
% de áreas
libres
INEGI. Marco Geoestadístico Nacional, 2015.
Área construida y libre identificada a partir de la
percepción remota de imágenes RapidEye 2016
obtenidas del proyecto de Forma Urbana y
Productividad en México, CentroGeo 2018-
2019
área libre en el AGEB / superficie del
AGEB * 100
14.
Porcentaje
de población
% de pob. 0 a 14
años de edad
INEGI. Marco Geoestadístico Nacional, 2015.
INEGI. Sistema de Integración Territorial
(ITER), 2010
(Población de 0 a 14 años / Población
total) * 100
Revista de Ciencias Tecnológicas (RECIT). Volumen 5 (3): e227
10 ISSN: 2594-1925
de 0 a 14
años
15.
Porcentaje
de población
de 65 años y
más
% de pob. 65 y
más años de
edad
INEGI. Marco Geoestadístico Nacional, 2015.
INEGI. Sistema de Integración Territorial
(ITER), 2010
Población de 65 años y más / población
total) * 100
16. Personal
ocupado por
unidad
económica
Número de
personas
ocupadas por
unidad
económica
INEGI. Marco Geoestadístico Nacional, 2015.
INEGI. Sistema de Integración Territorial
(ITER), 2010. Directorio Estadístico Nacional
de Unidades Económicas (DENUE), 2016
Total de PO / Total de UE en el AGEB
17.
Porcentaje
de calles
pavimentada
s
Materiales en
vialidad
INEGI. Marco Geoestadístico Nacional, 2015.
INEGI. Sistema de Integración Territorial
(ITER), 2010
longitud de vías pavimentadas / longitud
total de vía en el AGEB
18.
Porcentaje
de áreas
verdes
Camellones y
áreas verdes
INEGI. Marco Geoestadístico Nacional, 2015.
Directorio Estadístico Nacional de Unidades
Económicas (DENUE), 2016
(Superficie de áreas verdes / superficie
total del AGEB) * 100
19.
Porcentaje
de comercio
y servicios
Comercios y
servicios
INEGI. Marco Geoestadístico Nacional, 2015.
Directorio Estadístico Nacional de Unidades
Económicas (DENUE), 2016
(Superficie de comercio y servicios /
superficie total del AGEB) * 100
20.
Porcentaje
de
equipamient
o
Equipamiento
INEGI. Marco Geoestadístico Nacional, 2015.
Directorio Estadístico Nacional de Unidades
Económicas (DENUE), 2016
(Superficie de equipamiento / superficie
total del AGEB) * 100
21.
Porcentaje
de uso
habitacional
Superficie
habitacional
INEGI. Marco Geoestadístico Nacional, 2015.
Directorio Estadístico Nacional de Unidades
Económicas (DENUE), 2016
(Superficie de uso habitacional /
superficie total del AGEB) * 100
22.
Porcentaje
de industria
Superficie
industrial
INEGI. Marco Geoestadístico Nacional, 2015.
(Superficie de industria / superficie total
del AGEB) * 100
23.
Porcentaje
de uso mixto
Superficie con
usos mixtos
INEGI. Marco Geoestadístico Nacional, 2015.
Instituto Nacional de Estadística, Geografía e
Informática. INV 2016.
(Superficie de usos mixtos / superficie
total del AGEB) * 100
24.
Porcentaje
de uso mixto
especializad
o
Superficie con
usos mixtos
especializados
INEGI. Marco Geoestadístico Nacional, 2015.
Instituto Nacional de Estadística, Geografía e
Informática. INV 2016.
(Superficie de usos mixtos
especializados / superficie total del
AGEB) * 100
25.
Porcentaje
de otros usos
Superficie con
otros usos
INEGI. Marco Geoestadístico Nacional, 2015.
(Superficie de otros usos / superficie total
del AGEB) * 100
26. Altura
Altura sobre el
nivel del mar
INEGI. Continuo de Elevaciones Mexicano
Altura sobre el nivel del mar donde se
localiza en AGEB
27.
Pendiente
Grados
INEGI. Continuo de Elevaciones Mexicano
Grados de inclinción del terreno del
AGEB.
Revista de Ciencias Tecnológicas (RECIT). Volumen 5 (3): e227
11 ISSN: 2594-1925
2.7. Desarrollo de perfiles térmicos
A partir de los usos de suelo de planeación para
La Ciudad, el Mapa prototipo de Cobertura y
Uso de la Tierra de México
3
, y las temperaturas
superficiales diurnas y nocturnas obtenidas, se
realizaron tres perfiles térmicos (A-B, C-D, E-
F) – empleando una serie de puntos localizados
a cada 1000 m entre sí y cuyo objetivo es el de
identificar la magnitud térmica diurna y
nocturna generada por el tipo de cobertura y uso
de suelo, dentro y fuera de los límites urbanos
de la Ciudad de México. La localización del
perfil A-B busca identificar estas métricas en la
sección más grande de La Ciudad que va de
norte a sur y que pasa por las zonas más
consolidadas hasta aquellas con mayores áreas
de coberturas naturales. El perfil E-F atraviesa
una sección al norte va de norponiente a
suroriente donde se localiza suelo industrial y
equipamiento internacional (el Aeropuerto
Internacional Benito Juárez). El perfil C-D se
localiza también la zona norte de La Ciudad
abarcando la zona de mayor consolidación
urbana y con mayor mezcla de usos de suelo.
Figura 8. Localización de perfiles térmicos
3
Desarrollado en el proyecto “Climate Change Iniciative
CCI-Land Cover project 2017, por la Agencia Espacial
Europea de Sentinel-2
Revista de Ciencias Tecnológicas (RECIT). Volumen 5 (3): e227
12 ISSN: 2594-1925
2.8. Correlaciones bivariadas
Finalmente, para establecer las asociaciones
entre los indicadores de estructura urbana y
localización con las Temperaturas de
Superficie Terrestre diurnas y nocturnas, se
calculó el índice de correlación de Pearson (de
producto momento) y posteriormente se
filtraron aquellas variables que tuvieran un
índice absoluto mayor que 0.15.
3. Resultados y discusiones
De acuerdo con los resultados obtenidos en el
procesamiento de las imágenes diurnas y
nocturnas, y el cálculo de los indicadores de
estructura urbana y localización por AGEB, la
aplicación del índice de Pearson muestra en la
tabla 3, las correlaciones bivariadas positivas y
negativas de mayor peso en torno a la
temperatura superficial terrestre diurna.
Tabla 2. Índice de Pearson con Temperaturas de
Superficie Terrestre Diurnas. Fuente: elaboración propia
Variables con correlaciones > 0.15 con LandSat
Indicador
Correlación
Coeficiente de Ocupación de Suelo (COS)
0.500
Densidad habitacional
0.312
Unidades económicas por hectárea
0.260
Porcentaje de calles pavimentadas
0.242
Unidades económicas
0.201
Suficiencia vial y personal ocupado
-0.185
Superficie vial
-0.189
Suficiencia vial y personal ocupado
-0.228
Superficie de área libre
-0.401
Distancia al centro de la ciudad
-0.445
Pendiente
-0.471
Porcentaje de vialidad y espacio público
-0.484
Porcentaje de área libre
-0.530
Altura
-0.555
.
Los resultados indican que, para la Ciudad de
México, hay una correlación positiva que varía
entre el 0.5 y el 0.201 entre las temperaturas
diurnas más altas y las zonas con un mayor
COS, donde se localiza una mayor densidad
habitacional, una mayor concentración de
unidades económicas por hectárea y donde hay
un mayor porcentaje de calles pavimentadas.
Asimismo, las correlaciones negativas más
significativas - que van desde el -0.555 al -
0.185 -, demuestran que las zonas que se
localizan a mayor altura (en el rango de entre 2
221 y 3 069 msnm) en la Ciudad mantienen las
menores temperaturas diurnas, así como en las
zonas donde hay un mayor porcentaje y
superficie de área libre, un mayor porcentaje de
vialidad y espacio público, así como las zonas
localizadas en superficies con mayor pendiente
y cuya distancia al centro es menor.
En cuanto a las variables con correlaciones
positivas más significativas entre las
temperaturas nocturnas y los diferentes
elementos de la estructura urbana y
localización, en la figura 8 se observa una
variación entre 0.476 y 0.152. La correlación
más fuerte es de 0.476 y corresponde a la
temperatura de Landsat, es decir, en las zonas
donde se presentan las temperaturas nocturnas
más altas también corresponden a las mayores
temperaturas diurna.
Asimismo, se identifica que uno de los sectores
de la población más vulnerable debido al
problema de termorregulación corporal
asociado a la edad, que oscila entre los 65 o
más años, se encuentra localizado en las zonas
donde se presentan las temperaturas nocturnas
más altas. Asimismo, y al igual que en las
temperaturas diurnas más altas, en las zonas
con mayor densidad habitacional, mayor
porcentaje de calles pavimentadas y mayor
concentración de unidades económicas por
hectárea, se localizan también las temperaturas
nocturnas más altas.
Revista de Ciencias Tecnológicas (RECIT). Volumen 5 (3): e227
13 ISSN: 2594-1925
Sin embargo, la correlación más significativa
entre las distintas variables y las temperaturas
fue de -0.826 y es la asociada a la distancia al
centro de la ciudad, es decir, que mientras más
alejado se esté de la zona más consolidada de
la ciudad, menor temperatura se tendrá.
Asimismo, la variable de la altura tiene un peso
significativo de -0.723, lo que explica que las
zonas más altas dentro de la ciudad disipan el
calor más rápido que las zonas bajas.
También se identifica que el segundo sector
más vulnerable por edad que va de 0 a 14 años
(-0.496), en realidad se localizan en las zonas
donde se concentran en menor medida las
temperaturas nocturnas altas, así como las
zonas con mayor pendiente (-0.401), mayor
porcentaje de área libre (-0.392) y donde se
tiene mayor superficie vial por personal
ocupado y población (-0.373).
En cuanto a los perfiles térmicos, el primero de
ellos que muestra el corte A-B (figura 9) y que
cruza la ciudad de norte a sur, se puede
observar una mayor oscilación térmica que
varía entre los 30 y los 42.5 ºC durante el día
tanto, en la zona urbana como en las afueras de
la misma. Algunos de los usos de suelo
habitacional, mixtos y mixto especializado, son
los que mantienen las temperaturas más altas a
lo largo del perfil, pero sobre todo en la parte
sur de la ciudad.
Asimismo, las áreas de cultivo localizadas al
sur de la ciudad, es una de las coberturas
naturales que presenta las temperaturas más
altas, por el contrario, a las áreas cubiertas por
árboles.
Tabla 3. Índice de Pearson con Temperaturas de
Superficie nocturnas. Fuente elaboración propia.
Variables con correlaciones > 0.15 con Modis
Indicador
Correlación
LandSat
0.476
Población 65 o más
0.460
Densidad habitacional
0.386
Porcentaje de calles pavimentadas
0.307
Unidades económicas por hectárea
0.272
Población ocupada
0.226
COS
0.200
Unidades económicas
0.169
Porcentaje de uso mixto
0.158
Vivienda
0.152
Porcentaje de vialidad y espacio
público
-0.193
Longitud de vía por manzana
-0.330
Suficiencia vial por personal
ocupado y población
-0.373
Porcentaje de área libre
-0.392
Pendiente
-0.401
Población de 0 a 14 años
-0.496
Altura
-0.723
Distancia al centro de la ciudad
-0.826
Por otro lado, en cuanto a las temperaturas
nocturnas distribuidas en el perfil, se puede
observar una mayor estabilidad en las mismas,
concentrando las temperaturas más altas de
manera más uniformemente en la zona urbana
y las más bajas en el área circundante.
Revista de Ciencias Tecnológicas (RECIT). Volumen 5 (3): e227
14 ISSN: 2594-1925
Figura 9. Perfil térmico A-B. Fuente: elaboración propia.
El perfil C-D (figura 10) presenta en general
una menor variación entre las temperaturas
diurnas máximas y mínimas (de 35 a 42 ºC)
dentro y fuera de la Ciudad, a excepción de uno
de los puntos de medición (a) correspondiente
a la cubierta de un centro comercial que
recientemente había sido recubierta por un
material termorreflejante. Esto permitió
mantener una temperatura superficial de
vubierta por debajo de los 20 ºC, manteniendo
una diferencia de hasta 22 ºC con respecto a sus
alrededores. De tal manera que también
durante la noche, la cubierta mantuvo casi la
misma temperatura que durante el día, sino que
también con su entorno.
0
5
10
15
20
25
30
35
40
45
50
Áreas cubiertas por árboles
Áreas cubiertas por árboles
Áreas cubiertas por árboles
Áreas cubiertas por arbustos
Áreas cubiertas por árboles
Áreas cubiertas por arbustos
Áreas de cultivo
P
astizales
Áreas cubiertas por arbustos
Áreas cubiertas por arbustos
Áreas cubiertas por árboles
Áreas cubiertas por árboles
Áreas cubiertas por árboles
Áreas de cultivo
Mixto E
specializado
Mixto
Mixto E
specializado
Áreas de cultivo
Mixto
Habitacional
Habitacional
Habitacional
Mixto E
specializado
Mixto E
specializado
Áreas desnudas
Habitacional
Comercio y S
ervicios
Habitacional
Habitacional
P
astizales
P
astizales
Áreas construidas
Habitacional
Habitacional
Áreas desnudas
Áreas construidas
Habitacional
Habitacional
Comercio y S
ervicios
Áreas desnudas
Mixto E
specializado
Mixto E
specializado
Habitacional
Habitacional
Habitacional
Habitacional
Habitacional
P
astizales
Habitacional
Mixto
Habitacional
Áreas cubiertas por arbustos
Áreas cubiertas por arbustos
Habitacional
Mixto E
specializado
Habitacional
Habitacional
Áreas cubiertas por arbustos
Temperatura
Diurna
Temperatura
Nocturna
Tem perat ura de super ficie (°C)
Áreas de cultivo
U so de suelo y cobert ur a natural
Áreas
cubiertas
por árboles
Mixto especializado
Mixto
Habitacional
Zona No Urbana
Zona Urbana
AB
HabitacionalHabitacional
Revista de Ciencias Tecnológicas (RECIT). Volumen 5 (3): e227
15 ISSN: 2594-1925
Figura 10. Perfil térmico C-D. Fuente: elaboración propia.
Finalmente, el tercer perfil E-F (figura 11) se
localizó en el norte de la Ciudad, integrando al
Aeropuerto Internacional Benito Juárez (b)
como parte de los equipamientos e
infraestructura de mayor superficie. En este
sentido se puede ver que, a lo largo del perfil
térmico diurno, las temperaturas máximas y
mínimas oscilan entre los 31 y 45ºC, siendo la
zona del aeropuerto donde se concentran las
temperaturas más altas.
Por el contrario, en la noche, las temperaturas
bajan entre los 17 y 20 ºC, localizando las
temperaturas mínimas nuevamente en el
aeropuerto. Esto, probablemente, debido a que
la mayor superficie del equipamiento es terreno
natural permitiendo disipar el calor
almacenado durante el día, de manera más
eficiente.
Figura 11. Perfil térmico E-F. Fuente: elaboración
propia.
4. Conclusiones
El análisis de la manifestación de la Isla de
Calor Urbano conforme a la estructura
funcional de La Ciudad de México ha
permitido identificar las relaciones
socioeconómicas, de uso, cobertura,
0
5
10
15
20
25
30
35
40
45
50
Pa
stizales
Pa
stizales
Ha
bitacional
Ha
bitacional
Mixto
Comercio y S
ervicios
Otros
Usos
Ha
bitacional
Industria
Pa
stizales
Áreas
construida
s
Mixto E
specia
liza
do
Ha
bitacional
Área Verde
Ha
bitacional
Áreas
construida
s
Ha
bitacional
Áreas
desnuda
s
Áreas
construida
s
Ha
bitacional
Ha
bitacional
Mixto E
specia
liza
do
Mixto
Ha
bitacional
Ha
bitacional
Ha
bitacional
Áreas
construida
s
Ha
bitacional
Ha
bitacional
Áreas
de cultivo
Áreas
cubiertas por á
rboles
Áreas
cubiertas por a
rbustos
Áreas
de cultivo
Ha
bitacional
Temperatura Diurna
Temperatura Nocturna
Tem perat ur a de superficie (°C)
Past izales
U so de suelo y cobert ur a nat ural
Mixt o especializado Habit acional
Zona No Urbana
Zona Urbana
a
a
D
C
0
5
10
15
20
25
30
35
40
45
50
Habita
cional
Industria
Industria
Otros Us
os
Mixto
Área
s desnudas
Habita
cional
Habita
cional
Área
s construidas
Habita
cional
Habita
cional
Habita
cional
P
astizales
E
quipamiento
E
quipamiento
Mixto E
specializado
Temperatur a Diurna
Temperatur a Nocturna
Tem perat ur a de superficie (°C)
U so de su elo y cobert ur a nat ural
Equipamie nt o
Zona No Urbana
Zona Urbana
b
b
EF
Hab it acional
Revista de Ciencias Tecnológicas (RECIT). Volumen 5 (3): e227
16 ISSN: 2594-1925
localización, etc., de mayor vulnerabilidad
debido a su relación espacial con las zonas de
mayor temperatura diurna y nocturna en este
territorio.
De tal manera, se identificó que las zonas
donde se ha manifestado una mayor
concentración del fenómeno de la Isla de Calor
Urbano con temperaturas de superficie
nocturnas de hasta 22 ºC
4
, corresponde a gran
parte del centro-norte de la ciudad (Alcaldías
Cuauhtémoc, Miguel Hidalgo y Benito Juárez),
siendo estas las más consolidadas, más densas,
de mayor actividad económica y con mayor
cantidad de población vulnerable a las altas
temperaturas, es decir, aquella cuya edad oscila
entre los 60 y 65 años. Por el contrario, las
temperaturas más bajas se localizaron en las
zonas menos consolidadas de la Ciudad por su
carácter de irregularidad y dispersión con
grandes áreas intermedias de cobertura natural,
además de localizarse a mayor altura y a mayor
distancia con respecto al centro de la Ciudad.
Contrario a lo que conceptualmente se ha
planteado respecto a que la ciudad sustentable
corresponde a una ciudad morfológicamente
compacta y de estructura centralizada, para el
caso de la Ciudad de México y específicamente
en términos térmicos, se manifiesta de manera
opuesta.
Con esto lo que se propone no es generar
ciudades dispersas y fragmentadas, sino que, a
partir de la identificación de las zonas
consolidadas, densas y de mayor superficie
artificializada dentro de las ciudades, se
integren áreas intermedias de cobertura natural
que hagan de la ciudad un conjunto de espacios
más permeables que posibiliten la disipación
4
La temperatura del aire de confort térmico para La
Ciudad de México oscila entre los 24.09 ºC y los 19.09
ºC de acuerdo con Auliciems.
del calor más eficientemente. Por otro lado, el
empleo de materiales termorreflejantes en
cubiertas industriales o de grandes comercios y
usos mixtos, permitiría bajar la intensidad no
sólo de la Isla de calor urbano superficial e
incluso atmosférica, sino también reducir los
consumos energéticos para la climatización al
interior de las edificaciones con dichos
materiales.
5. Reconocimiento de autoría
Itzia Gabriela Barrera Alarcón:
Administración del proyecto; Metodología;
análisis de datos; análisis formal;
investigación; escritura-borrador original;
escritura-revisión y edición. Camilo Caudillo
Cos: Metodología; curación de datos; recursos;
análisis formal. Sandra Lizbeth Medina
Ramírez: Metodología, curación de datos;
recursos. Gerardo Felipe Ávila Jiménez:
Metodología, curación de datos; recursos.
Jorge Alberto Montejano Escamilla:
supervisión; conceptualización, ideas, revisión.
Referencias
[1] T. R. Oke, "Towards better scientific
communication in urban climate," Theor. Appl.
Climatol., vol. 84, no. 1-3, pp. 179-190, 2006.
https://doi.org/10.1007/s00704-005-0153-0.
[2] O. R. García-Cueto, E. Jáuregui-Ostos, D.
Toudert, and A. Tejeda-Martinez, "Detection of the
urban heat island in Mexicali, B. C., México and its
relationship with land use," Atmósfera, vol. 20, no.
2, pp. 111-131, 2007.
http://scielo.unam.mx/pdf//atm/v20n2/v20n2a1.pd
f
[3] J. A. Voogt and T. R. Oke, "Thermal remote
Revista de Ciencias Tecnológicas (RECIT). Volumen 5 (3): e227
17 ISSN: 2594-1925
sensing of urban climates," Remote Sens. Environ.,
vol. 86, pp. 370-384, 2003.
https://doi.org/10.1016/S0034-4257(03)00079-8.
[4] W. Zhou, G. Huang, and M. L. Cadenasso,
"Does spatial configuration matter? Understanding
the effects of land cover pattern on land surface
temperature in urban landscapes," Landsc. Urban
Plan., vol. 102, no. 1, pp. 54-63, 2011.
https://doi.org/10.1016/j.landurbplan.2011.03.009
[5] C. Yin, M. Yuan, Y. Lu, Y. Huang, and Y. Liu,
"Effects of urban form on the urban heat island
effect based on spatial regression model," Sci. Total
Environ., vol. 634, pp. 696-704, 2018.
https://doi.org/10.1016/j.scitotenv.2018.03.350
[6] B. Zhou, D. Rybski, and J. P. Kropp, "The role
of city size and urban form in the surface urban heat
island," Sci. Rep., vol. 7, no. 1, p. 4791, 2017.
https://doi.org/10.1038/s41598-017-04242-2
[7] Felipe Fernández García, Fernando Allende
Álvarez, Domingo Rasilla Álvarez, Alberto
Martilli, and Jorge Alcaide Muñoz, Estudio de
detalle del clima urbano de Madrid. Madrid:
Ayuntamiento de Madrid, 2016.
https://www.divulgameteo.es/fotos/meteoroteca/E
studio-clima-urbano-Madrid.pdf
[8] T. R. Oke, Boundary Layer Climates, 2nd ed.
Taylor & Francis e-Library, 1987.
[9] M. C. Moreno-García, "Intensity and form of
the urban heat island in Barcelona," Int. J.
Climatol., vol. 14, no. 6, pp. 705-710, 1994.
https://doi.org/10.1002/joc.3370140609
[10] P. Lin, S. S. Y. Lau, H. Qin, and Z. Gou,
"Effects of urban planning indicators on urban heat
island: a case study of pocket parks in high-rise
high-density environment," Landsc. Urban Plan.,
vol. 168, pp. 48-60, Dec. 2017.
https://doi.org/10.1016/j.landurbplan.2017.09.024
[11] A. J. Arnfield, "Two decades of urban climate
research: A review of turbulence, exchanges of
energy and water, and the urban heat island," Int. J.
Climatol., vol. 23, no. 1, pp. 1-26, 2003.
https://doi.org/10.1002/joc.859
[12] T. R. Oke, "City size and the urban heat
island," Atmos. Environ., 1973.
https://doi.org/10.1016/0004-6981(73)90140-6
[13] H. Tran, D. Uchihama, S. Ochi, and Y.
Yasuoka, "Assessment with satellite data of the
urban heat island effects in Asian mega cities," Int.
J. Appl. Earth Obs. Geoinf., vol. 8, no. 1, pp. 34-48,
2006. https://doi.org/10.1016/j.jag.2005.05.003
[14] M. L. Imhoff, P. Zhang, R. E. Wolfe, and L.
Bounoua, "Remote Sensing of Environment
Remote sensing of the urban heat island effect
across biomes in the continental USA," Remote
Sens. Environ., vol. 114, no. 3, pp. 504-513, 2010.
https://doi.org/10.1016/j.rse.2009.10.008
[15] S. Peng et al., "Surface urban heat island across
419 global big cities.," Environ. Sci. Technol., vol.
46, no. 2, pp. 696-703, Jan. 2012.
https://doi.org/10.1021/es2030438
[16] K. W. Oleson, G. B. Bonan, and J. Feddema,
"Effects of white roofs on urban temperature in a
global climate model," Geophys. Res. Lett., vol. 37,
no. 3, 2010.
https://doi.org/10.1029/2009GL042194
[17] J. Peng, Y. Hu, J. Dong, Q. Liu, and Y. Liu,
"Quantifying spatial morphology and connectivity
of urban heat islands in a megacity: A radius
approach," Sci. Total Environ., vol. 714, p. 136792,
2020.
https://doi.org/10.1016/j.scitotenv.2020.136792
[18] L. W. A. van Hove, C. M. J. Jacobs, B. G.
Heusinkveld, J. A. Elbers, B. L. van Driel, and A.
A. M. Holtslag, "Temporal and spatial variability of
urban heat island and thermal comfort within the
Rotterdam agglomeration," Build. Environ., vol.
83, pp. 91-103, Jan. 2015.
Revista de Ciencias Tecnológicas (RECIT). Volumen 5 (3): e227
18 ISSN: 2594-1925
https://doi.org/10.1016/j.buildenv.2014.08.029
[19] L. Barradas, J. Cervantes, and G. Balderas,
"UHI analysis in Puebla , Mexico , a high altitud
tropical city." 2012.
https://www.researchgate.net/publication/2700501
27_UHI_analysis_in_Puebla_Mexico_a_high_altit
ude_tropical_city
[20] I. Barrera, "Metodología de evaluación de la
sostenibilidad urbana a partir del análisis de las
características climáticas y del medio físico
construido.," Universitat Politècnica de Catalunya,
2018. 10.13140/RG.2.2.32151.44961
[21] V. Barrandas, "La isla de calor urbana y la
vegetación arbórea," Oikos, vol. 7, pp. 16-19, 2013.
https://www.researchgate.net/publication/2659054
12_La_isla_de_calor_urbana_y_la_vegetacion_ar
borea
[22] A. S. Díaz and E. P. Ruiz, "Uso De Percepcion
Remota Y Sistemas De Informacion Geografica
Para La Determinacion De Islas De Calor Urbano
En Ciudad Juarez , Chihuahua," Memorias de
resúmenes en extenso SELPER-XXI-México-
UACJ-2015. Universidad Autónoma de Ciudad
Juárez, Ciudad Juárez, Chihuahua, México, 2015.
https://1library.co/document/zgwm1l3n-
percepcion-remota-sistemas-informacion-
geografica-determinacion-urbano-chihuahua.html
[23] M. Méndez, C. Constantino, M. Uribe, G.
Becerril, and L. Alejandra, "Isla de calor en Toluca,
Méxcio," Cienc. ergo sum, vol. 14-3, pp. 307-316,
2007.
https://www.redalyc.org/articulo.oa?id=10414308
[24] M. B. Oseguera and V. L. Barradas, "The
Actual Urban Heat Island in Mexico City," 8th
International Conference on Urban Climate, vol.
W5.222, no. August. pp. 10-11, 2012.
10.13140/2.1.3669.4081
[25] J. Villanueva-Solis, A. Ranfla, and A.
Quintanilla-Montoya, "Isla de Calor Urbana:
Modelación Dinámica y Evauación de medidas de
Mitigación en Ciudades de Clima Árido Extremo,"
SciELO, 2017. doi: 10.4067/S0718-
07642013000100003
[26] L. Mercado and I. Marincic, "Morfología de
Isla de Calor urbana en Hermosillo, Sonora y su
aporte hacia una ciudad sustentable.," Biotecnia,
vol. XIX, pp. 26-33, 2017.
https://doi.org/10.18633/biotecnia.v19i0.407
[27] J. Navarro-Estupiñan, A. Robles-Morua, R.
Díaz-Caravantes, and E. R. Vivoni, "Heat risk
mapping through spatial analysis of remotely-
sensed data and socioeconomic vulnerability in
Hermosillo, México," Urban Clim., vol. 31, Mar.
2020. https://doi.org/10.1016/j.uclim.2019.100576
[28] INEGI. Instituto Nacional de Estadística y
Geografía, "México en cifras," 2020. [Online].
Available:
https://www.inegi.org.mx/app/areasgeograficas/?a
g=09#collapse-Resumen.
[29] CentroGeo, "Plataforma de Información
Geoespacial," 2022. [Online]. Available:
https://idegeo.centrogeo.org.mx.
[30] INEGI. Instituto Nacional de Estadística y
Geografía, "Aspectos Geográficos. CDMX," 2018.
[31] M. Stathopoulou and C. Cartalis,
"Downscaling AVHRR land surface temperatures
for improved surface urban heat island intensity
estimation," Remote Sens. Environ., vol. 113, no.
12, pp. 2592-2605, 2009.
https://doi.org/10.1016/j.rse.2009.07.017
[32] Q. Weng, P. Fu, and F. Gao, "Generating daily
land surface temperature at Landsat resolution by
fusing Landsat and MODIS data," Remote Sens.
Environ., vol. 145, pp. 55-67, 2014.
https://doi.org/10.1016/j.rse.2014.02.003
[33] A. Karnieli, M. Bayasgalan, Y. Bayarjargal, N.
Agam, S. Khudulmur, and C. J. Tucker,
Revista de Ciencias Tecnológicas (RECIT). Volumen 5 (3): e227
19 ISSN: 2594-1925
"Comments on the use of the Vegetation Health
Index over Mongolia," Int. J. Remote Sens., vol. 27,
no. 10, pp. 2017-2024, 2006.
https://doi.org/10.1080/01431160500121727
[34] USGS, "United States Geological Survey,"
2020. [Online]. Available: https://www.usgs.gov.
[35] N. Agam, W. P. Kustas, M. C. Anderson, F.
Li, and C. M. U. Neale, "A vegetation index based
technique for spatial sharpening of thermal
imagery," Remote Sens. Environ., vol. 107, no. 4,
pp. 545-558, 2007.
https://doi.org/10.1016/j.rse.2006.10.006
[36] J. Montejano et al., "Urban form and
productivity in México 1995-2015," Eur. J. Sustain.
Dev., vol. 9, no. 1, pp. 300-316, 2020.
https://doi.org/10.14207/ejsd.2020.v9n1p300
Derechos de Autor (c) 2022 Itzia Gabriela Barrera Alarcón, Camilo Alberto Caudillo Cos, Sandra Lizbeth Medina
Fernández, Felipe Gerardo Ávila Jiménez, Jorge Alberto Montejano Escamilla
Este texto está protegido por una licencia Creative Commons 4.0.
Usted es libre para compartir —copiar y redistribuir el material en cualquier medio o formato — y adaptar el
documento —remezclar, transformar y crear a partir del material— para cualquier propósito, incluso para fines
comerciales, siempre que cumpla la condición de:
Atribución: Usted debe dar crédito a la obra original de manera adecuada, proporcionar un enlace a la licencia, e
indicar si se han realizado cambios. Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera
que tiene el apoyo del licenciante o lo recibe por el uso que hace de la obra.
Resumen de licencia - Texto completo de la licencia