Potencial de resfriamento radiativo para o céu no Brasil

Radiative sky cooling potential in Brazil

Resumo

O resfriamento radiativo para o céu (RRC) ocorre devido às diferenças de temperaturas das superfícies terrestres e do céu. Sua aplicação no resfriamento passivo de edificações pode ser uma forma sustentável de remover o calor da edificação, sem aumentar a temperatura do entorno imediato. Apesar da predominância de clima tropical no Brasil, o RRC não é uma estratégia bioclimática difundida. O objetivo dessa pesquisa é discriminar o potencial de resfriamento radiativo para o Brasil, com base apenas nos dados climáticos do ano meteorológico típico (TMY), como primeiro passo para a investigação do seu efeito no ambiente construído. A pesquisa fez uso de 577 arquivos climáticos do tipo TMYx (2007-2021) para calcular o Potencial de Resfriamento Radiativo para o Céu (P_RRC), e foram selecionados oito climas correspondentes às zonas bioclimáticas para avaliar a Depressão de Temperatura do Céu (DTC). A média anual do P_RRC no Brasil foi de 53 W/m², sendo mais elevada nas regiões semiáridas e secas do Nordeste e Centro-Oeste, e mais baixa nas regiões úmidas. A DTC foi maior nas cidades com clima tropical seco, Brasília, DF, e Goiânia, GO, alcançando 20 °C no período seco. Em contraste, Belém, PA, com clima equatorial, apresentou DTCs inferiores a 8 °C. As diferenças encontradas são significativas, mesmo considerando as limitações dos índices.

Palavras-chave
Resfriamento radiativo para o céu; Resfriamento passivo; Radiação de onda longa descendente

Abstract

Radiative sky cooling (RRC) occurs due to temperature differences between terrestrial surfaces and the sky. Its application in passive building cooling can be a sustainable way to remove heat from buildings without increasing the temperature of the immediate surrounding external environment. RRC is not a widely adopted bioclimatic strategy. This research aims to assess the potential for radiative cooling in Brazil based solely on Typical Meteorological Year (TMY) as a first step toward investigating its effects on the built environment. The study utilized 577 TMYx (2007-2021) climate files to calculate the Radiative Sky Cooling Potential (P_RRC) and selected eight climates corresponding to bioclimatic zones to evaluate the Sky Temperature Depression (DTC). The annual average P_RSC in Brazil was 53 W/m², with higher values in the semi-arid and dry regions of the Northeast and Central-West and lower values in humid areas. The DTC was highest in cities with a dry tropical climate, such as Brasília/DF and Goiânia/GO, reaching 20 °C during the dry season. In contrast, Belém/PA, with an equatorial climate, showed DTCs below 8 °C. The differences found are significant, even considering the limitations of the indices.

Keywords
Radiative sky cooling; Passive cooling; Downward longwave radiation

Introdução

As trocas de calor por radiação entre o edifício e o céu ocorrem continuamente, tanto durante o dia quanto à noite, causadas pela diferença entre a temperatura das superfícies externas do edifício e da abóbada celeste (Santamouris; Asimakopoloulos, 2013). Como a temperatura das superfícies externas da edificação é, geralmente, superior à temperatura efetiva do céu, há uma perda contínua de energia térmica do edifício (Zhao et al., 2019), descrito como Resfriamento Radiativo para o Céu (RRC). O RRC pode contribuir para o resfriamento passivo da edificação nos períodos quentes, reduzindo a dependência de sistemas artificiais de resfriamento (Wu et al., 2022), enquanto pode ser prejudicial nos períodos frios porque pode aumentar a demanda de aquecimento artificial (Ulpiani et al., 2020). O RRC é uma consequência da troca de calor por radiação de onda longa e depende da emissividade das superfícies do edifício e das condições atmosféricas locais (Khedari et al., 2000). Superfícies com alta emissividade têm maior capacidade de emitir radiação térmica (Givoni, 1998; Lechner, 2015), enquanto a presença de vapor d’água e partículas suspensas na atmosfera pode aumentar a emissão da radiação atmosférica, reduzindo o potencial de resfriamento da superfície (Li; Peterson; Coimbra, 2019).

O Potencial de Resfriamento Radiativo para o Céu (P_RRC) é um indicador da capacidade máxima de resfriamento que uma superfície pode alcançar (Zhu et al., 2021), considerando uma condição ideal de máxima emissividade (corpo negro), porém de máxima refletividade, que não absorve radiação solar. O indicador corresponde à diferença entre a radiação de onda longa emitida por uma superfície e a fração absorvida da radiação de onda longa descendente (OLD). São excluídas as trocas por condução entre a superfície e o edifício, e assume-se a temperatura da superfície similar à temperatura do ar, eliminando a influência das trocas convectivas. O indicador pode ser calculado a partir dos registros de temperatura do ar e radiação OLD, utilizando apenas os registros de temperatura do ar e radiação OLD extraídos de arquivos climáticos do tipo Ano Meteorológico Típico (TMY). O TMY reúne dados meteorológicos que representam condições típicas de um local ao longo do ano, baseando-se em séries históricas de 10 e 30 anos. Dessa forma, é possível avaliar a relevância do RRC ou mesmo sua inadequação para diferentes localidades.

Há diversas constatações da intensidade e do comportamento do P_RRC. A análise de registros noturnos de junho, o período mais quente, para 351 localidades na China, resultou em variações entre 60 W/m² e 90 W/m² nas regiões mais secas e abaixo de 20 W/m² nas mais úmidas (Chang; Zhang, 2019). O potencial de RRC de 280 localidades na China resultou na média anual entre 36,7 W/m² e 71,9 W/m², e as variações entre as estações do ano e a média anual foram +4,02% na primavera, -7,22% no verão, -0,34% no outono e no inverno, sendo que o mais baixo foi durante o período de verão, quando há maior demanda por resfriamento (Chen; Lu; Gong, 2021). A análise do potencial médio ao longo do ano, para 271 localidades na China, resultou em potenciais ainda maiores, entre 70 W/m² e 100 W/m² nos dias com céu claro, enquanto a média para todas as condições de céu variou entre 40 W/m² e 55 W/m², demonstrando a influência dos registros de cobertura de nuvens nos resultados (Zhu et al., 2021).

A análise separada do potencial diurno e noturno, com base em registros de 1.681 estações climatológicas dos Estados Unidos da América, resultou em variações entre 30 W/m² e 70 W/m² durante o dia, sendo 5 W/m² maior do que à noite (Li; Peterson; Coimbra, 2019). O potencial médio no verão em regiões quentes e secas (Oeste) foi superior a 70 W/m², enquanto, nas mais úmidas (Sul), foi inferior a 40 W/m². O potencial no inverno foi, aproximadamente, 50 W/m² na maioria das regiões, e isso deveria ser reduzido para evitar o resfriamento excessivo e a formação de gelo. Na Europa, a análise baseada em 1.791 estações meteorológicas resultou em RRC maior e mais variável durante o dia, entre 43,8 W/m² e 94,0 W/m², enquanto a variação noturna foi entre 35,1 W/m² e 71,3 W/m² (Vilà, Medrano; Castell, 2021).

Um segundo indicador do RRC é a Depressão da Temperatura do Céu (Martin; Berdahl, 1984), correspondente à diferença entre a temperatura de bulbo seco do ar e a temperatura do céu, equivalente também à diferença de temperatura do ar e de uma superfície de corpo negro em equilíbrio radiativo com o céu e isolada de outras trocas térmicas, correspondente à máxima redução de temperatura possível (Zhu et al., 2021). O indicador é empregado para avaliar sistemas de resfriamento no período noturno (Martin; Berdahl, 1984; Argiriou; Santamouris; Assimakopoulos, 1994; Gonzalez-Cruz; Krüger, 2024). Sua principal vantagem é ser mais intuitiva para projetistas porque indica a temperatura superficial que pode ser alcançada pelo resfriamento, em °C.

O potencial do resfriamento radiativo em edificações no Brasil ainda é pouco explorado, ainda que 81% do território apresente clima tropical, 5% clima seco e 15% clima temperado (Alvares et al., 2013). As causas fundamentais são a falta de medições de radiação de onda longa descendente (OLD) e as incertezas de modelos de cálculo de OLD, que dificultam a avaliação. Na prática, faltam indicações do potencial do resfriamento radiativo como estratégia bioclimática. Por isso, o objetivo deste estudo é discriminar quantitativamente o potencial de uso do resfriamento radiativo, empregando abordagens simplificadas, a partir dos 577 arquivos climáticos destinados à simulação de desempenho de edifícios (Lawrie; Drury, 2022). A relação do potencial climático com o desempenho de edificações é abordada noutro artigo, em preparação, sendo que os resultados desta pesquisa podem ser aplicados em áreas nas quais a radiação de onda longa também é relevante, como na meteorologia, climatologia, agricultura, gestão de recursos naturais e energias renováveis.

Método

O método começa pela determinação do potencial de resfriamento radiativo a partir do cálculo do P_RRC baseado em 577 arquivos climáticos TMYx em formato EPW, referente ao período entre 2007 e 2021, disponibilizados por Lawrie e Drury (2022) no repositório de dados climáticos para simulação de desempenho de edifícios. Ao final, são identificados os períodos de maior aproveitamento do resfriamento radiativo para oito cidades, representando as zonas bioclimáticas.

Potencial de resfriamento radiativo para as cidades brasileiras

O comportamento do P_RRC foi caracterizado por meio das médias anuais e sazonais para o dia inteiro e para os períodos diurnos e noturnos. O cálculo do P_RRC considera uma superfície com propriedades radiativas ideais, em que a absortância solar é assumida como zero, enquanto a absortância e a emissividade para radiação de onda longa são ambas iguais a um. As trocas de calor não radiativas são desconsideradas, restando apenas as trocas radiativas de onda longa (Li; Peterson; Coimbra, 2019; Chang; Zhang, 2019; Chen; Lu; Gong, 2021; Zhu et al., 2021; Vilà, Medrano; Castell, 2021), conforme Equações 1 e 2.

$P_{RRC}=q_{sup }-q_{atm }$ (Eq. 1)

$P_{RRC}={ϵ}_{sur}\cdot \sigma \cdot {T_{bs}}^4-{ϵ}_{céu}\cdot \sigma \cdot {T_{bs}}^4$ (Eq. 2)

Onde:

P_RRC é o potencial de resfriamento radiativo para o céu (W m^-2);

q_sup é o fluxo de radiação térmica emitido pela superfície (W m^-2);

q_atm é o fluxo de radiação atmosférica absorvido na superfície (W m^-2);

Є_sup é a emissividade da superfície (adimensional);

σ é a constante de Stefan-Boltzmann (W m^-2 K^-4);

T_bs é a temperatura de bulbo seco (K); e

Є_céu é a emissividade em todas as condições de céu (adimensional).

A falta de medições da radiação OLD foi contornada com a estimativa da emissividade efetiva do céu a partir da versão calibrada¹ para o Brasil por Amorim et al. (2023) do modelo de emissividade do céu claro proposto por Berdahl e Martin (1984), conforme Equação 3. Em seguida, as emissividades das demais condições de céu empregaram a correlação de Walton (1983), que incorpora os dados de cobertura do céu opaco (opaque sky cover) disponíveis no arquivo climático TMY, conforme Equação 4.

${Є}_{céu claro }=0,718+0,184\left(T_{po}/100\right)+1,359{\left(T_{po}/100\right)}^2$ (Eq. 3)

Onde:

Є_{céu claro} é a emissividade do céu claro (adimensional); e

T_po é a temperatura de ponto de orvalho (°C);

${Є}_{céu }={ϵ}_{céu claro }\left(1+0,0224N-0,0035N^2+0,00028N^3\right)$ (Eq. 4)

Onde:

Є_céu é a emissividade para todas as condições de céu (adimensional);

Є_{céu claro} é a emissividade do céu claro (adimensional); e

N é a cobertura do céu opaco, em décimas (adimensional).

A distribuição geográfica irregular das localidades dos arquivos climáticos, com maior concentração nas regiões Sul e Sudeste e mais escassez na Região Norte, exigiu o uso de técnicas de interpolação espacial para a estimativa de dados em áreas não amostradas. A qualidade dos resultados desse procedimento está diretamente relacionada à densidade e à representatividade das medições disponíveis. Foi empregada a técnica de Krigagem para analisar estatisticamente as relações espaciais entre as localidades, considerando tanto a distância quanto a direção. Foi empregado o programa QGIS (2023), versão 3.28, com auxílio do plugin Smart-Map (Pereira et al., 2024), no qual cada pixel da malha representa uma área de 25 km por 25 km (625 km²). O dimensionamento da área amostral seguiu três critérios: a capacidade de processamento para toda a extensão do Brasil, os maiores coeficientes de determinação (R²) e o resultado visual da imagem gerada. A partir dos 577 pontos (correspondentes aos arquivos climáticos), foi gerada uma malha regular com 13.915 porções espaciais de 625 km² cada, equivalente a aproximadamente 2,5 vezes o total de municípios brasileiros, proporcionando, assim, uma resolução espacial mais detalhada para a análise. Os resultados foram apresentados no formato de “mapas de calor” (heatmaps) para caracterizar a distribuição do potencial de resfriamento radiativo para o céu, simultaneamente, em diferentes regiões do país.

Períodos de aproveitamento do resfriamento radiativo

Os períodos de maior aproveitamento do resfriamento radiativo foram investigados para oito cidades brasileiras correspondentes às oito zonas bioclimáticas da NBR 15220-3 (ABNT, 2005). Com a recente atualização da norma (ABNT, 2024), optou-se por apresentar as duas classificações, com a nomenclatura anterior e a atual, resultante em Bom Jesus, RS (ZB 1/1R), Xanxerê, SC (ZB 2/2R), Florianópolis, SC (ZB 3/3A), Brasília, DF (ZB 4/3B), Santos, SP (ZB 5/3A), Goiânia, GO (ZB 6/4B), Picos, PI (ZB 7/6B) e Belém, PA (ZB 8/6A).

Comparou-se a variação mensal da Depressão da Temperatura do Céu (DTC), a temperatura de bulbo seco do ar (TBS) e o percentual de horas em que a TBS (considerada igual à temperatura operativa) está na faixa de conforto térmico, equivalente ao PHFT da NBR 15575-1 (ABNT, 2020), e os percentuais de horas abaixo e acima da faixa, identificados como Conforto, Frio e Quente nos gráficos de resultados. Para Bom Jesus, RS, Xanxerê, SC, Florianópolis, SC, Brasília, DF, Santos, SP e Goiânia, GO, com média anual de temperatura de bulbo seco inferior a 25 °C, a faixa de conforto térmico foi definida entre 18 °C e 26 °C. Para Picos, PI e Belém, PA, cujas médias anuais de temperatura de bulbo seco superam 27 °C, a faixa foi ajustada para incluir temperaturas de até 30 °C.

O indicador Depressão da Temperatura do Céu (DTC) foi calculado de acordo com Martin e Berdahl (1984), para representar a diferença entre a temperatura de bulbo seco do ar e a temperatura efetiva do céu² (Equação 5).

$DTC=T_{bs}-T_{céu}$ (Eq. 5)

Onde:

DTC é a depressão da temperatura do céu (°C);

T_bs é a temperatura de bulbo seco (°C); e

T_céu é a temperatura efetiva do céu (°C).

A temperatura efetiva do céu foi calculada com base nos valores de radiação OLD, aplicando a Lei de Stefan-Boltzmann, conforme descrito na documentação Engineering Reference do programa de simulação termo energética EnergyPlus (DOE, 2023), conforme Equação 6.

$T_{céu}=(OLD/\sigma {)}^{0,25}-273,15$ (Eq. 6)

Onde:

T_céu é a temperatura efetiva do céu (°C);

OLD é a radiação de onda longa descendente (W/m²); e

σ é a constante de Stefan-Boltzmann (W m^-2 K^-4).

Resultados e discussão

O potencial de resfriamento radiativo para o céu (P_RRC) médio anual é maior nas regiões mais secas, interior das Regiões Nordeste e Sudeste e Região Centro-Oeste, e menor nas regiões mais úmidas, Região Norte e na Zona Costeira (Figura 1). A média anual do potencial de RRC é de 53 W/m², com um desvio padrão de cerca de 15 W/m². A Região Norte tem baixo potencial, com valor mínimo de 25 W/m² (município de Benjamin Constant/AM), enquanto o maior é no interior da Região Nordeste, em clima semiárido, com 96 W/m² (Cabrobó, PE). A diferença entre os extremos, de 43 W/m², é similar à encontrada na China, de 45 W/m² (Chen; Lu; Gong, 2021).

Figura 1
Potencial médio anual de RRC no Brasil

A média anual de 53 W/m² é semelhante à média de 50,5 W/m² nos Estados Unidos (Li, Peterson; Coimbra, 2019), e inferior à média de 60,2 W/m² para a Europa (Vilá, Meldrano; Castell, 2021).

O P_RRC médio diurno anual, de aproximadamente 60 W/m², é 7 W/m² acima da média anual (Figura 2), e varia entre 31 W/m² (Benjamin Constant/AM) e 100 W/m² (Cabrobó/PE). O P_RRC noturno anual (Figura 3) é de 46 W/m², 7 W/m² abaixo da média diária. O P_RRC médio diurno anual é 14 W/m² maior que o noturno, e os extremos foram registrados em Maués/AM (18 W/m²) e Cabrobó/PE (91 W/m²). Em comparação, a diferença encontrada nos Estados Unidos da América foi 5 W/m², para extremos entre 30 W/m² e 70 W/m² (Li, Peterson e Coimbra, 2019). Os motivos para a diferença entre o P_RRC médio diurno e noturno anual podem ser a ausência de aquecimento solar, resfriamento radiativo do solo e do ar, inversão térmica, umidade e cobertura de nuvens.

Figura 2
Potencial médio anual diurno de RRC no Brasil

Figura 3
Potencial médio anual noturno de RRC no Brasil

Figura 4
(a) P_RRC médio diurno no inverno no Brasil; (b) diferença entre o P_RRC médio diurno no inverno e o P_RRC médio diurno anual no Brasil

O P_RRC médio diurno no inverno (Figura 4) varia de 27 W/m² (Barcelos/AM) a 113 W/m² (Cabrobó, PE), com média de 66 W/m², 13 W/m² superior à anual, enquanto o P_RRC médio diurno no verão (Figura 5) varia de 22 W/m² (Lábrea, AM) a 89 W/m² (Cabrobó, PE), com média de 44 W/m², 9 W/m² inferior à anual. As variações do P_RRC entre o inverno e o verão são discretas nas áreas úmidas, próximas à zona costeira, enquanto a região do semiárido e grande parte do Centro-Oeste alcançam 100 W/m² no inverno e apresentam uma redução de até -30 W/m² no verão (Campo Novo do Parecis, MT). No inverno, aumentam os contrastes entre as regiões com clima seco e baixa nebulosidade e as com chuvas intensas e maior cobertura de nuvens (Alves; Machado; Prasad, 2007; Wollmann; Sartori, 2010). Por isso, as diferenças de variação do P_RRC médio são maiores entre as estações inverno e verão do que entre o dia e a noite (Figura 6).

Figura 5
(a) P_RRC médio diurno no verão no Brasil; (b) Diferença entre o P_RRC médio diurno no verão e o P_RRC médio diurno anual no Brasil

Figura 6
Distribuição do P_RRC para diferentes períodos

O indicador Depressão da Temperatura do Céu (DTC) variou de 5 a 20 °C para as oito cidades. As médias mensais de DTC nas cidades com climas subtropicais (Figura 7) são mais baixas justamente nos períodos em que o resfriamento é necessário, no Verão, sobretudo em Florianópolis. As maiores DTC ocorrem nas cidades de clima tropical da região Centro-Oeste (Brasília, DF e Goiânia, GO), entre 10 e 20 °C, e coincidem com a maior demanda de resfriamento (Figura 8). O maior potencial de aproveitamento do resfriamento radiativo ocorre no clima semiárido (Picos, PI), com alta DTC (8,0 e 16,8 °C), sobretudo nos períodos de maior demanda de resfriamento (Figura 9). O clima equatorial (Belém, PA) também se beneficia do RRC porque há demanda de resfriamento o ano todo, ainda que a DTC seja mais baixo, devido às chuvas regulares, entre 4,6 e 8,2 °C.

Figura 7
Médias mensais de DTC e TBS, e ocorrências de conforto, frio e quente para cidades na ZB1/1R, ZB2/2R e ZB3/3A (climas subtropicais)

Figura 8
Médias mensais de DTC e TBS, e ocorrências de conforto, frio e quente para cidades na ZB4/3B, ZB5/3A e ZB6/4B (climas tropicais)

Figura 9
Médias mensais de DTC e TBS, e ocorrências de conforto, frio e quente para cidades na ZB7/6B e ZB8/6A (clima semiárido e equatorial)

Conclusão

A aplicação de indicadores, calculados a partir de registros de temperatura do ar e radiação OLD (onda longa descendente), extraídos de arquivos climáticos do tipo TMY (Ano Meteorológico Típico), no tocante aos climas brasileiros investigados, possibilitou discriminar quantitativamente o potencial de uso do resfriamento radiativo para o céu no Brasil e encontrar as condições mais e menos favoráveis.

As variações encontradas convergem com a literatura quanto às faixas de P_RRC (Potencial de Resfriamento Radiativo para o Céu) e tendências. O potencial noturno é apenas um pouco maior que o diurno, e a maior influência é a cobertura de nuvens, que aumenta a importância da localização e da estação do ano. Por isso, o maior potencial de uso ocorre nas regiões com menos nuvens e nos períodos em que há maior demanda por resfriamento, como no Centro-Oeste e interior do Nordeste, seguido do Norte, que requer resfriamento contínuo, ainda que o potencial disponível seja reduzido.

A influência da cobertura de nuvens no P_RRC aumenta a importância do seu monitoramento com instrumentos adequados, uma vez que, atualmente, ela é determinada de forma indireta e simplificada, o que introduz muitas incertezas nos resultados.

Os indicadores ainda precisam ser testados e relacionados com diferentes configurações de envoltória de edificações e outros recursos passivos para confirmar sua pertinência, para que possam ser usados como parâmetros para recomendações bioclimáticas.

• 1
  Processo de ajuste dos parâmetros do modelo para melhorar a precisão das previsões, comparando os resultados estimados com dados observados.
• 2
  Para fins de simplificação e modelagem, assume-se que, em estado estacionário, a temperatura da superfície é aproximadamente igual à temperatura efetiva do céu.

Declaração de Disponibilidade de Dados

Os dados de pesquisa só estão disponíveis mediante solicitação.

Referências

• ALVARES, C. A. et al Köppen’s climate classification map for Brazil. MeteorologischeZeitschrift, v. 22, n. 6, p. 711–728, 2013.
• ALVES, M. A. S.; MACHADO, L. A. T.; PRASAD, G. S. S. D. Estudo da variabilidade da cobertura de nuvens altas na Amazônia Central. Acta Amazonica, Manaus, v. 37, n. 1, p. 71-79, 2007.
• AMORIM, R. P. L. et al Sky emissivity model calibration with data from Brazil and building simulation sensitivity analysis. Solar Energy, v. 263, p. 111963, 2023.
• ARGIRIOU, A.; SANTAMOURIS, M.; ASSIMAKOPOULOS, D. N. Assessment of the radiative cooling potential of a collector using hourly weather data. Energy, v. 19, n. 8, p. 879–888, ago. 1994.
• ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 15220: desempenho térmico de edificações: parte 3: zoneamento bioclimático brasileiro e diretrizes construtivas para habitações unifamiliares de interesse social. Rio de Janeiro, 2005.
• ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 15220: desempenho térmico de edificações: parte 3: zoneamento bioclimático por desempenho: lista de cidades brasileiras. Rio de Janeiro, 2024.
• ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 15575-1: edificações habitacionais: desempenho. Rio de Janeiro, 2020.
• BERDAHL, P.; MARTIN, M. Technical note: emissivity of clear skies. Solar Energy v. 32, n. 5, p.663-664,1984.
• CHANG, K.; ZHANG, Q. Modeling of downward longwave radiation and radiative cooling potential in China. Journal of Renewable and Sustainable Energy, v. 11, n. 6, 2019.
• CHEN, J.; LU, L.; GONG, Q. A new study on passive radiative sky cooling resource maps of China. Energy Conversion and Management, v. 237, 2021.
• DEPARTMENT OF ENERGY. EnergyPlus Version 23.2.0 Documentation: Engineering Reference. Washington, DC: US Department of Energy, 2023. Disponível em: https://energyplus.net/documentation Acesso em: 16 out. 2023.
  » https://energyplus.net/documentation
• GIVONI, B. Climate considerations in building and urban design. New York: Van Nostrand Reinhold, 1998.
• GONZÁLEZ-CRUZ, E. M.; KRÜGER, E. L. Applicability of a radiant-capacitive cooling and heating system in its cooling mode in Köppen-Geiger’s A, B and C climate types. Building and Environment, v. 258, p. 111623, jun. 2024.
• KHEDARI, J. et al Field investigation of night radiation cooling under tropical climate. Renewable Energy, v. 20, p. 183-193, 2000.
• LAWRIE, L. K., DRURY, B. C. Development of Global Typical Meteorological Years (TMYx) 2022. Disponível em: http://climate.onebuilding.org Acesso em: 01 dez. 2022.
  » http://climate.onebuilding.org
• LECHNER, N. Heating, cooling, lighting: sustainable design methods for architects. Hoboken: John Wiley & Sons, 2015.
• LI, M.; PETERSON, H. B.; COIMBRA, C. F. M. Radiative cooling resource maps for the contiguous United States. Journal of Renewable and Sustainable Energy, v. 11, n. 3, 2019.
• MARTIN, M.; BERDAHL, P. Characteristics of infrared sky radiation in the United States. Solar Energy, v. 33, n. 3/4, p. 321-336, 1984.
• PEREIRA, G. W. et al. Smart-Map: QGIS Plugin for Automated Mapping of Interpolation using Ordinary Kriging and Machine Learning (Support Vector Machine). Versão 1.4.2. 2024. Disponível em: https://plugins.qgis.org/plugins/Smart_Map/version/1.4.2/download/ Acesso em: 04 fev. 2025.
  » https://plugins.qgis.org/plugins/Smart_Map/version/1.4.2/download/
• QGIS DEVELOPMENT TEAM. QGIS Geographic Information System Versão 3.28. Open Source Geospatial Foundation, 2023. Disponível em: https://qgis.org Acesso em: 04 fev. 2024.
  » https://qgis.org
• SANTAMOURIS, M.; ASIMAKOPOULOS, D. Passive cooling of buildings New York: Routledge, 2013.
• ULPIANI, G. et al On the energy modulation of daytime radiative coolers: A review on infrared emissivity dynamic switch against overcooling. Solar energy, v. 209, p. 278-301, 2020.
• VILÀ, R.; MEDRANO, M.; CASTELL, A. Mapping nighttime and all-day radiative cooling potential in europe and the influence of solar reflectivity. Atmosphere, v. 12, n. 9, 2021.
• WALTON, G. N. Thermal analysis research program reference manual: NBSSIR 83-2655. 1983. Disponível em: https://archive.org/details/ thermalanalysisr8326walt/page/n1/ mode/2up Acesso em: 12 dez. 2022.
  » https://archive.org/details/ thermalanalysisr8326walt/page/n1/ mode/2up
• WOLLMANN, C. A.; SARTORI, M. G. B. Variação mensal e sazonal da nebulosidade em Santa Maria, Rio Grand do Sul, no período de 1969 a 2005. Georgrafar, v. 5, n. 2, 2010.
• WU, Y. et al A review of the application of radiative sky cooling in buildings: challenges and optimization. Energy Conversion and Management, v. 265, p. 115768, 2022.
• ZHAO, B. et al. Radiative cooling: a review of fundamentals, materials, applications, and prospects. Applied Energy, v. 236, p. 489–513, fev. 2019.
• ZHU, Y. et al Radiative sky cooling potential maps of China based on atmospheric spectral emissivity. Solar Energy, v. 218, p. 195–210, 2021.

Editado por

• Editor-chefe:
  Enedir Ghisi

Datas de Publicação

• Publicação nesta coleção
  03 Nov 2025
• Data do Fascículo
  2025

Histórico

• Recebido
  02 Jul 2025
• Aceito
  26 Jul 2025