graziela meneghetti mestranda em sensoriamento remoto ... •casas grandes de dois andares •pelo...

Graziela Meneghetti

Mestranda em Sensoriamento Remotograzitm@dsr.inpe.br

Introdução

• Mais de 80% da população vive emáreas urbanas (IBGE)

• Crescimento da população e migração do campo para a cidade

• Grande problema para o planejamento das cidades

• O planejamento pode ser entendido como uma forma de intervir racionalmente sobre uma determinada realidade

• Elaborar um conjunto de ações orientadas sobre a estrutura espacial de forma a alcançar um cenário desejável

• Este processo necessita de uma gama de informações para o conhecimento da realidade

• Encontrar tais padrões espaciais tornapossível correlacioná-los com a infra-estruturadisponível em diferentes partes da cidade.

• Isso pode nos ajudar a entender os aspectos de vulnerabilidade da população urbana

• As classes sócio-econômicas e suas características de censo podem ser espacialmente relacionados com indicadores, tais como: serviços públicos e transporte, saúde e saneamento, segurança etc.

• O desenvolvimento de tais perfis podem ajudar a avaliar e priorizar as questões locais

• A associação de algumas informações articuladas em um referencial geográfico permitem a apreensão da diferenciação residencial do espaço urbano, bem como sua distribuição espacial e sua interação com a caracterização social da população urbana

Características do ambiente material residencial

Essas informações podem ser obtidas por dados de sensores remotos orbitais. Avanços tecnológicos trouxeram melhorias na

resolução espacial e temporal

dos dados.

Características da população residente

Essas informações podem ser obtidas por meioda base de dados do IBGE

• Souza (2007) utilizou o software e-Cognition4.0 para realizar a classificação das imagens permitindo definir classes sócio-econômicas em alguns bairros do município de sua área de estudo.

• Realizou o estudo por bairros abrangendo 40% do município de São José dos Campos/SP.

• Dados de alta resolução.

• Ruas largas e pavimentadas

• Alta arborização

• Presença de piscinas

• Grandes construções residenciais

Padrões: Classe alta – Souza (2007)

Fonte: Souza, 2007

• Ruas pavimentadas porém menores

• Média arborização

• Quadras organizadas internamente

Padrões: Classe média – Souza (2007)

Fonte: Souza, 2007

Padrões: Classe baixa – Souza (2007)

• Área densamente ocupada

• Ruas estreitas

• Pode ou não haver pavimentação

• Pouca arborização

• Coexistência de usos (residencial e comercial) indicadas pelostamanhos do telhados

Fonte: Souza, 2007

• Desorganização interna

• Dificuldade de identificação de arruamento

• Falta de planejamento no processo de ocupação

• Grande diversidade de materiais na cobertura das moradias

• Irregularidades de formas e dimensões

• Ausência de vegetação

Padrões: Favelas – Souza (2007)

Fonte: Souza, 2007

• Em outro artigo utilizado, Avelar(2009) utilizou o software ArcGIS e abrangeu uma área do municípiode Lima – Peru.

• Definiu a população em classes A, B, C, D, e E.

• Dados menor resolução espacial

Fonte: Avelar (2009).

• 3.6 membros por família• Renda mensal maior que 2712.00 dólares• Casas grandes de dois andares• Pelo menos 3 quartos e 4 banheiros• Área verde• Garagem para 2 ou mais carros• Presença de piscina• Ruas pavimentadas• Muros ou cercas ao redor das casas

Classe A – Avelar (2009)

• 4.1 membros da família

• Renda mensal entre 754.00 e 2712.00 dólares

• Casas de tamanho médio

• 2 quartos e 2 banheiros

• Área verde

• Garagem para 1 ou 2 carros

• Piscina pequena

• Ruas pavimentadas

• Muros ou cercas

Classe B – Avelar (2009)

• 4.5 membros na família

• Renda mensal entre 745.00 e 325.00 dólares

• Casas de tamanho médio

• Casas com 2 quartos e um banheiro

• Presença ou não de área verde

• Presença ou não de garagem

• Terreno praticamente todo ocupado

• Pavimentação de baixa qualidade

Classe C – Avelar (2009)

• 4.7 membros na família

• Renda mensal de 239.00 dólares

• Casas pequenas e muitas vezesinacabadas

• 2 quartos e 1 banheiro

• Sem área verde, garagem ou piscina

• Ocupação de todo o terreno

• Ruas pavimentadas ou não

Classe D – Avelar (2009)

• 4.6 membros por família

• Renda mensal de 163.00 dólares

• Casa de apenas 1 dormitório e 1 banheiro

• Baixa qualidade de material utilizado

• Não possui jardim, piscina ou garagem

• Ruas não pavimentadas

Classe E – Avelar (2009)

Fonte: Avelar (2009).

Técnicas de interpretação visual demandamtempo e acrescentam subjetividade aoprocesso de extração de informações

Embora apresentem melhores resultados que a classificação automática

Considerações finais

Embora seja importante para o planejamento o cruzamento de informações das imagens de satélite com as informações da população,

esse trabalho pode não ser viável para grandes áreas.

Alto custo computacional e demorado.

Considerações finais

Referências bibliográficas

AVELAR, S.; ZAH, R.; CORRÊA, C.T. Linking socioeconomic classes and land cover data in Lima, Peru:Assessment through the application of remote sensing and GIS. International Journal of Applied Earth Observation and Geoinformation, v.11, n.1, p. 27-37, 2009.

SOUZA, I. M. E. ; ALVES, C. D. ; ALMEIDA, C. M. ; PINHO, C. M. D. . Caracterização Socioeconômica do Espaço Residencial Construído Utilizando Imagens de Alta Resolução Espacial e Análise Orientada a Objeto. Geografia (Londrina), v. 16, p. 119-142, 2007.

SOUZA, I. M. E. ; DURAND, C. ; ALMEIDA, Claudia Maria de ; PINHO, C. M. D. Uso de imagens de alta resolução espacial e análise orientada a objeto para caracterização socioeconômica doespaço residencial construído. In: XIV SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 2009, Natal. XIV SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO - XIV SBSR. São José dos Campos : INPE, 2009. p. 875-882.