População e Desmatamento no Vale do Ribeira: integração de dados
censitários com dados de sensoriamento remoto dentro da estrutura de
um sistema de informação geográfica (GIS)
∗Humberto Prates da Fonseca Alves
UNICAMP/IFCH/NEPO
Palavras-chave: dados censitários, sensoriamento remoto, mudanças no uso e cobertura da terra, Vale do Ribeira.
Introdução
Neste trabalho, vamos apresentar e discutir um conjunto de metodologias e bases de dados que estamos desenvolvendo na nossa tese de doutorado1, e que acreditamos possam constituir-se em importante contribuição metodológica para estudos sócio-demográficos com enfoque em análises espaciais e ambientais.
A metodologia geral da tese consiste na integração de dados censitários em diferentes níveis de agregação (setor censitário, município, sub-região e região) com dados de sensoriamento remoto (imagens de satélite classificadas) dentro da estrutura de um sistema de informação geográfica. Os objetivos principais são analisar e quantificar: a) as inter-relações entre dinâmica sócio-demográfica e mudanças no uso e cobertura da terra (desmatamento) no Vale do Ribeira no período de 1980 a 2000; e b) o papel das unidades de conservação, da topografia e do acesso a infra-estrutura como mediadores desta relação entre população e uso/cobertura da terra.
Os principais métodos utilizados foram: i) classificação de três imagens de satélite Landsat (anos de 1981, 1990 e 1999) do Vale do Ribeira; ii) montagem e organização de base de dados dos censos demográficos do IBGE, ao nível de município e setor censitário para os municípios paulistas do Vale do Ribeira (anos de 1980, 1991, 1996 e 2000); iii) confecção de uma série de mapas temáticos dos limites político-administrativos, unidades de conservação, infra-estrutura e meio físico do Vale do
∗
Trabalho apresentado no XIII Encontro da Associação Brasileira de Estudos Populacionais, realizado em Ouro Preto, Minas Gerais, Brasil de 4 a 8 de novembro de 2002.
1
Meu doutorado está sendo desenvolvido no Programa de Doutorado em Ciências Sociais do IFCH da Unicamp, na área de Estudos de População, sob orientação do professor Dr. Daniel Hogan.
Ribeira; iv) construção de um Sistema de Informação Geográfica (GIS), que integra os três tipos de bases de dados mencionados (imagens de satélite, mapas temáticos e dados censitários); v) análise estatística multivariada, onde testamos correlações entre as variáveis sócio-demográficas e as variáveis de uso/cobertura da terra geradas pela classificação das imagens de satélite.
Grande parte das metodologias e bases de dados que descrevo neste trabalho foram desenvolvidas durante meu doutorado sanduíche no exterior na Indiana
University (IU), nos centros de pesquisa ACT (Anthropological Center for Training and Research on Global Environmental Change) e CIPEC (Center for the Study of Institutions, Population, and Environmental Change), sob orientação do Professor Dr.
Eduardo S. Brondízio.
Os centros ACT e CIPEC são parceiros, funcionando de maneira integrada na Indiana University, sob a coordenação do Prof. Dr. Emilio Moran e da Profa. Dra. Elinor Ostrom, e são conhecidos internacionalmente pelas suas atividades de pesquisa e treinamento no campo das “dimensões humanas das mudanças ambientais globais”, sendo o CIPEC um dos centros de excelência nesta área, e financiado pela National
Science Foundation (NSF) dos Estados Unidos. O ACT também sedia o escritório
central do Programa Internacional sobre Mudanças no Uso e Cobertura da Terra (LUCC – Focus 1), que é um Projeto conjunto do IGBP (International Geosphere-Biosphere
Programme) e do IHDP (International Human Dimensions Programme on Global Environmental Change).
Gostaria também de salientar que meu doutorado sanduíche foi realizado no contexto de uma cooperação internacional que existe entre o ACT e dois núcleos de pesquisa da Unicamp - NEPO (Núcleo de Estudos de População) e NEPAM (Núcleo de Estudos e Pesquisas Ambientais) - para realização de pesquisa conjunta sobre as dimensões humanas das mudanças ambientais na Mata Atlântica, na região do Vale do Ribeira. Esta colaboração inclui treinamento, pesquisa, e transferência de tecnologia e bases de dados entre a Indiana University e a Unicamp.
Este trabalho está dividido em duas partes principais. Na primeira parte, fazemos uma discussão sobre questões metodológicas na integração de dados censitários com dados de sensoriamento remoto, com base na literatura sobre as dimensões humanas das
mudanças ambientais. Já na segunda parte, apresentamos e discutimos as metodologias e bases de dados da minha tese de doutorado.
1) Integração de dados censitários com dados de sensoriamento remoto: algumas questões metodológicas
Nos últimos anos, tem havido um crescente interesse na promoção de pesquisa interdisciplinar sobre as dimensões humanas das mudanças ambientais, com a integração de metodologias, bases de dados e grupos de pesquisa das ciências naturais e das ciências sociais (McCraken et al, 2000, 1999; Turner II, 1997, 1991; National Research Council, 1999, 1992; Liverman et al, 1998).
A questão das mudanças na superfície terrestre, como os processos de desmatamento, desertificação, expansão agropecuária e urbanização, tem sido um dos principais temas de pesquisa onde está ocorrendo esta integração, com a incorporação de análises de dados sócio-econômicos e demográficos à agenda de pesquisa sobre as mudanças no uso e cobertura da terra (IGBP-IHDP Land Use Cover Change Program).
Dados censitários – não apenas no Brasil mas também em outros países – são praticamente as únicas fontes comparáveis de dados demográficos e sócio-econômicos para grandes áreas. Do mesmo modo, imagens de satélite, que podem ser obtidas para praticamente qualquer lugar do globo, são virtualmente as únicas fontes de dados da cobertura terrestre para grandes extensões geográficas. Ao lado disso, inovações tecnológicas em software e hardware, como o Global Positioning System (GPS) e os Sistemas de Informação Geográfica (GIS), facilitaram muito a produção, organização e análise espacial de dados sócio-econômicos.
Assim, uma das grandes questões que se colocam para o campo de estudo das dimensões humanas das mudanças ambientais é se a junção de imagens de satélite com dados censitários pode produzir resultados científicos válidos. Para Wood e Skole (1998), vale a pena tentar responder esta questão pelo simples fato de que é sempre mais factível (inclusive do ponto de vista das fontes financiadoras de pesquisa) usar fontes de dados já existentes do que produzir novos dados, principalmente para macro-escalas de análise.
Dados de sensoriamento remoto podem ser agregados para qualquer escala espacial acima do tamanho do pixel. Por exemplo, pode-se trabalhar em diferentes escalas, utilizando-se a mesma imagem de satélite, de acordo com a escala que o dado censitário está disponível. Relacionar dados censitários com dados de sensoriamento remoto é relativamente simples, se o dado censitário possuir limites geográficos claros. Assim, análises integradas de dados censitários e sensoriamento remoto podem estimular demógrafos e cientistas sociais a trabalharem em diferentes escalas.
Por outro lado, os níveis (escalas) e as unidades espaciais em que os dados censitários são coletados e tabulados (ou agregados) geralmente seguem as divisões político-administrativas, as quais muitas vezes não correspondem às unidades espaciais de análise (e observação) do fenômeno a ser estudado, particularmente fenômenos ambientais. Se a escala espacial do fenômeno ambiental estudado não coincidir com a escala espacial da informação censitária, os dados terão que ser agregados ou desagregados, o que nem sempre é possível.
1.1) Escalas de análise
Segundo Walsh et al (1999), estudos realizados em diferentes escalas espaciais quase sempre chegam a resultados distintos. Estas diferenças se devem em parte à “scale dependence” de certas relações entre variáveis sociais e ambientais, mas também à disponibilidade e representação do dado censitário em diferentes escalas.
Por exemplo, Wood e Skole (1998) realizaram um grande estudo sobre desmatamento na Amazônia utilizando dados censitários ao nível municipal e dados de sensoriamento remoto. Na macroescala dos municípios da Amazônia, eles chegaram ao resultado que densidade demográfica era um fator bastante correlacionado a desmatamento. Porém, estudos realizados em escalas menores, como domicílio ou propriedade agrícola, mostram que densidade demográfica não é um fator importante para o desmatamento (McCraken et al, 2000, 1999).
Os resultados do estudo de Walsh et al (1999) sugerem que as relações entre variáveis sócio-demográficas e variáveis biofísicas geralmente mudam conforme muda a escala espacial de análise. Tendo em vista a grande quantidade de pesquisas sobre mudanças no uso/cobertura da terra que estão sendo realizadas em todo o mundo, este
estudo mostra a importância de não se confiar apenas nos resultados obtidos para uma única escala de análise. Pesquisadores têm trabalhado em diferentes escalas espaciais, devido ao uso de diferentes sensores (AVHRR, Landsat MSS e TM, SPOT, etc) e à disponibilidade de dados sócio-econômicos e demográficos em diferentes escalas. Assim, pesquisadores trabalhando em diferentes escalas provavelmente chegarão a diferentes conclusões, o que tem importantes implicações científicas e para políticas ambientais e de conservação (Gibson et al, 1998).
O ideal seria que o pesquisador pudesse determinar a priori quais as escalas de análise mais importantes para responder suas perguntas e mais adequadas às características da região a ser estudada. Assim o pesquisador poderia já de início excluir certas escalas que fossem pouco relevantes para seu estudo.
Segundo McCraken (2000), a quantidade de estudos que utilizam dados censitários junto com sensoriamento remoto deve aumentar substancialmente à medida que tais fontes de dados estão cada vez mais acessíveis, mas poderão ficar relegados a macro-escalas de análise devido à falta de acesso à informação censitária em escalas mais detalhadas. Para o autor, estudos realizados na escala municipal e superior certamente serão importantes para entender as dimensões humanas das mudanças ambientais em macro-escalas, mas serão limitados para entender e fazer inferências sobre mudanças no uso/cobertura da terra em meso e micro-escalas, onde indivíduos, famílias e comunidades afetam diretamente o meio ambiente onde vivem.
O estudo que estamos realizando no doutorado abrange uma série de escalas espaciais de análise, desde a escala do setor censitário, passando pela escala municipal até a escala regional. Uma das questões que nos colocamos é até que ponto a análise ao nível do setor censitário pode trazer uma contribuição para o campo de estudo das dimensões humanas das mudanças ambientais, por ser uma escala intermediária entre a micro-escala do domicílio e a “macro”-escala do município.
Apesar de ainda ser uma escala “grande” para análises detalhadas das causas de mudanças no uso e cobertura da terra, a escala do setor censitário apresenta uma série de vantagens em relação à escala municipal, pois permite captar a diversidade sócio-demográfica e ambiental dentro do município. No caso do Vale do Ribeira, devido à utilização dos perímetros das unidades de conservação para determinar os limites de grande parte dos setores censitários, foi possível classificar os setores segundo os
diferentes tipos de restrição ao uso de recursos naturais, que são unidade de conservação de uso indireto, área de proteção ambiental (APA) e fora de unidade de conservação.
1.2) Disponibilidade de dados
A própria disponibilidade do dado censitário acaba influenciando (ou até determinando) a escolha da escala de análise. O setor censitário, por exemplo, é a menor escala (ou unidade espacial) de agregação da informação censitária, abrangendo em média 300 domicílios. Com isso, uma pesquisa que utilize dados censitários terá necessariamente como limite inferior de análise a escala do setor censitário. Esta limitação é particularmente importante em áreas rurais ou pouco habitadas, onde a área do setor censitário é muito maior do que em áreas urbanas, o que dificulta muito análises mais detalhadas da relação entre variáveis censitárias e de sensoriamento remoto, e impede a comparação entre setores urbanos e rurais. Assim, as características da organização dos dados censitários limitam as possibilidades de análise de muitos aspectos das dimensões humanas das mudanças ambientais e do uso/cobertura da terra.
Outra limitação importante no uso de dados censitários é o número restrito de variáveis disponíveis nos censos. Para o setor censitário, só são disponibilizados os dados do boletim do Universo, que possui uma quantidade relativamente reduzida de variáveis demográficas e sócio-econômicas. Já os dados do boletim da amostra são muito mais ricos, com uma quantidade bem maior de variáveis relativas às características da população e dos domicílios, mas só são disponibilizados a partir da escala do município.
Análises mais detalhadas sobre as relações entre dinâmica sócio-demográfica e mudança ambiental são feitas através de surveys que utilizam grandes questionários com questões específicas sobre características sócio-demográficas mais diretamente relacionadas a processos de desmatamento (Brondizio et al, 2000; Pichon, 1999, 1997). Assim, nestes casos, a distinção entre a profundidade das análises ao nível de domicílio em comparação com análises de dados censitários ao nível municipal, por exemplo, é mais uma questão de disponibilidade e riqueza das variáveis produzidas por surveys, e menos uma simples questão de escala de análise.
Portanto, a disponibilidade do dado censitário pode levar o pesquisador a fazer seu estudo em determinada escala não porque esta seja a escala mais apropriada para responder suas perguntas, mas porque o dado só esta disponível naquela escala.
Outra grande dificuldade com análises na escala do setor censitário são as alterações na malha dos setores entre as datas censitárias. Isto impede uma análise temporal da evolução e mudanças das variáveis sócio-demográficas ao longo dos censos. Os censos demográficos não deveriam alterar completamente a malha de setores de um censo para outro. As alterações necessárias deveriam ser feitas de modo a preservar a comparabilidade entre os censos, através de desmembramentos dos setores e não de redefinição das áreas.
Segundo Cunha e Oliveira (2001), não existia, pelo menos até o censo de 1991, uma preocupação por parte do IBGE em manter a comparabilidade entre as malhas dos setores censitários de um censo para outro. No caso do município de Campinas, por exemplo, o perímetro de grande parte dos setores do censo de 1991 não era derivado da subdivisão do perímetro dos setores do censo de 1980, mas sim de uma completa reconfiguração espacial dos limites dos setores de um censo para outro.
Como foi dito, no caso dos municípios do Vale do Ribeira, no censo de 1991, os perímetros das unidades de conservação foram utilizados para definir os limites de grande parte dos setores censitários, o que consideramos um avanço que, esperamos, tenha sido mantido no censo 2000. Por outro lado, este novo critério para definição dos limites dos setores impediu a comparação do censo de 1991 com censos anteriores.
1.3) Vetores (ou causas) de mudanças no uso/cobertura da terra e desmatamento
Geist e Lambin (2001) classificam os vetores de desmatamento em dois grandes grupos: causas diretas (ou próximas) e causas indiretas de desmatamento. Na literatura sobre mudanças no uso/cobertura da terra e desmatamento, considera-se como causas diretas do desmatamento aquelas atividades de uso da terra que impactam de maneira direta (ou imediata) a cobertura florestal. Em termos de escala, as causas diretas de desmatamento operam no nível local. Elas são divididas em três grandes categorias: expansão agropecuária, extração de madeira e expansão de infra-estrutura.
Devido à natureza e às escalas das tabulações disponíveis dos dados censitários, não é possível captar os fatores (variáveis) que tenham impacto direto nas mudanças no uso da terra / desmatamento. Isto é válido mesmo para o setor censitário, que é a menor escala de agregação do dado censitário. Assim, tendo em vista a limitação do dado censitário para captar as causas diretas, na metodologia da nossa tese estamos considerando apenas as causas indiretas do desmatamento no Vale do Ribeira.
As causas indiretas de desmatamento podem ser definidas como um conjunto de fatores sociais, econômicos, políticos, tecnológicos e culturais que determinam o contexto no qual as relações entre homem e ambiente vão se dar. Em termos de escala, as causas indiretas podem operar desde o nível local até os níveis regional, nacional e até global. Geist e Lambin (2001) classificam os vetores indiretos de desmatamento em cinco grandes categorias, que são: fatores demográficos, fatores econômicos, fatores tecnológicos, fatores político-institucionais e fatores socioculturais.
Na literatura sobre desmatamento, ainda persiste a visão de que o crescimento populacional (ou “pressão demográfica”) é uma das principais causas de desmatamento em regiões tropicais (Wibowo e Byron, 1999; Sandler, 1993; Vanclay, 1993). Mais recentemente, alguns autores têm questionado esta visão e consideram que a dinâmica demográfica (em particular o crescimento populacional) não tem um efeito importante sobre o desmatamento, ficando atrás de fatores econômicos, políticos e institucionais. Para estes autores, a população tem um impacto indireto no desmatamento, através de seus efeitos no mercado de trabalho, na demanda por produtos agrícolas e florestais e na indução de mudanças tecnológicas e político-institucionais (Kaimowitz e Angelsen, 1998).
Além dos vetores diretos e indiretos de desmatamento, Geist e Lambin (2001) apontam as características do meio físico (qualidade do solo, topografia, clima, etc) como fatores que influenciam o ritmo e a intensidade do desmatamento, atuando como “filtros” dos vetores de mudanças na cobertura da terra.
Na elaboração da metodologia da tese, procuramos incorporar pelo menos uma variável representante de cada um dos tipos de vetores de desmatamento, como se pode observar a seguir:
- Fatores demográficos: variáveis demográficas dos censos (e.g. tamanho e densidade da população, crescimento demográfico, distribuição por sexo/idade).
- Fatores sócio-econômicos: variáveis sócio-econômicas dos censos (e.g. renda, educação, saneamento, características do domicilio).
- Fatores econômicos e de infra-estrutura: variáveis de acesso a infra-estrutura viária e urbana.
- Fatores político-institucionais: variáveis de restrição ao uso de recursos naturais. - Características biofísicas: variáveis de topografia.
2) Descrição dos métodos e bases de dados para integração de dados censitários com dados de sensoriamento remoto dentro da estrutura de um sistema de informação geográfica: um estudo sobre o Vale do Ribeira
Como foi dito, o objetivo geral da nossa tese de doutorado consiste na análise e mensuração das relações entre as dinâmicas demográfica e sócio-econômica e as mudanças no uso e cobertura da terra (principalmente desmatamento) no Vale do Ribeira, mediadas por fatores como unidades de conservação, topografia e infra-estrutura. Para fazer isso, trabalhamos com dados dos censos demográficos do IBGE, em diferentes níveis (ou escalas) de agregação (município e setor censitário), integrados a dados de sensoriamento remoto (imagens de satélite) e mapas dos limites político-administrativos, infra-estrutura e meio físico da região do Vale do Ribeira.
2.1) Classificação das Imagens de satélite e Matrizes de Transição
Realizamos o trabalho de preparação (georreferenciamento e calibração atmosférica) e classificação de três imagens de satélite Landsat, correspondentes aos anos de 1981, 1990 e 1999, e referentes à cena 220/77, que cobre a região do Vale do Ribeira. A classificação foi feita no software ERDAS Imagine 8.4, através de combinação de classificação supervisionada e não supervisionada. As imagens de 1990 e 1999 são do satélite Landsat Thematic Mapper (TM) com resolução de pixel de 30 por 30 metros. A imagem de 1981 é do satélite MultiSpectral Scanner (MSS), com resolução de pixel de 80 por 80 metros.
Para cada uma das imagens de 1990 e 1999, fizemos duas versões de classificação, uma mais simples e outra mais detalhada. Na versão mais simples (ou
agregada), distinguimos apenas três grandes classes de cobertura da terra: floresta, não-floresta e água. Na versão mais detalhada, conseguimos distinguir 14 classes de cobertura da terra (land cover), que são água, floresta, mangue, vegetação paludosa, restinga, reflorestamento, vegetação arbustiva-arbórea, vegetação herbáceo-arbustiva, cultivo herbáceo-arbustivo, solo exposto, solo exposto com vegetação herbácea, sombra de montanha, nuvem e sombra de nuvem. A partir das classes de cobertura da terra, conseguimos identificar os diferentes tipos (classes) de uso da terra, que são floresta, sucessão florestal (capoeira), reflorestamento, agricultura, pastagem, áreas urbanas e estradas.
Para a imagem de 1981, estamos trabalhando apenas com as três classes agregadas (floresta, não-floresta e água), devido à dificuldade em distinguir um maior número de classes numa imagem MSS, com resolução de pixel de 80 por 80 metros.
Após a classificação das imagens, construímos as chamadas “matrizes de transição”, referentes aos intervalos entre as datas das três imagens classificadas: 1981-1990, 1990-1999 e 1981-1999. Uma matriz de transição pode ser definida como uma análise multi-temporal de duas ou mais imagens classificadas, com objetivo de captar e quantificar mudanças no uso e cobertura da terra entre dois ou mais períodos. Através deste método é possível quantificar e comparar as trajetórias de uso e cobertura da terra nos períodos entre 1981, 1990 e 1999, nas unidades de análise setor censitário e município. As principais trajetórias de uso e cobertura da terra que temos interesse em observar são: desmatamento, regeneração florestal, expansão/retração de áreas de agropecuária, urbanização e manutenção de áreas de remanescentes florestais.
2.2) Montagem do Banco de Dados Censitários
Montamos e organizamos uma base de dados demográficos e sócio-econômicos dos censos demográficos do IBGE, ao nível de município e setor censitário para os municípios paulistas do Vale do Ribeira, nos anos de 1980, 1991, 1996 e 2000. Os dados censitários são da Amostra e do Universo dos Censos Demográficos ao nível de município, e apenas do Universo ao nível de setor censitário.
Esta base de dados foi construída nos formatos Microsoft Excel, Microsoft Access, DBASE IV e ESRI Arcview 3.2. As principais fontes destes dados foram os
Censos Demográficos do IBGE de 1980, 1991 e Contagem Populacional de 1996, além dos resultados preliminares do Censo 2000. Outra fonte importante de dados, principalmente ao nível municipal, foi a Fundação SEADE, com destaque para o Perfil Ambiental do Estado de São Paulo.
Cabe destacar que uma das características mais importantes desta base de dados censitários é que ela está georreferenciada a mapas digitais dos municípios e setores censitários, de maneira a possibilitar uma análise espacial destes dados, dentro da estrutura de um sistema de informação geográfica. A interface entre a base de dados censitários e os mapas digitais foi feita no software ESRI Arcview 3.2, através da integração das tabelas das variáveis censitárias com uma tabela de atributos dos mapas digitais, por meio de um identificador único para cada município e setor censitário.
Ver anexo 2 (página 21), o mapa de densidade demográfica dos setores censitários do Vale do Ribeira, que serve como exemplo para mostrar a interface entre os mapas dos municípios e setores e as bases de dados censitários.
2.3) Confecção e organização dos mapas temáticos
Construímos e organizamos uma série de mapas temáticos dos limites político-administrativos, infra-estrutura e meio físico do Vale do Ribeira. A maioria dos mapas está em formato vetorial (vector layer), nas versões shapefile (compatível com Arcview) e coverage (compatível com ArcInfo). Os mapas de topografia estão em formato raster, por terem sido gerados através de um Modelo Digital de Terreno (DEM).
Todos os mapas temáticos, assim como as imagens de satélite, foram georreferenciados no sistema de projeção Universal Tranverse Mercartor (UTM), de maneira a possibilitar a sobreposição (overlayer) entre os diferentes mapas e as imagens de satélite, e assim fazer as análises espaciais através do GIS.
Alguns mapas temáticos foram construídos (digitalizados) por mim e outros foram cedidos pela ONG Instituto Socioambiental de São Paulo, que possui um acordo de cooperação com o ACT. Entre os mapas que eu digitalizei, destaco o mapa dos limites (malha) dos setores censitários dos municípios paulistas do Vale do Ribeira, para os anos de 1991 e 1996. Gostaria de observar que este mapa dos setores censitários do Vale de 1991 e 1996 não existia em formato digital e nem com coordenadas
geográficas, sendo assim um produto gerado pelo meu trabalho de tese. Destaco ainda que este mapa digital da malha dos setores censitários é uma das minhas bases de dados mais importantes, sendo fundamental para minha análise, e é também uma contribuição metodológica para futuras análises espaciais de dados censitários.
A seguir, fazemos uma breve descrição dos procedimentos e problemas na digitalização da malha dos setores censitários do Vale do Ribeira.
Adquirimos 22 mapas, um para cada município paulista do Vale do Ribeira, sendo que cada mapa trazia a divisão do município em setores censitários de 1991. Como os mapas que obtivemos não possuíam coordenadas geográficas, não pudemos utilizar o procedimento de scanear os mapas e georreferenciá-los. Assim, o único procedimento possível foi identificar e digitalizar os limites (perímetros) dos setores com base nos mapas digitais (layers) que dispúnhamos (municípios, unidades de conservação, estradas, rios, etc), com base em cartas topográficas do IBGE (que dispúnhamos apenas para parte da região), e também utilizando as imagens de satélite como importante referência para identificar os limites dos setores censitários. Destaco que este procedimento de identificação e digitalização dos limites dos setores censitários foi bastante original e trabalhoso, e teve como conseqüência a geração de erros de escala, uma vez que os mapas digitais estavam na escala 1:250.000, as cartas topográficas na escala 1: 50.000 e a imagem tinha resolução de pixel de 30 por 30 metros.
A seguir, faço uma listagem de todos os mapas temáticos que fazem parte da base de dados do nosso projeto de tese. Alguns mapas não serão utilizados como parte central das análises, tendo apenas um papel de caracterização da região de estudo. Na lista a seguir, destacamos com um asterisco os mapas que farão parte das análises: - Malha municipal do Vale do Ribeira (anos de 1980, 1991, 1996 e 2000) * - Malha dos setores censitários do Vale do Ribeira (anos de 1991, 1996 e 2000) * - Unidades de Conservação*
- Sedes urbanas dos municípios* - Rede viária *
- Limites da Bacia do Ribeira de Iguape* - Rede hidrográfica *
- Sub-bacias do Ribeira de Iguape
- Comunidades quilombolas e caiçaras no Vale do Ribeira
2.4) Construção do Sistema de Informação Geográfica (GIS)
Construímos e organizamos um Sistema de Informação Geográfica (GIS) que integra e relaciona três tipos de base de dados: 1) mapas de uso e cobertura do solo (imagens de satélite classificadas em formato raster); 2) mapas temáticos dos limites político-administrativos, infra-estrutura e meio físico (formato vetorial) e 3) base de dados demográficos e sócio-econômicos georreferenciados aos mapas dos municípios e setores censitários. Para construir este GIS, utilizamos os softwares ERDAS Imagine 8.4, ESRI Arcinfo 8 e ESRI Arcview 3.2. Contudo, a estrutura final do GIS foi montada no software Arcview 3.2 (na forma de um “Projeto”), de maneira a facilitar a manipulação e análise dos dados.
Breve descrição dos tipos de dados que integram o GIS:
a) Base de dados demográficos e sócio-econômicos, ao nível de município e setor censitário para os municípios paulistas do Vale do Ribeira, nos anos de 1980, 1991, 1996 e 2000. Estes dados estão georreferenciados (espacialmente relacionados) aos mapas vetoriais através de um identificador único para cada município e setor censitário.
b) Mapas de uso e cobertura da terra (formato raster) , resultantes da classificação das imagens de satélite, para os anos de 1981, 1990 e 1999, e mapas de mudanças no uso/cobertura da terra (gerados pelas matrizes de transição) para os períodos de 1981-1990, 1990-1999 e 1981-1999.
c) Mapas em formato vetorial representando limites dos municípios, setores censitários, unidades de conservação, rede hidrográfica, estradas, centros urbanos, topografia (formato raster), limites da bacia do Ribeira do Iguape e sub-bacias.
2.4.1) Geração das variáveis de uso/cobertura da terra, topografia, unidade de conservação e infra-estrutura
Através do GIS, pudemos gerar uma série de variáveis que completaram a base de dados do nosso projeto. Estas variáveis estão organizadas em quatro grandes grupos, que são: 1) variáveis de uso/cobertura da terra, 2) variáveis de restrição ao uso de recursos naturais, 3) variáveis de topografia e 4) variáveis de acesso a infra-estrutura.
As variáveis de uso e cobertura da terra foram geradas através dos seguintes procedimentos. Inicialmente, fizemos a sobreposição dos mapas (layers) dos setores e municípios do Vale do Ribeira aos mapas de uso e cobertura da terra, gerados pela classificação das imagens de satélite. Posteriormente, fizemos a extração da área de cada classe de uso e cobertura da terra para as unidades de análise município e setor censitário. Com isso, foi possível mensurar a área de cada classe e a porcentagem da área de cada classe sobre a área total de cada município e setor.
No caso do município de Eldorado Paulista, por exemplo, mensuramos que, em 1990, aquele município possuía 133 mil hectares (ha) de floresta (que correspondia a 80% da área do município), 29 mil ha de áreas com agropecuária (18% do município), e 768 ha com áreas de infra-estrutura (estradas e áreas urbanas) (0,5% do município).
Ver anexo 1 (página 19), a sobreposição dos mapas de municípios e setores ao mapa de uso e cobertura da terra de 1999.
As variáveis de restrição ao uso de recursos naturais foram geradas através da sobreposição dos mapas (layers) das unidades de conservação (de uso indireto e APAs) aos mapas dos setores e municípios do Vale do Ribeira. No caso dos municípios, calculamos a área e a porcentagem da área do município sob cada um dos graus de restrição ao uso de recursos naturais, que são unidade de conservação de uso indireto, APA e fora de unidade de conservação. Já no caso dos setores censitários, como os perímetros das unidades de conservação foram utilizados para determinar os limites de grande parte dos setores, pudemos classificar cada setor de acordo com o grau de restrição ao uso de recursos naturais. Isto se revelou extremamente interessante para nossas análises, porque pudemos testar se as relações entre dinâmica sócio-demográfica e desmatamento eram influenciadas pela presença ou não das unidades de conservação.
Ver anexo 1 (página 20), a sobreposição do mapa das unidades de conservação aos mapas de municípios e setores censitários.
As variáveis de topografia foram geradas através de um Modelo Digital de Terreno (Digital Elevation Model – DEM). Através da sobreposição dos mapas das malhas dos setores e municípios ao DEM, pudemos calcular uma série de estatísticas descritivas a respeito da topografia dos setores e municípios, entre as quais destacamos elevação e declividade médias do setor/município, variação de elevação e declividade dentro do setor/município, elevação e declividade mínima e máxima do setor/município.
Cabe destacar que as variáveis de topografia são parte importante da nossa análise, uma vez que elevação e declividade têm uma influência decisiva no uso e cobertura da terra na região do Vale do Ribeira.
Ver anexo 1 (página 20), a sobreposição dos mapas de municípios e setores censitários ao mapa de topografia (DEM).
Também geramos variáveis de acesso a infra-estrutura viária e urbana, através da sobreposição de mapas das estradas e cidades aos mapas da malha dos setores e municípios. Os procedimentos para construção das variáveis de acesso a infra-estrutura foram os seguintes. Primeiramente, foram feitos buffers (áreas no entorno) das principais estradas e das sedes urbanas dos municípios. Para as estradas, foram gerados buffers de 100, 200, 500, 800 e 1.000 metros. Para as cidades, foram feitos buffers de 1, 3, 5, 8 e 10 kilometros. Posteriormente, estes buffers foram sobrepostos aos mapas dos municípios e setores censitários. Através desta sobreposição, geramos as variáveis da área (e a porcentagem da área) do município e setor coberta por cada um dos buffers de estradas e cidades. Com isso, conseguimos obter um tipo de mensuração do acesso de cada setor e município às infra-estruturas viária e urbana.
Ver anexo 1 (página 21), a sobreposição dos mapas dos buffers das estradas e sedes urbanas aos mapas de municípios e setores censitários
O principal objetivo de se construir todas estas variáveis foi medir o papel das unidades de conservação, da topografia e do acesso a infra-estrutura como mediadores da relação entre dinâmica sócio-demográfica e mudanças no uso/cobertura da terra e desmatamento no Vale do Ribeira.
Assim, montamos uma base de dados onde à cada município e setor censitário estão associadas variáveis demográficas e sócio-econômicas dos censos, variáveis de uso e cobertura da terra, variáveis de categoria de restrição ao uso de recursos naturais, variáveis de topografia e variáveis de acesso a infra-estrutura.
Como foi dito, os mapas em anexo são exemplos das sobreposições (overlayers) realizadas através do GIS, para geração das variáveis de uso/cobertura da terra, topografia, restrição de uso de recursos naturais e infra-estrutura (ver páginas 19 a 21).
2.5) Análises estatísticas
Através de análises estatísticas, testamos as correlações entre as variáveis demográficas e sócio-econômicas dos censos demográficos e as variáveis de uso/cobertura da terra geradas pela classificação das imagens de satélite e matrizes de transição. O objetivo das análises foi identificar e medir as influências (efeitos) da dinâmica sócio-demográfica sobre as trajetórias de uso/cobertura da terra no Vale do Ribeira, em diferentes escalas: setores censitários, municípios, sub-regiões e região2. Em seguida, observamos se a relação entre as variáveis demográficas/sócio-econômicas e as variáveis de uso/cobertura da terra muda conforme a escala de análise.
Os principais métodos de análise estatística utilizados foram correlação de
Pearson, regressão linear simples e análise multivariada (componentes principais).
Como já foi dito, para cada um dos municípios e setores censitários do Vale do Ribeira, estão disponíveis os seguintes grupos de variáveis:
1) Variáveis Demográficas e Sócio-econômicas (1980, 1991, 1996 e 2000) 2) Variáveis de uso e cobertura da terra (1981, 1990 e 1999)
3) Variáveis de categoria de restrição de uso de recursos naturais 4) Variáveis de topografia (elevação e declividade)
5) Variáveis de acesso a infra-estrutura (estradas e cidades)
2
Na escala de setor censitário, as correlações e regressões foram feitas: - para todos os setores
- apenas para setores urbanos
- apenas para setores fora de unidade de conservação (e não urbanos) - apenas para setores dentro de unidade de conservação
Na escala municipal, as correlações e regressões foram feitas para o território dos municípios como todo, e para o território dos municípios dividido em urbano e rural.
2.5.1) Regressões
Para fazer as regressões, considerou-se como variáveis dependentes a porcentagem da área das principais classes de uso/cobertura da terra, a saber:
- porcentagem da área do município e setor censitário coberta por floresta - porcentagem da área do município e setor censitário coberta por agropecuária
- porcentagem da área do município e setor censitário coberta por infra-estrutura (estradas e cidades)
Como variáveis independentes, considerou-se i) Numa primeira etapa, apenas as variáveis demográficas
ii) Numa segunda etapa, as variáveis demográficas e as variáveis sócio-econômicas e de domicílio
iii) Numa terceira etapa, as variáveis demográficas, as variáveis sócio-econômicas e de domicílio e as variáveis de restrição de uso de recursos naturais, topografia e infra-estrutura.
2.5.2) Análise multivariada e análise de componentes principais (PCA).
Utilizamos análises estatísticas multivariadas com o objetivo de reduzir um grande número de variáveis a poucas dimensões, com o mínimo de perda de informação. No nosso caso, utilizamos a análise de componentes principais (PCA), que
é indicada para conjuntos de variáveis correlacionadas linearmente, e que assim podem ser reduzidas a poucas variáveis sintéticas, denominadas componentes principais. Através das análises de PCA, pudemos reduzir (ou sintetizar) cada grupo de variáveis de mesma natureza (demográficas, sócio-econômicas, unidade de conservação, topografia e infra-estrutura) a uma ou mais variáveis (ou eixos) que explicam a maior parte da variação daquele grupo de variáveis.
Considerações Finais
Ao longo deste trabalho, procuramos descrever e discutir algumas perspectivas de análise advindas da integração de metodologias e bases de dados de sensoriamento remoto com dados demográficos e sócio-econômicos dos censos, para a realização de pesquisa inter-disciplinar sobre as dimensões humanas das mudanças ambientais, em particular as mudanças no uso e cobertura da terra.
Como dissemos, tem-se observado uma crescente colaboração entre cientistas sociais e pesquisadores que tenham conhecimento em sensoriamento remoto e GIS, para tentar resolver os complexos problemas metodológicos a serem enfrentados por este tipo de pesquisa inter-disciplinar. Neste sentido, uma das mais importantes contribuições que os cientistas sociais podem dar a esse tipo de pesquisa é ajudar a construir protocolos de coleta e análise de dados que captem os tipos de variáveis sócio-econômicas e demográficas que mais se relacionem com as dinâmicas de uso da terra. É muito comum, por exemplo, àqueles que estão de fora das ciências sociais (e da demografia) tentarem explicar as mudanças da cobertura terrestre simplesmente em termos de crescimento populacional, ao invés de procurarem aplicar uma abordagem mais detalhada, necessária para se entender as relações entre a dinâmica populacional e o meio ambiente.
Assim, uma das principais razões para que os cientistas sociais desempenhem um papel cada vez mais relevante em esforços para estudar as mudanças no uso e cobertura terra, por meio de dados de sensoriamento remoto, é que, desta maneira, eles podem ajudar a mudar as aplicações do sensoriamento remoto, de um simples mapeamento para análises das inter-relações entre os processos sociais e as dinâmicas de uso da terra (Moran e Brondizio, 1998).
Talvez o maior obstáculo para a colaboração mais efetiva entre os cientistas sociais e os da comunidade de sensoriamento remoto seja a falta de familiaridade com as técnicas e métodos da outra disciplina, e de saber como estes diferentes métodos, técnicas e bases de dados podem ser compartilhados de forma a levantar questões de interesse comum para a compreensão dos processos que causam as mudanças ambientais.
Referências Bibliográficas
Brondizio, E. S., McCracken, S., Moran, E. F., Siqueira, A.D., Nelson, D.R., and Rodriguez-Pedraza C. 2000. “The Colonist Footprint: towards a conceptual framework of deforestation trajectories among small farmers in Frontier Amazônia”. In Patterns and Processes of Land Use and Forest Change in the Amazon. C. Wood et al (eds.) Gainsville: University of Florida Press.
Cunha, J.M. e Oliveira A. 2001. “População e Espaço Intra-urbano em Campinas”. In Migração e Ambiente nas Aglomerações Urbanas. Hogan, D. , Baeninger, R. , Cunha, J.M. e Carmo, R. (orgs). Campinas: Núcleo de Estudos de População. Unicamp.
Geist, H. and E. Lambin. 2001. What drives tropical deforestation? A meta-analysis of proximate causes and underlying sources of deforestation based on subnational case study evidence. LUCC Report Series No. 4.
Gibson, C. et al. 1998. Scaling issues in the social sciences: A report for the international human dimensions program. Bloomington: Workshop in Political Theory and Policy Analysis.
IGBP-IHDP Land Use Cover Change Program (http://www.icc.es/lucc/home.html)
Kaimowitz, D. and A. Angelsen. 1998. Economic models of tropical deforestation: A review. Bogor, Indonesia: CIFOR.
Liverman, D.M., Moran, E.F., Rindfuss, R.R., and Stern, P.C. 1998. People and Pixels: Linking Remote Sensing and Social Science (Washington, D.C: National Academy Press, 1998).
McCracken, S., Siqueira, A. D., Moran, E and Brondizio, E. 2000. “Land-use Patterns on an Agricultural Frontier in Brazil: Insights and Examples from a Demographic Perspective”. In Patterns and Processes of Land Use and Forest Change in the Amazon. C. Wood et al (eds.) Gainsville: University of Florida Press.
McCracken, S., Brondizio, E., Nelson, D., Moran, E., Siqueira, A., and Rodriguez-Pedraza, C. 1999. "Remote sensing and GIS at farm property level: Demography and deforestation in the Brazilian Amazon." Photogrammetric Engineering and
Remote Sensing 65, no. 11 : 1311-1320.
Moran, E. e Brondizio, E. 1998. “Land-Use Change After Deforestation in Amazonia”. In People and Pixels: Linking Remote Sensing and Social Science. D. Liverman et al (eds.) Washington: National Academy Press, 1998.
National Research Council (U.S.) and Committee on the Human Dimensions of Global Change. 1999. Human Dimensions of Global Environmental Change: Research Pathways for the Next Decade (Washington, D.C.: National Academy Press).
National Research Council, 1992. Global Environmental Change: understanding the human dimension. P.C.Stern, O. Young, and D. Druckman (eds.). Washington, D.C.: National Academic Press.
Pichon, F. 1997. "Settler households and land-use patterns in the Amazon frontier: Farm-level evidence from Ecuador." World Development 25, no. 1 : 67-91.
Pichón, F.J. and Bilsborrow, R.E. 1999. “Land-Use Systems, Deforestation, and Demographic Factors in the Humid Tropics: Farm-Level Evidence from Ecuador.” In Population and Deforestation in the Humid Tropics, Bilsborrow R.E. and Hogan D. eds.
Sandler, T. 1993. "Tropical Deforestation: Markets and Market Failures." Land
Economics 69, no. 3 : 225-233.
Turner II, B.L. 1991. "Thoughts on Linking the Physical and Human Sciences in the Study of Global Environmental Change." Research and Exploration 7: 133-135.
Turner II, B.L. 1997. "The Sustainability Principle in Global Agendas: Implications for Understanding Land-Use/Cover Change." The Geographic Journal 163, no. 2 : 133-140.
Vanclay, J.K. 1993. "Saving the tropical rain forest: needs and prognosis." Ambio 22, no. 4 : 225-231.
Walsh, S. J. et al. 1999. “Scale-dependent relationships between population and environment in Northeastern Thailand”. Photogrammetric Engineering and
Remote Sensing 65(1): 97-105.
Wibowo, D.H. and Byron, R.N. 1999. "Deforestation Mechanisms: A survey ."
International Journal of Social Economics 26, no. 1/2/3 (): 455-474.
Wood, C.H. and Skole D. 1998. Linking satellite, census, and survey data to study deforestation in the Brazilian Amazon. In People and Pixel: Linking remote sensing and social sciences. D. Liverman et al. (eds.) Washington: National Research Council. (chap 4).
Anexos
Anexo1. Exemplos de sobreposição de mapas (overlayers) através do GIS, para geração das variáveis de uso/cobertura da terra, topografia, restrição de uso de recursos naturais e infra-estrutura
Anexo 2. Mapa de densidade demográfica dos setores censitários do Vale do Ribeira, que serve como exemplo para mostrar a interface entre os mapas dos municípios e setores e as bases de dados censitários.
