modelagem de planta genÉrica de valores para a cidade de ... · como a elaboração de uma planta...

UNIVERSIDADE FEDERAL DE UBERLÂNDIA

DAYANNE VIEIRA DE OLIVEIRA

MODELAGEM DE PLANTA GENÉRICA DE VALORES PARA A CIDADE DE

MONTE CARMELO/MG.

MONTE CARMELO

2015



MONTE CARMELO/MG.

Projeto apresentado/defendido, na disciplina

Trabalho de Conclusão de Curso II, como

requisito básico para a obtenção do certificado

de conclusão do Curso de Graduação em

Engenharia de Agrimensura e Cartográfica.

Orientador: Prof. Dr. Claudionor Ribeiro da

Silva

Coorientadora: Prof.ª Dra. Tatiane Assis Vilela

Meireles

MONTE CARMELO

2015



MONTE CARMELO/MG

Aprovado: 01 de dezembro de 2015

____________________________________________ Prof. Dr. Claudionor Ribeiro da Silva, UFU

(Orientador)

____________________________________________ Prof.ª Dra. Tatiane Assis Vilela Meireles, UFU

(Coorientador)

____________________________________________ Prof. Dr. Fernando Luiz de Paula Santil, UFU

(Membro Convidado)

Homologado pelo Colegiado do Curso de Engenharia de Agrimensura e Cartográfica

em: _______/_______/ 20_____

________________________________________ Coordenador do Curso de Engenharia de

Agrimensura e Cartográfica

MONTE CARMELO 2015

DEDICATÓRIA

Aos meus insubstituíveis pais Edmar e

Valdirene, meu irmão Willian e meus eternos

avós Luzia (in memoriam), Aracides e João.

AGRADECIMENTOS

Agradeço à Deus, por iluminar e abençoar minha trajetória, por me fortalecer nas

horas de desânimo, por me manter serena para encarar todos os problemas e

enfrentá-los de cabeça erguida.

Ao meu pai, Edmar, e minha mãe, Valdirene pelo amor incondicional, a atenção, o

exemplo, a amizade, pelos conselhos e pelas orações que sem dúvida me tornou

mais forte a cada dia.

Ao meu irmão Willian pelo incentivo, a torcida fiel pelo meu sucesso profissional,

além do companheirismo em sala de aula.

Ao professor Claudionor pela orientação, o apoio, o ensinamento, a confiança e as

valiosas sugestões durante toda a graduação.

A todos os professores pela dedicação, as dicas importantes e a maturidade

profissional proporcionada.

A todos os funcionários da limpeza, do transporte, da biblioteca, da portaria, do

administrativo, do xérox, da lanchonete, pela atenção, carinho e a motivação sempre

me concedida.

Aos amigos de sala de aula pelo convívio e a ajuda indispensáveis ao longo desses

anos.

Aos meus familiares pela torcida do sucesso.

Enfim, a todos aqueles que de alguma maneira contribuíram para o meu caminhar,

me incluíram em suas orações e assim participaram da conclusão de mais essa

etapa importante da minha vida.

"Confia no Senhor de todo o teu coração, e não

te estribes no teu próprio entendimento.

Reconhece-o em todos os teus caminhos, e ele

endireitará as tuas veredas".

(Provérbios 3:5–6)

RESUMO

A modelagem de uma Planta Genérica de Valores é considerada um excelente

instrumento para o planejamento urbano e permite aumento do conhecimento

acerca dos tributos disponíveis, da distribuição dos recursos, do retorno provável de

tais investimentos, bem como a prática da justiça social. Cidades de pequeno e até

algumas de médio porte costumam ter poucas informações do mercado imobiliário e,

na maioria das vezes, atuam com planta de valores desatualizada, como Monte

Carmelo/MG. O Engenheiro Agrimensor e Cartógrafo é o profissional capaz de

modelar ferramentas que auxiliem na tomada de decisões e na organização política,

como a elaboração de uma planta genérica de valores, que não seja só

tecnicamente correta, mas socialmente justa. Dessa forma, gerou-se um modelo de

Planta Genérica de Valores para a cidade de Monte Carmelo/MG, associando o

mapeamento urbano à avaliação imobiliária, preocupando com baixo custo e fácil

atualização. A metodologia contempla coleta de dados locais, aquisição de imagens

do satélite RapidEye, identificação de um conjunto de variáveis significativas, tais

como polos de valorização e áreas de risco, e outros dados obtidos a partir da

vetorização de imagens. As análises de dados para poder chegar ao modelo foram

basicamente análise descritiva e inferência estatística. Os sinais dos regressores

foram coerentes e obedecem ao modelo de análise de regressão linear múltipla. A

superfície gerada e analisada por pontos de verificação aponta os índices mais

elevados de IPTU na região central da cidade com discrepância menor que 20% do

valor real, seguindo em intensidades menores na direção periférica.

Palavras-Chave: PGV. Avaliação imobiliária. Planejamento Urbano. Mapeamento

Urbano.

ABSTRACT

The process of modelling a Plant of Generic Values is considered an excellent tool

for urban planning, which is due to fact that it allows an increase of knowledge

regarding not only the available taxes, but also the resource distribution and the likely

return of such investments. Cities of small and medium sizes, such as Monte

Carmelo – MG, usually do not have much information about the real estate market,

and, generally, this issue is not addressed as a subject of study. Therefore, it is

important to have a source of information that can provide assistance in the

development of new initiatives for these cities. The Surveyor and Cartographic

Engineer is the professional capable of developing tools that may assist in the

decision making and in the policy organization that are not only technically correct,

but also fair socially. In this context, it is proposed an investigation of the needs of

developing a model of Plant of Generic Values for Monte Carmelo/MG. This new

model aims to associate the urban mapping with the real estate valuation,

considering a low cost implementation and the facility of use and update. The

methodology applied on this study includes collecting local information, acquiring

RapidEye satellite images, identifying a set of significant variables, such as

valorisation centres and risk areas, besides information acquired from digital maps,

which were created using the satellite images. Data analysis in order to reach the

model were basically descriptive and statistical inference analysis. The signs of the

covariates were consistent and conform to the multiple linear regression analysis

model. The generated surface and analyzed by checkpoints shows the highest rates

of property tax in the downtown area with smaller discrepancy than 20% of the actual

value, following in lower intensities in the peripheral direction.

Keywords: PGV. Real estate evaluation. Urban planning. Urban mapping.

SUMÁRIO

1 INTRODUÇÃO ....................................................................................................... 10

2 OBJETIVOS ........................................................................................................... 12

2.1 Objetivo Geral ..................................................................................................... 12

2.2 Objetivos Específicos .......................................................................................... 12

3 JUSTIFICATIVA ..................................................................................................... 12

4 FUNDAMENTAÇÃO TEÓRICA .............................................................................. 13

5 MATERIAIS E MÉTODO ........................................................................................ 19

5.1 Área de Estudo e Dados Usados ........................................................................ 19

5.2 Método ................................................................................................................ 22

5.2.1 Análise dos Dados Literais ........................................................................ 22

5.2.2 Cartografia e Processamento de Dados ................................................... 25

5.2.3 Definição do Modelo da Planta Genérica de Valores ................................ 43

6 RESULTADOS E DISCUSSÕES ........................................................................... 50

7 CONCLUSÃO ......................................................................................................... 52

REFERÊNCIAS ......................................................................................................... 54

10

1 INTRODUÇÃO

A Planta Genérica de Valores (PGV) é a base da avaliação dos terrenos de

uma cidade, através dela se formula os cálculos para obtenção dos valores venais

dos imóveis urbanos para fins de cobrança do Imposto Predial e Territorial Urbano

(IPTU) e das transações imobiliárias, podendo ainda ser tomado como limite mínimo

para a cobrança do Imposto de Transmissão de Bens Imóveis Inter Vivos (ITBI).

Esse instrumento é composto por informações cadastrais das diversas zonas

de uma cidade, os quais são divididos através de critérios de homogeneização pelas

características de cada imóvel, dessa forma ao fixar previamente os valores básicos

unitários dos terrenos e das edificações, expressos por metro quadrado de área,

possibilita obter uma melhor justiça fiscal ao passo em que padroniza e uniformiza

os critérios de apuração do valor venal.

Além do aspecto tributário, deve-se ressaltar que a Planta Genérica de

Valores também é um importante documento de suporte direcionado para o

planejamento urbano, ao refletir os índices de valorização e desvalorização

imobiliária, propicia, por conseguinte, a ação regularizadora da administração

municipal quanto ao uso e ocupação do solo, buscas por pesquisas, análises e

determinação de planos de melhorias de qualidade de vida populacional, além de

ser um facilitador na atualização da situação municipal.

Entretanto, quando se trata de aplicações práticas da geração e manutenção

dessa planta, observa-se a falta de dados para serem utilizados como elementos

representativos do mercado imobiliário, visto que na maioria das cidades, inexiste

um banco de dados com informações imobiliárias relacionadas ao cadastro técnico

municipal. Isto se acentua em virtude da maioria dos softwares de

geoprocessamento apresentar custos elevados para sua aquisição e implantação, a

Planta Genérica de Valores, geralmente tem sido realizada de forma analógica, com

a produção apenas de formulários impressos. Ainda, há uma ausência de

conhecimentos acerca de uma metodologia para criação e manutenção de um

serviço como este.

Assim, estudos direcionados ao mapeamento urbano, à avaliação imobiliária

e ao desenvolvimento de técnicas que visem aprimorar a modelagem de uma Planta

Genérica de Valores, preocupando com baixo custo, fácil utilização e atualização,

11

são indispensáveis nos dias atuais, pois permitem apontar soluções para tomadas

de decisão e organização de políticas que sejam socialmente justas.

Nesse contexto, é proposto um modelo de Planta Genérica de Valores para a

cidade de Monte Carmelo/MG, a partir da coleta de dados em campo, do uso de

imagens de satélite e softwares livres para a elaboração de uma base de dados

digitais do mercado imobiliário, com o intuito de aumentar o conhecimento acerca

dos tributos disponíveis, da distribuição dos recursos, bem como do retorno provável

de tais investimentos para a sociedade carmelitana.

O método desenvolvido é fundamentado na identificação de um conjunto de

variáveis significativas, tais como polos de valorização e áreas de risco, e outros

dados obtidos a partir da vetorização de imagens, gerados através das imagens do

satélite RapidEye e do Google Earth. A partir dos dados coletados em campo são

extraídos parâmetros como o valor das taxas tributárias para cada área/zona, a

metodologia utilizada atualmente para o cálculo do valor venal, além de outras

informações que explicam os tributos estabelecidos na cidade, as quais podem ser

expressas quantitativamente e qualitativamente. A homogeneização das

informações é tratada matematicamente e pela inferência estatística que são

utilizadas como uma ferramenta de suma importância para a avaliação de um

conjunto de variáveis, como é o caso das avaliações em massa de imóveis de um

município.

Dessa forma, a formulação do novo modelo matemático/estatístico para a

cidade de Monte Carmelo garante a confiabilidade da determinação dos novos

valores ao efetuar combinações e cruzamentos de dados literais e espaciais do

município por meio de operações geométricas e topológicas, de forma a facilitar o

trabalho da administração pública. O resultado é a geração de uma nova tabela

genérica de valores que pode ser usada como instrumento de auxílio às politicas

públicas da cidade.

12

2 OBJETIVOS

2.1 Objetivo Geral

Gerar um modelo de Planta Genérica de Valores para a cidade de Monte

Carmelo/MG, visando associar o mapeamento urbano à avaliação imobiliária, de

baixo custo e de fácil utilização e atualização.

2.2 Objetivos Específicos

Tem por objetivos específicos:

Adquirir dados literais e espaciais do município, tais como levantamento de

campo (pontos controle, alíquotas e mapeamento atuais), vetorização de imagens e

aquisição de imagem de satélite;

Processar os dados visando a identificação de um conjunto de variáveis

independentes e significativas para comporem o modelo;

Elaborar um novo modelo de avaliação da Planta Genérica de Valores de

Monte Carmelo;

Validar o novo modelo em campo, verificando o impacto da sua utilização no

cadastro da cidade, de forma a comparar os valores de IPTU cobrados no município

com os valores da PGV gerada.

3 JUSTIFICATIVA

A realização desse projeto é justificada pela tentativa de reduzir o trabalho

exaustivo de avaliação coletiva dos terrenos realizada pela prefeitura municipal e

formalizar as arrecadações tributárias para que sejam determinadas e direcionadas

ao planejamento urbano de forma mais justa.

Face à importância da arrecadação tributária em uma cidade e à falta de

modelos e mapeamentos de qualidade e confiabilidade, é justificável investir ainda

mais em termos de pesquisas de menor custo e de caráter aplicativos nesta área.

Assim, nesse trabalho sugerem-se métodos que facilitam a realização dessa tarefa

com o uso de imagens digitais, as quais possibilitam a obtenção de informações

13

adequadas sobre a distribuição espacial, além de dados de custo relativamente

baixos ou até mesmo gratuitos.

A criação de um modelo matemático/estatístico proporciona uma maior

objetividade nos cálculos, ao demonstrar uma aproximação da realidade. Portanto,

quando se trata da proposição de um modelo de Planta Genérica de Valores para

Monte Carmelo, além de ser um tema inovador, pois a cidade não possui uma PGV,

ainda auxilia na distribuição de informações para a formulação de modelo que

garanta a confiabilidade na determinação dos valores tributários da cidade.

Apesar de algumas cidades no Brasil possuírem uma Planta Genérica de

Valores, ainda é um desafio mantê-la atualizada, e isso é mais agravante em

cidades de pequeno e médio porte, como a área escolhida para estudo, que

costumam dar menos importância à questão da tributação imobiliária. Dessa forma,

essa pesquisa contribui para a geração de novos dados, de baixo custo, fácil

utilização e atualização, que serão utilizados como instrumentos de auxílio às

políticas públicas em prol da sociedade carmelitana.

4 FUNDAMENTAÇÃO TEÓRICA

De acordo com o art. 156 da Constituição Federal, compete aos municípios

instituir e arrecadar os impostos ISSQN (Imposto sobre Serviços de Qualquer

Natureza), o IPTU (Imposto sobre a Propriedade Predial e Territorial Urbana) e o

ITBI (Imposto sobre Transmissão de Bens Imóveis Inter Vivos). Em razão aos

estudos referente à Planta Genérica de Valores, serão considerados nesse projeto

apenas o IPTU e ITBI que utilizam do valor venal para seus cálculos.

O IPTU, de competência dos municípios, é definido nos artigos 32, 33 e 34 do

Código Tributário Nacional, é estabelecido sobre a propriedade predial e territorial

localizada na zona urbana, tendo como base para o cálculo o valor venal do imóvel.

O ITBI é de competência dos estados e recai sobre a transmissão de bens imóveis e

de direitos a eles relativos, tendo como fator gerador, definido no Art. 35 do Código

Tributário Nacional, a transmissão da propriedade ou do domínio útil de bens

imóveis por natureza ou por acessão física ou transmissão dos direitos reais sobre

imóveis, exceto os direitos reais de garantia e a cessão de direitos relativos a essas

duas transmissões. O valor venal dos bens também é utilizado como base de cálculo

para este imposto (BRASIL, 1966).

14

Tanto o IPTU quanto o ITBI devem respeitar o previsto no §1º do art. 145 da

Constituição Federal, que determina:

Sempre que possível, os impostos terão caráter pessoal e serão graduados segundo a capacidade econômica do contribuinte, facultado à administração tributária, especialmente para conferir efetividade a esses objetivos, identificar, respeitados os direitos individuais e nos termos da lei, o patrimônio, os rendimentos e as atividades econômicas do contribuinte. (BRASIL, 1988).

Além dessa capacidade contributiva, a legislação também impõe que os

valores venais dos imóveis urbanos de uma cidade sejam previamente avaliados e

submetidos à análise e aprovação da Câmara de cada município, podendo ser

lançado à população apenas um ano após a aprovação. É de responsabilidade do

poder municipal preparar previamente as avaliações de todos os imóveis existentes

no perímetro urbano e apresentá-los de forma genérica e mais clara possível

(MÖLLER; HOCHHEIM, 2006, p. 7).

Um importante instrumento de auxílio aos trabalhos dos gestores municipais

na avaliação imobiliária é a Planta Genérica de Valores, que contém informações

cadastrais, a qual direciona e determina as arrecadações tributárias das diversas

zonas ou setores da cidade, utilizando para divisão o critério de homogeneização

das características de cada imóvel (RAMPAZZO, 2012).

Esse instrumento compõe o Cadastro Técnico Multifinalitário (CTM), que para

Malaman e Amorim (2010) se trata de uma ferramenta que armazena e disponibiliza

importantes informações e auxilia o processo de análise de dados econômicos,

geométricos, jurídicos, sociais e ambientais de um determinado lugar geográfico.

A NBR 14.653-2 define a Planta Genérica de Valores como “a representação

gráfica ou listagem dos valores genéricos de metro quadrado de terreno ou do

imóvel numa mesma data.” (ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS -

ABNT, 2011, p. 6).

Michael (2004) explica a Planta Genérica de Valores como um documento

gráfico com informações espacializadas dos valores médios dos imóveis de cada

zona de uma cidade, cuja função é permitir uma política tributária justa e igualitária.

Caldas (2000), em sua reportagem, destaca que além desta função tributária,

a Planta Genérica de Valores é também um instrumento para o planejamento

urbano, uma vez que reflete os índices de valorização imobiliária e propicia ao poder

15

público o conhecimento das regiões, de forma a promover uma ação regularizadora

quanto ao uso e ocupação do solo. Segundo Dantas, Portugal e Prado (2006), a

visão da distribuição espacial dos preços pode servir de grande ajuda na elaboração

de planos diretores, previstos no Estatuto das Cidades, como também para os

diversos órgãos ligados ao planejamento e desenvolvimento urbano, visto que

através dos mapas de iso-valores pode-se identificar os polos de atração e repulsão

de determinadas classes sociais, como também definir as regiões em ascendência

ou decadência da cidade.

Visto a grande importância que possui esse instrumento para a gestão

pública, cabe aos elaboradores ter o minucioso cuidado ao elaborar uma PGV,

fundamentando seus estudos principalmente em metodologias que garantam o

emprego de técnicas adequadas para a avaliação imobiliária previstas pela Norma

Brasileira de Avaliação de Bens para Imóveis Urbanos (NBR 14.653-2), e na

excelência da coleta de dados. Para Rampazzo (2012), os dados devem ser em

quantidades suficientes para análises, de mesma época, e de preferência, bem

distribuídos na área pesquisada.

Considerando que em muitas cidades faltam informações concernentes ao

CTM e ao mapeamento urbano e diante da necessidade de atualização, rapidez,

qualidade e relação custo-benefício atrativo, é importante investir em estudos para a

utilização de recursos tecnológicos do Sensoriamento Remoto/Fotogrametria, do

SIG, e da Cartografia para o gerenciamento físico espacial somado as tecnologias

geodésicas que garantem a qualidade da locação dos dados, podendo assim

garantir resultados eficientes e com rapidez na geração de uma Planta Genérica de

Valores (LOCH, 2001).

O Sensoriamento Remoto/Fotogrametria, para Figueiredo (2005) é um técnica

de captação de informações dos fenômenos e feições contidos na superfície

terrestre sem o contato direto com os objetos, usa de sensores remotos associados

a metodologias e técnicas de armazenamento, tratamento e análise destas

informações. Os SIGs (Sistemas de Informações Geográficas) são utilizados como

um dos modelos mais eficazes de Cadastro encontrado atualmente e pode facilitar

ainda mais o planejamento municipal, por reunir informações descritivas e

geográficas integradas (MALAMAM; AMORIM, 2010).

Além do mapeamento, as avaliações para fins tributários são quase

impossíveis de serem realizadas individualmente, para cada imóvel, tornando

16

necessário a realização do procedimento chamado de “avaliação em massa dos

imóveis”. Essa avaliação consiste em determinar valores com a utilização de dados

comuns e procedimentos avaliatórios padronizados para todos os imóveis situados

dentro de um determinado perímetro e em uma data estabelecida (DIB; ARAÚJO;

MEIRELES, 2008).

Para realização desse procedimento são selecionadas variáveis que mais se

destacam e que tenham características específicas para a região que pertençam.

Algumas das variáveis que possuem grande influência na composição dos valores

dos imóveis e que são mais citadas na bibliografia são: distância a polos de

valorização, zona de uso e ocupação do solo, melhoramentos públicos, meio de

transporte disponíveis, densidade comercial e qualidade da infraestrutura local.

Em geral, a localização é considerada através da distância a polos de

valorização ou desvalorização, mas também através da identificação de regiões

homogêneas, nas quais o preço do sítio é considerado igual para todos os imóveis

(RAMPAZZO, 2012). González e Formoso (2000) consideram a variável localização

como sendo a mais importante, pois está relacionada com a fixação espacial do

produto, ou seja, sua imobilidade, além da acessibilidade que demonstra a qualidade

de vias e meios de transporte, e com as características da vizinhança, isto é, o uso

do solo no entorno do imóvel.

Além da identificação das variáveis, o desenvolvimento de um modelo

depende do método de avaliação, da amostra de dados utilizada como base, da

qualidade de informações pesquisadas, do tipo de informações constantes no

cadastro, da habilidade do avaliador e dos recursos disponíveis (RAMPAZZO, 2012).

Por isso, torna-se essencial seguir as orientações contidas na Norma Brasileira de

Avaliação dos bens, a NBR 14.653-2 de 2011 a qual auxilia desde as atividades

básicas de caracterização da área de estudo até os procedimentos metodológicos,

identificação das variáveis do modelo e tratamento dos dados.

A NBR 14.653-2 cita procedimentos metodológicos no item 8 do seu

documento, especificamente o item 8.2.1.4.3, que apresenta várias ferramentas que

podem ser utilizadas no tratamento científico dos dados, ou seja, metodologias que

auxiliam na modelagem a qual engloba formulação das hipóteses, definição das

variáveis e suas transformações (ABNT, 2011).

A Norma NBR 14.653-2, base para a determinação de modelos para

avaliação imobiliária, se orienta dos pressupostos básicos e verificações, das

17

limitações dos testes de significância, do ajustamento dos coeficientes para medir o

poder de explicação do modelo. Nela são sugeridos os limites do campo de arbítrio e

a utilização de variáveis dicotômicas1 para manter os graus de liberdade necessários

ao modelo, além da recomendação do tratamento de dados por inferências

estatísticas, regressão linear e até mesmo tratamento por redes neurais artificiais

(ABNT, 2011, p. 6).

Na literatura se identificam vários métodos para obter o valor venal de imóveis

e composição de uma Planta Genérica de Valores para fins tributários,

principalmente utilizando tratamento por metodologia determinística, ou seja,

homogeneização dos valores por estatística descritiva ou por fatores de ponderação,

e por metodologia probabilística, a qual utiliza a regressão linear por inferência

estatística.

A regressão linear é descrita na norma NBR 14.653-2 como “a técnica mais

utilizada quando se deseja estudar o comportamento de uma variável dependente2

em relação a outras que são responsáveis pela variabilidade observada nos preços”

(ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS - ABNT, 2011, p. 6), na qual

os parâmetros populacionais são estimados por inferência estatística. Com a

Regressão Linear a variabilidade no mercado imobiliário pode ser explicada.

Assim, o modelo de Regressão Linear Múltipla é usado para estudar a relação

entre uma variável dependente e várias variáveis independentes e sua fórmula

genérica é dada pela equação 1.

(1)

Onde: é a variável dependente ou explicada; são as variáveis

independentes ou explicativas; representa o distúrbio aleatório, que pode se

originar devido a diversas circunstâncias, tais como a ausência de fatores influentes

no modelo e distúrbios causados por erros de medida (BRONDINO, 1999).

Braulio (2005) explica que a técnica estatística mais utilizada na prática é a

análise por regressão linear, principalmente quando se deseja modelar o

1 Variáveis dicotômicas são aquelas que assumem apenas duas posições, são conhecidas também

como variáveis binárias, “dummies”, “de estado” ou “zero-um” (ABNT, 2011). 2 Variáveis dependentes são aquelas cujo comportamento se pretende explicar pelas variáveis

independentes (ABNT, 2011).

18

relacionamento entre as variáveis (dependentes e independentes3). No entanto,

esse tipo de técnica ao tratar um número grande de variáveis torna-se dispendioso,

o que é facilitado pela execução das tarefas em banco de dados e ferramentas

computacionais. Dessa forma, modelos de regressão com um número limitado de

variáveis independentes são mais comuns e mais confiáveis para se avaliar e

estudar.

Dantas, Portugal e Prado (2006) ao utilizarem a inferência espacial,

identificaram com facilidade a valoração das zonas da cidade de Aracaju, as quais

para eles não são percebidas através do uso dos métodos tradicionais. Assim,

através da inferência espacial foi possível obter valores mais justos aos imóveis e

garantir maior confiabilidade ao trabalho da administração municipal e aos

consumidores.

Esses autores propõem uma metodologia com base na inferência espacial

realizada pelo processo de Krigagem. Assim, com essa teoria, identificaram a

distribuição espacial de uma variável, expressa pela soma de três componentes,

como apresentado na equação 2.

(2)

Onde é uma função determinística descrita pela componente estrutural

de Z em x, é a variação regionalizada e um resíduo, ou seja, o ruído

gaussiano espacialmente independente, com média zero e variância .

Quando as condições de variâncias foram satisfeitas, a semivariância foi

estimada a partir dos pontos amostrais apresentados pela equação 3:

∑ (3)

Onde n é o número de pares de pontos amostrais, com atributos z, separados

por uma distância h.

Assim, Dantas, Portugal e Prado (2006) para estimação empírica deste

modelo (equação 2) utilizou do Modelo Clássico de Regressão, via Mínimos

Quadrados Ordinários (MQO), tomando como variável dependente o logaritmo do

3 As variáveis independentes dão conteúdo lógico à variação dos preços coletados na amostra

(ABNT, 2011).

19

preço unitário dos terrenos na posição geográfica x = (E,N), ou seja Z(x), onde E e N

são as coordenadas medidas em UTM.

Na parte determinística do modelo m(x), os autores consideraram como

variáveis estruturais a área do terreno (AR), a frente (FR), a infraestrutura (PA), a

Topografia (TO), a Transação (TR), a Oferta (OF), o Condomínio (CO), o Eixo (EI) e

o Setor (SE). Também incluíram um polinômio de tendência do segundo grau, que

consiste em inserir como variáveis explicativas do modelo as coordenadas

geográficas dos edifícios onde estão localizados os terrenos (E e N), seus

quadrados (E² e N²) e interação entre elas (EN) (DANTAS; PORTUGAL; PRADO,

2006).

Os autores Dantas, Portugal e Prado (2006) também atribuíram pesos as

variáveis, sendo as variáveis qualitativas PA, TO e CO adotadas como dummies,

assumindo valor 1 para cada uma se os terrenos forem servidos por pavimentação,

com topografia plana e se situarem em condomínio fechado, respectivamente, e 0

em caso contrário, a natureza do evento foi tratada com duas dummies TR e OF,

que assumem valores 1 se os preços são provenientes de transações ou ofertas,

respectivamente, e 0 se são dados oriundos de valores atribuídos para fins de ITBI.

A variável EI assumiu valores 3 para eixos principais, 2 em eixos secundários e 1

nos demais casos para diferenciar nível socioeconômico, considerou-se a variável

SE como uma variável proxy4 de macro localização, representada pela renda média

do chefe da família. Concluindo, com isso a base para o cálculo, componente

essencial da PGV.

5 MATERIAIS E MÉTODO

5.1 Área de Estudo e Dados Usados

A área de estudo, apresentada na Figura 1, compreende o município de

Monte Carmelo no estado de Minas Gerais. Inserido na mesorregião do Alto

Paranaíba e Triângulo Mineiro, o município abrange uma área de 1343,035 Km² com

45772 habitantes (IBGE, 2010).

4 Variável proxy é utilizada para substituir outra variável de difícil mensuração e que se presume

guardar com ela relação de pertinência, obtida por meio de indicadores publicados ou inferidos em outros estudos de mercado (ABNT, 2011).

20

Figura 1 – Localização do município de Monte Carmelo

Fonte: A autora.

Uma cena do satélite RapidEye, do ano 2013, fornecida pelo Ministério do

Meio Ambiente (MMA), com 5 bandas espectrais e com resolução espacial de 5

metros é usada para caracterização dos centros de valorização e desvalorização da

cidade, bem como base de referência para a correção geométrica dos dados

vetoriais extraídos a partir das imagens do Google Earth Pro.

O RapidEye é um sistema composto por cinco satélites de sensoriamento

remoto idênticos e em mesma órbita equipados com sensor multiespectral capazes

de capturar imagens em cinco bandas espectrais (Tabela 1), com alcance de

comprimento de onda entre 440 µm e 850 µm. A faixa da abrangência de coleta de

imagens é de 77 km de largura e 1500 km de extensão (RAPIDEYE SATELLITE

IMAGERY, 2015).

21

Tabela 1. Bandas espectrais dos satélites RapidEye

Bandas Espectrais Comprimento de Onda (µm)

Azul 440 – 510

Verde 520 – 590

Vermelho 630 – 685

Red-Edge 690 – 730

Infravermelho próximo 760 – 850

Fonte: RAPIDEYE SATELLITE IMAGERY (2015).

Dentre as características investigadas em uma avaliação imobiliária está a

topografia do lugar, por isso é realizada uma análise dos dados altimétricos da

cidade de Monte Carmelo, para isso é adquirida uma imagem do projeto Topodata

do Instituto Brasileiro de Pesquisas Espaciais (INPE), o qual oferece o Modelo

Digital de Elevação (MDE) elaborado a partir dos dados SRTM (Shuttle Radar

Topography Mission) refinados para a resolução de 30m.

Um MDE, segundo Druck et al. (2004), é uma representação matemática

computacional da distribuição espacial de uma região da superfície terrestre. Assim,

o MDE é utilizado para caracterizar o relevo, localizar a drenagem, os topos de

morro, ou seja, reconhecer os pontos críticos do setor imobiliário na cidade.

O levantamento em campo para a coleta de pontos de controle (PC) utiliza de

dois receptores GNSS (Global Navigation Satellite System), do Laboratório de

Topografia e Geodésia (TGEO) do curso de Engenharia de Agrimensura e

Cartográfica, da Universidade Federal de Uberlândia, sendo um Pro Mark 500 L1/L2

(dupla frequência), com precisão horizontal de 5mm + 0,5ppm, como receptor da

estação de referência definido pelas coordenadas

18°44’12,64171”S/47°29’00,62162”O SIRGAS2000, e um Pro Mark 200 L1/L2 (dupla

frequência), de precisão horizontal (5mm + 1ppm), utilizado como receptor das

estações com coordenadas a determinar.

Junto à Prefeitura Municipal e à comunidade carmelitana através de

entrevistas são solicitadas as informações a respeito da base de arrecadação

tributária, as alíquotas, bem como os dados cartográficos, legislativos e tributários

existentes.

São utilizados o software livre QuantumGis (QGis) 1.8.0, o ENVI 5.1, o

MultiSpecW32 para a manipulação das imagens e dos dados cartográficos, a

22

plataforma GNSS Solution para processamento dos dados de campo e o software

Stata 12 para o processamento matemático/estatístico.

5.2 Método

A metodologia envolve a aquisição de dados de mapeamento e outros

relacionados com a Planta Genérica de Valores da cidade. Dentre elas, citam-se:

Levantamento de campo; Aquisição de imagem de satélite; Revisar a base de

arrecadação tributária, as alíquotas e o mapeamento existentes; Identificar um

conjunto de variáveis independentes significativas, especialmente geradas a partir

de mapas digitais; Propor modelo para adequação da Planta Genérica de Valores;

Analisar o impacto da utilização do novo modelo na gestão da cidade. Para isso, a

metodologia é estruturada e distribuída nas seguintes fases, apresentadas no

organograma 1:

Organograma 1 – Atividades executadas na metodologia

Dados Geoespaciais e Literais

Fonte: A autora.

5.2.1 Análise dos Dados Literais

Na primeira fase, no estudo bibliográfico, é realizada uma análise dos textos

existentes que retratam a realidade da cidade de Monte Carmelo e dos

procedimentos existentes para a geração de uma Planta Genérica de Valores.

Entende-se o conteúdo teórico-conceitual sobre o tema como uma forma de

aperfeiçoamento, aprendizagem e descoberta através da leitura de novas maneiras

e novos métodos que ajudam no alcance dos objetivos. Na pesquisa bibliográfica

IBGE - Índice de Desenvolvimento Humano (IDH); - População; - Densidade Demográfica.

Prefeitura e Comunidade

- Alíquotas; - Tributos; - Dados do Mercado Imobiliário.

Cartografia

- Levantamento GNSS; - Digitalização de mapas/imagens; - MDE/SRTM;

Definição do Modelo da Planta Genérica de Valores (PGV) - Análise Estatística/Matemática.

Processamento de dados

- Processamento dos dados GNSS; - Geração do MDE; - Correção Geométrica; - PEC; - Vetorização da imagem; - Verificação da qualidade da imagem; - Elaboração de mapas temáticos.

23

procura conhecer e analisar as contribuições da Planta Genérica de Valores para a

cidade, além de recolher informações e conhecimentos prévios acerca das técnicas

de processamento de imagens e geração do modelo que se quer experimentar. A

pesquisa bibliográfica é constituída como procedimento básico para o presente

estudo, pelos quais se busca o domínio do tema determinado.

Segundo o IBGE, a cidade de Monte Carmelo, pelo censo demográfico

realizado em 2010 possui 40100 habitantes na área urbana, entre estes 19960 são

homens e 20140 mulheres. Tendo densidade demográfica de 34,08 hab/km² e o

Índice de Desenvolvimento Humano (IDH) de 0,728. Possui 17200 domicílios, destes

39 são domicílios coletivos e 17161 são particulares, com média de 3,04 moradores

por domicílio. Existem também 4198 estabelecimentos e 621 edificações em

construção (IBGE, 2010).

A receita orçamentária arrecadada no ano de 2013 foi de R$1089000,00 com

o IPTU e R$1231000,00 com o ITBI. Já em 2014 esse valor chegou a R$1167000,00

sobre o IPTU e R$1400000,00 com ITBI (SICONFI, 2015).

O cálculo do IPTU está em conformidade com a Lei nº 082/97 de 30 de

dezembro de 1997 que estabelece o sistema tributário no município, as normas

complementares do direito tributário e as atividades administrativas da cobrança de

impostos. O Título II desta lei trata do sistema tributário, no qual em seu capítulo II

traz as normas relativas ao Imposto Predial e Territorial Urbano com características

distintas para a parte territorial e a parte predial.

Da parte territorial esta lei estabelece aplicar sobre o valor venal do lote a

alíquota de 2% (dois por cento), sendo a avaliação dos lotes realizada com base na

planta de valores imobiliários, levando em conta o índice de valorização ou

desvalorização; a área, a forma, as dimensões, a localidade; características

topográficas e pedológicas o aproveitamento e outras características do terreno; e o

preço dos terrenos próximos nas últimas transações de compra e venda (MONTE

CARMELO, 1997).

Para a parte predial a base de cálculo do imposto é o valor venal do imóvel

construído, aplicando-se sobre esse valor a alíquota de 1% (um por cento). A

avaliação dos imóveis construídos, para estipulação do valor venal, é feita com base

na planta de Valores Imobiliários e na tabela de preços de construção, aplicados os

fatores de correção, estabelecidos anualmente pelo Poder Executivo, levando em

conta o padrão ou tipo de edificação; a área edificada; o preço médio da construção

24

por metro quadrado no exercício em que se fizer o lançamento, segundo os vários

tipos especificados no código de obras, ou reconhecidos; o estado de conservação;

os serviços públicos e de utilidade pública existentes na via ou logradouro público e

o índice de valorização ou desvalorização, correspondente ao logradouro, quarteirão

ou zona em que estiver situado o imóvel (MONTE CARMELO, 1997).

No caso de condomínios o Art. 57, §1º da Lei nº 082/97 de 30 de dezembro

de 1997 define que o lançamento do imposto é em nome de todos os condomínios,

respondendo cada um, na proporção de sua parcela, pelo ônus do tributo (MONTE

CARMELO, 1997). Dessa forma, para este estudo a mesma metodologia é aplicada

a condomínios e residências individuais, conforme a lei.

A seguir, cita-se a base do cálculo utilizado atualmente pela prefeitura

municipal para o cálculo do Imposto Predial e Territorial Urbano, previstos na Lei nº

082/97 de 30 de dezembro de 1997 e apresentadas nas equações 4 e 5 (MONTE

CARMELO, 1997):

(4)

Onde:

;

;

E = Fator de esquina;

C = Fator de Correção Topográfica.

(5)

Onde: Vm²TI = Valor do m² do tipo da edificação;

CAT = Coeficiente de avaliação da categoria por tipo de edificação;

C = Coeficiente de avaliação do estado de conservação do imóvel;

ST = Coeficiente de avaliação de subtipos.

25

Os anexos A (Fator de Esquina - E), B(Fator Topográfico e Pedológico - C), C

(Valor m² Edificado - Vm²TI), D (Coeficiente de avaliação da categoria por tipo de

edificação - CAT), E (Coeficiente de avaliação do estado de conservação do imóvel -

C) e F (Coeficiente de avaliação de subtipos - ST) demostram os quadros de

coeficientes usados nas fórmulas citadas acima, retirados da Lei nº 082/97 de 30 de

dezembro de 1997.

A Prefeitura Municipal de Monte Carmelo através da Secretaria Municipal da

Fazenda armazena os dados referentes ao IPTU em um banco de dados digital

contento as informações cadastrais dos imóveis. Esse banco de dados contém a

inscrição cadastral, o código do imóvel, o número do lote e o número da quadra,

juntamente com as variáveis citadas na definição do cálculo para o valor do IPTU.

Esse imposto é pago de uma só vez ou parcelado em até 03(três) parcelas

mensais, iguais e sucessivas, a partir do dia 31 de março de cada ano (MONTE

CARMELO, 1997). Assim, um imóvel a 500m da área central, com área de terreno

de 336m, área construída de 79,71m² e com testada de 10,50m terá segundo a

prefeitura municipal Valor Venal Total de 14827,57, sendo o Valor Venal do Terreno

de R$4116,08 e Valor Venal da Construção de R$10711,49, resultando em um valor

do IPTU de R$66,72. Já um lote com área de 300m e testada de 12m a

aproximadamente 100m do córrego Mumbuca possui Valor Venal Total de R$832,36

e IPTU igual a R$5,83.

Aos valores de IPTU é acrescentada uma taxa de expediente que

corresponde ao valor de Unidade Fiscal Municipal (UFM), atualizada no município de

Monte Carmelo pelo Decreto n° 1454 de 05 de dezembro de 2014, passando a ser

fixada no valor de R$2,64. Assim, o IPTU do imóvel e do lote, dos exemplos citados

acima, chega para os proprietários no valor final de R$69,36 e R$8,47,

respectivamente.

5.2.2 Cartografia e Processamento de Dados

A falta de mapeamentos dificulta ações no município de Monte Carmelo, para

sanar essa ausência esse trabalho utiliza além dos dados da imagem Rapideye,

imagens do Google Earth datadas em 11 de maio de 2013 através do plugin Open

Layers Plugin do QGis 1.8.

26

Na fase de obtenção de dados digitais são solicitadas junto ao Ministério do

Meio Ambiente as cenas RapidEye que permitam a cobertura total da cidade de

Monte Carmelo. Posteriormente, é criado no QGis 1.8 o mosaico das imagens

RapidEye, estruturando uma cena única da área de estudo. Além disso, são

escolhidas as bandas espectrais formando a composição colorida falsa cor 3R5G1B

que melhor se aplicam para a visualização/localização dos lotes e quadras da

cidade, como mostra a Figura 2.

Figura 2 - Mosaico e composição colorida da imagem Rapideye

Fonte: A autora.

Ainda na fase de coleta de dados digitais, é realizada uma campanha de

levantamento de pontos de controle (PC), in loco, distribuídos ao longo da área

urbana, como mostra a figura 3. No Brasil, apesar de existir legislação específica

sobre isto, o Decreto Lei 89.817/84, não há especificação que defina o número de

pontos de referência que deve ser usado na análise. O tamanho de uma amostra diz

respeito à quantidade de unidades do universo que são analisadas, sendo a sua

seleção feita mediante um processo aleatório, a fim de que seja evitada uma

possível tendenciosidade. Assim o levantamento dos PCs foi realizado nos dias

15/06/2015, 17/06/2015 e 29/06/2015, totalizando em 34 pontos coletados bem

distribuídos ao longo de toda a área urbana.

27

Figura 3 – Distribuição dos Pontos de Controle em Monte Carmelo

Fonte: A autora.

O método de posicionamento utilizado é o relativo estático rápido, coletando o

limite de quadras, como apresentado na figura 4. Além de um bom planejamento,

alguns procedimentos adotados em campo são de grande importância para que se

possa obter resultados coerentes com os padrões de acurácia e precisão desejada.

Entre eles, destaca-se o estacionamento da antena e a duração da sessão de

observação.

Nesse posicionamento, as coordenadas são determinadas em relação a um

referencial materializado na Universidade Federal de Uberlândia (SESI) de

coordenadas 18°44’12,64171’’S/47°29’00,62162’’O referenciado em Sirgas 2000,

denominado de estação de referência ou estação base. Tanto o receptor da estação

referência, quanto o da estação com coordenadas a determinar, permanecem

estacionários durante todo o levantamento, no qual é adotado um intervalo de tempo

para o rastreio de 5 minutos por ponto coletado, uma vez que esse tempo é

suficiente para o objetivo, em que as linhas de base não ultrapassam comprimento

de 5 km e a precisão almejada é de 5m.

28

Figura 4 – Receptor Pro Mark 200 L1/L2

Fonte: A autora.

O processamento das observações GNSS consiste na utilização de modelos

matemáticos capazes de relacionar a posição tridimensional de um determinado

local com as observáveis básicas do sistema e as coordenadas tridimensionais dos

satélites. Por isso, após a coleta dos dados em campo é utilizado o software GNSS

Solution para a determinação das coordenadas de interesse referenciadas ao

sistema de referência SIRGAS 2000. O Apêndice A apresenta as coordenadas

resultantes do processamento, totalizando em 32 pontos coletados no terreno, uma

vez que TCC3 e TCC6 foram eliminados devido à inexistência do loteamento no ano

de passagem das imagens.

Após o processamento das observações GNSS, partiu-se para a vetorização

de dados a partir de imagens do Google Earth datadas em 11 de maio de 2013

através do plugin Open Layers Plugin do QGis 1.8. Uma ótima aplicabilidade deste

plugin é aproveitar regiões de alta resolução que o Google Earth disponibiliza para

criar e editar vetores (camadas) de eixo de logradouros, bairros, quadras e ruas da

cidade de Monte Carmelo.

29

Para utilizar o plugin é necessário criar camadas/shapefiles, dessa forma são

criadas as camadas Bairro, Rua, Praça, Trevo e Quadra, como mostra a Figura 5,

vetorizadas em escala 1:2500, totalizando em 990 quadras, 463 ruas, 2 trevos, 30

praças e 24 bairros.

Figura 5 – Vetorização através do QGis 1.8.0

Fonte: A autora.

A maioria dos shapefiles criados possui um Plano de Informação contendo

atributos descritivos, com os nomes das ruas, das praças, bairros e dos trevos, como

o apresentado na Figura 6. Alguns nomes não foram encontrados e devido ao pouco

tempo para verificação em campo esses itens ficaram com nomeação “null”.

30

Figura 6 – Tabela de atributos das camadas

Fonte: A autora.

A base vetorial da cidade de Monte Carmelo é georreferenciada através das

imagens de satélite Rapideye, projetadas no Sistema de Coordenadas Geográficas,

datum WGS 84 como apresentada na Figura 7.

Para análise da qualidade dessa carta gerada para a cidade de Monte

Carmelo é proposto uma análise estatística dos dados e avaliação do Padrão de

Exatidão Cartográfica (PEC), regulamentado pelo Decreto Lei n° 89.817, que

estabelece normas que regulamentam e classificam os documentos cartográficos

quanto a sua qualidade geométrica (BRASIL, 1984).

As cartas, segundo sua exatidão, são classificadas no PEC nas Classes A, B

e C, segundo os critérios apresentados no quadro 1.

Quadro 1 – Critérios do PEC segundo as Normas Técnicas da Cartografia Nacional

Classes

PEC

Planimétrico

Erro Padrão (EP)

A 0,5 mm x Escala 0,3 mm x Escala

B 0,8 mm x Escala 0,5 mm x Escala

C 1,0 mm x Escala 0,6 mm x Escala

Fonte: Brasil (1984).

31

Figura 7 – Carta da cidade de Monte Carmelo

Fonte: A autora.

O controle de qualidade posicional através da avalição do PEC pode ser

realizado pela comparação entre a posição de pontos identificados na imagem, com

suas respectivas coordenadas obtidas por pontos no terreno. Dessa forma, as

discrepâncias são analisadas e é possível calcular os resíduos da resultante das

coordenadas planimétricas, como mostra a equação 6 (OLIVEIRA et al., 2015).

32

√ (6)

Onde, e são pontos identificados na imagem; e são pontos

obtidos no terreno.

Através dos resíduos é possível obter a média e o desvio padrão de cada

componente e com isso realizar a análise de tendência através da aplicação do teste

t de Student (equação 7), calculado por:

√ (7)

Em que é o número de amostras; o desvio padrão das amostras.

Já para a análise da precisão é aplicado o teste de Qui-Quadrado,

obedecendo aos valores do Erro Padrão (EP) definido no quadro 1, com o objetivo

de verificar em qual classe o produto analisado se enquadra. Para isso, calcula-se

primeiramente o erro padrão (σ), apresentado na equação 8:

√ (8)

A partir dos cálculos se obtém o teste do Qui-Quadrado (equação 9):

(9)

Em que o Qui-quadrado;

variância da amostra; variância

estabelecida pelas Normas Técnicas da Cartografia Nacional.

As hipóteses para o teste do Qui-quadrado testam se a variância dos resíduos

é igual a variância estabelecida pelas Normas Técnicas da Cartografia Nacional.

Portanto, para uma determinada escala, a imagem será classificada com a classe A,

B ou C em função dos resultados obtidos nos testes de precisão.

Para classificar a carta confeccionada temos 32 pontos com suas

coordenadas reais, medidas no terreno (Apêndice A), e coordenadas dos 32 pontos,

obtidas através da carta (Apêndice B), dessa forma podemos calcular os resíduos e

obter o erro planimétrico e o erro-padrão, como mostra o Quadro 2.

33

Quadro 2 – Cálculo para obtenção da classificação do PEC

TERRENO CARTA Resíduos (metros)

Ponto E(m) N(m) E(m) N(m) Eplan.

TCC 01 238964,654 7925086,517 238961,647 7925082,118 -3,007 -4,399 5,328532

TCC 02 238388,986 7926166,439 238389,200 7926164,219 0,214 -2,22 2,230291

TCC 04 237664,500 7926975,603 237663,949 7926972,733 -0,551 -2,87 2,922414

TCC 05 237555,565 7925970,035 237553,501 7925961,523 -2,064 -8,512 8,758667

TCC 07 237592,946 7927657,942 237592,842 7927657,465 -0,104 -0,477 0,488206

TCC 08 237705,338 7928745,890 237704,891 7928744,988 -0,447 -0,902 1,006684

TCC 09 237411,203 7928327,359 237411,151 7928326,503 -0,052 -0,856 0,857578

TCC 10 236939,886 7928525,159 236940,559 7928524,201 0,673 -0,958 1,170766

TCC 11 236843,006 7927051,909 236846,157 7926737,32 3,151 -1,13 3,347492

TCC 12 236225,870 7927107,949 236226,157 7927106,128 0,287 -1,821 1,843478

TCC 13 236259,977 7926739,926 236257,385 7926603,320 -2,592 -2,606 3,675554

TCC 14 235945,122 7925665,392 235944,505 7925664,873 -0,617 -0,519 0,806257

TCC 15 235489,623 7926377,195 235491,068 7926374,994 1,445 -2,201 2,63295

TCC 16 234520,185 7926511,789 234520,156 7926511,128 -0,029 -0,661 0,661636

TCC 17 238129,452 7926542,454 238126,793 7926549,417 -2,659 6,963 7,453432

TCC 18 237021,403 7925952,604 237022,619 7925947,641 1,216 -4,963 5,109797

TCC 19 236595,152 7926335,557 236595,441 7926334,514 0,289 -1,043 1,082298

TCC 20 234774,577 7925881,172 234771,02 7925880,666 -3,557 -0,506 3,59281

TCC 21 235473,180 7926717,109 235474,830 7926716,557 1,65 -0,552 1,739886

TCC 22 234535,802 7927896,974 234551,020 7927895,965 -4,782 -1,009 15,25141

TCC 23 234324,610 7928329,213 234324,488 7928328,084 -0,122 -1,129 1,135573

TCC 24 235177,650 7928074,490 235177,855 7928073,696 0,205 -0,794 0,820037

TCC 25 235482,792 7928800,795 235483,638 7928799,727 0,846 -1,068 1,362476

TCC 26 235981,636 7928056,404 235981,279 7928055,148 -0,357 -1,256 1,305751

TCC 27 235504,212 7927543,747 235504,869 7927539,923 0,657 -3,824 3,880029

TCC 28 236807,779 7927543,253 236807,446 7927541,893 -0,333 -1,36 1,400175

TCC 29 236498,450 7928229,046 236498,558 7928228,527 0,108 -0,519 0,530118

TCC 30 236086,732 7928375,806 236086,712 7928375,036 -0,02 -0,77 0,77026

TCC 31 236597,573 7929502,091 236597,117 7929501,074 -0,456 -1,017 1,114551

TCC 32 236987,820 7929683,443 236987,681 7929683,119 -0,139 -0,324 0,352558

TCC 33 236849,646 7930423,512 236849,879 7930418,910 0,233 -4,602 4,607895

TCC 34 236851,536 7930710,752 236851,965 7930710,273 0,429 -0,479 0,643026

Média -1,512 0,2973 2,746331

S 2,3536 3,0490 3,082526

Fonte: A autora (2015).

Assim, considerando o produto confeccionado na escala 1:27500 e segundo a

exatidão e precisão (qualidade posicional) com base no que está preconizado no

decreto lei n° 89817, de 20 de junho de 1984, publicado no Diário Oficial da União

de 27 de junho de 1984, a carta classifica-se na Classe A, uma vez que o erro

planimétrico é menor que 13,75m (0,5mm X 27500 = 13750mm) e o erro-padrão é

menor que 8,25m (0,3mm X 27500 = 8250mm).

As variáveis escolhidas para compor o modelo da PGV da cidade de Monte

Carmelo são a topografia, o solo, o setor, a distância dos polos de valorização e

desvalorização, área sujeita à inundação/alagamento.

34

A base informacional para a elaboração dos documentos cartográficos da

topografia foram os dados do projeto Topodata, na escala de 1:250000, com

equidistância entre as curvas de nível de 10 metros, processados através do

software Qgis 1.8.

A tabela 2 mostra as diferentes categorias altimétricas obtidas para a cidade

de Monte Carmelo.

Tabela 2. Área ocupada pelas diferentes categorias altimétricas

Categorias (m) Área (%)

850 – 860

03,652

860 – 870

06,283

870 - 880

26,794

880 - 890

27,179

890 – 900

26,538

900 – 910

04,358

910 – 920

03,589

920 – 930

01,346

930 – 940

00,205

940 – 950

0,0560

Total 100 Fonte: A autora (2015).

Baseados nas declividades críticas, para a formulação do critério atribuído à

variável topografia, foram mapeados as seguintes classes de declividade: menor do

que 5% (relevo plano), 5 a 10% (relevo ondulado), 10 a 15% (relevo moderadamente

ondulado), 15 a 20% (relevo forte ondulado), como apresentado na Figura 8.

35

Figura 8 – Mapa de declividade da área urbana de Monte Carmelo

Fonte: A autora.

A cidade de Monte Carmelo apresenta pequena alteração em sua topografia e

é passível de parcelamento do solo ao considerar a variável declividade, uma vez

que em acordo com a lei n°6.766, de 19 de dezembro de 1979 que dispõe sobre o

parcelamento do solo urbano, não é permitido parcelamento do solo em terrenos

com declividade igual ou superior a 30%, o que não é aplicável em Monte Carmelo,

aonde a declividade máxima chega a 17%.

Para a caracterização da variável solo, utiliza-se de dados disponibilizados

pela EMBRAPA em escala 1:5.000.000, processados no Qgis 1.8. O mapa gerado é

apresentado na Figura 9.

Observa-se que os Latossolos Vermelhos são identificados na extensa área

da cidade de Monte Carmelo. Esse tipo de solo caracteriza-se por apresentar

predominância de material mineral, bastante intemperizado, geralmente com classe

textural franco argilo arenosa.

36

Figura 9 –Caracterização do solo da área urbana de Monte Carmelo

Fonte: A autora

Para a confecção dos mapas de distância, é iniciada a coleta de dados de

mercado, através da realização de uma vistoria nos principais pontos da cidade para

identificação de sua dinâmica, forma de crescimento, de valoração, a fim de

determinar a sua estrutura imobiliária e econômica. Assim, observam-se as

peculiaridades da cidade de Monte Carmelo, como zonas de valorização e de

desvalorização, áreas de comércio e áreas de crescimento.

Destacam-se como polos de valorização a área central onde se concentra os

comércios da cidade, as proximidades aos campus da Universidade Federal de

Uberlândia, à faculdade FUCAMP e as escolas estaduais e municipais que causam

grande fluxo de pessoas no dia-a-dia. Como locais de desvalorização citam-se as

cerâmicas devido a grande quantidade de poeira e resíduos deixados nas ruas, a

Estação de Tratamento de Esgoto (ETE), alvo de reclamações pela população

devido ao mau cheiro e grande quantidade de lixo e animais nas suas proximidades.

Os mapas de distância são gerados em relação aos polos de valorização

considerados positivos na representação da PGV da cidade e polos de

37

desvalorização, referentes àqueles locais de influências negativas ao setor

imobiliário.

Para o mapa de distância dos pontos positivos, considera-se a os prédios da

Universidade Federal de Uberlândia/Campus Monte Carmelo (Araras e SESI), a

Fundação Carmelitana Mário Palmério (FUCAMP), a Escola Estadual Professor

Vicente Lopes Perez (Polivalente), a Escola Estadual Gregoriano Canedo

(Estadual), o Colégio Nossa Senhora do Amparo, o Colégio Alpha COC, a

Prefeitura, o centro comercial, a Policlínica, o Pronto Socorro, o Hospital Virgílio

Rosa e o Hospital Santa Terezinha. A tabela 3 apresenta a localização geográfica de

cada um desses setores.

Tabela 3. Locais de valorização (positivos)

Categorias (m) Localização Geográfica

UFU/SESI -18°44’11,7”/-47°28’58,4”

UFU/Araras -18°43’27,4”/-47°31’24,2”

FUCAMP -18°44’15,3”/-47°30’55,0”

Escola Estadual Professor Vicente Lopes Perez -18°43’26,4”/-47°29’43,3”

Escola Estadual Gregoriano Canedo -18°43’51,20”/-47°30’9,1”

Prefeitura -18°43’46,4’”/-47°29’48,2”

Policlínica -18°43’25,3”/-47°29’52,3”

Pronto Socorro -18°43’18,9”/-47°30’11,5”

Alpha COC -18°43’41,1”/-47°29’49,9”

Colégio Nossa Senhora do Amparo -18°43’42,2”/-47°30’0,97”

Hospital Virgílio Rosa -18°43’46,80”/-47°29’46”

Hospital Santa Terezinha -18°43’37,1”/-47°29’48,4”

Área Comercial -18°44’02”/-47°29’52,37” Fonte: A autora (2015).

Para o mapa de distância dos pontos negativos, consideram-se as indústrias

de cerâmica e a Estação de Tratamento de Esgoto (ETE), localizados na Tabela 4.

38

Tabela 4. Locais de desvalorização (negativos)

Categorias (m) Localização Geográfica

Cerâmicas

-18°42’38,8”/-47°29’48,1”

-18°44’36,2”/-47°28’35,0”

-18°44’18,6”/-47°29’12,8”

-18°43’45,8”/-47°28’58,8”

-18°43’14,1”/-47°29’43,1”

-18°43’30,0”/-47°30’14,4”

-18°42’17,2”/-47°29’47,7”

-18°41’57,1”/-47°30’2,8”

-18°42’33,8”/-47°30’25,2”

-18°42’22,3”/-47°30’27,3”

-18°42’37,1”/-47°30’45,3”

-18°42’56,1”/-47°30’48,6”

-18°43’14,5”/-47°31’8,04”

ETE -18°42’6,12”/-47°29’39,1” Fonte: A autora (2015).

A partir da imagem RAPIDEYE são com gerados buffers através da

ferramenta Create Buffer Zone from ROIs do ENVI 5.1 com essas áreas

selecionadas.

Para o mapa de distâncias positivas, ou seja, geradas a partir das localidades

de valorização, a distribuição dos valores se dá de uma forma decrescente, o buffer

é realizado com o valor inverso dos pixels para que sejam diferenciadas das

distâncias das áreas de influências negativas. Assim, em ambos os mapas a

distância representada por áreas escuras são consideradas desvalorizadas e as

áreas em claro representam as valorizadas.

Os mapas gerados são apresentados nas Figuras 10 (distâncias positivas) e

11 (distâncias negativas).

39

Figura 10 – Caracterização das áreas positivas

Fonte: A autora

Figura 11 – Caracterização das áreas negativas

Fonte: A autora

40

O mesmo método é realizado para gerar buffer para as áreas sujeitas a

inundação/alagamento nas proximidades do Córrego Mumbuca, localizado entre as

coordenadas -18°44’23,28”/-47°29’49,56” e -18°42’9,36”/-47°29’30,84”.

Figura 12 – Mapa das áreas do Córrego Mumbuca

Fonte: A autora

Após conhecer previamente a área em estudo é possível obter a classificação

pelo método da Máxima Verossimilhança (MAXVER). Esse método de classificação

caracteriza como sendo gaussiana ou normal, ou seja, os objetos pertencentes à

uma mesma classe apresentarão resposta espectral próxima à média de valores

para aquela classe. Para a obtenção de um bom resultado com esta classificação é

necessário escolher um número elevado de pixels para cada amostra da classe e

também uma precisão razoável da estimativa do vetor médio e da matriz de

covariância de toda a classe espectral.

Dessa forma, neste trabalho o método MAXVER é utilizado para obtenção de

classes informacionais a partir da imagem Rapideye, processada no ENVI 5.1

gerando o produto apresentado na Figura 13.

41

Figura 13 – Classificação supervisionada MAXVER

Fonte: A autora

São consideradas pela classificação MAXVER na cidade de Monte

Carmelo 341,408 Ha de área construída, área de 498,690 Ha de solo e área de

78,933 Ha de vegetação.

Após a identificação dessas variáveis significativas, áreas positivas, áreas

negativas, topografia, área construída, área de inundação/alagamento e solo,

identificam-se os bairros mais representativos e as características da sua localização

para realizar a divisão da cidade em setores, com intuito de limitar as informações

tributárias existentes, conforme mostra a Figura 14.

O critério utilizado para a divisão dos setores é a identificação da presença de

locais de valoração e de desvalorização, e também a estrutura econômica,

unificando em um mesmo setor aqueles bairros com características aproximadas.

Isto é, identificar zonas homogêneas as quais apresentam a mesma evolução

durante o tempo manifestada pelo padrão construtivo das edificações e econômico.

42

Figura 14 – Divisão da cidade em setores

Fonte: A autora

O Setor 1 é composto pelo bairro Residencial Jardim Américo, o Setor 2 por

Santa Rita, Santo Agostinho e Sidônio Cardoso, o Setor 3 pelos bairros Jardim

Oriente e São Sebastião, o Setor 4 pelos bairros Nossa Senhora de Fátima,

Montreal, Belo Horizonte, Bela Suíça e Tamboril, o Setor 5 por Alto da Vila Nova e

Aeroporto, o Setor 6 pelos bairros Jardim Ipiranga, Campestre, Vila Dourada e

Belvedere, o Setor 7 por Boa Vista, Dona Quita, Recanto do Arari e Residencial

Lambari, o Setor 8 por Chácaras do Trevo, Bairro do Trevo, Catulina Planalto e

Lagoinha, o Setor 9 pelos bairros Cidade Jardim, Morada Nova e Bairro do Carmo,

o Setor 10 é composto pelos bairros Mansões Fidalgas, Jardim Zeni, Costa Sul,

Campos Elísios e Bouganville, o setor 11 por Triângulo e Virgílio Rosa, o Setor 12

pelos bairros Batuque, Morada do Lago e Centro.

43

5.2.3 Definição do Modelo da Planta Genérica de Valores

O método proposto busca modelar parâmetros que influenciam, diretamente,

no processo simplificado de determinação do valor do Imposto Predial e Territorial

Urbano (IPTU).

São considerados para o modelo os seguintes parâmetros:

Declividade\Topografia do terreno (To), Distância dos polos de valorização (Dv),

Distância dos polos de desvalorização (Dd), Tipo de Solo (So), Área

inundável/alagada (In), Área Construída (Ac) e o Setor pertencente (Se). Esses

parâmetros foram definidos tendo por base as características da cidade em estudo e

as informações que possuem influências sobre os imóveis. A variável infraestrutura

não foi utilizada uma vez que toda a área construtiva em estudo possui asfalto, água

e esgoto. Dessa forma, podemos considerar as variáveis independentes, como

apresentado na Tabela 5.

Tabela 5. Variáveis independentes

Variáveis Descrição

Topografia (To) Indica os tipos de relevos (Plano, Ondulado, Moderadamente

Ondulado, Forte Ondulado).

Distância dos polos de valorização (Dv)

Quantifica a distância até os polos de

valorização em metros.

Distância dos polos de

desvalorização (Dd)

Quantifica a distância até os polos de

desvalorização em metros.

Área Construída (Ac) Identifica a localização do imóvel

quanto a sua construção.

Área alagada/inundada (In)

Solo (So)

Setor (Se)

Quantifica a distância até a área alegada/inundação em metros.

Indica o tipo de solo.

Indica o setor pertencente.


44

A extração do conjunto de informações contidas em cada produto cartográfico

de cada variável independente estudada é realizada através da ferramenta List Data

do software Multispec W32. Antes da obtenção desses dados, utiliza-se a

ferramenta ENVI Standard do ENVI 5.1 para a construção do mapa temático,

conforme a Figura 15.

Figura 15 – Caracterização do mapa temático


Esse procedimento permite o acesso à todas as informações registradas em

uma única imagem, para que sejam usadas na definição do modelo. Para a eficácia

dessas informações extraídas para cada variável é necessário verificar se todas as

imagens estão no mesmo sistema de projeções, neste caso UTM 23S, datum WGS

84, e com linhas e colunas padronizadas (1160x1217). Assim, cada banda possui

informações correspondentes a uma variável independente, distribuído de acordo

com a Tabela 6.

45

Tabela 6. Composição das Bandas do mapa temático

Bandas Variável independente

Banda 1 Inundação/Alagamento

Banda 2 Desvalorização

Banda 3 Valorização

Banda 4 Área Construída

Banda 5 Solo

Banda 6 Topografia/Declividade

Banda 7 Setor


Junto à comunidade, em um trabalho porta a porta foram coletados dados

amostrais aleatoriamente ao longo do Município de Monte Carmelo, contendo

informações em relação à localização e valor do IPTU sem desconto. Totalizando

em 101 informações, as quais foram armazenadas em um Quadro apresentado no

Apêndice C. Os locais de coleta das amostras estão pontuados na Figura 16.

Figura 16 – Locais amostrados no perímetro urbano de Monte Carmelo


46

O mapa temático e a localização das amostras são inseridos no software

Multispec W32, no qual é possível obter todas as informações referentes a todas as

variáveis independentes com a ferramenta List Data.

A Figura 17 mostra as informações contidas no pixel selecionado, o qual foi

inserido manualmente pela localização de uma das amostras, em que 1 corresponde

à distância em metros do córrego Mumbuca; 2 à distância em metros do polo mais

próximo de desvalorização; 3 à distância em metros do polo mais próximo de

valorização; 4 à classificação pertencente (1-vegetação; 2-solo; 3-área construída); 5

ao tipo de solo (255-latossolo vermelho); 6 à topografia com o valor da declividade

em porcentagem; 7 ao setor pertencente.

Figura 17 – Informações correspondentes a uma amostra


A mesma metodologia é aplicada a todas as amostras e as informações

transferidas para uma planilha no Microsoft Excel 10, resultando no quadro

apresentado no Apêndice D.

De posse as informações de cada amostra, parte-se para o modelo de

regressão linear múltipla que é o método estatístico usado para investigar a relação

entre as variáveis independentes. Para agilizar o cálculo do modelo são abordados

recursos do STATA 12.

Para o uso de operadores de regressão, a NBR 14653-2 da ABNT (2011)

recomenda a realização de alguns testes que validam o modelo gerado. Esses

testes visam verificam os pressupostos da teoria de regressão são atendidos. Testes

47

como a da multicolinearidade são realizados para observar a existência de relação

entre quaisquer variáveis independentes, o teste da homocedasticidade busca

observar se a variância dos erros é constante e o teste da auto correlação, o qual

verifica se o resíduo de uma observação não é correlacionado com o resíduo de

outra observação.

As oito variáveis, sendo IPTU uma variável dependente e In, Dd, Ac, So, To e

Se variáveis independentes, e as 101 observações foram inseridos na interface do

STATA 12. Os Quadros 3 e 4 mostram os coeficientes e significâncias da regressão.

Quadro 3 – Processamento estatístico das variáveis

Resumo dos resultados

Número de Observações 101

F(6,94) 12,44

R² 0,4426

R² ajustado 0,4070 Fonte: A autora.

Quadro 4 – Processamento estatístico das variáveis

IPTU Coeficiente Std. Err. t p>|t| [95% Conf. Intervalo]

In -0.2438936 0,0867093 -2.81 0,006 -0,416057 -0,0717302

Dd 0,1047378 0,1348655 0,78 0,439 -0,1630409 0,3725164

Dv 0,531919 0,1380236 0,39 0,701 -0,2208572 0,3272411

Ac -17,40667 17,0954 -1,02 0,311 -51,34999 16.53666

So 0 0 0 0 0 0

To 5,118225 3,377555 1,52 0,133 -1,587989 11,824444

Se 19,02155 6,268439 3,03 0,003 6,575419 31,16768

Constante 8,901463 76,30983 0,12 0,907 -142,6135 160,4164

Fonte: A autora.

Com esses dados o modelo de regressão é dado por:

(10)

48

Realizada a validação dos elementos estimados a partir dos testes

estatísticos, apresentam-se os dados da planta de valores na forma cartográfica.

Com a ferramenta Band Math do ENVI 5.1 o modelo de regressão é inserido no

mapa temático obtendo informações referentes ao IPTU em cada pixel, as áreas

claras apresentam os maiores valores, como mostra a Figura 18.

Figura 18 – Modelo de regressão representado no mapa temático


O valor máximo obtido na representação cartográfica do modelo de regressão

foi de R$389,90 e o mínimo -R$18,87.

Com a geração do modelo de regressão há necessidade de se verificar

alguns pressupostos básicos, em busca da validação do mesmo, ou seja, saber se o

modelo obtido é adequado ou não, para isso foram usados 5 pontos de verificação,

localizados na Figura 19.

49

Figura 19 – Localização dos pontos de verificação

Fonte: A autora.

As características desses pontos de verificação estão presentados no Quadro

5.

Quadro 5 – Pontos de Verificação

Endereço N° Bairro

Valor

IPTU s/

desconto

(R$) -

Prefeitura

Lat. S Long. W

Área

terreno

(m²)

Área

construída

(m²)

Testada

(m)

PV1 Rua Goiás 1983

Belo

Horizonte 66,36 18°44’09,74” 47º28’59,11” 150,00 55,80 5,00

PV2

Rua

Pirapitinga 875

Residencial

Lambari 116,94 18°43'10,70" 47°30'09,75" 160,68 68,00 15,60

PV3

Rua Eduardo

Pimentel 270 Boa Vista

164,64 18°43'34,13" 47°30'01,11" 200,80 115,64 9,10

PV4

Avenida

Paranaíba 608 Boa Vista

49,47 18°43'28,81" 47°30'17,23" 327,90 86,13 9,10

PV5 Rua Vitória 500

Bairro do

Carmo 112,23 18°43'35,68" 47°30'27,28" 264,00 70,00 10,00

Fonte: A autora.

50

Para cada ponto de verificação (PV) coletado será calculada uma média do

valor do IPTU de todos os pixels localizados no terreno, o valor do IPTU do pixel do

centro e também o valor da testada do terreno para que possa ser comparado com o

valor cobrado pela Prefeitura Municipal, que é apresentado no Quadro 6.

Quadro 6 – Valores do IPTU para os Pontos de Verificação

Valor IPTU Modelado Valor IPTU s/

desconto (R$) -

Prefeitura Média Central Testada

PV1 R$85,00 R$85,50 R$85,22 R$66,36

PV2 R$100,00 R$100,16 R$89,57 R$116,94

PV3 R$157,40 R$159,43 R$159,72 R$164,64

PV4 R$147,40 R$148,62 R$148,47 R$49,47

PV5 R$130,3 R$130,48 R$130,09 R$112,23

Fonte: A autora.

Por fim, esses dados obtidos são analisados e confrontados, de modo a

comparar a atualização das informações, registrar as alterações que ocorreram e

verificar o impacto da sua utilização no cadastro da cidade.

6 RESULTADOS E DISCUSSÕES

O estudo dos dados são condições fundamentais para que se possa

sistematizar o cálculo do IPTU no Município. A Cartografia, mediante o emprego de

análises espaciais, é indispensável no contexto deste trabalho, uma vez que a

localização é o principal definidor da quantificação do valor do imposto. A

representação dos eventos de mercado no espaço permitiu buscar-se um

entendimento do comportamento dos valores em relação às diferentes

características da cidade que exercem algum tipo de influência.

As análises de dados para poder chegar ao modelo foram basicamente

análise descritiva e inferência estatística. Os pressupostos inerentes a cada uma das

análises foram observados, bem como a representatividade do modelo em razão

das características da amostra.

51

Pela análise da regressão observa-se que o coeficiente de determinação é

igual a 0,4426, o que indica que 44,3% da variação do valor são explicadas pela

equação de regressão. Esse valor pode ser explicado pela diversidade de

características entre os lotes, vale ressaltar que a aplicação foi realizada para toda a

cidade, na qual os imóveis têm características muito distintas.

Os sinais dos regressores estão coerentes e apenas a variável solo foi igual a

zero, a um nível de significância de 5%. O Fcalculado foi igual a 12,44, superior ao

Ftabelado (F6,94 = 2,25), isto indica que os dados obedecem ao modelo de análise

de regressão linear múltipla, ou seja, que as variáveis independentes reduzem

significativamente a variação da variável dependente, o que permite aceitar a

hipótese de existência de regressão.

Analisando o modelo, somente duas variáveis foram estatisticamente

significativas: rio e setores. Optou-se por não retirar as outras variáveis pelo fato de

o modelo está bem ajustado, como mostra a estatística F (F=0.0).

A partir do modelo gerado, nota-se que a variável rio, influencia

negativamente o valor do IPTU; assim, quanto mais próximo do rio (menor

distância), maior o IPTU; ou seja, uma relação inversa entre as duas variáveis.

Esse fato evidencia uma relação do IPTU com as Leis ambientais de

preservação das margens dos rios. Em relação à variável setores, a correlação é

positiva; o que identifica que setores de áreas mais nobres devem pagar maiores

valores de IPTU.

Os pontos de verificação foram analisados em relação a discrepância entre os

valores de IPTU Modelado e calculado pela Prefeitura Municipal, como apresentado

no Quadro 7.

52

Quadro 7 – Valores do IPTU para os Pontos de Verificação

Discrepâncias entre os Valores de IPTU Modelado e da Prefeitura

Média Central Testada

PV1 R$18,6 +28% R$19,1 +28,8% R$18,9 +28,4%

PV2 -R$16,90 -14,5% -R$16,80 -14,13 -R$27,40 -23,4%

PV3 -R$7,20 -4,4% -R$5,2 -3,2% -R$4,90 -3%

PV4 R$97,90 +198% R$99,20 +200,4% R$99,00 +200,1%

PV5 R$18,10 +16,1% R$18,30 +16,30% R$17,90 +15,90%

Fonte: A autora.

A maioria dos pontos verificados aproximam em menos de 20% do valor

modelado, nota-se que os valores mais aproximados do real estão concentrados na

parte central da cidade. Além disso, a superfície gerada aponta os índices mais

elevados também na região central da cidade, seguindo em intensidades menores

na direção periférica, mais especificamente nos bairros Jardim Oriente, São

Sebastião, Santa Rita e Santo Agostinho. Reconhecidamente estes são os bairros

que apresentam alguns pontos isolados, com menor intensidade do índice de

valorização.

Dessa forma, com os dados obtidos e os testes realizados pode-se constatar

que todos os experimentos realizados são coerentes, ou seja, os resultados são

aceitáveis para a geração da Planta de Valores Genéricos.

7 CONCLUSÃO

A PGV é uma ferramenta indispensável para a gestão pública municipal,

tendo em vista que dela derivam informações que servem como suporte para a

tributação de imóveis, além de servir como um importante instrumento de

planejamento que auxilia na tomada de decisões.

Na elaboração da planta genérica de valores é visto que para se obter maior

justiça fiscal é importante utilizar do método comparativo de dados de mercado,

através da inferência estatística com o apoio das pesquisas tributárias e da base

cartográfica, juntamente com a revisão do código tributário do município, com as

alíquotas atuais, que mostram o cálculo do IPTU.

53

Quando se emprega técnicas de análise de regressão múltipla linear para

realizar um modelo com base em uma amostra de dados deve-se levar em conta as

variáveis que caracterizam cada um dos objetos envolvidos na amostra. Assim, uma

das dificuldades nesse tipo de análise é a escolha do conjunto de variáveis

independentes que devem ser inseridas no modelo em questão e que vão descrever

adequadamente a variável dependente para aproximá-la do real.

Apesar dos modelos de regressão ser possíveis recursos na elaboração de

PGV, como tem sido mostrado na literatura, verifica-se a importância de uma análise

descritiva por meio da média, desvio-padrão, teste de normalidade, entre outros que

permitem analisar o comportamento dos dados antes de iniciar a estimativa dos

modelos.

Outro problema que se pode observar é a ausência de amostras significativas

de dados, principalmente, em informações referentes ao mapeamento urbano, uma

vez que os dados disponibilizados estão em escalas pequenas e com médias a

baixas resoluções. Também há falta de elementos amostrais significativos em

regiões periféricas da área de aplicação da PVG em Monte Carmelo.

Dessa forma, com esse estudo é possível nivelar os conhecimentos técnicos

sobre métodos e uso de ferramentas para elaboração de uma PGV. E, através

deste, desenvolver novas habilidades para interpretação dos mercados imobiliários

usando ferramentas de geoprocessamento e a custos menores, de forma a

aumentar a capacidade profissional em modelar ferramentas capazes de auxiliar a

sociedade civil para efetivar a participação nas tomadas de decisões e organizar o

modo a cobrar políticas.

É importante que as informações geradas sejam inseridas em um sistema de

informação cadastral para ser utilizado na manipulação dos dados, no cálculo do

IPTU e no planejamento municipal. Para a melhoria das condições de vida da

população há que se implementar o cadastro técnico municipal que ainda não existe

na cidade de Monte Carmelo, o qual deve ser utilizado em conformidade com o

plano diretor do município e deve ser atualizado regularmente para acompanhar o

desenvolvimento urbano da cidade.

Estudos visando o estabelecimento de metodologias com melhor

embasamento técnico e científico devem ser realizados a fim de se ter uma definição

do cadastro que mais atenda às necessidades da população e que ao mesmo tempo

seja fiscalmente e socialmente justos. Ao mesmo tempo, é necessário que a

54

sociedade civil tome ciência da importância da participação nas tomadas de

decisões e se organize de modo a cobrar políticas que sejam não só tecnicamente

corretas, mas socialmente justas.

Por fim, é recomendado a utilização de uma amostra maior, uma validação

mais rigorosa dos modelos através dos testes que permitem identificar variáveis

correlacionadas, normalidade dos resíduos e multicolinearidade, utilizar maior

número de pontos de verificação que permitem a avaliação dos erros estimados

pelos modelos, e principalmente o desenvolvimento de outros modelos com o

objetivo de validar, analisar e comparar os resultados com os obtidos neste trabalho.

REFERÊNCIAS

ANTUNES, Alzir Felippe Buffara. Fundamentos de Sensoriamento Remoto em Ambiente de Geoprocessamento. 2001. Curitiba: Universidade Federal do Paraná, 2001. 78 p. Apostila. ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS - ABNT. NBR 14.653-2: Avaliação de Bens: Imóveis Urbanos. Rio de Janeiro, 2011. BRASIL. Constituição (1988). Constituição da República Federativa do Brasil. Brasília, DF: Senado Federal, 1988. BRASIL. Decreto lei n° 89.817 de 20 de junho de 1984. Estabelece as Instruções Reguladoras das Normas Técnicas da Cartografia Nacional. Diário Oficial da União, Brasília, DF, 22 jun. 1984. BRASIL. Lei n° 5.172, de 25 de outubro de 1966. Dispõe sobre o Sistema Tributário Nacional e institui normas gerais de direito tributário aplicáveis à União, Estados e Municípios. Diário Oficial da União, Brasília, DF, 31 dez. 1966. BRAULIO, Silvia Neide. Proposta de uma metodologia para a avaliação de imóveis urbanos baseado em métodos estatísticos multivariados. 2005. 158 f. Dissertação (Mestrado em Métodos Numéricos), Universidade Federal do Paraná, Curitiba, 2005. BRONDINO, Nair Cristina Margarido. Estudo da influência da acessibilidade no valor de lotes urbanos através do uso de redes neurais. 1999. 158 f. Tese (Doutorado em Engenharia Civil - Transportes) - Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 1999. CALDAS, Eduardo de Lima. Revisão da Planta Genérica de Valores. Dicas: Ideias para ação municipal, São Paulo, AA, n. 150, 2000.

55

DANTAS R. A.; PORTUGAL J. L.; PRADO J. F. Avaliação de cidades por inferência espacial: um estudo de caso para a cidade de Aracaju. In: XIII COBREAP, 8., 2006, Fortaleza/CE. Anais... Fortaleza: Congresso Brasileiro de Engenharia de Avaliações e Perícias, 2006. Disponível em: <http://leg.ufpr.br/lib/exe/fetch.php/projetos:gempi:artigos:dantas1.pdf>. Acesso: 10 abr. 2015. DIB, M. N.; ARAÚJO JÚNIOR, R.; MEIRELES, S. D. de. A Importância da Engenharia de Avaliações de Imóveis para o Tribunal de Contas do Estado do Rio de Janeiro. 2008. 87 f. (Especialização em Auditoria de Obras Públicas), Pontifícia Universidade Católica, Rio de Janeiro, 2008. DRUCK, S. et. al. Análise Espacial de Dados Geográficos. Brasília, EMBRAPA, 2004. FIGUEIREDO, Divino. Conceitos Básicos de Sensoriamento Remoto. 2005. Brasília/DF: Companhia Nacional de Abastecimento - CONAB. 2005. 30 p. Apostila. GONZÁLEZ, M. A. S.; FORMOSO, C. T. Análise conceitual das dificuldades na determinação de modelos de formação de preços através de análise de regressão. Revista Engenharia Civil, Guimarães, ano 5, n. 8, p. 65 – 75, mai. 2000. INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA - IBGE. Cidades. 2010. LOCK, Carlos. Cadastro técnico multifinalitário e gestão territorial. In: CONGRESSO BRASILEIRO DE EDUCAÇÃO EM ENGENHARIA, 29., 2001, Porto Alegre/RS. Anais... Porto Alegre: Associação Brasileira de Educação de Engenharia, 2001. Disponível em: < http://www.pp.ufu.br/Cobenge2001/trabalhos/EMA023.pdf>. Acesso em: 19 abr. 2015. MALAMAN, C. S.; AMORIM, A. Utilização de softwares livres no cadastro técnico multifinalitário de pequenos municípios. In: SIMPÓSIO BRASILEIRO DE CIENCIAS GEODÉSICAS E TECNOLOGIAS DA GEOINFORMAÇÃO, 3., 2010, Recife/PE. Anais... Recife: Universidade Federal de Pernambuco, 2010. Disponível em: <https://www.ufpe.br/cgtg/SIMGEOIII/IIISIMGEO_CD/artigos/Cad_Geod_Agrim/Cadastro/R_172.pdf>. Acesso em 21 jun. 2015. MICHAEL, R. Avaliação em massa de imóveis com uso de inferência estatística e análise de superfície de tendência. 2004. 91 f. Dissertação (Mestrado em Engenharia Civil), Universidade Federal de Santa Catarina, Florianópolis, 2004. MÖLLER, L. F. C.; HOCHHEIM, N. IPTU: quanto uma cidade pode cobrar? In: XIII COBREAP, 8., 2006, Fortaleza/CE. Anais... Fortaleza: Congresso Brasileiro de Engenharia de Avaliações e Perícias, 2006. Disponível em: <http://www.mrcl.com.br/xiiitrabalhos/32a.pdf>. Acesso: 10 mar. 2015. MONTE CARMELO. Lei nº 082/97 de 30 de dezembro de 1997. Dispõe sobre o novo sistema tributário no Município, as normas complementares de Direito Tributário a ela relativas e disciplina as atividades administrativas do Fisco Municipal.

56

MOURA, E. M. de; CARNEIRO, A. F.T. Planta de valores para municípios de pequeno porte: o caso de Salgadinho–PE. In: I SIMPÓSIO DE CIÊNCIAS GEODÉSICAS E TECNOLOGIAS DA GEOINFORMAÇÃO, 1., 2004, Recife/PE. Anais... Recife: Universidade Federal de Pernambuco - Departamento de Engenharia Cartográfica, 2004. Disponível em: <https://www.ufpe.br/cgtg/ISIMGEO/CD/>. Acesso em: 10 jun. 2015. OLIVEIRA, M. A. F. de et al. Avaliação do Padrão de Exatidão Cartográfica de imagens Quickbird e RapidEye em uma área do Tapajós, Pará. In: XVII SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 17., 2015, João Pessoa/PB. Anais... João Pessoa: Instituto Nacional de Pesquisas Espaciais – Departamento de Sensoriamento Remoto, 2015. Disponível em: <http://www.dsr.inpe.br/sbsr2015/files/p1727.pdf>. Acesso em: 10 jun. 2015. RAMPAZZO, Denise Rosa. Consequências da desatualização da Planta de Valores Genéricos de Curitiba. Revista Especialize, Goiânia, mai. 2012. Disponível em: <http://www.ipog.edu.br/uploads/arquivos/4e5c8084f85d4a57f69855e64ce55411.pdf>. Acesso em: 04 mar. 2015. RAPIDEYE SATELLITE IMAGERY. Satellite Imagery Product Specifications: version 6.1. Blackbridge, abril 2015. 48 p. Disponível em: <http://blackbridge.com/rapideye/upload/RE_Product_Specifications_ENG.pdf>. Acesso em: 18 abr. 2015. SICONFI. Contas anuais. In: Brasil. Secretaria do Tesouro Nacional. Siconfi: Sistema de informações contábeis e fiscais do setor público brasileiro. Brasília, DF, 2015. Disponível em: <https://siconfi.tesouro.gov.br/siconfi/pages/public/conteudo/conteudo.jsf?id=362> Acesso em: 17 jul. 2015.

57

APÊNDICE A – Pontos coletados no terreno

TERRENO

Ponto Lat.(S) Long. (W) E(m) N(m)

TCC 01 18° 44' 57.85193" 0,049 47°28'33.05674” 0,036 238964,654 7925086,517

TCC 02 18° 44' 22.48775" 0,002 47° 28' 52.18622” 0,002 238388,986 7926166,439

TCC 04 18° 43' 55.85696" 0,002 47° 29' 16.51985" 0,002 237664,500 7926975,603

TCC 05 18° 44' 28.49427" 0,002 47° 29' 20.71552" 0,002 237555,565 7925970,035

TCC 07 18° 43' 33.64456" 0,003 47° 29' 18.63623" 0,002 237592,946 7927657,942

TCC 08 18° 42' 58.33088" 0,004 47° 29' 14.28432" 0,004 237705,338 7928745,890

TCC 09 18° 43' 11.80220" 0,004 47° 29' 24.51782" 0,003 237411,203 7928327,359

TCC 10 18° 43' 05.15856" 0,062 47° 29' 40.50250" 0,048 236939,886 7928525,159

TCC 11 18° 43' 53.00340" 0,003 47° 29' 44.51078" 0,002 236843,006 7927051,909

TCC 12 18° 43' 50.90069" 0,003 47° 30' 05.53892" 0,002 236225,870 7927107,949

TCC 13 18° 44' 02.87900" 0,003 47° 30' 04.55145" 0,003 236259,977 7926739,926

TCC 14 18° 44' 37.66339" 0,004 47° 30' 15.80869" 0,002 235945,122 7925665,392

TCC 15 18° 44' 14.31782" 0,006 47° 30' 31.00824" 0,003 235489,623 7926377,195

TCC 16 18° 44' 09.49852" 0,008 47° 31' 04.01870" 0,005 234520,185 7926511,789

TCC 17 18° 44' 10.14757" 0,008 47° 29' 00.86259" 0,005 238129,452 7926542,454

TCC 18 18° 44' 28.81812" 0,008 47° 29' 38.94910" 0,012 237021,403 7925952,604

TCC 19 18° 44' 16.17596" 0,005 47° 29' 53.30936" 0,003 236595,152 7926335,557

TCC 20 18° 44' 30.11350" 0,005 47° 30' 55.64310" 0,004 234774,577 7925881,172

TCC 21 18° 44' 03.26129" 0,008 47° 30' 31.40604" 0,003 235473,180 7926717,109

TCC 22 18° 43' 24.48022" 0,007 47° 31' 02.81869" 0,007 234535,802 7927896,974

TCC 23 18° 43' 10.33333" 0,008 47° 31' 09.81529" 0,004 234324,610 7928329,213

TCC 24 18° 43' 19.00409" 0,005 47° 30' 40.83663" 0,003 235177,650 7928074,490

TCC 25 18° 42' 55.53491" 0,003 47° 30' 30.07833" 0,006 235482,792 7928800,795

TCC 26 18° 43' 19.95934" 0,004 47° 30' 13.41721" 0,004 235981,636 7928056,404

TCC 27 18° 43' 36.40542” 0,005 47° 30' 29.95057” 0,003 235504,212 7927543,747

TCC 28 18° 43' 37.01596” 0,003 47° 29' 45.47801” 0,003 236807,779 7927543,253

TCC 29 18° 43' 14.58308" 0,005 47° 29' 55.70343" 0,003 236498,450 7928229,046

TCC 30 18° 43' 09.62500" 0,005 47° 30' 09.67898" 0,004 236086,732 7928375,806

TCC 31 18° 42' 33.24713" 0,007 47° 29' 51.71397" 0,005 236597,573 7929502,091

TCC 32 18° 42' 27.52952" 0,007 47° 29' 38.31508" 0,005 236987,820 7929683,443

TCC 33 18° 42' 03.41032" 0,008 47° 29' 42.67576" 0,006 236849,646 7930423,512

TCC 34 18° 41' 54.07423" 0,009 47° 29' 42.47441" 0,007 236851,536 7930710,752

58

APÊNDICE B – Pontos obtidos através da carta

CARTA

Ponto Lat.(S) Long.(W) E(m) N(m)

TCC 01 18°44’58,79” 47°28’27,03” 238961,647 7925082,118

TCC 02 18°44’22,56” 47°28’52,18” 238389,200 7926164,219

TCC 04 18°43’55,95” 47°29’16,54” 237663,949 7926972,733

TCC 05 18°44’28,77” 47°29’20,79” 237553,501 7925961,523

TCC 07 18°43’33,66” 47°29’18,64” 237592,842 7927657,465

TCC 08 18°42’58,36” 47°29’14,3” 237704,891 7928744,988

TCC 09 18°43’11,83” 47°29’24,52” 237411,151 7928326,503

TCC 10 18°43’5,19” 47°29’40,48” 236940,559 7928524,201

TCC 11 18°43’53,04” 47°29’44,52” 236846,157 7926737,32

TCC 12 18°43’50,96” 47°30’5,53” 236226,157 7927106,128

TCC 13 18°44’7,3” 47°30’6,07” 236257,385 7926603,320

TCC 14 18°44’37,68” 47°30’15,83” 235944,505 7925664,873

TCC 15 18°44’14,39” 47°30’30,96” 235491,068 7926374,994

TCC 16 18°44’9,52” 47°31’04,02” 234520,156 7926511,128

TCC 17 18°44’9,92” 47°29’0,95” 238126,793 7926549,417

TCC 18 18°44’28,98” 47°29’38,91” 237022,619 7925947,641

TCC 19 18°44’16,21” 47°29’53,3” 236595,441 7926334,514

TCC 20 18°44’30,13” 47°30’55,64” 234771,02 7925880,666

TCC 21 18°44’3,28” 47°30’31,35” 235474,830 7926716,557

TCC 22 18°43’24,52” 47°31’02.3” 234551,020 7927895,965

TCC 23 18°43’10,37” 47°31’09,82” 234324,488 7928328,084

TCC 24 18°43’19,03” 47°30’40,83” 235177,855 7928073,696

TCC 25 18°42’55,57” 47°30’30,05” 235483,638 7928799,727

TCC 26 18°43’20,00” 47°30’13,43” 235981,279 7928055,148

TCC 27 18°43’36,53” 47°30’29,93” 235504,869 7927539,923

TCC 28 18°43’37,06” 47°29’45,49” 236807,446 7927541,893

TCC 29 18°43’14,60” 47°29’55,70” 236498,558 7928228,527

TCC 30 18°43’9,65” 47°30’09,68” 236086,712 7928375,036

TCC 31 18°42’33,28” 47°29’51,73” 236597,117 7929501,074

TCC 32 18°42’27,54” 47°29’38,32” 236987,681 7929683,119

TCC 33 18°42’3,56” 47°29’42,67” 236849,879 7930418,910

TCC 34 18°41’54,09 47°29’42,46” 236851,965 7930710,273

59

APÊNDICE C – Dados Amostrais

Bairro Rua Número Valor IPTU

(R$)

Lat. S Long. W

01 Santo

Agostinho

Rua Inca 291 20,16 18° 42’ 31,04” 47° 29’ 41,58”

02 Santo

Agostinho

Rua Azteca 320 21,04 18° 42’ 03,31” 47° 29’ 47,68”

03 Santo

Agostinho

Rua Riachuelo 1220 61,98 18° 42’ 43,22” 47° 29’ 52,84”

04 Santa Rita Rua Gilardi Pena 361 93,00 18° 42’ 14,68” 47° 30’ 00,03”

05 Santa Rita Rua Silvio Macedo 370 26,65 18° 42’ 24,09” 47° 29’58,74”

06 Santa Rita Avenida José

Scarpeline

332 57,13 18° 42’ 27,96” 47° 29’ 52,98”

07 Santa Rita Avenida Santa Rita

de Cássia

210 51,75 18° 42’ 18,18” 47° 29’ 54,69”

08 Residencial

Lambari

Rua São Luiz 270 13,97 18° 42’ 48,27” 47° 30’ 29,51”

09 Residencial

Lambari

Rua Dona

Veríssima

224 258,84 18° 43’ 15,10” 47° 30’ 00,42”

10 Residencial

Lambari

Rua Paulo

Resende

36 190,99 18° 43’ 24,14” 47° 29’ 55,12,”

11 Residencial

Lambari

Rua Bananal 299 63,50 18° 43’ 12,84” 47° 30’ 20,13”

12 Lagoinha Rua F 830 148,62 18° 43’ 15,07” 47° 30’ 39,21”

13 Lagoinha Rua São Carlos 50 108,14 18° 43’ 07,95” 47° 30’ 31,88”

14 Lagoinha Rua São João da

Cruz

665 177,96 18° 43’ 11,38” 47° 30’ 30,29”

15 Lagoinha Rua São Bento 559 128,94 18° 43’ 13,40” 47° 30’ 28,24”

16 Lagoinha Avenida Brasil

Norte

819 99,65 18° 43’ 16,79” 47° 30’ 31,96”

17 Lagoinha Rua Marujo 330 87,68 18° 43’ 05,37” 47° 30’ 31,80”

18 Boa Vista Rua Formosa 284 109,87 18° 43’ 25,51” 47° 30’ 13,50”

19 Boa Vista Rua Pirapetinga 359 71,53 18° 43’ 20,06” 47° 30’ 07,51”

20 Boa Vista Rua Odilon

Rodrigues de

Oliveira

483 109,37 18° 43’ 19,86” 47° 30’ 11,64”

21 Boa Vista Avenida Paranaíba 360 88,19 18° 43’ 28,04” 47° 30’ 08,80”

22 Boa Vista Rua Jales Machado

Siqueira

47 112,91 18° 43’ 29,14” 47° 30’ 02,06”

60

23 Boa Vista Rua G 540 69,11 18° 43’ 18,46” 47° 30’ 14,91”

24 Boa Vista

(lote)

Rua Paulo

Resende

S/N 39,05 18° 43’ 24,20” 47° 29’ 55,60”

25 Centro Rua Piacas 188 71,25 18° 43’ 31,99” 47° 30’ 01,36”

26 Centro Rua Uberaba 12 112,18 18° 44’ 00,78” 47° 30’ 12,80”

27 Centro Avenida Belo

Horizonte

25 481,97 18° 43’ 50,60” 47° 30’ 04,40”

28 Centro Avenida Dona

Clara

325 215,32 18° 43’ 48,16” 47° 29’ 54,24”

29 Catulina Rua L 800 74,21 18° 43’ 13,53” 47° 30’ 39,20”

30 Catulina Rua A 821 86,55 18° 43’ 13,90” 47° 30’ 49,50”

31 Catulina Rua L 1020 153,27 18° 43’ 12,20” 47° 30’ 43,73”

32 Catulina Rua B 790 91,39 18° 43’ 14,29” 47° 30’ 47,23”

33 Catulina Rua D 521 57,26 18° 43’ 24,52” 47° 30’ 46,76”

34 Catulina Rua E 997 103,41 18° 43’ 09,70” 47° 30’ 39,40”

35 Bairro do

Trevo

Rua Guiana 892 44,70 18° 43’ 08,49” 47° 30’ 59,28”

36 Bairro do

Trevo

Rua Venezuela 851 76,11 18° 43’ 13,84” 47° 30’ 58,02”

37 Bairro do

Trevo

Rua Colômbia 560 44,57 18° 43’ 18,00” 47° 30’ 57,39”

38 Bairro do

Trevo

Rua Peru 84 31,00 18° 43’ 22,09” 47° 30’ 59,25”

39 Bairro do

Trevo

Rua Argentina 635 233,06 18° 43’ 15,99” 47° 30’ 55,40”

40 Bairro do

Trevo

Rua Uruguai 785 99,35 18° 43’ 10,80” 47° 30’ 56,33”

41 Bairro do

Trevo

Rua Paraguaia 682 19,93 18° 43’ 11,57” 47° 30’ 58,82”

42 Bairro do

Trevo (lote)

Rua Colômbia S/N 44,57 18° 43’ 17,80” 47° 30’ 59,60”

43 Cidade

Jardim

Rua Independência 660 116,55 18° 43’ 29,91” 47° 30’ 39,36”

44 Cidade

Jardim

(lote)

Rua Inconfidência S/N 59,42 18° 43’ 33,40” 47° 30’ 54,30”

45 Morada

Nova (lote)

Rua Vinte Um de

Abril

S/N 59,42 18° 43’ 36,60” 47° 30’ 36,60”

46 Morada Rua Vinte Um de 700 103,42 18° 43’ 34,90” 47° 30’ 36,30”

61

Nova Abril

47 Morada

Nova

Rua Brasil Oeste 340 90,66 18° 43’ 32,38” 47° 30’ 34,58”

48 Morada

Nova

Rua Vitória 451 90,27 18° 43’ 35,14” 47° 30’ 27,34”

49 Morada

Nova

Avenida Quatro 189 75,08 18° 43’ 32,05” 47° 30’ 23,91”

50 Morada

Nova

Avenida Três 76 58,62 18° 43’ 32,10” 47° 30’ 20,88”

51 Bairro do

Carmo

Rua Lira Rodrigues

de Jesus

320 127,48 18° 43’ 42,04” 47° 30’ 15,76”

52 Bairro do

Carmo

Rua B 60 62,56 18° 43’ 37,13” 47° 30’ 15,11”

53 Bairro do

Carmo

Rua A 51 72,84 18° 43’ 36,76” 47° 30’ 13,74”

54 Bairro do

Carmo

Avenida Três 4 145,32 18° 43’ 35,13” 47° 30’ 10,74”

55 Bairro do

Carmo

Rua H 230 125,80 18° 43’ 39,50” 47° 30’ 24,50”

56 Bairro do

Carmo

Rua F 71 145,37 18° 43’ 37,21” 47° 30’ 20,29”

57 Jardim

Zeni

Avenida Quinta 145 136,24 18° 44’ 09,81” 47° 30’ 37,38”

58 Jardim

Zeni

Avenida Quinta 235 184,72 18° 44’ 07,45” 47° 30’ 44,99”

59 Vila

Dourada

Rua Rio Doce 440 66,72 18° 43’ 13,94” 47° 29’ 24,90”

60 Vila

Dourada

Rua Alferes Elzébio 495 146,32 18° 43’ 23,80” 47° 29’ 30,90”

61 Vila

Dourada

Rua Rio Claro 91 54,45 18° 43’ 20,40” 47° 29’ 28,20”

62 Vila

Dourada

Rua Rio Claro 130 112,20 18° 43’ 20,70” 47° 29’ 27,70”

63 Vila

Dourada

Rua México 126 89,55 18° 43’ 20,30” 47° 29’ 16,80”

64 Belo

Horizonte

Rua Brasília 95 42,21 18° 43’ 37,20” 47° 29’ 25,20”

65 Belo

Horizonte

Rua Alferes Elzébio S/N 105,77 18° 43’ 26,28” 47° 29’ 30,20”

62

(lote)

66 Belo

Horizonte

Avenida Dona

Clara

1380 96,53 18° 43’ 51,15” 47° 29’ 18,40”

67 Triângulo Rua Petrina 479 145,85 18° 44’ 08,91” 47° 30’ 30,74”

68 Triângulo Rua Duarte da

Costa

1040 227,91 18° 44’ 00,54” 47° 30’ 31,82”

69 Triângulo Rua Tomé de

Souza

550 223,80 18° 43’ 59,56” 47° 30’ 26,69”

70 Virgílio

Rosa

Rua dos

Mamoeiros

439 39,39 18° 44’ 17,70” 47° 30’ 30,98”

71 Batuque Rua José Soares 55 514,09 18° 43’ 56,40” 47° 30’ 08,45”

72 Batuque Rua Álvaro

Cardoso

210 415,24 18° 44’ 04,11” 47° 30’ 01,98”

73 Batuque Rua Matusalém

Cardoso

65 319,26 18° 44’ 11,96” 47° 30’ 04,96”

74 Batuque Rua Dom Pedro II 185 255,16 18° 44’ 01,35” 47° 30’ 01,20”

75 Batuque Rua José Soares 452 326,11 18° 44’ 01,15” 47° 29’ 56,24”

76 Batuque Rua Joaquim Pinto 93 339,76 18° 43’ 58,67” 47° 29’ 58,10”

77 Batuque Avenida Eng,

Heládio Simões

162 277,64 18° 43’ 59,28” 47° 30’ 03,28”

78 Batuque Rua Estrela do Sul 147 348,36 18° 43’ 55,51” 47° 29’ 58,24”

79 Batuque Rua Três Pontes 550 111,61 18° 44’ 14,63” 47° 29’ 50,12”

80 Batuque Rua Osvaldo

Garcia

352 294,14 18° 44’ 12,11” 47° 29’ 52,56”

81 Batuque Avenida Romualdo

Resende

637 410,37 18° 44’ 00,29” 47° 29’ 49,15”

82 Batuque Rua Dom Pedro II 330 161,01 18° 44’ 03,36” 47° 29’ 56,53”

83 Batuque Avenida Eng,

Heládio Simões

233 232,34 18° 44’ 01,68” 47° 30’ 03,69”

84 Campestre

(lote)

Rua São Joaquim S/N 5,83 18° 43’ 05,17” 47° 29’ 30,43”

85 Nossa

Senhora de

Fátima

Rua Espírito Santo 495 280,97 18° 44’ 02,51” 47° 29’ 29,55”

86 Nossa

Senhora de

Fátima

Rua Coronel

Virgílio Rosa

348 48,84 18° 44’ 02,00” 47° 29’ 31,10”

87 Nossa

Senhora de

Rua Mato Grosso 716 97,48 18° 44’ 09,37” 47° 29’ 28,54”

63

Fátima

88 Nossa

Senhora de

Fátima

Rua Mato Grosso 940 189,87 18° 44’ 16,40” 47° 29’2 9,30”

89 Nossa

Senhora de

Fátima

Rua Mato Grosso 1000 129,30 18° 44’ 17,80” 47° 29’ 28,90”

90 Nossa

Senhora de

Fátima

Rua Mato Grosso 990 135,88 18° 44’ 17,50” 47° 29’ 28,90”

91 Nossa

Senhora de

Fátima

Rua Mato Grosso 960 55,32 18° 44’ 17,10” 47° 29’ 29,10”

92 Nossa

Senhora de

Fátima

Avenida Romualdo

Resende

1700 152,06 18° 44’ 12,70” 47° 29’ 12,20”

93 Nossa

Senhora de

Fátima

Avenida Romualdo

Resende

1629 170,75 18° 44’ 12,68” 47° 29’ 12,68”

94 Aeroporto Rua Rio Claro 210 136,55 18° 43’ 21,90” 47° 29’ 24,00”

95 Aeroporto Rua Rio Negro 217 36,34 18° 43’ 22,20” 47° 29’ 24,40”

96 Aeroporto Rua Bueno Aires 115 36,07 18° 43’ 24,00” 47° 29’ 21,40”

97 Aeroporto Rua México 850 51,88 18° 43’ 26,90” 47° 29’ 16,30”

98 Aeroporto Rua Álvaro

Cardoso de Oliveira

590 92,82 18° 44’ 09,10” 47° 29’ 46,30”

99 Aeroporto Rua Abadia dos

Dourados

351 30,46 18° 43’ 21,90” 47° 29’ 15,50”

100 Jardim

Ipiranga

Rua Lambari 221 77,83 18° 43’ 16,24” 47° 29’ 16,90”

101 Planalto Rua Guaianases 250 131,95 18° 43’ 09,89” 47° 30’ 26,74”

64

APÊNDICE D – Caracterização das Amostras

IPTU In Dd Dv Ac So To Se

1 20,16 33,52691 66,74014 292,8095 2 1 8,20258 2

2 21,04 107,26711 54,598 124,91 3 1 5,55252 2

3 61,98 70,82843 22,2132 378,78 2 1 8,71098 2

4 93 152,24265 81,11273 218,584 2 1 4,24269 2

5 26,65 148 67,72792 272,2703 3 1 6,30901 2

6 57,13 109,89452 45,42641 283,9516 3 1 7,95146 2

7 51,75 122 53,18378 227,1575 2 1 7,09241 2

8 13,97 286 81,69852 405,0448 2 1 4,06399 8

9 258,84 112 100,2132 565,2531 2 1 2,87826 7

10 190,99 87,82843 80,81121 622,5374 3 1 6,09834 7

11 63,5 226,72792 33,11269 571,111 2 1 6,365 8

12 148,62 341,41422 110,5392 463,9099 3 1 2,24164 8

13 108,14 292 98,31372 487,6845 3 1 1,92534 8

14 177,96 284,41422 90,79899 506,7972 3 1 6,08993 8

15 128,94 276 83,18377 525,182 3 1 4,95169 8

16 99,65 298 112,8823 512,8805 2 1 0,77328 9

17 87,68 291,41422 103,527 482,4713 2 1 2,71882 8

18 109,87 196,41422 105,6274 594,0521 2 1 2,65729 8

19 71,53 158 85,8823 617,5374 2 1 0,50804 8

20 109,37 181 74,35538 632,78 2 1 5,81797 8

21 88,19 171,82843 133,2255 577,2236 2 1 2,56397 8

22 112,91 135,48529 133,8235 575,3242 2 1 0,92123 8

23 69,11 198,41422 59,89951 616,6085 2 1 5,1258 8

24 39,05 90,41422 83,22543 620,9516 3 1 6,09834 7

25 71,25 137,35535 135,6935 573,4541 2 1 3,38436 8

26 112,18 195,74742 325,527 572,2531 2 1 11,49821 11

27 481,97 165,41422 253,049 616,1232 2 1 9,53437 12

28 215,32 105 210,7818 598,6379 2 1 2,71339 12

29 74,21 341 102,5392 460,5962 2 1 2,05509 8

30 86,55 400 85,89951 402,4247 2 1 0,82872 8

31 153,27 365,89948 83,35538 430,2825 2 1 5,49262 8

32 91,39 389 87,65686 414,6673 2 1 3,38423 8

33 57,26 391 138,4265 415,111 2 1 2,18263 8

34 103,41 336 78,12493 449,6551 2 1 6,92125 8

35 44,7 452 86,2965 434,66 3 1 3,02476 8

36 76,11 451 73,49751 441,1575 2 1 1,85109 8

65

37 44,57 448,41422 66,72794 447,9271 2 1 0,65361 8

38 31 463 57,79901 468,4541 2 1 2,79986 8

39 233,06 437 83,11273 431,5423 2 1 6,13818 8

40 99,35 436 83,8823 422,8732 3 1 6,14172 8

41 19,93 451,07108 75,88229 438,7727 3 1 3,34559 8

42 44,57 460 55,14215 459,5129 2 1 1,03093 8

43 116,55 356,79898 188,6053 446,2703 2 1 1,48332 9

44 59,42 357,19601 218,2916 445,8733 2 1 1,96869 9

45 59,42 454,74014 118,9656 443,0104 2 1 2,07117 9

46 103,42 354,29651 211,2916 448,7728 3 1 1,53942 9

47 90,66 335,42642 187,7352 467,6429 2 1 0,61682 9

48 90,27 298,46808 186,5098 499,9149 2 1 1,5056 9

49 75,08 271,18378 158,6397 527,785 2 1 3,2163 9

50 58,62 253,59799 152,1838 534,2408 2 1 6,40843 9

51 127,48 235 203,6569 562,3831 2 1 2,62927 9

52 62,56 228,19601 173,1422 546,5252 2 1 3,8439 9

53 72,84 223,19601 175,2132 551,5252 2 1 2,05469 9

54 145,32 201,63965 171,2549 563,9688 2 1 2,92175 9

55 125,8 287 205,4681 511,785 2 1 3,69694 9

56 145,37 262,43866 181,527 521,1992 2 1 1,88839 9

57 136,24 304,84796 385,6298 519,5252 2 1 3,82921 10

58 184,72 356,06119 351,9901 558,312 2 1 3,62004 10

59 66,72 96 123,527 490,1281 3 1 1,70563 6

60 146,32 54 93,32596 550,981 3 1 6,91853 6

61 54,45 74 100,6274 526,2825 2 1 4,22073 6

62 112,2 77,82843 105,4559 523,111 2 1 3,23552 6

63 89,55 142 168,6274 458,2825 2 1 4,45905 6

64 42,21 63 162,8529 501,4369 3 1 6,16655 5

65 105,77 57,41422 106,3676 552,0227 3 1 4,66542 6

66 96,53 106 107,598 469,9738 2 1 2,26145 5

67 145,85 267,33325 396,1984 477,0399 3 1 11,38126 10

68 227,91 298,28665 339,4705 476,2409 3 1 5,48597 11

69 223,8 270,11502 334,4387 509,7262 3 1 4,00505 11

70 39,39 245,96564 446,6569 490,4663 2 1 4,49925 10

71 514,09 190,50478 299,1617 609,6085 2 1 10,48149 12

72 415,24 131,10774 314,6936 578,1821 2 1 4,97468 12

73 319,26 117,9656 310,8113 532,9271 3 1 4,10781 12

74 255,16 137,17882 311,3504 590,2237 3 1 2,02098 12

75 326,11 109,58081 288,9779 620,4663 2 1 5,41072 12

66

76 339,76 126,37982 286,8946 613,6085 2 1 4,75765 12

77 277,64 156,13721 302,7352 582,8389 2 1 2,70632 12

78 348,36 131 269,3088 605,1527 2 1 4,8994 12

79 111,61 33,52691 215,7696 532,4957 3 1 2,12283 12

80 294,14 56,56856 238,8113 556,1232 3 1 3,44899 12

81 410,37 74,12493 250,049 609,5374 2 1 1,67667 12

82 161,01 105,36761 284,7647 605,8095 2 1 4,26723 12

83 232,34 150,90675 319,3921 572,8095 3 1 2,27668 12

84 5,83 70,41422 114,8945 471,8144 3 1 7,20596 6

85 280,97 36,41422 140,6225 497,6723 2 1 3,50995 4

86 48,84 25 146,1788 506,7434 3 1 2,25267 4

87 97,48 56,08328 106,6813 466,1698 3 1 1,24466 4

88 189,87 80,19601 91,45587 450,9443 2 1 1,00056 4

89 129,3 86,85287 86,14215 445,6306 2 1 1,94833 4

90 135,88 86,26707 86,55637 446,0448 2 1 1,94833 4

91 55,32 84,43865 88,55637 448,0448 3 1 1,94833 4

92 152,06 161,36761 48,62743 555,2947 2 1 2,35602 4

93 170,75 157,9534 48,38479 552,709 3 1 3,10753 4

94 136,55 96,82843 129,7696 505,4247 3 1 6,29341 6

95 36,34 94 128,598 508,2531 2 1 5,79252 6

96 36,07 111,24265 151,1544 494,8095 2 1 0 6

97 51,88 138,24265 159,0367 471,0227 3 1 2,129 5

98 92,82 30,04163 209,4387 557,2114 3 1 7,64484 12

99 30,46 147,24265 179,3554 455,0104 2 1 3,17422 6

100 77,83 142 165,1422 448,5129 3 1 7,89725 6

101 131,95 262 65,65685 523,655 3 1 4,90482 8

67

ANEXO A – Fator de Esquina (E)

0 – Uma testada.................................................1,0 1 – Duas testadas..............................................1,1 2 – Três testadas................................................1,2 3 – Quatro testadas ou mais..............................1,3 4 – Encravado.....................................................0,8

68

ANEXO B – Fator Topográfico e Pedológico (C)

Fator Topográfico: 0 – Plano..............................................................................1,0 1 – Aclive..............................................................................0,9 2 – Declive............................................................................0,8 3 – Topografia ou dimensões irregulares.............................1,3 Fator Pedológico: 0 – Normal...............................................................................1,0 1 – Alagado.............................................................................0,6 2 – Inundável...........................................................................0,7 3 – Rochoso............................................................................0,7 4 – Arenoso.............................................................................0,6

C = Fator Topográfico x Fator Pedológico

69

ANEXO C – Valor m² Edificado (Vm²TI)

Tipo de edificação Valor m² Edificado Casa/Sobrado......................................................................................R$250,00 Apartamento.........................................................................................R$300,00 Telheiro/Madeira...................................................................................R$40,00 Galpão..................................................................................................R$70,00 Indústria................................................................................................R$70,00 Loja.......................................................................................................R$150,00 Especial.................................................................................................R$250,00

70

ANEXO D – Coeficiente de avaliação da categoria por tipo de edificação (CAT)

Quadro de pontos por categoria

Gabarito para avaliação da categoria por tipo de edificação CASA/

SOBRADO APARTAMENTO TELHEIRO GALPÃO INDÚSTRIA LOJA ESPECIAL

REVESTIMENTO

EXTERNO

Sem revestimento 0 0 0 0 0 0 10

Emboco/reboco 5 5 0 9 8 20 16

Óleo/Látex 19 16 0 15 11 23 18

Caiação 5 5 0 12 10 21 20

Madeira 21 19 0 19 12 26 22

Cerâmica 21 19 0 19 13 27 23

Especial 27 24 0 20 14 28 26

PISOS

Terra batida 0 0 0 0 0 0 0

Cimento 3 3 10 14 12 20 10

Cerâmica/

Mosaico 8 9 20 18 16 25 20

Tábuas 4 7 15 16 14 25 19

Taco 18 9 20 18 15 25 20

Material plástico -

Taco 18 18 27 19 16 26 20

Especial 19 19 29 20 17 27 21

FORRO

Inexistente 0 0 0 0 0 0 0

Madeira 2 3 2 4 4 2 3

Estuque 3 3 3 4 3 2 3

Laje 3 4 3 5 5 3 3

Chapas 3 4 3 5 3 3 3

COBERTURA

Palha/ Zinco/

Cavaco 1 0 4 3 0 0 0

Fibrocimento/

Metálica 5 2 20 11 10 3 3

Telha/ Cerâmica 3 2 15 9 8 3 3

Laje 7 3 28 13 11 4 3

Especial 9 4 35 16 12 4 3

INSTALAÇÃO

71

SANITÁRIA


Externa 2 2 1 1 1 1 1

Interna Simples 3 3 1 1 1 1 1

Interna Completa 4 4 2 2 1 2 2

Mais de uma

interna 5 5 2 2 2 2 2

ESTRUTURA

Concreto 23 28 12 30 36 24 26

Alvenaria 10 15 8 20 30 20 22

Madeira 3 18 4 20 20 10 20

Metálica 25 30 12 33 42 26 28

INSTALAÇÃO

ELÉTRICA


Aparente 6 7 9 3 6 7 15

Embutida 12 14 19 4 8 10 17

72

ANEXO E – Coeficiente de avaliação do estado de conservação do imóvel (C)

CONSERVAÇÃO DA EDIFICAÇÃO COEFICIENTE DE EDIFICAÇÃO

Nova/Ótima 1,00

Bom 0,90

Regular 0,70

Mau 0,60

Péssima 0,40

73

ANEXO F – Coeficiente de avaliação de subtipos (ST)

CARACTERIZAÇÃO POSIÇÃO SIT. CONST. FACHADA VALOR

Casa/ Sobrado

Isolada

Geminada

Conjugada

Frente

Fundos

Frente

Fundos

Frente

Fundos

Alinhada

Recuada

Qualquer

Alinhada

Recuada

Qualquer

Alinhada

Recuada

Qualquer

0,90

1,00

0,80

0,80

0,90

0,60

0,80

0,90

0,70

Apartamento

Qualquer

Frente

Fundos

Alinhada

Recuada

Qualquer

0,90

1,00

0,80

Loja

Qualquer Frente

Fundos

Alinhada

Recuada

1,00

1,00

74

Qualquer 1,00

Talheiro Qualquer Qualquer Qualquer 1,00

Galpão Qualquer Qualquer Qualquer 1,00

Indústria Qualquer Qualquer Qualquer 1,00

Especial Qualquer Qualquer Qualquer 1,00

modelagem de planta genÉrica de valores para a cidade de ... · como a elaboração de uma planta...

Documents