O modelo LUCIS e o planejamento territorial

Os estudos desenvolvidos no âmbito dos modelos de análise das modificações do uso e ocupação do solo estão em constante dinamismo, havendo avanços na simulação de cenários futuros de ocupação e na análise das taxas de conversão entre os diferentes tipos de uso, como também no estudo dos fatores influenciadores de tais modificações observadas e sua modelagem; além disso também há avanço nas pesquisas de análises da influência do uso e ocupação no meio biofísico e vice- versa, utilizando o conceito cíclico ao invés de uma visão unidirecional. Tais modelos podem auxiliar nas questões voltadas para o ordenamento territorial e, consequentemente, no planejamento (Veldkamp & Lambin, 2001).

No âmbito do planejamento territorial, o SIG apresenta-se como uma poderosa ferramenta de análise e compreensão dos fatores envolvidos e de suas consequências no ordenamento do uso e ocupação do solo. Uma alta integração entre o SIG e os modelos dinâmicos permite uma maior operabilidade do modelo proposto, possibilitando uma construção mais rápida de modelos, das alterações e manipulação das etapas de tal modelo, assim como do controle dos parâmetros utilizados; além de minimizar problemas relacionados a conversões e adequação dos dados espaciais (Van Deursen, 1995).

Nesse sentido, foi desenvolvido na Universidade da Flórida um modelo baseado em Sistemas de Informações Geográficas denominado LUCIS, do inglês, Land-use Conflict Identification Strategy. Tal modelo permite a análise da adequação do uso em relação aos critérios estabelecidos, como por exemplo os fatores bióticos e abióticos ideais para utilização de uma área para determinada finalidade; assim como a análise das preferências dos tomadores de decisão e a análise dos conflitos existentes devido aos diversos interesses para uma mesma região. Dessa forma, é possível identificar a provável utilização de um determinado local e simular diferentes cenários baseados nas diretrizes adotadas (Carr & Zwick, 2007).

O LUCIS adota três grandes classes de uso e ocupação do solo, a saber, agricultura, conservação e urbano, tendo como base o trabalho desenvolvido por Eugene P. Odum (1969). Tal trabalho propôs a divisão do uso e ocupação do solo em quatro classes que possibilitariam por meio de simulações computacionais a análise sistemática de cada uma das categorias, permitindo dessa

A>!

forma a definição de medidas a serem tomadas para cada categoria no intuito de manter o equilíbrio regional e global. Nesse sentido, o LUCIS adaptou as quatro classes propostas por Odum nas três classes anteriormente mencionadas, possuindo como grande vantagem a visualização de diferentes cenários do uso e ocupação do solo modulados não somente pelos critérios de adequabilidade de uma área a determinado uso como também pelas tomadas de decisão e preferências da gestão adotada. Não obstante é obtido como resultado final a indicação de áreas de futuro conflito de uso, possibilitando uma análise mais cuidadosa na adoção de diferentes políticas no planejamento com vistas às implicações de curto e longo prazo.

Dessa forma, para alcançar tal objetivo o modelo é dividido em cinco etapas (Figura 10), a primeira consiste em identificar as metas necessárias para geração do mapa de preferência de cada uma das três classes propostas e seus objetivos para alcançar as metas propostas. Tais metas e objetivos são definidos e modelados de acordo com a análise a ser feita, sendo as metas compostas pela identificação das subclasses observadas na paisagem dentro das classes propostas e os objetivos, os critérios influenciadores de tais metas, podendo levar em consideração fatores biofísicos, sociais e econômicos; além de poder ter contribuição de pesquisas científicas, de observações empíricas da região e de dados provenientes dos atores envolvidos no processo de decisão no âmbito do ordenamento territorial. Nesse contexto, uma meta a ser definida dentro da classe conservação seria identificar as áreas de relevante interesse para a biodiversidade, tendo como um dos objetivos identificar as áreas de “hot spots” (Carr & Zwick, 2007).

A segunda etapa consiste no levantamento e análise dos dados relevantes para o alcance das metas e objetivos propostos na primeira etapa. A identificação dos dados potenciais podem ser agrupados em sete categorias de acordo com Ian McHarg (1969): dados do meio físico, dados biológicos, dados demográficos, dados econômicos, dados políticos, dados culturais e dados de infraestrutura. A utilização dessas categorias em uma matriz podem auxiliar no levantamento dos dados de cada objetivo proposto, permitindo um levantamento mais completo dos dados a serem utilizados no modelo. Além do levantamento dos dados, a análise da qualidade dos mesmos também se faz necessária pois a utilização de um dado obtido que não esteja adequado aos objetivos do modelo influenciariam negativamente nos resultados obtidos (Carr & Zwick, 2007).

A terceira etapa é a análise de adequação de cada um dos dados para o alcance das metas e objetivos ou subobjetivos. Nessa etapa os dados são processados e classificados de acordo com seu grau de influência para determinado objetivo ou subobjetivo e, consequentemente, para a meta estabelecida. Tal grau de influência varia de 1 a 9, sendo que o valor 1 representa baixa adequabilidade em relação ao objetivo e o valor 9 alta adequabilidade. Dessa forma, os dados são transformados em mapas de adequabilidade, sendo que o mapa proveniente de somente um dado espacial é denominado SUA, do inglês Single Utility Assignment, e o mapa proveniente de mais de um dado espacial denominado MUA, do inglês, Multiple Utility Assignment (Carr & Zwick, 2007).

A9!

Dessa forma, os dados que servirão como base para a geração do SUA ou MUA podem ser do tipo qualitativo ou quantitativo. Os dados quantitativos podem ser facilmente reclassificados para a escala de grau de influência proposta enquanto os dados qualitativos devem ser convertidos em dados quantitativos por meio de um método de conversão, sendo o método mais aceito o AHP , do inglês Analytical Hierarchy Process, desenvolvido por Saaty (1980). Tal método é baseado na comparação de pares das categorias existentes por meio de uma matriz, na qual são alocados valores de 1 a 9 na análise de cada par, sendo 1 definido como igualmente importante e 9 como extremamente importante, após tal definição o valor final para cada categoria dentro da escala proposta é definido. Dessa forma, os dados de entrada de acordo com a sua categorização são convertidos em um SUA, sendo que para agrupar diferentes SUA em um MUA também é adotado a metodologia AHP para definição dos pesos de cada SUA (Carr & Zwick, 2007).

A quarta etapa do modelo é a análise da preferência que consiste na combinação dos mapas de adequabilidade das metas propostas, composta por objetivos e subobjetivos, em um mapa de preferência para cada uma das três grandes classes propostas: urbano, agricultura e conservação. Cada uma das metas são constituídas de mapas de adequabilidade de diferentes critérios (objetivos e subobjetivos), para combinar essas metas em um único mapa de preferência é adotado o método AHP a fim de se definir os pesos de cada meta no mapa final de preferência de determinada classe. Dessa forma, a adequabilidade de cada um dos critérios estabelecidos para gerar os mapas das metas propostas são transformados em preferência pois tais decisões comparam diferentes subclasses que compõem a paisagem de uma das três grandes classes propostas, como por exemplo, entre áreas residenciais e áreas comerciais da classe área urbana (Carr & Zwick, 2007).

A quinta e última etapa consiste na análise dos conflitos entre as classes conservação, urbana e agricultura. Tal etapa consiste em normalizar e combinar os dados de preferência das três classes propostas em um único plano de informação para identificar as áreas de conflito que são caracterizadas por áreas com um mesmo nível de preferência para classes distintas. Nesse sentido, as áreas já consolidadas de áreas urbanas, agricultura e áreas de proteção ambiental devem ser retiradas do modelo tendo em vista que o uso nessas áreas não terão, a princípio, uma modificação. Dessa forma, é gerado um mapa final de conflitos, contendo áreas de diferentes intensidades de conflito, assim como áreas sem conflito, tendo como base as preferências e adequabilidades estabelecidas (Carr & Zwick, 2007).

Portanto, a partir da metodologia proposta tal modelo permite englobar diferentes critérios influenciadores do uso e ocupação. A análise baseada em múltiplos critérios permite que os atores envolvidos nas tomadas de decisão avaliem as prioridades de tais critérios, permitindo a compreensão da influência de cada decisão nas alterações no uso e ocupação por meio das simulações e modificações dos parâmetros propostos. Além das referidas análises realizadas ao longo do processo, o LUCIS possibilita como resultado final a análise das áreas de possível conflito de uso, indicando

AD!

tendências e possibilitando a formulação de políticas e diretrizes a fim de se traçar previamente o cenário estabelecido como ideal.

Figura 10. Fluxograma metodológico do modelo LUCIS.

'QRSR"!

T!4UQUVWXYRZ[\!]R^!WUQR^I!\_`UQXa\^!Ub\c!^c_\_`UQXa\^!]U!dR]R!dRQUe\VXR!

fd\Y^UVaRZ[\I!ReVXdcgQcVR!U!cV_RY\h!

'QRSR!,!

T!6UaRYQRWUYQ\!U!dgR^^XiXdRZ[\!]\^!]R]\^!]U!UYQVR]R!

'QRSR!1!

T!0YjgX^U!]R^!R]UkcR_XgX]R]U^!SRVR!\^!^c_\_`UQXa\^!Ub\c!\_`UQXa\^!U!WUQR^!

SV\S\^QR^!

'QRSR!A!

T!0YjgX^U!]R^!SVUlUVmYdXR^!UYQVU!R^!WUQR^!SV\S\^QR^!

'QRSR!>!

T!0YjgX^U!]U!d\YigXQ\^!UYQVU!R^!dRQUe\VXR^!

AB!