Verificação espacial e determinação do índice de áreas verdes da cidade de Sinop-MT
Spatial verification and determination of Sinop-MT city green area index
Charles Giacomini Bonfanti 1, Giovane Maia do Vale 2, João Gabriel Ribeiro 3
Resumo: Muitos problemas em Engenharia Civil estão relacionados com fatores externos às obras como, por exemplo, a pluviosidade média ou a velocidade básica dos ventos de uma região. Assim, um dos elementos que devem ser considerados, não apenas quando da elaboração de projetos de Engenharia Civil, mas também, quando do planejamento urbano, são as áreas verdes. Tais áreas impactam em fenômenos como, a drenagem de águas pluviais, a estabilização de superfícies (solos), o arrefecimento urbano e o fluxo dos ventos. Nestes termos, a pesquisa aqui descrita objetivou o levantamento e quantificação das áreas verdes de domínio público de uma parcela do município de Sinop-MT, para fins de cálculo do Índice de Áreas Verdes (IAV). A ortoimagem dos satélites RapidEye, processada pelo programa ArcMap para a quantificação das áreas verdes e posterior cálculo do IAV, foi obtida gratuitamente junto ao Geocatálogo do Ministério do Meio Ambiente. Os valores de IAV obtidos foram promissores, superando o previsto pela Organização Mundial da Saúde. Foi classificada e quantificada ainda toda a vegetação da área de estudo para fins de análise de sua distribuição espacial. Nesta etapa, foram efetuadas e comparadas classificações supervisionadas da área de estudo pelas metodologias de Máxima Verossimilhança e de Silva (2013).
Palavras-chave: Sinop; Área Urbana; Áreas Verdes; Índice de Áreas Verdes; Classificação Supervisionada. Abstract: Many problems in Civil Engineering are related to external factors to buildings, such as average rainfall or wind basic velocity of a region. Thus, one of elements should be considered, not only when designing Civil Engineering projects, but also, when planning urban areas, are green areas. This areas impact on phenomena such as rainwater drainage, surface stabilization (soils), urban cooling and wind flow. In this way, research described aimed at survey and quantification of public domain green areas of a Sinop-MT city portion, in order to calculating the Green Areas Index (GAI). The RapidEye satellites orthoimage, processed by ArcMap program for green areas quantification, and subsequent GAI calculation, was obtained freely from the Environment Ministry Geo Catalog. IAV values were promising, surpassing that predicted by World Health Organization. All vegetation from study area was also classified and quantified in order to analyze its spatial distribution. In this stage, study area supervised classifications were carried out by the Maximum Likelihood and Silva (2013) methodologies, and so compared.
Keywords: Sinop; Urban Area; Green Areas; Green Areas Index; Supervised Classification.
1 Introdução
Posicionada na porção norte do Estado de Mato grosso, a cidade de Sinop se destaca pelo grande aumento no número de habitantes e por seu potencial de investimento. Segundo o IBGE (2016), Sinop teve um acréscimo populacional de 50% em 10 anos (2000-2010). A cidade, que é polo para 30 municípios distribuídos ao seu redor, atua principalmente como prestadora de serviços para a região norte matogrossense, uma vez que possui mais de 10 mil empresas instaladas. A cidade também se destaca como polo educacional, oferecendo mais de 60 cursos superiores em diversas áreas do conhecimento. Decorre do exposto acima que, Sinop cresceu rapidamente atingindo grande expansão urbana, tornando-se a quarta maior cidade do estado. Para abrigar toda essa população foram abertos novos bairros e construídas inúmeras novas edificações. Logo se tornou importante saber se a ocupação do espaço urbano está sendo acompanhada pela quantidade adequada de áreas verdes.
Classificam-se como áreas verdes urbanas as florestas urbanas, parques, praças e canteiros. Áreas verdes são espaços livres ou abertos que fazem parte
da cidade e possuem características naturais, sendo designados para o entretenimento, lazer e conservação ou plantio de vegetação. Estas áreas, em sua maioria, tem predominância de vegetação arbórea. Enfim, são ambientes saudáveis que promovem a integração entre as pessoas e a natureza (TOLEDO e SANTOS, 2008).
As áreas verdes têm ainda como função: o controle dos ventos, a diminuição da temperatura urbana; a absorção das águas pluviais; o embelezamento das cidades; a redução de ruídos e a melhora da qualidade do ar. Além do que, tais áreas constituem locais de preservação de flora e de fauna. Nestes termos, verifica-se que a ausência desses espaços verdes nas cidades causa sérias consequências e prejuízos tanto para população quanto para o meio ambiente.
Neste contexto, a importância do estudo da expansão urbana em detrimento das áreas verdes reside no fato de que ele possa contribuir para a verificação de situações que atuem como entraves ao desenvolvimento sustentável da cidade, bem como, que possam apontar para inúmeras potencialidades a serem consideradas por planejadores para o melhor e mais eficiente aproveitamento do espaço urbano. E mais, espera-se que tal estudo contribua para a melhoria da qualidade de vida da população e para com a proteção dos elementos naturais (BARICHELLO, 2011).
Seguindo esta ideia, o trabalho de pesquisa aqui descrito destinou-se ao levantamento e quantificação 1
Graduando em Engenharia Civil, UNEMAT, Sinop, Brasil, charles.g.bonfanti@gmail.com
2
Doutor, Professor, UNEMAT, Sinop, Brasil, giovanemvale@gmail.com
3
Mestre, Professor, UNEMAT, Sinop, Brasil, jgr06041980@gmail.com
das áreas verdes de domínio público de uma porção da cidade de Sinop – MT, objetivando o cálculo do Índice de Áreas Verdes (IAV). Foi levantada e quantificada também toda a vegetação da área de estudo com o objetivo de se verificar sua distribuição espacial. Para tanto, foram empregadas técnicas de Sensoriamento Remoto e Classificação Digital Supervisionada, em dados provenientes de ortoimagens orbitais dos satélites RapidEye.
2 Fundamentação Teórica
Nesta seção está exposto o referencial teórico necessário à execução do trabalho realizado. Assim, na subseção 2.1 são apresentados um breve histórico e alguns dados do município de Sinop – MT. As áreas verdes e sua relação com a construção civil são discutidas na subseção 2.2. Os elementos associados ao Sensoriamento Remoto e utilizados na pesquisa são apresentados na subseção 2.3. Por fim, os dados de entrada, as ortoimagens dos satélites RapidEye, são descritos na subseção 2.4.
2.1 O município de Sinop: pequeno histórico
Na década de 1970, ações governamentais incentivavam a migração de pequenos produtores da região sul, principalmente do Paraná, para colonizarem a região a qual Sinop pertence. (ARAÚJO, 2008).
Conforme a Prefeitura Municipal de Sinop (2016), o município de Sinop foi fundado pela Colonizadora Sinop S/A no dia 14 de setembro de 1974 e recebeu sua autonomia política no dia de 17 de dezembro de 1979. Sinop está situada em uma região de topografia quase plana. Localizado na região centro oeste do Brasil, no centro-norte do estado de Mato Grosso, a uma distância de 503 km da capital Cuiabá.
O município de Sinop tem área territorial de 3.942 km², com população estimada em 132.934 habitantes e densidade demográfica de 28,69 habitantes/km² (IBGE,2016). O clima que predomina na região é o tropical quente úmido, a temperatura média anual é de 28ºC e a precipitação pluviométrica é de 1900 mm/ano e a vegetação da região é Floresta Tropical Densa, fazendo parte do bioma amazônico (PORTAL SINOP EM DADOS, 2015).
Segundo o Portal Cidades (2013), a cidade de Sinop foi planejada com traçado regular, utilizando critérios urbanísticos modernos. As áreas residenciais são limitadas por avenidas de até 50 metros de largura, com calçadas de até 7 metros. A cidade foi planejada com canteiros centrais, praças, áreas de lazer e reservas naturais, as quais são: as reservas R-1, R-2, R-3 formam o Parque Municipal Jardim Botânico, as reservas R-10, R-11 e R-12 formam o Parque Florestal, ponto turístico da cidade, e a reserva R-7 é nomeada de Parque Ecológico, sendo gerida pela UNEMAT - Universidade do Estado de Mato Grosso (RAUBER, 2011). Essas áreas, que podem ser classificadas como verdes, sofreram reduções devido ao crescimento populacional.
Segundo Rauber (2011), apesar de Sinop ter sido planejada, ainda não contava com um Plano Diretor específico para as áreas verdes e as atividades antrópicas começaram a destruir a mata para ocupação urbana e extração da madeira. Muitas queimadas foram registradas pelos moradores. Tais queimadas assolaram as áreas verdes.
Apesar do histórico de desenvolvimento intenso da cidade, nos últimos anos a sociedade começou a demonstrar maior preocupação com a preservação e conservação de recursos naturais. Dessa forma, houve um aumento na demanda de projetos que apresentassem questões relacionadas à influência do ser humano nas mudanças dos ecossistemas urbanos.
A Prefeitura de Sinop, em 2001, realizou procedimentos em defesa do meio ambiente, como a implantação de cerca em parte do perímetro de reservas, cultivo de mudas nos arredores de nascentes e instalação de placas de advertência nas redondezas das áreas verdes (RAUBER, 2011). Para incentivar a arborização e reflorestamento de áreas públicas e privadas da cidade, a Secretaria Municipal de Assistência Social distribui mudas de árvores, cultivadas no Viveiro Municipal Roque Caneli, em troca de alimentos (RAUBER, 2011).
Além das iniciativas citadas, foram criadas algumas leis municipais com o objetivo de preservação ambiental, influenciando diretamente as áreas verdes. 2.2 Áreas Verdes
No Brasil o interesse por áreas verdes começou somente no final do século XVIII, provavelmente por influência dos países europeus e com objetivos voltados à preservação e às potencialidades econômicas relacionadas à organização de jardins e passeios públicos (TOLEDO; SANTOS, 2012). Contudo, a formação de parques públicos começou a surgir no final do século XX, por interesses políticos (MACEDO e SAKATA, 2002).
Conforme Bargos (2012) as áreas verdes urbanas passaram a ter um papel muito importante para a manutenção e melhoria da qualidade ambiental urbana, principalmente naquelas cidades onde não houve planejamento adequado, que acompanhasse o acelerado processo de urbanização.
Segundo Neto et. al. (2007), áreas verdes são locais em que a vegetação arbórea predomina; fazem parte os jardins públicos, os parques urbanos e as praças. Porém, as árvores que seguem o leito das vias públicas não devem ser classificadas como área verde. Como todo espaço livre, as áreas verdes também devem ser hierarquizadas, segundo sua tipologia (privadas, potencialmente coletivas e públicas).
De acordo com o Art. 8º, § 1º, da Resolução CONAMA Nº 369/2006, considera-se área verde de domínio público "o espaço de domínio público que desempenhe função ecológica, paisagística e recreativa, propiciando a melhoria da qualidade estética, funcional e ambiental da cidade, sendo dotado de vegetação e espaços livres de impermeabilização".
Kowaltowski (1989) expressa que, as principais funções das áreas verdes urbanas são: controlar as densidades urbanas por meio de reservas de áreas verdes, satisfazer a busca de espaços para atividades de lazer, melhorar a estética urbana, embelezar as vias públicas, proporcionar melhora no estado físico e mental da população, proporcionar um clima mais agradável, reduzir os níveis de poluição do ar, atenuar a velocidades dos ventos, diminuir a quantidade de partículas de pó em suspensão, absorver os ruídos
urbanos, resguardar encostas e mananciais, e aumentar a absorção das águas pluviais.
Segundo a Revista Exame (2013), as áreas verdes são uma tendência mundial, além de um ótimo investimento. De acordo com estudos no setor de inteligência de mercado da Euro-América, imóveis que se localizam próximos de áreas verdes urbanas são valorizados em torno de 3,5 vezes a mais quando comparados com imóveis distantes destas áreas (PORTAL GYNBR, 2014). Esses espaços como, praças e parques no entorno do imóvel, são fatores determinantes na hora da compra do mesmo (PORTAL G1, 2016).
De acordo com Danacal et. al. (2010), os parques influenciam diretamente na temperatura dos seus arredores, produzindo um efeito de resfriamento, através do processo de evapotranspiração das árvores, que ameniza as altas temperaturas, refresca e umidifica o ambiente, dando sensação de conforto aos moradores.
Com o crescimento dos centros urbanos, a utilização de asfalto, calçadas e edificações, os espaços das áreas verdes vão diminuindo e o solo acaba ficando impermeável, gerando inundações (FIORAVANTI, 2004). Para recuperar a capacidade de infiltração e retenção de águas pluviais em toda a área urbanizada é preciso fazer a ampliação de áreas verdes nas cidades (PORTAL CIVILIZAÇÃO ENGENHARIA, 2016). As árvores servem como esponjas, devido a porosidade que as raízes formam no solo, transpassando a água da superfície diretamente para os aquíferos subterrâneos (TRIGUEIRO, 2005). Estudos que simulam a ventilação de algumas cidades, afirmam que devido à rugosidade das folhagens das árvores, a velocidade dos ventos é reduzida (DACANAL et. al. 2010). Portanto edificações próximas às áreas verdes sofrem menos com os impactos dos ventos.
A preocupação com as áreas verdes foi crescendo quando se observou o aumento de sua degradação. Houve então a necessidade de garantir sua existência. Por isso, foram criadas leis relacionadas ao tema:
Lei Federal 7.803/89, alterando a Lei 4.771/65 que estabelece o Código Florestal Brasileiro;
Lei Federal 6.766/79 que dispõe sobre parcelamento do solo urbano;
Lei Orgânica do Município; e Plano Diretor do Município e leis complementares, como Lei Municipal de Parcelamento e Uso do Solo Urbano, Plano Viário Municipal, Código Municipal de Meio Ambiente, Lei Municipal de Saneamento e Lei do Mobiliário Urbano. Nas legislações citadas acima, encontram-se várias leis no âmbito da esfera municipal, isto porque, a Constituição Federal de 1988, em seu artigo 30, inciso VIII, afirma que fica a cargo dos municípios “promover, no que couber adequado ordenamento territorial, mediante planejamento e controle do uso, do parcelamento e da ocupação do solo urbano”. Assim, qualquer gerenciamento municipal de áreas verdes passa obrigatoriamente pelo levantamento e quantificação destas. Ou seja, devem-se considerar as áreas verdes da mancha urbana já estabelecida,
com vistas ao seu gerenciamento e ao planejamento da expansão da cidade.
Para avaliar a situação de áreas verdes em determinadas localidades e ver se essas leis estavam sendo seguidas, tornou-se necessário efetuar a quantificação de áreas verdes existentes. Neste contexto surge o Índice de Áreas Verdes – IAV, que é a razão que expressa a quantidade de espaços verdes livres de uso público, em m², pela quantidade de moradores que vivem em uma localidade predeterminada (DUARTE e ZIANTONIO FILHO, 2010). Para esta apuração, entram, por exemplo, os parques, as praças e os cemitérios, enfim, aqueles espaços de livre acesso para a população, que de alguma forma são recobertos por vegetação. Para encontrar o valor do IAV é considerado o somatório total de Áreas Verdes analisadas, dividido pelo número total de habitantes da área estudada (IBGE, 2016).
A UNESCO estabelece a necessidade de 10 m² por habitante, a OMS estabelece 12m² por habitante e a ONU estabelece 14 m² por habitante. No entanto, o valor considerado ideal pode variar entre instituições internacionalmente reconhecidas (MORERO, 1996). Para o cálculo do IAV, é necessário fazer um estudo da região urbana. As técnicas mais utilizadas são as do Sensoriamento Remoto, pela facilidade de se trabalhar com grandes áreas com um nível satisfatório de acurácia.
2.3 Sensoriamento Remoto
O Sensoriamento Remoto é uma ciência que estuda, analisa, aplica e desenvolve métodos e/ou técnicas para obtenção de informações sobre uma superfície ou objeto a partir de dados obtidos através da radiação eletromagnética refletida pelo alvo, sem que se tenha contato com este (INPE, 2016). Muitas técnicas utilizadas em Sensoriamento Remoto fazem parte do Processamento Digital de Imagens, uma vez que os dados de entrada (imagens) são digitais e podem ser tratados computacionalmente (SILVA, 2013).
De acordo com Figueiredo (2005) e Moreira, M (s.d.) o Sensoriamento Remoto teve início por volta do século XVI, com a invenção da câmara fotográfica, denominada de câmara escura, criada por J. B. Porta. Desde então, o Sensoriamento Remoto vem se desenvolvendo e ganhando contribuições, como a empreendida por Gaspar Felix Tounachon que, em 1859, fotografou do alto de um balão, a Vila Petit Becetre na França, mostrando a utilidade das fotografias aéreas verticais na obtenção de informações de uso e ocupação do solo, e de sua descrição geométrica (MOREIRA, M, s.d.).
Em meados de 1905, foi consolidado o sistema aerofotográfico, com a invenção do avião de Santos Dumont.
Após a criação do filme colorido em 1910, no ano de 1924 surgiu o infravermelho falsa-cor, que foi desenvolvido por necessidade militar a fim de distinguir alvos verdes fotossintetizadores (vegetação) de alvos verdes camuflados. Com isso, as aplicações de Sensoriamento Remoto têm seu modesto início. Apesar do desenvolvimento satisfatório das técnicas de tomada de imagens, a aquisição de dados de
Sensoriamento Remoto sofreu uma mudança de paradigma por meio dos resultados decorrentes da “corrida espacial”. Assim, a coleta de dados passou a ter caráter orbital.
Com isto o homem passou a ter acesso às imagens orbitais da Terra, além de outros astros. Desta forma, o Sensoriamento Remoto passou a ter suas fronteiras ampliadas, com uma quantidade cada vez maior de imagens disponíveis e com qualidade gradativamente melhor. As técnicas relacionadas a esta ciência se aperfeiçoaram e os sistemas, antes analógicos, passaram a ser digitais. Neste contexto, as técnicas de Sensoriamento Remoto passaram a ser cada vez menos dependentes do operador humano.
Por fim, cabe citar que, atualmente existem inúmeros satélites em orbita da Terra. No site do INPE (www.inpe.br), por exemplo, são fornecidas imagens de 11 satélites distintos, o que demonstra a potencialidade de aplicações e metodologias voltadas ao Sensoriamento Remoto como, por exemplo, as classificações de imagens.
2.3.1 Classificação de Imagens
A classificação de imagens é um dos tópicos mais importantes do Sensoriamento Remoto. Venturieri e Santos (1998) afirmam que, a classificação de imagens consiste em se estabelecer um processo de decisão no qual um pixel ou grupo de pixels é definido como pertencente a uma determinada classe. Cabe esclarecer que, uma classe é formada então por um conjunto de pixels que guardam alguma semelhança fotométrica entre si e que tal semelhança é estabelecida por meio algum critério matemático e/ou lógico. Então, o resultado final da classificação são os subgrupos de pixels da imagem de entrada (classes) que contenham características semelhantes, mediante algum sistema ou parâmetro de julgamento estabelecido.
Richards (1986) divide os métodos de classificação em dois grupos principais: os não-supervisionados e os supervisionados. Na classificação não-supervisionada, os pixels da cena são associados às classes espectrais, sem que haja a definição prévia destas classes. Em contrapartida, Sabo (2006) esclarece que o processo é supervisionado quando se faz necessária a interação entre o intérprete humano e o sistema de análise, possibilitando o treinamento do algoritmo de classificação através de amostras usadas para caracterizar ou estimar parâmetros estatísticos de cada classe.
Os métodos de classificação supervisionados apesar de mais custosos computacionalmente, tem grande importância por produzem resultados mais confiáveis (ROTUNNO FILHO, 2003).
Entre os métodos de classificação supervisionados está o Método do Paralelepípedo. Ele fundamenta-se no uso do histograma das amostras de treinamento de cada classe estabelecida pelo operador. Este histograma é usado para a determinação de limiares mínimo e máximo para cada classe. Dessa maneira, as intensidades que estiverem entre os limiares serão aceitas como pertencentes a uma classe predefinida. As figuras 1 e 2 mostram uma imagem aérea (figura 1) e os pixels relativos à vegetação selecionados/classificados, dispostos no espaço de cor RGB, envoltos por um paralelepípedo (figura 2). Neste método, as dimensões do paralelepípedo são
estabelecidas por algum critério baseado, por exemplo, em elementos radiométricos ou matemáticos.
Figura 1: Imagem aérea. Fonte: SILVA (2013)
Figura 2: Disposição das cores da imagem aérea no espaço de cor RGB e cores de pixels selecionados/classificados
(vegetação), envoltos pelo paralelepípedo. Fonte: SILVA (2013)
Segundo Sabo (2006), um pressuposto importante adotado na maioria dos procedimentos mais consolidados de classificação supervisionada é o de que as classes de interesse podem ser modeladas por uma distribuição de probabilidade no espaço multiespectral e, consequentemente, descritas pelos parâmetros dessa distribuição, em geral Normal ou Gaussiana.
2.3.2 Índices de artificialidade
Como dados de entrada para os classificadores, por vezes são empregadas imagens processadas por algum índice de artificialidade. Os índices de artificialidade são processos que tendem a destacar os elementos semelhantes que formam a imagem. Esses elementos podem ser feições antrópicas, gramíneas, mata, solo exposto, entre outros. Dentre os índices de artificialidade mais empregados estão: NDVI - Normalized Difference Vegetation Index: este índice fundamenta-se na quantia de radiação infravermelha próxima refletida pela vegetação (NIR – Near-Infrared ou, em português, infravermelho próximo). Segundo Polidorio et al (2003), o índice é estabelecido como sendo a razão entre uma banda com valores de brilho dos pixels proporcionais a densidade da vegetação (infravermelho próximo - NIR) e uma outra com valores decrescentes com o aumento da vegetação (vermelho – R). Matematicamente tem-se a equação 1 abaixo:
( )( ) (Equação 1)
NandA – Natural and Artificial: este índice, que foi proposto por Polidorio et al (2003), trabalha associando as áreas da imagem colorida de entrada, nas quais a vegetação aparece, às áreas em tons de cinza mais claros na imagem de saída. Assim, de forma complementar, as feições antrópicas aparecem em tons mais escuros. Segundo Vale et al (2008), sua formulação matemática é dada pela equação 2:
( ) (Equação 2) O NandA tem formulação simples e eficiente, utilizando apenas os canais R, G e B para a geração da imagem índice. Por sua formulação, o NandA não gera indeterminações decorrentes de seus cálculos, como poderia ocorrer no NDVI, e vem se popularizando cada vez mais. A figuras 3 e 4 apresentam, respectivamente, uma imagem aérea e o resultado de seu processamento via NandA.
Na figura 3, pode-se perceber que, quanto maior o volume de vegetação, mais claros são os pixels homólogos na figura 4 (imagem NandA), relativos a essa massa verde. Em contrapartida, quanto mais transformada pelo homem for à área (estrada e área mecanizada), mais escura ela se apresenta na imagem de saída (figura 4).
Figura 3: Imagem aérea rural (composição RGB) Fonte: SILVA (2013)
Figura 4: Imagem NandA Fonte: SILVA (2013)
2.3.3 Classificação Supervisionada de Silva (2013) A metodologia elaborada por Silva (2013) consiste de um classificador supervisionado que tem por base o método do paralelepípedo. Ou seja, os pixels relativos à classe alvo, selecionados no espaço de cor RGB, são aqueles envolvidos por um paralelepípedo definido por meio de critério estatístico (SILVA, 2013). No entanto, como o classificador de Silva (2013) se baseia em tons de cinza advindos da imagem NandA, o método do paralelepípedo sofre uma redução em sua complexidade, visto que, há uma redução de
componentes para a elaboração do critério de seleção. Grosso modo, verifica-se não se tratar mais de um paralelepípedo no espaço RGB, mas sim, de um intervalo no segmento de reta que, no espaço de cor, liga o ponto (0, 0, 0) ao ponto (255, 255, 255), considerando imagens de 8 bits.
Segundo Silva (2013), o projeto de seu classificador partiu da premissa de que uma população qualquer pode não ter moda, ter uma moda ou várias. Assim, no âmbito das imagens digitais, foram efetuadas análises de histogramas de imagens NandA, calculadas a partir de imagens aéreas e de satélites, como o exemplificado nas imagens 5(a) e 5(b). Assim, verificou-se que tal premissa se confirmava na prática e que o entorno das modas se assemelham à curva de Gauss, como mostra a Figura 5(b). Tal fato induziu a pensar que, as classes pudessem ser separadas utilizando-se parâmetros estatísticos que determinassem, por similaridade, a amplitude de cada “sino” que se forma no entorno de cada moda. Supondo então a normalidade local de cada classe, a simetria da curva em torno da moda e que, para a curva normal, a moda coincide com a média, buscou-se, segundo o que preconiza Gemael (1994), selecionar os elementos das classes por meio do cálculo da média (μ) e do desvio-padrão (
) de uma amostra, considerando que se forem tomados pixels cujos valores de DN estiverem compreendidos no intervalo[μ
-
3
σ,
μ
+
3
σ]
, então haveria uma probabilidade de 99,73 % de se ter selecionado os elementos da classe.Figura 5: Análise de Histograma: a) Imagem NandA; b) Histograma Bimodal da Imagem NandA.
Fonte: SILVA (2013)
Logo, ao final do processo, ficarão classificados/selecionados os pixels da imagem RGB de entrada, relativos aos pixels classificados na imagem NandA nas respectivas posições homólogas.
2.3.4 Classificação Supervisionada por Máxima Verossimilhança
O método de classificação por Máxima Verossimilhança considera a ponderação das distâncias entre médias dos níveis digitais (DN) das classes, utilizando parâmetros estatísticos (INPE, 2016).
O método pressupõe o conhecimento do operador acerca da temática e da região de estudo, ao ponto de poder identificar com precisão tais regiões no plano da imagem e assim poder definir satisfatoriamente as classes representativas.
Dessa forma, diante de amostras definidas pelo operador humano no plano da imagem (conjuntos de treinamento), define-se o diagrama de dispersão das classes, tendo como pressuposto que a distribuição é normal para cada classe de treinamento. Assim, com base nas informações estatísticas calcula-se a probabilidade de um pixel pertencer a uma determinada classe.
Figura 6: O histograma de duas classes e o limiar de distinção entre ambas.
Supondo que se tenha duas classes (1 e 2) normalmente distribuídas, mas com curvas de distribuição distintas (Figura 6), então estas curvas de distribuição expressarão a probabilidade de um dado pixel pertencer à classe 1 ou à classe 2. A pertinência a uma ou outra classe dependerá da posição do DN do pixel no histograma (Figura 6). Pode-se verificar na figura 6 que, ocorre uma região de superposição das curvas relativas à distribuição de ambas as classes. Esta superposição indica uma incerteza quanto à classificação do pixel. Ou seja, um pixel cujo DN estiver posicionado na área de superposição terá igual probabilidade de pertencer às duas classes. Nesta situação estabelece-se um critério de decisão a partir da definição de limiares (INPE, 2016).
Segundo o INPE (2016), este método geralmente fornece classificações com as melhores precisões. Porém, a precisão da classificação por máxima verossimilhança está associada a coleta de um número elevado de "pixels" para conjunto de treinamento.
2.4 RapidEye
BlackBridge é uma companhia que dispõe de uma constelação de cinco satélites multiespectrais idênticos, conhecidos como a constelação RapidEye, que imageiam sistematicamente a superfície terrestre, a uma altura orbital de 630 quilômetros (Processamento Digital, 2009).
Os sensores instalados nos cinco satélites RapidEye são conhecidos como REIS - RapidEye Earth Imaging System e captam imagens da Terra em cinco bandas
espectrais, respectivamente: o Azul (440–510nm), Verde (520-590nm), Vermelho (630-685nm), Red Edge (690-730nm) e Infravermelho Próximo (760-850nm) (PROCESSAMENTO DIGITAL, 2009). A banda Red Edge foi considerada no projeto do REIS por ser sensível às alterações do teor de clorofila das plantas, possuindo grande importância para a análise da biomassa. Segundo RapidEye (2016), a faixa de abrangência de coleta de imagens é de 77,25 km de largura e 1500 km de extensão e suas imagens são disponibilizadas com aproximadamente 77 km de largura e com comprimento entre 50 e 300 km, ao longo da órbita para as 5 bandas.
Segundo RapidEye (2016), o período de revisita dos satélites é de 24 horas off-nadir, que é o menor tempo de retorno no ramo de captura de imagens de satélite, e 5,5 dias nadir. A resolução espacial oferecida pelo sensor é de 6,5 metros e 5 metros nas ortoimagens (imagens em que as incorreções de posicionamento e relevo são removidas). O seu pixel está com 5 metros de resolução, possibilitando a produção de mapas com escalas de 1:25.000.
As imagens RapidEye ganharam importância no cenário nacional, devido a assinatura de convênio firmado entre a empresa e o governo federal, via Ministério do Meio Ambiente (MMA). O MMA está utilizando e disponibilizando um conjunto de imagens orbitais provenientes dos satélites RapidEye para apoiar a obtenção de informações geoespaciais temáticas relacionadas ao Programa de Regularização Ambiental. E mais, as imagens estão acessíveis gratuitamente a todos os órgãos públicos federais, estaduais, municipais e universidades públicas. As imagens podem ser obtidas mediante cadastro junto ao MMA e que pode ser efetuado no endereço eletrônico http://geocatalogo.mma.gov.br/ (MENGATTO JÚNIOR e SILVA, 2014).
3 Metodologia
Esta seção destina-se à apresentação dos procedimentos metodológicos desenvolvidos e realizados para fins de levantamento e quantificação das áreas verdes de domínio público da cidade de Sinop-MT, com vistas ao estabelecimento do IAV para a área de estudo. Em adição a isto, descreve-se também o processo de levantamento e quantificação de toda a vegetação da área de estudo para fins de análise de distribuição.
3.1 Setorização da cidade de Sinop
Para fins de análise e cálculo de IAV, considerou-se apenas parte da área urbana total do município de Sinop e optou-se pela subdivisão desta em 5 setores de estudo (Figura 7). Cabe esclarecer que, a escolha da porção do município de Sinop, considerada para a avaliação de IAV, se baseou na informação de Zona Urbana Consolidada (ZUC) que consta no Plano Diretor de Desenvolvimento Integrado do Município de Sinop (PREFEITURA MUNICIPAL DE SINOP, 2006). Porém, a área de estudo abrangeu mais do que a ZUC. E mais, a definição de setores de estudo e sua análise em separado objetivou considerar a não homogeneidade da área de estudo em decorrência de sua vastidão. Assim, para a determinação dos setores de estudo, houve o intento de se considerar áreas que fossem aproximadamente homogêneas, isto é, que possuíssem algumas características comuns. Além do mais, a setorização proposta parece coerente, uma
vez que, as áreas verdes atuam, por exemplo, como coadjuvantes na drenagem e no arrefecimento urbano, e estes efeitos ocorrem, geralmente, em um entorno limitado de onde estas áreas verdes se localizam.
Cabe dizer ainda que, a análise setorizada propicia o conhecimento local e profundo a cerca da área estudada e que as informações advindas do estudo podem subsidiar os gestores públicos, os construtores civis e os próprios moradores locais.
Figura 7: Esquema da divisão de setores de estudo da área analisada do município de Sinop.
Fonte: Acervo pessoal, 2016.
A figura 7 apresenta, sobre a imagem da região analisada, os contornos que delimitam cada um dos 5 setores de estudo, os quais são delimitados da seguinte forma:
Setor Norte: este setor é delimitado ao Norte pelas imediações da Avenida Perimetral Norte; ao Sul pela Avenida das Palmeiras; a Leste pela rodovia BR-163; a Oeste pela Avenida André Maggi.
Setor Central: este setor é delimitado ao Norte pela Avenida das Palmeiras; ao Sul pela Avenida dos Tarumãs; a Leste pela rodovia BR-163; a Oeste pela Avenida André Maggi.
Setor Sul: este setor é delimitado ao Norte pela Avenida dos Tarumãs; ao Sul pela estrada Alzira; a Leste pela rodovia BR-163; a Oeste pela Avenida André Maggi e pelos limites da área urbana da cidade. Setor Leste: este setor é delimitado ao Norte pela Avenida Caxias; ao Sul pela Avenida da Integração; a Leste pelas avenidas Rute de Souza Silva e Abel Dal Bosco; a Oeste pela rodovia BR-163.
Setor Oeste: este setor é delimitado ao Norte pelas avenidas Pantanal e Dr. Ilsão de Melo; ao Sul pela Rua Marina Azevedo Schineider; a Leste pela Avenida André Maggi; a Oeste pelos limites da área urbana da cidade.
3.2 A Contagem de habitantes por Setor de Estudo Em decorrência da necessidade de se ter uma contagem ou, pelo menos, uma estimativa da quantidade de habitantes para cálculo do IAV, procedeu-se o levantamento do número de habitantes dos setores apresentados na subseção 3.1 a partir do banco de dados de setores censitários do IBGE. Tal banco de dados possui interface amigável que apresenta um mapa de setores censitários, a partir do qual o número de habitantes de cada setor pode ser acessado. O banco de dados, que traz informações relativas ao censo 2010, pode ser encontrado em http://www.censo2010.ibge.gov.br/sinopseporsetores/ ?nivel=st.
Buscou-se também, junto ao site do IBGE, as informações relativas à divisão geográfica dos setores censitários, a qual foi obtida em formato SHP. Tal arquivo contém a identificação de cada setor censitário e foi considerada como apoio à setorização proposta neste trabalho (subseção 3.1).
3.3 O Procedimento de Classificação de Imagem para a Quantificação de Áreas Verdes e o Cálculo do IAV A classificação dos 5 setores e da área de estudo total ocorreu de duas formas distintas, as quais são descritas a seguir.
Inicialmente, efetuou-se o cadastro junto ao Ministério do Meio Ambiente para que se pudesse ter acesso às imagens ortorretificadas com resolução espacial de 5 metros da constelação Rapideye. Feito isso, efetuou-se o download, a partir do Geocatálogo, da imagem Rapideye de número 2133621, que recobre a cidade de Sinop. Tal imagem é relativa ao dia 14/05/2015. A imagem obtida é de nível 3A e foi submetida ao processo de correção radiométrica e geométrica a partir de DEM SRTM (uso de pontos de controle para a correção). Este tipo de imagem pode atingir exatidão de 6 m, compatível com escala 1:25.000 (BRASIL, 2012).
De posse da imagem, efetuou-se o processamento para o levantamento e quantificação das áreas verdes por meio da metodologia de Silva (2013), com base na imagem índice NandA, e também por meio do classificador de Máxima Verossimilhança, com base na imagem índice NDVI.
Cabe esclarecer que, a metodologia de Silva (2013) foi introduzida na pesquisa por se tratar de resultado científico ainda inédito e sujeito à validação pela comunidade científica. Assim, a metodologia aqui descrita possui dupla finalidade:
1ª) O levantamento e a quantificação de áreas verdes da cidade de Sinop, para cada setor de estudo previsto na subseção 3.1 e para o somatório dos setores, objetivando o cálculo IAV para estas áreas. 2ª) A avaliação de desempenho da metodologia de Silva (2013) por meio da comparação desta com o consagrado método de Classificação Supervisionada por Máxima Verossimilhança, baseada em imagem índice NDVI.
Dessa forma, para a classificação pelo método de Silva (2103), fez-se necessária a implementação da metodologia em linguagem C++, conforme o fluxograma (figura 8):
Figura 8 – Fluxograma da metodologia de classificação supervisionada de Silva (2013).
Fonte: Silva (2013)
Para que a metodologia de Silva (2013) pudesse ser aplicada, foi necessário que composições coloridas dos 5 setores e da área de estudo fossem geradas e salvas em formato RAW, que é o formato com o qual o programa construído trabalha. As composições citadas acima fora feitas no programa Quantum GIS. Para classificação, foi necessário informar ao programa por meio de arquivo as dimensões da imagem de entrada e as coordenadas de imagem que especificam a área de amostra de cada classe desejada.
Para a geração da classificação por Máxima Verossimilhança, com base na imagem índice NDVI, foi utilizado o software ArcMap. Para o processamento foram definidas duas classes principais: gramínea e vegetação arbustiva. Ao final de cada processamento, tais classes eram unidas para formar a classe vegetação. Assim obteve-se a área de uso e ocupação do solo, tanto para os 5 setores de estudo, quanto para a área total.
De posse dos valores das áreas recobertas por vegetação, advindas de ambas as metodologias, e da quantificação da população, efetuou-se o cálculo do IAV para os 5 setores e para a área total de estudo. Cabe esclarecer que, o IAV é dado pela razão:
( ) (Equação 3) E mais, o IAV foi calculado considerando-se:
1) As áreas verdes de domínio público de cada setor e de toda a área de estudo, com base na classificação por Máxima Verossimilhança. 2) A quantificação apenas de área recoberta por
vegetação em cada área verde de domínio público. Os cálculos foram feitos para cada setor e para toda a área de estudo. As quantificações
se basearam na classificação por Máxima Verossimilhança.
3) Ambos os valores de quantificação de áreas (de domínio público ou não) recobertas por vegetação da área de estudo obtidos via metodologia de Silva (2013) e por Máxima Verossimilhança
4 Resultados e Discussões
Nesta seção são apresentados os principais resultados provenientes da pesquisa executada, bem como, as análises e inferências efetuadas sobre estes resultados.
4.1 O Cálculo do IAV para as Áreas de Domínio Público do Município de Sinop-MT
As áreas tidas como de domínio público e mensuradas neste trabalho foram as praças, rotatórias e reservas. A figura 9 ilustra tais áreas. Na imagem da figura 9 tem-se as áreas verdes de domínio público destacadas e realçadas via NDVI. Cabe esclarecer que, em uma imagem NDVI a vegetação mais viçosa encontra-se em tons mais claros. Assim, é possível, por exemplo, verificar que nas áreas verdes de domínio público assinaladas na imagem da figura 9 estão presentes muitos pixels de tom mais escuro, o que indica, ou a falta de preservação de tais áreas, ou a presença de alvos que não constituem a vegetação.
Figura 9: Recorte das áreas verdes de domínio público do município de Sinop-MT, realçadas via NDVI.
Fonte: Acervo pessoal, 2016.
Apesar de numerosas, existe ainda alguma vacuidade de áreas verdes em certos bairros de Sinop. Exemplo deste fato ocorre na porção inferior do setor Sul e em todo o setor Leste. Acredita-se que a vacuidade de áreas verdes no setor Leste se dê pelo fato deste ser
destinado à fixação de indústrias. Porém, não se pôde levantar a verdadeira causa da vacuidade. E mais, pôde-se verificar que in loco que muitas das áreas verdes, principalmente aquelas relativas às rotatórias, encontram-se devastadas, não cumprindo na íntegra o seu papel no cenário urbano.
Independentemente destes fatos, o IAV calculado para a área de estudo (45,05 m2/hab.) superou as expectativas, por exemplo, da OMS, que prevê um IAV mínimo de 12 m2/habitante. Pode-se observar na tabela 1 os valores de IAV calculados para cada setor e para a área de estudo total. Percebe-se que, com exceção do setor Leste, todos os setores encontram-se dentro das expectativas da OMS e, considerando-se a área de estudos, verifica-considerando-se que esta supera em muito o IAV previsto.
Tabela 1. O IAV calculado com base nas áreas verdes de domínio público na área de estudo.
Setor Áreas Verdes de Domínio Público (m2) População (Habitantes) IAV m2/hab. Norte 1.254.450 29.871 41,99 Central 1.053.950 12.357 85,29 Sul 1.187.400 19.528 60,80 Leste 0 1.936 0 Oeste 258.675 19.640 13,17 Área de Estudo 3.754.475 83.332 45,05 Fonte: Acervo pessoal, 2017.
Tabela 2. O IAV calculado com base nas áreas verdes de domínio público da área de estudo, considerando apenas a
superfície recoberta com vegetação. Setor Áreas cobertas por vegetação (m2) População (Habitantes) IAV Norte 1.029.900 29.871 34,48 Central 821.975 12.357 66,51 Sul 964.350 19.528 49,38 Leste 0 1.936 0 Oeste 195.025 19.640 9,93 Área de Estudo 3.011.250 83.332 36,13 Fonte: Acervo pessoal, 2017.
Considerando a degradação de algumas áreas verdes de domínio público e para fins especulativos, efetuou-se o cálculo do IAV considerando-efetuou-se apenas a superfície das áreas verdes de domínio público efetivamente recobertas por alguma vegetação. Tais resultados encontram-se na tabela 2.
Mesmo diante da redução de área, o IAV manteve-se alto para a área de estudo (36,13 m2/hab.). Porém, no setor Oeste o valor do IAV ficou abaixo do esperado. Considerando-se a grande quantidade de habitantes do setor Oeste e o seu baixo valor de IAV, supõem-se que, problemas associados à ausência de áreas verdes, como, por exemplo, drenagem e arrefecimento urbanos deficitários, sejam gritantes no setor. Porém, devido ao fato dos bairros do setor Oeste serem periféricos, admite-se que a vegetação limítrofe e presente na porção oeste do setor possa atenuar tal situação. Tal dedução é justificada pela afirmação de Di Fidio (1985) que diz que “o ar fresco e úmido que vem da periferia para o centro urbano se aquece rapidamente ao percorrer a cidade”. Se tal afirmação for somada ao fato de que a referida região com vegetação, limítrofe ao setor, favorece a drenagem, então temos que a suposição de atenuação é pertinente.
Da análise setorizada do IAV, pode-se afirmar que, se nada for feito em relação aos setores Leste e Oeste, que possuem os mais baixos valores de IAV, estes poderão vir a ter problemas relacionados à presença deficitária de áreas verdes de domínio público, quando da expansão imobiliária no seu entorno. Consta no site da Colonizadora Sinop (http://www.gruposinop.com.br/responsabilidade.php) que, em seu projeto urbanístico, foram destinados 2.690.938,16m2 de área verde, para uma população estimada de 150.000 habitantes. Assim, de acordo com o projeto, para cada habitante de Sinop foram destinados 17,93m² de área verde.
Verifica-se que, a população considerada pela firma colonizadora é superior àquela efetivamente levantada pelo censo 2010. Daí a discrepância de valores entre o previsto pela colonizadora e o levantado pela pesquisa aqui apresentada.
Apesar de o IAV ser satisfatório para a área de estudo, verifica-se que há setores para os quais o índice é pobre. E mais, devido ao relevo da cidade de Sinop e a sua vastidão, entende-se que a distribuição espacial das áreas verdes é deficitária.
Ao observar a imagem da figura 9, pode-se observar que existem conglomerados de áreas verdes nos setores Norte, Central e Sul. Estes conglomerados dizem respeito às reservas estabelecidas no plano diretor do município e, apesar de serem altamente satisfatórias para a cidade por constituírem imensas áreas de drenagem, auxiliarem sobremaneira para o arrefecimento urbano, contribuírem para o paisagismo e constituírem grandes áreas de laser na cidade, suas benesses estão restritas a um pequeno raio em seu entorno. Assim, algo desejável seria a criação de áreas verdes de domínio público regularmente distribuídas e que tivessem um caráter funcional bem estabelecido.
4.2 O levantamento da Vegetação da Área de Estudo: Análise Comparativa de Métodos
Quando da realização da pesquisa aqui descrita, houve uma preocupação inicial com o levantamento das áreas verdes de domínio público, considerando a importância destas no âmbito da Engenharia Civil e áreas correlatas. Assim, buscou-se por elementos ou fenômenos correlacionados à presença de vegetação na área urbana como, por exemplo: 1) A drenagem de águas pluviais; 2) A estabilização de superfícies por meio da fixação do solo pelas raízes das plantas; 3) O arrefecimento urbano e a estabilização da temperatura do ar; 4) A resistência contra o vento; 5) O equilíbrio do índice de umidade no ar; 6) A filtragem do ar; 7) A redução do barulho; 8) A organização e composição de espaços urbanos no desenvolvimento das atividades humanas; e 9) O laser/recreação da população.
Logo, ao se efetuar o levantamento e construir as análises da subseção 4.1, verificou-se que alguns dos elementos listados acima estavam correlacionadas à presença de vegetação, mas possuíam caráter local, não sendo totalmente contemplados pelas áreas verdes de domínio público existentes. Um exemplo destes elementos ou fenômenos são a drenagem de águas pluviais, a estabilização de superfícies (solo) e o arrefecimento urbano, pois dependem da proximidade da vegetação. Nestes termos, buscou-se efetuar o levantamento e a quantificação de toda a
vegetação da área de estudo, pois, apesar desta vegetação não ser conceitualmente considerada no cálculo do IAV, ela possui sua importância e certamente, em maior ou menor grau, atenua os problemas associados à má distribuição espacial das áreas verdes de domínio público.
Portanto, para tal levantamento e quantificação de vegetação utilizou-se duas metodologias: a classificação supervisionada por Máxima Verossimilhança, já consagrada no âmbito do Sensoriamento Remoto, e a metodologia de classificação supervisionada de Silva (2013), ainda inédita. Com tal atitude buscou-se, além de efetuar o referido levantamento e quantificação, pôr à prova a metodologia de Silva (2013). Dessa forma, o “método científico”, que se baseia em experimentação e observação/inferência, está plenamente contemplado no trabalho.
Os valores de área recoberta por vegetação (gramínea e vegetação arbustiva) quantificados por meio da metodologia de classificação supervisionada por Máxima Verossimilhança são apresentados na tabela 3.
TABELA 3. Quantificação da vegetação dos setores de estudo por classificação supervisonada por Máxima
Verossimilhança Setor Área recoberta por vegetação (m2) População (Habitantes) IAV Norte 1.754.700 29.871 58,74 Central 1.427.925 12.357 115,56 Sul 1.861.625 19.528 95,33 Leste 356.775 1.936 184,28 Oeste 2.077.750 19.640 105,79 Área de Estudo 7.478.775 83.332 89,75 Fonte: Acervo pessoal, 2017.
Pode-se verificar, como era de se esperar, que houve uma elevação considerável nos valores das áreas recobertas por vegetação, em comparação com os valores obtidos para as áreas verdes de domínio público. Na verdade, o novo valor, considerando a região total de estudo, é cerca de 99,1% maior que o valor obtido anteriormente. Assim, supõem-se que os elementos ou fenômenos, citados há pouco, podem ser influenciados por esta vegetação que se encontra espacialmente distribuída pela área de estudo. Para fins de análise visual a figura 10 apresenta a imagem da área de estudo, resultante da classificação supervisionada por Máxima Verossimilhança. Nesta imagem, as feições em verde representam a vegetação detectada. Pode-se verificar na referida imagem que a vegetação encontra-se espacialmente bem distribuída ao longo dos arruamentos e nas propriedades particulares. Assim, pode-se depreender que, apesar da deficiência de distribuição das áreas verdes de domínio público, a arborização urbana é satisfatória, com exceção da área mediana do Setor central.
Figura 10: Resultado da classificação supervisionada pela metodologia de Máxima Verossimilhança
Fonte: Acervo pessoal, 2017.
A tabela 4 apresenta os valores de área recoberta por vegetação (gramínea e vegetação arbustiva) quantificados por meio da metodologia de classificação supervisiona de Silva (2013). Na referida tabela pode-se perceber que os valores de área obtidos para cada setor e, consequentemente, para a área de estudo são sempre maiores que aqueles obtidos via classificação por Máxima Verossimilhança. Considerando toda a área de estudo, verifica-se que a quantificação de área obtida por meio da metodologia de Silva (2013) é cerca de 15,8% maior que aquela obtida por meio da metodologia baseada em Máxima Verossimilhança.
TABELA 4. A quantificação da vegetação dos setores de estudo por Classificação Supervisionada de Silva (2013)
Setor Área recoberta por vegetação (m2) População (Habitantes) IAV Norte 1.999.525 29.871 66,94 Central 1.658.075 12.357 134,18 Sul 2.007.350 19.528 102,79 Leste 404.675 1.936 209,02 Oeste 2.590.100 19.640 131,88 Área de Estudo 8.659.725 83.332 103,91 Fonte: Acervo pessoal, 2017.
Ao se observar a imagem apresentada na figura 11, que apresenta o resultado da classificação obtido pela metodologia de Silva (2013), verifica-se nitidamente que as reservas do setor Norte e Sul, que apresentam corpos d’água, tiveram tais feições classificadas como vegetação.
Figura 11: Resultado da classificação supervisionada pela metodologia de Silva (2013)
Fonte: Acervo pessoal, 2017.
Assim, pode-se depreender que o excedente em área, obtido pela metodologia de Silva (2013), decorra deste fato. Neste ponto cabe informar que, tais discrepâncias advêm das imagens índice utilizadas em ambas as metodologias. Ou seja, na imagem índice NDVI os corpos d’água presentes na cena apresentam-se mais discrepantes da vegetação do que na imagem índice Nanda que, dada a resposta espectral dos corpos d’água, os assemelhou à vegetação.
Pode-se perceber ainda que os contornos das áreas classificadas pela metodologia de Silva (2013) são mais bem definidos do que aqueles obtidos via classificação por Máxima Verossimilhança.
Assim, pode-se atribuir a discrepância entre as áreas às diferenças provenientes das imagens índice utilizadas por ambas as metodologias e às características próprias de cada classificador quanto à definição de contornos. Porém, conclui-se que a metodologia de Silva (2013) foi eficiente em classificar a vegetação.
5 Conclusão
De acordo com o levantamento efetuado, a distribuição espacial das áreas verdes de domínio público de Sinop é precária. Assim, depreende-se que fenômenos relacionados à construção civil, como, por exemplo, a drenagem de águas pluviais, a estabilização de superfícies (solos), o arrefecimento urbano e o fluxo dos ventos, estejam sendo impactados negativamente.
Verifica-se que algumas leis ambientais, voltadas à infraestrutura dos loteamentos e projetos de construção civil, foram estabelecidas pela prefeitura municipal. Estas leis contemplam a criação e a preservação das áreas verdes urbanas. No entanto,
entende-se que muito mais precisa ser feito, considerando a alta taxa de crescimento anual da cidade de Sinop.
Por outro lado, a região de estudo compreende quase que a totalidade do perímetro urbano de Sinop e, com base na pesquisa, tal área possui IAV públicas de 45,05 m²/habitante, superando muito o que recomendam as instituições, UNESCO, OMS e ONU. Esse Índice de Área Verde elevado pode ter ocorrido pelo fato de que existem reservas florestais na região estudada.
O que se pode notar é que a região urbana de Sinop, no tocante à zona urbana consolidada (ZUC), apresenta alto índice de áreas verdes. Porém, nos bairros da zona urbana intermediária e zona de expansão, existem poucas áreas verdes públicas e não estão presentes reservas florestais, como as da zona consolidada.
Ao que se refere à construção civil, constata-se que imóveis construídos próximos às áreas verdes são mais valorizados, devido às contribuições destes espaços verdes para a população circunvizinha. Um bom exemplo a ser seguido é o do município de Goiânia – GO, que tem IAV de 94 m²/habitante, estando no primeiro lugar em áreas verdes dentre os municípios do Brasil e em segundo lugar no mundo. Torna-se importante fazer um planejamento urbano no meio fisico, dando atenção para as questões ambientais, criando e implantando novos espaços verdes em lugares estratégicos. Como consequência disso, a população se beneficiará desses espaços, alcançando melhor qualidade de vida.
Agradecimentos
Agradeço a Deus, por me dar forças para seguir, até mesmo nos momentos mais difíceis, superando obstáculos para alcançar meus objetivos.
A minha família, minha mãe Marluza, meu pai Gilberto e meu irmão Vinicius, por estarem sempre ao meu lado me apoiando e me incentivando nos estudos. Ao meu orientador, professor Dr. Giovane Maia do Vale, por me passar instruções e me orientar neste estudo com muita dedicação.
Agradeço a todas as pessoas, professores, colegas e amigos, que de alguma forma contribuíram para que eu me preparasse para chegar a esse momento tão esperado.
Sugestões
Futuros trabalhos podem dissertar sobre a classificação quantitativa destas mesmas áreas verdes, ou de toda a cidade, fazendo uma comparação entre a situação atual e a situação em anos anteriores.
Referências Bibliográficas
ARAÚJO, R. A. Florística e estrutura da comunidade arbórea em fragmento florestal urbano no município de Sinop, MT. Cuiabá, MT: Universidade Federal de Mato Grosso. 2008. (Tese de Pós-Graduação). BARGOS, D. C; Matias, L. F. Mapeamento E análise de áreas verdes urbanas em Paulínia (SP): Estudo
com a aplicação de geotecnologias. Universidade Estadual de Campinas. 2012. Revista Sociedade & Natureza, 24 p. BARICHELLO, L.M.P. Geotecnologia aplicada à análise da expansão urbana de Botucatu–SP (1962 – 2010). Botucatu, SP. Universidade Estadual Paulista, 2011. (Dissertação de Mestrado).
_____. Lei 588 de 09 de maio de 2000. Política Ambiental do município de Sinop. 2000. Sinop-MT.
_____. Lei Complementar N° 075/2012. Código Municipal do Meio Ambiente. 2012. Sinop-MT.
BRASIL, M. M. A. "Ministério do Meio Ambiente”. Geo Catálogo do Ministério do Meio Ambiente: Manual de Uso. Brasília-DF: MMA/SBF (2012).
CONAMA, Conselho Nacional do Meio Ambiente. Áreas protegidas – Áreas de Preservação Permanente Resolução CONAMA nº 369. 2006.
DANACAL, C. et. al. Avaliação do efeito da ventilação nos espaços urbanos abertos através de simulações e medições experimentais. Anais Encontro Nacional de Tecnologia do Ambiente Construído. 2010. Canela, RS.
Dl FIDIO, M. Architettura del paesaggio-criteri di pianificazione e construzione con numerosi schemi e illustrazioni. Milão-Itália. Editora Pirola. 1985. 302p.
DUARTE, D.A.G; ZIANTONIO FILHO, V.L. Índice de área verde por habitante para o município de Timburi-SP. 2010. Anais XVI Encontro Nacional de Geógrafos. Porto Alegre-RS. 10 p.
FIGUEIREDO, Divino. Conceitos Básicos de Sensoriamento Remoto. 2005. Disponível em: <http://www.conab.gov.br/conabweb/download/SIGABRASIL/ manuais/conceitos_sm.pdf>. Acesso em 20 de dezembro de 2016.
FIORAVANTI, C. Enchentes: as águas encontram saídas. Revista Pesquisa. Pesquisa FAPESP, n. 103, p. 78, 2004. IBGE, INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Evolução Populacional de Sinop. 2016.
Disponível em:
<http://cidades.ibge.gov.br/xtras/perfil.php?lang=&codmun=5 10790&search=||infogr%E1ficos:-informa%E7%F5es-completas>. Acesso em 10 de dezembro de 2016.
INPE. Classificação de Imagens. 2016. Disponível em: <http://www.dpi.inpe.br/spring/portugues/tutorial/classific.html >. Acesso em 18 de novembro de 2016.
KOWALTOWSKI, D. C. C. K. Introdução ao planejamento urbano. Campinas, SP: Universidade Estadual de Campinas; Faculdade de Engenharia Civil. 1989. (Apostila).
MACEDO, S. S.; SAKATA, F. G. Parques urbanos no Brasil. 2ª ed. São Paulo, SP: Ed USP, 2002. 206 p.
MENGATTO JÚNIOR, E. A.; SILVA, J. Imagens de alta resolução (RapidEye) para elaboração de mapas para planejamento e gerenciamento: estrada parque do Pantanal, MS. Anais V Simpósio de Geotecnologias no Pantanal, p. 513-522. 2014.
MOREIRA, M. A. Satélites e História do Sensoriamento Remoto. DSR/INPE. (s.d).
MORERO, A.M. et al. Planejamento ambiental de áreas verdes, estudo de caso: distrito sede do minicipio de Campinas-SP. Campinas, SP. Uiversidade Estadual de Campinas, 1996. (Dissertação de Mestrado).
NETO, E.M.L. Análise das áreas verdes das praças do bairro centro e principais avenidas da cidade de Aracaju-SE. Revista da Sociedade Brasileira de Arborização Urbana, V. 2, N. 1, 2007. P. 17 - 33.
Portal Cidades. Sinop. 2013. Disponível em: <http://www.cidades.com.br/cidades-do-brasil/estado-mato-grosso/354-sinop.html>. Acesso em 10 de dezembro de 2016.
Portal Civilização Engenharia. Chuvas: problemas e soluções. 2016. Disponível em: <https://civilizacaoengenheira.wordpress.com/2016/04/06/ch uvas-problemas-e-solucoes/>. Acesso em 20 de dezembro de 2016.
Portal G1. Imóvel perto de parques e praças pode custar 20% a mais em Goiânia. 2016. Disponível em: <http://g1.globo.com/goias/mercado-imobiliario/noticia/2016/ 12/imovel-perto-de-parques-e-pracas-pode-custar-20-mais-em-goiania.html>. Acesso em 20 de dezembro de 2016. Portal Gynbr. Goiânia: Valorização do verde. 2014. Disponível em: <http://www.gynbr.com.br/2014/10/goiania-valorizacao-do-verde.html>. Acesso em 20 de dezembro de 2016.
Portal Processamento Digital. Constelação de Satélites RapidEye. 2009. Disponível em: <http://www.processamentodigital.com.br/2009/12/30/constel acao-de-satelites-rapideye/>. Acesso em 15 de dezembro de 2016.
Portal Sinop em Dados. Geografia do Município. 2015. Disponível em:< http://sinopemdados.com.br/geograf ia-do-municipio/localizacao-geografica/285104>. Acesso em 10 de dezembro de 2016.
PREFEITURA MUNICIPAL DE SINOP. Conheça Sinop, a cidade. 2016. Disponível em: <http://www.sinop.mt.gov.br/Conheca-Sinop/A-Cidade>. Acesso em10 de dezembro de 2016.
RAPIDEYE. Satellite Imagery Product Specifications. Disponível em: <www.rapideye.com>. Acesso em 15 de dezembro de 2016.
RAUBER, T. M. Percepção ambiental de um grupo de moradores do entorno de reservas florestais urbanas em Sinop-MT. Caceres-MT: Universidade do Estado de Mato Grosso–UFMT, 2011. (Dissertação de Mestrado)
Revista Exame. Imóveis em áreas verdes estimulam comprador a pagar mais. 2013. Disponível em: <http://exame.abril.com.br/seu-dinheiro/imoveis-em-areas-verdes-estimulam-comprador-a-pagar-mais/>. Acesso em 20 de dezembro de 2016.
RICHARDS, J. A. Remote sensing digital image analysis: an introduction. New York, Springer Verlag, 1986.
ROTUNNO FILHO (2003). Modelagem da poluição não pontual na bacia do Rio Cuiabá baseada em geoprocessamento. Revista Brasileira de Recursos Hídricos, Volume 8 n.4, 2003, P. 115-135
SABO, L. A. Análise da incerteza na representação de classes temáticas resultantes da aplicação de uma rede neural artificial. Presidente Prudente, SP: Universidade Estadual Paulista, 2006. (Dissertação de mestrado)
SEBUSIAN, R.V.S.; Bettine, S.C. Metodologia de análise do uso e ocupação do solo em micro bacia urbana. Campinas, SP: Pontificia Universidade Católica. Revista Brasileira de Gestão e Desenvolvimento Regional, v. 7, n. 1, 2011. SILVA, S.J. Uma análise espaço-temporal do uso e ocupação do solo na região de nascente do Rio Jaracatiá utilizando técnicas de sensoriamento remoto. Colider, MT: Universidade do Estado de Mato Grosso, 2013. (Trabalho de conclusão de curso).
TOLEDO, F. S.; SANTOS, D. G. Espaço Livre de Construção – Um passeio pelos Parques Urbanos. Revista da Sociedade Brasileira de Arborização Urbana, v. 7, n. 2, p.10-23, 2012. TRIGUEIRO, A. Mundo sustentável: abrindo espaço na mídia para um planeta em transformação. Editora Globo Livros, 2005.
VENTURIERI, A.; SANTOS, J. R. Técnicas de Classificação de Imagens para Análise de Cobertura Vegetal. In: ASSAD, E. D.; SANO, E. E., eds. Sistema de Informação Geográfica: Aplicações na Agricultura. Brasília: DF. Embrapa – SPI/Embrapa-CPAC, 1998. p 351-371.
