This project analyzes Urban Heat Island (UHI) effects in the city of Bologna (Italy) by processing and integrating satellite data (Landsat, MODIS) with spatial indicators like NDVI, LST - Land Surface Temperature, Albedo, and derived composite indices.
All data is clipped to the official boundary of Bologna and exported both as raster (GeoTIFF) and vector (GeoJSON).
- Input:
- Precise AOI:
[bologna_borders.geojson](bologna_borders.geojson) - Satellite data: Landsat 8/9 SR + MODIS LST (summer 2024)
- Precise AOI:
- Derived raster layers:
- LST (Land Surface Temperature)
- NDVI (Vegetation Index)
- Albedo (Surface reflectivity)
- MODIS ΔLST (day/night temp difference)
- Indices:
- Z-score LST – anomaly from mean LST
- Heat-Vegetation Index – (LST_norm – NDVI_norm)
- Heat Retention Index – (LST_norm – Albedo_norm)
- Urban Heat Exposure Index (UHEI) – composite: LST + (1–NDVI) + (1–Albedo)
- Classifications:
- Z-score in 10 classes (cold to hot spots)
- ΔLST in 3 classes: Δ > 10°C, 5–10°C, <5°C
Each index is exported in .tif and .geojson format with clip on Bologna.
| Index | Description | download raster | download vector |
|---|---|---|---|
| LST | Land Surface Temperature | lst_mean.tif | lst_mean.geojson |
| NDVI | Normalized Difference Vegetation Index | ndvi_mean.tif | ndvi_mean.geojson |
| Albedo | Surface reflectance (Liang 2001) | albedo_mean.tif | albedo_mean.geojson |
| Heat-Vegetation Index | LST_norm – NDVI_norm | heat_veg_index.tif | heat_veg_index.geojson |
| Heat Retention Index | LST_norm – Albedo_norm | heat_retention_index.tif | heat_retention_index.geojson |
| Z-score of LST | Deviation from average LST | z_score.tif - z_score_class.tif | z_score.geojson, z_score_class.geojson |
| Δ LST | MODIS day-night difference | delta_lst.tif - delta_lst_class.tif | delta_lst.geojson - delta_lst_class.geojson |
| UHEI | Composite index LST + (1–NDVI) + (1–Albedo) | urban_heat_exposure_index.tif | urban_heat_exposure_index.geojson |
- Python with:
- Earth Engine Python API
- geemap, rasterio, geopandas, leafmap
- Visualized in Jupyter Notebook
Interactive map vialeafmap.Map()+geojsonclick inspection
This analysis supports:
- Environmental monitoring
- Climate adaptation planning
- Data-driven urban policy decisions
Questo progetto analizza come il calore si accumula e persiste in diverse zone della città di Bologna durante l’estate, utilizzando dati satellitari aperti provenienti da Landsat 8/9 e MODIS.
L’obiettivo è identificare le aree più esposte al calore, capire perché lo sono e fornire strumenti utili a cittadini, tecnici e decisori pubblici.
Tutti i dati sono ritagliati sui confini ufficiali del Comune di Bologna e sono forniti sia come mappe raster (GeoTIFF) sia come dati vettoriali interattivi (GeoJSON).
Ogni indicatore spiega un aspetto diverso del comportamento del calore in città.
Sono tutti derivati da immagini satellitari scattate nell’estate 2024.
Cosa mostra: quanto è calda la superficie terrestre (es. asfalto, tetti, suolo) durante il giorno.
Come si legge: le zone più rosse o scure sono più calde.
➡️ Serve per localizzare le isole di calore urbane.
Cosa mostra: quanto una zona è più calda o più fredda rispetto alla media cittadina.
Come si legge:
- 0 = nella media
- valori negativi = più fresco
- valori positivi = più caldo
➡️ Utile per evidenziare anomalie locali, anche all’interno di aree verdi.
Cosa mostra: la quantità e lo stato di salute della vegetazione.
Come si legge:
- 0 = suolo nudo
- vicino a 1 = vegetazione sana
➡️ Le aree verdi sono più fresche. NDVI aiuta a identificare dove mancano spazi verdi.
Cosa mostra: quanto una superficie riflette la luce solare.
Come si legge:
- valori alti = superfici chiare (es. tetti bianchi)
- valori bassi = superfici scure (es. asfalto)
➡️ Le superfici scure assorbono calore. L’albedo aiuta a capire dove il suolo trattiene energia solare.
Cosa mostra: di quanto si abbassa la temperatura tra il giorno e la notte (da dati MODIS).
Come si legge:
- Δ alto = l’area si raffredda bene
- Δ basso = l’area resta calda
➡️ Indica le zone che mantengono il calore anche di notte (potenziale disagio termico).
Cosa mostra: zone calde con poca vegetazione.
➡️ Serve a individuare dove piantare alberi o migliorare il verde urbano.
Cosa mostra: aree calde con superfici poco riflettenti (es. scure), che assorbono e rilasciano calore.
➡️ Identifica le zone che restano calde anche nelle ore serali.
Formula: LST + (1 – NDVI) + (1 – Albedo)
Cosa mostra: un indice composito che unisce calore, mancanza di vegetazione e scarsa riflettività.
➡️ Più è alto, più l’area è esposta al rischio da calore urbano. Aiuta a decidere dove intervenire prima.
I dati derivano da immagini satellitari:
- Landsat 8/9: LST, NDVI, Albedo (risoluzione 30–100 m)
- MODIS: differenza giorno-notte della temperatura (risoluzione 1 km)
Gli indici calcolati includono:
- LST (°C)
- NDVI
- Albedo
- ΔLST (giorno–notte)
- Indici compositi: Z-score, Heat-Vegetation, Heat Retention, UHEI
Ogni indicatore è salvato in formato .tif e .geojson (ritagliato sui confini di Bologna).
| Indice | Descrizione | Download raster | Download vector |
|---|---|---|---|
| LST | Temperatura della superficie | lst_mean.tif | lst_mean.geojson |
| NDVI | Indice di vegetazione | ndvi_mean.tif | ndvi_mean.geojson |
| Albedo | Riflettività della superficie (Liang 2001) | albedo_mean.tif | albedo_mean.geojson |
| Heat-Vegetation Index | Caldo senza vegetazione | heat_veg_index.tif | heat_veg_index.geojson |
| Heat Retention Index | Caldo trattenuto da superfici scure | heat_retention_index.tif](https://github.com/TALEA-platform/urbanheatislands/raw/refs/heads/main/data/heat_retention_index.tif?download=) | heat_retention_index.geojson |
| Z-score LST | Deviazione dalla media | z_score.tif - z_score_class.tif | z_score.geojson, z_score_class.geojson |
| ΔLST (MODIS) | Differenza giorno-notte | delta_lst.tif - delta_lst_class.tif | delta_lst.geojson - delta_lst_class.geojson |
| UHEI | Esposizione termica urbana | urban_heat_exposure_index.tif | urban_heat_exposure_index.geojson |
📁 I file sono disponibili sia in raster che in vettoriale, pronti per essere visualizzati su mappe o in software GIS.
- Python:
- Earth Engine API
geemap,rasterio,geopandas,leafmap
- Jupyter Notebook per l'elaborazione e visualizzazione
- Leafmap per mappa interattiva con click e legenda
🌇 Bologna, come molte città, sperimenta effetti da isola di calore urbana che peggiorano con l’estate e i cambiamenti climatici.
Questi fenomeni dipendono da:
- Carenza di spazi verdi 🌳
- Superfici che assorbono calore (asfalto, tetti scuri) 🛣️
- Scarsa dispersione del calore notturno 🌃
Mappare e spiegare questi meccanismi serve a:
- 🏛️ Aiutare chi pianifica la città a intervenire dove serve
- 🧑⚕️ Proteggere la salute dei cittadini più vulnerabili
- 🧑🎓 Far capire a tutti come l’ambiente urbano influisce sul benessere quotidiano
📣 Questo progetto promuove la scienza aperta, la resilienza climatica e la pianificazione urbana partecipata.