Espacialização dos dados e definição dos pesos pelo AHP

Um parâmetro de pré-requisito que foi definido para o desenvolvimento do modelo de identificação das áreas prioritárias para o monitoramento da poluição atmosférica é que todos os dados deveriam estar espacializados para a área de estudo. Assim, algumas técnicas de SIG foram utilizadas para espacialização das variáveis que não abrangiam toda a área estudada. Dentre as técnicas empregadas, cita-se: simbolização normalizada, ou sem normalização; densidade do tipo kernel; interpolação do tipo krigagem; modelo de superfície contínua (Quadro 5). Ressalta-se, que o produto de cada técnica foi um mapa matricial (apresentados no Apêndice D), e, que a escolha da técnica foi baseada em parâmetros empíricos.

Após a confirmação de que todos os dados estavam espacializados, foram criadas alternativas para o conjunto de critérios e subcritérios. Pois, a rede hierárquica do modelo AHP é concluída somente com o estabelecimento das alternativas para cada critério. Vale mencionar que a técnica de SIG para espacialização dos dados já é interligada com a operação de definição das alternativas. As alternativas foram elaboradas de forma escalar, iniciando pelo ponto considerado ideal para o monitoramento (A1) - prioridade muito alta, e decrescendo de maneira ordenada para os pontos menos relevantes (A2, A3, A4, ..., An), (Quadro 5).

Critérios e subcritérios Alternativas Descrição da técnica utilizada

Exposição humana>Presença humana>Período noturno>Pessoas com até 5 anos de idade

(A1) ≥ 2000 (A2) 1000 ├ 2000 (A3) 500 ├ 1000 (A4) 50├ 500 (A5) < 50 Simbolização normalizada: TC A

Onde: TC = total de pessoas com faixa etária referente ao critério estabelecido; A = área do setor censitário (km2).

Unidade final: pessoas / área do setor censitário (km2). Exposição humana>Presença humana>Período

noturno>Pessoas entre 6 e 17 anos

(A1) ≥ 2000 (A2) 1000 ├ 2000

(A3) 500 ├ 1000 (A4) 50 ├ 500

(A5) < 50

Exposição humana>Presença humana>Período noturno>Pessoas entre 18 e 59 anos

(A1) ≥ 10000 (A2) 5000 ├ 10000

(A3) 1000 ├ 5000 (A4) 50 ├ 1000

(A5) < 50

Exposição humana>Presença humana>Período noturno>Pessoas com 60 anos ou mais

(A1) ≥ 2000 (A2) 1000 ├ 20000

(A3) 500 ├ 1000 (A4) 50 ├ 500

(A5) < 50

Exposição humana>Presença humana>Período diurno>Pessoas com até 5 anos de idade

(A1) ≥ 400 (A2) 300 ├ 400 (A3) 200 ├ 300 (A4) 100├ 200 (A5) < 100 Densidade de kernel: λ(u) =_τ1₂∑ k (d(ui_τ ; u)) n i=1

Onde: λ = estimador Kernel; u1, u2, ..., un = localizações dos colégios observados com base no número

de alunos; τ = tamanho do raio em torno de cada colégio, que nesse caso, foi 1000 m; d = distância entre a posição e a i-ésima amostra; k= função de estimação com propriedades de suavização.

Unidade final: alunos / área (km2). Exposição humana>Presença humana>Período

diurno>Pessoas entre 6 e 17 anos

(A1) ≥ 2000 (A2) 1500 ├ 2000

(A3) 1000 ├ 1500

(A4) 500├ 1000 (A5) < 500

Exposição humana>Presença humana>Período diurno>Pessoas entre 18 e 59 anos

(A1) ≥ 200000 (A2) 150000 ├ 200000 (A3) 100000 ├ 150000 (A4) 50000├ 100000 (A5) < 50000 Densidade de Kernel: λ(u) =_τ1₂∑ k (d(ui_τ ; u)) n i=1

Onde: λ = estimador Kernel; u1, u2, ..., un = localizações dos hidrômetros observados; τ = tamanho do

raio em torno de cada hidrômetro, que nesse caso foi 1000 m; d = distância entre a posição e a i-ésima amostra; k= função de estimação com propriedades de suavização.

Exposição humana / Presença humana / Período diurno / Pessoas com 60 anos ou mais

(A1) ≥ 2000 (A2) 1000 ├ 20000 (A3) 500 ├ 1000 (A4) 50 ├ 500 (A5) < 50 Simbolização normalizada: TC A

Onde: TC = total de pessoas com faixa etária referente ao critério estabelecido; A = área do setor censitário (km2).

Unidade final: pessoas / área do setor censitário (km2).

Exposição humana / Tipos de estruturas das edificações / Áreas residenciais

(A1) 0├ 1244 (A2) 1244├ 2488 (A3)2488├ 6220 (A4) 6220├ 12440 (A5) ≥ 12440 Simbolização normalizada: TR D

Onde: TR = total de rendimento mensal em um setor censitário (R$); D = número de domicílios do setor censitário.

Unidade final: rendimento mensal total / número de domicílios.

Exposição humana / Efeitos no ser humano / Pessoas com até 5 anos de idade

(A1) ≥ 40 (A2) 30├ 40

(A3) 20├ 30 (A4) 10├ 20 (A5) < 10

As alternativas representam o número de pacientes atendidos e internados. Exposição humana / Efeitos no ser humano / Pessoas

entre 6 e 17 anos

(A1) ≥ 20 (A2) 10 ├ 20

(A3) < 10

Exposição humana / Efeitos no ser humano / Pessoas entre 18 e 59 anos (A1) ≥ 40 (A2) 30├ 40 (A3) 20├ 30 (A4) 10├ 20 (A5) < 10

Exposição humana / Efeitos no ser humano / Pessoas com 60 anos ou mais

(A1) ≥ 40 (A2) 30├ 40

(A3) 20├ 30 (A4) 10├ 20 (A5) < 10

Fontes de poluição / Fixas / Queimadas (A1) ≥ 1,6 (A2)1,2├1,6 (A3)0,8├1,2 (A4) 0,4├ 0,8 (A5) < 0,4 λ(u) =_τ1₂∑ k (d(ui_τ ; u)) n i=1

Onde: λ = estimador Kernel; u1, u2, ..., un = localizações dos pontos de queimadas observados; τ =

tamanho do raio em torno de cada ponto, que nesse caso foi 2000 m; d = distância entre a posição e a i- ésima amostra; k= função de estimação com propriedades de suavização.

Unidade final: pontos de queimadas / área (km2).

Fontes de poluição / Fixas / Construção civil e/ou solo exposto (A1)< 500 (A2)500├ 1000 (A3)1000├ 2000 (A4)2000├ 3000 (A5) ≥ 3000

Modelo de superfície contínua: distância contínua de afastamento a partir de cada área de construção civil e solo exposto observada.

Unidade final: metros.

Fontes de poluição / Fixas / Indústria

(A1)< 500 (A2)500├ 1000 (A3)1000├ 2000 (A4)2000├ 3000 (A5) ≥ 3000

Modelo de superfície contínua: distância contínua de afastamento a partir de cada área industrial observada.

Unidade final: metros.

Fontes de poluição / Fixas / Aeroporto

(A1)< 500 (A2)500├ 1000 (A3)1000├ 2000 (A4)2000├ 3000 (A5) ≥ 3000

Modelo de superfície contínua: distância contínua de afastamento a partir da área do aeroporto. Unidade final: metros.

Fontes de poluição / Fixas / Rodoviárias e terminais urbanos (A1 ≥ 40 (A2) 30 ├ 40 (A3) 20 ├ 30 (A4) 10 ├ 20 (A5) < 10 Densidade de kernel: λ(u) =_τ1₂∑ k (d(ui_τ ; u)) n i=1

Onde: λ = estimador Kernel; u1, u2, ..., un = localizações dos pontos de rodoviárias e terminais observados com base no número de linhas; τ = tamanho do raio em torno de cada terminal e rodoviária, que nesse caso foi de 1700 m; d = distância entre a posição e a i-ésima amostra; k= função de estimação

com propriedades de suavização.

Fontes de poluição / Móveis / Transporte terrestre / Veículos leves (A1 ≥ 200000 (A2) 150000 ├ 200000 (A3) 100000 ├ 150000 (A4) 50000 ├ 100000 (A5) < 50000 Densidade de kernel: λ(u) =_τ1₂∑ k (d(ui_τ ; u)) n i=1

Onde: λ = estimador Kernel; u1, u2, ..., un = localização de n eventos observados com base na quantidade de veículos que trafegam em cada via; τ = tamanho do raio em torno de u, que nesse caso

foi de 250 m; d = distância entre a posição e a i-ésima amostra; k= função de estimação com propriedades de suavização.

Unidade final: média diária de veículos / área (km2). Fontes de poluição / Móveis / Transporte terrestre /

Veículos pesados (A1 ≥ 12000 (A2) 9000 ├ 12000 (A3) 6000 ├ 9000 (A4) 3000 ├ 6000 (A5) < 3000

Característica do ambiente / Relevo

(A1 Muito alta (A2) Alta

(A3) Média (A4) Baixa (A5) Muito baixa

Simbolização gerada com base nas próprias informações quantitativa do dado secundário utilizado. Unidade final: altimetria (m)

Característica do ambiente / Clima

(A1 ≥ 29,0 (A2) 27,5├ 29,0

(A3) 26,0 ├ 27,5 (A4) 24,5 ├ 26,0

(A5) < 24,5

Interpolação do tipo krigagem:

Ŷ(h) =_{2N (h) ∑}1 [Z(Xi) − Z(Xi + h)]2

N (h) i=1

Onde: Ŷ é a semivariância estimada para cada distância entre os pares de pontos, N é o número de

pares mensurados, h é a distância, Xi os pontos amostrados, e Z (Xi) é o valor associado à função randômica.

Unidade final: graus Celsius.

Característica do ambiente / Uso do solo

(A1) Área urbana (A2) Mineração

(A3) Pastagem (A4) Chácaras (A5) Área verde urbana (A6) Formações florestais e outras

(A7) Corpos de água

Simbolização gerada com base nas próprias classes do dado secundário utilizado.

Os limites de classes das alternativas (Quadro 5) foram baseadas na literatura existente. Porém, em alguns casos, os limites foram estabelecidos por definições empíricas. Assim sendo, para as alternativas pertencentes aos critérios presença humana e efeitos no ser humano, os limites foram formados com base na melhor visualização espacial. Em relação às alternativas dos tipos de estruturas das edificações, foram classificadas conforme a divisão das classes sociais no Brasil (IBGE, 2012b). Quanto às alternativas para as fontes de poluição, foram baseadas em algumas recomendações de estudos já realizados, como os de Su et al. (2009) e Ignotti et al. (2010). E para as alternativas referentes à característica do ambiente foram orientadas pelos estudos de Rivera et al. (2012), Singh A. e Palazoglu (2012).

Após a definição da rede hierárquica do modelo AHP, composta por atributos e alternativas, a etapa seguinte foi do julgamento paritário entre os critérios definidos. Como resultado do julgamento, foi possível determinar os pesos para cada critério, conforme demonstrado pelo processo matemático do AHP na seção 6.2.2. Destaca-se, que o julgamento paritário para a determinação dos pesos foi feito de forma individual pelo autor e pelo orientador da presente tese. O peso final foi definido pela média dos julgamentos individuais. Para auxiliar no processo de julgamento e dos cálculos dos pesos atribuídos foi utilizado o programa Expert Choice.