mapa dasimÉtrico do municÍpio de vespasiano-mg · ana paula da silva mapa dasimÉtrico do...
TRANSCRIPT
INSTITUTO DE CIÊNCIAS NATURAIS- ICN
CURSO DE GEOGRAFIA (BACHARELADO)
ANA PAULA DA SILVA
MAPA DASIMÉTRICO DO MUNICÍPIO DE
VESPASIANO-MG
Alfenas / MG
2011
Universidade Federal de Alfenas. Unifal-MG Rua Gabriel Monteiro da Silva, 714 – Alfenas/MG – CEP 37130-000
Fone: (35) 3299-1000 . Fax: (35) 3299-1063
ANA PAULA DA SILVA
MAPA DASIMÉTRICO DO MUNICÍPIO DE
VESPASIANO-MG
Trabalho de conclusão de Curso para obtenção do título de Bacharel
em Geografia pela Universidade Federal de Alfenas – Minas Gerais.
Área de concentração: Sensoriamento Remoto e Geoprocessamento.
Orientador: Prof. Drº Fernando Shinji Kawakubo.
Alfenas/ MG
2011
ANA PAULA DA SILVA
MAPA DASIMÉTRICO DO MUNICÍPIO DE
VESPASIANO-MG
A banca examinadora abaixo- assinada, aprova o
Trabalho de Conclusão de Curso apresentado
como parte dos requisitos para a obtenção
do título de Bacharel em Geografia pela
Universidade Federal de Alfenas- MG.
Área de Concentração: Sensoriamento
Remoto e Geoprocessamento
Aprovado em Alfenas, 21 de novembro de 2011.
Profº. Drº. Fernando Shinji Kawakubo
________________________________
Instituição: Universidade Federal de Alfenas-MG
Profº. MSc. Ericson Hideki Hayakawa
________________________________
Instituição: Universidade Federal de Alfenas-MG
Profª Drª Rúbia Gomes Morato
________________________________
Instituição: Universidade Federal de Alfenas-MG
Dedico a Deus, a minha Família,
meus amigos e todos que me
apoiaram na realização
desse trabalho.
AGRADECIMENTOS
Fruto de uma trajetória acadêmica este trabalho contou com o auxilio de vários
personagens.
Primeiramente agradeço a Deus por ter me proporcionada a oportunidade de
desenvolver este trabalho. Obrigada a Maria Amélia dos Santos Silva e Antônio Luiz da Silva
por me apoiarem nessa trajetória mesmo que de longe. Obrigada aos meus irmãos Douglas A.
da Silva e Paulo Cezar da Silva, aos meus amigos de Vespasiano, Roger, Rafael e tantos
outros por torcerem sempre por mim.
Aos meus mestres por transmitirem os seus conhecimentos e me instruírem. Obrigada
professor Fernando Shinji Kawakubo, por primeiramente aceitar me orientar e confiar em
meu potencial de desenvolver projeto, iniciação cientifica e esse trabalho, além de transmitir
seu conhecimento e experiência. Obrigada a professora Rúbia Gomes Morato por sempre ser
prestativa me auxiliando na execução dos meus trabalhos.
Aos meus amigos da graduação em especial às integrantes da República Geólatras, a
Mária, Camila, Diely, Mayara, Ana Luiza e a Ana Lia, obrigada pelas trocas de informações e
aprendizados que foram fundamentais para meu amadurecimento tanto profissionais como
pessoal. Meu sincero obrigada a Natalia e outros amigos não menos importantes pelos
momentos de descontração e discussões sobre a ciência geográfica no decorrer desses anos.
Agradeço ainda ao Felipe Della Torre por me auxiliar, por sempre estar comigo todos
esses anos e pelo apoio incondicional e essencial na minha vida.
Em fim meus sinceros agradecimentos a Universidade Federal de Alfenas- MG e a
todos que me auxiliaram na trajetória da minha graduação.
“O verdadeiro conhecimento vem de dentro.”
(Sócrates)
RESUMO
O reflexo do crescimento populacional nas cidades brasileiras afeta a qualidade de vida da
população que necessita de infra-estrutura, de políticas socioeconômicas e ambientais para
proporcionar um planejamento eficaz e satisfatório. O geoprocessamento e sensoriamento
remoto consistem em instrumentos eficazes de apoio ao planejamento urbano. A integração
destes instrumentos permite aprimorar, por exemplo, o mapeamento da densidade
demográfica. Mapeamento este, fundamental para planejamento urbano e ambiental.
Tradicionalmente, a densidade demográfica é mapeada utilizando os valores de população
presentes nos setores censitários e dividindo pela sua área abrangida pelo setor. O problema
desta abordagem é que muitas vezes, este procedimento de calculo da densidade demográfica
mascara a verdadeira densidade populacional, pois mesmo as áreas não–residenciais são
incluídas no calculo. O objetivo deste trabalho é desenvolver um método alternativo para
calculo da densidade demográfica utilizando os dados do censo em conjunto com as técnicas
de interpretação de imagens de satélite. A área selecionada para o desenvolvimento do
trabalho localiza-se na região metropolitana de Belo Horizonte (MG), mais especificamente
no município de Vespasiano. O conhecimento aprimorado e aprofundado da distribuição da
população no espaço é de suma importância para a análise socioeconômica e ambiental, para
o planejamento urbano e também para a qualidade de vida da população. Assim quando a
análise da densidade demográfica é feita na escala do município, as heterogeneidades
existentes nela não são evidenciadas. Esta generalização causa muitas vezes ideias distorcidas
da distribuição da população na área urbana. Para uma descrição mais realista da densidade
populacional da área urbana, um método denominado de dasimétrico pode ser empregado. O
método dasimétrico consiste em discriminar áreas urbanas residenciais, das áreas urbanas não
residenciais, com a finalidade de realizar a aplicação da densidade demográfica mais precisa
de um determinado local. As primeiras etapas do trabalho consistiram na análise dos dados do
setor censitário. Na segunda etapa criação de um mapa de uso urbano indicando as áreas
residências, industriais, de lazer, de uso agrícola etc. Por fim, na terceira etapa, as áreas
residências foram combinadas com os dados do setor censitário com a finalidade de calcular a
densidade demográfica.
ABSTRACT
The reflection of population growth in the Brazilian cities affects the quality of life of the
population that needs infrastructure, socioeconomic and environmental policy to provide an
efficient and satisfactory planning. The GIS and remote sensing instruments consist in an
effective support to urban planning. The integration of these tools allows you to upgrade, for
example, the mapping of population density. This mapping is fundamental to urban and
environmental planning. Traditionally, the population density is mapped using the values
present in the population census and dividing by the area covered by the sector. The problem
with this approach is that often this procedure for calculating the density masks the true
population density, because even the non-residential areas are included in the calculation. The
objective of this work is to develop an alternative method for calculating the density using
census data in conjunction with the techniques of satellite images interpretation. The area
selected for the development of the work is the metropolitan region of Belo Horizonte (MG),
specifically in the municipality of Vespasiano. Enhanced and deepened knowledge of
population distribution in space is of paramount importance for the socioeconomic and
environmental analysis for urban planning and also to the quality of life. So when the analysis
of density is made in the scale of the city, the heterogeneity existing in it are not seen. This
generalization often causes distorted ideas of population distribution in urban areas. For a
more realistic description of the urban population density, a method called dasimétric can be
applied. The method consists in discriminating dasimétric urban residential, urban non-
residential areas, in order to achieve the application of more accurate density for a given
location. The first stages of work consisted in the analysis of data from census tract. In the
second step creation of a map indicating the use of urban residential areas, industrial,
recreational, agricultural use etc… Finally, in the third step, the residential areas were
combined with data from the census tract in order to calculate the density.
SUMÁRIO
1. INTRUDUÇÃO ............................................................................................................... 10
2. CONSIDERAÇÕES TEÓRICAS ................................................................................. 13
2.1. DADOS DO IBGE ........................................................................................................ 13
2.2. SENSORIAMENTO REMOTO E GEOPROCESSAMENTO ................................. 13
2.3. FOTOINTERPRETAÇÃO E PROCESSAMENTO DIGITAL DE IMAGNES ...... 14
2.4. OPERAÇÕES DE ANÁLISE GEOGRÁFICA ......................................................... 15
2.5. O SIG SOFTWARE ILWIS ...................................................................................... 15
2.6. DENSIDADE DEMOGRÁFICA E O MÉTODO DASIMÉTRICO ........................ 15
3. METODOLOGIA ........................................................................................................... 17
3.1. DESCRIÇÃO GERAL DA ÁREA DE ESTUDO: .................................................... 17
3.2. MATERIAIS .............................................................................................................. 19
3.3. MÉTODOS ................................................................................................................ 19
4. RESULTADOS E DICUSSÕES .................................................................................... 22
5. CONSIDERAÇÕES FINAIS ......................................................................................... 27
6. REFERÊNCIA BIBLIOGRAFIA ................................................................................. 28
10
1. INTRUDUÇÃO
O problema do crescimento desordenado das cidades afeta a maioria dos municípios
brasileiros. A falta de planejamento urbano e de infra-estrutura tem trazido para a sociedade
prejuízos econômicos, políticos e ambientais.
Metodologias de análise por meio de geoprocessamento e sensoriamento remoto são
instrumentos valiosos de apoio ao planejamento urbano e ambiental.
Segundo Camara e Davis (2001), o Geoprocessamento consiste em utilização de técnica
matemáticas e computacionais para tratamento da informação geográfica, a qual é utilizada
como base para outras áreas como o Planejamento Urbano e Regional. Já o Sensoriamento
Remoto pode ser definido como a obtenção e análise de informações sobre materiais (naturais
ou não), objetos ou fenômenos na superfície da terra a partir de dispositivos situados à
distância dos mesmos (CRÓSTA; 1992).
Uma área importante do Sensoriamento Remoto é o processamento digital de imagens
(PDI), que consiste num conjunto de procedimentos computacionais que tem a finalidade de
facilitar a identificação e extração da informação contida nas imagens de satélite. Informações
relacionadas a diferentes tipos de usos e cobertura vegetal (LIU, 2006) e extração de
parâmetros biofísicos (JENSEN, 2009) são alguns exemplos tratados no processamento
digital de imagens.
Até a poucos anos atrás, as pesquisas relacionadas a área urbana utilizando
sensoriamento remoto orbital era bastante limitada do ponto de vista espacial. Os estudos
intra-urbanos eram feitos quase que exclusivamente utilizando fotografias aéreas de grande
escala obtidas por câmeras métricas (MORATO et.al. 2010). Em função da baixa resolução
fornecida pelos sistemas Landsat-5 TM (30 metros) e Landsat-7 ETM+ (com 15 metros na
banda pancromática), a maioria das pesquisas eram voltadas para o mapeamento da cobertura
vegetal urbana utilizando NDVI (FORESTI, 1992) e identificação da expansão urbana (LIU,
2006).
Com o lançamento de novos sistemas sensores de alta resolução, um novo paradigma é
observado na pesquisa urbana. Em 1999, o satélite Ikonos-2 foi lançado, fornecendo aos
usuários do sensoriamento remoto, imagens com resolução de 1 metro no modo pancromático
e 4 metros no modo multi-espectral (www.spaceimaging.com.br). No ano de 2001 a empresa
DigitalGlobe (www.digitalglobe.com) lançou o primeiro satélite comercial com detalhe
submétrico, o QuickBird, com resolução de 0.65 m no pancromático e 2.62 m no modo
11
multiespectral. Mais recentemente, a mesma empresa lançou o primeiro satélite de alta
resolução com 8 bandas espectrais – 0.46 m no modo pancromático e 1.85 metros no modo
multiespectral. O satélite comercial de maior resolução espacial é o Geoeye-1 com 0.5 m no
pancromático e 1.64 m no multiespectral (www.geoeye.com).
As imagens de alta resolução espacial são valiosas para a pesquisa urbana, pois
permitem que sejam feitas as mensurações mais precisas de ruas, detalhes de construções,
monitoramento do tráfego e a expansão do uso de solos urbanos (LIU, 2006).
Cada vez mais a acessibilidade e disponibilidade das imagens de satélite de alta
resolução vêm aumentando, isso proporciona imagens de custos mais baixos, o que viabiliza a
utilização das mesmas (SANTOS, CASTRO, RIBEIRO, 2011).
A integração das imagens de alta resolução com as técnicas de análise espacial por
meio de Sistemas de Informações Geográficas (SIGs) possui várias aplicações, dentre elas,
permite aprimorar, por exemplo, o mapeamento da densidade demográfica. Mapeamento este,
fundamental para planejamento urbano e ambiental.
A densidade demográfica, revelada através do censo demográfico representa a
distribuição da população no espaço e suas características. As informações reveladas pelo
censo consistem em uma fonte de dados relevante, pois é através desses dados que o governo
federal transfere recursos para os municípios com a finalidade de subsidiar políticas públicas
de saúde, educação, habitação, e representação política (IBGE, 2003).
Tradicionalmente, a densidade demográfica é mapeada utilizando os valores de
população presentes nos setores censitários e dividindo pela sua área abrangida pelo setor. O
problema desta abordagem é que muitas vezes, este procedimento de calculo da densidade
demográfica mascara a densidade populacional real, pois mesmo as áreas não–residenciais
são incluídas no calculo (chamado neste trabalho de efeito de suavização).
Um método alternativo para cálculo da densidade demográfica é o método
dasimétrico. A metodologia dasimétrica propõe uma descrição mais realista, em que as
áreas/taxas são modificadas de acordo com o critério de homogeneidade obtido por meio de
informações complementares (MORATO et al, 2010).
Dessa forma o trabalho propõe a utilização do método dasimétrico para o calculo da
densidade demográfica para de diminuir o efeito de suavização. A finalidade do trabalho é de
contribuir com os estudos populacionais e de planejamento urbano dentro de uma temática
que aborda o desenvolvimento de metodologias de integração de dados espaciais aplicadas a
análise da distribuição geográfica da população na escala intra-municipal. A área selecionada
12
foi o município de Vespasiano (MG), localizado na Região Metropolitana de Belo Horizonte
(RMBH).
13
2. CONSIDERAÇÕES TEÓRICAS
2.1. DADOS DO IBGE
O censo demográfico do IBGE (Instituto Brasileiro de Geografia e Estatística) é uma
fonte de dados importante para diversas áreas do conhecimento. Por meio das informações
reveladas pelo censo,o governo federal transfere os recursos para o município para subsidiar
políticas públicas de saúde, educação, habitação e representação política. Na Geografia, os
dados do censo são utilizados em pesquisas de Cartografia, Geografia Regional, Geografia
Urbana, Geografia da Saúde, Geografia Econômica, Geografia Agrícola, Geomarketing, entre
outras (SOUZA; MORATO, 2010).
Desde 1872 o IBGE realiza as pesquisas de censo demográfico. O censo é realizado de
dez em dez anos, onde são contatos os habitantes do território nacional e aplicado um
questionário como forma de revelar as condições de vida da população brasileira. Dois
questionários são aplicados: o questionário básico válido para todos os domicílios, e o
questionário da amostra aplicada em um décimo dos domicílios.
Os seguintes procedimentos são adotados pelo IBGE na elaboração do censo: (1)
definição de uma data referência, que no caso do censo de 2010, foi do dia 31 de julho a 1 de
agosto do mesmo ano; (2) por meio de concurso público são contratados os recenseadores e
feito o treinamento; (3) Em todos os domicílios particulares e coletivos são realizadas as
entrevistas de coleta de dados dos respectivos moradores; (4) os dados do censo coletados são
subdivididos em quatro categorias: pessoas, educação, domicílios e responsável pelo
domicílio, totalizando mais de 500 variáveis; (5) após a divisão, os dados são classificados e
armazenados em banco de dados geográficos e disponibilizados para distintas análises.
2.2.SENSORIAMENTO REMOTO E GEOPROCESSAMENTO
O Sensoriamento Remoto e o Geoprocessamento são instrumento de auxilio a gestão
pública.
14
As metodologias de análise por meio do geoprocessamento e sensoriamento remoto consistem
em instrumentos valiosos de apoio a análise e ao planejamento, auxiliando monitoramento do
crescimento e a dinâmica das cidades (GONÇALVES; PEREIRA e SOUZA, 2005).
Segundo Rodrigues (1990) e Medeiros (1999) Geoprocessamento é o conjunto de
tecnologias que utiliza técnicas matemáticas e computacionais para a coleta e tratamento de
informações geográficas espaciais. As áreas que se servem das tecnologias de
Geoprocessamento têm, em comum, o interesse da expressão espacial, da localização, ou
distribuição, ou ainda a distribuição espacial de seus atributos.
O Sensoriamento Remoto pode ser entendido como um conjunto de atividades que
permite a obtenção de informações dos objetos que compõem a superfície terrestre sem a
necessidade de contato direto com os mesmos (MORAES, 2002).
De forma mais específica, o sensoriamento remoto é definido como a utilização de
modernos sensores, equipamentos para processamento de dados. Equipamentos de
transmissão de dados, aeronaves, espaçonaves etc., com o objetivo de estudar o ambiente
terrestre através do registro e da analise das interações entre energia da radiação
eletromagnética e os elementos componentes da superfície terrestre em suas mais diversas
manifestações (NOVO 1988 apud HAYAKAWA, 2007).
Dessa forma o Geoprocessamento juntamente com o Sensoriamento Remoto consiste
em instrumentos estratégicos de levantamento de informações para auxiliar o planejamento e
monitoramento urbano.
2.3.FOTOINTERPRETAÇÃO E PROCESSAMENTO DIGITAL DE IMAGNES
A interpretação das imagens permite seu mapeamento. Uma técnica de análise das
imagens é através de interpretação visual, ou seja, o elemento humano desempenha um papel
de identificar os elementos presentes na imagem (Crósta 1992)
Para a interpretação de imagens utiliza-se as chaves de interpretação, segundo Ceron e
Diniz (1996) as chaves de interpretação (cor, textura, forma, tamanho e entre outras) são
elementos de identificação e descrição das classe apresentadas na imagens.
O processamento digital de imagens consiste em corrigir as distorções das imagens, realçar
alvos e fazer a classificação das imagens. (LIU, 2006). Ainda segundo Crósta (1992) o
processamento digital de imagens é um instrumento que facilita a identificação e extração de
alvos das imagens
15
2.4.OPERAÇÕES DE ANÁLISE GEOGRÁFICA
O SIGs tem a função de realizar análises espaciais. Tais funções utilizam os atributos
espaciais e não espaciais das entidades gráficas armazenadas na base de dados espaciais e
buscam fazer simulações através de modelagens, sobre os fenômenos do mundo real, seus
aspectos ou parâmetros (MEDEIROS, 1999).
Em análise geográfica os espaços geográficos podem ser modelados em dois modelos:
os modelos de campos e objetos. Segundo Medeiros (1999), os modelos de campos e os
modelos objetos podem ser definidos como:
O modelo de campos enxerga o espaço geográfico como uma superfície contínua,
sobre a qual variam os fenômenos a serem observados segundo diferentes
distribuições. Por exemplo, um mapa de vegetação descreve uma distribuição que
associa a cada ponto do mapa um tipo específico de cobertura vegetal, enquanto um
mapa geoquímico associa o teor de um dado mineral a cada ponto.
O modelo de objetos representa o espaço geográfico como uma coleção de entidades
distintas e identificáveis. Por exemplo, um cadastro espacial dos lotes de um
munícipio identifica cada lote como um dado individual, com atributos que o
distinguem dos demais. Igualmente, poder-se-ia pensar como objetos os rios de uma
bacia hidrográfica ou os aeroportos de um estado.
As operações de analise geográfica apresentam assim dois tipos de dados a serem analisados.
Segundo Worboys (1995) são os geo campo, que correspondem a grandezas distribuídas
espacialmente como tipo de solo, topografia e teor de minerais, e os geo- objetos que são
individualizáveis e tem identificação com elementos do mundo real, como lotes num cadastro
urbano.
2.5. O SIG SOFTWARE ILWIS
O ILWIS (Integrated Land and Water Information System) é um software gratuito
desenvolvido pelo International Institute for Geo-Information Science and Earth Ibservation
(ITC) da Holanda. Consiste em um SIG que permite a entrada de dados, edição e
manipulação de arquivos vetoriais e matriciais. O software IlWIS possui funções de
processamento digital de imagens.
2.6. DENSIDADE DEMOGRÁFICA E O MÉTODO DASIMÉTRICO
16
O cálculo tradicional da densidade demográfica é feito dividindo o número de
população pela área. A ideia da densidade é revelar concentrações e vazios urbanos muitas
vezes não revelados por números absolutos. Por envolver a variável área, o cálculo da
densidade pode considerar diferentes critérios, como setores censitários, subprefeituras,
municípios, Estados, regiões e até países, variando de acordo com a escala de análise.
O termo dasimétrico foi utilizado pela primeira vez pelo geógrafo russo Tian-Shansky,
que desenvolveu um mapa de densidade populacional da Rússia publicado na década de 1920
(BIELECKA, 2005).
A metodologia dasimétrica propõe uma descrição mais realista, em que as áreas/taxas
são modificadas de acordo com o critério de homogeneidade obtido por meio de informações
complementares (MORATO et al, 2010). Os mapas dasimétricos utilizam informações
auxiliares para a redefinição das áreas. Assim, um mapa de densidade demográfica não é feito
levando-se em consideração toda a área do polígono original, mas apenas as áreas
efetivamente habitadas, evitando-se represas e parques, por exemplo.
Esta abordagem tende a melhor o resultado do mapeamento, pois aumenta as
concentrações urbanas em locais habitados, e reduz, portanto, o efeito indesejado da
suavização espacial comum nos métodos tradicionais.
17
3. METODOLOGIA
3.1. DESCRIÇÃO GERAL DA ÁREA DE ESTUDO:
A área de estudo corresponde o município de Vespasiano, que se localiza a 28 km da porção
norte da cidade de Belo Horizonte (BH), Minas Gerais. Localizada entre as coordenadas
19º39’S - 19º47’S e 43º53’W- 43º 59’W (FIGURA 1).
Figura 1- Mapa de localização do Município de Vespasiano/MG
O município faz parte da Região Metropolitana de BH (RMBH). Vespasiano possui uma área
de 71,180 km² e população aferida de 104527 habitantes, sendo 100% urbana (IBGE, 2011). A
tabela 1 ilustra o crescimento da população do município de Vespasiano e da RMBH entre os
anos de 1991 e 2010.
Fonte: Google Earth (2009/2010) Elaboração: SILVA, A.P 2011
18
Tabela1 - Evolução da População do Município de Vespasiano-MG e da RMBH Entre os
Anos de 1991 e 2010.
Anos População total da
RMBH
População total do Município de
Vespasiano-MG
1991 3.522.907 54.868
1996 - 60.409
2000 4.357.942 76.422
2007 5.068.368 94.191
2010 5.413.627 104.527
Fonte: Instituto Brasileiro de Geografia e Estatística, 2011.
O código atribuído pelo IBGE no município de Vespasiano é o 3171204. O município possui 61
setores censitários (FIGURA 2). Sua densidade demográfica média é de 1.468,49 hab./km² (IBGE,
2010).
Figura 2 - Mapa dos Setores Censitários do Município de Vespasiano/MG
A economia está ligada aos setores de serviço, comércio e da indústria, principalmente
cimenteira e metalúrgica. A expansão da cidade se dá principalmente nas áreas próximas a
Linha Verde (MG-10), rodovia que liga o município à capital. A Linha Verde também é um
19
acesso rápido ao Aeroporto Internacional de Confins (Aeroporto Tancredo Neves), e ao
Centro Administrativo do Estado.
O município possui altitude média de 693m. com cobertura vegetal característica do cerrado.
Vespasiano está inserida na bacia do Ribeirão da Mata, sub-bacia do Rio das Velhas, afluente
do Rio São Francisco. Em sua geologia apresenta grande abundância de rochas calcárias com
presença frequente de aquíferos Cársticos.
3.2. MATERIAIS
Foram utilizados como materiais cartográficos:
Cartas topográficas; (TABELA 2).
Tabela 2- Base Cartográfica Utilizada.
Materiais Cartográficos Articulação Escala Ano Executor
Carta Topográfica de Belo
Horizonte
SE-23-Z-C-VI-3 1:50 000 1979 IBGE
Carta Topográfica de Lagoa
Santa
SE-23-Z-C-VI-1 1:50 000 1985 IBGE
Dados dos setores censitários do IBGE (2000), resultados do Universo do Censo 2000;
Imagens de alta resolução obtidas do Google Earth (2009/2010)
Sistema de Informação Geográfica ILWIS 3.4 Open
3.3. MÉTODOS
Este trabalho foi dividido em três etapas. A primeira etapa consistiu na análise dos dados
do setor censitário. Na segunda etapa, foi gerado um mapa de uso urbano indicando as áreas
residências, industriais, de lazer, de uso agrícola etc. Por fim, na terceira etapa, as áreas
residências foram combinadas com os dados do setor censitário com a finalidade de calcular a
densidade demográfica.
A primeira etapa do trabalho consistiu na aquisição das imagens de alta resolução.
Essas imagens foram adquiridas do Google Earth e salvas em formato Tif. Em seguida,
essas imagens foram importadas para o Sistema de Informação Geográfica IWIS. O SIG
20
ILWIS possui implementado em sua estrutura rotinas de processamento digital de
imagens e de analise espacial.
As imagens foram corrigidas geometricamente utilizando como base cartográfica as cartas
de 1: 50000 do IBGE, assim como a base de dados por setor censitário. O
georreferenciamento foi feito por meio de pontos de controle (Tie Points) identificados nas
bases cartográficas e na imagem. Tomou-se o cuidado de distribuir pontos homólogos por
toda a imagem. A qualidade do georrefenciamento foi verificada de maneira qualitativa,
sobrepondo os vetores cartográficos sobre a imagem. Em seguida, as imagens foram
reamostradas com interpolador vizinho mais próximo com espaçamento de 1.0 metros. A
etapa final desse processo consistiu na mosaicagem das imagens.
Na segunda etapa, a interpretação do uso da terra e da cobertura vegetal foi feita de
maneira visual, seguindo os elementos de reconhecimento da fotointerpretação. A
confirmação dos distintos usos foi realizada a partir do trabalho de campo.
Foram definidas 4 classe no mapeamento, subdivididas em subclasses. (TABELA 3).
Tabela 3 – Classes e Subclasses do Mapeamento do Uso da Terra e Cobertura Vegetal
Classes Subclasses
Natural Campo Sujo; Mata; Rede Hidrográfica
Uso Agrícola Agricultura; Eucalipto
Uso Residencial e Serviços Áreas de Lazer; Residencial 1; Residencial 2
Uso Industrial Industrial; Mineração
A classe de Uso Residencial e Serviços foi subdividida em Residencial 1 que corresponde
a área habitada consolidada e em Residencial 2 que corresponde a loteamentos recentes, ou
seja áreas de expansão urbana do município.
Na última etapa do trabalho, foram gerados mapas de densidade populacional. Foram
realizadas operações de seleção espacial. Para a execução de este procedimento,
primeiramente foi realizado operações de geo-objeto, para calcular a densidade demográfica
tradicional a partir dos dados do censo 2000 para a geração do mapa.
Em seguida foram utilizados os dados do censo 2000 relacionados com o mapa de uso da terra
e da cobertura vegetal para gerar o mapa dasimétrico. Foram realizadas operações de geo-
campo mais operações de geo-objetos onde os polígonos censitários foram convertidos para o
21
formato matricial adotando mesmos parâmetros cartográficos e geométricos do mapa de uso
da terra. Em seguida, os dois mapas, foram combinados e excluídos os “vazios urbanos”. A
população registrada em cada setor censitário foi transferida para a área residencial. Por fim,
confeccionou-se o mapa dasimétrico, dividindo o valor da população pela área residencial.
22
4. RESULTADOS E DICUSSÕES
O mosaico abrangendo todo o município de Vespasiano é ilustrado na Figura 3. O
georeferenciamento e o mosaico das imagens foram considerados satisfatórios para os
objetivos deste trabalho - que não requer alta precisão no posicionamento. Alguns
problemas foram observados na execução do mosaico, como incompatibilidade das
imagens com a base cartográfica (em função da diferença de escala) e distorções
provenientes da forma como as imagens foram capturadas do Google Earth. Apesar destes
problemas, o procedimento mostrou-se válido para a execução deste trabalho.
Figura 3: Mosaico do Município de Vespasiano/MG
Fonte: Google Earth (2009/2010) Elaboração: SILVA, A. P. 2010
23
A partir do mosaico foi possível gera o mapa de Uso da Terra e Cobertura Vegetal, gerado a
partir do fotointerpretação do mosaico. A Figura 4 ilustra o Mapa de Uso da Terra e da
Cobertura Vegetal. Conforme pode ser observado no mapeamento, a classes Campo Sujo e
Residencial 1 são dominantes. As áreas industriais localizam-se na porção norte do município.
Figura 4: Mapeamento do Uso da Terra e Cobertura Vegetal do Município de Vespasiano. As classes
Residencial 1 e Residencial 2 corresponde as áreas residenciais consolidadas e em expansão, respectivamente.
24
O mapa de Uso da Terra e Cobertura Vegetal é de suma importância para o planejamento
urbano e ambiental, uma vez que este distinguiu as diferentes classes identificadas no mapa.
O conhecimento dos diferentes usos no território facilita a gestão.
Dois mapas de densidade populacional foram gerados: método tradicional Figura 5 e
dasimétrico Figura 6.
Figura 5: Mapa de Densidade Demográfica (Tradicional)
25
Figura 6: Mapa Dasimétrico (Censo + Mapa de Uso)
Conforme pode ser observado, os intervalos adotados de densidade populacional
foram os mesmos para os dois mapas para facilitar a comparação. O mapa de densidade
tradicional, o qual a população total é dividida pela área abrangida pelo setor, considera
que a população é distribuída igualmente ao longo de todo o setor censitário, o que na
realidade não acontece. No método tradicional observa-se o “efeito de suavização”, pois é
considerada toda a área do setor censitário, mascarando, portanto, tanto a concentração
quanto os “vazios urbanos”.
O mapa dasimétrico foi gerado a partir de combinação de informações obtidas do
censo com o mapa de uso da terra e cobertura vegetal. O mapa populacional dasimétrico
26
vem a corrigir este erro, evidenciando apenas as áreas realmente habitadas. O resultado da
dasimetria foi mais perceptível nos setores maiores.
No método dasimétrico o efeito de suavização é minimizado, pois a densidade é calculada
apenas nas áreas habitadas.
27
5. CONSIDERAÇÕES FINAIS
A metodologia aplicada se mostrou eficaz para os objetivos de aplicar uma técnica
alternativa para o cálculo da densidade demográfica. O mapa de uso da terra e cobertura
vegetal evidenciou os diferentes usos no município. Esse tipo de mapeamento foi relevante,
pois foi a partir dos dados designados de uso do solo que foi descriminado o uso residencial,
ou seja, as áreas habitadas. O mapa dasimétrico corrigiu o efeito de suavização, comum nos
métodos tradicionais de calculo de densidade demográfica, e evidenciou de maneira mais
realista a distribuição da população. Esse tipo de abordagem é importante para o planejamento
urbano.
28
6. REFERÊNCIA BIBLIOGRAFIA
BIELECKA, E. A dasymetric population density map of Poland. In: International
Cartographic Conference 22. July 9-15, Anais Corunã, Espanha 2005.
CECCATO, V.A., FORESTI, C., KURKDIJAN, M.L.N.O. Proposta metodológica para
avaliação da qualidade de vida urbana a partir de dados convencionais e de sensoriamento
remoto, Sistema de Informação Geográfica (SIG) e de um banco de dados. ANAIS VII, 1993.
CERON, A.O., DINIZ, J.A. O uso das fotografias aéreas na identificação das formas de
utilização agrícola da terra. Revista Brasileira de Geografia. RJ. 1996.
CRÓSTA. A.P. 1999. Processamento Digital de Imagens de Sensoriamento Remoto.
Campinas: Instituto de Geociências. UNICAMP, 1992
DAVIS, C.; CÂMARA, G. Arquitetura de Sistemas de Informação Geográfica. In:
CÂMARA, G.; DAVIS, C.; MONTEIRO, A. M. V. (Orgs.) Introdução à ciência da
Geoinformação. São José dos Campos: INPE, 2001. 345p.
DIGITAL GLOBE. Disponível em <www.digitalglobe.com> Acesso em 11 Mai. 2011.
FORESTI, C. Proposta Metodologia para o estudo ambiental e da estruturação do espaço
urbano em áreas metropolitanas. INPE, São José dos Campos-SP, 1992.
GEOEYE ELEVANTING INSIGHT. Disponível em < www.geoeye.com> Acesso em 5 de
mai. 2011
GONÇALVES, C.D.A.B, PEREIRA, M.N, SOUZA, I.M. Uso de imagens CBERS para
mapeamento de uso do solo urbano como subsídio ao Planejamento. Anais XII do Simpósio
Brasileiro de Sensoriamento Remoto, INPE 2005.
HAYAKAWA, E. H. Análise da Variabilidade Espacial e Temporal dos Sedimentos
Suspensos do Alto Rio Paraná via Imagens Orbitais: Região de Porto São José –PR. 2007.
84f. Dissertação de Mestrado. Universidade Estadual de Maringá, Maringá-PR. 2007.
IBGE. Censo 2010. Disponível em <http//www.censo2010.ibge.gov.br> Acesso em mai.2011
IBGE. Metodologia do Censo 2000. Rio de Janeiro, IBGE, 2003, 558p.
29
JENSEN, J.R. Sensoriamento remoto do ambiente. Parêntese: São José dos Campos, 2009.
LI, T., PULLAR, D., CORCORAN, J. & STIMSON, R. (2007) – A comparison of spatial
disaggregation techniques as applied to population estimation for South East Queensland
(SEQ), Australia, Applied GIS, 3(9), 1-16
LIU, W.T.H. Aplicação de Sensoriamento Remoto, 2006. Campo Grande: Ed. UNIDERP.
908 p. 2006.
MEDEIROS. J.S. Banco de Dados Geograficos e Redes Neurais Artificiais: Tecnologia de
Apoio à Gestão do Território. Tese de Doutorado. FFLCH/ USP. 1999.
MORAES, E. C. Fundamentos de Sensoriamento Remoto. DSR,INPE. São José dos Campos,
2002.
MORATO. R. G.; KAWAKUBO. F. S. MACHADO. R. P. P. Mapa Dasimétrico de
Densidade Demográfica da Área Urbana do Município de Alfenas (MG). In: II SIMPÓSIO
INTERNACIONAL CAMINHOS ATUAIS DA CARTOGRAFIA NA GEOGRAFIA. USP:
São Paulo, 2010.
PINHO, C.M.d, FEITOSA, F.F, KUX, H. Classificação automática de cobertura do solo
urbano em imagem IKONOS: Comparação entre a abordagem pixel-a-pixel e orientada a
objetos. Anais XII do Simpósio Brasileiro de Sensoriamento Remoto, INPE 2005.
PISANI, M.A.J. Sensoriamento Remoto via Orbial Aplicado a Estudos Urbanos. SP.1992
RODRIGUES, M. Introdução ao geoprocessamento. In: SIMPÓSIO BRASILEIRO DE
GEOPROCESSAMENTO. 1990, São Paulo. Anais... São Paulo: USP, Escola Politécnica da
Universidade de
SANTOS. C.S. CASTRO. C .M. S. RIBEIRO. T.R. Aplicações de Imagens de Satélite de
Alta Resolução no Planejamento Urbano: Caso do Cadastro Técnico Multifinalitario de Mata
de São João, Bahia. In: XV Simpósio Brasileiro de Sensoriamento Remoto 2011. Anais.
Curitiba INP, 2011. P. 3843.
SOUZA. B.O. MORATO. R.G. O Censo 2010: Breve Apresentação e Relevância Para a
Geografia. In: 2ª Jornada Científica da Geografia, 2010,Alfenas. Anais. Alfenas: Unifal, 2010.
Disponível em < http://www.unifal-mg.edu.br/caex/inscricoes/submissoes/S00651.doc>.
Acesso em 11 Mai. 2011.
30
SPACE IMAGING DO BRASIL. Disponível em <www.spaceimaging.com.br> Acesso em
Mai. 2011
WORBOYS. M. F. SIG. A Computing Perspective. Disponível em:
<http://journals.cambridge.org/action/displayFulltext?type=1&fid=4385500&jid=GEO&volu
meId=133&is.> Acesso Nov. 2011
