-
XX Simpósio Brasileiro de Recursos Hídricos 1
DADOS ESPACIAIS GLOBAIS E ANÁLISES REGIONAIS:
GEOTECNOLOGIAS NO ESTUDO DE MUDANÇAS NO SEMIÁRIDO
Iana Alexandra A. Rufino 1* & Kevin Mulligan
2
Resumo
Diante da alta disponibilidade de dados e grades espacializadas
de dados ambientais, várias análises
regionais podem ser viabilizadas atentando-se para as
compatibilidades de resolução e formatos.
Dados censitários originalmente agregados em unidades setoriais
também podem ser integrados em
uma análise regionalizada. Neste sentido, este trabalho
apresenta uma análise da região semiárida
nordestina, sob o ponto de vista da variabilidade climática
observada e das mudanças populacionais
ocorridas. Utiliza-se uma metodologia integradora advinda das
geotecnologias de forma a
estabelecer níveis de pressão de mudanças a que estão submetidas
as bacias hidrográficas desta
região.
Palavras-Chave – Variáveis climáticas globais, Geotecnologias,
Dados censitários.
GLOBAL SURFACES AND REGIONAL ANALYSIS: GEOSPATIAL
TECHNOLOGIES SUPPORTING BRAZILIAN SEMI-ARID CHANGES
STUDIES. Abstract
High availability of Global data grids makes possible several
regional analyzes if it considers
particular issues about resolution and formats. Census data
nested into census tracks units can also
be integrated into a regionalized and spatial analysis. In this
sense, this paper presents an analysis of
Brazilian semi-arid region, considering climate variability and
population changes and using
geospatial technology approach in order to establish levels of
pressure changes that are submitted
some watersheds in this region.
Keywords – Global Climate data, Geospatial Technology; Census
data.
INTRODUÇÃO
Alterações no clima podem alterar inúmeras características
hidrológicas de uma bacia tais
como, o balanço hídrico, as taxas de evapotranspiração, a vazão
e a recarga dos aqüíferos (Steinke,
2004). Kustas et al. (1994) e French et al. (2005) apontam que
elevações na temperatura,
promovidas por alterações na cobertura do solo, interferem
significativamente na taxa de
evapotranspiração de cultivos.
Conforme Arnell (1994), o aumento da concentração de gases
estufa, por exemplo, resulta
em aumento no balanço de radiação na superfície terrestre,
produzindo modificações nas
temperaturas, taxas de evaporação e chuvas e, em conseqüência,
nos regimes de umidade dos solos,
reabastecimento de águas subterrâneas e escoamento fluvial.
Qualquer alteração natural e/ou
antrópica que altere a quantidade de vegetação e de áreas úmidas
possibilita alterações climáticas de
escalas espacial e temporal variadas (Weng, 2001; Chudnovsky et
al, 2004).
Neste contexto, o sensoriamento remoto (SR) via satélite
proporciona uma alternativa para
quantificar os fluxos de energia entre a atmosfera e a
superfície terrestre com um fornecimento
1 Professor Adjunto. Programa de Pós-graduação em Engenharia
Civil e Ambiental, Unidade Acadêmica de Engenharia Civil,
Universidade Federal de Campina Grande,
e-mail:[email protected]. 2 Professor Associado. Diretor
do Center for Geospatial Technology, Texas Tech University,
Lubbock, TX, e-mail: [email protected].
* Autor Correspondente.
-
XX Simpósio Brasileiro de Recursos Hídricos 2
quase continuo de dados com alta resolução temporal e espacial,
possibilitando assim considerável
melhoria nos sistemas de assimilação dos modelos (Paiva,
2005).
O padrão espectral de cada pixel dos produtos de SR pode ser a
base numérica para
classificação das várias características espaciais. Além disso,
Sistemas de Informação Geográfica
(SIG) permitem a integração dos dados remotos classificados e de
informações adicionais de
diversas outras fontes (população, recursos naturais, etc) para
apoiar a tomada de decisões
(Ramachandra & Kumar, 2009).
A disponibilidade gratuita de produtos de Sensoriamento Remoto e
de softwares de
Geoprocessamento torna possível atualmente, a qualquer pessoa ou
instituição, produzir dados de
qualidade a um custo muito baixo. Esta disponibilidade perpassa
por diversos sensores e satélites,
os quais devem ser cuidadosamente estudados e cujos produtos,
devem ser minuciosamente
conhecidos (resolução espacial, hora de passagem, resolução
radiométrica e temporal, etc.) para sua
efetiva utilização em qualquer aplicação. Muitas vezes, dados
censitários não são utilizados por
gestores, pelo fato de não se encontrarem no formato adequado
para uma análise rápida.
Neste sentido, este trabalho apresenta uma metodologia de
integração de variáveis
climáticas interpoladas para superfícies globais e disponíveis
na web em uma análise regionalizada
para o semiárido brasileiro. Pretende-se classificar as bacias
hidrográficas desta região de acordo
com as pressões de mudanças a que estão submetidas. Este
indicador de pressões óbtidos através de
uma análise espacial em ambiente SIG usando duas variáveis
climáticas e uma variável
demográfica e lançando mão de conceitos oriundos dos conjuntos
difusos na adequação das
variáveis.
SOBRE O SEMIÁRIDO BRASILEIRO
O semiárido é a área de maior abrangência territorial dentre os
espaços naturais que
integram a região Nordeste do Brasil. Do ponto de vista
físico-climático, o semiárido se caracteriza
por médias térmicas elevadas (acima de 26°C) e duas estações bem
distintas: uma seca na qual
chove muito pouco, e uma úmida quando ocorrem precipitações
irregulares que vão de um mínimo
de 300 mm a um máximo de 800 mm.
A precipitação pluviométrica ocorre de forma bastante irregular
no espaço e no tempo. As
altas temperaturas com pequena variação interanual exercem forte
efeito sobre a evapotranspiração
que, por sua vez, determinam o déficit hídrico como o maior
entrave à ocupação do semiárido
nordestino e ressaltam a importância da irrigação na fixação do
homem nas áreas rurais destas
regiões em condições sustentáveis. O acesso à água em
quantidade, qualidade e regularidade pela
população rural constitui um importante fator limitante da
sustentabilidade da vida no semiárido.
Nas regiões semiáridas a deficiência hídrica é um somatório de
fatores como: ausência, escassez,
irregularidade e má distribuição das precipitações
pluviométricas na estação chuvosa, além da
intensa evaporação durante o período de estiagem e o elevado
escoamento superficial das águas.
Além disso, o semiárido brasileiro apresenta a maior
concentração populacional em regiões
semiáridas do mundo, o que faz com que a pressão sobre os
recursos hídricos seja itensificada pela
necessidade de abastecimento humano. Segundo dados do último
censo (IBGE, 2010), a população
do semiárido supera os 22 milhões de habitantes. Este número
representa cerca de 12% de toda a
população brasileira. Segundo a delimitação oficial definida
pela Portaria no. 89 do Ministério da
Integração Nacional (BRASIL, 2005), o semiárido possui 1.135
municípios dsitribuídos entre 9
estados (Bahia, Sergipe, Alagoas, Pernambuco, Rio Grande do
Norte, Paraíba, Ceará, Piauí e a parte
norte de Minas Gerais). A Figura 1 apresenta uma caracterização
hidrográfica da região bem como
o modelo de elevação.
-
XX Simpósio Brasileiro de Recursos Hídricos 3
A delimitação de bacias é disponibilizada pela ANA (Agência
Nacional de Águas) em
formato vetorial compatível com a maioria dos SIG. O modelo
digital de elevação apresentado é um
recorte de uma superfície global (GLOBE, 1999) tratado e
classificado em abiente SIG. A
topografia da região em algumas áreas apresenta relevo
montanhoso e nestas áreas é possível a
identificação de um “microclima” diferenciado das demais. Além
disso, algumas destas áreas com
altos valores de elevação estão mais próximas ao oceano o que
pode induzir massas de ar frio e
elevar os níveis de precipitação.
Figura 1 – (a) Bacias Hidrográficas (Fonte: ANA, 2012); (b)
Modelo Digital de Elevação (Fonte: GLOBE Project,
1999)
VARIÁVEIS CLIMÁTICAS GLOBAIS
A variabilidade climática tem sido ao longo dos anos, a
principal causa de flutuações na
produção global de alimentos em regiões áridas e semiáridas dos
países tropicais em
desenvolvimento. Picos de aquecimento e resfriamento, secas e
inundações e várias outras formas
de variações climáticas tem causado estragos na agricultura e
pecuária destas regiões. Tudo isto,
somado a outros condicionantes físicos e, a questões sociais e
econômicas podem fazer com que as
mudanças climáticas tenham um forte impacto econômico e
organizacional da população.
(SIVAKUMAR et al., 2005).
Neste sentido existem diversas bases de dados climáticos globais
disponíveis para uso em
SIG. As geotecnologias permitem integrar diferentes dados de
fontes e formatos variados. Nos dias
atuais, o desafio científico não é mais a produção do dado em si
mas, a definição da metodologia
mais “apropriada” para usar de forma eficiente a vasta gama de
dados disponível.
Para criar uma série temporal de dados de chuva para mútiplas
localizações é necessário um
trabalho árduo de coleta dos dados das estações que usam por sua
vez, diferentes instrumentos e
métodos e, e o resultado é um conjunto de dados que nem sempre
tem uma boa distribuição
espacial. Segundo Chapman (2010), na última década, esses
registros foram criados, e em seguida,
através de procedimentos de interpolação sofisticados, os dados
foram reexpressos em pixels de
latitude e longitude em diferentes níveis de resolução. Os dados
de precipitação utilizados neste
estudo (Figura 2) foram obtidos no GPCC - Global Precipitation
Climate Center (Serviço
-
XX Simpósio Brasileiro de Recursos Hídricos 4
Meteorológico Nacional da Alemanha). A superfície interpolada
apresenta uma única variável
(precipitação) com resolução espacial de 0.5o de latitude e
longitude (aproximadamente 1 km), para
os anos de 1951 a 2000. O GPCC criou uma base de dados de
precipitação de 50 anos previstos
para as áreas globais que está disponível desde agosto de 2005.
Os dados mensais definidos para as
supefícies globais (excluindo Groenlândia e Antártida) para o
mesmo período (1951-2000) está
disponível em três resoluções diferentes (0,5 ° lat / lon, 1,0 °
lat / lon, 2,5 ° lat / lon).
Figura 2 – Precipitação Média Annual e Sazonalidade da
Precipitação (source: GPCC, 2005; WorldClim, 2005)
O Projeto WorldClim (Higmans et al., 2005) é uma base de dados
climáticos (climate grids)
globais com resolução de 1 km2 O objetivo desta base de dados é
fornecer variáveis bioclimáticas
globais para estudos ambientais. A variável BIO15 diz repeito à
sazonalidade da precipitação
baseada no coeficiente de variação e é apresentada na figura 1b.
De acordo com Higmans et al.
(2005), o coeficiente de variação é o desvio padrão da
precipitação semanal estimada, expressa pleo
percentual da média das estimativas (i.e. da média anual).
Pode-se observar através desta variável
que em países de clima tropical há uma variabilidade maior da
precipitação. De acordo com
Chapman (2010), a visualização desta variável em mapa mostra as
áreas da superfície terrestre em
que, para qualquer valor da média, a precipitação é sazonalmente
"agrupada".
Assim como a precipitação a variabilidade da temperatura na
região semiárida é bastante
elevada. A figura 3 apresenta as variáveis BIO1 e BIO4,
Temperatura média anual e Sazonalidade
da Temperatura (expressa em termos do desvio padrão multiplicado
por 100).
DINÂMICA POPULACIONAL
Dados censitários são excelentes fontes de informação e permitem
análises temporais com
intervalos regulares (no caso do censo brasileiro, décadas).
Para a observação de mudanças na
população residente no semiárido foram utilizados dados dos
Censos de 1980 e 2010 (intervalo de
30 anos). Uma operação algébrica de “subtração” pode permitir a
visualização de crescimento ou
-
XX Simpósio Brasileiro de Recursos Hídricos 5
declínio populacional de um município (Figura 5a). Entretanto, a
distribuição do dado populacional
por limite administrativo (limites políticos dos municípios)
dificulta a leitura de um “mudança” na
superfície semiárida.
(a) (b)
Figure 3 - – (a) Temperatura Média Anual, (b) Sazonalidade da
Temperatura (source: WorldClim , 2005)
Utilizando um estimador de densidade Kernel pode-se visualizar a
magnitude da população
por unidade de área para cada pixel. A função Kernel presente em
alguns pacotes SIG é baseada em
uma função quadrática definida por Silverman (1986). A figura 4
apresenta as superfícies geradas
para os dois censos. Os dados anteriormente agregados por
polígonos municipais foram
“transferidos” para as respectivas sedes municipais, entendendo
que nas áreas urbanas é onde se
observa a maior quantidade de população residente na região.
A figura 5 compara a diferença entre os censos visualizadas em
termos de “dados
agregados” (modelo padrão dos dados censitários) e em
superfície. Observa-se que cidades como
Campina Grande e Caruaru tem “atraído” um crescimento
populacional em seu entorno o que causa
uma “junção” das manchas de densidade.
INDICADOR DE PRESSÃO DE MUDANÇAS
Para estabelecer um indicador de áreas sob forte “pressão” do
ponto de vistas de mudanças
ao longo dos anos foi proposta uma metodologia de “sobreposição
Fuzzy” utilizando ferramentas
do ambiente SIG. O conceito de conjuntos difusos ou nebulosos
(Fuzzy Sets) foi proposto por Zadeh
(1965), como uma generalização do conceito da Teoria Clássica
dos Conjuntos. Os conjuntos
Difusos são uma metodologia de caracterização de classes, que
por varias razões não têm ou não
podem definir limites rígidos (bordas) entre classes. Essas
classes definidas de maneira inexata são
chamadas de conjuntos Difusos. A utilização de um conjunto
Difuso é indicada sempre que se tiver
-
XX Simpósio Brasileiro de Recursos Hídricos 6
que lidar com ambigüidade, abstração e ambivalência em modelos
matemáticos ou conceituais de
fenômenos empíricos (Burrough & McDonnell, 1998).
Figure 4 – Population surface (1980 and 2010) using Kernel
Density.
(a) (b)
Figure 6 – Population Changes (From 1980 to 2010): (a) Polygon
nested data; (b) Kernel density surface
Os conjuntos difusos se caracterizam por não possuírem limites
definidos e a transição entre
a pertinência ou não pertinência de uma posição é gradual. Neste
trabalho, um conjunto difuso é
-
XX Simpósio Brasileiro de Recursos Hídricos 7
caracterizado pelo grau de pertinência (também chamado de grau
de adequação) que varia de 0 a 1,
indicando um aumento contínuo de uma situação de não pertinência
para uma de total pertinência
segundo uma função linear.
Considerando que não foram atribuídos pesos diferenciados aos
critérios na análise, a Figura
7 apresenta o resultado obtido e classificado segundo intervalos
iguais de forma a estabelecer níveis
de pressão, segundo uma escala ordinal, (valores mais baixos,
indica menos “pressão’ que valores
mais altos).
CONSIDERAÇÕES FINAIS
Ao sobrepor as bacias hidrográficas observa-se que as sub-bacias
do São Francisco
Submédio e Baixo são as que apresentam maiores indicadores de
“pressão” de mudanças. A alta
sazonalidade da Temperatura e a dinâmica populacional vigente
provocada por diversos
investimentos na região são os principais fatores de pressão
seguida por uma sazonalidade de
precipitação um pouco mais baixa que na região próxima a
Fortaleza (norte do semiárido) mas
ainda com valores elevados.
A partir de um indicador como este, outras análises em escalas
de bacia hidrográfica podem
ser realizadas como detecção de mudanças de uso de solo
utilizando imagens de satélite de
múltiplas datas ou a agregação de outras variáveis ambientais. A
metodologia proposta, considera
que dados espaciais globais podem e devem ser utilizados em
análises regionais e que podem
apresentar resultados consistentes mesmo para áreas menores como
pequenas bacias, sendo a
validação de resultados e o conforntamento com alguma verdade de
campo (ground truth)
fundamental nestes casos.
Figure 7 – Níveis de Pressão de mudanças na região semiárida
considerando 3 critérios.
-
XX Simpósio Brasileiro de Recursos Hídricos 8
REFERÊNCIAS ARNELL, N. W. (1994). Hydrological impacts of
climate change. In: CALLOW, P. e PETTS, G. E. (Eds.).
The rivers handbook. Oxford: Blackwell, vol. 2, p. 173 –
185.
Beck, C., J. Grieser and B. Rudolf (2005): A New Monthly
Precipitation Climatology for the Global Land
Areas for the Period 1951 to 2000 . In: Climate Status Report
2004, pp. 181 - 190, German Weather Service,
Offenbach, Germany.
BRASIL. Ministério da Integração Nacional. DOU, Portaria Número
89 de 10 de Março de 2005. Brasília-
DF, 2005.
BURROUGH, P. A. MCDONNELL R. A. (1998). Principles of Geographic
Information Systems. Oxford,
Oxford University Press.
Chapman, G. 2010. “Popular perception and climate change:
mapping the varying experience of
precipipation”. In: W. Østreng (ed): Transference.
Interdisciplinary Communications 2008/2009. CAS, Oslo
(Internet publication, http://www.cas.uio.no/publications_/
transference.php, ISBN:978-82-996367-7-3).
CHUDNOVSKY, A.; Ben-Dor, E.; Saaroni, H. (2004). Diurnal thermal
behavior of selected urban objects
using remote sensing measurements. Energy and Buildings, n.36,
p.1063 – 1074.
FRENCH, A.N.; JACOB, F.; ANDERSON, M.C.; KUSTAS, W.P.;
TIMMERMANS, W.; GIESKE, A.; SU,
Z.; SU, H.; MCCABE, M.F.; LI, F.; PRUEGER, J.; BRUNSELL, N.
(2005). Surface energy fluxes with the
Advanced Spaceborne Thermal Emission and Reflection radiometer
at the Iowa 2002 SMACEX site (USA).
In: Remote Sensing of Environment, n. 99, p. 55 – 65.
GLOBE Task Team and others (Hastings, David A., Paula K. Dunbar,
Gerald M. Elphingstone, Mark Bootz,
Hiroshi Murakami, Hiroshi Maruyama, Hiroshi Masaharu, Peter
Holland, John Payne, Nevin A. Bryant,
Thomas L. Logan, J.-P. Muller, Gunter Schreier, and John S.
MacDonald), eds., 1999. The Global Land
One-kilometer Base Elevation (GLOBE) Digital Elevation Model,
Version 1.0. National Oceanic and
Atmospheric Administration, National Geophysical Data Center.
Digital data base on the World Wide Web
(URL: http://www.ngdc.noaa.gov/mgg/topo/globe.html) and
CD-ROMs.
Hijmans, R.J., S.E. Cameron, J.L. Parra, P.G. Jones and A.
Jarvis, 2005. Very high resolution interpolated
climate surfaces for global land areas. In: International
Journal of Climatology 25: 1965-1978.
IBGE – Instituto Nacional de Geografia e Estatística (2010).
KUSTAS, W.P.; DAUGHTRY, C.S.T. e VAN OEVELEN, P.J. (1994).
Analytical treatment of relationships
between soil heat flux/net radiation ratio and vegetation
indices. Remote Sensing of Environment, vol. 46,
319 – 330.
PAIVA, C.M. Estimativa do Balanço de Energia e da Temperatura da
Superfície via Satélite NOAA-
AVHRR. Tese (Doutorado em Ciencias em Engenharia Civil),
COPPE/Universidade Federal do Rio de
Janeiro, UFRJ, 2005, 248 p.
RAMACHANDRA, T.V and KUMAR, Utam. (2009). Geoinformatics for
Urbanization and Urban Sprawl
pattern analysis. In: Koshi, Pani & Mohapatra et al (org.).
Geoinformatic for Natural resources
Management.(Capítulo 19). Nova Science Publishers, 2009.
Silverman, B. W. Density Estimation for Statistics and Data
Analysis. New York: Chapman and Hall, 1986.
SIVAKUMAR, M. V. K., DAS, H. P. and BRUNINI, O. (2005). Impacts
of present and future climate
variability and change on agriculture and forestry in the arid
and semi-arid tropics. In: Climatic Change 70:
31–72. Springer.
STEINKE, E. T. (2004). Considerações sobre variabilidade e
mudança climática no Distrito Federal, suas
repercussões nos recursos hídricos e informação ao grande
público. Tese (Doutorado), publicação ECO.TD,
Departamento de Ecologia, Universidade de Brasília, Brasília,
DF, 196 p.
WENG, Q. (2001). A remote sensing–GIS evaluation of urban
expansion and its impact on surface
temperature in the Zhujiang Delta, China. International Journal
of Remote Sensing, v. 22, n.10, p. 1999 –
2014.
ZADEH L. A. (1965). Fuzzy sets. Information and Control,
8:338-353.
http://www.cas.uio.no/publications_/%20transference.phphttp://www.worldclim.org/worldclim_IJC.pdf
