UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA AMBIENTAL URBANA
AVALIAÇÃO DE DADOS DE GRADES REGULARES PARA FINS ESTATÍSTICOS
Fernando Yutaka Yamaguchi
Salvador
2017
UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA AMBIENTAL URBANA
AVALIAÇÃO DE DADOS DE GRADES REGULARES PARA FINS ESTATÍSTICOS
Fernando Yutaka Yamaguchi
Dissertação apresentada ao PROGRAMA DE
PÓS-GRADUAÇÃO EM ENGENHARIA AMBIENTAL URBANA como requisito parcial à obtenção do
título de MESTRE EM ENGENHARIA AMBIENTAL URBANA
Orientador: Prof. Dr. Mauro José Alixandrini Júnior Coorientadora: Prof. Dra. Vivian de Oliveira Fernandes
Salvador 2017
Yamaguchi, Fernando Yutaka
AVALIAÇÃO DE DADOS DE GRADES REGULARES PARA FINS ESTATÍSTICOS / Fernando Yutaka Yamaguchi, Fernando Yamaguchi. -- Salvador, 2017.
152 f. : il
Orientador: Mauro José Alixandrini Júnior,. Coorientador: Vivian de Oliveira Fernandes.
Dissertação (Mestrado - Programa de pós-graduação em Engenharia Ambiental Urbana) -- Universidade Federal da Bahia, Escola Politécnica, 2017.
1. Grade estatística. 2. Setores censitários. 3. Sistema de informações geográficas. II. Yamaguchi, Fernando. I. Alixandrini Júnior, Mauro José. II. Fernandes, Vivian de Oliveira. III. Título.
DEDICATÓRIA Aos meus pais (in memoriam)
Meu pai chegou ao Brasil na década de trinta, mas ele não veio com seus pais nem com seus irmãos, ele se juntou a seu tio, pois faltava uma pessoa na família para poderem emigrar, na época com quatorze anos, ele veio ao novo mundo com muitas lágrimas e sem lenço. Lembro de seu esforço para manter os dois filhos na escola, um estudava fora e o outro fazia duas faculdades. “Otoosam dômo arigatô gozaimashitá”!!
“Benkiô suru yoi desu”, escutei isso de minha mãe durante parte de minha vida e, depois os meus filhos também a escutaram, em bom português nipônico: “Estudá, bom!”; “Estudá, bom!”, era sempre a primeira frase que ela tinha para eles. Imigrante japonesa da década quarenta, pessoa simples, sem estudos, com a educação dos filhos nunca foi avarenta, corajosa e muito sábia, o que importava para a vida, ela sabia. “Okaasam dômo arigatô gozaimashitá”!!
Ao meu filho Edson que está há quase 10 anos no Japão; foi para estudar e lá ficou para viver o estilo de vida japonês a que se adaptou muito bem, saudades. A minha esposa Risonete, foi um achado, uma agulha no palheiro, quase impossível de acontecer, pois havia uma distância de 2000 Km entre nós, mas por uma dessas coisas do destino, aconteceu e estamos juntos há mais de vinte anos. E durante o seu doutorado veio o nosso filho, Fernandinho, que poderia atrapalhar os planos de sua de formação acadêmica, mas foi nossa alegria e nosso incentivo e hoje, estou aqui defendendo esta dissertação, pois sem o amor e o incentivo de todos vocês não seria possível o cumprimento de mais uma etapa de minha vida. Amo essa minha família.
FORMAÇÃO DO CANDIDATO
Formado em Técnico de Eletrônica pela Escola Técnica Prof. Everardo Passos (1979), graduado em Engenharia Eletrônica pela Universidade do Vale do Paraíba (1986). Trabalhou de 1979 a 2004 no Instituto Nacional de Pesquisas Espaciais, INPE, na área de eletrônica digital, programação de bibliotecas gráficas e Sistemas de Informações Geográficas. Desde 2004 é tecnologista de informações geográficas e estatísticas da Fundação Instituto Brasileiro de Geografia e Estatística, IBGE. Ministrou cursos na área de sensoriamento remoto, sistemas de informações geográficas e banco de dados espaciais. Atua profissionalmente no mapeamento de Uso e Cobertura da Terra.
“
A geometria é uma ciência de todas as espécies possíveis de espaços”
AGRADECIMENTOS
É impossível agradecer a todos os mestres que se dedicaram para transmitir os seus inestimáveis saberes que fazem parte de minha formação, mas quero expressar uma gratidão imensa para a minha querida professora Teresinha do Grupo Escolar Brasílio Machado Neto, lá do bairro de Sesc em Suzano, nos idos anos de 1967. Muito obrigado pró, esteja onde estiver!
Agradeço aos professores do MEAU que direta ou indiretamente possibilitaram a conclusão desta dissertação. Deixo aqui o meu reconhecimento aos professores Artur Caldas Brandão, Juan Pedro Moreno Delgado e Roberto Bastos Guimarães, que cunharam o meu entusiasmo pela proposta acadêmica do MEAU.
O meu muito obrigado para as sempre atenciosas, competentes e valorosas Carol e Dani, secretárias do MEAU.
Agradeço aos meus colegas da turma de 2015.1 que de uma forma ou de outra, em nossos estudos conjuntos, participaram desta empreitada, uma saudação especial para Ceci e Bela que, cada uma por seus motivos, desistiram do mestrado, mas certo de suas elevadas competências sei que um dia vocês vão superar todos os obstáculos.
Ao IBGE pelo seu programa de aperfeiçoamento profissional de funcionários, que permitiu a liberação de meus afazeres profissionais para aprimorar as minhas competências.
Às professoras Patrícia Lustosa Brito, Elaine Gomes Vieira de Jesus e ao professor Júlio Cesar Pedrassoli pelas enormes contribuições durante as fases de defesa e seminário de projeto.
E finalmente, agradeço imensamente aos meus orientadores Vivian e Mauro por seus inestimáveis conhecimentos, paciência, compreensão, amizade e tudo mais.
RESUMO
A proposta desta dissertação é demonstrar as vantagens e as desvantagens da representação de dados espaciais por grades regulares. A principal motivação é harmonizar os dados geológicos, climáticos, uso da terra e socioeconômicos, entre outros, sendo consistente no espaço e no tempo, dando suporte para as análises multitemporais, permitindo agregar os dados em recortes específicos, por exemplo, em uma bacia, além de ser um suporte organizado para a modelagem dinâmica. Em outubro de 2015, o Instituto Brasileiro de Geografia e Estatística, IBGE, liberou uma grade para fins estatísticos com dados de população, sexo e número de domicílios do ano de 2010, demonstrando a necessidade de novo modelo de divulgação de dados socioeconômicos. Para justificar o escopo deste trabalho foi avaliada a mutabilidade entre os setores censitários de 2000 e 2010 do IBGE, levantando as diferenças entre os censos decenais. Foram desenvolvidos trabalhos para avaliar a potencialidade da grade nos setores de transporte, riscos no transporte de produtos perigosos e vulnerabilidades às suscetibilidades de inundação e movimento de massa. Com o objetivo de validar dados pretéritos foi avaliado um conjunto de interpolações dos setores censitários tendo a grade como verdade e sendo que a interpolação por krigagem mostrou o melhor desempenho geral.
EVALUATION OF REGULAR GRID FOR STATISTICAL PURPOSES
ABSTRACT
The purpose of this dissertation is to demonstrate the advantages and disadvantages of spatial data representation by regular grids. The main motivation is to harmonize geological, climatic, land use and socioeconomic data, among others, being consistent in space and time, supporting multitemporal analyzes, allowing the aggregation of data in specific cuts, for example in a basin, in addition can be a support for dynamic modeling. Due want for a new model for the dissemination of socioeconomic data, in October 2015, the Brazilian Institute of Geography and Statistics, IBGE, released a grid for statistical purposes with data on population, sex and number of households in 2010. To validate the scope of this work it was evaluated the mutability between the census tracts of 2000 and 2010 of IBGE, raising the differences between the decennial censuses. To evaluates the potential of the grid in the transport sectors, risks in the transport of dangerous products and vulnerabilities to the susceptibilities of flood and mass movement. To validates past data, a set of interpolations of the census tracts was evaluated, with the grid as truth and it was observed that the interpolation by kriging showed the best overall performance.
SUMÁRIO
Pag. BANCA EXAMINADORA... ERRO! INDICADOR NÃO DEFINIDO. RESUMO... VIII ABSTRACT ... IX SUMÁRIO... X INDICE DE TABELAS ... XIII ÍNDICE DE QUADROS ... XIV ÍNDICE DE FIGURAS ... XV 1 INTRODUÇÃO ... 1 1.1 Objetivos ... 7 1.1.1 Objetivo geral ... 7 1.1.2 Objetivos específicos: ... 7 1.2 Justificativa ... 7
2 REVISÃO DE LITERATURA E ESTADO DA ARTE ... 12
2.1 Setores Censitários ... 12
2.1.1 Vantagens dos setores censitários ... 13
2.1.2 Desvantagens dos setores censitários ... 13
2.2 Grades Regulares... 17
2.2.1 Modelos internacionais de grade para fins estatísticos ... 17
2.2.2 Modelos de grades globais ... 22
2.2.3 Modelo de grade estatístico do IBGE ... 25
2.2.4 Vantagens da grade regular ... 28
2.2.5 Desvantagens da grade regular ... 31
2.3 Estado da Arte ... 33
2.3.1 Métodos de desagregação de dados ... 33
2.3.1.1 Métodos de desagregação sem dados auxiliares ... 34
2.3.1.2 Método de desagregação com dados auxiliares ... 40
2.3.2 Principais estudos de compatibilização de setores censitários ... 40
2.3.2.1 Compatibilização de setores censitários sem dados auxiliares ... 41
2.3.2.2 Compatibilização de setores censitários com dados auxiliares ... 45
2.3.3 Compatibilização das unidades de planejamento aos setores censitários ... 47
2.3.4 Aplicação da grade europeia para contabilidade ambiental ... 49
2.4 Sistema de Informações Geográficas ... 50
2.4.1 Banco de dados geográficos... 52
2.4.2 Modelo de dados para SIG ... 53
2.5 Análises Espaciais em Estruturas Matriciais ... 54
2.5.1 Álgebra de Mapas ... 55
2.5.2 Operadores Zonais ... 56
3 MATERIAIS E MÉTODO ... 57
3.1 Descrição da área de estudo ... 57
3.2 Materiais ... 58
3.2.1 Softwares e dados ... 58
3.2.1.1 Banco de dados... 58
3.2.1.2 Softwares de SIG ... 59
3.2.1.3 Software estatístico ... 59
3.2.1.4 Setores censitários do IBGE de 2000 e 2010 ... 59
3.2.1.5 Grade para fins estatísticos do IBGE ... 60
3.2.1.6 Imagens de alta resolução ... 62
3.3 Método ... 63
3.3.1 Primeiro grupo de aplicações... 64
3.3.1.1 Mobilidade urbana ... 64
3.3.1.2 Risco a produtos perigosos ... 65
3.3.1.3 Mapa de vulnerabilidade ... 66
3.3.2 Segundo grupo de aplicações... 69
3.3.2.1 Avaliação da estabilidade dos setores censitários ... 69
3.3.2.2 Desagregação dos setores censitários ... 70
4 RESULTADOS ... 72
4.1 Resultados do primeiro grupo de aplicações ... 72
4.1.1 Contribuição da grade regular para a mobilidade urbana ... 72
4.1.1.1 Introdução ... 72
4.1.1.2 Área de estudo ... 72
4.1.1.3 Dados de mobilidade ... 73
4.1.1.4 Grade para fins estatísticos ... 74
4.1.1.5 Metodologia ... 75
4.1.3 Avaliação da grade para fins estatísticos do IBGE para o mapeamento
de vulnerabilidade ... 94
4.1.3.1 Introdução ... 94
4.1.3.2 Área de estudo ... 94
4.1.3.3 Metodologia ... 95
4.2 Resultados do segundo grupo de aplicações ... 101
4.2.1 Avaliação da estabilidade temporal dos setores censitários ... 101
4.2.1.1 Método por amostragem de setores censitários ... 102
4.2.1.2 Método pelas propriedades dos polígonos ... 105
4.2.2 Desagregação dos setores censitários. ... 111
5 ANÁLISES ... 120
5.1 Análise do primeiro grupo de aplicações ... 120
5.1.1 Análise da aplicação para a mobilidade urbana ... 120
5.1.2 Análise da aplicação área de influência ao vazamento de produtos perigosos ... 123
5.1.3 Análise da aplicação para o mapa de vulnerabilidade ... 125
5.2 Análise do segundo grupo de aplicações ... 127
5.2.1 Análise da aplicação avaliação da estabilidade temporal dos setores censitários ... 127
5.2.2 Análise da desagregação dos setores censitários. ... 129
6 CONCLUSÕES ... 132
7 SUGESTÕES PARA FUTUROS TRABALHOS. ... 135
8 REFERÊNCIAS ... 136
INDICE DE TABELAS
Tabela 1 — Amostra de tabela de comparação ... 5
Tabela 2 — População potencialmente atendida pelas estações de metrô de Salvador ... 84
Tabela 3 — População total sob risco utilizando a grade estatística ... 124
Tabela 4 — População total sob risco utilizando os setores censitários ... 124
Tabela 5 — População total sob risco com buffer de 500 m ... 125
Tabela 6 — Áreas ocupadas por classes de suscetibilidade por inundação: dados da CPRM e generalizados pela grade por ponderação e maioria zonal. ... 125
Tabela 7 — Áreas em hectares por classes de suscetibilidade por movimento de massa: dados da CPRM e generalizados por ponderação e maioria zonal ... 125
Tabela 8 — Área em hectares por classes de suscetibilidade do mapa reeditado por inundação e generalizados pela grade por maioria zonal. ... 126
Tabela 9 — Área em hectares por classes de suscetibilidade do mapa reeditado por inundação e generalizados pela grade por maioria zonal com grade de 25m. ... 127
Tabela 10 — resultado de inconsistências pelo método de amostragem. ... 127
Tabela 11 — quantidade de polígonos por restrição do critério de similaridade ... 128
Tabela 12 — Extrato dos valores da grade e obtidos pelos interpoladores por célula ... 129
Tabela 13 — Correlação entre os dados da grade e os métodos de interpolação ... 131
Tabela 14 — Correlação entre os dados da grade e os métodos de interpolação da região do Parque Municipal e do Bairro de Santa Cruz. ... 131
ÍNDICE DE QUADROS
Quadro 1 — Critérios definidores do tamanho do setor ... 12
Quadro 2 — Parâmetros da projeção original da grade estatística ... 26
Quadro 3 — Quadro com a relação de métodos e o procedimento ... 123
Quadro 4 – Adequação à densidade populacional ... 133
ÍNDICE DE FIGURAS
Pág.
Figura 1 — Estrutura de níveis no Banco de Estruturas Territoriais - BET ... 4
Figura 2 — Exemplo de um setor mantido pela BOG ... 5
Figura 3 — Mapa com a densidade populacional da Suécia -1856 ... 8
Figura 4 — Grade idealizada por Richardson com as mudanças de pressão. .. 9
Figura 5 — Incompatibilidade dos setores censitários com as UPMS ... 14
Figura 6 — Efeito escala, a média é a mesma dos dados originais (a), mas a variância muda (b e c). ... 16
Figura 7 — Efeito de zoneamento, (a) dados originais, (b e d) agrupados. ... 16
Figura 8 — Grade de 1km² da Região Metropolitana de Tóquio e Baía de Tóquio. ... 18
Figura 9 — Grade de 100 km em cinza e 10 km em verde (A). Número de habitantes da em torno da loja “Magazin du Nord” em Copenhagen, células de 100m (B). ... 19
Figura 10 — Grade de 1 km do condado de Østfold com a densidade populacional. ... 19
Figura 11 — Número de construções com alto risco de enchentes. ... 20
Figura 12 — Aplicativo “Data from the Map” ... 21
Figura 13 — Recorte da grade europeia sobre a Itália com resoluções de 100 km (vermelho) e 10 km (cinza). ... 22
Figura 14 — População global, ano 2010, GPW v4. ... 23
Figura 15 — Mapa de densidade populacional de Chipre. ... 24
Figura 16 — Prognóstico de movimento na África Ocidental construído com os dados de celulares do Senegal e Costa do Marfim. ... 25
Figura 17 — Grade do IBGE em 56 quadrantes. ... 26
Figura 18 — Exemplo de um Cadastro de Endereços para Fins Estatísticos .. 27
Figura 19 — (A) Ponderação zonal, sem desagregação, (B) setor desagregado com auxílio de imagem de satélite ... 28
Figura 20 — Grade selecionada sobre áreas de inundação. ... 30
Figura 21 — Adaptação hierárquica do modelo de grades. ... 31
Figura 23 — Método de ponderação zonal ... 34
Figura 24 — Interpolação picnofilática ... 35
Figura 25 — Interpolação determinística local ... 35
Figura 26 — exemplo de interpolação bilinear ... 36
Figura 27 — Semivariograma por nuvem (A) e final (B) ... 38
Figura 28 — Exemplo hipotético de semivariograma ... 39
Figura 29 — Representação gráfica da anisotropia do semivariograma ... 39
Figura 30 — (a) distribuição uniforme, (b) dado auxiliar, com indicação da presença populacional, (c) interpolação com dados auxiliares. ... 40
Figura 31 — Porcentagem de chefes com renda de 10 ou mais salários mínimos ... 41
Figura 32 — Trecho da malha de pontos classificados com base nos dados de densidade de 1991, sobre os setores censitários de 2000 ... 42
Figura 33 — Evolução do percentual de domicílios particulares permanentes ligados à rede geral de água ... 43
Figura 34 — Censo de 2000 compatibilizada para 1991 ... 44
Figura 35 — Brasil: Áreas Mínimas Comparáveis, 1872-2000 ... 45
Figura 36 — Processo de elaboração da base geográfica compatibilizada. .... 46
Figura 37 — Trajetória do índice de vulnerabilidade socioecológica. ... 47
Figura 38 — Diferenças entre as UPMs e os setores censitários ... 48
Figura 39 — Subdivisão de um setor para uma área vazia correspondente à área protegida do Monumento Natural dos Morros do Pão de Açúcar e da Urca. ... 49
Figura 40 — Exemplo de mudança de uso da terra por célula. ... 50
Figura 41 — Modelo de arquitetura dual (A) e integrado (B). ... 53
Figura 42 — Típica operação de álgebra de mapas com “overlays”. ... 55
Figura 43 — Operadores de ponto (a), região (b e c) e de vizinhança (d, e, f, g, e, h) ... 55
Figura 44 — Exemplo de operação zonal de média de altitude da grade. ... 56
Figura 45 — Mapa de localização da área de trabalho ... 58
Figura 47 — Detalhe grade do IBGE com os dados de população tota de
Salvador. ... 61
Figura 48 — Movimento de massa ... 62
Figura 49 — Detalhe do mosaico de imagens ortorretificadas de Salvador. .... 63
Figura 50 — Organização dos métodos de avaliação da grade estatística. .... 64
Figura 51 — Fluxograma do aplicativo para mobilidade urbana ... 65
Figura 52 — Fluxograma do aplicativo para risco a produtos perigosos ... 66
Figura 53 — Fluxograma do mapa de vulnerabilidade, fase A... 67
Figura 54 — Fluxograma do mapa de vulnerabilidade, fase B... 68
Figura 55 — Fluxograma do mapa de vulnerabilidade, fase C. ... 69
Figura 56 — Fluxograma da avaliação da estabilidade dos setores censitários ... 70
Figura 57 — Fluxograma do processo de desagregação dos setores censitários ... 71
Figura 58 — Mapa de localização da Região Metropolitana de Salvador ... 73
Figura 59 — Mapas dos 13 municípios e das 232 zonas de pesquisa ... 74
Figura 60 — Grade para fins estatísticos do IBGE. ... 75
Figura 61 - Fluxo do processamento dos dados, na caixa vermelha o cálculo da população atendida pelas estações de metrô. ... 77
Figura 62 — Detalhes dos dados processados nas várias fases do processamento ... 78
Figura 63 — Viagens produzidas por transporte coletivo no pico da manhã/ha ... 79
Figura 64 - Viagens produzidas por transporte coletivo no pico da manhã/ha, ponderada pela grade ... 80
Figura 65 — Mapa de viagens produzidas sem processamento (A) e com processamento por grades regulares (B). ... 81
Figura 66 — Passageiros atendidos pela estação Imbuí pela pesquisa OD (A), processados com a grade estatística (A) e acumulado pelos setores censitários (C) ... 83
Figura 67 — Modelagem de ameaça, vulnerabilidade e risco no contexto de um SIG ... 85
Figura 68 — Tela de apresentação do CAMEO Chemicals. ... 87
Figura 69 — Simulação da área atingida pelo vapor da pluma tóxica. ... 88
Figura 70 — Simulação do ALOHA apresentada pelo MARPLOT em local de liberação de gases. ... 89
Figura 71 — Principais rotas de transporte de cargas do Polo Petroquímico de Camaçari. ... 90
Figura 72 — Principais vias de transporte de produtos perigosos em Salvador ... 91
Figura 73 — Área de influência em torno das principais vias de escoamento de transportes de produtos perigosos ... 91
Figura 74 — Setores censitários abrangidos pela área de influência ... 92
Figura 75 — Grade estatística dentro da área de influência ... 92
Figura 76 — Grade para fins estatísticos (A), suscetibilidade à inundação (B), suscetibilidade ao movimento de massa (C). ... 96
Figura 77 — Uma célula da grade com dados de suscetibilidade e a célula generalizada. ... 98
Figura 78 — Detalhe do vetor original de inundação (A) e processado pelo algoritmo de fechamento (B). ... 99
Figura 79 — Mapa de suscetibilidade por inundação original (A) e reeditado (B). ... 100
Figura 80 — Mapa de inundação generalizado pela grade estatística sobre o mapa de suscetibilidade reeditado. ... 100
Figura 81 — Mapa de inundação generalizado por grade simulada com resolução espacial de 25 m sobre o mapa de suscetibilidade reeditado. ... 101
Figura 82 — Setores censitários de Salvador dos anos de 2000 e 2010 ... 102
Figura 83 — Um setor dá origem a dois ou mais setores. ... 103
Figura 84 — Mudança nos vértices que delimitam o polígono (tipo 2) ... 103
Figura 85 — Mudança de local do setor (tipo 3) ... 104
Figura 86 — União de setores (tipo 4) ... 104
Figura 87 — Divisão de áreas mantendo o mesmo setor (tipo 5) ... 105 Figura 88 — Mapas dos setores que tem correspondência em 2000 e 2010. 105
Figura 89— Diferença simétrica (a) pouca similaridade (b) muita similaridade.
... 106
Figura 90 — Diferença simétrica disjunta (a), parcialmente sobreposta (b esquerda) e diferença simétrica (b direita), praticamente toda sobreposta (c). ... 107
Figura 91 — Mapa com indicação da distância entre os centroides dos setores censitários e a largura máxima do polígono. ... 107
Figura 92 — Setor censitário em 2000 com 4 ilhas (A), e o mesmo setor em 2010 com 16 ilhas (B). ... 108
Figura 93 — Gráfico de dispersão entre as complexidades dos polígonos dos setores de 2000 e 2010. ... 109
Figura 94 — Gráfico de dispersão entre as compacidades dos polígonos dos setores de 2000 e 2010. ... 110
Figura 95 — Setores censitários para desagregação ... 111
Figura 96 — Conjunto de grades de referência para avaliação das desagregações. ... 112
Figura 97 — Interpolação pelo algoritmo Vizinho Mais Próximo ... 113
Figura 98— Interpolação pelo algoritmo de Média Ponderada ... 113
Figura 99 — Interpolação pelo algoritmo Bilinear ... 114
Figura 100 — Interpolação pela krigagem ... 114
Figura 101 — Ponderação Zonal ... 115
Figura 102 — Interpolação pelo algoritmo Picnofilático de Tobler ... 116
Figura 103 — Interpolador picnofilático com 1 iteração. ... 116
Figura 104 — Interpolador picnofilático com 20 interações. ... 117
Figura 105 — Interpolador picnofilático com 544 interações ... 117
Figura 106 — Mapeamento residencial utilizando imagem ortorreficada ... 118
Figura 107 — Seleção de duas regiões com densidade populacional distintas ... 119
Figura 108 — Abrangência das estações sobre os centroides dos setores censitários ... 121
Figura 109 — Abrangência das estações sobre centroides da grade estatística. ... 121
Figura 110 — Detalhe da população abrangida pela estação Aeroporto com o modelo de setores censitários e de grades regulares. ... 122 Figura 111 — Boxplot dos dados da grade e dos setores censitário e detalhe da estação Bonocô. ... 122 Figura 112 — Gráfico de dispersão dos passageiros atendidos pelo modelo de grade e setores censitários. ... 123 Figura 113 — Setores selecionados por atributos dos polígonos de 2000 e 2010 ... 129 Figura 114 — Boxplots comparativo entre os dados da grade e os métodos de desagregação. ... 130
SÍMBOLOS E ABREVIATURAS
BET Base de Estruturas Territoriais BOG Base Operacional Geográfica
CAMEO Computer-Aided Management of Emergency Operations CETE Coordenação de Estrutruras Territoriais
CBG Conselho Brasileiro de Geografia
CORINE Coordination of information on the environment
CNEFE Cadastro Nacional de Endereços para Fins Estatísticos CPRM Companhia de Pesquisa de Recursos Minerais
DGC Diretoria de Geociências
EEA European Environment Agency
ESRI Environmental Systems Research Institute GPW Gridded Population of the World
GRUMP Global Rural Urban Mapping Project
IBGE Instituto Brasileiro de Geografia e Estatística IDH Índice de Desenvolvimento Humano
IPCC Intergovernmental Panel on Climate Change IPEA Instituto Pesquisa Econômica Aplicada INE Instituo Nacional de Estatísticas
INSPIRE Infrastructure for Spatial Information in Europe INPE Instituto Nacional de Pesquisas Espaciais LEAC Land and Ecosystem Accounting
MMA Ministério do Meio Ambiente PME Pesquisa Mensal de Empregos
PNAD Pesquisa Nacional por Amostra de Domicílios
PNUD Programa das Nações Unidas para o Desenvolvimento SEDAC Socioeconomic Data and Applications Center
SEI Superintendência de Estudos Econômicos e Sociais da Bahia SGBD Sistema Gerenciadores de Banco de Dados
SIG Sistema de Informações Geográficas SQL Structured Query Language
1 INTRODUÇÃO
Conhecer as características, distribuição e a evolução populacional é de suma importância para o governo e a sociedade. O censo demográfico é a fonte de informação sobre as realidades locais, sejam urbanas ou rurais. Com as informações conhecidas e atualizadas definem-se as políticas públicas e os rumos dos investimentos privados ou governamentais. Com o censo é possível acompanhar a evolução demográfica, nortear os investimentos prioritários em saúde, educação, habitação, transporte e energia, subsidiar o Tribunal de Contas da União para definir as cotas do Fundo de Participação dos Estados e Municípios, subsidiar as comunidades acadêmicas e técnico-científicas em seus estudos e projetos, entre outras contribuições. Os órgãos de planejamento governamentais e os privados dependem dos censos para definirem os rumos de suas políticas de desenvolvimento. (IBGE, 2014a)
A história dos levantamentos populacionais do Brasil inicia-se em 1776, quando o Abade Corrêa da Serra estimou a população brasileira em 1.900.000 “almas”. O primeiro recenseamento populacional do Brasil totalizou 4.000.000 de habitantes em 1808, o Atlas do Império do Brasil registrou, em 1868, uma população de 10.030.000 habitantes. Até este momento os levantamentos eram obtidos por listas não sistematizadas e sem critérios. Somente em 1872 realizou-se o primeiro censo nacional que totalizou 10.112.061 habitantes e a coleta foi realizada segundo a cor, o sexo, o estado de livres ou escravos, o estado civil, a nacionalidade, a ocupação e a religião. Em 1890, no período republicano, os dados do censo constavam características mais completas como o nome do cônjuge, número de filhos, nacionalidade, instrução, profissão, renda, entre outras informações, e totalizou 14.333.915 habitantes. O censo decenal de 1900 ocorreu em duas etapas, sendo que a primeira contagem totalizou 17.318.556 habitantes, sem os dados do Distrito Federal, na época o Rio de Janeiro, e a segunda em 1907 totalizando 17.438.434. Em 1910, não houve o censo por causa de perturbações políticas e em 1920, foi registrado um total de 30.635605 habitantes e, em 1930, também por motivo de ordem política, o censo não foi realizado (IBGE, 2013a).
A história do Instituto Brasileiro de Geografia e Estatística, IBGE, inicia-se com a criação de duas instituições, o Instituto Nacional de Estatística (INE), em 1936, e do Conselho Nacional de Geografia (CNG), em 1937. Apesar das duas instituições trabalharem independentemente havia estreita relação entre elas. Teixeira de Freitas arquitetava a criação do Instituto Nacional de Estatística e Geografia que acabou se tornando realidade em 1938 com a fusão do INE e CNG para dar origem ao IBGE (SENRA, 2016).
O censo de 1940 foi o primeiro a ter os mapas referenciados a um sólido sistema cartográfico, devido aos esforços da CNG na Cartografia e Geodésia.(IBGE, 2017)
A partir do censo de 1950 os mapas municipais foram divididos em setores censitários que é a menor unidade de trabalho do censo,
“O setor censitário é a unidade territorial estabelecida para fins de controle cadastral, formado por área contínua, situada em um único quadro urbano ou rural, com dimensão e número de domicílios que permitam o levantamento por um recenseador. Assim sendo, cada recenseador procederá à coleta de informações tendo como meta a cobertura do setor censitário que lhe é designado” (IBGE, 2016a),
além disso os setores censitários respeitam os limites municipais e intramunicipais (distritos e bairros) legalmente constituídos.
Em 1960, com a necessidade de aumentar o conhecimento sobre o país, mas sem condições de aplicar um questionário extenso, o censo inaugurou a pesquisa da amostra conjuntamente com a pesquisa do universo (IBGE, 2016a). Os dados do universo correspondem aos registros de todos os domicílios do Brasil, neste caso é aplicado o questionário básico, enquanto que na pesquisa da amostra é aplicado o questionário mais detalhado, mas observados numa fração da pesquisa do universo que varia de acordo com o número de habitantes, a média para o censo de 2010 foi de 10% dos domicílios (IBGE, 2013a). As frações amostrais são importantes para testar a qualidade dessas estimativas, espera-se que os totais municipais da amostra estejam dentro de uma precisão aceitável. (IBGE, 2016a).
A Diretoria de Geociências, DGC, através da Coordenação de Estruturas Territoriais, CETE, é a responsável por manter uma base de dados organizada para levantamentos estatísticos do território brasileiro, esta estrutura é sustentada pela Base Territorial. A Base Territorial mantém as atualizações político-administrativa e os arranjos socioeconômicos, chegando ao recorte de setores censitários, e todas as delimitações legalmente constituídas como áreas urbanas e rurais, além de áreas especiais como de área de proteção ambiental, território indígena e aglomerados subnormais entre outros, são contempladas em recortes específicos. Para manter o histórico de toda mudança do território e a capacidade de recuperar dados pretéritos, a base territorial conta com duas estruturas, a BET, Base de Estruturas Territoriais e a BOG, Base Operacional Geográfica.(IBGE, 2013a)
A BET mantém uma codificação da hierarquia de toda estrutura político-administrativa com as informações da legislação de criação, instalação, extinção, alteração de toponímia, entre outros, que possibilita a recuperação de toda evolução territorial, a Figura 1 mostra a hierarquia organizada pela BET.(IBGE, 2013a)
Figura 1 — Estrutura de níveis no Banco de Estruturas Territoriais - BET
Fonte: IBGE (2013a)
A BOG é sistema de registro, controle e operações sobre os setores censitários, além de dados atuais são armazenados dados pretéritos permitindo comparabilidade entre eles. O BOG armazena num sistema de banco de dados as referências de cada setor censitário de todos os censos (IBGE, 2013a). A Figura 2 mostra os atributos hierárquicos armazenados pela BOG.
Figura 2 — Exemplo de um setor mantido pela BOG
Fonte: IBGE (2013a)
Um conjunto de tabelas de comparação pode ser obtido junto ao IBGE, as quais fornecem a relação entre os setores censitários de uma data com a anterior. A Tabela 1 mostra um extrato da tabela de comparação entre os anos de 2010 e 20071, neste caso as diferenças estão somente nos códigos dos
setores. De posse destes registros pode-se mapear os dados de 2010 para 2007 e vice-versa, há a necessidade de processamento de agregação no banco de dados para compatibilizá-los. A comparação deve ser sob a menor área comparável, conforme a metodologia do IPEA (2015a), isto, normalmente, implica em transportar dados mais recentes para suporte mais antigos.
Tabela 1 — Amostra de tabela de comparação
UF MUN DIS SDIS SET UF07 MUN07 DIS07 SDIS07 SET07
42 06900 10 00 0006 42 06900 10 00 0001
31 60306 05 00 0013 31 60306 05 00 0007
31 60405 05 00 0039 31 60405 05 00 0005
31 60405 05 00 0040 31 60405 05 00 0006
Fonte: O autor
Os dados do universo são coletados em censos decenais, no entanto o IBGE elabora uma pesquisa demográfica amostral, a Pesquisa por Amostra de
1 Em 2007 houve o censo agropecuário e a contagem da população de municípios com menos de 170.000 habitantes.(IBGE, 2007)
Domicílios (PNAD), para acompanhar as tendências socioeconômicas nos intervalos interdecenais desde 1972, a periodicidade é anual e abrange a totalidade do território brasileiro (IBGE, 2014b).
Em resposta aos questionamentos de parte do governo, além das recomendações internacionais como a Organização Internacional do Trabalho, OIT, em relação à abrangência limitada2 da Pesquisa Mensal de Empregos,
PME, foi lançada em 2012 a PNAD contínua que abrange tanto os levantamentos da PNAD como da PME, com abrangência em todo território nacional e periodicidade trimestral3 e mensal4 (IBGE, 2014c). Em 2015 a PNAD
e a PME foram encerradas e definitivamente substituídas pela PNAD Contínua. Os setores censitários são constituídos com base na regra de que um agente censitário deve ser capaz de cobri-lo no período de trinta dias e deve respeitar os limites políticos-administrativos. Por estas razões, podem ocorrer divisões e aglutinações, principalmente em área urbana, tornando-os voláteis entre os censos decenais, o que muitas vezes impede a análise da evolução populacional.
Em outubro de 2015, o IBGE divulgou os dados do censo de 2010 sob a forma de uma grade regular. Esta grade é composta de células de 1km x 1km na área rural e de 200m x 200m na área urbana. Em cada célula estão sintetizados os dados de população residente, sexo e número de domicílios ocupados do censo de 2010, as outras informações estão sob sigilo, pois a resolução da grade pode individualizar os dados do informante, neste caso faz necessário o esclarecimento que os dados do indivíduo são protegidos por lei5.
2 A PME abrange somente as Regiões Metropolitanas de Recife, Salvador, Belo Horizonte, Rio de Janeiro, São Paulo e Porto Alegre. (IBGE, 2014c)
3 “A cada trimestre, são investigados 211.344 domicílios particulares permanentes, em aproximadamente 16.000 setores censitários, distribuídos em cerca de 3.500 municípios. ” (IBGE, 2015d)
4 “mensal, para um conjunto restrito de indicadores relacionados à força de trabalho e somente para o nível geográfico de Brasil”. (IBGE, 2015d)
5 “Decreto nº 73.177, de 20 de novembro de 1973 – regulamenta a Lei nº 5.534, de 14 de novembro de 1968, modificada pela Lei nº 5.878, de 11 de maio de 1973, que dispõe sobre a obrigatoriedade de prestação de informações ao Plano Nacional de Estatísticas Básicas e ao Plano Geral de Informações Estatísticas e Geográficas. Esse decreto estabelece quem está obrigado a prestar as informações solicitadas pelo IBGE e o caráter sigiloso que resguarda as informações prestadas. O Decreto nº 74.084, de 20 de maio de 1974 – aprova o Plano Geral de
Este modelo de dados representa um novo paradigma de divulgação de dados socioeconômicos, pois agrega uma certa estabilidade temporal e espacial com menor nível de agregação de dados, além de outras vantagens sobre o modelo de setores censitários que serão discutidas neste trabalho.
1.1 Objetivos
1.1.1 Objetivo geral
Avaliar as vantagens e desvantagens do modelo de organização de dados por grades regulares frente a estrutura de representação por setores censitários.
1.1.2 Objetivos específicos:
a) Demonstrar as vantagens e desvantagens do modelo de setores censitários;
b) Demonstrar as vantagens e desvantagens da grade regular para fins estatísticos;
c) Comparar os modelos de setores censitários com o modelo de grade em aplicações de transporte urbano, mapeamento de vulnerabilidade e risco de exposição a produtos perigosos.
d) Quantificar a mutabilidade dos setores censitários utilizando técnicas de amostragem e diferenças intrínsecas dos polígonos;
e) Avaliar a aderência da interpolação dos setores censitários de 2010 com os dados de referência da grade oficial do IBGE;
1.2 Justificativa
O modelo de dados por grades regulares não é recente e transcende a área socioeconômica, sendo empregado na área ambiental, modelagem dinâmica, previsão climática, prevenção de desastres entre outros usos. O primeiro mapa global no formato de grade foi concebido em 1851 por Matthew Fontaine Maury, que representou um mapa de observação de baleias de todos
Informações Estatísticas e Geográficas, assegura, em seu Artigo 8º, a proteção, pelo sigilo..” (IBGE, 2016d)
os oceanos (TOBLER et al., 1997). De acordo com JAPAN STATISTIC BUREAU (2010) o sistema de grade estatística se deve ao geógrafo finlandês Graneau, contudo o primeiro mapa populacional em formato de grade é o de densidade populacional da Suécia de 1856, o objetivo era a implantação de uma ferrovia no país (SEHLIN, 2011), a Figura 3 mostra este mapa.
Figura 3 — Mapa com a densidade populacional da Suécia -1856
Fonte: SEHLIN (2011)
Na área ambiental, o modelo de grade regular remonta a 1922, quando Lewis Fry Richardson propôs o sistema de previsão numérica do clima baseado em mudanças de pressão atmosférica. O modelo dividia a superfície terrestre em células retangulares com cinco níveis de estratificação vertical e a partir da interação destas células seria possível prever as mudanças do clima (RICHARDSON, 1922). Atualmente, modelos numéricos e grades mais
elaboradas são utilizados para previsões meteorológicas (COLLINS et al., 2013). A Figura 4 mostra a grade original de Richardson com classes de mudanças de pressão atmosférica.
Figura 4 — Grade idealizada por Richardson com as mudanças de pressão.
Fonte: RICHARDSON (1922)
Vários países comercializam os dados censitários no formato de grade regular e destacam as vantagens desta estrutura, seguem algumas justificativas:
• De acordo com o JAPAN STATISTIC BUREAU (2010), o Japão faz o censo populacional utilizando o modelo de grades regulares desde 1970, atualmente é utilizado para o planejamento das cidades, desenvolvimento regional, prevenção de catástrofes, programas ambientais e medidas antipoluição, pesquisa acadêmica, marketing etc.
• Segundo o STATISTICS DENMARK (2012), instituto de estatística da Dinamarca, cita como principal vantagem da grade a estabilidade temporal.
• Segundo STRAND; BLOCH (2009), a criação de uma grade padronizada da Noruega tem como finalidade adequar a integração com outras fontes de dados.
• As Nações Unidas publicaram um manual sobre infraestrutura geoespacial para operações de censo, e entre uma das recomendações, para os chefes dos institutos de estatística, cita a necessidade de desagregar dados estatísticos para integra-los às pequenas unidades geográficas, objetivando suprir as necessidades na preparação para emergências humanitárias, inundações, serviços sociais e educacionais, análise epidemiológica, entre outros (UNITED NATIONS, 2009).
• O Aquecimento global carrega consigo o tema da vulnerabilidade, pois a população sofrerá com o aumento da frequência dos eventos extremos, chuvas e secas prolongadas (IPCC, 2012). Alguns pesquisadores compreendem que é necessário conhecer a dinâmica demográfica e adaptá-la às mudanças climáticas para antecipar os desastres e reduzir o impacto para a população. É importante estar preparado para os eventos sem precedentes e há lacunas existentes nos atuais modelos de vulnerabilidade. Então torna-se premente a aquisição de dados socioeconômicos sob o mesmo arcabouço dos dados climáticos para responder às pressões a que a população estará sujeita (MARTINE; SCHENSUL, 2013). Para este cenário, a grade regular para fins estatísticos atende a estes requisitos, pois os dados como precipitação, temperatura, pressão e relevo, que normalmente estão no formato matricial ou de grade (BALK; GUZMÁN; SCHENSUL, 2013), podem ser harmonizados no Sistemas de Informações Geográficas, SIG, com operadores zonais (BARBOSA, 1997).
• A dinâmica populacional é objeto de estudo de muitos pesquisadores, que sob várias técnicas tentam compatibilizar dados censitários de anos
diferentes para ter uma base de comparabilidade (MATIAS, 2011), o motivo é a instabilidade dos setores censitários, por exemplo, alguns setores são divididos para dar origem a novos e outros unidos para gerar um novo setor (UMBELINO; BARBIERI, 2008). A estabilidade do modelo de grades permitirá que os estudos da dinâmica espaço-temporal sejam facilitados e inspirem maior confiabilidade (TAMMILEHTO-LUODE; ROGSTADT; BACKER, 2000). O modelo de grade e a dinâmica espaço-temporal refletem a estrutura básica da modelagem dinâmica que observa o estado das células no passado e no atual, o que permite fazer regressões e gerar prognósticos em vários cenários. (AGUIAR, 2006)
Diante deste panorama, evidencia-se a importância da grade estatística integrada aos dados geográficos e administrativos como ferramenta valiosa para a saúde, educação, transporte e outros setores, justificando as premissas deste trabalho para avaliar os prós e contras da grade estatística do IBGE.
2 REVISÃO DE LITERATURA E ESTADO DA ARTE
2.1 Setores Censitários
O setor censitário é a unidade territorial estabelecida para fins de controle cadastral, formado por área contínua, situada em um único quadro urbano ou rural, com dimensão e número de domicílios que permitam o levantamento por um recenseador. Assim sendo, cada recenseador procederá à coleta de informações tendo como meta a cobertura do setor censitário que lhe é designado (IBGE, 2014d). O setor censitário é uma divisão do espaço político-administrativo dos munícipios, e o IBGE procura respeitar essas divisões de tal modo que um setor não ultrapasse as fronteiras municipais nem administrativas como região urbana, rural, distritos e bairros (IBGE, 2011a).
O tamanho dos setores censitários é definido por sua situação urbana ou rural, dentro da urbana existem três situações: área urbanizada, área não urbanizada e estabelecimentos agropecuários, cada situação tem a quantidade de domicílios e o tempo que o recenseador deve executar a tarefa. Na área rural a área do setor não pode exceder a 500 Km² e nem o levantamento durar mais de 60 dias. Em determinadas situações haverá imprevistos que necessitará uma adequação, mas o intuito é cumprir o cronograma (IBGE, 2013a). O Quadro 1 mostra um resumo dos critérios para cada situação.
Quadro 1 — Critérios definidores do tamanho do setor
Setor Domicílios Estabelecimentos Duração (dias) Min. Max Min. Máx. Cont. Agropec.
Urbano
Urbanizado 250 400 30
Não urbanizado 150 250 45
Agropecuário 100 200 45
Rural Rural 150 250 100 200 45 60
Fonte: Adaptado de IBGE (2013a)
Várias mudanças político-administrativas ocorreram desde 1950 até 2000, como a transferência do Distrito Federal para Brasília, a criação do Estado da Guanabara, que depois foi extinto e incorporado ao Estado do Rio de Janeiro, a criação do estado do Mato Grosso do Sul, a anexação de Fernando de Noronha ao Estado de Pernambuco, a criação do Estado de Tocantins, desde 1950 foram criados mais de 3600 municípios e a densidade populacional mais que triplicou (IBGE, 2014b). Devido às mudanças nos
adensamentos populacionais, o setor pode ser desmembrado ou absorvido por outro para atender ao requisito operacional. Por conta dessas mudanças políticas-administrativas e populacionais, uma significativa quantidade de setores censitários sofre alterações em sua geometria entre um censo e outro.
2.1.1 Vantagens dos setores censitários
Os setores censitários por seu caráter vetorial se ajustam em qualquer forma poligonal fechada, portanto é indicado para limites administrativos e são apropriados para operacionalizar e racionalizar a pesquisa, além da possibilidade de agrupar dados socioeconômicos homogêneos.
2.1.2 Desvantagens dos setores censitários
Os setores censitários, apesar de serem adequados ao levantamento, apresentam limitações quanto ao seu uso, as quais são descritas a seguir:
1. Instabilidade temporal — os setores censitários para coleta de dados são delimitados por critérios operacionais que dificultam a análise temporal (FEITOSA; MONTEIRO; CÂMARA, 2005; MATIAS, 2011). Devido à instabilidade temporal dos setores censitários, aplicações de evolução demográfica dificilmente têm pleno sucesso. Deste modo, vários pesquisadores utilizam técnicas diferentes para estimar o comportamento populacional ao longo do tempo. (FEITOSA; MONTEIRO; CÂMARA, 2005; LOBO, 2009).
2. Incompatibilidade espacial — o problema ocorre quando unidades administrativas não coincidem com os setores censitários, por exemplo, a compatibilização dos setores censitários com as unidades de planejamento municipal (UPM) sofrem diferenças consideráveis e por vezes há a necessidade de se ajustar aos setores censitários, mas nem sempre é possível. (OLIVEIRA et al., 1996; SOUZA, 2012). A Figura 5 mostra um exemplo desta incompatibilidade, em azul estão representados os setores censitários e em verde as divisões das unidades de planejamento, sendo que os vértices das UPM se encontram no centro da praça, evidenciando a incompatibilidade dos setores censitários com as UPM, a solução encontrada foi adaptar os
mapas, ora alterando os limites das UPM, ora alterando os setores censitários.(OLIVEIRA et al., 1996)
Figura 5 — Incompatibilidade dos setores censitários com as UPMS
Fonte: Adaptado de OLIVEIRA et al. (1996)
3. Inadequação dos dados — segundo GISBERT e MARTÍ (2013), na coleta de informações socioeconômicas, não há adequação dos dados para todos os casos de estudos, então nem sempre a agregação é compatível com o fenômeno que se quer estudar. Para exemplificar, o Atlas do Desenvolvimento Humano das Regiões Metropolitanas foi concebido com um novo arranjo dos dados do IBGE, isto foi necessário para alcançar a homogeneidade necessária do índice de desenvolvimento humano, IDH. (PNUD; FUNDAÇÃO JOÃO PINHEIRO; IPEA, 2013)
4. Compatibilização com dados ambientais — ajustar os setores censitários a recortes específicos como uma bacia hidrográfica e manchas de inundação entre outros, torna-se um desafio, pois os dados ambientais
estão normalmente no formato matricial (raster) ou de grade (BALK; GUZMÁN; SCHENSUL, 2013).
5. Problema da unidade de área modificável — um dos primeiros a identificar este problema foi GEHLKE e BIEHL (1934) que utilizaram como base 252 setores censitários de Cleveland, o atributo estudado foi a delinquência juvenil masculina. Ao agregar os setores censitários em várias escalas, observaram que a correlação alterava-se. Este problema foi amplamente estudado por OPENSHAW (1984) que o denominou de MAUP — Modifiable Area Unit Problem. O agrupamento de dados causa dois efeitos: o de escala e o de zoneamento (BUENO, 2014).
O efeito escala ocorre ao mudar a escala de agregação dos dados, normalmente agregando pequenas áreas a outras maiores. O efeito de zoneamento é a agregação na mesma escala, a quantidade não se altera, mas altera-se o arranjo espacial. Estes dois efeitos causam estimativas e inferências estatísticas diferentes para um mesmo conjunto de dados (OPENSHAW; TAYLOR, 1979). Os dois tipos de agrupamento causam um efeito de suavização ou filtragem dos dados (JELINSKI; WU, 1996). Para efeito prático do censo, significa que se os resultados de municípios de um estado forem agregados, por exemplo, dois a dois, serão diferentes dos dados obtidos para o Estado. (BUENO, 2014)
A Figura 6 mostra o efeito escala com agregações em diferentes escalas, a média permanece a mesma, mas as variâncias mudam. O efeito de zoneamento é mostrado na Figura 7, o agrupamento de b e d tem a mesma escala e a mesma quantidade, no entanto as variâncias não são iguais.
Figura 6 — Efeito escala, a média é a mesma dos dados originais (a), mas a variância muda (b e c).
Fonte: Adaptado de JELINSKI e WU (1996)
Figura 7 — Efeito de zoneamento, (a) dados originais, (b e d) agrupados.
Fonte: Adaptado de JELINSKI e WU (1996)
6. Falácia ecológica — este tema foi amplamente estudado por OPENSHAW (1984b) e retrata o equívoco de inferir sobre o indivíduo a partir dos dados agregados, devido aos efeitos oriundos de escala e zoneamento (CARVALHO et al., 2004). Ao tentar fazer estas relações ocorre a falácia ecológica (ROBINSON, 1950). O problema é que quanto maior o agrupamento de dados individuais, menor é a variação do fenômeno estudado, isto aumenta a correlação entre as variáveis e a heterogeneidade é reduzida. Conclui-se também que os dados do grupo
valem somente para este grupo e não valem para outros ou para o indivíduo. (BUENO, 2014; DIAS et al., 2002)
2.2 Grades Regulares
Este capítulo aborda o modelo de dados por grades regulares, abrangendo os modelos estatísticos internacionais, os modelos populacionais globais, o da comunidade europeia, o da grade estatística do IBGE e apresenta as vantagens e desvantagens deste modelo.
2.2.1 Modelos internacionais de grade para fins estatísticos
As grades regulares para fins estatísticos são utilizadas oficialmente como meio de divulgação dos dados socioeconômicos por institutos de estatística de vários países (BUENO, 2014). A seguir serão apresentadas as experiências internacionais com os modelos de grade estatística.
1. O Japão iniciou a utilização da grade regular em 1969, inicialmente na área metropolitana de Tóquio, e em 1973 criou o padrão nacional em projeção geográfica. Foram criadas três classes de grades: básica (1 km); a dividida com duas subdivisões (500m e 250m); e a integrada com duas grades (80 km e 10 km) (JAPAN STATISTIC BUREAU, 2015). A Figura 8 mostra a grade de 1 km da região metropolitana de Tóquio e Baia de Tóquio, dados do total da população por célula, no detalhe a Baía de Tóquio.
Figura 8 — Grade de 1km² da Região Metropolitana de Tóquio e Baía de Tóquio.
Fonte: JAPAN STATISTIC BUREAU (2015)
2. Em 2012, após dez anos da primeira versão, a Dinamarca lançou a segunda versão da grade para fins estatísticos, projeção UTM, zona 32N, Datum ETRS89. A grade primária foi constituída de células regulares com resolução de 100 km, abrangendo todo o país. A partir da subdivisão da grade primária, foram obtidas as grades com resoluções de 50 km, 10 km, 1 km, 250 m e 100 m (STATISTICS DENMARK, 2012). A Figura 9A mostra a grade de referência de 100 km (cinza) e de 10 km (verde) e a Figura 9B, uma aplicação em geomarketing, mostra a grade 100 m com o total de habitantes em torno da loja “Magazin du Nord”, as zonas concêntricas têm 1000 m. A legenda do azul claro ao azul escuro corresponde à ocupação mais rarefeita até a mais densa.
Figura 9 — Grade de 100 km em cinza e 10 km em verde (A). Número de habitantes da em torno da loja “Magazin du Nord” em Copenhagen, células de 100m (B).
Fonte: STATISTICS DENMARK (2012)
3. O Serviço de Estatística da Noruega implantou grades com resoluções de 500 km, 250 km, 100 km, 50 km, 25 km, 10 km, 5 km, 1km, 500 m, 250 m, 125 m e 100 m, que fazem parte da infraestrutura nacional de dados, conjuntamente com outras informações. A projeção é UTM 33N e o Datum é o WGS84. A Figura 10 mostra a grade de 1 km no Condado de Østfold, os dados representam a densidade populacional (cores escuras são mais densas) e quadrados maiores indicam maior porcentagem de áreas rurais (STRAND; BLOCH, 2009).
Figura 10 — Grade de 1 km do condado de Østfold com a densidade populacional.
4. A Áustria comercializa dados no formato da grade com resoluções de 100 m, 250 m, 500 m, 1 km, 2 km, 5 km e 10 km, Projeção Lambert, Datum MGI6, padrão austríaco, e também no formato europeu ETRS897
-Lambert. A Figura 11 mostra a mancha de uma inundação simulada ao longo do rio e as células com a quantidade de edifícios, para auxiliar na prevenção e mitigação de desastres (RAINER; KAMINGER; KATZLBERGER, 2012).
Figura 11 — Número de construções com alto risco de enchentes.
Fonte: RAINER et al. (2012)
5. Apesar do pioneirismo, somente a partir da 1990 a Suécia iniciou a oferta de dados estatísticos de grades regulares com resoluções de 1 km em áreas rurais e 250 m em áreas urbanas, com centenas de dados como renda e educação. O aplicativo “Data from the Map”, distribuído gratuitamente, gera informações em qualquer recorte. A Figura 12 mostra um exemplo do aplicativo. (SEHLIN, 2011)
6 Datum MGI: SPHEROID["Bessel_1841",6377397.155,299.1528128] 7 Datum ETRS89: SPHEROID["GRS1980",6378137,298.257222101]
Figura 12 — Aplicativo “Data from the Map”
Fonte: SEHLIN (2011)
6. Durante o “1st Workshop on European Reference Grids”, e com as recomendações da INSPIRE (2010)8, foram especificadas as grades de
referência para registro e análises estatísticas para toda a Europa com resoluções de 1 km, 10 km, 50 km e 100 km (PEIFER, 2011). O objetivo é “... facilitar o gerenciamento e análises de informações espaciais para uma variedade de aplicações” (JOINT RESEARCH CENTRE, 2003). A Figura 13 mostra um recorte da grade de referência do sul da Itália, sendo que a cinza corresponde à grade com resolução de 10 km e a vermelha de 100 km.
Figura 13 — Recorte da grade europeia sobre a Itália com resoluções de 100 km (vermelho) e 10 km (cinza).
Fonte: EUROPEAN ENVIRONMENT AGENCY (2011)
2.2.2 Modelos de grades globais
Os modelos globais demandam enorme conhecimento das características físicas e culturais de todo o planeta, necessitam de infraestrutura física e humana e boa interlocução com os governos locais. A seguir são apresentados os principais modelos globais:
1. O Socioeconomic Data and Applications Center, SEDAC, do Center for
International Earth Science Information Network, CIESIN, da Columbia
University, USA, dirige dois programas de mapeamento global da população: Gridded Population of the World, GPW, que modela a distribuição da população mundial em formato matricial (raster), teve a versão1 lançada em 1995, com resolução de 2.5’ ou ~5km no equador, e atualmente se encontra na versão 4, com resolução de 30’’ ou ~1km
no equador. Baseada nos dados dos censos, é feita a desagregação utilizando o método picnofilático de TOBLER, 1979. (SEDAC; CIESIN, 2015). O outro programa, o Global Rural Urban Mapping Project, GRUMP, encontra-se na versão 1 e tem a mesma resolução do GPW, a diferença é que este modelo distingue a área urbana da rural baseado nas luzes noturnas detectadas por satélites. (SEDAC, 2016a), os mapas estão disponíveis ao público sob registro. A Figura 14 apresenta a população global processados na versão 4 do GPW.
Figura 14 — População global, ano 2010, GPW v4.
Fonte: SEDAC (2016b)
2. O Oak Ridge National Laboratory, órgão governamental dos EUA, lançou em 1998 o LandScan™ com resolução de 30’’ ou ~1km no formato grid da Environmental Systems Research Institute, ESRI, tem o diferencial de mapear tanto a população noturna como a diurna, isto é particularmente importante ao ocorrer alguma emergência natural ou tecnológica para mitigar o desastre. A população noturna é desagregada a partir do censo e a população diurna é obtida com o processamento
dos dados de uso da terra, imagens de satélite e dados do censo. Os mapas estão disponíveis sem custo para as agencias estadunidenses, mas para as outras organizações a liberação é estudada caso a caso. (OAK RIDGE NATIONAL LABORATORY, 2016a)
Figura 15 — Mapa de densidade populacional de Chipre.
Fonte: OAK RIDGE NATIONAL LABORATORY (2016b)
3. O WorldPop é um programa de mapeamento da população global, iniciado com os projetos Afripop, AsiaPop e AmeriPop (TATEM et al., 2013), o principal apoio vem da Fundação Bill e Melinda Gates. Além da produção de mapas de distribuição populacional com resolução de 100 m, utilizando dados do censo e imagens de satélites, é notável o mapeamento dinâmico da população por intermédio dos smartphones. Esta dinâmica populacional durante o ciclo de trabalho, de descanso e de feriados traz uma enorme contribuição à prevenção e mitigação de desastres, está disponível ao público sob licença Creative Commons
Attribution 4.0 International License. A Figura 16 mostra as migrações da
África Ocidental baseadas nos celulares da Costa do Marfim e do Senegal. (WORLDPOP, 2016).
Figura 16 — Prognóstico de movimento na África Ocidental construído com os dados de celulares do Senegal e Costa do Marfim.
Fonte: WORLDPOP (2016)
2.2.3 Modelo de grade estatístico do IBGE
Em outubro de 2015, o IBGE (2016b) divulgou a grade regular para fins estatísticos que abrange toda a área de pesquisa do censo e foi dividida em 56 quadrantes, um quadrante completo tem 500 km x 500 km, cada quadrante tem o seu arquivo em formato shapefile devidamente identificado em Projeção Geográfica, Datum SIRGAS 2000, como mostra a Figura 17. O mapa foi originalmente confeccionado na Projeção Equivalente de Albers, Datum horizontal: SIRGAS 2000. A principal característica desta projeção é a equivalência de área (IBGE, 2016b), garantindo que cada célula da grade em qualquer posição tenha sempre a mesma área, os parâmetros da projeção adotada são apresentados no Quadro 2.
Figura 17 — Grade do IBGE em 56 quadrantes.
Fonte: O autor
Quadro 2 — Parâmetros da projeção original da grade estatística
Meridiano Central -54° Latitude de Origem -12° 1º Paralelo Padrão -2 2º Paralelo Padrão -22 Origem E 5.000.000 Origem N 10.000.000 Área de Abrangência
Canto inferior esquerdo (E,N): 2.800.000, 7.350.000
Canto superior direito (E,N): 8.210.000, 12.200.000 Fonte: IBGE (2016b)
Os dados da grade para área urbana foram agregados a partir do Cadastro Nacional de Endereços para Fins Estatísticos — CNEFE — (IBGE, 2016b). O CNEFE compreende os endereços de todas as unidades registradas pelos recenseadores durante o trabalho de coleta das informações (domicílios e unidades não residenciais), é um cadastro em que cada domicílio é associado à face de uma quadra, cada unidade domiciliar é associada a um registro do banco de dado e cada registro contém os dados de logradouro, número, complemento, localidade e o ponto de referência (IBGE, 2014e). Os
dados individuais de cada domicílio abrangido dentro de cada célula são agregados. A Figura 18 mostra o modelo do CNEFE, a parte gráfica relativa às quadras e faces associadas ao banco de dados.
Figura 18 — Exemplo de um Cadastro de Endereços para Fins Estatísticos
Fonte: Adaptado de IBGE (2009)
Na área rural, a maioria das edificações não foram georreferenciadas por motivos técnicos ou operacionais, então optou-se pela estimação por
desagregação dos setores censitários baseado em mapeamentos de uso e cobertura da terra existentes ou por ponderação zonal9 nas regiões sem
mapas. A técnica de desagregação também foi usada na região urbana onde a malha viária ficou incompleta ou não foi identificada (IBGE, 2016b). A Figura 19 mostra o polígono vermelho representando o setor censitário 292740805220192, com uma população total de 385 habitantes e pretende-se estimar a população na célula em destaque. Esta figura mostra duas situações: desagregada com ponderação zonal (A); e desagregada com uso de imagem de satélite (B). A Figura 19A tem distribuição uniforme, portanto a população da célula em destaque é proporcional à área e foi estimada em 150 habitantes. A Figura 19B mostra a mesma célula sem nenhum habitante, pois toda a população se concentra fora da célula em destaque.
Figura 19 — (A) Ponderação zonal, sem desagregação, (B) setor desagregado com auxílio de imagem de satélite
Fonte: O Autor
2.2.4 Vantagens da grade regular
As vantagens da grade regular para fins estatísticos sobre os setores censitários são estabilidade espaço-temporal, adaptação a recortes espaciais,
hierarquia e flexibilidade, versatilidade e utilização em modelagens (BUENO, 2014; EUROSTAT, 2016). Segue o detalhamento das vantagens:
1. Estabilidade espaço-temporal - uma vez estabelecida a grade regular oficial, a sua geometria e localização permanecem estáveis, não está mais sujeita às mudanças dos limites administrativos e às variações da densidade populacional, muitos compartilham dessa opinião como uma vantagem (RAINER; KAMINGER; KATZLBERGER, 2012; TAMMILETHO-LUODE, 2011). A estabilidade traz uma série de vantagens na análise temporal. Os pesquisadores utilizam as técnicas de krigagem (LIU; KYRIAKIDIS; GOODCHILD, 2008), as imagens de satélites (FEITOSA; MONTEIRO; CÂMARA, 2005) ou outra técnica para compatibilizar dados entre censos decenais, mas persiste um erro residual ou uma certa dúvida sobre a metodologia;
2. Adaptação a recortes espaciais — os estudos na área socioambiental normalmente trazem recortes balizados por características físicas como uma bacia hidrográfica (MMA, 2011), e necessitam dos dados socioeconômicos na área do projeto, não é impossível obter os dados com pouca margem de erro, mas é um trabalho dispendioso. Como as células da grade são de pequenas dimensões, os dados podem ser ajustados facilmente.(STRAND; BLOCH, 2009)
A Figura 20 mostra um exemplo de adaptação a um recorte ambiental, foram selecionadas de 699 células, que perfazem um total de 44.230 pessoas atingidas pela mancha de inundação em Jaraguá do Sul -SC (IBGE, 2015a);
Figura 20 — Grade selecionada sobre áreas de inundação.
Fonte: adaptada de IBGE (2015)
3. Hierarquia e flexibilidade — A hierarquia permite que células de dimensões diferentes se ajustem com facilidade no modo bottom-up, ou seja, da célula menor para a maior, assim as células da área urbana tornam-se compatíveis com as rurais e permitem a comparabilidade (BUENO, 2014). Neste ponto de vista essa flexibilidade de agregação permite que várias escalas convivam harmoniosamente e há consenso de que os dados multiescalares são essenciais (FEITOSA; MONTEIRO, 2012; JOINT RESEARCH CENTRE, 2003). A Figura 21 mostra as células 1, 2, 3 e 4 agregadas para formar a célula D;
Figura 21 — Adaptação hierárquica do modelo de grades.
Fonte: BUENO (2014)
4. Versatilidade — a grande vantagem da grade regular é a convivência com o formato matricial (raster) ou vetorial. A forma vetorial traz a vantagem de rápida conversão para o matricial, além da capacidade de assumir vários atributos (STRAND; BLOCH, 2009);
5. Utilização em modelagens — por causa da complexidade do sistema climático, RICHARDSON (1922) resolveu simplificar os fenômenos dividindo a superfície terrestre em células que se interagem, este é princípio da modelagem dinâmica. Os autômatos celulares são um exemplo de modelagem espacial por grades regulares (BATTY; XIE; SUN, 1999; LIU; KYRIAKIDIS; GOODCHILD, 2008), que conjuntamente com dados socioeconômicos ganham um novo horizonte.
2.2.5 Desvantagens da grade regular
A maior parte das desvantagens da grade regular referem-se a sua estrutura rígida, pois não pode se adaptar às fronteiras naturais ou artificiais. A seguir são enumeradas as desvantagens da grade regular:
1. Problema da unidade de área modificável e falácia ecológica — apesar de vários pesquisadores concluírem que a agregação em áreas de pequenas dimensões diminui o efeito do MAUP (GOODCHILD, 1992a), outros não concordam (GRASLAND; MADELIN, 2006), e cada um dos lados tem a sua fundamentação, de qualquer forma o MAUP é sempre inerente e consequentemente a falácia ecológica também se aplica;
2. Incompatibilidade com dados homogêneos — a grade não é ajustável com as formas funcionais do mundo real como prédios, jardins e ruas. 3. A apresentação em forma de grade não é familiar para a maioria das
pessoas (RHIND; EVANS; VISVALINGAM, 1980).
4. As grades podem ser maiores que a unidade de análise, por exemplo a célula ocupa mais de um setor censitário, ou uma célula pode abranger mais de uma unidade administrativa, como é o caso mostrado na Figura 22 (DEICHMANN; BALK; YETMAN, 2001).
5. A Incompatibilidade com regiões administrativas não permite que a grade se acomode a qualquer recorte espacial, por exemplo, não é recomendável calcular o número de habitantes do município ou do estado pela soma dos dados das grades;
Figura 22 — Célula abrangendo mais de uma unidade administrativa
Fonte: DEICHMANN, BALK e YETMAN (2001)
6. Grande volume de dados — em grandes áreas homogêneas o volume de dados é muito maior que um simples polígono fechado, mesmo em representação matricial. (CÂMARA et al., 2001; FRANK, 2001)
