Embed Size (px)
Citation preview
TESE DE DOUTORADO
EVOLUÇÃO DA PAISAGEM DO BAIXO CURSO DO RIO PIRANHAS-ASSU (1988-2024): USO DE AUTÔMATOS CELULARES
EM MODELO DINÂMICO ESPACIAL PARA SIMULAÇÃO DE CENÁRIOS FUTUROS
Autor:
ALFREDO MARCELO GRIGIO
Orientador:
Prof. Dr. Venerando Eustáquio Amaro (DG/PPGG-UFRN)
Tese Nº 19 / PPGG
Natal – RN, fevereiro de 2008
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE CIÊNCIAS EXATAS E DA TERRA
PROGRAMA DE PÓS-GRADUAÇÃO EM GEODINÂMICA E GEOFÍSICA
CP: 1.639 CEP: 59.072-970 NATAL–RN TEL(FAX): 215-3831
TESE DE DOUTORADO
EVOLUÇÃO DA PAISAGEM DO BAIXO CURSO DO RIO PIRANHAS-ASSU (1988-2024): USO DE AUTÔMATOS CELULARES
EM MODELO DINÂMICO ESPACIAL PARA SIMULAÇÃO DE CENÁRIOS FUTUROS
Autor:
ALFREDO MARCELO GRIGIO
Tese de Doutorado apresentado em 29 de fevereiro de 2008, para obtenção do título de Doutor em Geodinâmica pelo Programa de Pós-Graduação em Geodinâmica e Geofísica da UFRN.
Comissão Examinadora:
Prof. Dr. Venerando Eustáquio Amaro (Orientador)
Prof. Dr. Antonio Conceição Paranhos Filho (DHT/CCET/UFMS)
Prof. Dr. Edilson Alves de Carvalho (DGEO/UFRN)
Prof. Dr. Francisco de Assis Mendonça (DGEO/UFPR)
Profa. Dra. Helenice Vital (PPGG/UFRN)
Natal – RN, fevereiro de 2008
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE CIÊNCIAS EXATAS E DA TERRA
PROGRAMA DE PÓS-GRADUAÇÃO EM GEODINÂMICA E GEOFÍSICA
CP: 1.639 CEP: 59.072-970 NATAL–RN TEL(FAX): 215-3831
Todos os efeitos são recíprocos e nenhum
elemento age sobre outro sem que ele próprio
seja modificado...
Carl Jung
i
AGRADECIMENTOS
Nas palavras do amigo Geógrafo Gevson Andrade (Universidade de
Pernambuco - UPE):
Agradecer é reconhecer com gratidão todo o apoio recebido durante uma jornada, é entender a humildade da doação na grandeza das pessoas que com simplicidade nos ajudaram a percorrer trilhas, pegar atalhos e transpor obstáculos para atingir objetivos.
Ao orientador Prof. Dr. Venerando Eustáquio Amaro, que com a transmissão
de seus valiosos conhecimentos, sua amizade, atenção e muita compreensão, aliados
à confiança que me depositou, contribuindo decisivamente para o êxito desse
trabalho e, principalmente, por nos incentivar a buscar o melhor de nós.
À Profa. Dra. Helenice Vital, pelos ensinamentos e incentivo durante a
elaboração desse trabalho e, especialmente, por confiar no meu perfil profissional.
Ao Programa de Pós-graduação em Geodinâmica e Geofísica da
Universidade Federal do Rio Grande do Norte, pela aceitação no referido Curso, e
por darem à oportunidade, subsídio, e incentivo para a conclusão do curso de
Mestrado, através de seus professores, funcionários e infraestrutura.
À Secretaria da PPGG, Nilda, pela sua eficiência, dedicação e carinho.
A CAPES, pela concessão de bolsa de estudo.
Ao Laboratório de Geoprocessamento (GEOPRO), por disponibilizar a
infraestrutura necessária a elaboração desse trabalho.
À minha família pelo carinho, apoio e incentivo, que nunca deixaram faltar
na minha vida.
Aos professores Marco Antonio Diodato (UFPI), Aldo Dantas (UFRN),
Antonio Paranhos Filho (UFMS) e Cynthia Romariz Duarte (UFRN), por delinear,
direcionar e incentivar a minha vida profissional.
Ao Prof. Dr. Karl Stattegger e toda a sua equipe da Universidade de KIEL –
ALEMANHA, pelo apoio durante minha estadia na Alemanha.
ii
A minha querida amiga Angélica, pelo carinho, amizade e valioso apoio nas
horas difíceis que passamos juntos na Alemanha.
A minha maravilhosa e querida amiga Greys Vega-Flores pelo apoio e por
ter sido uma grande companheira durante minha estada na Alemanha.
A minha querida amiga Julia Richter pelo apoio e pelos momentos
agradáveis em que passamos juntos em Kiel.
A todas as pessoas que conheci na Alemanha e que de alguma forma durante
minha estadia me deram apoio, incentivo e amizade.
Aos amigos do coração, Prof. Adauto Gomes Barbosa (CEFET-RN) e
Geógrafo Antônio Ferreira Junior, minha eterna gratidão.
A minha querida amiga Eng. Ambiental Thais Torres (UFMS), pela alegria e
doçura com que tem oferecido a sua amizade.
Ao Prof. Dr. Britaldo Soares Filho e a equipe do Laboratório de
Sensoriamento Remoto da UFMG, pela contribuição dada durante o treinamento do
programa DINAMICA EGO.
Aos colegas da Universidade Federal do Rio Grande do Norte e, em
particular, aos do Programa de Pós-graduação em Geodinâmica e Geofísica.
Aos amigos e professores da Universidade Estadual do Rio Grande do Norte
pelo apoio e incentivo.
Aos meus companheiros de trabalho do Curso de Gestão Ambiental da
Universidade Estadual do Rio Grande do Norte, pelo apoio, amizade e incentivo na
conclusão de mais uma etapa de minha vida.
Aos colegas do Laboratório de Geoprocessamento, pelas preciosas horas de
trabalho e de descontração.
Aos colegas do Laboratório GGEMMA, por me socorrer nas horas de
dúvidas e pelas horas de descontração.
Ainda desejo expressar meus mais sinceros agradecimentos, pela
compreensão, amizade e apoio recebido de todos que, voluntária ou
involuntariamente, participaram no desenvolvimento desse trabalho.
iii
RESUMO
O baixo curso do rio Piranhas-Assu, localizado no Litoral Norte do Rio Grande do Norte, é de especial interesse como área de estudo, uma vez que, além das atividades de exploração de petróleo e gás, concentra as atividades relacionadas à carcinicultura, ao sal e à fruticultura, fatores que também merecem especial atenção. Assim, o conhecimento do estágio em que se encontra a área de estudo em seu estado ambiental, exige dos pesquisadores estudos e da sociedade conscientização, no sentido de se entender a inter-relação homem e ambiente. Portanto, busca-se conhecer e estudar a dinâmica do uso e ocupação do solo do baixo curso do rio Piranhas-Assu, através de uma análise multitemporal de tempos passados e presente, e realizar projeções futuras através de modelo de simulação. O trabalho é dividido em etapas que compreendem a pesquisa, a análise e interpretação de resultados e a geração de modelos de simulação, para análise de tendência da paisagem, tornando possível a identificação de indicadores causadores de tais mudanças para o baixo curso do rio Piranhas-Assu. Do Banco de Dados Geográficos foram realizadas as análises exploratórias necessárias aos seguintes itens: evolução do uso e ocupação do solo, vulnerabilidade natural e ambiental, índices de geodiversidade múltipla e preparação dos dados a serem utilizados no modelo de simulação. Posteriormente, procedeu-se à construção do modelo de simulação da paisagem. Na seqüência, realizaram-se às simulações de cenários futuros pela execução do modelo dentro de um ambiente de software específico para tal finalidade. Por último, realizaram-se as análises de tendência da paisagem da área de estudo. O baixo curso do rio Piranhas-Assu não apresentou uma intensa dinâmica de mudança da paisagem, já que no período considerado (de 1988 a 2004), a estabilidade das classes mostrou-se superior às suas transformações. As atividades relacionadas com a agricultura e com a pecuária são as que conduzem, principalmente, a dinâmica da paisagem. A produção de camarão marinho e de petróleo também infere na paisagem, porém em menor proporção. As políticas públicas do INCRA determinaram sobremaneira a dinâmica da paisagem do baixo curso do rio Piranhas-Assu, RN. Em relação à vulnerabilidade natural, o baixo curso do rio Piranhas-Assu, RN, apresenta mais áreas vulneráveis que estáveis. Na simulação da paisagem, no primeiro período considerado (2004-2009), houve aumentos e diminuições consideráveis das atividades antrópicas, se comparados aos períodos posteriores (2009-2014, 2014-2019 e 2019-2024). A simulação, em uma análise mais abrangente, mostra que os fatores determinantes para a mobilidade espacial das atividades antrópicas, na área em foco, estão relacionados à pré-existência de comunidades com vocação agropecuária e à existência de vias de acesso e escoamento. Uma área a ser destacada é a que corresponde às dunas fixas e móveis, localizadas no município de Porto do Mangue. Recomenda-se a transformação dessa área em unidade de conservação.
iv
ABSTRACT
The lower course of Piranhas-Assu river, located in the north coast of Rio Grande do Norte, Brazil, arouses a keen interest as a study field, once it concentrates, besides petroleum and gas exploration, activities related to shrimp culture, salt and horticulture, factors that also deserve special attention. Thus, the awareness of the study field environmental stage demands studies from researchers and discernment from society, as a way of understanding the inter-relation between environment and men. Therefore, this work attempts at understanding and studying the dynamics of land use in the lower course of Piranhas-Assu river, through a multitemporal analysis of present and past, accomplishing future projections through simulation models. The work is divided in stages that include the research, analysis, interpretation of results, and the generation of simulation models, to analyze the landscape tendencies, making possible to identify indicators which cause such changes in the lower course of the river. From Geographical Database, the necessary exploratory analyses were accomplished to the following items: land use evolution, natural and environmental vulnerability, multiple geodiversity indexes, and preparation of the data to be used in the simulation model. Later, the construction of the landscape simulation model was conducted. Sequentially, simulations of future sceneries were accomplished through the execution of the model in a specific software environment. Last, the analyses of landscape tendencies in the study field were carried out. The lower course of Piranhas-Assu River didn't show any intense dynamics in landscape changing, once in the period taken into account (from 1988 to 2004) class stability proved to be superior to its transformations. Activities related to agriculture and livestock are the ones that influence, mostly, the landscape dynamics. The production of sea shrimp and petroleum also infers in the landscape, although in smaller proportion. INCRA’s public policies excessively determined the dynamics of the landscape in the lower course of Piranhas-Assu River, RN. In respect to its natural vulnerability, the lower course of Piranhas-Assu River, RN, features more vulnerable than stable areas. The landscape simulation, in the first taken period (2004-2009), indicated considerable increases and decreases of antropic activities, if compared to its sequent periods (2009-2014, 2014-2019 and 2019-2024). The simulation, in a wider analysis, showed that the determining factors for the space mobility of antropic activities, in the focused area, are related to the pre-existence of communities with agricultural capability and to the existence of access routes and drainage. Considering the area that features fixed and mobile dunes, located in Porto do Mangue district, we recommend its conversion into a conservation area.
v
LISTA DE FIGURAS
pg.
Figura 1.1 Mudanças na estrutura de agregação. a) fragmentação. b) Fusão. c) Reordenamento ................................................................ 10
Figura 1.2 Requisitos para modelagem dinâmica em SIG (Fonte: Couclelis, 1997 apud Pedrosa, 2003) ..................................... 15
Figura 1.3 Tipos de modelos, conforme Pedrosa (2003) ..................................... 16
Figura 1.4 Fluxograma do programa DINAMICA EGO (Fonte: Soares Filho, 1998) ................................................................. 24
Figura 2.1 Localização da área de estudo: baixo curso do rio Piranhas-Assu (RN) .................................................................. 30
Figura 2.2 Mapa base do baixo curso do rio Piranhas-Assu (RN) ....................... 31
Figura 2.3 Total de população, no período 1996-2020, dos municípios da área de estudo .............................................................. 33
Figura 2.4 Mapa de solos e associação de solos do baixo curso do rio Piranhas-Assu (RN) ........................................................ 38
Figura 2.5 Mapa de vegetação do baixo curso do rio Piranhas-Assu (RN) .......... 41
Figura 2.6 Mapa geotectônico da Província Borborema. (Fonte: PESSOA NETO, 1999) .......................................................... 42
Figura 2.7 Embasamento cristalino sobre o qual depositaram-se os sedimentos da Bacia Potiguar. (Fonte: ECOPLAM, 1997) ............ 43
Figura 2.8 Mapa de localização da Bacia Potiguar com respectiva área de estudo. (Adaptado: PESSOA NETO, 1999) ........................... 44
Figura 2.9 Mapa geológico simplificado da Bacia Potiguar. SPA, sedimentos de praia e aluviões (Compilado de DANTAS, 1998) ............................................................................. 46
Figura 2.10 Mapa de localização e arcabouço estrutural da Bacia Potiguar. (Fonte: CREMONINI, 1996) ..................................... 49
Figura 2.11 Modelo proposto por Fonseca (1996) para a compartimentação do litoral norte entre as falhas de Afonso Bezerra e Carnaubais ......................................................... 50
Figura 2.12 Mapa simplificado de geologia do baixo curso do rio Piranhas-Assu, RN ......................................................................... 53
Figura 2.13 Afloramento da Formação Açu no baixo curso do rio Piranhas-Assu (RN) (Foto: Grigio, maio/2005) ............................ 54
Figura 2.14 Afloramento da Formação Jandaíra no baixo curso do rio Piranhas-Assu (RN) (Foto: Grigio, maio/2005) ............................ 55
Figura 2.15 Afloramento da Formação Macau no baixo curso do
vi
rio Piranhas-Assu (RN) (Foto: Grigio, maio/2005) ............................ 56
Figura 2.16 Afloramento da Formação Tibau no baixo curso do rio Piranhas-Assu (RN) (Foto: Grigio, maio/2005)............................. 57
Figura 2.17 Afloramento da Formação Barreira no baixo curso do rio Piranhas-Assu (RN) (Foto: Grigio, abril/2003) ............................. 58
Figura 2.18 Vista parcial de terraços flúvio-estuarino no baixo curso do rio Piranhas-Assu (RN) (Foto: Grigio, maio/2005) ....................... 60
Figura 2.19 Vista parcial do depósito de planície de maré do baixo curso do rio Piranhas-Assu (RN). (a) Zona de Supramaré; (b) Zona de Intermaré. (Foto: Grigio, maio/2005) .............................. 61
Figura 2.20 Vista parcial do depósito aluvionar do baixo curso do rio Piranhas-Assu (RN). (Foto: Grigio, maio/2005) ...................... 62
Figura 2.21 Vista parcial do depósito Colúvio-eluvial do baixo curso do rio Piranhas-Assu (RN). (Foto: Grigio, maio/2005) ...................... 63
Figura 2.22 Vista parcial de depósito eólico (Dunas Fixas) do baixo curso do rio Piranhas-Assu (RN) (Foto: Grigio, abril/2003) .............. 64
Figura 2.23 Vista parcial dos depósitos eólicos (Dunas Móveis) do baixo curso do rio Piranhas-Assu (RN) (Foto: Grigio, abril/2003) ........................................................................................... 65
Figura 2.24 Vista parcial do Depósito de Sedimentos de Praia Recentes do baixo curso do rio Piranhas-Assu (RN) (Foto: Grigio, abril/2003) .................................................................... 66
Figura 2.25 Padrões e correlação de superfícies de aplainamentono nordeste do Brasil e regiões vizinhas ............................................. 68
Figura 2.26 Mapa de geomorfologia do baixo curso do rio Piranhas-Assu (RN) ............................................................................. 74
Figura 3.1 Etapas de trabalho e as etapas da modelagem ..................................... 78
Figura 3.2 Mapa de pontos de controle de campo na área de estudo. 2003 e 2005 ........................................................................ 85
Figura 3.3 Modelo de Matriz de Transição .......................................................... 101
Figura 3.4 Modelo para o cálculo de faixas (rangers) a serem utilizadas no cálculo dos Pesos de Evidência ...................................... 104
Figura 3.5 Modelo para o cálculo dos Pesos de Evidência ................................... 105
Figura 3.6 Exemplos do formato dos dados de saída para os Pesos de Evidência, de forma tabular e gráfica, para o caso da transição de Atividade Agrícola para Atividade Pecuária, para as variáveis: Distâncias a Cidades, Distâncias a Drenagem Permanente e Distâncias a Estradas .................................................... 107
Figura 3.7 Modelo para calibração da simulação de cenários futuros .................. 110
Figura 3.8 Mapa de transições de uso e ocupação do solo,
vii
entre os anos 2001 e 2004, do baixo curso do rio Piranhas-Assu (RN) ............................................................................. 111
Figura 3.9 Modelo para o cálculo do índice de similaridade entre mapas ........... 114
Figura 5.1 Variáveis independentes utilizadas para a simulaçãoda paisagem do baixo curso do rio Piranhas-Assu, RN: a) distâncias a cidades; b) distâncias a drenagem permanente; c) distâncias a estradas; d) Modelo Digital do Terreno; e) Declividade; f) paisagem inicial – uso 2004; g) geodiversidade múltipla ponderada; h) vulnerabilidade ambiental ............................................................... 162
Figura 5.2a Mapas de probabilidade de transição Pesos de Evidência (esperado) e mapas de transição de uso e ocupação do solo (observado) .......................................................... 163
Figura 5.2b Mapas de probabilidade de transição Pesos de Evidência (esperado) e mapas de transição de uso e ocupação do solo (observado) .......................................................... 164
Figura 5.2c Mapas de probabilidade de transição Pesos de Evidência (esperado) e mapas de transição de uso e ocupação do solo (observado) .......................................................... 165
Figura 5.3 Diferentes tamanhos de janela, gerados durante a calibração ............. 167
Figura 5.4a Evolução da paisagem do baixo curso do rio Piranhas-Assu, RN, do período de 2004 a 2024 ................................. 169
Figura 5.4b Evolução da paisagem do baixo curso do rio Piranhas-Assu, RN, do período de 2004 a 2024 ................................. 170
Figura 5.4c Evolução da paisagem do baixo curso do rio Piranhas-Assu, RN, do período de 2004 a 2024 ................................. 171
Figura 5.4d Evolução da paisagem do baixo curso do rio Piranhas-Assu, RN, do período de 2004 a 2024 ................................. 172
Figura 5.4e Evolução da paisagem do baixo curso do rio Piranhas-Assu, RN, do período de 2004 a 2024 ................................. 173
Figura 6.1 Mapa base do baixo curso do rio Piranhas-Assu (RN) ....................... 177
Figura 6.2 Mapa de intersecção de Vulnerabilidade Natural e Geodiversidade Múltipla Ponderada ................................................ 178
Figura 6.3 Mapas de intersecção de atividades agroindustriais (áreas sombreadas) com Vulnerabilidade Natural e Geodiversidade Múltipla Ponderada, para o ano simulado de 2014 ................................................................................ 179
Figura 6.4 Vista parcial das dunas móveis, no município de Porto do Mangue. (Fotos: www.viajenaviagem2.zip.net/ images/, www.guiadosmunicipios.com.br/rn/ Porto%20do%20Mangue/ e
viii
www.viagemeturismo.abril.com.br/vt/imagem) ................................. 182
Figura 6.5 Distribuição, por área, das atividades antrópicas, dentro das categorias de Vulnerabilidade Natural e de Geodiversidade Múltipla Ponderada, na paisagem simulada do ano de 2014 .................................................................................... 185
Figura 6.6 Mapas de interseção de atividades agroindustriais (áreas sombreadas) com Vulnerabilidade Natural e Geodiversidade Múltipla Ponderada, para o ano simulado de 2024 ................................................................................ 186
Figura 6.7 Distribuição, por área, das atividades antrópicas, dentro das categorias de Vulnerabilidade Natural e de Geodiversidade Múltipla Ponderada, na paisagemsimulada do ano de 2024 ..................................................................... 190
Figura 6.8 Mapa de mudanças de atividades entre os anos 2004 e 2024 ......................................................................................... 193
Figura 6.9 Evolução das atividades antrópicas durante o período de 1988 a 2024, em hectare, do baixo curso do rio Piranhas-Assu, RN .............................................................................. 195
ix
LISTA DE TABELAS
pg.
Tabela 1 Resumo dos tipos de modelos (PEDROSA, 2003) ............................. 17
Tabela 2.1 População, taxa de urbanização e de crescimento e Índice de Desenvolvimento Humano (IDH) dos municípios envolvidos na área de estudo ............................................ 32
Tabela 2.2 Municípios e Respectivas Populações Total, Urbana e Rural (período 1996-2020) ............................................................... 32
Tabela 2.3 Área colhida dos principais produtos agrícolas, ano de 2003, dos municípios da área de estudo .............................................. 34
Tabela 2.4 Efetivo de rebanho, ano de 2003, dos municípios da área de estudo ...................................................................................... 35
Tabela 2.5 Produção de carvão vegetal, lenha, madeira em tora e principais produtos das espécies florestais nativas, ano de 2003, dos municípios da área de estudo .................................. 35
Tabela 2.6 Poços perfurados e produtores de petróleo, produção de óleo ou petróleo líquido e gás natural em terra, ano de 2003, dos municípios da área de estudo .............................................. 36
Tabela 2.7 Classes de solo/associação de solo do baixo curso do rio Piranhas-Assu (RN) ....................................................................... 37
Tabela 2.8 Proposta de divisão para o “Grupo Barreiras” (MABESOONE et al., 1972) .............................................................. 58
Tabela 2.9 Hipóteses para evolução geomorfológicas do NordesteOriental Brasileiro – existindo duas principais correntes: as abordagens morfoclimáticas e as abordagens neotectônicas (adaptado de SAADI; TORQUATO, 1992) ................. 70
Tabela 2.10 Classes de feições geomorfológicas do baixo curso do rio Piranhas-Assu (RN) ....................................................................... 75
Tabela 3.1 Relação das imagens orbitais utilizadas para a confecção de alguns mapas temáticos ................................................. 83
Tabela 3.2 Tabela de cruzamento temporal gerado pela extensão ArcView Spatial Analyst v1.1 .............................................. 86
Tabela 3.3 Valores de estabilidade de unidades de paisagem. (Fonte: Motta et al., 1999, modificada de Tricart, 1977) .................... 87
Tabela 3.4 Grau de vulnerabilidade das classes dos mapas temáticos .................. 90
Tabela 3.5 Grau de vulnerabilidade das classes dos mapas temáticos .................. 92
Tabela 3.6 Códigos de identificação e respectivas classes de solo/associação de solos, para o baixo curso do rio Piranhas-Assu, RN ......................................................................... 93
x
Tabela 3.7 Índices de Geodiversidade Específica, Geodiversidade Específica Posicional, Geodiversidade Múltipla, Geodiversidade Múltipla Posicional, Geodiversidade Ponderada e de Geodiversidade Ponderada Posicional,tendo o solo como parâmetro base de análise, para o baixo curso do rio Piranhas-Assu, RN ............................................................... 94
Tabela 3.8 Mapas formato raster utilizados e seus respectivos layers gerados ...................................................................................... 97
Tabela 3.9 Agrupamento das classes de ocorrência no baixo curso do Rio Piranhas-Assu, RN, por características/ funções semelhantes ............................................................................ 98
Tabela 3.10 Agrupamento das classes de ocorrência no baixo curso do Rio Piranhas-Assu, RN, por características/ funções semelhantes ............................................................................ 99
Tabela 3.11 Variáveis de transição escolhidas para a simulação ............................ 103
Tabela 3.12 Variáveis utilizadas na geração de cenários futuros ............................ 108
Tabela 3.13 Variáveis estatísticas das transições de uso e ocupação do solo, entre os anos 2001 e 2004, do baixo curso do rio Piranhas-Assu (RN). Classes: 3 = Atividade Agricultura; 4 = Atividade Industrial; 5 = Atividade Pecuária; 6 = Vegetação de Caatinga .................................................................. 112
Tabela 3.14 Porcentagem de Expander e Patcher usadas na simulação ................. 113
Tabela 3.15 Janelas de amostragem e respectivos índices de similaridade Fuzzy entre mapas ........................................................... 115
Tabela 3.16 Categorias de análise para a Vulnerabilidade Natural e Geodiversidade Múltipla Ponderada ................................... 116
Tabela 5.1 Matrizes de transição da área de estudo, para os pares de anos 1988-1998, 1998-2001 e 2001-2004 ...................................... 156
Tabela 5.2 Resultado das matrizes de transição, discriminado por transição para cada par de anos ..................................................... 157
Tabela 5.3a Correlação entre variáveis independentes, pelo Coeficiente de Crammer (V) e Incerteza de Informação Conjunta (U), entre os anos 2001 e 2004, para a transição Atividade Agrícola - Atividade Pecuária ............................. 158
Tabela 5.3b Correlação entre variáveis independentes, pelo Coeficiente de Crammer (V) e Incerteza de Informação Conjunta (U), entre os anos 2001 e 2004, para a transição Atividade Agrícola – Vegetação Caatinga .......................................... 158
Tabela 5.3c Correlação entre variáveis independentes, pelo Coeficiente de Crammer (V) e Incerteza de Informação Conjunta (U), entre os anos 2001 e 2004, para a transição
xi
Atividade Pecuária - Atividade Agrícola ............................................ 159
Tabela 5.3d Correlação entre variáveis independentes, pelo Coeficiente de Crammer (V) e Incerteza de Informação Conjunta (U), entre os anos 2001 e 2004, para a transição Atividade Pecuária – Vegetação Caatinga ........................... 159
Tabela 5.3e Correlação entre variáveis independentes, pelo Coeficiente de Crammer (V) e Incerteza de Informação Conjunta (U), entre os anos 2001 e 2004, para a transição vegetação Caatinga - Atividade Agrícola ............................ 160
Tabela 5.3f Correlação entre variáveis independentes, pelo Coeficiente de Crammer (V) e Incerteza de Informação Conjunta (U), entre os anos 2001 e 2004, para a transição vegetação Caatinga - Atividade Industrial ........................... 160
Tabela 5.3g Correlação entre variáveis independentes, pelo Coeficiente de Crammer (V) e Incerteza de Informação Conjunta (U), entre os anos 2001 e 2004, para a transição Vegetação Caatinga - Atividade Pecuária ........................... 161
Tabela 6.1 Área e porcentagem das atividades agropecuárias e industriais e da cobertura vegetal, discriminadas por categoria de Vulnerabilidade Natural (VN) e de Geodiversidade Múltipla Ponderada (GMP), para o ano de 2014 .............................................................................. 184
Tabela 6.2 Área e porcentagem das atividades agropecuárias e industriais e da cobertura vegetal, discriminadas por categoria de Vulnerabilidade Natural (VN) e de Geodiversidade Múltipla Ponderada (GMP), para o ano de 2024 .............................................................................. 188
Tabela 6.3 Área das classes de uso e ocupação do solo, do baixo curso do rio Piranhas-Assu, RN, para os anos de 2004, 2009, 2014, 2019 e 2024, e suas diferençasem percentagem ................................................................................... 190
Tabela 6.4 Uso e ocupação do solo e remanescente de vegetação de caatinga, em hectare, durante o período de 1988 a 2024, do baixo curso do rio Piranhas-Assu, RN ........................................... 194
xii
LISTA DE SIGLAS
AGETEO Associação de Geografia Teorética
BDG Banco de dados geográficos
CAPES Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
CBERS China-Brazil Earth-Resources Satellite
CCD Câmera Imageadora de Alta Resolução
CCMN Centro de Ciências Matemáticas e da Natureza
CNPq Conselho Nacional de Desenvolvimento Científico e Tecnológico
CTPETRO Fundo Setorial de Ciência e Tecnologia - Petróleo e Gás
DAAD Deutscher Akademischer Austausch Dienst
DELTA Dynamic Ecological Land Tenure Analisys
ECOPLAM Empresa de Consultoria e Planejamento Ambiental Ltda.
EGO Environment for Geoprocessing Objects
EMBRAPA Empresa Brasileira de Pesquisa Agropecuária
ESRI Environmental Systems Research Institute
ETM+ Enhanced Thematic Mapper Plus
FAO Food and Agriculture Organization
FINEP Financiadora de Estudos e Projetos
GCP Ground Control Points
GEOPRO Laboratório de Geoprocessamento/UFRN
GPS Global Positioning System
IDEMA Instituto de Desenvolvimento e Meio Ambiente do Rio Grande do
Norte
IDH Índice de Desenvolvimento Humano
IGBP International Geosphere-Biosphere Programme
IHDP International Human Dimensions Programme on Global
Environmental Change
INCRA Instituto Nacional de Colonização e Reforma Agrária
IPCC Intergovernmental Panel on Climate Change
LAGEOP Laboratório de Geoprocessamento/UFMG
MARPETRO Monitoramento geoambiental de áreas costeiras na zona
petrolífera de Macau/RN
xiii
PDI Processamento digital de imagem
PETROBRAS Petróleo Brasileiro SA
PETRORISCO Monitoramento ambiental de áreas de risco a derrame de óleo
Pnud Programa das Nações Unidas para o Desenvolvimento
Pnuma Programa das Nações Unidas para o Meio Ambiente
PPGG Programa de Pós-Graduação de Geodinâmica e Geofísica
PROBAL Programa Brasil Alemanha (CAPES/DAAD)
RGB Red – Green – Blue
RGBI Red – Green – Blue – Intensity
RMS Erro Médio Quadrático
RN Rio Grande do Norte
SBC Sociedade Brasileira de Cartografia
SIG Sistema de Informação Geográfica
SR Sensoriamento Remoto
SRTM Shuttle Radar Topography Mission
SUDENE Superintendência do Desenvolvimento do Nordeste
UFMG Universidade Federal de Minas Gerais
UFRJ Universidade Federal do Rio de Janeiro
UFRN Universidade Federal do Rio Grande do Norte
UNESP Universidade Estadual de São Paulo
USGS United States Geological Survey
xiv
SUMÁRIO
Agradecimentos ........................................................................................................ iResumo ...................................................................................................................... iiiAbstract ..................................................................................................................... ivLista de Figuras ........................................................................................................ vLista de Tabelas ........................................................................................................ ixLista de Siglas ........................................................................................................... xiiSumário ..................................................................................................................... xiv
INTRODUÇÃO
1. APRESENTAÇÃO .................................................................................. 012. INTRODUÇÃO ....................................................................................... 013. OBJETIVOS ............................................................................................ 024. JUSTIFICATIVA .................................................................................... 03
Capítulo 1 – FUNDAMENTAÇÃO TEÓRICA
1.1 FUNDAMENTAÇÃO TEÓRICA ......................................................... 051.1.1 Análise multitemporal ............................................................................ 051.1.2 Vulnerabilidade ...................................................................................... 061.1.3 Geodiversidade ....................................................................................... 081.1.4 Dinâmica dos objetos espaciais ............................................................. 091.1.5 Complexidade ........................................................................................ 111.1.6 Sistemas complexos ............................................................................... 131.1.7 Modelagem dinâmica ............................................................................ 131.1.8 Modelos de Simulação Dinâmica Espacial ........................................... 171.1.9 Autômatos celulares ............................................................................... 181.1.10 Espaço celular ......................................................................................... 211.1.11 O programa DINAMICA EGO ............................................................. 22
Capítulo 2 – ÁREA DE ESTUDO
2.1. LOCALIZAÇÃO E CARACTERIZAÇÃO DA ÁREA ..................... 302.1.1 Aspectos Sócio-Econômicos ................................................................... 302.1.2 Clima ........................................................................................................ 362.1.3 Hidrografia .............................................................................................. 372.1.4. Solo ........................................................................................................... 372.1.5 Vegetação ................................................................................................. 382.1.6 Geologia Regional ................................................................................... 412.1.7 Geologia da Área de Estudo .................................................................. 512.1.7.1 Cretáceo ................................................................................................... 522.1.7.1.1 Formação Açu (Ka) .................................................................................. 522.1.7.1.2 Formação Jandaíra (Kj) ............................................................................ 542.1.7.2 Terciário ................................................................................................... 54
xv
2.1.7.2.1 Formação Macau ...................................................................................... 542.1.7.3 Tércio-Quaternário .................................................................................. 562.1.7.3.1 Formação Tibau (TQt) .............................................................................. 562.1.7.3.2 Formação Barreiras (TQb) ....................................................................... 572.1.7.4 Quaternário .............................................................................................. 592.1.7.4.1 Depósitos Flúvio-estuarinos (Qfe) ........................................................... 602.1.7.4.2 Depósito de Planície de Maré (Qpm) ....................................................... 602.1.7.4.3 Depósitos Aluvionares (Qa) ..................................................................... 612.1.7.4.4 Depósito Colúvio-eluvial .......................................................................... 622.1.7.4.5 Depósitos Eólicos (Dunas Fixas) (Qdf) .................................................... 632.1.7.4.6 Depósitos Eólicos (Dunas Móveis) (Qdm) ............................................... 642.1.7.4.7 Depósitos de Sedimentos de Praia Recentes ............................................ 652.1.8 Contexto Geomorfológico ...................................................................... 662.1.9 Geomorfologia da Área de Estudo ........................................................ 73
Capítulo 3 –MÉTODOS E TÉCNICAS DA PESQUISA
3.1 ETAPAS DO TRABALHO .................................................................... 763.2 ROTEIRO METODOLÓGICO ............................................................ 773.3 MÉTODOS E TÉCNICAS DE TRABALHO ....................................... 793.3.1 Seleção do material bibliográfico e cartográfico .................................. 793.3.2 Processamento dos dados ........................................................................ 803.3.3 Alimentação dos dados em ambiente SIG ............................................. 823.3.4 Mapas temáticos ...................................................................................... 843.3.5 Processamento e análise dos dados em ambiente SIG ......................... 843.3.5.1 Uso e ocupação do solo ............................................................................ 863.3.5.2 Vulnerabilidade natural e ambiental ........................................................ 873.3.5.3 Geodiversidade .......................................................................................... 923.3.6 Software DINAMICA EGO para simulação da paisagem .................. 953.3.6.1 Preparação dos dados para a simulação .................................................. 963.3.6.2 Generalização aplicada aos mapas de uso e ocupação do solo ............... 983.3.6.3 Matriz de transição ................................................................................... 1003.3.6.4 Geração das faixas (rangers) para os Pesos de Evidência ...................... 1023.3.6.5 Pesos de evidência .................................................................................... 1053.3.6.6 Correlação dos Pesos de Evidência .......................................................... 1073.3.6.7 Calibração do modelo ............................................................................... 1093.3.6.8 Validação do modelo ................................................................................. 1133.3.6.9 Simulação .................................................................................................. 1163.3.7 Análise de tendência da paisagem .......................................................... 116
xvi
Capítulo 4 – ANÁLISE EVOLUTIVA, VULNERABILIDADE E ÍNDICES DE GEODIVERSIDADE DO BAIXO CURSO DO RIO PIRANHAS-ASSU
4.1 PRIMEIRO ARTIGO - Dinâmica espaço-temporal do uso e ocupação do solo, no período de 1988 a 2004, do baixo curso do rio Piranhas-Assu (RN): sugestões de acompanhamento integrado das atividades socioeconômicas impactantes em área costeira ...................... 117
4.2 SEGUNDO ARTIGO - Uso do sensoriamento remoto e sistema de informação geográfico na determinação da vulnerabilidade natural e ambiental e dos índices de geodiversidade múltipla e múltipla ponderada da paisagem do baixo curso do rio Piranhas-Assu (RN) ............................................... 139
Capítulo 5 – SIMULAÇÃO DA PAISAGEM
5.1 INTRODUÇÃO ....................................................................................... 155
5.2 ENTRADA DE DADOS .......................................................................... 155
5.3 SIMULAÇÃO DA PAISAGEM ............................................................. 166
Capítulo 6 – ANÁLISE DE TENDÊNCIAS DA PAISAGEM
6.1 EVOLUÇÃO DA PAISAGEM 1988-2004 ............................................ 175
6.2 CENÁRIOS FUTUROS .......................................................................... 176
6.2.1 Paisagem em 2014 .................................................................................... 178
6.2.2 Paisagem em 2024 .................................................................................... 185
6.3 TENDÊNCIAS DE MODIFICAÇÃO DA PAISAGEM ...................... 189
CONCLUSÕES E RECOMENDAÇÕES .............................................................. 197
BIBLIOGRAFIA ...................................................................................................... 205
APÊNDICE (em CD-ROM)
CAPÍTULO 1
FUNDAMENTAÇÃO TEÓRICA
1.1 FUNDAMENTAÇÃO TEÓRICA
1.1.1 Análise multitemporal
O conhecimento atualizado da distribuição e da área ocupada pela
agricultura, vegetação natural, áreas urbanas e edificadas, entre outras, bem como
informações sobre as proporções de suas mudanças, se tornam cada vez mais
necessárias aos legisladores e planejadores. Desse modo, existe a necessidade de
atualização constante dos registros de uso do solo, para que suas tendências possam
ser analisadas. Neste contexto, o sensoriamento remoto constitui-se numa técnica de
grande utilidade, pois permite em curto espaço de tempo a obtenção de uma grande
quantidade de informações espaciais, espectrais e temporais (PACHECO, 2000).
O uso do sensoriamento remoto com base na análise de imagens de satélites
é um dos meios que se dispõem hoje para acelerar e reduzir custos dos
mapeamentos e da detecção de mudanças geoambientais. Em combinação com
dados de Aerofotogrametria e Geodésia, com os recentes recursos do Sistema de
Informações Geográficas e aliado às novas técnicas de processamento e aos novos
sensores, as imagens de satélite oferecem possibilidades, ainda pouco exploradas,
de gerarem informações sinópticas e precisas para a avaliação e evolução de
diversas variações temáticas da superfície terrestre (PACHECO, 2000).
Para satisfazer, tanto as exigências da lei como às da atividade dos
empreendedores, colocando ambos em sintonia, faz-se necessário a realização de
estudos aprofundados sobre o ambiente. A aplicação da sistemática de técnicas de
sensoriamento remoto permite o estudo da evolução ambiental de uma região desde
o início da intensificação dos processos antrópicos por meio de análises
multitemporais (GRIGIO, 2003).
6
Estudos multitemporais foram conduzidos, de fato, com resultados
satisfatórios em várias regiões do mundo interessadas em evidenciar mudanças
ambientais (MESQUITA JUNIOR, 1998; DISPERATI et al. 1998; PARANHOS
FILHO, 2000; GRIGIO et al., 2001 e 2002; GUEDES et al., 2002; GRIGIO, 2003).
1.1.2 Vulnerabilidade
Embora a vulnerabilidade já tivesse lugar em estudos de datas anteriores, ela
ganha maior atenção no fim da década de 80 e nos anos 90. Isso ocorre quando as
pesquisas deixam de se ocupar apenas com os perigos naturais, passando a enfocar
também os perigos sociais e os tecnológicos. Além disso, os “naturais” passam a ser
vistos como ambientais, implicando que os perigos só podem ser compreendidos
levando-se em conta o contexto natural e as formas pelas quais a sociedade tem se
apropriado da natureza, produzindo perigos (JONES, 1993). A vulnerabilidade
aparece agora em três contextos – social, tecnológico e ambiental – e sua
importância vai crescendo gradativamente (MARANDOLA; HOGAN, 2004).
Em vista disso, uma discussão que se torna relevante, em relação ao debate
acerca da vulnerabilidade, é sua natureza ou, em outras palavras, suas causas e
elementos constitutivos, pois, enquanto tinha seu foco nos fenômenos biofísicos, a
vulnerabilidade poderia ser facilmente relacionada aos ecossistemas ou aos
ambientes. No entanto, com a ampliação das perspectivas de estudo, coloca-se a
questão: a vulnerabilidade é um atributo definido pelas condicionantes ambientais
(biofísicas – naturais) ou pelos recursos socioeconômicos, que conferem maior
capacidade de resposta diante dos perigos? (MARANDOLA; HOGAN, 2004).
O tema e sua conceituação têm motivado pesquisas em várias áreas do saber,
não existindo consenso sobre definições apropriadas.
Cutter (1996), ao revisar o conceito de vulnerabilidade, identificou dezoito
definições diferentes. Segundo a autora essa riqueza se dá em virtude da própria
diversidade de temas abordados, dos muitos espaços estudados (países em várias
situações de desenvolvimento), bem como da própria orientação epistemológica
7
(ecologia política, ecologia humana, ciência física, análise espacial) e suas
conseqüentes práticas metodológicas. Essas diferenças resultarão, segundo a autora,
em três posturas principais:
1. Uma que se foca na probabilidade de exposição (biofísica ou tecnológica),
que ela categorizou como vulnerabilidade pré-existente;
2. Outra que se ocupa da probabilidade de conseqüências adversas
(vulnerabilidade social), chamada de vulnerabilidade como resposta
moderada (tempered response);
3. E uma última que combina as duas anteriores, que a chamou de
vulnerabilidade como risco de lugar (hazard of place).
Segundo Alves (2006), a noção de vulnerabilidade também tem se tornado,
nos últimos anos, um foco central para as comunidades científicas de mudança
ambiental e sustentabilidade (IHDP, IGBP, IPCC)1 e uma categoria analítica
importante para instituições internacionais, como algumas agências das Nações
Unidas (Pnud, Pnuma, FAO)2 e o Banco Mundial (KASPERSON; KASPERSON,
2001). Segundo o autor, uma questão bastante mencionada, por exemplo, é a
vulnerabilidade em relação aos recursos hídricos: escassez de água potável; falta de
saneamento; e contato com doenças de veiculação hídrica.
Além disso, Alves (2006) enfatiza que não se pode deixar de destacar as
diferenças de abordagem entre os estudos sobre vulnerabilidade social e aqueles a
respeito da vulnerabilidade ambiental. Na literatura mais sociológica sobre o tema, a
vulnerabilidade social é analisada em relação a indivíduos, famílias ou grupos
sociais. Já na Geografia e nos estudos sobre riscos e desastres naturais (a exemplo
de CUTTER, 1996), a vulnerabilidade ambiental tem sido discutida em termos
territoriais (regiões, ecossistemas). Portanto, esta disparidade entre as duas tradições
de estudos sobre vulnerabilidade, em termos de escala e de tipo de objeto de análise,
deve ser considerada na construção da noção de vulnerabilidade socioambiental, a
qual pretende integrar as duas dimensões – a social e a ambiental. 1 IHDP (International Human Dimensions Programme on Global Environmental Change); IGBP (International Geosphere-Biosphere Programme); IPCC (Intergovernmental Panel on Climate Change). 2 Pnud (Programa das Nações Unidas para o Desenvolvimento); Pnuma (Programa das Nações Unidas para o Meio Ambiente); FAO (Food and Agriculture Organization).
8
Neste trabalho, a vulnerabilidade natural foca os fatores biofísicos para a sua
estimativa, enquanto que a vulnerabilidade ambiental incorpora o fator antrópico
através do uso e ocupação do solo, aproximando-se da perspectiva conceitual de
Cutter (1996).
1.1.3 Geodiversidade
Segundo Xavier da Silva et al. (2001), o termo Geodiversidade representa a
variabilidade de características ambientais encontrada em uma área geográfica.
Através do artigo científico propõem, pela primeira vez, esse conceito, que o
submetem à comunidade ambientalista.
A idéia parte do princípio que índices de diversidade de elementos da paisagem
(índices de geodiversidade) podem servir como indicadores de biodiversidade geral.
Essa sugestão, segundo os autores, segue diretrizes apontadas na literatura (por
exemplo: SPELLERBERG, 1981), em que entende-se como premissa de consenso a
existência de correlação entre a diversidade de habitats e a riqueza e diversidade de
espécies.
O termo Geodiversidade é também usado dentro das ciências geológicas, porém
com conceito diferente, pois, segundo Lazzerini (2005), o termo Geodiversidade pode
ser resumidamente considerado como a diversidade do Reino Mineral terrestre.
Abarca aspectos das ciências geológicas, climáticas, geográficas e biológicas do
Planeta Terra. Por sua vez, Veiga (1999 e 2002) define que a geodiversidade expressa
as particularidades do meio físico, compreendendo as rochas, o relevo, o clima, os
solos e as águas, tanto subterrâneas quanto superficiais. Tais atributos resultam da
atuação cumulativa de processos geológicos múltiplos. Por sua vez, condicionam a
paisagem e propiciam a diversidade biológica e cultural nela desenvolvidas, em
permanente interação ao longo da evolução do planeta. Ambos autores deixam claro
que o termo tem ênfase na Geologia.
Para a medição da Geodiversidade, utilizam-se indicadores que são dispostos
em forma de tabela e ainda plotados em mapa. Segundo os autores, a construção desta
9
tabela de Geodiversidade parte do pressuposto de que é útil inspecionar a variabilidade
ambiental a partir da tomada de um parâmetro ambiental como base para os cômputos
da ocorrência dos outros. Os índices a determinar são: Geodiversidade Específica,
Geodiversidade Específica Posicional, Geodiversidade Múltipla, Geodiversidade
Múltipla Posicional, Geodiversidade Ponderada e Geodiversidade Ponderada
Posicional..
Segundo Xavier da Silva et al. (2001), em relação aos índices de
Geodiversidade, a investigação de indicadores de elementos da paisagem represente
um importante caminho a ser perseguido, afinal, índices desta natureza podem
constituir significantes descritores do ambiente, além de apresentar grande potencial
para utilização em termos de planejamento e monitoramento de estratégias de
conservação, manejo e uso dos recursos naturais.
1.1.4 Dinâmica dos objetos espaciais
Um objeto espacial pode mudar com o tempo, isto implica que sua
representação deve ser alterada por meio de operações de atualização. Segundo
Pozo Díaz (1999), essa mudança pode passar por vários estados de transição e pode
afetar sua representação em um SIG de várias formas, tais como:
a) O aspecto temático
Este é o caso mais simples em que os valores de um ou mais atributos
mudam (por exemplo: uma propriedade muda de dono). Outra possibilidade é que
um objeto seja reclassificado (por exemplo, a classe uso de solo muda de uso rural,
em determinado tempo “a”, para a classe de uso urbano, em determinado tempo
“b”). Tais mudanças implicam em uma alteração na estrutura dos atributos.
10
b) O aspecto geométrico
Pode haver uma mudança na posição do objeto, na sua forma ou no seu
tamanho. Este tipo de mudança implica uma alteração na sua relação topológica
com outros objetos espaciais, os quais devem ser atualizados em um ambiente SIG.
c) Transformação na estrutura de agregação
A estrutura de agregação indica como um objeto do terreno pode
compreender outros objetos dentro de si, por exemplo, uma parcela, no momento
“a”, pode ser subdividida em 3 novas parcelas, em um momento “b”. Uma coleção
de objetos pode ser fundida formando um objeto maior, por exemplo, uma parcela
com 3 áreas de cultivos, em um momento “a”, se funde em uma única área de
cultivo, em outro momento “b”. Outra situação comum de acontecer é o re-
ordenamento de objetos elementares que constituem um objeto agregado (Figura
1.1).
Figura 1.1 – Mudanças na estrutura de agregação. a) fragmentação. b) Fusão. c) Re-ordenamento.
Segundo Chrisman (1997), a informação geográfica possui três componentes
básicos: atributo, espaço e tempo, que possibilitam responder, respectivamente, a
11
três perguntas: o quê? onde? e quando? Segundo Worboys (1995), cada um desses
componentes determina uma categoria de dimensão ao longo dos quais os valores
são medidos.
Para que um dos três componentes possa ser medido, deve-se fixar um
segundo componente e usar o terceiro como controle (CHRISMAN, 1997). A
definição de qual dimensão se pretende fixar, usar como controle ou medir,
possibilita uma grande variedade de estruturas de medidas da informação
geográfica.
O componente espacial descreve a localização geográfica e a forma
geométrica do fenômeno descrito pela informação geográfica, além de
relacionamentos com outros fenômenos geográficos. Como a principal função de
um SIG é possibilitar a realização de operações de análise espacial, o componente
espacial é o mais importante no contexto de SIG.
Um fenômeno geográfico possui características qualitativas e quantitativas
que são descritas de forma textual e/ou numérica. O componente atributo, também
conhecido por atributo descritivo ou atributo não-espacial, descreve as
características não-espaciais de um fenômeno geográfico. Nome, população e
orçamento anual de um município são exemplos de atributos descritivos.
Todo fenômeno geográfico é eminentemente temporal, ou seja, está
associado há um instante ou intervalo de tempo em que este ocorre ou em que é
observado. O componente tempo pode ser crítico para a informação geográfica,
dependendo do tipo de fenômeno e do tipo de aplicação em que este está sendo
utilizado.
1.1.5 Complexidade
Morin e Le Moigne (2000) destacam que o termo “complexidade” é muito
mais uma noção lógica do que uma noção quantitativa. Ela possui, sempre, suportes
e caracteres quantitativos que desafiam os modos de cálculos, mas sua essência está
numa outra noção a ser explorada, a ser definida, a noção qualitativa. A
12
complexidade aparece, à primeira vista e de modo efetivo, como irracionalidade,
incerteza, confusão e desordem. Para Dolan, Garcia e Auerbach (2003), o termo
“complexidade” não comporta somente um tipo de comportamento exibido pelos
sistemas; o termo corresponde a um conjunto de características que podem ser
identificadas em muitos sistemas naturais. Incluam-se, nesse sentido, as
organizações e seus processos.
Aleksandrowicz (2002) argumenta que as origens da ênfase na complexidade
estão associadas ao forte impacto que as descobertas da Física, no início do século
XX, tiveram sobre a forma de perceber o mundo natural. A introdução dos novos
instrumentos teóricos, o conhecimento da matéria e da energia envolvido, ao longo
do tempo, nos fenômenos e processos naturais e em suas inter-relações ampliaram-
se, incentivando extrapolações para outros campos do saber.
Conforme Almeida (2004), atualmente, muitos dos investimentos, pela
pesquisa e pelas construções intelectuais, atinentes à complexidade, se apóiam no
conceito de sistemas complexos. A idéia de um sistema que se auto-organiza, em
função da relação com seu entorno e que apresenta abertura para receber novas
informações e ruídos, tem fornecido modelos para discutir “gerência empresarial”,
“administração de recursos humanos”, projetos ambientais e ecológicos, tanto
quanto tem permitido intervenções mais pontuais – como é o caso das pesquisas de
perfuração do solo para extrair petróleo. Em síntese, nesse conjunto diverso que
configura uma primeira “constelação” de estudos da complexidade, cabe ao
conceito de sistemas complexos o papel aglutinador de uma rede de noções e
ferramentas cognitivas, entre as quais as noções de fractal, acaso e teoria do caos.
As simulações em computador que permitem contabilizar categorias e propriedades
não-dedutíveis dos fenômenos em si, tanto quanto o conceito de ubiqüidade, que
permite pensar situações imprevisíveis de fenômenos físicos e de dinâmicas
populacionais, são bons exemplos de modelização.
13
1.1.6 Sistemas complexos
Os sistemas complexos podem ser descritos como sistemas formados por
muitas partes diferentes interligadas entre si, de modo que o comportamento de uma
parte influencie o da outra parte. A complexidade do todo vai decorrer desse
entrelaçamento de influências mútuas, à medida que o sistema evolui
dinamicamente no tempo (LEITE; LINS; CERQUEIRA, 2004).
Morin (1977) observa que há uma necessidade histórica de encontrar um
método que detecte e não que oculte as ligações, as articulações, as solidariedades,
as implicações, as imbricações, as interdependências e as complexidades entre
sujeito e objeto.
Um sistema complexo não pode ser compreendido fora do seu contexto, e é
difícil de ser gerenciado, pois se mantém fora do equilíbrio, numa situação
intermediária entre a ordem e a desordem (ALEKSANDROWICZ, 2002; MORIN,
1977). Heylighen (1988) lembra que os sistemas complexos evoluem e mudam com
o tempo, processo em que certas partes são conservadas, enquanto outras são
modificadas. Isto acontece devido à posição mista entre a ordem ou invariância e a
desordem ou variância. Byrne (1998) destaca que os sistemas complexos se
concentram no espaço entre a certeza do positivismo e a irracionalidade do pós-
modernismo. Geyer e Rihani (2000) situam a complexidade entre a abordagem
reducionista representada pela completa ordem e a abordagem caótica de completa
desordem.
1.1.7 Modelagem dinâmica
A Modelagem Dinâmica (BURROUGH, 1998) procura transcender as
limitações atuais da tecnologia de Geoprocessamento, fortemente baseada numa
visão estática, bidimensional do mundo. O objetivo dos modelos dinâmicos em SIG
é realizar a simulação numérica de processos dependentes do tempo, como nos
14
modelos hidrológicos, que simulam o fluxo e transporte de água. Na definição de
Burrough,
“um modelo espacial dinâmico é uma representação matemática de um processo do mundo real em que uma localização na superfície terrestre muda em resposta a variações em suas forças direcionadoras”.
De acordo com Wegener, Gnad e Vannahme (1986), um modelo se
denomina dinâmico, se ele possui uma dimensão temporal explícita, se suas
entradas e saídas variam com o tempo e se seus estados dependem de estados
anteriores.
Tipicamente, SIGs são desenvolvidos a partir de proposições pré-
estabelecidas quanto à homogeneidade, uniformidade e universalidade das
propriedades de seus principais componentes, que incluem o espaço e as relações
espaciais, o tempo e o modelo matemático que descreve o fenômeno. Entretanto,
para modelar processos dinâmicos em SIG com o nível necessário de realismo, estas
proposições rígidas têm que ser flexibilizadas de tal forma que o sistema seja capaz
de representar (COUCLELIS, 1997):
� O espaço como uma entidade não homogênea tanto nas suas propriedades
quanto na sua estrutura.
� As vizinhanças como relações não estacionárias.
� As regras de transição como regras não universais.
� A variação do tempo como um processo regular e irregular.
� O sistema como um ambiente aberto a influências externas.
Segundo Pedrosa (2003), a regularidade do espaço diz respeito à forma como
ele é distribuído e pode ser regular, isto é, divididos em parte iguais, ou irregulares,
distribuídos de forma diferenciada. As vizinhanças, que geralmente são concebidas
como tendo a mesma configuração para todo ponto no espaço, devem superar esta
estacionaridade e podem ser representadas com diferentes configurações em
diferentes pontos do espaço. Por exemplo, em determinado ponto, uma célula pode
ter vizinhança 4 e em outra vizinhança 8. O sistema deve permitir que mais de uma
função de transição possa ser aplicada, permitir que o tempo seja representado em
15
intervalos variáveis (meses, anos) e suportar a inclusão de variáveis externas. Na
figura 1.2 estão representados os requisitos mencionados acima.
Figura 1.2 - Requisitos para modelagem dinâmica em SIG (Fonte: Couclelis, 1997 apudPedrosa, 2003).
Para implementar sistemas espaciais dinâmicos com as características
mencionadas acima, alguns princípios básicos relativos aos principais elementos
destes sistemas devem ser considerados. Entre estes elementos destaca-se a questão
da representação do espaço e do tempo, o modelo dinâmico a ser utilizado para a
representação do fenômeno espacial e a abordagem computacional para
implementar estes princípios de forma integrada e consistente (PEDROSA, 2003).
16
Modelos espaciais dinâmicos descrevem a evolução de padrões espaciais de
um sistema ao longo do tempo. Segundo Lambin (1994) e Pedrosa (2003), o
modelo de um fenômeno deve responder às seguintes questões:
� Quais variáveis ambientais e culturais contribuem para explicar o fenômeno,
e quais são os processos ecológicos e sócioeconômicos existentes por trás do
fenômeno?
� Como o processo evolui?
� Onde ocorrem os fenômenos?
Estas questões chaves podem ser identificadas como as clássicas “Porquê”,
“Quando” e “Onde”. Um modelo que responde a estas questões é capaz de
descrever quantitativamente um fenômeno e prever sua evolução, integrando suas
escalas temporal e espacial.
Um modelo é constituído de pelo menos três elementos: variáveis,
relacionamentos e processos. Ao se construir um modelo, dependendo do objetivo,
pode-se dar ênfase a um ou outro destes elementos. Nesta visão, os modelos podem
ser classificados em empíricos e de sistemas (Figura 1.3). Modelos empíricos
focalizam os relacionamentos entre as variáveis do modelo, a partir da suposição de
que os relacionamentos observados no passado continuarão no futuro. Modelos de
sistemas são descrições matemáticas de processos complexos que interagem entre
si, enfatizando as interações entre todos os componentes de um sistema (LAMBIN,
1994; PEDROSA, 2003).
Figura 1.3 - Tipos de modelos, conforme Pedrosa (2003).
17
Os diferentes tipos de modelos são: a) Empíricos: Cadeias de Markov,
Logísticos de difusão e Regressão; b) Sistemas: Simulação de ecossistemas e
Simulação de dinâmica espacial. Neste trabalho, foca-se, principalmente o modelo
de Simulação de Dinâmica Espacial. Na tabela 1.1 é apresentado um resumo das
características-chave de cada tipo de modelo, segundo o potencial de cada um deles
para responder às perguntas: porquê, quando e onde.
Tabela 1 - Resumo dos tipos de modelos (PEDROSA, 2003).
Modelo Porquê Quando Onde Cadeias de Markov
Não pode explicar a razão de um fenômeno por ser processo estocástico e não suportar a inclusão de variáveis exógenas
Pode predizer a evolução de processos estacionários
Pode predizer distribuições espaciais de elementos do modelo se for combinado com GIS
Logístico de Difusão
Permite a inclusão de poucas variáveis exógenas, entretanto é um modelo descritivo, não suportando investigações exploratórias
Suporta a dimensão temporal, podendo predizer a evolução de processos não estacionários
Pode predizer distribuições espaciais de elementos do modelo se for combinado com GIS
Regressão Contribui para identificar forças direcionadoras, entretanto são modelos descritivos, não sendo capaz de estabelecer relações causais entre as variáveis
Pode predizer a evolução de processos estacionários
Não são modelos espaciais, entretanto podem ser combinados com GIS
Simulação de Ecossistemas
Modelo exploratório que requer descrições funcionais dos sistemas ecológicos
Pode formular cenários de mudanças futuras no uso do solo, baseado nos parâmetros do modelo
Apresenta dificuldades na representação espacial
Simulação Espacial Dinâmica
Requer modelos funcionais espacialmente definidos
Pode predizer mudanças temporais no uso do solo, baseado nos parâmetros do modelo
Pode predizer evolução de padrões espaciais em processos determinísticos
1.1.8 Modelos de Simulação Dinâmica Espacial
Estes modelos baseiam-se em modelos de ecossistemas com extensões para
acomodar a heterogeneidade espacial e processos humanos de tomada de decisão.
Uma abordagem para desenvolver modelos de simulação dinâmica espacial é
representar o espaço como uma matriz de células e aplicar as equações matemáticas
18
a cada uma das células da matriz, simultaneamente. Cada célula do modelo está
conectada com suas células vizinhas, de tal forma que é possível estabelecer um
fluxo entre células adjacentes. Isto simplifica sobremaneira o mecanismo de
predições do sistema porque, por exemplo, se uma célula tem três vizinhos com
estado x, é altamente provável que o estado desta célula venha a ser x também.
Entretanto, este raciocínio simplista pode ser aperfeiçoado em regras de transição.
Outro aperfeiçoamento desse modelo é a possibilidade de incorporar processos de
tomada de decisões. Modelos que incorporam este mecanismo são chamados
modelos baseados em regras. As regras de tomada de decisão são representadas
através de abstrações muito semelhantes àquelas que ocorrem na mente humana
(PEDROSA, 2003).
Um exemplo de modelo com as funcionalidades mencionadas acima é o
implementado no DELTA (Dynamic Ecological Land Tenure Analisys)
(SOUTWORTH; DALE; O’NEILL, 1991), um sistema desenvolvido para integrar
aspectos sócioeconômicos da colonização amazônica e aspectos ecológicos do
desmatamento e da liberação de carbono na atmosfera no Estado de Rondônia.
1.1.9 Autômatos celulares
Segundo Wolfram (1983), o conceito original de autômato celular está
fortemente associado a John Von Neumann. Von Neumann estava interessado nas
conexões entre Biologia e a Teoria dos Autômatos. Nos seus estudos, predominava
a idéia do fenômeno biológico da auto-reprodução. A questão que ele apresentava
era: “Que tipo de organização lógica é suficiente para um autômato ser capaz de
reproduzir a si próprio?”. A construção de Von Neumann foi simplificada por
outros autores. Uma variação dos autômatos de Von Neumann é apresentada por
Wolfram (op cit.). Os autômatos celulares de Wolfram são modelos matemáticos
simples de sistemas naturais, constituídos de uma malha, ou reticulado, de células
idênticas e discretas, onde cada célula tem seu valor sobre um conjunto finito, por
exemplo, de valores inteiros. Os valores evoluem, em intervalos de tempo discretos,
19
de acordo com regras determinísticas que especificam os valores de cada célula em
termos dos valores das células vizinhas.
Segundo Wolfram (op cit.), um dos mais renomados teóricos sobre
autômatos celulares, os define como sendo: “… idealizações matemáticas de
sistemas físicos, no qual o espaço e o tempo são discretos, e os atributos assumem
um conjunto de valores também discretos. Um autômato celular consiste de uma
grade regular uniforme (ou “campo matricial”), comumente infinito em sua
extensão, com uma variável discreta em cada localidade (“célula”). Conforme já foi
mencionado, autômato celular evolui em intervalos de tempo discretos, com o valor
da variável em uma célula sendo afetado pelos valores das variáveis nas células
vizinhas encontrados no intervalo de tempo anterior. As variáveis em cada célula
são atualizadas simultaneamente (“sincronicamente”), baseando-se nos valores das
variáveis da sua vizinhança no intervalo de tempo precedente, e de acordo com um
conjunto pré-definido de “regras locais””.
O autômato celular foi um dos primeiros modelos computacionais
empregados para modelar sistemas complexos. Bar-Yam (1997) lembra que um
autômato celular forma uma classe geral de modelos de sistemas dinâmicos, que são
muito simples, mas capturam uma rica variedade de comportamentos. Capra (1996)
destaca que, devido à estrutura de rede e à capacidade que possui para comportar
grande número de variáveis discretas, essas formas matemáticas se tornaram
reconhecidas como uma importante alternativa em relação às equações diferenciais,
para estudar o comportamento e modelar os sistemas complexos.
Modelos de autômatos celulares possuem aplicações nas mais diversas áreas,
desde a Física teórica e empírica até mudanças de uso e cobertura do solo,
engenharia e controle de tráfego, disseminação de epidemias, Biologia
comportamental, dentre outras (ALMEIDA et al., 2003).
Autômatos celulares estiveram de alguma forma implícitos na primeira
geração de modelos computacionais nos anos 60 com os experimentos de Chapin e
Weiss (1968), executados para o Estado norte-americano da Carolina do Norte,
dentre outros usos. Nos anos 70, Tobler, influenciado pela Geografia quantitativa,
propôs modelos celulares para o desenvolvimento de Detroit (EUA). Pouco depois,
20
em 1974, ele começou formalmente a explorar a forma pela qual autômatos
celulares stricto sensu poderiam ser aplicados a sistemas geográficos, resultando no
seu famoso artigo Cellular geography (TOBLER, 1979). Finalmente, no final dos
anos 80, autômatos celulares começaram a ser amplamente utilizados para questões
urbanas, impelidos pelo desenvolvimento paralelo no âmbito de computação gráfica
e de teoria da complexidade, caos, fractais e afins (BATTY et al. 1997).
Os autômatos celulares são ferramentas concretas de modelamento, porque
incorpora a noção de tempo e espaço. O espaço é visto como uma matriz
homogênea dividida da mesma forma que um tabuleiro de xadrez, sendo que uma
célula elementar do autômato celular pode assumir diferentes estados. Uma
agregação de células elementares é o que se chama de configuração do autômato. A
configuração muda ao longo do tempo, do presente estado para um estado seguinte,
e sua dinâmica é determinada por regras de transformação pré-determinadas, mas
que podem ser alteradas. O autômato celular pode ser utilizado para explorar como
elementos de um sistema interagem uns com os outros, o que revela uma importante
característica de que os conceitos usados na construção do autômato podem ser
usados para modelar comportamentos complexos do mundo natural (químico, físico
e biológico), além de fenômenos sociais (crescimento populacional, população x
disponibilidade de alimentos, planejamento urbano). Tal ambiente possibilita criar
modelos discretos do fenômeno, alocando os tipos de objetos às suas células e
especificando regras para descrever a interação entre os objetos. O modelo é então
rodado para investigar as conseqüências dessas regras ao longo do tempo e as
relações causais entre as variáveis.
As principais características de um autômato celular são:
� O espaço é discreto e existe um conjunto regular de células, cada uma das
quais possui um conjunto finito de valores;
� O tempo é discreto e o valor de cada célula é atualizado numa seqüência de
graus discretos de tempo;
� As regras para os novos valores das células dependem, somente, dos valores
das células de proximidade local;
21
� As variáveis de cada célula são atualizadas simultaneamente com base nos
valores das variáveis num espaço de tempo previsto.
Pode-se observar que as mudanças geradas por autômatos celulares são
estritamente locais, isto é, baseadas nas vizinhanças de cada célula. Nesta
perspectiva, pode-se dizer que sua aplicação é eficiente em processos em que a
ordem global emerge de ações locais e descentralizadas. Entretanto, em Sistemas de
Informações Geográficas, a ordem global depende tanto de fatores endógenos
(ações locais) como exógenos (ações à distância). Uma abordagem para modelar
tais sistemas é o conceito de espaço celular (cell space), uma variação do autômato
celular clássico (strict cellular automata), que flexibiliza a questão da regularidade
do espaço e localidade das vizinhanças (BATTY, 2000 apud PEDROSA, 2003).
1.1.10 Espaço celular
Modelos celulares têm sido largamente utilizados em aplicações de SIG tais
como, dinâmica do uso do solo, ocupação urbana do solo e processos físicos de
fluxo e transporte de material, especialmente em hidrologia, entre outras aplicações.
As motivações para o uso deste modelo de dados são influenciadas pela natureza
“pixelizada” do dado remoto e pela conveniência da programação e implementação
de estruturas baseadas em grades (O´SULLIVAN, 2002).
A computação celular se baseia em três princípios: simplicidade, paralelismo
e localidade. A célula, unidade fundamental de um sistema celular possui um
conjunto de atributos extremamente simples e realiza poucas tarefas. Um aspecto
poderoso desta estrutura de dados é o alto grau de conectividade existente entre as
células (PEDROSA, 2003).
Nestes sistemas, uma célula pode se comunicar com suas vizinhas, trocando
informações. Entretanto, nenhuma célula tem uma visão geral do sistema, o que
caracteriza estes sistemas como descentralizado. Portanto, sistemas celulares têm
como aplicações potenciais sistemas em que a ordem global emerge de ações locais,
tais como sistemas biológicos e físicos. O paralelismo é um ponto controverso na
22
computação celular, assim como em outras áreas da computação. O paralelismo é
desejado, mas dificilmente atingido em um grau satisfatório, devido à falta de
ambientes computacionais estritamente paralelos. Entretanto, mecanismos artificiais
permitem acelerar o desempenho de tais sistemas através da sincronização das ações
(SIPPER, 1999).
Num espaço celular as relações espaciais entre as células se dão no espaço
próximo, onde as relações de vizinhança desempenham um papel determinante. O
tamanho e a configuração (forma) de uma vizinhança podem variar de sistema para
sistema, de modelo para modelo, e de variável para variável. Entretanto, na maioria
dos sistemas existentes a vizinhança é tratada de forma estacionária, isto é, os
vizinhos de uma célula estão sempre dispostos nas mesmas direções (norte, sul,
leste, oeste). Outro ponto importante no modelo celular é a necessidade de gerenciar
uma variedade de escalas. As operações celulares podem se dar em escala local (por
célula), zonal (por região) e global (por plano de informação). A integração de
processos multi-escala pode ser facilmente implementada com distribuição
uniforme dos dados. Entretanto, processos mais complexos requerem mecanismos
não-uniformes de distribuição para balancear demandas e restrições (WHITE,
1997).
1.1.11 O programa DINAMICA EGO
Os modelos de simulação podem ser definidos como um dispositivo
heurístico de bastante utilidade para testar hipóteses, como, por exemplo, simulação
de cenários alternativos, que podem ser traduzidos como diferentes paisagens
utilizando variáveis estruturais socioeconômicas, políticas e ambientais. Através da
utilização de um ambiente computacional, o desenvolvimento de um sistema
espacial pode auxiliar no entendimento da dinâmica deste sistema, possibilitando a
projeção de modelos espaciais de mudanças para avaliar possíveis conseqüências
ambientais. Através da análise do resultado do modelo, podemos elaborar melhores
23
estratégias de conservação ambiental ou até mesmo planos administrativos mais
adequados (GODOY, 2004).
Os modelos de simulação são desenvolvidos para a análise da dinâmica de
transição probabilística, utilizando-se, para o seu cálculo, das regras de transição
desenvolvidas a partir dos autômatos celulares. Eles também empregam
metodologias de engenharia de simulação, resultados de abordagem espacial através
do cálculo de variáveis dinâmicas e a aplicação da regressão logarítmica ou do
método de pesos de evidências (GODOY, 2004).
O DINAMICA EGO (Environment for Geoprocessing Objects) é um
programa de simulação de dinâmicas da paisagem baseado em autômatos celulares,
implementado através de algoritmos empíricos de alocação do uso do solo. Foi
desenvolvido pelo Centro de Sensoriamento Remoto da Universidade Federal de
Minas Gerais (http://www.csr.ufmg.br). O programa foi escrito em linguagem C++
orientada a objetos e interfase gráfica escrita em Java, e sua versão atual roda em
sistema Windows © 32 bits.
Segundo Almeida (2003), os parâmetros do DINAMICA EGO incluem:
a) Um arquivo contendo os valores dos pesos positivos de evidência
(W+) ou os parâmetros (β0, βi) dos modelos de regressão logística,
dependendo do método de estimativa adotado;
b) As probabilidades globais de transição para cada mudança de uso do
solo identificada no período de simulação considerado;
c) O tamanho e a variância de manchas para cada transição;
d) A proporção dos algoritmos de transição ou alocação (“função
expander” e “função patcher”) também considerando-se cada
transição; e,
e) O número total de interações.
Para operar este programa, são necessários um mapa inicial de uso do solo e
dois conjuntos de dados correspondentes às variáveis de entrada estáticas e
dinâmicas. Todos esses mapas em conjunto com os parâmetros obtidos tanto pelo
método de pesos de evidência como por regressão logística serão usados para o
cálculo das probabilidades de transição das células.
24
O programa foi concebido para simular a dinâmica de paisagem em áreas de
colonização amazônica ocupadas por pequenos colonos - propriedades com
tamanho igual ou menor que 100 hectares (SOARES-FILHO, 1998). Como novas
propostas, este programa foi idealizado para incorporar processos de decisão,
baseados, por exemplo, em modelos de uso e ocupação do solo pelos colonos
amazônicos. Além disso, para parametrizar dados a partir de abordagem maciça,
como nos exemplos do método estatístico da regressão logística, incluindo
processos estocásticos de múltiplos intervalos de tempo com probabilidades
espaciais com característica dinâmica e ainda computar o efeito da vizinhança em
um projeto misto de mosaico e manchas.
Na figura 1.4 pode-se visualizar o fluxograma do programa DINAMICA
EGO.
Figura 1.4 – Fluxograma do programa DINAMICA EGO (Fonte: SOARES-FILHO, 1998).
25
Diversos autores valeram-se do programa DINAMICA EGO para aplicar
modelos conceituais, no intuito de realizar simulações de cenários urbanos e rurais.
Almeida (2003) busca identificar, por meio de análises multitemporais de
processos de mudanças de uso do solo observados nas duas cidades, o exato papel
das variáveis biofísicas e socioeconômicas na configuração da forma urbana. A
meta foi o entendimento da interação dinâmica entre esses fatores para a elaboração
de possíveis cenários de organização do uso do solo no curto e médio prazo. A
autora utilizou-se do DINAMICA como ferramenta visando fornecer insights e
respostas às necessidades do SIG em desenvolver técnicas e abstrações capazes de
propriamente representar eventos dinâmicos do mundo real.
Soares-Filho, Araújo e Cerqueira (2001), utilizando-se do DINAMICA,
realizam com sucesso uma avaliação da fragmentação de paisagem produzida em
duas regiões do norte do estado do Mato-Grosso, Guarantã e Terra Nova, a partir de
diferentes projetos de colonização e a projeção de padrões espaciais de evolução da
paisagem, tais como a extensão e continuidade dos habitats florestais e a formação
de manchas de florestas secundárias.
- Matriz de transição:
A construção de um modelo de simulação de mudanças passa pela definição
de um modelo conceitual, no qual são definidos os elementos ou estado de uma
paisagem e suas transições possíveis.
A construção de uma função de mudança não é trivial, consistindo sempre na
parte mais complexa do modelo. Ela pode ser descomposta em duas funções, uma
de quantificação de mudanças e outra dedicada à alocação espacial das mudanças,
lembrando sempre que as mudanças em uma paisagem não se dão ao acaso, mas
sim, condicionadas a uma estrutura espacial (SOARES-FILHO et al., 2004).
A modelagem inicialmente compreende a obtenção da Matriz de Transição,
que é gerada a partir da tabulação cruzada dos dados de uso e ocupação do solo, nos
diversos anos considerados.
26
Um outro componente da função de mudança opera sobre os mapas gerados
de probabilidade, buscando localizar as quantidades desejadas de mudanças, através
de uma escolha aleatória e ordenamento das células mais prováveis. Sendo um
princípio dos autômatos celulares, a vizinhança tem uma forte influência sobre o
estado da célula, tendendo a formar padrões espaciais com arranjo distinto em
relação ao tamanho, forma e orientação das manchas. As mudanças são todas
baseadas nas tendências históricas.
Uma maneira simples de representar esse modelo de estado e de transições
dá-se pelo uso da matriz de transição, que, por si só, não consiste em um modelo
espacial, mas na distribuição da quantidade de mudanças por toda a paisagem, ou
seja, o primeiro componente da função de mudança (SOARES-FILHO et al., 2004).
A matriz de transição se apresenta da seguinte forma:
A matriz Pij é conhecida como matriz de transição, na qual as colunas
representam as probabilidades de um determinado estado i permanecer no mesmo
estado ou mudar para o estado j durante o intervalo de tempo de t ⇒⇒⇒⇒ t + v, de modo
que:
Sendo o estimador de Pij dado pela equação seguinte, onde n é o número de
estados na paisagem.
27
Modelo de transição, como definido anteriormente, requer apenas que seja
especificado um número finito de estados e que sejam conhecidas as probabilidades,
ou melhor, as taxas de transição de um estado para outro em um intervalo de tempo
discreto.
- Pesos de evidência:
O método de pesos de evidências é um método Bayseano originário e
tradicionalmente utilizado por profissionais que lidam com probabilidades, para
apontar áreas favoráveis a, por exemplo, fenômenos geológicos, tais como:
mineralização e sísmica.
A metodologia bayseana consiste em determinar a probabilidade de ocorrer
um evento, dada certa condição. Em termos prospectivos, pode-se pensar na
definição da probabilidade de um depósito ocorrer, condicionada pela ocorrência de
certa evidência (exemplo: litologia favorável) (Moreira, 2001). O método bayseano
apresenta uma abordagem probabilística para o problema, onde o principal conceito
do método é a idéia da probabilidade a priori O {D} e da probabilidade a posteriori
O {D/B} (BONHAM-CARTER, 1994).
Como introdução ao conceito da probabilidade a priori e posteriori,
considere o seguinte exemplo definido por Bonham-Carter (1994): um indivíduo
deseja estimar a probabilidade de que ocorra chuva no dia seguinte, sabendo-se que
na média chove 80 dias por ano na região. Com essa informação, seria razoável
considerar que a probabilidade a priori de que vai chover no próximo dia é de
80/365. Essa probabilidade inicial pode ser refinada através da agregação de outras
fontes de dados, como, por exemplo, a estação do ano (verão, inverno, primavera e
outono). Com a consideração dessa nova informação, o resultado obtido seria a
probabilidade de chuva, dado a estação do ano vigente. Esta nova informação
funciona como um fator multiplicativo e representa uma melhora na precisão da
28
informação inicial (probabilidade a priori). Outras fontes de dados podem ser
utilizadas em conjunto, sendo necessário apenas a sua multiplicação à probabilidade
a priori (MOREIRA, 2001).
P (chuva | estação do ano) = P (chuva) * Componente estação do ano
P (chuva) – probabilidade a priori
P (chuva | estação do ano) – probabilidade a posteriori
Em estudos voltados à pesquisa mineral a probabilidade a priori seria a
probabilidade da ocorrência mineral considerando-se a área total investigada. A
probabilidade a posteriori seria um refinamento do conhecimento (probabilidade a
priori), onde através de uma ou mais evidências, que possuem uma relação direta
com a mineralização, calcula-se o aumento das chances de sucesso no encontro de
um novo depósito mineral. Ou seja, dado que se está pesquisando sobre uma
evidência favorável, determina-se quanto esta condição aumenta as chances da
descoberta de um novo depósito mineral (MOREIRA, 2001).
Os pesos representam cada variável de influência na dinâmica de transição
probabilística i ⇒⇒⇒⇒ j e são calculadas como se segue (SOARES-FILHO, 2004):
Onde O {D} e O {D/B} são as razões de chances, respectivamente, de ocorrer
a priori o evento D e ocorrer D dado um padrão espacial B, no exemplo de um
determinado tipo de solo ou faixa de distância à estrada.
W+ é, portanto, o peso de evidência de ocorrer o evento D, dado um padrão
espacial B. A probabilidade a posteriori de uma transição de i ⇒⇒⇒⇒ j, dado um
conjunto de dados espaciais e considerando que O {D} = 1, pois esta já é passada ao
modelo via matriz de transição, é expressa pela seguinte equação:
29
Onde V representa um vetor de k variáveis espaciais, medidas nas localidades
x, y e representadas por seus pesos W+k1xy, W
+k2xy ..., W
+knxy, sendo n o número de
categorias de cada variável k.
As vantagens apresentadas pelo método de pesos de evidências em relação a
outros métodos estatísticos paramétricos, tais como Regressão Logística, é que este
método não é reprimido pelas suposições clássicas dos métodos paramétricos, onde
os dados espaciais podem ser corrompidos. O método de pesos de evidências é
facilmente calculado por utilizar um mapeamento de tabulação cruzada e fórmulas
adicionais implementadas através de qualquer programa que utilize um sistema de
planilhas, eliminando assim a necessidade de utilização de programas estatísticos
sofisticados. Uma conseqüência da aplicação do método de pesos de evidências é a
identificação das variáveis mais importantes para a análise de mudança, bem como
a quantificação dos respectivos pesos para cada tipo de mudança (GODOY, 2004).
Dos pesos de evidência calculam-se as probabilidades de transição das
células.
CAPÍTULO 2
ÁREA DE ESTUDO
2.1. LOCALIZAÇÃO E CARACTERIZAÇÃO DA ÁREA
O baixo curso do rio Piranhas-Assu está localizado no litoral setentrional do
Rio Grande do Norte (Figura 2.1), e é composto pelos municípios de Afonso
Bezerra, Alto do Rodrigues, Assu, Carnaubais, Ipaguançu, Itajá, Macau, Pendências
e Porto do Mangue (Figura 2.2).
Figura 2.1 – Localização da área de estudo: baixo curso do rio Piranhas-Assu (RN).
2.1.1 Aspectos Sócio-Econômicos
Conforme dados do Idema (2004) (Tabela 2.1) o município mais populoso da
área de estudo é Assu, com uma população total de 50.177 habitantes, seguido de
31
Macau, com uma população de 25.554 habitantes. O menos populoso corresponde
ao município de Porto do Mangue, com população de 4.650 habitantes, porém é o
que apresenta taxa de crescimento (7,4) superior aos dos outros municípios. Itajá
também apresenta uma alta taxa de crescimento (6,33), enquanto que o município
de Macau mostra taxa negativa (-1,12), isto é, existe uma tendência da sua
população decrescer. Esse fato pode ser visualizado na Tabela 2.2, onde a projeção
da população de Macau para 2020 será de 16.923 habitantes, perdendo um
contingente de 8.631 pessoas. No caso de Carnaubais, que apresenta atualmente
maior população na área rural, reverterá essa situação em 2020, já que terá maior
população na área urbana que na rural.
Figura 2.2 – Mapa base do baixo curso do rio Piranhas-Assu (RN).
32
Com exceção de Carnaubais e Ipanguaçu, os municípios apresentam altas
taxas de urbanização, sendo que o município de Iatajá é o que apresenta maior valor
(82,06%) (Tabela 2.1). Os municípios de Alto do Rodrigues, Ipanguaçu e Itajá são
os únicos a apresentar um aumento da população da área rural, no período
considerado na Tabela 2.2. Os outros municípios apresentam diminuição da sua
população rural, sendo significativo o caso de Pendências, que chegará ao ano de
2020, com uma população rural de 443 habitantes, o que pode ser considerado como
um esvaziamento da sua área rural.
Tabela 2.1 – População, taxa de urbanização e de crescimento e Índice de Desenvolvimento Humano (IDH) dos municípios envolvidos na área de estudo.
MUNICÍPIOPOPULAÇÃO TAXA DE
URBANIZAÇÃOTAXA DE
CRESCIMENTO IDH2000 2004
Afonso Bezerra 10.867 10.936 59,81 0,14 0,629Alto do Rodrigues 9.499 10.141 68,24 1,60 0,688Assu 47.904 50.177 72,32 1,06 0,677Carnaubais 8.192 8.527 25,68 1,00 0,651Ipaguançu 11.924 12.264 36,50 0,76 0,613Itajá 6.249 7.013 82,06 6,33 0,635Macau 25.700 25.554 72,42 -0,12 0,690Pendências 11.401 11.579 78,45 0,35 0,631Porto do Mangue 4.064 4.650 56,23 7,45 0,598Referência: Relatório HE-1358-R09-0298 – IDEMA, 2004.
Tabela 2.2 – Municípios e Respectivas Populações Total, Urbana e Rural (período 1996-2020).
Municípios1996 2000 2010 2020
Total Urbana Rural Total Urbana Rural Total Urbana Rural Total Urbana Rural
Assu 45.054 32.647 12.407 46.390 35.237 11.153 49.753 41.449 8.304 51.526 45.638 5.788
Afonso Bezerra
9.883 5.986 3.897 9.517 6.078 3.439 8.690 6.214 2.476 7.708 6.019 1.689
Alto do Rodrigues
9.010 5.999 3.011 9.680 6.599 3.081 11.452 8.240 3.212 12.885 9.721 3.164
Carnaubais 10.920 4.359 6.561 11.321 4.828 6.493 12.302 6.106 6.196 12.819 7.260 5.559
Ipanguaçu 11.567 2.799 8.768 11.859 2.913 8.946 12.615 3.213 9.402 12.973 3.425 9.548
Itajá 4.889 1.184 3.705 5.013 1.232 3.781 5.332 1.359 3.973 5.483 1.448 4.035
Macau 21.476 18.575 2.901 20.718 17.961 2.757 18.999 16.565 2.434 16.923 14.836 2.087
Pendências 10.897 8.418 2.479 10.494 8.233 2.261 9.581 8.350 1.231 9.050 8.607 443
Referência: Relatório HE-1358-R09-0298 – IDEMA, 2004.
33
Os valores totais da população, nos anos de 1996, 2000, 2010 e 2020, para os
municípios envolvidos na área de estudo são apresentados na Figura 2.3. Percebe-se
que nos municípios de Afonso Bezerra, Macau e Pendências, a análise de tendência
mostra decréscimo na população.
0
5.000
10.000
15.000
20.000
25.000
30.000
35.000
40.000
45.000
50.000
55.000
Assu
Afonso
Bez
erra
Alto d
oRodrig
ues
Carnau
bais
Ipan
guaçu
Itajá
Macau
Pendência
s
MUNICÍPIO
HA
BIT
AN
TE
S
1996
2000
2010
2020
Figura 2.3 – Total de população, no período 1996-2020, dos municípios da área de estudo.
No que se referem às atividades agrícolas (Tabela 2.3), os municípios
apresentam vocação diferenciada de produtos agrícolas. O município de Afonso
Bezerra mantém maior área de cultivo de algodão herbáceo, feijão e milho. Alto do
Rodrigues e Iapanguaçu cultivam mais banana. Assu mantém maior área de cultivo
de milho, feijão e castanha de caju. As maiores áreas de cultivo são destinadas ao
milho, feijão, banana e manga em Carnaubais. Itajá e Macau mantêm pouca área de
cultivo nos seus municípios, mas o primeiro apresenta maior variedade de produtos
agrícolas que o segundo. Macau registra maior plantio de feijão e milho. Fato
semelhante ocorre em Pendências. O município de Porto do Mangue cultiva
essencialmente castanha de caju, milho e feijão.
34
O município de Ipanguaçu é o que cultiva uma variedade maior de produtos
agrícolas (15), enquanto que Pendências é o município com menor variedade (6).
Em relação à área de cultivo que cobre o município, Alto do Rodrigues é o que
apresenta maior percentual das terras do município cultivadas (17,21%), sendo
Macau o de menor percentual (1,08%).
Tabela 2.3 – Área colhida dos principais produtos agrícolas, ano de 2003, dos municípios da área de estudo.
Principais Produtos Agrícolas
Área Colhida (ha)
MUNICÍPIO
Afonso Bezerra
Alto do Rodrigues Assu Carnaubais Ipaguançu Itajá Macau Pendências
Porto do Mangue
Algodão herbáceo 300 375 500 150 230 60 20 120 50
Feijão 300 710 900 300 400 150 400 250 150
Mandioca 20 - - - - - - - 40
Melancia 5 10 100 40 100 10 - - -
Milho 300 800 1.000 600 600 180 400 300 180
Banana 3 1.160 350 300 1086 15 - 5 3
Goiaba - 12 3 3 15 10 5 - -
Coco-da-bahía (1.000 frutos)
- 52 54 5 25 10 10 - 10
Batata-doce - 20 - - 10 10 - - -
Castanha de caju 80 - 800 80 100 8 10 8 260
Laranja - - - 3 3 - - - -
Limão 1 - 4 2 2 - - - -
Mamão 4 90 10 6 15 - 4 - -
Manga 40 54 240 220 500 10 3 26 -
Tomate 6 10 60 20 30 10 - - -
Melão 96 - 40 - - - - - -
Sorgo Granífero - - - - 70 - - - -
Área Colhida (ha) 1.155 3.293 4.061 1.729 3.186 473 852 709 693
Área do Município (ha) 57.620 19.131 126.429 52.984 37.424 20.362 78.802 41.914 31.864 % área colhida / área município 2,00 17,21 3,21 3,26 8,51 2,32 1,08 1,69 2,17
Referência: Relatório HE-1358-R09-0298 – IDEMA, 2004.
Ipanguaçu, município que cultiva uma maior variedade de produtos
agrícolas, é o que está em segundo lugar na criação de rebanhos, o que demonstra a
vocação agropecuária do município (Tabela 2.4). Perde em número de cabeças para
o município de Assu, que mantém 32.177 cabeças de diversos animais de criação.
O município com menor número de animais é Porto do Mangue.
Bovinos, ovinos e caprinos são os animais mais prezados para criação dentre
os municípios da área de estudo. Exceto Ipanguaçu, Macau e Pendências, os
bovinos mantêm a liderança no número de cabeças. Em Ipanguaçu e Pendências o
35
efetivo do rebanho ovino é superior aos outros rebanhos. Em Macau o maior
efetivo é de caprinos.
Tabela 2.4 – Efetivo de rebanho, ano de 2003, dos municípios da área de estudo.
Tipo MUNICÍPIO
Afonso Bezerra
Alto do Rodrigues
Assu Carnaubais Ipaguançu Itajá Macau Pendências Porto do Mangue
Bovinos 5.824 3.053 11.049 5.090 5.096 2.281 2.198 5.747 953
Suínos 650 500 1.030 591 822 202 372 634 94
Eqüinos 177 119 321 266 236 69 118 217 29
Asininos 353 212 770 311 313 147 148 252 86
Muares 85 67 113 66 106 21 28 112 27
Ovinos 2.904 2.292 8.038 4.262 5.626 1.873 2.235 6.640 486
Caprinos 4.824 1.935 10.856 2.070 4.638 1.840 4.220 2.090 140
Total 14.817 8.178 32.177 12.656 16.837 6.433 9.319 15.692 1.815 Referência: Relatório HE-1358-R09-0298 – IDEMA, 2004.
O desmatamento da caatinga para diversos fins é comum, sem um plano de
manejo sustentável é a realidade em amplas áreas do nordeste. Na área de estudo é
um fato concreto. Dentre os municípios em estudo, Carnaubais é o de maior
produção de lenha e de carvão vegetal (Tabela 2.5). No entanto, junto com os
municípios de Assu, Ipanguaçu e Pendências, aproveita as carnaúbas para a
extração de cera. Junto com Ipanguaçu também é aproveitada a fibra dessa essência
florestal.
Tabela 2.5 – Produção de carvão vegetal, lenha, madeira em tora e principais produtos das espécies florestais nativas, ano de 2003, dos municípios da área de estudo.
Tipo MUNICÍPIO
Afonso Bezerra
Alto do Rodrigues Assu Carna-
ubais Ipaguançu Itajá Macau Pendências Porto do Mangue
Produção de Carvão Vegetal, Lenha e Madeira em Tora das Espécies Florestais Nativas -2003
Lenha (m³) 2.888 1.178 8.124 28.468 6.586 107 3.123 1.008 791
Carvão Vegetal (t) 29 6 39 57 21 5 9 11 11
Madeira em Tora (m³) - - - - - - - - -
Principais Produtos das Espécies Florestais Nativas - 2003 (ton)
Carnaúba - cera - - 28 29 21 - - 4 -
Carnaúba - fibra - - 0 2 3 - - - -
Referência: Relatório HE-1358-R09-0298 – IDEMA, 2004.
36
As atividades ligadas ao petróleo estão presentes nos municípios de Alto do
Rodrigues, Assu, Carnaubais, Macau, Pendências e Porto do Mangue (Tabela 2.6).
O município que mantém maior número de poços perfurados e produtores é Alto do
Rodrigues e o município com menor número de poços é Porto do Mangue.
Macau e Alto do Rodrigues são os municípios com maior produção de óleo
ou petróleo líquido. Já, na produção de gás natural, destacam-se Macau e
Pendências.
Tabela 2.6 – Poços perfurados e produtores de petróleo, produção de óleo ou petróleo líquido e gás natural em terra, ano de 2003, dos municípios da área de estudo.
Tipo MUNICÍPIO
Afonso Bezerra
Alto do Rodrigues Assu
Carna-ubais Ipaguançu Itajá Macau Pendências
Porto doMangue
Poços Perfurados e Poços Produtores de Petróleo – 2002
Perfurados - 690 366 266 - - 200 189 17
Produtores - 683 355 260 - - 188 180 10
Produção de Óleo ou Petróleo Líquido e Gás Natural em Terra - 2002 (1.000 m3)
Óleo ou Petróleo Líquido - 369 282 159 - - 398 230 -
Gás Natural - 1.733 1211 648 - - 16.482 2.483 -
Referência: Relatório HE-1358-R09-0298 – IDEMA, 2004.
2.1.2 Clima
Nesta região o clima é semi-árido quente (clima tropical equatorial de Nimer
1972; clima muito quente e semi-árido do tipo BSW’h de Koppen), onde
predominam estações secas com 7 a 8 meses de duração (junho a janeiro). A estação
chuvosa ocorre de fevereiro a maio (período úmido). A precipitação pluviométrica
anual é inferior a 750 mm.
No Litoral Norte os ventos sopram predominantemente de E (entre os meses
de setembro a abril) e NE (entre os meses de abril a setembro), como indicam a
morfologia das dunas eólicas na região litorânea do Estado do Rio Grande do Norte
(IDEMA, 2002).
37
2.1.3 Hidrografia
O Litoral Norte possui um dos maiores estuários do litoral do Rio Grande do
Norte, o Estuário do Rio Piranhas-Assu, seguido pelo Estuário do Rio Apodi. Os
rios desses estuários recebem contribuições do continente por meio de drenagens
ativas apenas durante o período chuvoso e com vazões reduzidas. Ao se
aproximarem da zona costeira, o fluxo das ondas apresenta a mesma direção dos
ventos dominantes (NE-E).
2.1.4. Solo
Com base no RADAMBRASIL (BRASIL, 1981) e em consonância com o
novo Sistema Brasileiro de Classificação de Solos (EMBRAPA, 1999), na área de
estudo ocorrem os tipos de solos e associações de solos apresentados na Tabela 2.7
e na Figura 2.4.
Tabela 2.7 – Classes de solo/associação de solo do baixo curso do rio Piranhas-Assu (RN).
SOL
O NEOSSOLOS QUARTZARÊNICOS órticos; CAMBISSOLOS HÁPLICOS Ta
eutróficos; ARGISSOLOS VERMELHO-AMARELOS eutróficos; GLEISSOLOS SÁLICOS sódicos.
ASS
OC
IAÇ
ÃO
DE
SO
LO
S
NEOSSOLOS FLÚVICOS Ta eutróficos + PLANOSSOLO HÁPLICOS eutróficos; CAMBISSOLOS HÁPLICOS Ta eutróficos + VERTISSOLOS CROMADOS órticos; CAMBISSOLOS HÁPLICOS Ta eutróficos + NEOSSOLOS REGOLÍTICOS eutróficos + CHERNOSSOLOS RÊNDZICOS saprolíticos; LATOSSOLOS AMARELOS distróficos + ARGISSOLOS VERMELHO-AMARELOS eutróficos; LATOSSOLOS AMARELOS distróficos + NEOSSOLOS QUARTZARÊNICOS órticos; LATOSSOLOS VERMELHO-AMARELOS eutróficos + ARGISSOLOS VERMELHO-AMARELOS eutróficos latossólicos + NEOSSOLOS QUARTZARÊNICOS órticos; LATOSSOLOS VERMELHO-AMARELOS eutróficos + ARGISSOLOS VERMELHO-AMARELOS eutróficos; LATOSSOLOS VERMELHO-AMARELOS eutróficos argissólicos + ARGISSOLOS VERMELHO-AMARELOS eutróficos; LUVISSOLOS CRÔMICOS órticos + NEOSSOLOS REGOLÍTICOS eutróficos + PLANOSSOLOS NÁTRICOS órticos + PLANOSSOLOS HÁPLICOS eutróficos; NEOSSOLOS REGOLÍTICOS eutróficos + LUVISSOLOS CRÔMICOS órticos + PLANOSSOLOS NÁTRICOS órticos; PLANOSSOLOS NÁTRICOS órticos + PLANOSSOLOS HÁPLICOS eutróficos + NEOSSOLOS REGOLÍTICOS eutróficos; PLANOSSOLOS NÁTRICOS órticos + PLANOSSOLOS HÁPLICOS eutróficos + NEOSSOLOS FLÚVICOS Ta eutróficos.
38
Figura 2.4 – Mapa de solos e associação de solos do baixo curso do rio Piranhas-Assu (RN).
2.1.5 Vegetação
A área de estudo apresenta as seguintes fisionomias vegetais: a) Região da
Estepe – Caatinga: Mata de Caatinga Arbustiva Arbórea Fechada, Mata de Caatinga
Arbustiva Arbórea Aberta, Mata de Caatinga Arbustiva Aberta, Mata de Carnaúba;
b) Áreas das Formações Pioneiras: Influência Fluvio-marinha – Mangue Arbóreo-
39
Arbustivo, Influência Fluvio-marinha – Herbáceas, Vegetação de dunas, Vegetação
rasteira, Influência Fluvial-herbáceas (Figura 2.5). A classificação da cobertura
vegetal usada nesse trabalho foi adotada e modificada de RADAMBRASIL
(BRASIL, 1981).
A Caatinga é formada por plantas adaptadas ao clima semi-árido ou tropical
quente e seco; esse tipo de vegetação sobrevive com pouca água, chegando a perder
suas folhas nos períodos de maior estiagem, abrange a maior parte da área de
estudo.
Em relação à fisionomia da vegetação de Caatinga, podem-se distinguir três
tipos: Caatinga Arbustiva Arbórea Fechada, Caatinga Arbustiva Arbórea Aberta e
Caatinga Arbustiva Aberta. A Caatinga Arbustiva Arbórea Fechada representa a
vegetação de Caatinga com predominância de indivíduos de porte arbustivo, com a
presença discreta de indivíduos de porte arbóreo, sem áreas descobertas de
vegetação, isto é, cobrindo toda a área de ocorrência de maneira ininterrupta e sem
clareiras. A Caatinga Arbustiva Arbórea Aberta corresponde à vegetação de
caatinga com predominância de arbustos estando aqui presentes indivíduos de porte
arbóreo distantes entre si, a vegetação não é compacta, apresentando clareiras. A
Caatinga Arbustiva Aberta caracteriza a vegetação de Caatinga ausente de
indivíduos de porte arbóreo tendo como remanescentes os arbustos distanciados
entre si, isto é, com clareiras.
A mata de Carnaúbas (Copernicia cerifera) ocorre em áreas
predominantemente úmidas, principalmente nas áreas de influência fluvial.
Algumas dessas áreas apresentam uma forte influência antrópica, com
desflorestamento dos vales e depressões mais úmidas. Em geral, ficam com
remanescentes poucas espécies, dentre delas as carnaúbas, sobre contínuo tapete
gramíneo-lenhoso temporário (BRASIL, 1981).
A vegetação das áreas de influência fluvio-marinha - Mangue Arbóreo-
arbustivo está localizada nas várzeas próximas à desembocadura dos rios, onde as
águas das marés se misturam com as águas dos rios. Segundo Brasil (1981) é uma
comunidade geral, com grande poder de regeneração, exclusiva de ambientes
40
salobros. Acompanha os cursos dos rios, instalando-se nas áreas aluviais que sofrem
influência das marés.
A classe de vegetação Influência Fluvio-marinha – Herbáceas corresponde à
vegetação pioneira, constituída de espécies halófitas, comum dos ambientes de
influência fluvio-marinha com alto teor de salinidade, ocupando estuários afogados
de alguns rios (BRASIL, 1981).
Nas dunas pode-se observar uma vegetação arbustiva, de densidade variável,
e de vegetação rasteira, resistente às condições dos solos dessas áreas. O estrato
predominante é o herbáceo-graminóide. Segundo Brasil (1981) as espécies que
revestem tais áreas são bastante características e até certo ponto em número
reduzido. A existência de solos salinos, temperaturas elevadas e consequentemente
seca fisiológica e ainda a forte ação dos ventos, promovem rigorosa seleção
específica, que se manifesta através de algumas adaptações morfológicas que
influem na ação fisiológica das plantas.
A classe de vegetação Rasteira corresponde às áreas de depressões
interdunares, localizadas na porção norte da área de estudo. Caracteriza-se pela
presença de espécies pioneiras, resistentes às condições do solo, mas que encontram
um maior teor de umidade, típica das depressões interdunares.
Em geral, todas as formações vegetais situadas às margens dos cursos de
água e ao redor dos lagos das áreas semi-áridas sobre terrenos aluviais são
constituídas de vegetação de primeira ocupação (BRASIL, 1981). Normalmente,
são áreas pedologicamente instáveis pela constante sedimentação do terreno devido
à deposição aluvial. Na área de estudo, essa classe apresenta algumas variações,
dependendo de fatores ecológicos bastantes variáveis. Algumas áreas apresentam
vegetação típica de alagados, com a presença de espécies adaptadas ao
encharcamento do solo, conforme a vazão dos rios. Outras apresentam variada
vegetação herbácea com alguns remanescentes de carnaúbas. As gramíneas estão
sempre presentes.
41
Figura 2.5 – Mapa de vegetação do baixo curso do rio Piranhas-Assu (RN).
2.1.6 Geologia Regional
- Embasamento cristalino
O substrato, ou embasamento cristalino, sobre o qual implantou-se a Bacia
Potiguar, pertence à Província Borborema (ALMEIDA et al., 1977). Esta província
42
situa-se na porção nordeste da Plataforma Sul-americana e é constituída de faixas de
rochas supracrustais e terrenos gnáissicos-migmatíticos-graníticos. (Figura 2.6).
Figura 2.6 – Mapa geotectônico da Província Borborema. (Fonte: PESSOA NETO, 1999).
Fortes (1988) diz que o panorama litológico pré-cambriano do Nordeste
acusa as marcas profundas da Orogênese Brasiliana na forma de rochas de fácies
metamórficas tão elevadas como a anfibolítica e a granulítica, e de granitóides de
anatexia, além de migmatítos e granitos intrusivos. São rochas geradas no ciclo
Brasiliano, com exceção de restos de núcleos gnaissicos-migmatíticos mais antigos
parcialmente retrabalhados neste ciclo.
43
A correlação dos terrenos proterozóicos do Nordeste do Brasil com aqueles
da África ocidental induz à interpretação de que as zonas de cisalhamento
transcorrentes intracontinentais da Faixa Borborema/Trans-Sahara constituem uma
rede transcontinental de zonas de cisalhamento dúcteis de escala crustal a
litosférica, instaladas na acomodação das convergências relativas dos crátons do
Oeste Africano, Amazônico, São Francisco/Congo e diversos fragmentos de
microcontinentes no Neoproterozóico (JARDIM DE SÁ, 1984).
Sendo assim, o embasamento Pré-Cambiano (ou Embasamento Cristalino)
sobre o qual depositaram-se os sedimentos da Bacia Potiguar, é composto de três
grandes unidades, rastreáveis sob a cobertura sedimentar, pelo prolongamento para
Nordeste de suas faixas de ocorrência na borda sul da bacia e por testemunhos da
PETROBRÁS. Estas unidades são, da base para o topo, Complexo Caicó, Grupo
Seridó (faixa de supracrustais composta da base para o topo, pelas Formações
Jucurutu, Equador e Seridó) e granitóides brasilianos (Figura 2.7), (ECOPLAM,
1997).
ÉPOCA / IDADE AMBIENTE DEPOSICIONAL AMBIENTE (descrição suscinta)
PROT. SUPERIOR (570 A 1.100 M.a.)
GRANITÓIDES BRASILIANOS Granitos e granodioritos (pεγb)
PROTEROZÓICO INDIVISO
(> 1.100 M.a.)
GRUPO SERIDÓ
Fm SERIDÓ Micaxistos, filitos Fm EQUADOR Meta-arenitos e metaconglomerados
Fm JUCURUTU Paragnaisses, mármores, calcossilicáticas
COMPLEXO CAICÓ Migmatitos
Figura 2.7 – Embasamento cristalino sobre o qual depositaram-se os sedimentos da Bacia Potiguar. (Fonte: ECOPLAM, 1997).
- Bacia Potiguar
A área de estudo encontra-se situada no contexto geológico da Bacia
Potiguar (Figura 2.8), extremo Nordeste do Brasil, nos Estados do Rio Grande do
Norte e Ceará. Com uma área de 48.000 Km2 aproximadamente, sendo destes,
21.500 em área emersa e 26.500 em área submersa, chegando a isóbata de –2000 m
(ALMEIDA et al., 1977), e encontra-se inserida na porção da Província Borborema
caracterizada por Jardim de Sá (1984) como sendo composta por diversas faixas de
44
supracrustais, distribuídas em um embasamento gnáissico-migmatítico, cujo limite
sul é a Zona de Cisalhamento E-W de Patos.
Figura 2.8 – Mapa de localização da Bacia Potiguar com respectiva área de estudo. (Adaptado: PESSOA NETO, 1999).
Segundo Neves (1987), a Bacia Potiguar representa um rifte intracontinetal
em sua porção emersa e uma bacia do tipo pull-apart em sua porção submersa. A
semelhança de outras, como as bacias do Recôncavo, Tucano e Jatobá, Rio do Peixe
e Sergipe-Alagoas, a Bacia Potiguar faz parte do sistema de rifte do nordeste
brasileiro (MATOS, 1992).
Deste modo, as principais feições tectônicas, segundo Cremonini (1996),
encontrada na área de estudo são representadas pelos altos de Macau, a sul, e Boa
vista a oeste; e pelas falhas de Ubarana e de Macau, onde no extremo leste e sudeste
da área ocorrem duas feições erosivas importantes, representadas pelo canyons de
Ubarana e de Agulhas. O extremo norte é limitado por uma flexura dos pacotes
sedimentares de direção aproximada N75º W, que coincide com o atual limite entre
plataforma e talude continental.
Bacia Potiguar
Área de Estudo
45
A Bacia Potiguar apresenta os seguintes limites: a oeste, com a Bacia do
Ceará, pelo Alto Fortaleza, a sul, pelo Embasamento Cristalino da Faixa Seridó e a
norte, nordeste e leste pela Cota batimétrica de – 2000 m.
Para Araripe e Feijó (1994), o processo de formação da Bacia Potiguar
pode ser dividido em dois estágios evolutivos e três unidades litoestratigráficas:
1) O Estágio Rifte (subsidência tectônica) é composto por sedimentos da
formação pendências, de idade Neocomiana a Eoaptiana (Cretáceo inferior),
representados por conglomerados de escarpa de falha, além de siltitose folhelhos
depositados em sistemas lacustrinos, os quais foram, progressivamente, sobrepostos
por arenitos deltaicos e fluviais. Estes sedimentos atingem uma espessura máxima
em torno de 6000 m, tendo contato superior com a formação Alagamar e inferior
com o embasamento cristalino. Na porção submersa da bacia seu contato superior é
com a Formação escada. Esta formação corresponde a uma cunha de sedimentos
encontrada na plataforma continental composta por arenitos com intercalações de
folhelhos e siltitos depositados e sistemas de leques aluviais coalescentes
(DANTAS, 1998).
2) O Estágio Pós-Rifte (subsidência termal) iniciou no Albiano e dividiu-
se em três seqüências segundo Dantas (1998):
a) Seqüência Transicional (Neo-Aptiana): foi iniciada com a deposição da
Formação Alagamar, que é subdividida em Membro Upanema (arenitos com
intercalações de calcários e folhelhos), camada Pontas do Tubarão (calcilutito
ostracoidal intercalado com folhelho cinza esverdeado) e Membro Galinhos
(argilitos). Esta formação atinge em média 800 m de espessura, tendo contato basal
discordante, ora com o embasamento cristalino ora com a Formação Pendências ou
com a Formação Pescada. O contato superior é discordante com a Formação Açu,
na porção emersa da bacia. Na porção submersa é discordante com a Formação
Ubarana e concordante com a Formação Ponta do Mel. O Membro Upanema
apresenta uma mudança de sistema fluvial (porção basal) para deltaico lacustre na
sua parte superior. O término da deposição lacustre é representado pelas Camadas
Ponta do Tubarão. O Membro Galinhos representa um sistema deposicional deltaico
com influência marinha.
46
(b) Seqüência Flúvio-Marinha Transgressiva (Albiano-Cenomaniano):
iniciou com a deposição da Formação Açu (Figura 2.9), compreendendo
conglomerados, arenitos e siltitos e representando depósitos fluviais e deltaico-
estuarinos. Em direção ao mar, a Formação Açu grada lateralmente para as
formações Ponta do Mel e Ubarana (Membro Quebradas).
A Formação Ponta do Mel é composta por calcarenito oncolítico (basal),
arenito fino a médio e calcilutito intercalado com folhelho, além de calcarenito com
bioclastos na parte superior. Esta formação ocorre somente na porção submarina da
bacia, e sua maior espessura observada é de cerca de 650 metros. Lateralmente esta
unidade grada para a Formação Açu. Seu contato superior com a Formação Ubarana
ora é discordante (erosivo), ora é concordante. O sistema deposicional varia de
plataforma rasa (calcarenitos) até mar aberto (calcilutitos).
Figura 2.9 – Mapa geológico simplificado da Bacia Potiguar. SPA, sedimentos de praia e aluviões (Compilado de DANTAS, 1998).
47
A Formação Ubarana (Albiano inferior aos dias atuais) é composta por
folhelhos, siltitos, calcilutitos, arenitos, diamictitos, conglomerados e, às vezes,
olistolitos. Pertencem a esta formação pelitos (folhelhos cinza) intercalados com
arenitos, designados de Membro Quebradas, os quais separam a Formação Ponta do
Mel da Formação Jandaíra.
A Formação Jandaíra (Turoniano a Campaniano inferior) é composta por
calcarenitos com bioclastos e calcilutitos, depositados em planície de maré, laguna
rasa, plataforma rasa e mar aberto. Esta formação atinge sua espessura máxima em
torno de 600 m. Nas porções leste e oeste da bacia essa espessura torna-se menor.
(c) Seqüência Flúvio-Marinha Regressiva (Neocampaniano ao Holoceno):
iniciou com a deposição da Formação Tibau, composta por arenitos grossos de
leques costeiros. Esta formação tem contato inferior discordante com a Formação
Jandaíra e, na porção submersa da bacia, concordante com a Formação Guamaré. O
contato superior com a Formação Barreiras e sedimentos recentes é de difícil
definição. Esta seqüência também envolve a deposição da Formação Guamaré,
incluindo calcarenitos e calcilutitos de sistema de plataforma e talude carbonáticos.
Esses sedimentos podem ocorrer intercalados às formações Tibau, Macau e
Ubarana, tendo contatos gradacionais ou discordantes em suas porções superior e
inferior.
Segundo Araripe e Feijó (1994), atualmente as rochas sedimentares da bacia
estão organizadas em três grupos: Areia Branca, Apodi e Agulhas; e três eventos de
vulcanismo: Rio Ceará-Mirim, Serra do Cuó e Macau - que ocorrem associados à
evolução da Bacia.
O Grupo Areia Branca – denominação proposta para reunir as formações
Pendência, Pescada e Alagamar, de conteúdo predominantemente clástico.
O Grupo Apodi – reúne as rochas siliciclásticas da Formação Açu de idade
Albiana a Cenomaniana e rochas carbonáticas da Formação Jandaíra de idade
Turoniano a Mesocampaniana, além da Formação Ponta do Mel e Quebradas
(ARARIPE; FEIJÓ, 1994).
48
O Grupo Agulha – segundo Araripe e Feijó (1994) é constituído pelas
Formações Ubarana, Guamaré e Tibau, formadas por clásticos e carbonatos de alta
e baixa energia.
Segundo Dantas (1998), a seqüência estratigráfica da bacia Potiguar finaliza
por sedimentos quaternários (eólicos, aluvionares, beachrocks, entre outros) e
sedimentos da Formação Barreiras (arenitos variegados e argilosos de ambiente
continental).
Rio Ceará-Mirim – contemporâneo à instalação do rifte (Jurássico a
Cretáceo inferior), e é composto por diabásios de afenidades toleítica, aflorantes na
borda da bacia, na forma de enxames de diques E-W, encontrando-se algumas vezes
intercalados na Formação Pendência.
Serra do Cuó – Santoniano a Campaniano, composto por soleiras básicas
que intercalam na Formação Açu.
Macau – Oligoceno ao Mioceno (Terciário), incluindo derrames, necks e
plugs de basaltos e diabásicos de afenidade alcalina.
- Arcabouço estrutural da Bacia Potiguar
Para Dantas (1998), uma configuração geométrica da estrutura da bacia
pode ser traçada, a qual seria constituída por um conjunto de grabens assimétricos
(Apodi, Umbuzeiro, Guamaré e Boa vista) de direção NE, levemente oblíquos aos
principais lineamentos do embasamento cristalino ao sul da bacia (Figura 2.10).
Deste modo, altos do embasamento separam os principais grabens da bacia, que
consistem de cristas alongadas formadas por gnaisses, migmatitos ou xistos,
soerguidos por falhas normais (Macau, Serra do Carmo e Quixaba).
A Bacia Potiguar, na era Cenozóica é marcada por um tectonismo de menor
expressividade regional, ou seja, não determina o surgimento de riftes e bacias
sedimentares como no Mesozóico.
Entretanto, eventos tectônicos de menores magnitudes são marcados,
sobretudo, pela reativação de importantes falhamentos – como os sistemas de
Falhas Afonso Bezerra e Carnaubais que interceptam o Litoral Setentrional (Figura
49
2.11), dobramentos de grandes comprimentos de onda e eixos orientados na direção
N-S, resultantes de grandes esforços compressivos E-W aos quais a Bacia Potiguar
esteve submetida no Terciário, e reativações tectônicas associadas a intrusões
básicas relacionadas à Formação Macau.
Figura 2.10 – Mapa de localização e arcabouço estrutural da Bacia Potiguar. (Fonte: CREMONINI, 1996).
Essa ascensão de magmas relacionados aos litotipos da Formação Macau
seria resultante do alivio de pressão no Terciário de regiões arqueadas durante o
Mesozóico, devido a ajustes internos da Placa Sul-Americana (SIAL, 1976).
Para Fonseca (1996 e 2001), a porção central do litoral norte do Estado do
Rio Grande do Norte, entre os Municípios de São Bento do Norte e Areia Branca,
configura-se como uma grande reentrância, segundo a qual ocorre um expressivo
aporte de sedimentos continentais e plataformais, onde os elementos morfológicos
da paisagem costeira estão representados principalmente por praias arenosas; uma
linha de falésias esculpidas sobre rochas do Barreiras, desde a Ponta do Mel até as
proximidades de Porto do Mangue, que possui orientação NW – SE e outra linha de
falésia nas proximidades de São bento do Norte – Caiçara, relacionadas à Ponta dos
Três Irmãos, que são suportadas por arenitos praias litificados (beach rocks), que
50
apresentam orientação ENE – WSW; e rio Açu, que em seu baixo curso corre
nitidamente em um canal controlado segundo orientação NNE – SSW.
Figura 2.11 – Modelo proposto por Fonseca (1996), figura modificada por Vital et al(2003) para a compartimentação do litoral norte entre as falhas de Afonso Bezerra e Carnaubais.
Esse conjunto de elementos morfológicos, entre outros, são condicionados
pelos elementos morfoestruturais, que são perfeitamente compatíveis com as
orientações de estruturas Mesozóica previamente reconhecidas e mapeadas na Bacia
Potiguar. A orientação ENE – WSW, segundo Matos (1995), corresponde ao
sistema de Falhas de Carnaubais e a orientação NW – SE corresponde, segundo
Hackspacher et al. (1985), ao Sistema de Falhas de Afonso Bezerra, instalado no
Cretáceo Superior (CREMONINI; KARNER, 1995).
Deste modo, Fonseca (2001) afirma que a existência de feições
deformativas nos registros Holocênicos (Barreiras, seqüências deltaicas da foz do
51
rio Açu, beach rocks e paleodunas, além de abundantes exemplos de estruturas
relacionadas a paleossismicidade nos terraços aluvionares) e sua associação a
elementos morfoestruturais (deflexão de cursos fluviais, quebra de terraços
lagunares, alinhamento de drenagens e falésias, principalmente) indicam que esses
dois sistemas de falhas controlam a costa pré-holocênica.
Em trabalho recente, Almeida (2002) relata que pelo menos dois campos de
tensões distintos estão bem marcados na Bacia Potiguar: o primeiro é restrito às
rochas das Formações Açu e Jandaíra, e o segundo é observado na Formação
Barreiras e Terraços aluvionares. Estes são coincidentes com os campos de tensões
atuais, sendo ambos associados a tectonismo transcorrente, onde o primeiro foi
identificado em falhas que afetam a Formação Jandaíra na região de Afonso Bezerra
e Upanema (RN), porção central e centro sul da Bacia Potiguar com idade de
atuação ainda incerta, porém com duas hipóteses de surgimento, uma com limite
Cretáceo/Terciário e a outra Eoceno/Oligoceno. O segundo campo de tensão
coincide com dados de mecanismo focal de sismo e breakouts, que indicam que a
direção de compressão máxima horizontal atual é paralela-subparalela à linha de
costa, variando de E-W a NW-SE, e apresentando juntas extencionais verticais,
principalmente em terraços aluvionares e na Formação Barreira no vale do rio Açu
(RN).
2.1.7 Geologia da Área de Estudo
O Baixo curso do rio Piranhas-Assu (RN) está inserido no contexto
geológico da Bacia Potiguar onde, segundo Araripe e Feijó (1994), observam-se três
unidades litoestratigráficas: Grupo Areia Branca, depositado no início do
Mesozóico Superior, porção basal, Grupo Apodi, sendo depositado em meados do
Mesozóico Superior, porção intermediária e Grupo Agulhas, iniciando sua
deposição no final do Mesozóico Superior e prolongando-se até o final do
Cenozóico. Na área de estudo foi observada em sua maior parte a Formação
Barreiras, associado ao Grupo Agulhas. Esta formação repousa na parte emersa da
52
bacia, com faixas descontínuas de sedimentos clásticos continentais, constituídos
por conglomerados, arenito e argilitos de cores avermelhadas, sobrepostos, em
discordância, erosiva geralmente aos calcários da Formação Jandaíra
(NATRONTEC, 1998).
A Formação Jandaíra associado ao Grupo Apodi, constitui calcários
micríticos (finos) de coloração creme amarela, homogêneos, contendo escassas
intercalações de calcarenitos e argilitos. Ocorrem geralmente em compartimentos de
tabuleiros, vertentes, terraços e falésias. Também se observaram Depósitos
Quaternários constituídos por sedimentos holocênicos, recentes e atuais, de origem
fluvial, estuarina, marinha, eólica e praial.
Dentro deste contexto, pode-se condicionar a geologia da área estudada em
dois grandes domínios, um ambiente marcado pela plataforma continental e outro
descrito como ambiente costeiro.
No presente trabalho, com base no mapa geológico elaborado por Fortes
(1987), com base na imagem Landsat 7-ETM+ (29/05/2003) e CBERS 2-CCD1XS
(14/08/2004) e etapas de campo, foi possível confeccionar o mapa geológico
simplificado do Baixo curso do rio Piranhas-Assu (RN), que apresenta, da base ao
topo, treze ambientes distribuídos em cinco unidades litoestratigráficas, conforme a
Figura 2.12, que são: Embasamento Cristalino representado por Gnaisses-
Migmatitos, período Cretáceo representado pela formação Açu e formação Jandaíra,
período Terciário representado pelas rochas Ígnea da formação Macau, período
Tercio-quaternário representado pela formação Tibau e Formação Barreiras, e por
fim, período Quaternário representado pelos Depósitos: Fluvio-estuarinos, de
Planície de maré, Aluvionar, Colúvio-eluvial, eólico (Dunas Fixas), eólico (Dunas
Móveis) e de sedimentos de praia recentes.
2.1.7.1 Cretáceo
2.1.7.1.1 Formação Açu (Ka)
53
De idade Albiano-Cenomaniano, a formação Açu pertencente ao Grupo
Apodi (Figura 2.13) foi definida por Kreidler e Andrery (1949 apud ARARIPE;
FEIJÓ 1994), para designar os arenitos finos e grossos, intercalados com folhelhos e
siltitos que afloram nas bordas da bacia. O contato inferior é discortante com a
Formação Alagamar e o embasamento. Lateralmente grada para fácies carbonáticas
da Formação Ponta do Mel e cláticos da Formação Quebradas. O seu contato
superior com a Formação Jandaíra é gradacional.
Figura 2.12 – Mapa simplificado de geologia do baixo curso do rio Piranhas-Assu, RN.
54
Figura 2.13 – Afloramento da Formação Açu no baixo curso do rio Piranhas-Assu (RN) (Foto: Grigio, maio/2005).
2.1.7.1.2 Formação Jandaíra (Kj)
De idade Turoniano-Mesocampaniano pertencente ao Grupo Apodi a
formação jandaíra (Figura 2.14), foi proposta por Sampaio e Challer (1968 apud
ARARIPE; FEIJÓ, 1994), sendo constituído por uma composição carbonática de
alta energia sobreposta aos arenitos Açu. Esta unidade é composta tipicamente por
calcarenitos bioclásticos, calcilutitos “birdseyes”, depositados em planície de maré,
plataforma rasa e mar aberto, em contexto de bacia faminta (SOUZA, 1982). O
contato inferior da Formação Jandaíra é concordante com a Formação Açu ou com a
Formação Quebradas; lateralmente, interdigita-se com a parte inferior da Formação
Ubarana e seu contato superior é discordante sob o Grupo Agulhas (ARARIPE;
FEIJÓ, 1994).
2.1.7.2 Térciário
2.1.7.2.1 Formação Macau
55
De idade Eoceno – Oligoceno, foi definida por Mayer (1974 apud
ARARIPE; FEIJÓ, 1994) para designar os derrames basálticos intercalados com
sedimentos terciários das formações Ubarana, Guamaré e Tibau, nas proximidades
dos campos petrolíferos de Ubarana e Agulha, na porção submersa da bacia.
Figura 2.14 – Afloramento da Formação Jandaíra no baixo curso do rio Piranhas-Assu (RN) (Foto: Grigio, maio/2005).
Misuzaki (1989), identificou basaltos, diabásios e rochas vulcanoclásticos
pertencentes a este evento magmático, classificando-os em fácies de lava, brecha e
hialoclásticos, e através do método de K/Ar obteve idades entre 45 e 29 Ma (Eoceno
– Oligoceno). No entanto, Pessoa Neto (1999) identificou intrusões da Formação
Macau (Figura 2.15) em rochas do Mioceno Inferior, datados por métodos
bioestratigráficos (foraminíferos e nanofósseis), podendo desse modo dizer que este
evento magmático na Bacia Potiguar, pelo menos localmente, estendeu-se até o
Mioceno inferior.
56
Figura 2.15 – Afloramento da Formação Macau no baixo curso do rio Piranhas-Assu (RN) (Foto: Grigio, maio/2005).
2.1.7.3 Tércio-Quaternário
2.1.7.3.1 Formação Tibau (TQt)
De idade Campaniano superior-Holoceno pertencente ao Grupo Agulha a
formação Tibau (Figura 2.16), foi definida por Silva (1966 apud ARARIPE; FEIJÓ,
1994), para nomear os clásticos grossos interdigitados e soprepostos aos carbonatos
da Formação Guamaré. O ambiente deposicional definido para esse depósito é o
fan-deltas, que estiveram presentes na sedimentação costeira da Bacia Potiguar
entre Neocampaniano e o Holoceno. A partir do Mioceno, interdigita-se com
sedimentos continentais da Formação Barreiras e com os carbonatos marinhos da
Formação Guamaré, atuando ainda como fonte dos clásticos depositados sob a
forma de turbiditos na bacia oceânica terciária, dentro de folhelhos da Formação
57
Ubarana. Os clásticos da Formação Tibau compõem, desta forma, as fácies
proximais de um sistema de lequescosteiros-plataforma-talude-bacia (PESSOA
NETO, 1999).
Figura 2.16 – Afloramento da Formação Tibau no baixo curso do rio Piranhas-Assu (RN) (Foto: Grigio, maio/2005).
2.1.7.3.2 Formação Barreiras (TQb)
A Formação Barreiras (Figura 2.17) foi descrita pela primeira vez por
Branner (1902 apud CAMPOS E SILVA, 1983), como sendo uma faixa contínua de
sedimentos que ocorrem na porção litorânea desde o Estado do Rio de Janeiro até o
Estado do Pará, apresentando características geomorfológicos próprias na forma de
tabuleiros que, em vários trechos do litoral nordestino, suportam falésias (ativas ou
recuadas).
58
Figura 2.17 – Afloramento da Formação Barreira no baixo curso do rio Piranhas-Assu (RN) (Foto: Grigio, abril/2003).
Morales (1924) englobou na “Série Barreiras” o capeamento sedimentar que
ocorreu sobre várias serras interioranas no nordeste, como a Serra do Martins e de
Santana, deste modo, Mabesoone (1994) admitiu a denominação original de Grupo
Barreiras e subdividiu em três unidades lito-estratigráficas intercaladas por unidades
edafo-estatigráficas, conforme Tabela 2.8.
Tabela 2.8 – Proposta de divisão para o “Grupo Barreiras” (MABESOONE et al., 1972).
Idade Unidade Lito-estratigráfica Unidade Edafo-estratigráfica Holoceno Areias brancas Intemperismo Potengi (retrabalhamento eólico) Pleistoceno Formação Macaíba Intemperismo Riacho Morno Plioceno Formação Guararapes Intemperismo Laterítico Mioceno Formação Serra do Martins - Oligoceno - Intemperismo Caulítico
59
Mabesoone (1994) afirmou que a deposição dos sedimentos da Formação
Barreiras começou a partir do Mioceno, onde, segundo Suguio (1998), esta
deposição está intimamente relacionada ao soerguimento da Cordilheira dos Andes,
iniciando ainda no Terciário, provocando deste modo, mudanças climáticas e
sedimentológicas em âmbito continental, os quais explicariam a deposição dos
sedimentos da Formação Barreiras por quase todo o Brasil.
Segundo Silva (1997), acima da Formação Barreiras e margeando os
principais rios da região (e.g. Piranhas-Açu, Pataxós, Ceará-Mirim) ocorre
depósitos de cascalheiras, constituídos por conglomerados clasto-suportados
polimíticos de coloração dominantemente avermelhada, apresentando seixos de
quartzo policristalino com tamanho variando de 1 a 20 cm.
Estratigraficamente também acima da Formação Barreiras e aparentemente
abaixo dos sedimentos dunares, são encontrados em algumas regiões os sedimentos
areno-quartzoso com pouca argila e grânulos de quartzo e limonita, de coloração
amarelo-avermelhada, apresentando por vezes estratificação plano paralela. Estes
depósitos são diferenciados por alguns autores e geralmente relacionados ao
intemperismo Potengi de Mabessone et al. (1972), tendo sido denominados de
Formação Potengi por Vilaça et al. (1986).
2.1.7.4 Quaternário
Corresponde aos sedimentos inconsolidados e rochas sedimentares
compreendidos na parte onshore da área estudada, próximo à linha de costa e
estuários. É constituída por: Depósito Flúvio-estuarinos, Depósito de Planície de
Maré, sendo a Planície de Maré constituída por sedimentos lamosos em parte
arenosos finos, que correspondem a Zona de Intermaré e de sedimentos finos
inconsolidados que correspondem a Zona de Supramaré, Depósito Aluvionar,
Depósito Colúvio-eluvial, Depósito Eólico (Dunas Fixas), Depósito Eólico (Dunas
Móveis), e Depósito de Sedimentos de Praias.
60
2.1.7.4.1 Depósitos Flúvio-estuarinos (Qfe)
Esses depósitos são constituídos de sedimentos com variação vertical de
fácies finas argilosas e escuras, na parte inferior, típico de deposição em antiga zona
de maré estuarina, para sedimentos mais arenosos e grosseiros, depositados
principalmente pela dinâmica fluvial, em período de estação chuvosa, quando se
constata a inundação deste depósito pelo transbordamento das águas dos canais de
maré e do rio Piranhas-Assu (Figura 2.18).
Figura 2.18 – Vista parcial de terraços flúvio-estuarino no baixo curso do rio Piranhas-Assu (RN) (Foto: Grigio, maio/2005).
2.1.7.4.2 Depósito de Planície de Maré (Qpm)
61
Os depósitos de planícies de maré ocorrem em áreas de costa abertas com
regime de maré e ondas de baixa energia, apresentando um relevo suave, ou em
áreas protegidas em costas de alta energia. Estas planícies são compreendidas por
duas zonas: Zona de Supramaré e Zona de Intermaré (SILVA, 1991).
Silva (1991) menciona que os principais mecanismos responsáveis pela
deposição e distribuição de fácies/subfácies na planície de maré, são a agradação e
progradação, bem como, a acreção lateral em associação com barras em pontal
(point bars) em canais de maré meandrantes e seus tributários (tidal creeks).
A Zona de supramaré (Figura 2.19a) é caracterizada por áreas inundadas pelo
mar durante as marés cheias de sizígia (lua nova ou lua cheia) e a Zona de Intermaré
(Figura 2.19b) são áreas alagadas entre as marés médias altas e baixas normais
(SOUTO, 2002).
Figura 2.19 – Vista parcial do depósito de planície de maré do baixo curso do rio Piranhas-Assu (RN). (a) Zona de Supramaré; (b) Zona de Intermaré. (Foto: Grigio, maio/2005).
2.1.7.4.3 Depósitos Aluvionares (Qa)
Estes depósitos estão distribuídos nas margens e nos canais de drenagens
(Figura 2.20), e são constituídos basicamente por sedimentos areno-argilosos, de
coloração variada, de granulometria grossa e seleção variando de moderada a pobre,
podendo conter alguma matéria orgânica.
a b
62
Figura 2.20 – Vista parcial do depósito aluvionar do baixo curso do rio Piranhas-Assu (RN). (Foto: Grigio, maio/2005).
2.1.7.4.4 Depósito Colúvio-eluvial
Acima do Barreiras e margeando os principais rios da região (e.g. Piranhas-
Assu, Pataxós) ocorrem depósitos de cascalheiras (Figura 2.21), constituídos por
conglomerados clasto-suportados polimíticos de coloração dominantemente
avermelhada. Entre os clastos, predominam seixos de quartzo policristalino com
tamanho variando de 1 a 20 cm (SILVA, 1997). Subordinadamente, encontram-se
seixos de sílex, feldspatos, quartzitos, basaltos e gnaisses, com diferentes graus de
arredondamento e esfericidade indicando fontes distintas do material. Em termos
de estruturas primárias apresenta-se predominantemente maciço; subordinadamente,
aparecem estratificações cruzadas planares de baixo ângulo. Estruturas
63
hidroplásticas indicativas de deformação neotectônica são características destes
depósitos (SILVA, 1997).
Rocha Filho (1992), observou a presença de cascalheiras (terraços)
preservadas em altos topográficos que estão localizados a oeste dos rios Açu e
Pataxós. A oeste da cidade de Assu ocorrem três níveis principais de terraços do rio
homônimo, onde se verificou um aumento progressivo da topografia e da
granulometria dos seixos, confirmando um comportamento escalonado dos terraços
do rio Assu e migração destes canais, bem como a variação da competência de suas
águas. As estruturações dos terraços, citados pelo referido autor, bem como o limite
dos mesmos, é ordenada por um sistema de falhas normais e fraturas cenozóicas.
Figura 2.21 – Vista parcial do depósito Colúvio-eluvial do baixo curso do rio Piranhas-Assu (RN). (Foto: Grigio, maio/2005).
2.1.7.4.5 Depósitos Eólicos (Dunas Fixas) (Qdf)
64
São depósitos de areias acumulados em áreas emersas pelos ventos que
carreiam as areias secas das áreas acima das marés altas das praias (pós-praia). O
modo de transporte principal é por saltação dos grãos de areia, enquanto as
partículas finas (silte e areia fina) são levadas em suspensão. As dunas fixas (Figura
2.22) estão revestidas de gramíneas, arbustos esparsos, predominantemente, a flor-
de-seda (Calotropis procera) e espinheiros, que servem de abrigo a pássaros.
Gomes et al. (1981), caracterizou as dunas fixas como paleodunas, descritas
como sedimentos eólicos quaternários, constituídas predominantemente por areias
quartzosas, bem selecionadas e com grãos arredondados.
Figura 2.22 – Vista parcial de depósito eólico (Dunas Fixas) do baixo curso do rio Piranhas-Assu (RN) (Foto: Grigio, abril/2003).
2.1.7.4.6 Depósitos Eólicos (Dunas Móveis) (Qdm)
Na região desenvolvem-se cordões de dunas eólicas móveis (Figura 2.23) do
tipo barcana, acumulada pelo vento, que se desloca para Sudoeste com velocidade
65
média anual de 20 Km/h (ou 5,5 m/s, podendo atingir até 9,0 m/s). Os sedimentos
são compostos por grãos de quartzo hialino limpos, principalmente polidos e foscos,
bem selecionados, arredondados e sub-arredondados, esféricos e sub-esféricos (95 a
99%), com granulometria principalmente areia fina, em parte média e muito fina,
apresentando ainda fragmentos de conchas de organismos marinhos (MIRANDA,
1983).
Figura 2.23 – Vista parcial dos depósitos eólicos (Dunas Móveis) do baixo curso do rio Piranhas-Assu (RN) (Foto: Grigio, abril/2003).
2.1.7.4.7 Depósitos de Sedimentos de Praia
Localizados ao Norte da área de estudo, estes sedimentos estão representados
por depósitos de praias, de pós-praias (Figura 2.24) e de barras arenosas. São
constituídos por associações de sedimentos flúvio-marinhos e areias de praias. São
depósitos areno-quartzosas de granulometria variável entre areia muito fina a
66
grossa, com coloração branca e cinza claro, ocupando toda a faixa entre a linha de
praia e dunas.
E nos depósitos sedimentares representados pela associação de sedimentos
flúvio-marinhos, constituem respectivamente os sedimentos aflorantes na planície
de deflação e barras arenosa, apresentando como estruturas mais típicas, as manchas
de ondulações eólicas, produzidas a partir de seixos e conchas, mostrando os
padrões de direção dos ventos.
Figura 2.24 – Vista parcial do Depósito de Sedimentos de Praia do baixo curso do rio Piranhas-Assu (RN) (Foto: Grigio, abril/2003).
2.1.8 Contexto Geomorfológico
Um dos conceitos fundamentais da geomorfologia diz que pouco da
topografia da Terra é mais antiga do que o Terciário, e a maior parte não é mais
67
antiga do que o Pleistoceno. Isto significa que as feições topográficas que
constituem o relevo do Nordeste são de idade relativamente recente, formadas na
sua maior parte, se não inteiramente, durante o Cenozóico (MABESSONE, 1978).
No desenvolvimento do relevo do nordeste, Mabesoone e Castro (1975) e
Castro (1979) distinguem 4 fases de aplainamento:
a) Aplainamento geral da região do Nordeste durante o Jurássico
inferior e Médio, antes do início da Reativação Wealdeniana, notável
como discordância regional, chamado de superfície Gondwana;
b) Aplainamento desenvolvido entre o Albiano e Oligoceno, durante
um levantamento epirogênico lento, com o final abaulamento e
deposição de sedimentos correlativos, chamado de Superfície Sul-
americana, em dois níveis: Cariris velho e Borborema;
c) Dissecação; da superfície Sul-americana e elaboração da superfície
geral da região, exumando grandes áreas da Superfície Gondwana,
durante o Pleistoceno Inferior, chamada de Superfície Sertaneja, no
interior, e dos Tabuleiros, na costa;
d) Encaixamento de um novo ciclo polifásico, Ciclo Paraguaçu, nesta
superfície mais jovem, com duas fases de pedimentos e terraços.
Em estudo recente Peulvast e Caludino Sales (2004) propõem um novo
modelo de formas de terrenos em patamares mais simples dos que os modelos
anteriores, tendo somente dois níveis principais de superfície de aplainamento,
porém mais complexo em seus mecanismos.
Ou seja, a presença de só duas superfícies de aplainamento principais no
relevo regional, composto de superfícies dissecadas interiores e corredores todos
conectados em direção ao mar em um piedmont largo enterrado por sedimentos
Cenozóicos tardio e então ligeiramente dissecados – sugere uma evolução simples,
mas especialmente diferenciada.
Um grande sistema de platôs e terras altas se destaca sobre as largas planícies
costeiras para norte por dois alinhamentos descontínuos de montanhas E – W
formando elementos de uma escarpa marginal dissecada quase paralela a segmentos
correspondentes da margem continental Fortaleza – Parnaíba e Aracati – Macau.
68
Os padrões morfológicos do nordeste brasileiro são classicamente
considerados como o resultado do arqueamento regional induzido pelo quebramento
do supercontinente Gondwana, interagindo com flutuações climáticas durante o
Cenozóico, e o arqueamento teria provocado o modelamento de superfícies de
aplainamento sucessivamente mais baixo e a incisão de um padrão de drenagem
centrífugo.
Dresch (1957) reconheceu somente três níveis, enquanto que a maioria dos
outros admite a existência de quatro ou mesmo cinco níveis principais,
principalmente correlacionados àqueles definidos por King (1956 e 1957) em outras
regiões do Brasil e na África (Figura 2.25).
Figura 2.25 – Padrões e correlação de superfícies de aplainamento no nordeste do Brasil e regiões vizinhas (Dresch, 1957).
Entretanto, Peulvast e Claudino Sales (2004) mencionam que com base em
Saadi e Toquarto (1992) todos esses modelos contem arqueamento flexural ou em
blocos de todo o nordeste brasileiro, sendo eles:
a) Domo ascendente de um grande bloco ou núcleo;
b) Arqueamento flexual; e
c) A “flexura continental”.
Porém, são muitas as hipóteses para evolução geomorfológicas do Nordeste
Oriental Brasileiro – existindo duas principais correntes: as abordagens
morfoclimáticas e as abordagens neotectônicas.
69
Saadi e Torquato (1992) diferenciaram conjuntos de modelos (Tabela 2.9)
baseados nos seguintes itens: 1 - Mudanças climáticas; 2 - No papel desempenhado
pelas superfícies de erosão e seus depósitos correlativos, intimamente relacionados
aos modelos precedentes e; 3 – Modelos baseados em arqueamentos crustais, seja
por “bombeamento” ou “intumescências” verticais do núcleo nordestino, seja por
“flexuramento continetal” ou por reativações tectônicas de estruturas preexistentes.
Segundo Peulvast e Claudino Sales (2004) a maioria dessas reconstruções
foram elaboradas no leste e sudeste do Brasil e meramente adaptadas para o
nordeste, com nomes locais (Superfícies Teixeira, Borborema, Patos, Sertaneja).
Os autores também comentam sobre a dificuldade de se encontrar um bom
encaixe entre os modelos teóricos e as formas de relevo reais, pois perfis geológicos
são frequentemente escassos, e os mapas geomorfológicos são geralmente
inadequados para tais estudos, onde nenhuma tentativa foi feita para mapear as
superfícies. Exceto Demangeot (1959), mapas geomorfológicos do
RADAMBRASIL (BRASIL, 1981) e Claudino Sales (2002).
Segundo Peulvast e Claudino Sales (2004) superfícies em patamares de
diferente natureza são identificadas por toda a região:
a) Superfícies altas, em altitudes de 700 a 1000m, formando platôs ou topos
escalonados em patamares estreitos; e
b) Superfícies baixas, a maioria abaixo de 300m, conectados na direção do
mar a uma larga superfície costeira (tabuleiros).
Superfícies de altitudes intermediárias também são identificadas,
permanecendo como platôs baixos (chapada do Apodi, 80 a 150m), ou formando
suportes dissecados por cordilheiras e crista das terras altas do Ceará Central e
Borborema.
Nesse sentido, Peulvast e Claudino Sales (2004) utilizaram os seguintes
significados morfoestrutural para investigar a área:
a) Determinando se as superfícies são superfícies estruturais ou de
erosão;
b) Relacionando sua distribuição geográfica à estrutura regional; e
c) Determinando seu relacionamento cronológico.
70
Tabela 2.9 – Hipóteses para evolução geomorfológicas do Nordeste Oriental Brasileiro – existindo duas principais correntes: as abordagens morfoclimáticas e as abordagens neotectônicas (adaptado de SAADI; TORQUATO, 1992)
CAUSA PRINCIPAL MECANISMO E/OU CORRELAÇÕES AUTOR
Arqueamento Crustais
Bombeamento ou domeamento sob a forma de intumescência regional do núcleo nordestino
Ab’Saber (1956,1958) Dresch (1957) Demangeot (1961) Maio (1960) Andrade & Lins (1956)
Vários altos e baixos estruturais, relacionados com as principais direções tectônicas regionais
Czajka (1958) Bigarella & Andrade (1964) Andrade (1968)
Epirogênese devido a “flexuramento continental”
Ruellan (1952) Andrade (1955) King (1956) Birot (1957) Dresch (1957) Tricart (1960) Andrade (1958)
Mudanças Climáticas
Correlaciona os períodos glaciários-interpluviais e pluviais africanos com o Brasil
Bigarella & Andrade (1964)
Considera o Plioceno com clima úmido e o Pleistoceno com oscilações climáticas úmidas e secas Ab’Saber (1956)
Afirma que os ciclos morfogenéticos plestocênicos têm origem tectônica
Demangeot (1961)
Interpretam os relevos residuais das depressões interplanálticas e superfícies pleistocênicas como resultantes de fases de pediplanação
Ab’Saber (1956) Feio (1954) Fenelon (1957) Andrade (1968)
Idem anterior, além de considerarem o Pleistoceno marcado por alternâncias de fases úmidas e secas
Salim et al (1973) Mabesoone & Castro (1975) Castro (1979)
Consideram que apenas o Plioceno foi marcado por clima seco, enquanto que nos períodos mais antigos e no Pleistoceno predominavam clima úmidos
Mabesoone et al (1972)
Reativações tectônicas de estruturas preexistentes
Atividade tectônica atribuída a “dobramentos de fundo”
Ruellan (1952) Andrade & Lins (1956) Bigarella & Andrade (1964) Andrade (1958)
Atividade tectônica atribuída à flexura continental
Ruellan (1952) Feio (1954) Andrade (1955) King (1956) Birot (1957) Dresch (1957) Tricart (1960) Andrade & Lins (1965) Andrade (1968) Fortes (1986)
Demonstra que os controles tectônicos não afetaram apenas estruturas pré-cambrianas
Czajka (1958)
Atribui o comportamento eprirogenético do bloco nordestino a uma compressão decorrente dos
Beurlen (1967)
71
movimentos direcionais associados à abertura do Oceano Atlântico
Para os autores, superfícies estruturais coincidindo com o topo de camadas
de rochas resistentes ocorrem em vários níveis e, aquelas as quais correspondem ao
topo estratigráfico de determinadas séries sedimentares fornecem os melhores
registro das deformações e da erosão.
Ou seja, se a deposição das camadas mais superiores é mostrada de ter
ocorrido em conexão com o nível de base geral, elas também indicam a quantidade
de arqueamento e erosão subseqüente.
Para os autores, as superfícies escalonares estão longe de emparelhar com os
modelos clássicos. Porém, como nestes modelos cíclicos, os platôs altos, entre 700 e
1100m, correspondem geralmente às superfícies mais velhas. Principalmente
localizados na periferia do anfiteatro de Jaguaripe-Piranhas.
E nenhuma superfície única pode ser reconstruída destes elementos
espalhados. Eles incluem vários tipos morfológicos:
���� Resíduos dissecados de superfícies estruturais de idade incerta (Ibiapaba,
Serra do Martins).
���� Elementos exumados de uma superfície de aplainamento Pré-cenomaniano
identificados ao redor da bacia Araripe, emergindo localmente com a
superfície infra-paleozóica (SW do Ceará). Eles estão atualmente capeados
e protegidos por laterita desenvolvida em cobertura coluvial-aluvial fina.
���� Uma superfície estrutural de idade Cenomaniana que corresponde ao topo
das séries araripe e ao redor da qual nenhum relevo ressaltado é achado.
Antes da inversão de relevo, esta superfície pertenceu uma vez a uma área
plana muito mais larga, nunca enterrada por depósitos mais jovens.
���� A ocorrência de influência marinha até o Albiano e a sedimentação fluvial
posterior sugerem que está área, possivelmente conectada com as bacias
Potiguar e Tucano-Jatoba, evolui como uma planície lacustre baixa e então
planície fluvial até o Cenomaniano.
���� As baixas superfícies não são sistematicamente mais jovens que as
superfícies superiores. As mais originais e melhor datadas destas
72
superfícies é a superfície exumada pré-Albiano ou pré-Cenomaniano da
região Potiguar (Superfície Jaguaribe).
���� O desenvolvimento dessa superfície indica erosão forte durante o
rifteamento; mas a preservação de escarpas de falhas elevadas sugere
arqueamento da borda do rift mais forte que ao redor da bacia Araripe.
���� O recuo de escarpa irregular levou a formação de embaiamento largos entre
promontórios longos precedidos por numerosos inselbergs.
���� Mais tarde pelo Albiano-Cenomaniano, esta superfície foi totalmente ou em
parte enterrada provavelmente até a base das escarpas ou mais alto.
A superfície pré-Cenomaniana pode ter estado coberta através de depósitos
clasticos em trânsito das escarpas para bacias offshore, como mostrado localmente
por detritos grossos de camadas de arenito preservados na chapada do Apodi perto
de Mossoró.
Destruição posterior, relacionado ao arqueamento marginal ou movimentos
eustáticos do fim do Terciário, conduziu a exumação parcial da superfície pré-
Cenomaniana, acompanhando a inversão de relevo da chapada do Apodi e o
alargamento da planície de Lajes-apodi, debaixo da cuesta de pedra calcária.
Com isso, Peulvast e Claudino Sales (2004), comenta que a preservação
notável de paleo-superfícies velhas, mas recentemente exumadas, ou re-trabalhada
em estado firme ou condições acíclicas, ou regime cratônico, provavelmente reflete
tais fenômenos, combinados com baixas taxas de arqueamento na área costeira.
Em contraste, o desenvolvimento de superfícies cíclicas baixas, em torno dos
rios principais, implica arqueamento mais forte das áreas interiores, com taxas
suficientemente baixas de arqueamento para permitir expressão da litologia e
estrutura do embasamento.
E a dissecação final das superfícies mais baixas e dos depósitos Barreiras
provavelmente é explicada melhor pelas grandes quedas dos níveis marinhos do
Cenozóico tardio do que por renovação de arqueamento, com exceção de áreas
limitadas, principalmente costeiras, possivelmente afetadas por movimentos
Neotectônicos.
73
Sendo assim, o relevo presente na região de estudo, segundo Peulvast e
Claudino Sales (2004), reflete uma justaposição de elementos altamente contrastado
de idades variadas, identificada por meios de uma análise morfoestratigráfica de
vários tipos de inconformidades, superfícies de erosão, paleo escarpamentos e paleo
piedmont.
O colapso tardi-orogênico, erosão e soterramento parcial da cordilheira de
montanhas, rifteamento intracontinental Neocomiano, acompanhado no Albiano por
subsidência pós-rift de estruturas rift anteriores e abertura oceânica, foram seguidos
finalmente pela formação de margem passiva transformante, com evolução
tectônica diferenciada em grande parte herdada de rift e padrões de colapso.
2.1.9 Geomorfologia da Área de Estudo
Na área em estudo podem-se observar três grandes compartimentos
geomorfológicos: Depressão Sertaneja, Tabuleiro costeiro ou Superfície de
aplainamento e Planície costeira. No entanto, como resultado dos eventos
geológicos recentes e atuais, formaram-se diversos compartimentos de relevo,
resultantes da erosão, dissecação e deposição contínua na zona estuarina, por
exemplo, zonas de inframaré, intermaré e supramaré, planície flúvio-estuarina,
terraço estuarino e flúvio-estuarino, dunas móveis e fixas, bancos arenosos, entre
outros. Esta zona constitui uma área de transição entre o oceano e continente, onde
se concentra um grande número de atividades fundamentais ao homem,
relacionadas com a economia, a alimentação, o transporte, a recreação e o
urbanismo. No caso do baixo curso do rio Piranhas-Assu, essas atividades situam-se
em compartimentos geomorfológicos de estrutura frágil diante das intervenções
antrópicas, devido a sua complexidade ambiental, onde atuam conjuntamente vários
mecanismos, tais como ventos, ondas, correntes, chuvas, marés, insolação,
evaporação, erosão, deposição, entre outros.
Baseados no projeto RADAMBRASIL, trabalhos recentes (FONSECA,
1996 e IDEMA, 2002) e com base na imagem Landsat 7-ETM+ (29/05/2003) e
74
CBERS 2-CCD1XS (14/08/2004) e etapas de campo, foi possível identificar e
representar 17 compartimentos de relevo no mapa geomorfológico (Figura 2.26).
Esta identificação deu-se por meio das características de cada forma, baseando-se,
principalmente, nos trabalhos já realizados na região e na sua conotação individual
de origem e estágio evolutivo de relações geométricas do conjunto de formas,
estruturas e texturas, visualizados na imagem Landsat 7-ETM+.
Os compartimentos de relevo foram individualizados, utilizando-se termos
de uso corrente, sem correlação toponímica, para denominar as formas de relevo
reconhecidas pelos processos de erosão, dissecação e deposição, o que permitiu o
reconhecimento dos seguintes compartimentos de relevo, observados na tabela 2.10.
75
Figura 2.26 – Mapa de geomorfologia do baixo curso do rio Piranhas-Assu (RN).
Tabela 2.10 – Classes de feições geomorfológicas do baixo curso do rio Piranhas-Assu (RN).
76
FO
RM
AS
DE
A
CU
MU
LA
ÇÃ
O
Duna móvel - Depósitos de origem marinha e/ou continental remodelados por ventos; Duna fixa - Depósitos de origem marinha e/ou continental remodelados por ventos; Planície Interdunar - Depósitos de origem marinha e/ou continental remodelados por ventos; Planície fluvial - Planície e terraço fluvial. Área plana resultante da acumulação fluvial eventualmente sujeita a inundação periódicas ligadas sem ruptura de declive a patamares mais elevados; Zona de estiráncio; Planície de deflação - Depósitos de origem marinha e/ou continental remodelados por ventos; Planície mangue; Planície Fluvio estuarino; Terraço Fluvio estuarino; Banco arenoso exposto na baixamar; Banco lamoso exposto na baixamar.
FO
RM
AS
DE
DIS
SEC
AÇ
ÃO
Formas convexas - Relevo de topo convexo com diferentes ordens de grandeza e de aprofundamento de drenagem, separados por vales em "V" e eventualmente por vales de fundos planos – Dissecação ≤ 250m e aprofundamento da drenagem muito fraca; Formas tabulares - Relevos de topo plano, com diferentes ordens de grandeza e de aprofundamento de drenagem, separados geralmente por vales de fundos planos – Dissecação > 250m ≤ 750m e aprofundamento da drenagem muito fraca; Formas tabulares - Relevos de topo plano, com diferentes ordens de grandeza e de aprofundamento de drenagem, separados geralmente por vales de fundos planos – Dissecação > 750m ≤ 1.750m e aprofundamento da drenagem muito fraca; Formas tabulares - Relevos de topo plano, com diferentes ordens de grandeza e de aprofundamento de drenagem, separados geralmente por vales de fundos planos – Dissecação > 1.750m ≤ 3.750m e aprofundamento da drenagem muito fraca; Formas tabulares - Relevos de topo plano, com diferentes ordens de grandeza e de aprofundamento de drenagem, separados geralmente por vales de fundos planos – Dissecação > 3.750m ≤ 12.750m e aprofundamento da drenagem muito fraca.
FO
RM
AS
ER
OSI
VA
S Superfície pediplanada - Superfície plana elaborada por processos de pediplanação, ocorrendo em diversos tipos de litologias.
CAPÍTULO 3
MÉTODOS E TÉCNICAS DA PESQUISA
3.1 ETAPAS DO TRABALHO
O trabalho é dividido em etapas que compreendem a pesquisa, a análise e
interpretação de resultados e a geração de modelos de simulação, para análise de
tendência da paisagem, tornando possível a identificação de indicadores causadores
das mudanças para o baixo curso do rio Piranhas - Assu.
Uma etapa inicial desse trabalho compreende a coleta, tratamento e inserção
de dados oriundos de carta topográfica, de sensoriamento remoto, do
RADAMBRASIL, do SRTM e do banco de dados do site do IDEMA. Todos esses
dados conformam o Banco de Dados Geográficos (BDG).
Do BDG foram realizadas as análises exploratórias necessárias aos seguintes
itens: evolução do uso e ocupação do solo, vulnerabilidade natural e ambiental,
índices de geodiversidade múltipla e múltipla pondera e preparação dos dados a
serem utilizados no modelo de simulação.
Em seguida, procedeu-se à construção do modelo de simulação da paisagem,
que foi calibrado e validado em etapa posterior.
Na seqüência, realizaram-se as simulações de cenários futuros pela execução
do modelo dentro de um ambiente de software específico para tal finalidade.
Por último, realizaram-se as análises de tendência da paisagem da área de
estudo.
A seguir, são listadas, de maneira concisa, as etapas acima mencionadas:
1) Levantamento bibliográfico e cartográfico – compreendeu o
levantamento preliminar do material cartográfico, imagens de satélite e
dados secundários;
2) Processamento e alimentação dos dados em ambiente SIG – abrangeu
o pré-procesamento, digitalização, processamento digital das imagens e
77
os tratamentos dos dados secundários, assim como a vetorização das
cartas e imagens e o controle de campo;
3) Mapas temáticos, processamento e análise dos dados em ambiente
SIG – no intuito de preparar o material da etapa anterior para ser
utilizados na etapa posterior, foram elaborados os mapas temáticos. Esta
etapa compreende a análise exploratória e a seleção das variáveis a serem
usadas no modelo;
4) Modelagem – esta etapa envolve a construção do modelo a ser usado na
simulação. Passa pela confecção da Matriz de Transição e pela
determinação dos Pesos de Evidência;
5) Calibração e validação do modelo – envolve: a) correlação dos Pesos de
Evidência, b) geração dos mapas de probabilidade da paisagem e c)
cálculo da similaridade entre mapas;
6) Geração, análise e avaliação dos mapas de cenários futuros – é o
momento de execução do modelo, que gera os mapas dos cenários
futuros. Os diversos cenários serão analisados visando à avaliação da
paisagem simulada; e
7) Análise de tendência da paisagem – os cenários gerados na etapa
anterior serão cruzados com os mapas de vulnerabilidade natural e de
geodiversidade múltipla ponderada, para auxiliar na análise de tendências
da paisagem.
3.2 ROTEIRO METODOLÓGICO
O roteiro metodológico que apresenta as etapas de trabalho e as etapas da
modelagem pode ser visualizado na Figura 3.1. O detalhamento das etapas do
roteiro é mostrado no item 3.3.
78
Fig
ura
3.1
– E
tapa
s de
trab
alho
e a
s et
apas
da
mod
elag
em.
79
3.3 MÉTODOS E TÉCNICAS DE TRABALHO
3.3.1 Seleção do material bibliográfico e cartográfico
Esta etapa constitui-se no levantamento preliminar do material bibliográfico,
cartográfico, imagens de satélite e dados secundários.
Consultas exaustivas a material bibliográfico diverso foram realizadas de
maneira contínua, durante todas as etapas do trabalho.
O material cartográfico utilizado foi:
� Carta Topográfica Folha 825 f. III – SB.24-X-B-V – MACAU, Escala
1:100.000, elaborada pela Superintendência de Desenvolvimento do
Nordeste (SUDENE); Impressão 1972.
� Carta Topográfica Folha 898 – SB.24-X-D-II – MACAU, Escala
1:100.000, elaborada pela Superintendência de Desenvolvimento do
Nordeste (SUDENE); Impressão 1972.
� Carta Topográfica Folha 975 – SB.24-X-D-V – ASSU, Escala 1:100.000,
elaborada pela Superintendência de Desenvolvimento do Nordeste
(SUDENE); Impressão 1972.
As imagens de satélite Landsat 5-TM e 7-ETM+ foram disponibilizadas pelo
Laboratório de Geoprocessamento do Programa de Pós-Graduação em Geodinâmica
e Geofísica, do Departamento de Geologia, da Universidade Federal do Rio Grande
do Norte, a imagem de satélite CBERS_2_CCD1XS foi cedida pelo Instituto
Nacional de Pesquisas Espaciais (INPE) e as imagens de radar Shuttle Radar
Topography Mission (SRTM), disponibilizada pelo U.S. Geological Survey
(USGS).
Os produtos de sensoriamento remoto que deram suporte a este trabalho
foram: cena Landsat 5-TM 214-064, de 30/07/1988, cena Landsat 5-TM 214-064,
de 28/09/1998, cena Landsat 7-ETM+ 214-064, de 05/04/2001 e de 29/05/2003,
cena CBERS_2_CCD1XS; Órbita Ponto: 148-106 (14/08/2004), cena SRTM
S06W037 e cena SRTM S06W038.
80
Os dados secundários referem-se ao material, tanto cartográfico como
tabular e que, depois de realizado um tratamento para adaptação aos fins deste
trabalho, serviu de apoio para as etapas subseqüentes.
3.3.2 Processamento dos dados
A digitalização das cartas topográficas, o pré-procesamento, o processamento
digital das imagens e os tratamentos dos dados secundários são os itens que
compreenderam esta etapa.
● Digitalização das cartas topográficas – os documentos cartográficos
existentes foram digitalizados por meio de escaner, tamanho A0. Na seqüência,
esses documentos e as imagens orbitais, foram georreferenciados no programa ER-
Mapper 6.0 (ER-Mapper, 1999) e vetorizados via-tela (heads-up digitizing), a fim
de se obter uma base vetorial digital dos dados. O software utilizado no processo de
vetorização e criação do banco de dados georreferenciado foi o ArcView GIS 3.2
(ESRI, 1998).
● Pré-processamento – consistiu na preparação dos dados de satélite para
realizar a classificação. Nesta fase, empregaram-se técnicas visando melhorar a
qualidade dos dados, a saber: correção e retificação geométrica e registro, redução
da dimensionalidade.
A correção, retificação geométrica e registro visam eliminar dois tipos de
erros que, freqüentemente, ocorrem nos dados de satélites, ou seja, erros devido ao
movimento do satélite e erros devido à curvatura da Terra. Além disso, há erros
denominados panorâmicos que são causados pelo tamanho dos “pixels” fora do
nadir, ou seja, visada na perpendicular. Em outras palavras, a correção geométrica
pode ser entendida como a transformação dos dados de sensoriamento remoto, de
tal modo que eles adquiram as características de escala e projeção próprias de
mapas (MOREIRA, 2001).
81
Deste modo, para atingir a precisão desejada, foram georreferenciadas
inicialmente as cartas topográficas digitais supracitadas, utilizando a projeção
cartográfica UTM e o datum SAD-69. Em seguida, foram georreferenciadas todas
as imagens orbitais, procedendo-se a tomar as coordenadas de pontos devidamente
identificáveis, tanto nas imagens quanto nas cartas topográficas, possuindo Erro
Médio Quadrático (RMS) menor que 0,40, que é a diferença entre as coordenadas
do GCP (Ground Control Points), identificado na imagem bruta e recalculados pela
matriz de transformação, e a coordenada desejada para este mesmo ponto na
imagem (ANDRADE, 1999). Foi considerado que erros abaixo de 1,0 são
toleráveis.
A redução da dimensionalidade foi realizada com o intuito de se reduzir o
tamanho do arquivo e, conseqüentemente, o tempo de processamento
computacional.
● Processamento digital das imagens orbitais – as técnicas de realce
aplicadas no processamento digital das imagens (PDI) foram: realce por
decorrelação, composições coloridas em RGB (Red – Green – Blue), razão entre
bandas, métodos de índices e composições coloridas em RGBI (Red – Green – Blue
- Intensity).
Os dados de satélite, uma vez pré-processados, podem conter um contraste
espectral de baixa qualidade visual. Deste modo, o realce de imagem consiste no
conjunto de procedimentos aplicado para melhorar a qualidade visual das mesmas.
Assim sendo, foi usada a técnica de ampliar o contraste de feições existentes na
cena, ou seja, os níveis de cinza mais baixos são arrastados para próximo de zero
(preto ou tonalidade mais escura) e os mais altos para próximo de 255 (branco ou
cinza claro).
A distribuição dos níveis de cor é recalculada estatisticamente de modo a
possuir uma maior distribuição das freqüências dos níveis de cor.
A composição colorida no sistema de cores primárias aditivas RGB é uma
das maneiras mais tradicionais de se realizar composições que consistem na
combinação de três bandas espectrais. Desta forma, obtiveram-se variações nas
respostas espectrais dos diversos materiais presentes na superfície em estudo, sendo
82
as mesmas evidenciadas por diferenças e contraste entre suas cores e suas
combinações.
As técnicas razão entre bandas e métodos de índice, são as operações
aritméticas mais comuns em processamento de imagens, e são utilizadas para
realçar a diferença de resposta espectral de alvos em diferentes bandas.
A técnica de razão entre bandas também é utilizada na supressão das
variações do brilho relacionadas à topografia, reduzindo os efeitos do ângulo do
zênite solar e as variações do tamanho dos grãos, enfatizando as tênues diferenças
espectrais entre as superfícies (AMARO, 1998).
A fusão de composições coloridas em RGBI consiste na combinação de
múltiplos dados (do mesmo satélite ou de satélites diferentes) em uma única
imagem. Deste modo, a imagem resultante pode reunir em uma única imagem as
feições texturais (detalhamento geométrico) da imagem de melhor resolução
espacial (banda pancromática) e as informações espectrais das outras bandas, o que
possibilita uma melhor discriminação de alvos (GUEDES, 2002).
3.3.3 Alimentação dos dados em ambiente SIG
Após a obtenção dos arquivos digitais georreferenciados dos documentos
cartográficos e das imagens consideradas, esses dados foram inseridos em ambiente
SIG [software ArcView 3.2 (ESRI, 1998)], dando-se início à vetorização, via tela
(head-up).
Os dados vetorizados dos documentos cartográficos foram divididos nos
seguintes temas: pontos cotados, curvas de níveis, hidrografia, rede viária e cidades.
Para a confecção dos mapas de geologia simplificado, de geomorfologia,
vegetação e uso e ocupação do solo, assim como para a definição de corpos d’água,
foram utilizadas as imagens orbitais relacionadas na tabela 3.1.
83
Tabela 3.1 – Relação das imagens orbitais utilizadas para a confecção de alguns mapas temáticos.
ANO IMAGEM ORBITAL COMPOSIÇÃO MAPA TEMÁTICO
1988
Landsat 5 – TM Órbita Ponto: 215-064
(30/07/1988) Projeção: UTM Datum: SAD-69
R7-G4-BNDWI*� Vegetação � Uso e ocupação do solo � Corpos d’água
R4-G3-B1 � Vegetação � Uso e ocupação do solo � Corpos d’água
R7-G4-B1 � Vegetação � Uso e ocupação do solo � Corpos d’água
R5-G4-B2 � Vegetação � Uso e ocupação do solo � Corpos d’água
R4-G2-BNDWI � Vegetação � Uso e ocupação do solo � Corpos d’água
1998
Landsat 5 – TM Órbita Ponto: 215-064
(28/09/1998) Projeção: UTM Datum: SAD-69
RNDVI-G3-B1 � Vegetação
R7-G4-BNDWI � Vegetação � Uso e ocupação do solo � Corpos d’água
R5-G3-B1 � Uso e ocupação do solo � Geologia
R7/4-G7-B2 � Geologia simplificada � Geomorfologia
R7/3-G5/3-B4/3 � Geologia simplificada � Geomorfologia
R4-G3-BNDWI � Vegetação � Uso e ocupação do solo � Corpos d’água
R4-G3-B1 � Vegetação � Uso e ocupação do solo � Corpos d’água
R7-G4-B1 � Vegetação � Uso e ocupação do solo � Corpos d’água
2001 e
2003
Landsat 7 - ETM+ Órbita Ponto: 215-064
(05/04/2001) e
(29/05/2003) Projeção: UTM Datum: SAD-69
R4-G2-BNDWI-IPAN†� Vegetação � Uso e ocupação do solo � Corpos d’água
R7/4-G5/2-B4/3-IPAN
� Vegetação � Uso e ocupação do solo � Geologia simplificada � Geomorfologia
R7-G4-Bndwi � Vegetação � Uso e ocupação do solo � Corpos d’água
2004
CBERS_2_CCD1XS Órbita Ponto: 148-106
(14/08/2004) Projeção: UTM Datum: SAD-69
R4-G3-B2
� Vegetação � Uso e ocupação do solo � Geologia simplificada � Geomorfologia
R4-G3-Bndwi
� Vegetação � Uso e ocupação do solo � Geologia simplificada � Geomorfologia
As visitas a campo compreenderam diversas etapas. A do início do trabalho
compreendeu o reconhecimento visual da área de estudo. Posteriormente, foram
* Normalized Difference Water Index† Intensity pancromática
84
realizadas visitas para auxiliar no processo de interpretação das imagens e registrar
pontos relevantes com o auxílio de GPS (Garmin 12), assim como realizar o
controle de campo propriamente, com o objetivo de dar subsídios ao fechamento
das cartas de uso e ocupação do solo, de geologia e de geomorfologia, através da
identificação das classes de uso e ocupação do solo e verificação das unidades
geológicas e geomorfológicas.
A área de estudo foi percorrida através das vias de acesso principais,
secundárias e trilhas, mobilizando-se com um veículo LandRover. Os pontos
marcados pelo GPS estão registrados e plotados na Figura 3.2.
3.3.4 Mapas temáticos
Os dados procedentes das etapas anteriores (seleção, digitalização, pré-
processamento, processamento e vetorização do material cartográfico, das imagens
de satélite e dados secundários), nesse momento, conformam o banco de dados, do
qual foi possível gerar os mapas temáticos necessários a esse trabalho e dar
procedência à etapa seguinte de processamento e análise dos dados.
Os mapas temáticos elaborados foram: Mapa Base; Mapa de Controle de
Campo; Mapa de Uso e Ocupação do Solo, para os anos de 1988, 1998, 2001 e
2004; Mapa de Geomorfologia; Mapa de Geologia Simplificada, Mapa de Solos/
Associação de Solos, Mapa de Vegetação, Mapa de Vulnerabilidade Natural, Mapa
de Vulnerabilidade Ambiental, Mapa de Geodiversidade Múltipla, Mapa de
Geodiversidade Múltipla Ponderada, Mapa Modelo Digital do Terreno e Mapa de
Declividade.
3.3.5 Processamento e análise dos dados em ambiente SIG
O processamento e a análise dos dados da área de estudo, em ambiente SIG,
foram necessários para se obter a evolução do uso e ocupação do solo, para a
concretização dos mapas de vulnerabilidade natural e de vulnerabilidade ambiental
85
e para os mapas de geodiversidade múltipla e de geodiversidade múltipla
ponderada.
Figura 3.2 – Mapa de pontos de controle de campo na área de estudo entre 2003 e 2005.
86
3.3.5.1 Uso e ocupação do solo
Para o cruzamento, interpretação e análise dos mapas de uso e ocupação do
solo, utilizaram-se os mapas dos anos 1988, 1998, 2001 e 2004, valendo-se da
extensão ArcView Spatial Analyst v1.1 no software Arcview GIS 3.2® e tendo
como base o uso de uma metodologia para a interpretação multitemporal (GRIGIO,
2003; GRIGIO et al., 2005). Esse módulo possibilitou o cruzamento temporal de
dados de diferentes layers, o que gerou uma tabela cujas colunas representam as
classes mapeadas de um ano e as linhas representam as classes mapeadas para o
outro ano (Tabela 3.2). Como o método permite apenas o cruzamento entre duas
datas, foram realizados três cruzamentos, um entre os anos 1988 e 1998, outro entre
os anos 1998 e 2001 e, por último, entre os anos 2001 e 2004.
Tabela 3.2 - Tabela de cruzamento temporal gerado pela extensão ArcView Spatial Analyst v1.1.
Este tipo de tabela especifica mudanças no uso e ocupação do solo de uma
data para outra. Os títulos das linhas representam as categorias de classes de uso do
solo para uma data específica (Ano 1), enquanto que os títulos das colunas
representam as categorias de classes de uso do solo para a outra data do cruzamento
(Ano 2). Note-se que os dados da data anterior estão locados nas linhas e os dados
referentes à data posterior estão nas colunas. Nas intersecções das linhas com as
colunas pode-se obter a informação da mudança do uso do Ano 1 para o Ano 2, em
termos de área, para cada classe do Ano 1. Nas intersecções cujo registro é zero
significa que a classe considerada para o Ano 1 não apresentou alteração para essa
Ano2Ano1
87
classe do Ano2. As células sombreadas representam as áreas que não se
modificaram quanto ao seu uso.
É importante salientar essa técnica de cruzamento, pela riqueza e relevância
das informações geradas, pois possibilita a obtenção de informações acuradas das
mudanças do uso do solo entre dois períodos, em termos quantitativo e qualitativo
da mudança, isto é, onde, quanto e para que classe mudou.
3.3.5.2 Vulnerabilidade natural e ambiental
A obtenção do mapa de vulnerabilidade ambiental do baixo curso do rio
Piranhas-Assu (RN) foi operacionalizada em duas etapas. A primeira consistiu no
cruzamento de mapas do banco de dados desse trabalho, resultando no mapa de
vulnerabilidade natural. Na segunda etapa, com base no mapa de vulnerabilidade
natural, realizou-se um segundo cruzamento que gerou o mapa de vulnerabilidade
ambiental.
Os mapas utilizados para a confecção do mapa de vulnerabilidade natural
foram: geomorfologia, geologia simplificada, solos/associação de solos e vegetação.
O cruzamento dos mapas foi baseado no conceito de estabilidade de cada
unidade considerando-se o conceito de análise ecodinâmica de Tricart (1977), onde
a estabilidade é classificada conforme a Tabela 3.3.
Tabela 3.3 – Valores de estabilidade de unidades de paisagem (Fonte: MOTTA et al., 1999, modificada de TRICART, 1977).
Unidade Relação pedogênese/morfogênese Valor
Estável Prevalece a pedogênese 1,0
Intermediária Equilíbrio entre pedogênese e morfogênese 2,0
Instável Prevalece a morfogênese 3,0
As classes identificadas em cada mapa receberam valores numéricos
conforme Barbosa (1997), que estabeleceu um modelo com 21 classes de
vulnerabilidade à erosão, distribuídas entre as situações de predomínio dos
88
processos de pedogênese (os quais se atribuem valores próximos de 1,0), passando
por situações intermediárias (as quais se atribuem valores ao redor de 2,0) e
situações de predomínio erosivo modificador da forma do relevo, morfogênese (as
quais se atribuem valores próximos de 3,0).
O grau de vulnerabilidade estipulado a cada classe foi distribuído em uma
escala de 1,0 a 3,0, com intervalo de 0,1 (Tabela 3.4). No valor 1,0 prevalece a
pedogênese, no 2,0 um equilíbrio entre pedogênese e morfogênese, e no 3,0
prevalece a morfogênese. Esse critério foi utilizado para os mapas de
geomorfologia, de geologia simplificada e de solos/associação de solos. Para o caso
do mapa de vegetação/biodiversidade, o critério estabelecido foi: 3,0 para ambientes
com baixa diversidade de espécies/formações incipientes, normalmente de
pioneiras; 2,0 para ambientes com média diversidade de espécies, correspondendo a
formações em estágio intermediário; e, por último, 1,0 para ambientes em estágio
avançado-clímax, isto é, com alta diversidade de espécies.
Para a porção da imagem que corresponde ao espelho d’água dos canais de
maré foi determinado um grau de vulnerabilidade de 3,0 para os mapas de
geomorfologia, de geologia simplificado e de solos/associação de solos. Para os
mapas de vegetação/biodiversidade e de uso e ocupação do solo, foi concedido o
grau 1,0 de vulnerabilidade.
O cruzamento dos mapas foi realizado utilizando-se o módulo
Geoprocessing Wizard do software Arcview GIS 3.2 (ESRI, 1998), que possibilita o
cruzamento entre dois mapas. Primeiramente foi realizado o cruzamento entre os
mapas de geomorfologia e de geologia simplificada, posteriormente entre os mapas
de solos/associação de solos e de vegetação/biodiversidade. Na seqüência, foram
cruzados os dois mapas resultantes dos cruzamentos anteriores e calculou-se a
média aritmética dos valores de vulnerabilidade de cada classe. O resultado da
média aritmética foi distribuído em seis classes de vulnerabilidade natural:
1 - sem classificação (menor ou igual a 0,9); 2 - muito baixa (de 1,0 a 1,3); 3 - baixa (de 1,4 a 1,7); 4 - média (de 1,8 a 2,2); 5 - alta (de 2,3 a 2,5), e 6 - muito alta (maior ou igual a 2,6).
89
Para a obtenção do mapa de vulnerabilidade ambiental foi realizado o
cruzamento entre o mapa de vulnerabilidade natural e o mapa de uso e ocupação do
solo do ano de 2004.
O critério estipulado para o mapa de uso e ocupação do solo teve como foco
principal o grau e tipo de antropização encontrados na área de estudo. Para o
cruzamento adotou-se a mesma escala aplicada anteriormente, isto é, de 1 a 3, com
intervalo de 0,1 (Tabela 3.5).
Para o caso do mapa de vulnerabilidade ambiental, após o cruzamento,
calculou-se a média ponderada dos valores de vulnerabilidade de cada classe, sendo
distribuídos em seis classes de vulnerabilidade ambiental:
1 - sem classificação (menor ou igual a 0,9); 2 - muito baixa (de 1,0 a 1,3); 3 - baixa (de 1,4 a 1,7); 4 - média (de 1,8 a 2,2); 5 - alta (de 2,3 a 2,5), e 6 - muito alta (maior ou igual a 2,6).
Na tentativa de se obter um mapa de vulnerabilidade ambiental que
representasse mais fielmente as peculiaridades da área de estudo, foi aplicado o
método de ponderação de fatores, que permite a compensação entre os fatores
através de um conjunto de pesos que indicam a importância relativa de cada fator.
Os pesos de compensação indicam a importância de qualquer fator em relação aos
demais, conforme pode ser visualizado na fórmula abaixo.
0,2 x [tema 1] + 0,1 x [tema2] + 0,1 x [tema3] + 0,1 x [tema4] + 0,5 x [tema5]
Onde:
Tema 1 = Mapa de geomorfologia
Tema 2 = Mapa de geologia simplificado
Tema 3 = Mapa de solos/associação de solos
Tema 4 = Mapa de vegetação/biodiversidade
Tema 5 = Mapa de uso e ocupação do solo
90
Tabela 3.4 – Grau de vulnerabilidade das classes dos mapas temáticos.
MAPA TEMÁTICO / CLASSE GRAU DE
VULNERABILIDADE GEOLOGIA
Formação Açu 1,6 Depósito de sedimentos de praia 3,0 Formação Barreira 2,3 Depósito colúvio-eluvial 2,0 Depósitos eólicos - dunas fixas 2,3 Depósitos eólicos - dunas móveis 3,0 Complexo Gnáissico-Migmatítico 1,3 Depósitos eólicos - dunas móveis 3,0 Formação Jandaíra 1,8 Formação Macau 2,2 Depósito de planície de maré 3,0 Oceano 0,0 Depósito aluvionar 2,8 Depósito de planície de maré 3,0 Depósito flúvio-estuarino 2,7 Formação Tibau 2,5
GEOMORFOLOGIA Banco arenoso exposto na baixamar 3,0 Banco lamoso exposto na baixamar 3,0 Formas convexas - Relevo de topo convexo com diferentes ordens de grandeza e de aprofundamento de drenagem, separados por vales em "V" e eventualmente por vales de fundos planos - Dissecação ≤ 250m e aprofundamento da drenagem muito fraca 2,0 Duna fixa - Depósitos de origem marinha e/ou continental remodelados por ventos 2,3 Duna móvel - Depósitos de origem marinha e/ou continental remodelados por ventos 3,0 Superfície pediplanada - Superfície plana elaborada por processos de pediplanação, ocorrendo em diversos tipos de litologias 1,9 Planície Interdunar - Depósitos de origem marinha e/ou continental remodelados por ventos 3,0 Planície mangue 3,0 Oceano 0,0 Planície de deflação - Depósitos de origem marinha e/ou continental remodelados por ventos 2,8 Planície fluvial - Planície e terraço fluvial. Área plana resultante da acumulação fluvial eventualmente sujeita a inundações periódicas ligadas sem ruptura de declive a patamares mais elevados 3,0 Planície flúvio-estuarino 3,0 Zona de estirâncio 3,0 Formas tabulares - Relevos de topo plano, com diferentes ordens de grandeza e de aprofundamento de drenagem, separados geralmente por vales de fundos planos - Dissecação > 250m ≤ 750m e aprofundamento da drenagem muito fraca 1,4 Formas tabulares - Relevos de topo plano, com diferentes ordens de grandeza e de aprofundamento de drenagem, separados geralmente por vales de fundos planos - Dissecação > 750m ≤ 1.750m e aprofundamento da drenagem muito fraca 1,5 Formas tabulares - Relevos de topo plano, com diferentes ordens de grandeza e de aprofundamento de drenagem, separados geralmente por vales de fundos planos - Dissecação > 1.750m ≤ 3.750m e aprofundamento da drenagem muito fraca 1,6 Formas tabulares - Relevos de topo plano, com diferentes ordens de grandeza e de aprofundamento de drenagem, separados geralmente por vales de fundos planos - Dissecação > 3.750m ≤ 12.750m e aprofundamento da drenagem muito fraca 1,7 Terraço flúvio-marinho 2,7
91
... continuação
MAPA TEMÁTICO / CLASSE GRAU DE VULNERABILIDADE
SOLOS/ASSOCIAÇÃO DE SOLOS NEOSSOLOS FLÚVICOS Ta eutróficos + PLANOSSOLO HÁPLICOS eutróficos 2,8 NEOSSOLOS QUARTZARÊNICOS Marinhas órticos 3,0 NEOSSOLOS QUARTZARÊNICOS órticos 2,9 CAMBISSOLOS HÁPLICOS Ta eutróficos + VERTISSOLOS CROMADOS órticos 2,2 CAMBISSOLOS HÁPLICOS Ta eutróficos 2,0 CAMBISSOLOS HÁPLICOS Ta eutróficos + NEOSSOLOS REGOLÍTICOS eutróficos + CHERNOSSOLOS RÊNDZICOS saprolíticos 2,1 LATOSSOLOS AMARELOS distróficos + ARGISSOLOS VERMELHO-AMARELOS eutróficos 1,4 LATOSSOLOS AMARELOS distróficos + NEOSSOLOS QUARTZARÊNICOS órticos 1,8 LATOSSOLOS VERMELHO-AMARELOS eutróficos + ARGISSOLOS VERMELHO-AMARELOS eutróficos latossólicos + NEOSSOLOS QUARTZARÊNICOS órticos 1,7 LATOSSOLOS VERMELHO-AMARELOS eutróficos + ARGISSOLOS VERMELHO-AMARELOS eutróficos 1,6 LATOSSOLOS VERMELHO-AMARELOS eutróficos argissólicos + ARGISSOLOS VERMELHO-AMARELOS eutróficos 1,5 LUVISSOLOS CRÔMICOS órticos + NEOSSOLOS REGOLÍTICOS eutróficos + PLANOSSOLOS NÁTRICOS órticos + PLANOSSOLOS HÁPLICOS eutróficos 2,6 ARGISSOLOS VERMELHO-AMARELOS 1,5 NEOSSOLOS REGOLÍTICOS eutróficos + LUVISSOLOS CRÔMICOS órticos + PLANOSSOLOS NÁTRICOS órticos 2,3 GLEISSOLOS SÁLICOS sódicos 1,5 PLANOSSOLOS NÁTRICOS órticos + PLANOSSOLOS HÁPLICOS eutróficos + NEOSSOLOS REGOLÍTICOS eutróficos 2,5 PLANOSSOLOS NÁTRICOS órticos + PLANOSSOLOS HÁPLICOS eutróficos + NEOSSOLOS FLÚVICOS Ta eutróficos 2,4 Oceano 0,0
VEGETAÇÃO / BIODIVERSIDADE Influência fluvial - Herbáceas 1,5 Atividade antrópica - Termoelétrica 3,0 Atividade antrópica - Adutora 3,0 Atividade antrópica - Assentamento 2,8 Atividade antrópica - Carcinicultura 3,0 Cidade 3,0 Comunidades 2,8 Atividade antrópica - Agricultura - Cultura permanente 2,5 Atividade antrópica - Pecuária - Pastagem 2,4 Atividade antrópica - Pivô de irrigação 2,5 Atividade antrópica - Poços de petróleo 3,0 Atividade antrópica - Salina Cristalizadora 3,0 Atividade antrópica - Salina Evaporadora 3,0 Agricultura - Cultura cíclica 2,9 Mata de Caatinga Arbustiva aberta 1,0 Mata de Caatinga Arbustiva Arbórea Fechada 1,0 Mata de Caatinga Arbustiva Arbórea Aberta 1,5 Mata de Carnaúba 1,0 Lagoa 1,0 Lagoa temporária 1,5 Influência Flúvio-marinha - Mangue Arbóreo-arbustivo 1,0 Oceano 0,0 Vegetação rasteira 1,5 Influência Flúvio-marinha - Herbáceas 2,0 Água livre 1,0 Dunas móveis 3,0 Vegetação de dunas 2,0
92
Tabela 3.5 – Grau de vulnerabilidade das classes dos mapas temáticos.
CLASSE GRAU DE VULNERABILIDADE
Adutora 1,5 Área alagadiça 1,0 Assentamento 2,0 Mata de Caatinga Arbustiva aberta 1,0 Mata de Caatinga Arbustiva Arbórea Fechada 1,0 Mata de Caatinga Arbustiva Arbórea Aberta 1,0 Produção de camarão marinho 2,8 Mata de Carnaúba 1,0 Cidade 3,0 Comunidades 2,0 Cultura temporária e permanente 1,8 Cultura temporária 2,3 Vegetação de dunas 1,0 Terras áridas 1,0 Lagoa 1,0 Lagoa Temporária 1,0 Manguezal 1,0 Oceano 0,0 Pastagem 2,0 Pivô de irrigação 2,3 Poço de extração de petróleo 2,9 Praia 1,0 Água livre 1,0 Salina: cristalizadora 2,7 Salina: evaporadora 2,7 Termoelétrica 2,5
3.3.5.3 Geodiversidade
Para a determinação dos índices de geodiversidade foram utilizados os mapas
de geologia, geomorfologia, solo e vegetação, oriundos de carta topográfica, de
sensoriamento remoto e do RADAMBRASIL. Todos esses dados conformam o
Banco de Dados Geográficos.
Xavier da Silva (2001) usa como parâmetro base de análise a geomorfologia,
contudo, o baixo curso do rio Piranhas-Assu está inserido no semi-árido brasileiro,
caracterizado, principalmente, por formações vegetais de Caatinga hiperxerófila,
com relevo de planícies com ondulações suaves, não configurando um fator de
importante relevância para os fins deste trabalho. A diversidade de ambientes se
denota na configuração do solo e da associação de solos, mais complexa que os
outros fatores participantes do BDG. Na área de estudo, o fator solo é condicionante
para a riqueza da biodiversidade. Portanto, utilizou-se desse fator como parâmetro
93
base de análise. Os códigos e respectivas classes de solo/associação de solos podem
ser visualizados na Tabela 3.6.
Tabela 3.6 - Códigos de identificação e respectivas classes de solo/associação de solos, para o baixo curso do rio Piranhas-Assu, RN.
Código Solo / Associação de solos Ae7 NEOSSOLOS FLÚVICOS Ta eutróficos + PLANOSSOLO HÁPLICOS eutróficos AMd4 NEOSSOLOS QUARTZARÊNICOS Marinhas órticos AQd4 NEOSSOLOS QUARTZARÊNICOS órticos Ce1 CAMBISSOLOS HÁPLICOS Ta eutróficos + VERTISSOLOS CROMADOS órticos Ce4 CAMBISSOLOS HÁPLICOS Ta eutróficos
Ce6 CAMBISSOLOS HÁPLICOS Ta eutróficos + NEOSSOLOS REGOLÍTICOS eutróficos + CHERNOSSOLOS RÊNDZICOS saprolíticos
LAd11 LATOSSOLOS AMARELOS distróficos + ARGISSOLOS VERMELHO-AMARELOS eutróficos
LAd8 LATOSSOLOS AMARELOS distróficos + NEOSSOLOS QUARTZARÊNICOS órticos
LVe1 LATOSSOLOS VERMELHO-AMARELOS eutróficos + ARGISSOLOS VERMELHO-AMARELOS eutróficos latossólicos + NEOSSOLOS QUARTZARÊNICOS órticos
LVe3 LATOSSOLOS VERMELHO-AMARELOS eutróficos + ARGISSOLOS VERMELHO-AMARELOS eutróficos
LVPe1 LATOSSOLOS VERMELHO-AMARELOS eutróficos argissólicos + ARGISSOLOS VERMELHO-AMARELOS eutróficos
NC47 LUVISSOLOS CRÔMICOS órticos + NEOSSOLOS REGOLÍTICOS eutróficos + PLANOSSOLOS NÁTRICOS órticos + PLANOSSOLOS HÁPLICOS eutróficos
PE118 ARGISSOLOS VERMELHO-AMARELOS eutróficos
Re23 NEOSSOLOS REGOLÍTICOS eutróficos + LUVISSOLOS CRÔMICOS órticos + PLANOSSOLOS NÁTRICOS órticos
SKS GLEISSOLOS SÁLICOS sódicos
SS11 PLANOSSOLOS NÁTRICOS órticos + PLANOSSOLOS HÁPLICOS eutróficos + NEOSSOLOS REGOLÍTICOS eutróficos
SS4 PLANOSSOLOS NÁTRICOS órticos + PLANOSSOLOS HÁPLICOS eutróficos + NEOSSOLOS FLÚVICOS Ta eutróficos
Usando-se o ambiente de Sistema de Informações Geográfica do programa
Arcview 3.2 (ESRI, 1998) foram gerados os seguintes mapas: Mapa de síntese
contendo os indicadores de Geodiversidade Múltipla e Mapa de síntese contendo os
indicadores de Geodiversidade Ponderada.
Os mapas de Geodiversidade Múltipla e de Geodiversidade Múltipla
Ponderada foram elaborados com base nos resultados obtidos da matriz (Tabela 3.7)
gerada para a obtenção dos índices de Geodiversidade Específica, Geodiversidade
Específica Posicional, Geodiversidade Múltipla, Geodiversidade Múltipla Posicional,
Geodiversidade Ponderada e de Geodiversidade Ponderada Posicional.
Para cada uma das classes componentes da legenda do mapa de solo/associação
de solos foi registrado o número de classes dos outros parâmetros (Geodiversidade
94
Específica). O resultado é tabulado, onde cada linha se refere a um dos tipos de
solo/associação de solos. Também foram estabelecidas as posições relativas
associadas a cada uma das medições (Geodiversidade Específica Posicional). Das
posições relativas foi calculada a matriz de correlações não-paramétricas pelo
Coeficiente de Spearman.
Tabela 3.7 – Índices de Geodiversidade Específica, Geodiversidade Específica Posicional, Geodiversidade Múltipla, Geodiversidade Múltipla Posicional, Geodiversidade Ponderada e de Geodiversidade Ponderada Posicional, tendo o solo como parâmetro base de análise, para o baixo curso do rio Piranhas-Assu, RN.
Solos Geologia Geomorfologia Vegetação Geodivers.
Múltipla
Geodivers. Múltipla
Posicional
Área (ha.)
Geodivers. Ponderada
Geodivers. Ponderada Posicional GE* GEP* GE GEP GE GEP
Ae7 7 2 8 3 6 3 21 2 43.532,71 4,82 16 AMd4 5 4 9 2 7 2 21 2 4.695,19 44,73 4 AQd4 6 3 4 6 4 5 14 6 7.171,06 19,52 5 Ce1 5 4 2 8 5 4 12 7 31.356,34 3,83 17 Ce4 5 4 2 8 3 6 10 8 20.032,39 4,99 15 Ce6 2 7 1 9 2 7 5 12 310,46 161,05 1 LAd11 6 3 6 4 6 3 18 3 22.435,50 8,02 13 LAd8 2 7 2 8 2 7 6 11 5.422,26 11,07 11 LVe1 6 3 4 6 5 4 15 5 18.126,21 8,28 12 LVe3 4 5 3 7 2 7 9 9 5.201,35 17,30 7 LVPe1 7 2 5 5 6 3 18 3 9.561,43 18,83 6 NC47 5 4 3 7 4 5 12 7 10.436,40 11,50 10 PE118 6 3 4 6 4 5 14 6 10.854,18 12,90 8 Re23 6 3 6 4 5 4 17 4 26.113,88 6,51 14 SKS 9 1 11 1 9 1 29 1 24.445,33 11,86 9 SS11 3 6 3 7 2 7 8 10 1.285,86 62,22 3 SS4 6 3 3 7 3 6 12 7 1.491,03 80,48 2
* GE: Geodiversidade Específica; GEP: Geodiversidade Específica Posicional
O somatório do número de classes encontrado em cada linha corresponde à
Geodiversidade Múltipla e as posições relativas fornecem a Geodiversidade
Múltipla Posicional.
A Geodiversidade Ponderada foi calculada segundo a fórmula a seguir. Nela,
o coeficiente K tem a função de manter os algoritmos do indicador significativos. No
caso desse trabalho foi adotado o valor 10.000.
95
K * Geodiversidade Múltipla / Área
A posição relativa entre os valores da Geodiversidade Ponderada forneceram
o índice Geodiversidade Ponderada Posicional.
3.3.6 Software DINAMICA EGO para simulação da paisagem
O software DINAMICA EGO (Environment for Geoprocessing Objects)
(SOARES-FILHO et al, 2007) foi a ferramenta utilizada neste estudo para o
desenvolvimento e execução do modelo de simulação espacial baseado em
autômatos celulares.
O ambiente de modelagem do DINAMICA EGO envolve uma série de
operadores chamados de functores (functors). Um functor pode ser entendido como
um processo que atua sobre um conjunto de dados de entrada sobre o qual é
aplicado um número finito de operações, produzindo como saída um novo conjunto
de dados (RODRIGUES; SOARES-FILHO; COSTA, 2007).
Além dos operadores convencionais, chamados simplesmente de functores,
existem os operadores de grupo, conhecidos como containers. Os containers são
especiais, pois agrupam e determinam um comportamento para o conjunto de
operadores contido neles. Exemplos de containers são os operadores “Repeat” que
interage a execução do submodelo inserido nele; “Block”, que simplesmente agrupa
functores; e “Region”, empregado para que uma determinada operação afete apenas
uma região específica em um mapa. Os functores e containers recebem e enviam
dados para outros functores e containers por meio de um conjunto de entradas e
saídas chamadas de portos. Cada porto possui um tipo de dado associado, por
exemplo: tabela, mapa, matriz, valor, etc. (RODRIGUES; SOARES-FILHO;
COSTA, 2007).
O software DINAMICA EGO utiliza para entrada de dados um conjunto de
mapas. Nesse estudo, o mapa de entrada a ser utilizado será o uso e ocupação do
96
solo de 2004, sendo este, o mapa de paisagem inicial. Tem-se ainda como
componente de dados as variáveis cartográficas que podem ser divididas em
estáticas e dinâmicas. Os mapas estáticos são as variáveis supostas de controle da
configuração da mudança. Estas variáveis são combinadas, através da definição de
seus pesos de evidências, com o objetivo de gerar os mapas de transição, ou seja, a
configuração da mudança (SOARES-FILHO, PENNACHIN; CERQUEIRA, 2002;
SOARES-FILHO et al., 2003; SOARES-FILHO et al., 2004). O uso de variáveis
dinâmicas não se aplica a este trabalho, pois inexistem, portanto somente foram
consideradas as variáveis estáticas.
O último procedimento a ser executado no DINAMICA EGO para a geração
das simulações é o processo de calibração, ou seja, ajuste do modelo, o qual poderá
ser feito a partir da percepção da paisagem pelo pesquisador juntamente com o
conhecimento teórico e os reflexos nos mapas de resultado.
3.3.6.1 Preparação dos dados para a simulação
Para a inserção dos dados a serem utilizados na modelagem, faz-se
necessário a transformação dos dados vetorizados a partir das imagens de satélite e
cartas topográficas, em formato raster. Esse procedimento foi realizado com o uso
do software ArcGis 9.1 (ESRI, 2004), em que para cada mapa gerado foi definida a
célula de saída do formato raster com pixel de 100x100 m, além de possuírem as
mesmas características geográficas.
Os dados utilizados na modelagem foram selecionados em três grupos, a
saber: a) mapas de uso e ocupação do solo dos anos 1988, 1998, 2001 e 2004; b)
mapas de Geologia simplificada, Geomorfologia, Solos/Associação de Solos,
Geodiversidade, Vegetação e Vulnerabilidade Ambiental e c) mapas de Modelo
Digital do Terreno e de Declividade.
Após a conversão desses dados em raster, os mesmos foram inseridos no
software ER-Mapper 6.0 (ER-Mapper, 1999), no intuito de se montar os diferentes
layers, conforme Tabela 3.8.
97
Tabela 3.8 – Mapas formato raster utilizados e seus respectivos layers gerados.
MAPAS FORMATO RASTER LAYERS GERADOS
Uso e ocupação do solo do ano 1988 uso1988.ers
Uso e ocupação do solo do ano 1998 uso1998.ers
Uso e ocupação do solo do ano 2001 uso2001.ers
Uso e ocupação do solo do ano 2004 uso2004.ers
Cidades cidades.ers
Drenagem permanente drenagem.ers
Estradas estradas.ers
Geologia simplificada
estatico1.ers
Geomorfologia
Solos/Associação de solos
Geodiversidade múltipla ponderada
Vulnerabilidade ambiental
Modelo Digital do Terreno estatico2.ers
Declividade
Os atributos dos layers gerados no ER-Mapper 6.0 (ER-Mapper, 1999), com
exceção do layer estatico2.ers, são apresentados abaixo:
Output Attributes Output Type: multi layer Data Type: signed 8BitInteger Null Value: -128 Output Size Width: 837 (cells per line) Heigth: 997 (lines) Pixel Width: 100 Pixel Heigth: 100 Geodetic Datum: SAD-69 Map Projection: SUTM24
Os atributos do layer estatico2.ers, são apresentados abaixo:
Output Attributes Output Type: multi layer Data Type: IEEE 4 Byte Real Null Value: -99999 Output Size Width: 837 (cells per line) Heigth: 997 (lines) Pixel Width: 100 Pixel Heigth: 100 Geodetic Datum: SAD-69 Map Projection: SUTM24
98
3.3.6.2 Generalização aplicada aos mapas de uso e ocupação do solo
Para uma melhor compreensão do processo de estabilidade e de mobilidade
das classes, na análise multitemporal (vide artigo Capítulo 4), elas foram agrupadas
conforme características e/ou funções semelhantes (PANIZZA, 2004). Esse
agrupamento pode ser visualizado na Tabela 3.9, o que gerou uma nomenclatura de
classes, a saber: Areia/Solo exposto, Água, Zona úmida, Zona construída, Cobertura
vegetal e Atividade agroindustrial. Esse agrupamento foi utilizado para a geração do
modelo de simulação.
Tabela 3.9 – Agrupamento das classes de ocorrência no baixo curso do Rio Piranhas-Assu, RN, por características/funções semelhantes.
Classe Agrupamento Praia
Areia/Solo exposto Terras áridas Lagoa
Água Água livre Lagoa temporária
Zona úmida Área alagadiça Adutora
Zona construída Assentamento Cidade Comunidade Termoelétrica Mata de Caatinga Arbustiva Aberta
Cobertura vegetal
Mata de Caatinga Arbustiva Arbórea Fechada Mata de Caatinga Arbustiva Arbórea Aberta Mata de Carnaúba Vegetação de Dunas Manguezal Cultura temporária e permanente
Atividade agroindustrial
Cultura temporária Pivô de irrigação Pastagem Produção de camarão marinho Poço de extração de petróleo Salina: cristalizadora Salina: evaporadora
99
O primeiro passo para a geração do modelo de simulação é a elaboração da
Matriz de Transição. Nesse momento, verificou-se que o software não conseguiu
gerar, a partir desse agrupamento, uma Matriz de Transição ergódica‡.
Consequentemente, um novo agrupamento foi preparado, conforme pode ser
visualizado na Tabela 3.10. Em nova rodada para gerar a Matriz de Transição, com
esse novo agrupamento de classes, constatou-se a sua ergodicidade. Sendo assim,
considerou-se adequado esse agrupamento de classes para a simulação da paisagem
da área de estudo.
Tabela 3.10 – Agrupamento das classes de ocorrência no baixo curso do Rio Piranhas-Assu, RN, por características/funções semelhantes.
Classe Agrupamento Assentamento
Aglomerado Humano Cidade Comunidade Praia
Área Solo exposto Terras áridas Cultura temporária e permanente
Atividade Agrícola Cultura temporária Pivô de irrigação Produção de camarão marinho
Atividade Industrial Poço de extração de petróleo Salina: cristalizadora Salina: evaporadora Termoelétrica Pastagem Atividade Pecuária Mata de Caatinga Arbustiva Aberta
Caatinga Mata de Caatinga Arbustiva Arbórea Fechada Mata de Caatinga Arbustiva Arbórea Aberta Mata de Carnaúba Carnaúba Lagoa
Drenagem Permanente Água livre Vegetação de Mangue Mangue Oceano Oceano Vegetação de Dunas Vegetação Rasteira Lagoa temporária
Zona úmida Área alagadiça
‡ Processo ergódico é o processo no qual o valor esperado da distribuição de probabilidade de uma variável pode ser sempre estimado a partir de suas observações passadas. Por outro lado, processo não-ergódico é o processo movendo-se ao longo do tempo, no qual a incerteza é não-mensurável e, portanto, as leis da probabilidade não se aplicam (FERRARI FILHO; CONCEIÇÃO, 2001).
100
3.3.6.3 Matriz de transição
Para a geração da Matriz de Transição são utilizados os layers uso1988,
uso1998, uso2001 e uso2004. O software opera cruzando inicialmente os anos 1988
e 1998, o que gera duas matrizes 1988-1998. Posteriormente, geram-se as matrizes
1998-2001 e, finalmente, as matrizes 2001-2004. Cada par de dados gera duas
matrizes, sendo estas a Matriz Simples e a Matriz Múltipla.
Na figura 3.3 é mostrado o modelo que calcula as matrizes de Transição, o
passo único (single-step) corresponde a um período de tempo representado como
um único passo de tempo. Já o passo múltiplo (multiple-step) corresponde a uma
unidade de passo de tempo (seja ele ano, mês, dia, etc.) especificado pela divisão do
período de tempo pelo número de passos de tempo. Matriz de transição de passo
múltiplo só pode ser derivada de matriz ergódica. Na mesma figura observam-se
quatro functores, sendo eles: dois Load Categorical Map (abrir mapas de classes ou
categorias), dois Save Lookup Table (salvar tabela) e um Determine Transition
Matrix (determinar a matriz simples e matriz múltipla).
Os functores recebem e enviam dados para outros functores por meio de
conectores de functor. Por essa interfase os modelos podem ser criados
simplesmente, arrastando e conectando functores através de portos com tipos
equivalentes. Nesse sentido os modelos são assim desenhados na forma de um
diagrama e a execução segue a cadeia de fluxo de dados. Nesta interfase, o fluxo de
dados não é mais “oculto”, obrigando o usuário a construí-lo, o que torna sua
flexibilidade diretamente proporcional à complexidade (RODRIGUES; SOARES-
FILHO; COSTA, 2007).
Conforme a figura 3.3, pode ser visualizado o detalhamento do operador
vinculado ao bloco Load Categorical Map, onde tem-se um par de anos, por
exemplo, uso2001 e uso2004, vinculados, cada qual, em um bloco Load
Categorical Map. O uso2001 corresponde à paisagem inicial (Initial landscape) e
uso2004 à paisagem final (Final landscape). O passo de tempo (Time Step) para
esse exemplo é de três anos.
101
Figura 3.3 – Modelo de Matriz de Transição.
As matrizes de transição geradas para os pares de anos 1988-1998, 1998-
2001 e 2001-2004 são apresentadas no Apêndice 01.
Functor
Conector de Functor
Container
102
3.3.6.4 Geração das faixas (rangers) para os Pesos de Evidência
A geração das matrizes de transição possibilita a definição das variações de
transição, ou seja, analisam-se as matrizes e decide-se sobre quais são as transições
a serem utilizadas, para explicar a dinâmica da paisagem da área de estudo, segundo
os valores apresentados, que representam a estabilidade ou mobilidade das classes.
Valores maiores indicam maior mobilidade e valores menores, menor mobilidade.
Já os valores nulos indicam que inexiste transição entre essas variáveis.
As variáveis de transição escolhidas para a simulação da paisagem da área de
estudo pode ser visualizada na Tabela 3.11. As classes Atividade Agrícola,
Atividade Pecuária, Atividade Industrial e Vegetação Caatinga, são as variáveis que
imprimem a dinâmica da paisagem da área de estudo, como já foi confirmado pela
Matriz de Transição e pela análise multitemporal do uso e ocupação do solo (vide
Capítulo 4). A classe vegetação foi incorporada ao modelo devido à idiossincrasia
própria da região. Os pequenos e médios agricultores permanentemente mudam de
cultura, conforme as variáveis econômicas e climáticas do ano, e de área de cultivo
para áreas contíguas, desmatando a vegetação e deixando que a anterior seja tomada
pela Caatinga.
Tabela 3.11 – Variáveis de transição escolhidas para a simulação.
CÓDIGO TRANSIÇÕES DA MODELAGEM DA PAISAGEM 3 TO 5 Atividade Agrícola para Atividade Pecuária 3 TO 6 Atividade Agrícola para Vegetação Caatinga 5 TO 3 Atividade Pecuária para Atividade Agrícola 5 TO 6 Atividade Pecuária para Vegetação Caatinga 6 TO 3 Vegetação Caatinga para Atividade Agrícola 6 TO 4 Vegetação Caatinga para Atividade Industrial6 TO 5 Vegetação Caatinga para Atividade Pecuária
Para o cálculo dos Pesos de Evidência, faz-se necessário inicialmente a
construção de um modelo (Figura 3.4) que calcule faixas (range) para categorizar as
variáveis contínuas que são usadas no cálculo dos Pesos de Evidência. É neste
momento que são gerados os mapas de distância que, no caso, foram os mapas de
103
Distância a Cidades, Distância a Drenagem Permanente, Distância a Estradas,
Distância de uso e ocupação do solo 2001. No caso deste último, em relação ao ano
escolhido, segundo orientações fornecidas pelo Laboratório de Sensoriamento
Remoto da Universidade Federal de Minas Gerais (UFMG), deve-se escolher a
matriz que alcançou melhores resultados na calibração e que, em sua maioria, é a
matriz do último período que é utilizada para simular o futuro.
Os Pesos de Evidência só podem ser calculados para variáveis espaciais por
categoria ou classes. Seleciona-se o número de intervalos e os tamanhos das faixas
(buffers), de tal maneira que possibilite preservar a estrutura dos dados. Para fins
deste trabalho, foram geradas faixas (buffers) para os mapas Distância a Cidades,
Distância a Drenagem Permanente, Distância a Estradas, Distância de uso e
ocupação do solo 2001.
104
Figura 3.4 – Modelo para o cálculo de faixas (rangers) a serem utilizadas no cálculo dos Pesos de Evidência.
105
3.3.6.5 Pesos de evidência
Para o cálculo dos Pesos de Evidência utiliza-se o modelo da Figura 3.5, que
é semelhante ao modelo da Figura 3.4, acrescido de mais um functor que contém o
arquivo gerado no modelo que calcula as faixas (ranges).
Figura 3.5 – Modelo para o cálculo dos Pesos de Evidência.
106
O modelo da Figura 3.5 gera um produto, apresentado de duas maneiras: na
forma tabular e de gráfico. Na Figura 3.6, é mostrado, como exemplo e a título de
ilustrar os dados gerados, a forma tabular e seu correspondente gráfico, para o caso
da transição de 3 para 5, isto é, de Atividade Agrícola para Atividade Pecuária, para
as variáveis Distância a Cidades, Distância a Drenagem Permanente e Distância a
Estradas. Os pesos de evidências, em forma tabular, para todas as transições, são
apresentados no apêndice 02.
Distância a Cidades
Distância a Drenagem Permanente
107
Distância a Estradas
Figura 3.6 – Exemplos do formato dos dados de saída para os Pesos de Evidência, de forma tabular e gráfica, para o caso da transição de Atividade Agrícola para Atividade Pecuária, para as variáveis: Distâncias a Cidades, Distâncias a Drenagem Permanente e Distâncias a Estradas.
3.3.6.6 Correlação dos Pesos de Evidência
Para a validade dos pesos de evidência, faz-se necessário assumir que os
pares de mapas analisados pelo modelo sejam espacialmente independentes. O
programa DINAMICA EGO utiliza-se de dois testes estatísticos: Coeficiente de
Crammer (V) e Incerteza de Informação Conjunta (U). Como resultado desses
testes, pode ser eliminado uma das variáveis correlatas ou pode ser combinada com
a segunda para formar uma variável nova que substituirá ambos no modelo
integrado.
Os valores dos testes (Crammer e Incerteza de Informação Conjunta) variam
de 0,0 a 1,0. Segundo Bonham-Carter (1994) e Almeida (2003), valores inferiores a
0,5, tanto para o índice de Crammer como para a Incerteza de Informação Conjunta,
sugerem menos associação do que mais.
Neste procedimento também são avaliados quais os pares de anos (período)
que apresentam o número de variáveis independentes. O período escolhido será o
utilizado nos processos posteriores.
108
Para este trabalho, os melhores resultados foram obtidos para os pares de
anos 2001 e 2004, o que coincide com a observação feita pelo Laboratório de
Sensoriamento Remoto da UFMG que, geralmente, a matriz do último período
considerado é a utilizada para simular o futuro já que, na maioria das vezes,
apresenta os melhores resultados (vide 3.3.8).
Após análise dos dados, verificou-se que as variáveis com melhores valores
de índices de Crammer e Incerteza de Informação Conjunta são as apresentadas na
Tabela 3.12.
Tabela 3.12 – Variáveis utilizadas na geração de cenários futuros.
MAPAS FORMATO RASTER LAYERSUso e ocupação do solo do ano 2001 distance_uso2001
Uso e ocupação do solo do ano 2004 distance_uso2004
Cidades distance_cidades
Drenagem permanente distance_drenagem
Estradas distance_estradas
Geodiversidade múltipla ponderada distance_estatico1
Vulnerabilidade ambiental
Modelo Digital do Terreno distance_estatico2
Declividade
Os layers correspondentes às variáveis Geologia, Geomorfologia,
Solos/Associação de solos e Vegetação, foram retiradas da simulação por
apresentarem valores, nos testes de independência entre pares de mapas, acima de
0,5. Entretanto, eles indiretamente estão presentes na simulação, pois estão inclusos
nas variáveis Geodiversidade Múltipla Ponderada e Vulnerabilidade Ambiental.
109
3.3.6.7 Calibração do modelo
A calibração do modelo visa à seleção do melhor conjunto de variáveis de
entrada e parâmetros internos do programa, de forma a produzir o melhor ajuste
entre os dados empíricos e a realidade observada. Esta tarefa envolve dois estágios.
Primeiro, uma análise visual comparativa é executada, para cada tipo de mudança
de uso do solo, entre as tendências gerais de resultados preliminares de simulação,
as dicas fornecidas pelos mapas de transição do uso e de probabilidades de transição
e as informações diretrizes contidas na sobreposição simultânea de diferentes mapas
de variáveis explicativas sobre o mapa real de uso do solo em formato vetorial. Esta
comparação objetiva separar aquelas variáveis ou evidências que estão efetivamente
contribuindo para explicar os respectivos eventos daquelas que constituem apenas
ruído para a modelagem (ALMEIDA, 2003). Os resultados obtidos pela análise
multitemporal (vide Capítulo 4) constituem como importante referencial para a
realização dos ajustes da modelagem.
A decisão final acerca da inclusão ou exclusão de uma dada variável ou
evidência sempre dependerá de um amplo julgamento, no qual a importância
ambiental da evidência e sua coerência com relação ao fenômeno (mudança de uso)
que está sendo modelado sejam analisadas (ALMEIDA, 2003; SOARES-FILHO,
1998).
O segundo estágio de calibração concerne ao ajuste dos parâmetros internos
do programa de simulação: tamanho e variância de manchas, proporções dos
algoritmos de transição e número de interações. Técnicas heurísticas são
empregadas para definir estes parâmetros do modelo de simulação com base em
uma análise visual comparativa entre os resultados preliminares de simulação, o
mapa real de uso, o de probabilidades de transição e o de transição de uso
(ALMEIDA, 2003).
O software DINAMICA EGO apresenta um modelo para esse processo,
conforme pode ser visualizado na Figura 3.7. No modelo, além da inserção dos
mapas que fazem parte da simulação, também se faz necessário a entrada dos
110
seguintes parâmetros: a) tamanho e variância de manchas; b) proporções dos
algoritmos de transição (Patcher e Expander); e, c) número de interações.
Figura 3.7 – Modelo para calibração da simulação de cenários futuros.
Inicialmente, foi realizado o cruzamento entre os mapas de 2001 e 2004, no
intuito de mapear as transições (Figura 3.8), com o uso do módulo GeoProcessing
Wizard do Arc View 3.2 (ESRI, 1998). Das informações geradas por esse mapa
foram extraídas as variáveis das manchas: Média, Máximo, Mínimo, Desvio Padrão
111
e Variância (Tabela 3.13), para auxiliar na determinação dos valores dos parâmetros
(tamanho e variância das manchas) a serem inclusos no modelo.
Figura 3.8 – Mapa de transições de uso e ocupação do solo, entre os anos 2001 e 2004, do baixo curso do rio Piranhas-Assu (RN).
112
Uma questão importante em modelos de simulação de paisagem, sobretudo
os estruturados em mosaico, refere-se à influência da vizinhança mais próxima nas
chances de transição e na dinâmica das manchas, dado que a maioria das mudanças
ocorre na interface entre as inúmeras manchas dos elementos de paisagem. Uma
maneira encontrada para tanto, consiste em dividir o mecanismo de eleição de
células a serem transicionadas em dois processos, a saber: um primeiro só de
expansão ou retração de manchas (função de expansão) e um segundo de formação
ou geração de manchas a partir de células nucleadas (SOARES-FILHO; ARAÚJO;
CERQUEIRA, 2001).
O software DINAMICA EGO disponibiliza esses processos, aqui chamados
de algoritmos de transição (Patcher e Expander). O functor Porcentagem da Matriz
é a porcentagem de patcher e expander que serão aplicados em relação à criação
das manchas. O valor (0) zero corresponde a 100% de patcher e o valor um
corresponde a 100% expander, por exemplo, 0,3 significa 70% de patcher e 30% de
expander, ou ainda, 0,8 representa 20% de patcher e 80% de expander. (SOARES-
FILHO, 2007).
Tabela 3.13 – Variáveis estatísticas das transições de uso e ocupação do solo, entre os anos 2001 e 2004, do baixo curso do rio Piranhas-Assu (RN). Classes: 3 = Atividade Agricultura; 4 = Atividade Industrial; 5 = Atividade Pecuária; 6 = Vegetação de Caatinga.
INDICADOR 6 � 3 6 � 4 6 � 5 3 � 5 5 � 3 3 � 6 5 � 6 Média 137,02 68,87 791,42 144,52 143,41 54,80 314,76
Máximo 1.893,55 388,63 4.075,34 1.431,95 511,19 742,42 2.490,29
Mínimo 0,00 0,09 0,54 0,00 2,41 0,00 0,02
DP 332,12 113,58 1.186,05 294,49 175,40 111,59 702,39
Variância 110.304,52 12.899,51 1.406.711,81 86.721,97 30.764,49 12.451,26 493.357,89
A partir da análise multitemporal da área de estudo e de observações in loco,
verificou-se que a configuração espacial das manchas dá-se, geralmente, a partir de
uma mancha inicial que se expande e/ou se retrai através do fator tempo. Isto
caracteriza um padrão dinâmico espacial mais próprio do expander que do patcher.
113
Após vários testes, observou-se que os melhores resultados foram obtidos quando
usadas as porcentagens de expander/patcher apresentadas na Tabela 3.14.
Tabela 3.14 – Porcentagem de Expander e Patcher usadas na simulação.
PARÂMETROS Transição
3 TO 5 3 TO 6 5 TO 3 5 TO 6 6 TO 3 6 TO 4 6 TO 5Porcentagem de EXPANDER 1.0 1.0 1.0 1.0 1.0 0.5 1.0 Porcentagem de PATCHER 0.0 0.0 0.0 0.0 0.0 0.5 0.0
O último parâmetro a ser inserido no modelo refere-se ao número de
interações na execução da simulação, isto é, o número de passos que o programa
simulará no período de tempo considerado. Para a fase de calibração, neste trabalho,
foi executado o período de 2001-2004, então foram estipuladas três interações, que
correspondem ao intervalo de anos analisados.
Após a inserção dos parâmetros necessários para a calibração, executou-se o
modelo, que teve como resultado oito mapas para cada passagem de ano, no período
considerado (2001-2004), isto é, oito mapas para 2002, oito mapas para 2003 e oito
mapas para 2004, totalizando 24 mapas. Dos oito mapas, um corresponde à
paisagem simulada e os restantes referem-se aos mapas de probabilidade para cada
transição envolvida, a saber: Vegetação Caatinga para Atividade Agrícola,
Vegetação Caatinga para Atividade Industrial, Vegetação Caatinga para Atividade
Pecuária, Atividade Pecuária para Atividade Agrícola, Atividade Pecuária para
Vegetação Caatinga, Atividade Agrícola para Atividade Pecuária e Atividade
Agrícola para Vegetação Caatinga.
3.3.6.8 Validação do modelo
A validação do modelo é uma etapa complementar, consiste na comparação
dos resultados gerados com dados reais. Ela é realizada de duas maneiras. A
primeira utiliza-se dos mapas de probabilidade de cada transição, gerados na fase de
calibração (dados simulados ou esperados), que foram comparados visualmente
114
com o mapa de transição apresentado na Figura 3.8 (dados reais ou observados), a
fim de constatar o grau de semelhança.
A segunda refere-se à criação de um modelo, o qual se baseia no cálculo do
índice de similaridade entre mapas. O método utilizado pelo DINAMICA EGO é
uma modificação da proposta feita por Hagen (2003), que inclui o KFuzzy, que
considerou-se ser equivalente à estatística de Kappa. Os valores de similaridade na
estatística Kfuzzy variam de (0) zero a (1) um, ou seja, o valor 0 corresponde a não
coincidência entre os mapas, e o valor 1 refere-se à coincidência entre os mapas
analisados. O referido autor afirma que o valor 0,5 é para ser interpretado como
“consideravelmente similar”.
O modelo utilizado para o cálculo do índice de similaridade é apresentado na
Figura 3.9.
Figura 3.9 - Modelo para o cálculo do índice de similaridade entre mapas.
115
Os mapas de entrada, nesse modelo, foram: mapa de uso e ocupação do solo
para o ano 2001, mapa de uso e ocupação do solo para o ano 2004 (observado) e o
mapa de paisagem para o ano 2004 (esperado) gerado durante a calibração. Aos
functores descritos como Load Categorical Map é que estão vinculados esses
mapas. Os functores Number Map, na cor laranja, na parte superior esquerda do
modelo, têm a função somente de especificar uma identificação aos mapas, neste
caso 1 para o ano 2001 e 2 para o ano 2004, observado e esperado. O functor Calc
Reciprocal Similarity Map calcula os valores dos índices de similaridade Fuzzy
entre dois mapas. O container For refere-se a um looping no qual em cada
passagem modifica o tamanho da janela de amostragem, iniciando, neste caso, de 1
e finalizando em 11, com incremento 2, isto significa que o modelo testou a
similaridade entre mapas para as janelas de amostragem: 1x1, 3x3, 5x5, 7x7, 9x9 e
11x11 (Tabela 3.15).
Tabela 3.15 – Janelas de amostragem e respectivos índices de similaridade Fuzzy entre mapas.
Janela de amostragem Primeira média de Similaridade
Segunda média de Similaridade
1 x 1 0,26 0,58 3 x 3 0,40 0,69 5 x 5 0,44 0,76 7 x 7 0,47 0,82 9 x 9 0,49 0,85
11 x 11 0,51 0,89
Pela tabela, assumiu-se que os melhores valores para a simulação futura da
paisagem foram os correspondentes à janela de amostragem 11x11: 0,51, para a
primeira média de similaridade, e 0,89, para a segunda média de similaridade.
Entretanto, na simulação realizada para todas as janelas, verificou-se que o melhor
resultado visual correspondeu à janela de amostragem 3x3, conforme será discutido
no Capítulo 5.
116
3.3.6.9 Simulação
Para a geração dos cenários futuros, utilizou-se do mesmo modelo
apresentado na Figura 3.7, com algumas variantes. Nesta fase final, a simulação
inicia-se no ano 2004 e o número de interação utilizado foi de 20, isto é, simulação
da paisagem até o ano de 2024.
3.3.7 Análise de tendência da paisagem
Para auxiliar a análise e a avaliação de tendência da paisagem futura, da área
de estudo, realizou-se a intersecção dos mapas: Vulnerabilidade Natural,
Geodiversidade Múltipla Ponderada, Paisagem do ano 2014 e Paisagem do ano
2024.
Para a execução da intersecção do mapa de Vulnerabilidade Natural e de
Geodiversidade Múltipla Ponderada, foi realizado previamente um reagrupamento
de classes para ambos os mapas com as seguintes categorias: Baixa, Média e Alta
(Tabela 3.16).
Tabela 3.16 – Categorias de análise para a Vulnerabilidade Natural e Geodiversidade Múltipla Ponderada.
CATEGORIA VARIÁVEL
Vulnerabilidade Natural Geodiversidade Múltipla Ponderada
Sem classificação 0 – 0,9 0 - 3,82 Baixa 1 – 1,7 3,83 – 6,51 Média 1,8 – 2,2 6,52 – 19,52 Alta 2,3 – 3,0 19,53 – 161,05
Posteriormente, realizou-se a intersecção com o mapa oriundo da simulação
do ano de 2014, assim como a tabulação dos resultados da intersecção de mapas,
para a determinação das áreas correspondentes a cada categoria. Esse procedimento
repetiu-se para o ano de 2024.
CAPÍTULO 4
ANÁLISE EVOLUTIVA, VULNERABILIDADE E ÍNDICES DE GEODIVERSIDADE DO BAIXO
CURSO DO RIO PIRANHAS-ASSU
4.1 PRIMEIRO ARTIGO
O artigo intitulado Dinâmica espaço-temporal do uso e ocupação do solo, no
período de 1988 a 2004, do baixo curso do rio Piranhas-Assu (RN): sugestões de
acompanhamento integrado das atividades socioeconômicas impactantes em área
costeira, foi apresentado para apreciação à revista científica AGETEO
(www.ageteo.org.br) do Departamento de Geografia da UNESP, Rio Claro, SP,
versão impressa, ISSN 0560-4613, classificação 2007 CAPES QUALIS B
Internacional / Geografia.
Devido às atividades atuantes na área de estudo faz-se necessário o
conhecimento detalhado do uso e ocupação do solo, assim como de sua dinâmica e
evolução. Em face a isso é que o trabalho visa identificar, mapear e interpretar a
evolução do uso e ocupação do solo do baixo curso do rio Piranhas-Assu (RN),
tendo como base o uso de uma metodologia para a interpretação multitemporal
dentro de ambiente SIG. O período considerado foi de 1988 a 2004.
A obtenção desses resultados visa auxiliar à própria gestão ambiental da área
em estudo, fornecendo mais um instrumento de análise para tal finalidade.
118
DINÂMICA ESPAÇO-TEMPORAL DO USO E OCUPAÇÃO DO SOLO, NO PERÍODO DE 1988 A 2004, DO BAIXO CURSO DO RIO PIRANHAS-ASSU (RN): SUGESTÕES DE ACOMPANHAMENTO INTEGRADO DAS ATIVIDADES SOCIOECONÔMICAS IMPACTANTES EM ÁREA COSTEIRA.
Space-temporal dynamics of the land use, in the period from 1988 to 2004, base curse of the river Piranhas-Assu (RN): suggestions of integrated accompaniment of the impactant social and economic activities in coastal area.
Alfredo Marcelo GRIGIO. Universidade do Estado do Rio Grande do Norte (UERN). Curso de Gestão Ambiental, Campus Universitário Central, Setor IV. R. Prof. Antônio
Campos. Mossoró-RN. CEP: 59610-090. [email protected] Venerando Eustáquio AMARO. Programa de Pós-graduação em Geodinâmica e Geofísica.
Professor. CCET/Universidade Federal do Rio Grande do Norte (UFRN), Campus Universitário, Natal-RN, 59072-970. [email protected]
Marco Antonio DIODATO. Universidade Federal do Piauí (UFPI). Curso de Engenharia Florestal
Campus Universitário, BR 135, km 3, Bom Jesus,PI. CEP: 64900-000. [email protected]
RESUMO
Este trabalho tem por finalidade identificar, mapear e interpretar a evolução do uso e
ocupação do solo do baixo curso do rio Piranhas-Assu (RN), tendo como base o uso de
uma metodologia para a interpretação multitemporal, dentro de um ambiente SIG. Foram
considerados quatro anos: 1988, 1998, 2001 e 2004. Para uma melhor compreensão do
processo de estabilidade e de mobilidade das classes, elas foram agrupadas conforme
características e/ou funções semelhantes e, ainda, conforme a permanência dentro da classe
ou a sua mudança para outra. Para todos os períodos considerados registrou-se um maior
percentual de ocorrência de estados de estabilidade sendo de 75,3%, 86,9% e 80,1%, para
os períodos 1988-1998, 1998-2001 e 2001-2004, respectivamente. A cobertura vegetal
apresentou índices maiores de progressão que de regressão sinalizando um saldo positivo
de 1988 a 2004. A progressão de zonas construídas se mostrou pouco expressivo, quando
comparado aos outros estados, assim como a regressão das atividades agro-industriais. A
progressão das atividades agro-industriais mostrou que a instalação dessas atividades deu-
se principalmente em áreas anteriormente com cobertura vegetal.
Palavras chaves: Dinâmica espaço-temporal, Uso e ocupação do solo, Sensoriamento remoto, Sistema de
informação geográfica.
119
ABSTRACT
This work introduces the mapping and interpretation of the evolution of the land use of the
bass course of the river Piranha-Assu (RN), based on a methodology for the interpretation
multitemporal, in SIG. Four years were considered: 1988, 1998, 2001 and 2004. For better
understanding of stability and mobility process of the classes, they were contained
according to similar characteristics and/or functions and according to the permanence
inside of the class or change for other. The greater percentile of states of stability (no class
change) was for all periods considered, 75,3%, 86,9% and 80,1%, for the periods 1988-
1998, 1998-2001 and 2001-2004, respectively. The forest covering presented larger
indexes of progression that regression signaling a positive balance from 1988 to 2004. The
progression of built areas showed little expressive, when compared to the other states, as
well as the regression of the agriculture-industrial activities. The progression of the
agriculture-industrial activities showed that the installation of those activities felt mainly in
areas previously with forest covering.
Key words: Space-temporal dynamics, Land use, Remote sensing, Geographic Information System.
INTRODUÇÃO
O baixo curso do rio Piranhas - Assu, localizado no Litoral Norte do Rio Grande do Norte,
é de especial interesse como área de estudo, uma vez que, além das atividades de
exploração de petróleo e gás, concentram as atividades relacionadas à carcinicultura, ao sal
e à fruticultura, fatores que também merecem especial atenção. Municípios onde ocorrem
empreendimentos que envolvam atividades com significativo impacto ambiental, como é o
caso dos municípios localizados nos estuários dos rios Piranhas-Assu, devem ter em mãos
ferramentas para disciplinar essas atividades dentro do seu território.
Daí a necessidade de se promover um estudo que integre, gere e interprete informações de
interesse para essas áreas, visando agilizar a obtenção de respostas concretas e que
representem fielmente a área em questão, principalmente por apresentar características
singulares devido à confluência de atividades antrópicas divergentes e conflitantes
(atividades da indústria do petróleo, carcinicultura, salinas e agropecuária) dentro de um
ambiente de extrema dinâmica natural.
120
Assim, este trabalho procura identificar, mapear e interpretar a evolução do uso e ocupação
do solo do baixo curso do rio Piranhas-Assu (RN), no período de 1988 a 2004, tendo como
base o uso de uma metodologia para a interpretação multitemporal de imagens de sensores
remotos e reconhecimentos de campo.
LOCALIZAÇÃO E CARACTERIZAÇÃO DA ÁREA
O baixo curso do rio Piranhas-Assu está localizado no litoral setentrional do Rio Grande do
Norte (Figura 1), e compreende os municípios de Afonso Bezerra, Alto do Rodrigues,
Assu, Carnaubais, Ipanguaçu, Itajá, Macau, Pendências e Porto do Mangue. Nesta região o
clima é semi-árido quente (clima tropical equatorial de Nimer 1972; clima muito quente e
semi-árido do tipo BSW’h de Koppen), onde predominam estações secas com 7 a 8 meses
de duração (junho a janeiro), uma estação chuvosa de fevereiro a maio (período úmido) e
um período super úmido (precipitação superior a 100 mm) de março a meados de maio. A
precipitação pluviométrica anual é inferior a 750 mm.
Figura 1 – Localização da área de estudo: estuário do rio Piranhas-Assu, RN.
A região possui os maiores estuários do litoral do Rio Grande do Norte, o Estuário do Rio
Piranhas-Assu, seguido pelo Estuário do Rio Apodi. Os rios desses estuários recebem
contribuições do continente por meio de drenagens ativas apenas durante o período
121
chuvoso e com vazões reduzidas. Ao se aproximarem da zona costeira, o fluxo das ondas
apresenta a mesma direção dos ventos dominantes provenientes de NE-E.
A área de estudo está inserida no contexto geológico da Bacia Potiguar, localizada nos
estados do Rio Grande do Norte e Ceará, abrangendo uma área total de 48.000 km2, dos
quais 21.500 km2 encontram-se submersos e 26.500 km2 distribuídos entre as cidades de
Natal e Fortaleza no Nordeste do Brasil.
Na paisagem costeira, o modelamento das formas de relevo é resultante da ação constante
dos processos do meio físico, das condições climáticas, das variações do nível do mar, da
natureza das seqüências geológicas, das atividades neotectônicas e do suprimento de
sedimentos carreados pelos rios e oceano.
Os municípios inseridos na área de estudo são: Afonso Bezerra, Alto do Rodrigues, Assu,
Carnaubais, Ipanguaçu, Itajá, Macau, Pendências e Porto do Mangue. Conforme dados do
IDEMA (2004) o município mais populoso da área de estudo é Assu, com uma população
total de 50.177 habitantes, seguido de Macau, com uma população de 25.554 habitantes. O
menos populoso corresponde ao município de Porto do Mangue, com população de 4.650
habitantes, porém é o que apresenta taxa de crescimento (7,4) superior aos dos outros
municípios. Itajá também apresenta uma alta taxa de crescimento (6,33), enquanto que o
município de Macau mostra taxa negativa (-1,12), isto é, existe uma tendência da sua
população decrescer. Com exceção de Carnaubais e Ipanguaçu, os municípios apresentam
altas taxas de urbanização, sendo que o município de Itajá é o que apresenta maior valor
(82,06%).
As atividades ligadas ao petróleo estão presentes nos municípios de Alto do Rodrigues,
Assu, Carnaubais, Macau, Pendências e Porto do Mangue.
O município que mantém maior número de poços onshore perfurados e produtores é Alto
do Rodrigues e o município com menor número de poços é Porto do Mangue. Macau e
Alto do Rodrigues são os municípios com maior produção de petróleo líquido. Já, na
produção de gás natural, destacam-se os municípios de Macau e Pendências.
ANÁLISE MULTITEMPORAL
O conhecimento atualizado da distribuição e da área ocupada pela agricultura, vegetação
natural, áreas urbanas e edificadas, entre outras, bem como informações sobre as
proporções de suas mudanças, se tornam cada vez mais necessárias aos legisladores e
planejadores. Desse modo, existe a necessidade de atualização constante dos registros de
122
uso do solo, para que suas tendências possam ser analisadas. Neste contexto, o
sensoriamento remoto constitui-se numa técnica de grande utilidade, pois permite em curto
espaço de tempo a obtenção de uma grande quantidade de informações espaciais,
espectrais e temporais (PACHECO, 2000).
O uso do sensoriamento remoto com base na análise e interpretação de imagens de satélites
é um dos meios que se dispõem hoje para acelerar e reduzir custos dos mapeamentos e da
detecção de mudanças geoambientais. Em combinação com dados de aerofotogrametria e
geodésia, com os recentes recursos do Sistema de Informações Geográficas e aliado às
novas técnicas de processamento e aos novos sensores, as imagens de satélite oferecem
possibilidades, ainda pouco exploradas, de gerarem informações sinópticas e precisas para
a avaliação e evolução de diversas variações temáticas da superfície terrestres (PACHECO,
2000).
Para satisfazer, tanto as exigências da lei como às da atividade dos empreendedores,
colocando ambos em sintonia, se faz necessário à realização de estudos aprofundados
sobre o ambiente. A aplicação da sistemática de técnicas de sensoriamento remoto permite
o estudo da evolução ambiental de uma região desde o início da intensificação dos
processos antrópicos por meio de análises multitemporais (GRIGIO, 2003).
Estudos multitemporais foram conduzidos, de fato, com resultados satisfatórios em várias
regiões do mundo interessadas em evidenciar mudanças ambientais (MESQUITA
JUNIOR, 1998; DISPERATI et al., 1998, PARANHOS FILHO, 2000; GRIGIO et al.,
2001 e 2002; GUEDES et al., 2002; GRIGIO, 2003, GRIGIO et al., 2005.
MÉTODO DE ANÁLISE MULTITEMPORAL
A confecção e interpretação dos mapas de uso e ocupação do solo, do baixo curso do rio
Piranhas-Assu (RN), para os anos de 1988, 1998, 2001 e 2004, envolveram três etapas de
trabalho. A primeira incluiu a pré-análise dos documentos cartográficos existentes e
digitalização da Carta Topográfica - SB.24 - X - B - V – MACAU, Escala 1:100.000; Carta
Topográfica Folha - SB.24 - X - D - II – MACAU, Escala 1:100.000; e, Carta Topográfica
- SB.24 - X - D – V de AÇU na Escala 1:100.000, elaboradas pela Superintendência de
Desenvolvimento do Nordeste (SUDENE) em impressão de 1972. Na seqüência, esse
documento foi georreferenciado no programa ER-Mapper 6.0 e vetorizado via-tela (heads-
up digitinzing), a fim de se obter uma base vetorial digital dos dados. O software utilizado
no processo de vetorização e criação do banco de dados georreferenciado foi o ArcView
GIS 3.2.
123
Na segunda etapa do trabalho utilizaram-se produtos digitais de sensoriamento remoto
orbital (cena Landsat 5-TM 214-065, de 30/07/1988, cena Landsat 5-TM 214-065, de
28/09/1998, cena Landsat 7-ETM+ 214-065, de 05/04/2001, cena Landsat 7-ETM+ 214-
065, de 29/05/2003 e cena CBERS_2_CCD1XS; Órbita Ponto: 148-106 (14/08/2004),
Projeção: UTM; Datum SAD-69; com as faixas multiespectrais do visível-infravermelho) e
aerotransportado de alta (fotos aéreas verticais) e baixa altitude (fotos oblíquas de
reconhecimento), cuja estratégia de tratamentos consistiu no emprego de técnicas de
processamento digital de imagens.
Para a interpretação visual monoscópica sistemática dos padrões de cores e arranjo textural
nas imagens de satélite foram utilizadas as seguintes composições coloridas: Landsat 5-TM
e 7-ETM+: RGB–4-3-1, RGB–7-4-1, RGB–5-4-2, RGB–5-3-1, RGB–4-2-NDWI; RGB–
NDVI-3-1; RGB–73-53-43, para o Landsat 7-ETM+ também se utilizou das seguintes
composições: RGBI–7-4-NDWI-PAN, RGBI–4-2-NDWI-PAN, RGBI–74-52-43-PAN e
CBERS_2_CCD1X S: RGB–4-3-2 e RGB–4-3-NDWI.
Após a escolha das melhores composições foi utilizado o software Arcview GIS 3.2, de
forma a conduzir à seleção das principais categorias que comporiam o mapa temático de
uso e ocupação do solo. Trabalhos de campo, incluindo sobrevôo, foram efetuados para
confirmação/retificação dos limites de áreas no mapa.
Para a terceira etapa foi realizado o cruzamento dos mapas de uso e ocupação do solo dos
anos de 1988, 1998, 2001 e 2004, valendo-se da extensão ArcView Spatial Analyst v1.1 no
software Arcview GIS 3.2. Esse módulo possibilita o cruzamento temporal de dados de
diferentes camadas (layers), o que permitiu a elaboração de uma Tabela cujas colunas
representam as classes mapeadas de um ano e as linhas representam as classes mapeadas
para o outro ano (Tabela 1). Como o método permite apenas o cruzamento entre duas
datas, foram realizados três cruzamentos, um entre os anos 1988 e 1998, outro entre os
anos 1998 e 2001 4e, ainda, outro entre os anos 2001 e 2004.
Tabela 1 - Tabela de cruzamento temporal gerado pela extensão ArcView Spatial Analyst v1.1.
Classe1 Classe2 Classe3 ... Total
Classe1Classe2Classe3....Total
Ano2Ano1
124
Este tipo de Tabela especifica mudanças no uso e ocupação do solo de uma data para outra.
Os títulos das linhas representam as categorias de classes de uso do solo para uma data
específica (Ano1), enquanto que os títulos das colunas representam as categorias de classes
de uso do solo para a outra data do cruzamento (Ano2). Note-se que os dados da data
anterior estão locados nas linhas e os dados referentes à data posterior estão nas colunas.
Nas intersecções das linhas com as colunas pode-se obter a informação da mudança do uso
do Ano1 para o Ano2, em termos de área, para cada classe do Ano1. Nas intersecções cujo
registro é zero significa que a classe considerada para o Ano1 não apresentou alteração
para essa classe do Ano2. As áreas sombreadas representam as áreas que não se
modificaram quanto ao seu uso.
É importante salientar essa técnica de cruzamento, pela riqueza e relevância das
informações geradas, pois possibilita a obtenção de informações acuradas das mudanças do
uso do solo entre dois períodos, em termos quantitativo e qualitativo da mudança, isto é,
onde, quanto e para que classe mudou.
RESULTADOS
Os valores absolutos da superfície, em hectares, e valores percentuais, das classes de uso e
ocupação do solo da área de estudo, para os anos de 1988, 1998, 2001 e 2004, são
apresentados na Tabela 2. Os mapas de uso e ocupação do solo refeentes a esses anos são
apresentados na Figura 2.
No ano de 1988 a maior cobertura do solo correspondeu à classe Mata de Caatinga
Arbustiva Arbórea Aberta (20,59%), seguido da classe Mata de Caatinga Arbustiva
Arbórea Fechada (16,40%) e da classe Cultura Temporária (15,44%).
À época a produção de camarão marinho era inexistente. Uma década depois a classe Mata
de Caatinga Arbustiva Arbórea Aberta apresenta um aumento da área de quase quarenta
mil hectares, elevando o percentual de participação entre as classes para 35,92%.
Por outro lado, a classe Mata de Caatinga Arbustiva Arbórea Fechada, que estava em
segundo lugar na década anterior, teve uma importante diminuição da sua área, ficando
com 2,95% de participação entre as outras classes. No ano de 1998 já há o registro de
atividades de carcinicultura.
Nos anos subseqüentes, 2001 e 2004, a classe Mata de Caatinga Arbustiva Arbórea Aberta
manteve o primeiro lugar na posição de cobertura do solo, sem grandes alterações na
superfície de cobertura do solo. Já, a classe Mata de Caatinga Arbustiva Arbórea Fechada,
125
mostrou uma considerável diminuição da sua área, chegando a representar apenas 0,01%
de participação na área de estudo. Assim, percebe-se claramente uma depreciação da
qualidade da mata no baixo curso do rio Piranhas-Assu.
Tabela 2 – Uso e ocupação do solo no baixo curso do rio Piranhas-Assu, RN, com suas áreas e porcentagem correspondentes, para os anos de 1988, 1998, 2001 e 2004.
CLASSE ANO
1988 1998 2001 2004 Área (ha.) % Área (ha.) % Área (ha.) % Área (ha.) %
Adutora 0,00 0,00 201,29 0,08 230,51 0,09 230,51 0,09Área alagadiça 22.598,33 8,74 19.199,31 7,43 21.247,87 8,22 16.031,33 6,20Assentamento 53,07 0,02 23,28 0,01 23,28 0,01 534,43 0,21Mata de Caatinga Arbustiva Aberta
21.717,11 8,40 22.347,78 8,65 20.398,52 7,89 20.573,83 7,96
Mata de Caatinga Arbustiva Arbórea Fechada
42.389,77 16,40 7.637,06 2,95 1.121,61 0,43 35,63 0,01
Mata de Caatinga Arbustiva Arbórea Aberta
53.218,11 20,59 92.840,43 35,92 96.885,14 37,48 92.262,00 35,70
Produção de camarão marinho
0,00 0,00 2.551,24 0,99 2.900,46 1,12 7.841,28 3,03
Mata de Carnaúba 16.972,84 6,57 16.126,82 6,24 14.262,15 5,52 15.536,80 6,01Cidade 806,12 0,31 1.146,90 0,44 1.254,32 0,49 1.336,39 0,52Comunidade 239,40 0,09 527,58 0,20 527,58 0,20 553,69 0,21Cultura temporária e permanente
4.073,28 1,58 4.059,01 1,57 5.374,42 2,08 10.022,41 3,88
Cultura temporária 39.913,82 15,44 41.524,77 16,07 42.026,78 16,26 32.579,43 12,60Vegetação de dunas 3.648,94 1,41 5.241,22 2,03 4.696,67 1,82 3.856,14 1,49Terras áridas 3.423,67 1,32 3.914,86 1,51 3.736,37 1,45 4.122,80 1,60Lagoa 10.783,82 4,17 8.135,81 3,15 9.041,75 3,50 11.035,68 4,27Lagoa temporária 486,38 0,19 39,14 0,02 207,96 0,08 798,32 0,31Manguezal 3.012,48 1,17 3.837,81 1,48 3.850,38 1,49 3.327,73 1,29Pastagem 18.219,31 7,05 13.217,35 5,11 13.684,71 5,29 21.784,78 8,43Pivô de irrigação 0,00 0,00 881,58 0,34 1.029,75 0,40 850,61 0,33Poço de extração de petróleo
3.763,52 1,46 3.163,67 1,22 3.263,95 1,26 3.803,60 1,47
Praia 424,96 0,16 142,05 0,05 175,91 0,07 419,36 0,16Água livre 3.865,09 1,50 3.118,30 1,21 3.727,13 1,44 4.104,37 1,59Salina: cristalizadora 1.108,58 0,43 2.656,76 1,03 2.682,93 1,04 1.077,92 0,42Salina: evaporadora 7.746,62 3,00 5.931,23 2,29 6.115,10 2,37 5.709,55 2,21Termo elétrica 0,00 0,00 0,00 0,00 0,00 0,00 36,66 0,01Total 258.465,24 100,00 258.465,24 100,00 258.465,24 100,00 258.465,24 100,00
No caso das atividades de ocorrência no sistema manguezal, verificou-se que houve um
acréscimo da área de produção de camarão marinho, enquanto que a atividade de salina
apresentou diminuição da sua área.
Devido ao manguezal não apresentar grandes variações de área, presume-se que houve
uma mudança de classe, no período considerado, de salina para produção de camarão
marinho, isto é, as áreas de salinas foram transformadas em tanques de produção de
camarão. As atividades agropecuárias mostram que no período 1988-1998 houve uma
126
diminuição da área de pastagem e um aumento das áreas de culturas temporárias e de
culturas temporárias e permanentes.
Figura 2 - Uso e ocupação do solo no baixo curso do rio Piranhas-Assu, RN, para os anos de 1988, 1998, 2001 e 2004.
127
No período 1998-2001 houve pouca variação das áreas das atividades agropecuárias,
quando comparada aos outros períodos. Já, no período de 2001 a 2004, registra-se um
grande declínio das áreas de culturas temporárias, enquanto ocorre um aumento da área das
classes pastagem e cultura temporária e permanente. Assim, pode-se inferir que houve uma
transformação das áreas de pastagem em áreas de atividade agrícola.
A Tabela 3 apresenta os códigos de identificação e respectivas classes de uso e ocupação
do solo usados nas Tabelas 4, 5 e 6.
Tabela 3 - Códigos de identificação e respectivas classes de uso e ocupação do solo, para o baixo curso do rio Piranhas-Assu, RN.
CÓDIGO CARACTERIZAÇÃO CÓDIGO CARACTERIZAÇÃO ADUTOR Adutora DUNMO Terras áridas ALAGA Área alagadiça LAGOA Lagoa ASSENT Assentamento LAGTEM Lagoa temporária CAABU Mata de Caatinga Arbustiva aberta MANGUE Manguezal CAADE Mata de Caatinga Arbustiva Arbórea Fechada PASTAG Pastagem CAARA Mata de Caatinga Arbustiva Arbórea Aberta PIVOIR Pivô de irrigação CAMAR Produção de camarão marinho POCPE Poço de extração de petróleo CARNAU Mata de Carnaúba PRAIA Praia CIDAD Cidade RIO Água livre COMUN Comunidade SALCR Salina: cristalizadora CULPE Cultura temporária e permanente SALEV Salina: evaporadora CULTE Cultura temporária TERMO Termo elétrica DUNFI Vegetação de dunas
Os resultados dos cruzamentos entre os anos 1988 e 1998, 1998 e 2001 e 2001 e 2004, são
apresentados nas Tabelas 4, 5 e 6, respectivamente. Nessas tabelas pode ser visualizado,
nas colunas, o ano cronologicamente anterior e, nas linhas, o ano subseqüente. Os valores
numéricos, em hectare, correspondem às mudanças ou permanências entre as classes dos
anos considerados.
A Tabela 4, referente ao cruzamento dos anos 1988 e 1998, mostra que o maior valor de
superfície corresponde à classe Mata de Caatinga Arbustiva Arbórea Aberta (CAARA)
(39.032,50 hectares), que permaneceu inalterada no período considerado na tabela.
Valor de magnitude semelhante ocorreu da transformação da classe Mata de Caatinga
Arbustiva Arbórea Fechada (CAADE) para a classe Mata de Caatinga Arbustiva Arbórea
Aberta (CAARA) (30.156,25 hectares), o que confirma o que foi mostrado na Tabela 2: a
vegetação de caatinga, na área de estudo, apresentou franca degradação na sua estrutura
florestal. A classe Mata de Caatinga Arbustiva Arbórea Aberta (CAARA) apresentou um
acréscimo de área oriundo de áreas agropecuárias, isto é, houve uma transformação de
128
8.556,00 hectares de Cultura Temporária (CULTE) e de 10.783,00 hectares de Pastagem
(PASTAG) na classe acima referida (CAARA).
Para os períodos de 1998 a 2001 e de 2001 a 2004, apresentados nas Tabelas 5 e 6,
respectivamente, verifica-se que os maiores valores de superfície correspondem às células
que mostram estabilidade da classe, isto é, que não apresentaram mudança de classe entre
os anos considerados. Assim, para o período de 1998 a 2001, o maior valor corresponde à
classe Mata de Caatinga Arbustiva Arbórea Aberta (CAARA) (81.743,50 hectares),
seguindo, em valores decrescentes, a classe Cultura Temporária (CULTE) (28.489,50
hectares), a classe Mata de Caatinga Arbustiva Aberta (CAABU) (20.375,00 hectares), a
classe Área Alagadiça (ALAGA) (16.475,25 hectares) e a classe Mata de Carnaúba
(CARNAU) (11.745,50 hectares). Já no período de 2001 a 2004, as células que mostram a
estabilidade da classe apresentam valores menores que o do período anterior o que
demonstra uma mobilidade maior entre as classes. O maior valor encontrado corresponde à
classe Cultura Temporária (CULTE) (25.143,50 hectares), seguido da classe Mata de
Caatinga Arbustiva Aberta (CAABU) (19.839,00 hectares)
Para uma melhor compreensão do processo de estabilidade e de mobilidade das classes,
elas foram agrupadas conforme características e/ou funções semelhantes (PANIZZA,
2004). Esse agrupamento pode ser visualizado na Tabela 7, o que gerou uma nomenclatura
de classes, a saber: Areia/Solo exposto, Água, Zona úmida, Zona construída, Cobertura
vegetal e Atividade agro-industrial.
Para fins desse trabalho entende-se que a atividade agro-industrial refere-se a todas as
atividades e processos relacionados com a produção vegetal (agricultura), animal
(pecuária) e mineral (extração de sal e petróleo).
129
Tab
ela
4–
Cru
zam
ento
dos
map
as d
e us
o e
ocup
ação
do
solo
do
baix
o cu
rso
do r
io P
iran
has-
Ass
u, R
N, e
m h
ecta
re, e
ntre
os
anos
de
1988
e 1
998.
CLASSES
ADUTOR
ALAGA
ASSENT
CAABU
CAADE
CAARA
CAMAR
CARNAU
CIDAD
COMUN
CULPE
CULTE
DUNFI
DUNMO
LAGOA
LAGTEM
MANGUE
PASTAG
PIVOIR
POCPE
PRAIA
RIO
SALCR
SALEV
Total
AL
AG
A
0,0
12.7
45,8
0,0
149,
30,
01.
136,
532
6,5
3.02
8,8
0,0
0,0
6,5
169,
5 80
0,8
135,
026
1,0
0,0
864,
00,
00,
05,
50,
091
2,8
961,
31.
078,
822
.581
,8
ASS
EN
T
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
53,0
0,
00,
00,
00,
00,
00,
00,
00,
00,
00,
00,
00,
053
,0
CA
AB
U
0,0
28,5
0,0
21.2
59,0
0,0
320,
50,
00,
50,
00,
00,
082
,5
0,0
0,0
17,3
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
21.7
08,3
CA
AD
E
24,5
88,8
0,0
156,
07.
192,
830
.156
,30,
00,
02,
80,
066
1,8
2.10
3,3
0,0
197,
861
,06,
80,
01.
436,
017
1,5
27,8
0,0
0,0
0,0
0,0
42.2
86,8
CA
AR
A
84,8
1.13
0,0
0,0
291,
321
7,3
39.0
32,5
0,0
110,
818
0,3
41,8
1.97
2,8
6.28
1,5
626,
312
9,3
141,
01,
30,
32.
342,
035
5,8
72,0
0,0
12,5
0,0
0,0
53.0
23,0
CA
RN
AU
0,
01.
100,
50,
031
,50,
099
,03,
011
.572
,815
,00,
018
,83.
339,
8 0,
00,
038
,30,
030
7,3
322,
50,
00,
00,
012
0,8
0,0
0,0
16.9
69,0
CID
AD
0,
04,
30,
00,
00,
00,
00,
00,
874
6,8
0,0
0,0
9,8
9,5
0,0
0,0
0,0
0,0
5,3
0,0
0,0
0,0
0,0
23,5
5,3
805,
0
CO
MU
N
0,0
0,0
0,0
0,0
0,0
13,8
0,0
1,3
0,0
194,
80,
026
,3
5,3
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
241,
3
CU
LP
E
3,3
48,0
0,0
0,0
0,0
204,
80,
023
,30,
00,
094
1,5
2.84
3,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
7,8
0,0
0,0
0,0
0,0
4.07
1,5
CU
LT
E
46,8
827,
37,
060
,512
4,0
8.55
6,0
0,0
163,
815
0,3
192,
862
1,3
22.9
30,3
27
,80,
020
3,3
0,0
0,0
5.23
1,3
285,
898
,30,
049
,00,
00,
039
.575
,0
DU
NF
I 0,
012
0,3
0,0
0,0
0,0
152,
80,
00,
515
,065
,50,
00,
0 2.
880,
534
8,3
1,3
0,5
3,3
0,0
0,0
0,0
0,3
31,0
16,5
12,0
3.64
7,5
DU
NM
O
0,0
132,
30,
00,
00,
01,
00,
00,
00,
00,
00,
00,
0 38
5,5
2.82
8,8
0,3
0,0
6,5
0,0
0,0
0,0
24,0
51,5
0,0
0,0
3.42
9,8
LA
GO
A
0,0
1.08
3,5
0,0
403,
80,
850
6,3
13,8
1.00
3,0
0,3
0,0
0,0
151,
0 62
,33,
07.
356,
30,
067
,031
,80,
310
5,3
0,0
0,0
0,0
0,0
10.7
88,0
LA
GT
EM
0,
072
,50,
00,
00,
065
,00,
00,
00,
00,
00,
00,
0 21
7,8
87,0
7,8
31,5
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
481,
5
MA
NG
UE
0,0
497,
80,
00,
00,
00,
00,
015
,30,
00,
00,
00,
0 36
,00,
80,
00,
02.
082,
50,
00,
00,
00,
030
1,0
38,5
36,5
3.00
8,3
PA
STA
G
16,5
85,8
15,3
0,0
62,3
10.7
83,0
0,0
96,8
0,0
0,0
42,8
3.15
8,8
0,0
0,0
27,8
0,0
0,0
3.85
2,8
68,5
0,5
0,0
4,5
0,0
0,0
18.2
15,0
PO
CP
E
0,0
0,0
0,0
0,0
0,5
614,
50,
00,
00,
00,
00,
030
4,8
0,0
0,3
7,8
0,0
0,0
0,0
0,0
2.84
3,3
0,0
0,0
0,0
0,0
3.77
1,0
PR
AIA
0,
026
,50,
00,
00,
00,
00,
00,
00,
00,
00,
00,
0 0,
511
3,5
0,0
0,0
4,5
0,0
0,0
0,0
106,
517
5,0
0,0
0,0
426,
5
RIO
27
,890
6,3
0,0
0,0
0,0
2,5
0,8
126,
826
,50,
03,
888
,8
73,8
16,0
2,5
0,0
468,
30,
00,
02,
30,
31.
895,
850
,012
8,0
3.81
9,8
SAL
CR
0,
028
,00,
00,
00,
00,
00,
00,
00,
30,
00,
00,
0 85
,00,
00,
00,
01,
80,
00,
00,
00,
072
2,7
890,
886
,31.
814,
7
SAL
EV
0,
016
0,0
0,0
0,0
0,0
0,0
2.20
5,5
0,0
9,8
0,0
0,0
0,0
27,5
0,0
0,0
0,0
24,8
0,0
0,0
0,0
0,0
38,3
675,
84.
607,
37.
748,
8
Tot
al
203,
519
.085
,822
,322
.351
,37.
597,
591
.644
,32.
549,
516
.144
,01.
146,
849
4,8
4.26
9,0
41.5
42,0
5.
238,
33.
859,
58.
125,
340
,03.
830,
013
.221
,588
1,8
3.16
2,5
131,
04.
314,
72.
656,
35.
954,
025
8.46
5,2
130
Tab
ela
5–
Cru
zam
ento
dos
map
as d
e us
o e
ocup
ação
do
solo
do
baix
o cu
rso
do r
io P
iran
has-
Ass
u, R
N, e
m h
ecta
re, e
ntre
os
anos
de
1998
e 2
001.
CLASSES
ADUTOR
ALAGA
ASSENT
CAABU
CAADE
CAARA
CAMAR
CARNAU
CIDAD
COMUN
CULPE
CULTE
DUNFI
DUNMO
LAGOA
LAGTEM
MANGUE
PASTAG
PIVOIR
POCPE
PRAIA
RIO
SALCR
SALEV
Total
AD
UT
OR
20
3,5
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
203,
5
AL
AG
A
0,0
16.4
75,3
0,0
0,0
0,0
150,
823
9,8
206,
30,
00,
00,
01.
079,
0 19
7,8
25,3
88,8
88,8
270,
50,
00,
00,
00,
30,
063
,516
2,8
19.0
48,5
ASS
EN
T
0,0
0,0
22,3
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
22,3
CA
AB
U
0,0
0,0
0,0
20.3
75,0
0,0
1.36
5,8
0,0
0,0
0,0
0,0
0,0
163,
8 0,
00,
044
1,3
0,0
0,0
6,0
0,0
0,0
0,0
0,3
0,0
0,0
22.3
52,0
CA
AD
E
0,0
0,0
0,0
0,0
990,
54.
289,
50,
00,
00,
00,
00,
056
1,8
0,0
0,0
0,0
0,0
0,0
1.79
0,0
0,0
0,0
0,0
0,0
0,0
0,0
7.63
1,8
CA
AR
A
1,5
177,
50,
00,
091
,581
.743
,517
,34,
841
,50,
05,
34.
202,
0 0,
05,
329
4,0
0,0
0,0
5.02
3,8
189,
394
,30,
00,
50,
00,
091
.891
,8
CA
MA
R
0,0
20,0
0,0
0,0
0,0
0,0
2.52
9,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
2.54
9,0
CA
RN
AU
0,
02.
474,
80,
00,
00,
024
9,0
0,0
11.7
45,5
2,0
0,0
101,
31.
281,
8 23
,50,
016
9,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
16.0
46,8
CID
AD
0,
08,
80,
00,
00,
00,
00,
01,
81.
099,
80,
00,
01,
3 15
,00,
00,
00,
00,
00,
00,
00,
00,
00,
00,
020
,31.
146,
8
CO
MU
N
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
528,
80,
00,
0 0,
00,
00,
00,
00,
00,
00,
00,
00,
00,
00,
00,
052
8,8
CU
LP
E
0,0
21,5
0,0
0,0
0,0
680,
30,
01,
50,
00,
02.
942,
812
3,8
0,0
0,0
0,0
0,0
0,0
258,
511
,30,
00,
00,
00,
00,
04.
039,
5
CU
LT
E
26,5
1.04
8,0
0,0
0,0
0,0
4.37
6,3
108,
01.
955,
853
,334
,02.
322,
028
.489
,5
0,0
0,0
85,8
0,0
0,0
2.86
8,0
87,3
11,3
0,0
70,8
0,0
0,0
41.5
36,3
DU
NF
I 0,
054
,00,
00,
00,
019
4,8
2,0
0,5
9,5
0,0
0,0
0,0
4.10
2,0
731,
30,
312
5,0
15,3
0,0
0,0
0,0
0,3
0,0
0,0
0,0
5.23
4,8
DU
NM
O
0,0
453,
80,
00,
00,
017
3,8
4,0
0,0
0,0
0,0
0,0
0,0
328,
32.
894,
50,
01,
50,
00,
00,
00,
049
,84,
30,
00,
03.
909,
8
LA
GO
A
0,0
6,0
0,0
22,0
0,0
147,
50,
011
,30,
00,
00,
012
,3
5,5
2,8
7.92
2,3
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
8.12
9,5
LA
GT
EM
0,
00,
00,
00,
00,
011
,80,
00,
00,
00,
00,
00,
0 0,
00,
028
,30,
00,
00,
00,
00,
00,
00,
00,
00,
040
,0
MA
NG
UE
0,0
247,
50,
00,
00,
00,
00,
00,
00,
00,
00,
00,
0 3,
57,
30,
00,
03.
568,
00,
00,
00,
00,
316
,30,
00,
03.
842,
8
PA
STA
G
0,0
59,8
0,0
0,0
0,8
2.42
2,0
0,0
262,
811
,00,
00,
55.
849,
8 0,
00,
023
,80,
00,
04.
583,
08,
30,
00,
00,
00,
00,
013
.221
,5
PIV
OIR
0,
00,
00,
00,
00,
049
,50,
00,
00,
00,
05,
886
,0
0,0
0,0
0,0
0,0
0,0
0,0
738,
00,
00,
00,
00,
00,
087
9,3
PO
CP
E
0,0
0,0
0,0
0,0
0,0
6,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
3.15
6,5
0,0
0,0
0,0
0,0
3.16
2,5
PR
AIA
0,
00,
00,
00,
00,
00,
00,
00,
00,
00,
00,
00,
0 0,
06,
80,
00,
00,
00,
00,
00,
011
8,5
16,3
0,0
0,0
141,
5
RIO
0,
028
0,5
0,0
0,0
0,0
0,0
0,0
76,0
0,0
0,0
0,0
48,5
23
,862
,50,
00,
06,
50,
00,
00,
08,
53.
808,
50,
00,
04.
314,
7
SAL
CR
0,
00,
00,
00,
00,
00,
00,
00,
037
,00,
00,
00,
0 0,
00,
00,
00,
00,
00,
00,
00,
00,
00,
02.
618,
80,
02.
655,
8
SAL
EV
0,
00,
00,
00,
00,
00,
00,
00,
00,
00,
00,
00,
0 0,
00,
00,
00,
00,
00,
00,
00,
00,
00,
00,
05.
936,
55.
936,
5
Tot
al
231,
521
.327
,322
,320
.397
,01.
082,
895
.860
,32.
900,
014
.266
,01.
254,
056
2,8
5.37
7,5
41.8
99,3
4.
699,
33.
735,
59.
053,
321
5,3
3.86
0,3
14.5
29,3
1.03
4,0
3.26
2,0
177,
53.
916,
72.
682,
36.
119,
525
8.46
5,2
131
Tab
ela
6–
Cru
zam
ento
dos
map
as d
e us
o e
ocup
ação
do
solo
do
baix
o cu
rso
do r
io P
iran
has-
Ass
u, R
N, e
m h
ecta
re, e
ntre
os
anos
de
2001
e 2
004.
CLASSES
ADUTOR
ALAGA
ASSENT
CAABU
CAADE
CAARA
CAMAR
CARNAU
CIDAD
COMUN
CULPE
CULTE
DUNFI
DUNMO
LAGOA
LAGTEM
MANGUE
PASTAG
PIVOIR
POCPE
PRAIA
RIO
SALCR
SALEV
TERMO
Total
AD
UT
OR
23
1,5
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
231,
5
AL
AG
A
0,0
10.3
67,0
0,0
443,
30,
01.
073,
81.
581,
02.
306,
013
,07,
312
5,5
640,
532
5,0
743,
81.
639,
399
,859
8,0
335,
30,
00,
08,
580
2,3
35,8
106,
30,
021
.251
,0
ASS
EN
T
0,0
0,0
22,3
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
22,3
CA
AB
U
0,0
0,0
0,0
19.8
39,0
0,0
524,
80,
00,
00,
00,
00,
00,
00,
0 0,
020
,80,
00,
00,
00,
00,
00,
013
,30,
00,
00,
020
.397
,8
CA
AD
E
0,0
0,0
0,0
0,0
0,0
880,
50,
00,
00,
00,
04,
011
0,5
0,0
0,0
0,0
0,0
0,0
126,
30,
00,
00,
00,
00,
00,
00,
01.
121,
3
CA
AR
A
0,0
940,
321
8,5
275,
329
,579
.123
,021
2,5
538,
00,
08,
597
5,5
4.66
4,3
208,
5 69
,838
9,3
50,0
0,0
8.58
4,8
11,8
528,
50,
013
,30,
015
,07,
396
.863
,3
CA
MA
R
0,0
61,8
0,0
0,0
0,0
0,3
2.80
5,8
19,0
0,0
0,0
0,0
0,0
0,3
1,8
0,0
0,0
1,3
0,0
0,0
0,0
0,0
8,8
0,0
0,0
0,0
2.89
8,8
CA
RN
AU
0,
02.
237,
00,
00,
00,
00,
093
3,8
10.0
85,0
8,3
4,0
256,
827
4,8
0,0
0,0
265,
50,
08,
512
4,0
1,0
0,0
0,0
69,5
0,0
0,0
0,0
14.2
68,0
CID
AD
0,
00,
00,
00,
00,
00,
00,
07,
01.
210,
50,
00,
05,
50,
0 0,
00,
00,
00,
00,
00,
00,
00,
026
,50,
04,
50,
01.
254,
0
CO
MU
N
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
528,
80,
00,
00,
0 0,
00,
00,
00,
00,
00,
00,
00,
00,
00,
00,
00,
052
8,8
CU
LP
E
0,0
0,0
0,0
0,0
0,0
222,
30,
081
,80,
00,
04.
908,
011
8,5
0,0
0,0
0,0
0,0
0,0
46,8
0,0
0,0
0,0
0,0
0,0
0,0
0,0
5.37
7,3
CU
LT
E
0,0
75,0
234,
514
,06,
85.
515,
097
,82.
393,
379
,55,
83.
408,
025
.143
,50,
0 0,
038
7,3
17,5
0,0
4.30
3,0
10,8
260,
00,
040
,00,
00,
030
,042
.021
,5
DU
NF
I 0,
017
9,8
0,0
0,0
0,0
585,
548
5,3
0,0
0,0
0,0
0,0
0,0
2.96
8,0
160,
828
,319
3,5
20,5
0,0
0,0
0,0
0,0
73,0
0,0
0,0
0,0
4.69
4,5
DU
NM
O
0,0
55,3
0,0
0,0
0,0
12,5
4,8
0,0
0,0
0,0
0,0
0,0
236,
0 2.
954,
50,
028
2,3
1,0
0,0
0,0
0,0
127,
811
,80,
00,
00,
03.
685,
8
LA
GO
A
0,0
261,
50,
00,
00,
037
9,8
4,8
56,8
0,0
0,0
29,5
72,0
0,0
1,3
8.19
3,0
39,5
0,0
3,5
0,5
7,0
0,0
2,0
0,0
0,0
0,0
9.05
1,0
LA
GT
EM
0,
00,
00,
00,
00,
00,
00,
00,
00,
00,
00,
00,
00,
0 93
,80,
011
2,8
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
206,
5
MA
NG
UE
0,
080
0,5
0,0
0,0
0,0
13,0
133,
30,
00,
00,
00,
00,
066
,0
16,5
0,0
0,0
2.31
3,5
0,0
0,0
0,0
0,5
472,
31,
821
,30,
03.
838,
5
PA
STA
G
0,0
0,0
54,8
0,0
0,0
3.78
2,0
0,0
0,0
0,0
0,0
162,
31.
420,
80,
0 0,
08,
80,
00,
08.
261,
50,
00,
00,
00,
00,
00,
00,
013
.690
,0
PIV
OIR
0,
00,
00,
00,
00,
00,
00,
00,
00,
00,
014
6,0
62,0
0,0
0,0
0,0
0,0
0,0
0,0
825,
50,
00,
00,
00,
00,
00,
01.
033,
5
PO
CP
E
0,0
2,8
0,0
0,0
0,0
49,8
0,0
0,0
0,0
0,0
7,8
84,3
0,0
0,0
105,
30,
00,
00,
50,
03.
009,
50,
02,
30,
00,
00,
03.
262,
0
PR
AIA
0,
00,
00,
00,
00,
00,
00,
00,
00,
00,
00,
00,
00,
0 45
,80,
00,
00,
00,
00,
00,
011
7,3
0,0
0,0
0,0
0,0
163,
0
RIO
0,
072
6,8
0,0
0,0
0,0
39,8
82,3
51,8
0,3
0,0
1,0
19,5
23,5
39
,50,
00,
030
6,8
0,0
0,0
0,0
163,
82.
300,
716
,531
,80,
03.
803,
7
SAL
CR
0,
012
4,8
0,0
0,0
0,0
0,0
876,
00,
03,
80,
00,
00,
018
,8
0,0
0,0
0,0
38,5
0,0
0,0
0,0
0,0
125,
093
8,8
556,
50,
02.
682,
0
SAL
EV
0,
014
3,0
0,0
0,0
0,0
0,0
622,
30,
020
,30,
00,
00,
010
,8
0,5
0,0
0,0
42,3
0,0
0,0
0,0
0,0
221,
886
,34.
972,
50,
06.
119,
5
Tot
al
231,
515
.975
,353
0,0
20.5
71,5
36,3
92.2
01,8
7.83
9,3
15.5
38,5
1.33
5,5
554,
310
.024
,332
.616
,03.
856,
8 4.
127,
811
.037
,379
5,3
3.33
0,3
21.7
85,5
849,
53.
805,
041
7,8
4.18
2,2
1.07
9,0
5.70
7,8
37,3
258.
465,
2
132
Tabela 7 – Agrupamento das classes de ocorrência no baixo curso do Rio Piranhas-Assu, RN, por características/funções semelhantes.
CLASSE AGRUPAMENTO Praia
Areia/Solo exposto Terras áridas Lagoa
Água Água livre Lagoa temporária
Zona úmida Área alagadiça Adutora
Zona construída Assentamento Cidade Comunidade Termo elétrica Mata de Caatinga Arbustiva aberta
Cobertura vegetal
Mata de Caatinga Arbustiva Arbórea Fechada Mata de Caatinga Arbustiva Arbórea Aberta Mata de Carnaúba Vegetação de dunas Manguezal Cultura temporária e permanente
Atividade agro-industrial
Cultura temporária Pivô de irrigação Pastagem Produção de camarão marinho Poço de extração de petróleo Salina: cristalizadora Salina: evaporadora
Ainda, a permanência dentro da classe ou a mudança para outra foi o critério para um novo
agrupamento, conforme pode ser visualizado na Tabela 8. Quando não houve mudança de
classe foi considerado que as áreas configuravam-se estáveis. Quando as áreas recuperaram
sua cobertura vegetal, seja por abandono de atividades agro-industriais ou pelo processo de
sucessão ecológica foi considerado como áreas com Progressão da cobertura vegetal. A
perda de cobertura vegetal por fatores antrópicos (exceto Zona construída e Atividade
agro-industrial) ou naturais foi denominado de Regressão da cobertura vegetal.
A conversão do uso do solo para atividades agro-industriais foi considerada como
Progressão das Atividades agro-industriais. O processo inverso foi considerado como
Regressão das Atividades agro-industriais. A conversão da classe Areia/Solo exposto para
Água e vice-versa, foi considerado como outras classes devido a ser este um processo
cíclico e natural inerentes às lagoas temporárias. Em classes pouco prováveis foram
consideradas as conversões de classes de difícil, senão nula, ocorrência.
Os resultados, em hectare e porcentagem, dos períodos 1988 a 1998, de 1998 a 2001 e de
2001 a 2004, discriminados por classe temática e estados, são apresentados na Tabela 9.
Percebe-se um maior percentual de ocorrência de estados de estabilidade para todos os
períodos considerados, como pode ser facilmente visualizado na Figura 3, sendo de 75,3%,
133
86,9% e 80,1%, para os períodos 1988-1998, 1998-2001 e 2001-2004, respectivamente. A
cobertura vegetal apresentou índices maiores de progressão (11,9%, 5,0% e 7,3%, para os
períodos 1988-1998, 1998-2001 e 2001-2004, respectivamente) que de regressão (3,2%,
2,5% e 4,7%, para os períodos 1988-1998, 1998-2001 e 2001-2004, respectivamente)
sinalizando um saldo positivo de 1988 a 2004.
Tabela 8 – Agrupamento das classes temáticas do baixo curso do Rio Piranhas-Assu, RN, por estado.
ESTADO CLASSE TEMÁTICA
Estabilidade
Cobertura vegetal - Cobertura vegetal Atividade agro-industrial - Atividade agro-industrial Zona úmida - Zona úmida Água - Água Areia/solo exposto - Areia/Solo exposto Zona construída - Zona construída
Progressão da cobertura vegetal
Atividade agro-industrial - Cobertura vegetal Zona úmida - Cobertura vegetal Água - Zona úmida Atividade agro-industrial - Zona úmida Areia/Solo exposto - Cobertura vegetal Areia/Solo exposto - Zona úmida
Regressão da cobertura vegetal
Cobertura vegetal - Zona úmida Zona úmida - Atividade agro-industrial Zona úmida - Água Cobertura vegetal - Água Cobertura vegetal - Areia/solo exposto Zona úmida - Areia/Solo exposto
Progressão da zona construída
Atividade agro-industrial - Zona construída Cobertura vegetal - Zona construída Areia/Solo exposto - Zona construída Zona úmida - Zona construída
Progressão das atividades agro-industrial Cobertura vegetal - Atividade agro-industrial Água - Atividade agro-industrial Areia/Solo exposto - Atividade agro-industrial
Regressão das atividades agro-industrial Atividade agro-industrial - Água Atividade agro-industrial - Areia/Solo exposto
Outras classes Areia/Solo exposto - Água Água - Areia/Solo exposto
Classes pouco prováveis
Zona construída - Areia/solo exposto Zona construída - Zona úmida Zona construída-Cobertura vegetal Zona construída-Atividade agro-industrial Zona construída-Água Água-Zona construída Água-Cobertura vegetal
A progressão de zonas construídas se mostrou pouco expressivo (0,3%, 0,1% e 0,3%, para
os períodos 1988-1998, 1998-2001 e 2001-2004, respectivamente), quando comparado aos
outros estados, assim como a regressão das atividades agro-industriais (0,4%, 0,1% e 0,1%,
para os períodos 1988-1998, 1998-2001 e 2001-2004, respectivamente).
134
Tab
ela
9 –
Áre
a e
porc
enta
gem
dos
est
ados
e d
as c
lass
es te
mát
icas
, de
ocor
rênc
ia n
o ba
ixo
curs
o do
rio
Pir
anha
s-A
ssu,
RN
, no
perí
odo
de 1
988
a 20
04.
Est
ado
Cla
sse
tem
átic
a 19
88 -
199
8 19
98 -
200
1 20
01 -
200
4 H
ecta
re
%
%
Hec
tare
%
%
H
ecta
re
%
%
Est
abili
dade
Cob
ertu
ra v
eget
al-C
ober
tura
veg
etal
11
6.54
4,50
45,1
75,3
128.
762,
5049
,8
86,9
117.
478,
5045
,5
80,1
Ati
vida
de a
gro-
indu
stri
al-A
tivi
dade
agr
o-in
dust
rial
51
.695
,75
20,0
62.7
34,2
524
,363
.134
,25
24,4
Zon
a úm
ida-
Zon
a úm
ida
12.8
49,7
55,
016
.564
,00
6,4
10.5
79,5
04,
1Á
gua-
Águ
a 9.
254,
503,
611
.730
,74
4,5
10.4
95,7
44,
1A
reia
/sol
o ex
post
o-A
reia
/Sol
o ex
post
o 3.
072,
751,
23.
069,
501,
23.
245,
251,
3Z
ona
cons
truí
da-Z
ona
cons
truí
da
941,
500,
41.
854,
250,
71.
993,
000,
8
Pro
gres
são
da c
ober
tura
veg
etal
Ati
vida
de a
gro-
indu
stri
al-C
ober
tura
veg
etal
20
.856
,00
8,1
11,9
9.75
4,75
3,8
5,0
12.1
95,7
54,
7
7,3
Zon
a úm
ida-
Cob
ertu
ra v
eget
al
6.26
2,00
2,4
837,
000,
34.
746,
001,
8Á
gua-
Zon
a úm
ida
1.98
9,75
0,8
286,
500,
11.
027,
750,
4A
tivi
dade
agr
o-in
dust
rial
-Zon
a úm
ida
1.14
9,00
0,4
1.14
9,25
0,4
424,
750,
2A
reia
/Sol
o ex
post
o-C
ober
tura
veg
etal
39
8,00
0,2
502,
000,
224
9,50
0,1
Are
ia/S
olo
expo
sto-
Zon
a úm
ida
158,
750,
145
5,25
0,2
337,
500,
1
Reg
ress
ão d
a co
bert
ura
vege
tal
Cob
ertu
ra v
eget
al-Z
ona
úmid
a 2.
974,
251,
2
3,2
3.07
8,75
1,2
2,5
4.40
1,00
1,7
4,7
Zon
a úm
ida-
Ati
vida
de a
gro-
indu
stri
al
2.54
8,00
1,0
1.54
5,00
0,6
2.82
4,25
1,1
Zon
a úm
ida-
Águ
a 1.
181,
500,
511
7,00
0,0
2.44
1,50
0,9
Cob
ertu
ra v
eget
al-Á
gua
724,
000,
392
1,50
0,4
1.34
5,00
0,5
Cob
ertu
ra v
eget
al-A
reia
/sol
o ex
post
o 67
6,25
0,3
744,
250,
324
7,50
0,1
Zon
a úm
ida-
Are
ia/S
olo
expo
sto
222,
000,
125
,50
0,0
846,
000,
3
Pro
gres
são
da z
ona
cons
truí
da
Ati
vida
de a
gro-
indu
stri
al-Z
ona
cons
truí
da
441,
750,
2
0,3
161,
750,
1
0,1
428,
500,
2
0,3
Cob
ertu
ra v
eget
al-Z
ona
cons
truí
da
429,
500,
254
,50
0,0
246,
500,
1A
reia
/Sol
o ex
post
o-Z
ona
cons
truí
da
0,00
0,0
0,00
0,0
0,00
0,0
Zon
a úm
ida-
Zon
a co
nstr
uída
0,
000,
00,
000,
020
,25
0,0
Pro
gres
são
das
Ati
vida
des
agro
-in
dust
rial
Cob
ertu
ra v
eget
al-A
tivi
dade
agr
o-in
dust
rial
19
.294
,25
7,5
7,7
13.4
38,2
55,
25,
2 17
.464
,75
6,8
6,9
Águ
a/A
tivi
dade
agr
o-in
dust
rial
57
5,50
0,2
60,7
50,
026
8,25
0,1
Are
ia/S
olo
expo
sto-
Ati
vida
de a
gro-
indu
stri
al
0,00
0,0
4,00
0,0
4,75
0,0
Reg
ress
ão d
as A
tivi
dade
s ag
ro-
indu
stri
al
Ati
vida
de a
gro-
indu
stri
al-Á
gua
1.05
3,24
0,4
0,4
180,
250,
10,
1 89
9,00
0,3
0,3
Ati
vida
de a
gro-
indu
stri
al-A
reia
/Sol
o ex
post
o 0,
250,
00,
000,
02,
250,
0
Out
ras
clas
ses
Are
ia/S
olo
expo
sto-
Águ
a 22
6,75
0,1
0,1
20,5
00,
00,
1 11
,75
0,0
0,1
Águ
a-A
reia
/Sol
o ex
post
o 19
,25
0,0
73,7
50,
020
4,50
0,1
Cla
sses
pou
co p
rová
veis
Zon
a co
nstr
uída
-Are
ia/s
olo
expo
sto
0,00
0,0
1,1
0,00
0,0
0,1
0,00
0,0
0,3
Zon
a co
nstr
uída
-Zon
a úm
ida
4,25
0,0
8,75
0,0
0,00
0,0
Zon
a co
nstr
uída
-Cob
ertu
ra v
eget
al
30,5
00,
016
,75
0,0
7,00
0,0
Zon
a co
nstr
uída
-Ati
vida
de a
gro-
indu
stri
al
123,
000,
021
,50
0,0
10,0
00,
0Z
ona
cons
truí
da-Á
gua
0,00
0,0
0,00
0,0
26,5
00,
0Á
gua-
Zon
a co
nstr
uída
54
,50
0,0
0,00
0,0
0,25
0,0
Águ
a-C
ober
tura
veg
etal
2.
714,
251,
129
2,50
0,1
858,
250,
3
Tot
al
258.
465,
2410
0,00
100,
0 25
8.46
5,24
100,
010
0,0
258.
465,
2410
0,0
100,
0
135
0 10 20 30 40 50 60 70 80 90 100
Estabilidade
Progressão da coberturavegetal
Regressão da coberturavegetal
Progressão da zonaconstruída
Progressão das Atividadeagroindustrial
Regressão das Atividadeagroindustrial
Outras classes
Classes pouco prováve is
Est
ado
%
1988 - 1998 1998 - 2001 2001 - 2004
Figura 3 – Estado das classes temáticas do baixo curso do Rio Piranhas-Assu, RN, por período.
A progressão das atividades agro-industriais, que registrou uma porcentagem de
participação de 7,7% para o período de 1988-1998, de 5,2% para o período de 1998-2001 e
de 6,9% para o período de 2001-2004, mostrou que a instalação dessas atividades deu-se
principalmente em áreas anteriormente com cobertura vegetal.
Considerando-se apenas a estabilidade e a transformação das classes foi elaborada a Figura
4, onde pode ser mais bem visualizado que o período de 1999-2001 foi o de maior
estabilidade das classes. Isto quer dizer que a dinâmica da paisagem do baixo curso do rio
Piranhas-Assu foi menos intensa que nos outros períodos considerados. Neles, a
transformação das classes foi mais intensa, destacando-se o período 1988-1998 com o
maior valor de transformação (24,8%).
CONCLUSÕES
O uso do Sensoriamento Remoto, aliado às técnicas de processamento e aos novos
sensores, em conjunto com os Sistemas de Informações Geográficas, comprovou ser uma
ferramenta eficiente para acelerar e reduzir custos dos mapeamentos e da detecção de
mudanças geoambientais. As imagens de satélite, depois de trabalhadas e integradas em
136
um ambiente SIG, oferecem possibilidades interessantes de gerarem informações precisas
para avaliação e evolução de diversas variações temáticas da superfície terrestre.
75,2
86,9
80,1
24,8
13,1
19,9
0 10 20 30 40 50 60 70 80 90 100
1988-1998
1998-2001
2001-2004
Per
íod
o
%
Estabilidade das classes Transformação das classes
Figura 4 – Estabilidade e transformação das classes de ocorrência no baixo curso do rio Piranhas-Assu, RN, por período.
Para a interpretação da evolução do uso do solo do baixo curso do rio Piranhas-Assu, RN,
a metodologia utilizada para o cruzamento multitemporal verificou ser de grande valor, já
que se mostrou capaz de abranger detalhadamente um mosaico geoambiental
medianamente complexo, como o observado na área de estudo. É importante salientar essa
técnica de cruzamento, pela riqueza e relevância das informações geradas, pois possibilita
a obtenção de informações acuradas das mudanças do uso do solo entre períodos, em
termos quantitativo e qualitativo da mudança, isto é, onde, quanto e para que classe mudou.
Dos resultados obtidos infere-se que o baixo curso do rio Piranhas-Assu não apresentou
uma intensa dinâmica de mudança da paisagem, já que nos períodos considerados a
estabilidade das classes mostrou superior às suas transformações. As atividades
relacionadas com a agricultura e com a pecuária são as que conduzem, principalmente, a
dinâmica da paisagem. A produção de camarão marinho e de petróleo também infere na
paisagem, porém em menor proporção.
REFERÊNCIAS BIBLIOGRÁFICAS
DISPERATI, L. et al. 1998. Mapping land use changes through remote sensing and GIS analysis: the case of Rio Verde of Mato Grosso área in the Pantanal Region (MS, Brasil). In: 7th ICCTA – International Congress for Computer Techonology in Agriculture –
137
Computer techonology in Agricultural Management and Risk Prevention. Anais. Florença – Itália.
ER MAPPER. ER Mapper version 6.0. West Perth: Earth Resource Mapper Pty Ltd. 1 CD ROM. 1999.
ESRI Inc. Arc View version 3.2. California: Environmental System Research Institute Inc. 1 CD ROM. 1998.
IDEMA / CESE. 2004. Instituto de Desenvolvimento Econômico e Meio Ambiente - IDEMA / Centro de Estudos Socioeconômicos - CESE. Dados Básicos: IBGE, Censos Demográficos - 1991/2000. Disponível em www.idema.rn.gov.br. Acesso: 03 de outubro de 2006.
GRIGIO A. M. et al. Análise e integração de imagens óticas na caracterização multitemporal do uso e ocupação do solo como apoio para a confecção do mapa de suscetibilidade ambiental do Município de Guamaré-RN. In: I Congresso Brasileiro de P&D em Petróleo e Gás. Anais. Natal, 2001.
Grigio A. M.; Amaro, V. E.; Vital, H. Análise multitemporal do uso e ocupação do solo do Município de Guamaré-RN, com base em produtos de sensoriamento remoto e sistema de informações geográfica. In: CONGRESSO BRASILEIRO DE GEOLOGIA, 41., 2002, João Pessoa. Anais... João Pessoa: SBG, 2002. p 93.
Grigio, A. M. Aplicação de sensoriamento remoto e sistema de informação geográfica na determinação da vulnerabilidade natural e ambiental do Município de Guamaré (RN): simulação de risco às atividades da indústria petrolífera. 2003. 222 f. Dissertação (Mestrado em Geodinâmica) - Universidade Federal do Rio Grande do Norte, Natal, 2003.
Grigio A. M.; Amaro, V. E.; Diodato, M. A. Análise multitemporal do uso e ocupação do solo, em áreas de atuação da indústria petrolífera, com base em produtos de sensoriamento remoto e Sistema de Informação Geográfica: Município de Guamaré (RN). Revista Geografia. Rio Claro, V. 30, n. 1, 177 - 197, 2005.
Mesquita Junior, H. N. de. Análise temporal com sensor orbital de unidades fisionômicas de cerrado na Gleba Pé-de-Gigante (Parque Estadual de Vassununga – SP). 1998. 118 f. Dissertação (Mestrado em Ecologia dos Ecossistemas Terrestres e Aquáticos) - Instituto de Biociências, Universidade de São Paulo, São Paulo, 1998.
PACHECO, A. da P. 2000. Aplicação multitemporal de Sensoriamento Remoto e Geoprocessamento à Mata do Zumbi. In: Cobrac 2000 - Congresso Brasileiro de Cadastro Técnico Multifinalitário. Anais. Florianópolis.
PANIZZA, A. de C. Imagens orbitais, cartas e coremas: uma proposta metodológica para o estudo da organização e dinâmica espacial, aplicação ao Município de Ubatuba, Litoral Norte do Estado de São Paulo, Brasil. 2004. 302 f. Tese (Doutorado em Geografia) - Departamento de Geografia, Universidade de São Paulo, São Paulo, 2004,
138
Paranhos Filho, A. C. Análise geo-ambiental multitemporal: o estudo de caso da região de Coxim e da bacia do Taquarizinho (MS – Brasil). 2000. 213 f. Tese (Doutorado em Geologia) - Universidade Federal do Paraná, Curitiba, 2000.
AGRADECIMENTOS
Os autores agradecem ao Programa de Pós-graduação em Geodinâmica e Geofísica da
Universidade Federal do Rio Grande do Norte pela infraestrutura e por disponibilizar o
Laboratório de Geoprocessamento (GEOPRO), ao Projeto PETRORISCO (Rede 05/01) –
Monitoramento ambiental de áreas de risco a derrames de petróleo e seus derivados, ao
Convênio de intercâmbio CAPES/DAAD/PROBAL nº 150/02 – Variações do nível do mar
durante o Holoceno, entre Touros e Areia Branca (RN), Nordeste do Brasil e à CAPES
pela bolsa de Doutoramento
139
4.2 SEGUNDO ARTIGO
O trabalho intitulado Uso do sensoriamento remoto e sistema de informação
geográfico na determinação da vulnerabilidade natural e ambiental e dos índices
de geodiversidade múltipla e múltipla ponderada da paisagem do baixo curso do
rio Piranhas-Assu (RN), foi enviado para análise à Revista Brasileira de Cartografia
(www.rbc.ufrj.br), da Sociedade Brasileira de Cartografia (SBC), Rio de Janeiro,
RJ, versão impressa, ISSN 0560-4613, classificação 2007 CAPES QUALIS A
Nacional / Geociências.
O trabalho tem o propósito de identificar, mapear e interpretar a
vulnerabilidade natural e ambiental do baixo curso do rio Piranhas-Assu (RN),
assim como o de avaliar o grau de riqueza da sua diversidade ambiental, através dos
índices de geodiversidade. As atividades ligadas ao petróleo estão presentes na área
de estudo, assim como também a carcinicultura, a fruticultura e as relacionadas à
agropecuária. Neste trabalho, a geração do mapa de vulnerabilidade natural visa
mostrar a intensidade, e a sua distribuição na área de estudo, da susceptibilidade do
ambiente levando-se em consideração, para os fatores geomorfologia, geologia e
solos, a estabilidade em relação à morfogênese e à pedogênese e, para o fator
vegetação, a estrutura das redes e teias alimentares, o estágio de fitossucessão e a
biodiversidade; enquanto que o mapa de vulnerabilidade ambiental refere-se à
susceptibilidade do ambiente a pressões antrópicas. Para medição da
geodiversidade, que avalia o grau de riqueza da diversidade ambiental, utilizaram-se
indicadores, que são dispostos em forma de tabela e ainda plotados em mapa, tendo
como base, os mapas de geologia, geomorfologia, solo e associação de solos e
vegetação.
140
USO DO SENSORIAMENTO REMOTO E SISTEMA DE INFORMAÇÃO GEOGRÁFICO NA DETERMINAÇÃO DA
VULNERABILIDADE NATURAL E AMBIENTAL E DOS ÍNDICES DE GEODIVERSIDADE MÚLTIPLA E MÚLTIPLA PONDERADA
DA PAISAGEM DO BAIXO CURSO DO RIO PIRANHAS-ASSU (RN).
Use of the remote sensing and geographic information system to determine the environmental and natural vulnerability and the multiple geodiversity and
pondered multiple indexes of the landscape of the piranhas-assu river bass lower course.
Alfredo Marcelo Grigio1
Venerando Eustáquio Amaro2
Marco Antonio Diodato3
1Universidade do Estado do Rio Grande do Norte (UERN) Curso de Gestão Ambiental
Campus Universitário Central, Setor IV. R. Prof. Antônio Campos. Mossoró-RN. CEP: 59610-090. [email protected]
2Universidade Federal do Rio Grande do Norte (UFRN) Departamento de Geologia
Caixa Postal 1639. Natal-RN. CEP: 59072-970. [email protected]
3Universidade Federal do Piauí (UFPI) Curso de Engenharia Florestal
Campus Universitário, BR 135, km 3, Bom Jesus,PI. CEP: [email protected]
RESUMO
Este trabalho tem o propósito de identificar, mapear e interpretar a vulnerabilidade natural e ambiental do baixo curso do rio Piranhas-Assu (RN), localizado no litoral setentrional do Estado do Rio Grande do Norte, Brasil, assim como o de avaliar o grau de riqueza da sua diversidade ambiental, através dos índices de geodiversidade. As atividades ligadas ao petróleo estão presentes na área de estudo, assim como também a carcinicultura, a fruticultura e as relacionadas à agropecuária. Neste trabalho, a geração do mapa de vulnerabilidade natural visa mostrar a intensidade, e a sua distribuição na área de estudo, da susceptibilidade do ambiente levando-se em consideração, para os fatores geomorfologia, geologia e solos, a estabilidade em relação à morfogênese e à pedogênese e, para o fator vegetação, a estrutura das redes e teias alimentares, o estágio de fitossucessão e a biodiversidade; enquanto que o mapa de vulnerabilidade ambiental refere-se à susceptibilidade do ambiente a pressões antrópicas. Para medição da geodiversidade, que avalia o grau de riqueza da diversidade ambiental, utilizaram-se indicadores, que são dispostos em forma de tabela e ainda plotados em mapa, tendo como base, os mapas de geologia, geomorfologia, solo e associação de solos e vegetação. Os resultados mostraram que, em relação à vulnerabilidade natural, o baixo curso do rio Piranhas-Assu (RN) apresenta mais áreas vulneráveis que estáveis, principalmente nas áreas das planícies e terraços fluviais e planícies fluvio marinhas. A vulnerabilidade ambiental apresenta maior concentração de áreas nas categorias Muita baixa (30,89%) e Baixa (33,38%), que, somadas, representam 64,27% da área total de estudo. Os índices de geodiversidade mostraram que a área costeira é onde está presente a maior riqueza de
141
biodiversidade. O uso da metodologia proposta por XAVIER-DA-SILVA et al. (2001) mostra-se adequada à área de estudo desse trabalho, que é diferente ao tipo de ambiente testado pelos autores da metodologia.
Palavras chaves: vulnerabilidade natural, vulnerabilidade ambiental, geodiversidade, SIG.
ABSTRACT
This work has the purpose to identify, map and to interpret the natural and environmental vulnerability of the bass course of Piranhas-Assu river (RN), located in the northern coast of the State of Rio Grande do Norte, Brazil, as well as evaluating the resource degree of its environmental diversity, through the geodiversity indexes. The activities linked to petroleum are present in the study field, as well as the shrimp culture, the fruit production and the ones related to the agriculture. In this work, the elaboration of the natural vulnerability map has the aim to show the intensity, and its distribution in the study field, of the susceptibility of the environment taking into consideration, for the factors: geomorphology, geology and soils, the stability in relation to the morphogenesis and to the pedogenesis and, for the vegetation factor, the structure of the nets and alimentary webs, the vegetal succession stage and the biodiversity; while the map of environmental vulnerability refers to the susceptibility of the ambient to activity human pressures. In order to measure the geodiversity, which evaluates the degree of resource of the environmental diversity, indicators were used which are arranged in a table form and still plotted on map, based on, the geology, geomorphology and soil maps and association of soils and vegetation. The results showed that, in relation to the natural vulnerability, the bass lower course of the Piranhas-Assu river (RN) presents more vulnerable areas than stable ones, mainly in the areas of the plains and fluvial terraces and fluvial-marine plains. The environmental vulnerability presents larger concentration of areas in the categories Very Low (30,89%) and Low (33,38%), which, added, they represent 64,27% of the total area of study. The geodiversity indexes showed that the coastal area is the one where it has the largest biodiversity resource. The use of the methodology proposed by XAVIER-DA-SILVA et al. (2001) shows it is suitable for the study area which is different to the environmental type tested by the authors of the methodology.
Keywords: natural vulnerability, environmental vulnerability, geodiversity, GIS.
1. INTRODUÇÃO
Para operacionalizar o uso e ocupação do solo de uma região é necessário o conhecimento da forma em que o ambiente reage a pressões antrópicas impostas, assim como o grau de suporte a essas pressões. Diversos trabalhos apresentam esses parâmetros em índices e, principalmente, em representações espaciais, através de mapas de sensibilidade, de vulnerabilidade ou, ainda, de fragilidade. Porém, os termos sensibilidade e vulnerabilidade, assim como fragilidade e susceptibilidade, são abordados, muitas vezes, como sinônimos.
Para fins de entendimento sobre o sentido do termo vulnerabilidade aqui usado, adota-se o conceito de Vulnerabilidade Ambiental definido por TAGLIANI (2002): significa a maior ou menor susceptibilidade de um ambiente a um impacto potencial provocado por um uso antrópico qualquer. O sentido dado ao termo susceptibilidade refere-se à tendência (ser passível) de receber impressões, modificações ou adquirir qualidades diferentes das que já tinha.
Por outro lado, os estudos ambientais, em geral, têm como fator limitante a escassa disponibilidade de recursos financeiros. Muitas vezes, pesquisar toda uma área foco de estudo para a
determinação das áreas que alocarão maior empenho investigativo, torna-se oneroso, ou até mesmo, inviável, dependendo do tamanho da área em questão. Estudos que orientarão políticas públicas necessitam de trabalhos que mostrem o grau de complexidade do mosaico municipal, ou mesmo áreas prioritárias para preservação ou conservação ambiental. Para tal, torna-se imprescindível a aplicação de uma metodologia que satisfaça essas condições, de forma clara, precisa e confiável, com custo acessível e de maneira rápida.
Segundo XAVIER-DA-SILVA et al. (2001), como a diversidade não se apresenta uniformemente distribuída, uma questão crítica nas políticas ambientais repousa na localização das áreas que merecem prioridade de conservação. Para atender a essa necessidade um grupo multidisciplinar de pesquisadores que desenvolvem geoprocessamento aplicado a estudos ambientais, no Laboratório de Geoprocessamento (LAGEOP), Dep. Geografia, Instituto de Geociências, CCMN, UFRJ, desenvolveu uma metodologia alternativa com o uso de modelagem em um Sistema Geográfico de Informação (SIG) para criar índices de diversidade de elementos da paisagem (Índices de Geodiversidade), sugeridos como indicadores de biodiversidade geral.
Assim, o trabalho apresentado pelo grupo de pesquisadores visa contribuir para o acesso a
142
metodologias que permitam avaliar a distribuição da diversidade ambiental. O grupo ainda faz a ressalva de que os dados sobre a distribuição de espécies nos países tropicais são ao extremo esparsos, acarretando que padrões de riqueza de espécies, nestas regiões, resultem pobremente conhecidos e virtualmente impossíveis de avaliação a escala de paisagem.
O objetivo desse trabalho foi identificar, mapear e interpretar a vulnerabilidade natural e ambiental, assim como avaliar o grau de riqueza da diversidade ambiental do baixo curso do rio Piranhas-Assu (RN).
2. LOCALIZAÇÃO E CARACTERIZAÇÃO DA ÁREA
O baixo curso do rio Piranhas-Assu está localizado no litoral setentrional do Rio Grande do Norte (fig. 1). Nesta região o clima é semi-árido quente (clima tropical equatorial de Nimer 1972; clima muito quente e semi-árido do tipo BSW’h de Köppen), onde predominam estações secas com 7 a 8 meses de duração (junho a janeiro), uma estação chuvosa de fevereiro a maio (período úmido) e um período super úmido (precipitação superior a 100 mm) de março a meados de maio. A precipitação pluviométrica anual é inferior a 750 mm.
Fig. 1 – Localização da área de estudo: estuário do rio Piranhas-Assu, RN.
O Litoral Norte possui um dos maiores estuários do litoral do Rio Grande do Norte, o Estuário do Rio Piranhas-Assu, seguido pelo Estuário do Rio Apodi. Os rios desses estuários recebem contribuições do continente por meio de drenagens ativas apenas durante o período chuvoso e com vazões reduzidas. Ao se aproximarem da zona costeira, o fluxo das ondas apresenta a mesma direção dos ventos dominantes (NE-E).
A área de estudo está inserida no contexto geológico da Bacia Potiguar, localizada nos estados do Rio Grande do Norte e Ceará, abrangendo uma área total de 48.000 km2, dos quais 21.500 km2 encontram-
se submersos e 26.500 km2 distribuídos entre as cidades de Natal e Fortaleza no Nordeste do Brasil.
Na paisagem costeira, o modelamento das formas de relevo é resultante da ação constante dos processos do meio físico, das condições climáticas, das variações do nível do mar, da natureza das seqüências geológicas, das atividades neotectônicas e do suprimento de sedimentos carreados pelos rios e oceano.
Os municípios inseridos na área de estudo são: Afonso Bezerra, Alto do Rodrigues, Assu, Carnaubais, Ipaguançu, Itajá, Macau, Pendências e Porto do Mangue. Conforme dados do IDEMA (2002) o município mais populoso da área de estudo é Assu, com uma população total de 50.177 habitantes, seguido de Macau, com uma população de 25.554 habitantes. O menos populoso corresponde ao município de Porto do Mangue, com população de 4.650 habitantes, porém é o que apresenta taxa de crescimento (7,4) superior aos dos outros municípios. Itajá também apresenta uma alta taxa de crescimento (6,33), enquanto que o município de Macau mostra taxa negativa (-1,12), isto é, existe uma tendência da sua população decrescer. Com exceção de Carnaubais e Ipanguaçu, os municípios apresentam altas taxas de urbanização, sendo que o município de Iatajá é o que apresenta maior valor (82,06%).
As atividades ligadas ao petróleo estão presentes nos municípios de Alto do Rodrigues, Assu, Carnaubais, Macau, Pendências e Porto do Mangue. O município que mantém maior número de poços perfurados e produtores é Alto do Rodrigues e o município com menor número de poços é Porto do Mangue. Macau e Alto do Rodrigues são os municípios com maior produção de óleo ou petróleo líquido. Já, na produção de gás natural, destacam-se Macau e Pendências.
3. VULNERABILIDADE AMBIENTAL
Vulnerabilidade ambiental é um conceito que se relaciona com a susceptibilidade ou predisposição intrínseca do meio e os recursos naturais a sofrer um dano ou uma perda. Esses elementos podem ser físicos ou biológicos. Pode ser considerado como um fator interno, o qual contém as condições que uma área ou região possui para enfrentar uma ameaça. Podem se considerar diversos tipos de vulnerabilidade; geralmente citam-se a estrutural, a social, a econômica, a de organização, a cultural, a biológica, a sanitária e a ambiental. O conceito de vulnerabilidade, assim como todos os que se aplicam na gestão do risco, é um conceito relativo e se deve analisar frente às condições particulares de cada comunidade (INTER-AMERICAN DEVELOPMENT BANK, 1999),
A compreensão da vulnerabilidade ambiental de uma determinada região implica compreender com precisão a susceptibilidade ou resistência dessa área a pressões externas. A capacidade de resistência ou amortecimento de uma região está em proporção direta
143
com o conjunto de serviços ambientais que possui (florestas, bacias hidrográficas bem conservadas, etc.). Isto se constitui na base para o manejo do risco e a gestão de um programa de prevenção e para identificar zonas propensas a situações de emergência e áreas ameaçadas.
Segundo DELGADO VILLASMIL (2007), muito vinculada com a definição de vulnerabilidade está a de sensibilidade ambiental, utilizada nos estudos de impacto ambiental, e que é usada para assinalar o que se entende como susceptibilidade, mas com uma visão mais antropocêntrica do que ambiental: "a análise de sensibilidade ambiental de qualquer fator está relacionado com a vulnerabilidade ambiental deste, que é o caráter, condição ou estado de susceptibilidade que indica a capacidade de assimilação e resposta dos sistemas ambientais frente à implantação de um projeto, assim como as dificuldades que oferece o entorno para o projeto. Os fatores de susceptibilidade ambiental são aqueles aspectos do ambiente que, pelas suas características, dificultam em graus variáveis a implementação do projeto".
Ainda, DELGADO VILLASMIL (2007) relata que, a pesar de tratar sobre susceptibilidade, vulnerabilidade ou sensibilidade ambiental, outros autores sempre se referem à condição própria do individuo ou sistema avaliado ou à sua capacidade de resposta frente a uma ameaça exterior. Assim, com um enfoque ambiental, metodologicamente sistêmico, no seu sentido mais geral, o autor propõe que a vulnerabilidade de um sistema é a medida da propensão a mudança que tem esse sistema frente a uma ameaça, isto é, frente a qualquer situação ou conjunção de situações capaz de modificar ou destruir a organização e o funcionamento do sistema, gerando nele uma resposta adaptativa. A ameaça pode ser interna ou externa ao sistema em estudo, pode estar no ambiente ou internamente no sistema analisado. É a capacidade de resposta do sistema frente cada ameaça, que lhe permite manter-se, adaptar-se ou desaparecer no tempo e no espaço. As ameaças ambientais são fatores internos ou externos capazes de produzir mudanças em qualquer dos componentes do ambiente.
Para atender aos objetivos deste trabalho adotou-se o conceito de Vulnerabilidade Ambiental definido por TAGLIANI (2002), que diz: significa a maior ou menor susceptibilidade de um ambiente a um impacto potencial provocado por um uso antrópico qualquer. O sentido dado ao termo susceptibilidade refere-se à tendência (ser passível) de receber impressões, modificações ou adquirir qualidades diferentes das que já tinha.
A utilização de ferramentas de geoprocessamento e SIG para estimar, mapear e avaliar a vulnerabilidade ambiental está bastante difundido dentro do meio acadêmico e técnico, principalmente nas áreas ligadas a petróleo e gás. Por exemplo, ARAÚJO et al. (1999) utilizaram um método chamado multicriterial, dentro de ambiente SIG para analisar, manipular e produzir dados e informações geológico-
geotécnicas, que se apliquem ao estudo de áreas para disposição de resíduos sólidos no Município de Americana (SP). No método multicriterial cada classe dos mapas temáticos entra no processo, recebendo um peso, assim como os próprios mapas temáticos. Esses pesos são definidos em uma tabela de atributos para cada mapa. Cada mapa temático é associado com uma lista de pesos, um por classe do mapa. A tabela de atributos pode ser modificada a qualquer tempo, bastando que depois de cada modificação o modelo seja executado novamente. A possibilidade de modificação (atualização) é uma das vantagens do uso dessa ferramenta.
TAGLIANI (2002) também empregou o método multicriterial para avaliação da vulnerabilidade ambiental de uma região do Estado do Rio Grande do Sul, com o uso de SIG. CASTRO DA COSTA, T. C. et al. (2007) determinaram a vulnerabilidade ambiental em sub-bacias hidrográficas do Estado do Rio de Janeiro por meio de integração temática da perda de solo, variáveis morfométricas e o uso/cobertura da terra, valendo-se da analise multicriterial com o método da combinação linear de pesos, implementada em ambiente SIG.
Assim, percebe-se que as ferramentas e técnicas de geoprocessamento e de SIG são habitualmente usadas para atender à crescente demanda por informações ambientais, incluindo aqui a vulnerabilidade.
Neste trabalho, a geração do mapa de vulnerabilidade natural visa mostrar a intensidade, e a sua distribuição na área de estudo, da susceptibilidade do ambiente levando-se em consideração, para os fatores geomorfologia, geologia e solos, a estabilidade em relação à morfogênese e à pedogênese e, para o fator vegetação, a estrutura das redes e teias alimentares, o estágio de fitossucessão e a biodiversidade; enquanto que o mapa de vulnerabilidade ambiental refere-se à susceptibilidade do ambiente a pressões antrópicas.
4. GEODIVERSIDADE
Segundo XAVIER-DA-SILVA et al. (2001), o termo Geodiversidade representa a variabilidade de características ambientais encontrada em uma área geográfica. Através do artigo científico propõem, pela primeira vez, esse conceito, que o submetem à comunidade ambientalista.
A idéia parte do principio que índices de diversidade de elementos da paisagem (índices de geodiversidade) podem servir como indicadores de biodiversidade geral. Essa sugestão, segundo os autores, segue diretrizes apontadas na literatura (por ex.: SPELLERBERG, 1981), onde se entende como premissa de consenso a existência de correlação entre a diversidade de habitais e a riqueza e diversidade de espécies.
O termo Geodiversidade é também usado dentro das ciências geológicas, porém com conceito
144
diferente, pois, segundo LAZZERINI (2005), o termo Geodiversidade pode ser resumidamente considerado como a diversidade do Reino Mineral terrestre. Aborda aspectos das ciências geológicas, climáticas, geográficas e biológicas do Planeta Terra. Já, VEIGA (1999 e 2002) define que a geodiversidade expressa as particularidades do meio físico, compreendendo as rochas, o relevo, o clima, os solos e as águas, subterrâneas e superficiais. Tais atributos resultam da atuação cumulativa de processos geológicos múltiplos. Por sua vez, condicionam a paisagem e propiciam a diversidade biológica e cultural nela desenvolvidas, em permanente interação ao longo da evolução do planeta. Ambos os autores deixam claro que o termo tem ênfase na geologia.
Para medição da geodiversidade utilizam-se indicadores, que são dispostos em forma de tabela e ainda plotados em mapa. Segundo os autores a construção desta tabela de geodiversidade parte do pressuposto de que é útil inspecionar a variabilidade ambiental a partir da tomada de um parâmetro ambiental como base para os cômputos da ocorrência dos outros. Os índices a determinar são: Geodiversidade Específica, Geodiversidade Específica Posicional, Geodiversidade Múltipla, Geodiversidade Múltipla Posicional, Geodiversidade Ponderada e Geodiversidade Ponderada Posicional.
Segundo XAVIER-DA-SILVA et al. (2001), em relação aos índices de geodiversidade, acredita-se que a investigação de indicadores de elementos da paisagem represente um frutuoso caminho a ser perseguido, haja visto que índices desta natureza podem constituir significantes descritores do ambiente, além de apresentar grande potencial para utilização em termos de planejamento e monitoramento de estratégias de conservação, manejo e uso dos recursos naturais.
5. METODOLOGIA
A obtenção do mapa de vulnerabilidade ambiental do baixo curso do rio Piranhas-Assu (RN) foi operacionalizada em duas etapas. A primeira consistiu no cruzamento de mapas do banco de dados desse trabalho, resultando no mapa de vulnerabilidade natural. Na segunda etapa, com base no mapa de vulnerabilidade natural, realizou-se um segundo cruzamento que gerou o mapa de vulnerabilidade ambiental.
Os mapas utilizados para a confecção do mapa de vulnerabilidade natural foram: geomorfologia, geologia, associação de solos e vegetação.
O cruzamento dos mapas foi baseado no conceito de estabilidade de cada unidade considerando-se o conceito de análise ecodinâmica de TRICART (1977), onde a estabilidade é classificada conforme a Tabela 1.
As classes identificadas em cada mapa receberam valores numéricos conforme BARBOSA (1997), que estabeleceu um modelo com 21 classes de vulnerabilidade à erosão, distribuídas entre as situações
de predomínio dos processos de pedogênese (os quais se atribuem valores próximos de 1,0), passando por situações intermediárias (as quais se atribuem valores ao redor de 2,0) e situações de predomínio erosivo modificadores da forma do relevo, morfogênese (as quais se atribuem valores próximos de 3,0).
TABELA 1 – VALORES DE ESTABILIDADE DE UNIDADES DE PAISAGEM. (FONTE: MOTTA et al., 1999, MODIFICADA DE TRICART, 1977).
O grau de vulnerabilidade estipulado a cada classe foi distribuído em uma escala de 1,0 a 3,0, com intervalo de 0,1. No valor 1,0 prevalece a pedogênese, o 2,0 um equilíbrio entre pedogênese e morfogênese, e no 3,0 prevalece a morfogênese. Esse critério foi utilizado para os mapas de geomorfologia, de geologia e de associação de solos. Para o caso do mapa de vegetação o critério estabelecido foi: 1,0 para ambientes com baixa diversidade de espécies/formações incipientes, normalmente de pioneiras; 2,0 para ambientes com média diversidade de espécies, correspondendo a formações em estágio intermediário; e por último, 3,0 para formações em estágio avançado-clímax, isto é, com alta diversidade de espécies.
Para a porção da imagem que corresponde ao espelho d’água dos canais de maré foi determinado um grau de vulnerabilidade de 3,0 para os mapas de geomorfologia, de geologia e de associação de solos. Para os mapas de vegetação e de uso e ocupação do solo foi concedido o grau 1,0 de vulnerabilidade.
O cruzamento dos mapas foi realizado utilizando-se o módulo Geoprocessing Wizard do software Arcview® GIS 3.2, que possibilita o cruzamento entre dois mapas. Primeiramente foi realizado o cruzamento entre os mapas de geomorfologia e de geologia, posteriormente entre os mapas de associação de solos e de vegetação. Na seqüência, foram cruzados os dois mapas resultado dos cruzamentos anteriores e calculou-se a média aritmética dos valores de vulnerabilidade de cada classe. O resultado da média aritmética foi distribuído em seis classes de vulnerabilidade natural:
1 - sem classificação (menor ou igual a 0,9), 2 - muito baixa (de 1,0 a 1,3), 3 - baixa (de 1,4 a 1,7), 4 - média (de 1,8 a 2,2), 5 - alta (de 2,3 a 2,5), e 6 - muito alta (maior ou igual a 2,6).
Unidade Relação
pedogênese/morfogênese Valor
Estável Prevalece a pedogênese 1,0
Intermediária Equilíbrio entre pedogênese
e morfogênese 2,0
Instável Prevalece a morfogênese 3,0
145
Para a obtenção do mapa de vulnerabilidade ambiental foi realizado o cruzamento entre o mapa de geomorfologia, geologia, vegetação, solos e associações de solos e o mapa de uso e ocupação do solo do ano de 2004. No entanto, para a obtenção deste mapa foi realizado um cruzamento com peso compensatório para os fatores usados na vulnerabilidade natural e uso e ocupação do solo, visando representar mais fielmente a área de estudo. Os pesos de compensação indicam a importância de qualquer fator em relação aos outros.
A seguir é apresentada a fórmula 1, com os fatores e pesos de compensação.
0,2 x [tema 1] + 0,1 x [tema2] + 0,1 x [tema3] + 0,1 x [tema4] + 0,5 x [tema5]
Onde: Tema 1 = Mapa de unidades geomorfológicas Tema 2 = Mapa simplificado de geologia Tema 3 = Mapa de associação de solos Tema 4 = Mapa de vegetação Tema 5 = Mapa de uso e ocupação do solo
Na fórmula acima o fator geomorfologia ganha destaque com peso superior ao de geologia, solos e vegetação, devido a ter este uma forte influência no modelamento das formas do relevo, que é, segundo SILVEIRA et al. (2001), SILVEIRA (2002) e IDEMA (2002), resultante da ação constante dos processos do meio físico, das condições climáticas, das variações do nível do mar, da natureza das seqüências geológicas, das atividades neotectônicas e do suprimento de sedimentos carreados pelos rios e oceano.
O fator uso e ocupação do solo ganhou um valor de peso superior aos demais (0,5) já que considera-se o fator antrópico de grande relevância na área de estudo e, consequentemente, um agente modelador da paisagem local. Deste modo o uso e ocupação do solo serve para demonstrar o quanto de pressão antrópica sofrem as unidades geoambientais da área.
O critério estipulado para o mapa de uso e ocupação do solo teve como foco principal o grau e tipo de antropização encontrados na área de estudo. Para o cruzamento adotou-se a mesma escala aplicada anteriormente, isto é, de 1 a 3, com intervalo de 0,1.
Para o caso do mapa de vulnerabilidade ambiental, após o cruzamento, calculou-se a média ponderada dos valores de vulnerabilidade de cada classe, sendo distribuídos em seis classes de vulnerabilidade ambiental:
1 - sem classificação (menor ou igual a 0,9), 2 - muito baixa (de 1,0 a 1,3), 3 - baixa (de 1,4 a 1,7), 4 - média (de 1,8 a 2,2), 5 - alta (de 2,3 a 2,5), e 6 - muito alta (maior ou igual a 2,6).
Na tentativa de se obter um mapa de vulnerabilidade ambiental que representasse mais fielmente as peculiaridades da área de estudo, foi aplicado o método de ponderação de fatores, que permite a possibilidade de compensação entre os fatores através de um conjunto de pesos que indicam a importância relativa de cada fator. Os pesos de compensação indicam a importância de qualquer fator em relação aos demais.
Para a obtenção dos mapas de Geodiversidade múltipla e de Geodiversidade múltipla ponderada este trabalho adota a metodologia elaborada por XAVIER-DA-SILVA et al. (2001). Esses índices avaliam o grau de riqueza da diversidade ambiental do baixo curso do rio Piranhas-Assu (RN). Para a determinação dos índices de geodiversidade foram utilizados, como base, os mapas de geologia, geomorfologia, solo e associação de solos e vegetação, oriundos de carta topográfica, de sensoriamento remoto, do RADAMBRASIL e do SRTM. Todos esses dados conformam o Banco de Dados Geográficos (BDG).
O baixo curso do rio Piranhas-Assu está inserido no semi-árido brasileiro, caracterizado, principalmente, por formações vegetais de Caatinga hiperxerófila, com relevo de planícies com ondulações suaves, não configurando um fator de importante relevância para os fins deste trabalho. A diversidade de ambientes se denota na configuração do solo e da associação de solos, mais complexa que os outros fatores participantes do BDG. Na área de estudo, o fator solo é condicionante para a riqueza da biodiversidade. Portanto, utilizou-se desse fator como parâmetro base de análise. Os códigos e respectivas classes de solo/associação de solos podem ser visualizados na Tabela 2.
Usando-se o ambiente de Sistema de Informações Geográfica (SIG) do programa ESRI/Arcview® foram gerados os eguintes mapas: Mapa de síntese contendo os indicadores de Geodiversidade Múltipla e Mapa de síntese contendo os indicadores de Geodiversidade Ponderada.
Os mapas de Geodiversidade Múltipla e de Geodiversidade Múltipla Ponderada foram elaborados com base nos resultados obtidos da matriz gerada para a obtenção dos índices de Geodiversidade Específica, Geodiversidade Específica Posicional, Geodiversidade Múltipla, Geodiversidade Múltipla Posicional, Geodiversidade Ponderada e de Geodiversidade Ponderada Posicional.
Para cada uma das classes componentes da legenda do mapa de solo/associação de solos foi registrado o número de classes dos outros parâmetros (Geodiversidade Específica). O resultado é tabulado, onde cada linha refere-se a um dos tipos de solo/associação de solos. Também foram estabelecidas as posições relativas associadas a cada uma das medições (Geodiversidade Específica Posicional). Das posições relativas foi calculada a matriz de correlações
(1)
146
não paramétricas pelo Coeficiente de Spearman. Este coeficiente, utilizado quando as variáveis nao possuem distribuição normal, considera os valores ordenados
por postos (rank) e nao os valores originais (BARBOSA LANDIM, 2003).
TABELA 2 - CÓDIGOS DE IDENTIFICAÇÃO E RESPECTIVAS CLASSES DE SOLO/ASSOCIAÇÃO DE SOLOS, PARA O BAIXO CURSO DO RIO PIRANHAS-ASSU, RN.
Código Solo / Associação de solos Ae7 NEOSSOLOS FLÚVICOS Ta eutróficos + PLANOSSOLO HÁPLICOS eutróficos AMd4 NEOSSOLOS QUARTZARÊNICOS Marinhas órticos AQd4 NEOSSOLOS QUARTZARÊNICOS órticos Ce1 CAMBISSOLOS HÁPLICOS Ta eutróficos + VERTISSOLOS CROMADOS órticos Ce4 CAMBISSOLOS HÁPLICOS Ta eutróficos
Ce6 CAMBISSOLOS HÁPLICOS Ta eutróficos + NEOSSOLOS REGOLÍTICOS eutróficos + CHERNOSSOLOS RÊNDZICOS saprolíticos
LAd11 LATOSSOLOS AMARELOS distróficos + ARGISSOLOS VERMELHO-AMARELOS eutróficos
LAd8 LATOSSOLOS AMARELOS distróficos + NEOSSOLOS QUARTZARÊNICOS órticos
LVe1 LATOSSOLOS VERMELHO-AMARELOS eutróficos + ARGISSOLOS VERMELHO-AMARELOS eutróficos latossólicos + NEOSSOLOS QUARTZARÊNICOS órticos
LVe3 LATOSSOLOS VERMELHO-AMARELOS eutróficos + ARGISSOLOS VERMELHO-AMARELOS eutróficos
LVPe1 LATOSSOLOS VERMELHO-AMARELOS eutróficos argissólicos + ARGISSOLOS VERMELHO-AMARELOS eutróficos
NC47 LUVISSOLOS CRÔMICOS órticos + NEOSSOLOS REGOLÍTICOS eutróficos + PLANOSSOLOS NÁTRICOS órticos + PLANOSSOLOS HÁPLICOS eutróficos
PE118 ARGISSOLOS VERMELHO-AMARELOS eutróficos
Re23 NEOSSOLOS REGOLÍTICOS eutróficos + LUVISSOLOS CRÔMICOS órticos + PLANOSSOLOS NÁTRICOS órticos
SKS GLEISSOLOS SÁLICOS sódicos
SS11 PLANOSSOLOS NÁTRICOS órticos + PLANOSSOLOS HÁPLICOS eutróficos + NEOSSOLOS REGOLÍTICOS eutróficos
SS4 PLANOSSOLOS NÁTRICOS órticos + PLANOSSOLOS HÁPLICOS eutróficos + NEOSSOLOS FLÚVICOS Ta eutróficos
O somatório do número de classes encontrado em cada linha corresponde à Geodiversidade Múltipla e as posições relativas fornecem a Geodiversidade Múltipla Posicional.
A Geodiversidade Ponderada foi calculada segundo a fórmula 1. O coeficiente K tem a função de mante os algoritmos do indicador significativos. No caso desse trabalho foi adotado o valor 10.000.
Usando-se o ambiente de Sistema de Informações Geográfica (SIG) do programa ESRI/Arcview® foram gerados os eguintes mapas: Mapa de síntese contendo os indicadores de Geodiversidade Múltipla e Mapa de síntese contendo os indicadores de Geodiversidade Ponderada.
Os mapas de Geodiversidade Múltipla e de Geodiversidade Múltipla Ponderada foram elaborados com base nos resultados obtidos da matriz gerada para a obtenção dos índices de Geodiversidade Específica, Geodiversidade Específica Posicional, Geodiversidade Múltipla, Geodiversidade Múltipla Posicional, Geodiversidade Ponderada e de Geodiversidade Ponderada Posicional.
Para cada uma das classes componentes da legenda do mapa de solo/associação de solos foi
registrado o número de classes dos outros parâmetros (Geodiversidade Específica). O resultado é tabulado,
onde cada linha refere-se a um dos tipos de solo/associação de solos. Também foram estabelecidas as posições relativas associadas a cada uma das medições
(Geodiversidade Específica Posicional). Das posições relativas foi calculada a matriz de correlações não paramétricas pelo Coeficiente de Spearman. Este coeficiente, utilizado quando as variáveis nao possuem distribuição normal, considera os valores ordenados por postos (rank) e nao os valores originais (BARBOSA LANDIM, 2003).
O somatório do número de classes encontrado em cada linha corresponde à Geodiversidade Múltipla e as posições relativas fornecem a Geodiversidade Múltipla Posicional. A Geodiversidade Ponderada foi calculada segundo a fórmula 2. O coeficiente K tem a função de mante os algoritmos do indicador significativos. No caso desse trabalho foi adotado o valor 10.000.
K * Geodiversidade Múltipla / Área (2)
147
A posição relativa entre os valores da Geodiversidade Ponderada forneceram o índice Geodiversidade Ponderada Posicional.
6. RESULTADOS
6.1 Vulnerabilidade Natural
A geração do mapa de vulnerabilidade natural (fig. 2) visa mostrar a intensidade, e sua distribuição na área do baixo curso do rio Piranhas-Assu, da susceptibilidade do ambiente levando-se em consideração, para os fatores geologia, geomorfologia e
solos, a estabilida de em relação à morfogênese e à pedogênese e, para o fator vegetação, a complexidade das redes e teias alimentares, o estágio de fitossucessão e a biodiversidade.
A categoria Muito baixa não ocorre na área de estudo. Sendo assim, pode-se afirmar que, em relação à vulnerabilidade natural, o baixo curso do rio Piranhas-Assu (RN) apresenta mais áreas vulneráveis, principalmente nas áreas das planícies e terraços fluviais e planícies fluvio marinhas.
Fig. 2 – Vulnerabilidade natural do baixo curso do rio Piranhas-Assu (RN).
A categoria Muito alta está distribuída principalmente no estuário do rio Piranhas-Assu, nas áreas de planície fluvial (36,88%), de Carcinicultura (19,99%) e de Salina Evaporadora (17,21%), representando a soma delas 74,07% dentro dessa categoria.
A figura 3 apresenta de forma visual as categorias de vulnerabilidade natural, por área (em hectare). Percebe-se claramente que a maior área corresponde á categoria Média. No entanto, a figura mostra que a área de estudo tende mais à
vulnerabilidade (categorias Alta e Muito alta) que a estabilidade (categorias Muito baixa e Baixa).
6.2 Vulnerabilidade Ambiental
O mapa de vulnerabilidade ambiental é apresentado na figura 4. Os dados numéricos, referentes à área e à porcentagem são apresentados na tabela 3.
148
0,00
51.866,65
130.122,50
49.148,74
33.626,47
0
10.000
20.000
30.000
40.000
50.000
60.000
70.000
80.000
90.000
100.000
110.000
120.000
130.000
140.000
Muito baixa Baixa Média Alta Muito alta
Categoria
Áre
a (h
ecta
re)
Fig. 3 – Categorias de vulnerabilidade natural, em hectare, do baixo curso do rio Piranhas-Assu (RN)
Fig. 4 – Vulnerabilidade ambiental do baixo curso do rio Piranhas-Assu (RN) .
A maior concentração de áreas dá-se nas categorias Muito baixa (30,89%), Baixa (33,38%) e Média (22,62%), que, somadas, representam 86,89%
da área total de estudo. Essa tendência pode ser melhor visualizado na figura 5.
Na categoria Muito baixa, o maior valor em superfície corresponde às áreas de relevo de topo plano
149
(formas tabulares), com cobertura vegetal de Caatinga Arbustiva Arbórea Aberta (61,91%) e de Caatinga Arbustiva aberta (15,37%) totalizando 77,28%.
Dentro da categoria Baixa a maior área que se destaca é a de Mata de Caatinga Arbustiva Arbórea Aberta (33,97%). Essas áreas, geralmente, são antropizadas, com vegetação original descaracterizada. TABELA 3 - VULNERABILIDADE AMBIENTAL, EM HECTARE E %, DO BAIXO CURSO DO RIO
PIRANHAS-ASSU (RN).
81.796,15
88.371,80
59.897,88
12.216,25
22.482,28
0
10.000
20.000
30.000
40.000
50.000
60.000
70.000
80.000
90.000
Muito baixa Baixa Média Alta Muito alta
Categoria
Áre
a (h
ecta
re)
Fig. 5 – Categorias de vulnerabilidade ambiental, em hectare, do baixo curso do rio Piranhas-Assu (RN).
A seguir destacam-se os Corpos d’água (17,83%) e a Mata de Carnaúba (17,57%). A Planície fluvio marinho também ganha destaque representando 12,30% desta categoria.
Dentre as classes da categoria Média as áreas de Pastagem apresentam maior percentual de ocorrência (34,14%). As classes Cultura Temporária e Cultura Temporária e Permanente, somadas, participam com 49,15% dentro dessa categoria. Assim, as atividades agropecuárias, juntas, correspondem a 83,29% da categoria Média. As áreas dedicadas às atividades agropecuárias estão localizadas nos relevos de topo plano, com diferentes ordens de grandeza e de aprofundamento de drenagem, separados geralmente por vales de fundos planos (formas tabulares), nos relevos de topo convexo, com diferentes ordens de grandeza e de aprofundamento de drenagem, separadospor vales em "V" e eventualmente por vales de fundos planos (formas convexas), nas superfícies planas elaboradas por processos de pediplanação, ocorrendo em diversos tipos de litologias (superfície pediplanada) e na planície e terraço fluvial.
Na categoria Alta as classes Cultura temporária, Poço de extração de petróleo e Pastagem são as que apresentam maior percentual de participação, 55,26%, 24,63% e 10,13%,
respectivamente. Juntas, elas somam 90,02% dentro dessa categoria.
As culturas temporárias da categoria Alta estão localizadas, principalmente, na Planície e Terraço Fluvial (área plana resultante da acumulação fluvial eventualmente sujeita a inundação periódicas, ligadas sem ruptura de declive a patamares mais elevados). Daí estarem categorizadas como áreas vulneráveis.
A categoria de vulnerabilidade ambiental Muito alta ocorre, principalmente, no estuário do rio Piranhas-Assu (planície de maré) e em algumas áreas de Planície e Terraço Fluvial. A maior atividade antrópica dentro desta categoria é a produção de camarão (33,86%), a produção de sal marinho (25,94%) e a cultura temporária (25,53%).
6.3 Geodiversidade
A tabela 4 apresenta os resultados dos diversos índices de geodiversidade calculados para esse trabalho. Observa-se que, dentro dos valores de Geodiversidade específica de cada parâmetro, em geral, todas apresentam valores semelhantes. Os valores de
Categoria Área (ha.) % Muito baixa 81.796,15 30,89
Baixa 88.371,80 33,38 Média 59.897,88 22,62 Alta 12.216,25 4,61
Muito alta 22.482,28 8,49 Total 264.764,36 100,00
150
geodiversidade específica da geologia variam de 2 a 17, seguido da geomorfologia, que varia de 1 a 16. Por último, a vegetação é a que apresenta valores menores de diversidade e menor amplitude, variando de 1 a 14.
A classe de solo SKS (GLEISSOLOS SÁLICOS sódicos) foi a que apresentou maior diversidade específica em todos os parâmetros considerados. Essa classe de solo ocorre, principalmente, no estuário do rio Piranhas-Assu, indicando que é essa região de maior diversidade de classes e, conseqüentemente, de ambientes, de ecossistemas e de nichos, o que é confirmado pela Geodiversidade múltipla posicional. Nesse último índice o segundo lugar corresponde ao tipo de solo AMd4 (NEOSSOLOS QUARTZARÊNICOS Marinhas órticos), de ocorrência em áreas de dunas fixas, dunas
móveis e planícies interdunares. Em terceiro lugar, em relação ainda ao índice de Geodiversidade múltipla, corresponde à classe Ae7 (NEOSSOLOS FLÚVICOS Ta eutróficos + PLANOSSOLO HÁPLICOS eutróficos), de ocorrência nas planícies fluviais da área de estudo.
Se considerarmos que, no nordeste brasileiro, um fator limitante da riqueza da flora e, conseqüentemente, da fauna, é a ausência de água, os resultados aqui obtidos são condizentes, já que os maiores valores de geodiversidade, especifica e múltipla, ocorrem em áreas com presença de água. Portanto, os índices de geodiversidade indicam de fato as áreas de maior biodiversidade na área de estudo desse trabalho.
TABELA 4 - ÍNDICES DE GEODIVERSIDADE ESPECÍFICA, GEODIVERSIDADE ESPECÍFICA POSICIONAL, GEODIVERSIDADE MÚLTIPLA, GEODIVERSIDADE MÚLTIPLA POSICIONAL, GEODIVERSIDADE
PONDERADA E DE GEODIVERSIDADE PONDERADA POSICIONAL, TENDO O SOLO COMO PARÂMETRO BASE DE ANÁLISE, PARA O BAIXO CURSO DO RIO PIRANHAS-ASSU, RN.
Solos Geologia Geomorfologia Vegetação Geodivers.
Múltipla Geodivers. Múltipla
Posicional Área (ha.)
Geodivers. Ponderada
Geodivers. Ponderada Posicional GE* GEP* GE GEP GE GEP
Ae7 7 2 8 3 6 3 21 2 43.532,71 4,82 16
AMd4 5 4 9 2 7 2 21 2 4.695,19 44,73 4
AQd4 6 3 4 6 4 5 14 6 7.171,06 19,52 5
Ce1 5 4 2 8 5 4 12 7 31.356,34 3,83 17
Ce4 5 4 2 8 3 6 10 8 20.032,39 4,99 15
Ce6 2 7 1 9 2 7 5 12 310,46 161,05 1
LAd11 6 3 6 4 6 3 18 3 22.435,50 8,02 13
LAd8 2 7 2 8 2 7 6 11 5.422,26 11,07 11
LVe1 6 3 4 6 5 4 15 5 18.126,21 8,28 12
LVe3 4 5 3 7 2 7 9 9 5.201,35 17,30 7
LVPe1 7 2 5 5 6 3 18 3 9.561,43 18,83 6
NC47 5 4 3 7 4 5 12 7 10.436,40 11,50 10
PE118 6 3 4 6 4 5 14 6 10.854,18 12,90 8
Re23 6 3 6 4 5 4 17 4 26.113,88 6,51 14
SKS 9 1 11 1 9 1 29 1 24.445,33 11,86 9
SS11 3 6 3 7 2 7 8 10 1.285,86 62,22 3
SS4 6 3 3 7 3 6 12 7 1.491,03 80,48 2 * GE: Geodiversidade Específica; GEP: Geodiversidade Específica Posicional
Para o caso do índice de Geodiversidade ponderada, onde a área de cada classe é considerada, a classe de solo/associação de solo que apresentou maior índice foi a Ce4 (CAMBISSOLOS HÁPLICOS Ta eutróficos). Esse tipo de solo ocorre, principalmente, em áreas de formas tabulares, com relevos de topo plano, com diferentes ordens de grandeza e de aprofundamento de drenagem, separados geralmente
por vales de fundos planos, com vegetação do tipo caatinga arbustiva arbórea aberta. Essa classe foi a que apresentou maior índice de Geodiversidade múltipla ponderada devido a ter alta Geodiversidade múltipla em uma área relativamente pequena quando comparada às áreas das outras classes. Segundo XAVIER-DA-SILVA et al. (2001) este indicador enfatiza a singularidade de feições com distribuição territorial
151
restrita, uma situação de óbvio interesse ecológico e de conservação ambiental, inclusive na delimitação de zonas merecedoras de estudo aprofundado e criação de áreas de manejo ambiental específico.
Dos resultados obtidos na tabela 4, foram extraídos os índices de Geodiversidade multipla e Geodiversidade ponderada para a elaboração dos respectivos mapas, que são mostrados nas figuras 6 e 7.
Fig. 6 – Geodiversidade multipla para o baixo curso do rio Piranhas-Assu (RN).
Foi observado que a classe SKS (GLEISSOLOS SÁLICOS sódicos) foi a de maior geodiversidade múltipla, já discutido anteriormente, e a classe Ce6 (CAMBISSOLOS HÁPLICOS Ta eutróficos + NEOSSOLOS REGOLÍTICOS eutróficos + CHERNOSSOLOS RÊNDZICOS saprolíticos) a de menor índice. Essa última classe está distribuída em superfícies pediplanadas, dentro da Formação Barreiras.
A classe Ce4 (CAMBISSOLOS HÁPLICOS Ta eutróficos) é a que apresenta maior geodiversidade múltipla podenrada e a classe Ce1 (CAMBISSOLOS HÁPLICOS Ta eutróficos + VERTISSOLOS CROMADOS órticos) a menor.
A tabela 5 mostra a matriz de correlações, elaborada a partir do coeficiente de Spearman para os
diversos parâmetros utilizados nesse trabalho. A maior correlação encontrada corresponde aos parâmetros geomorfologia e vegetação (0,87), indicando que ambos tem comportamento semelhante, para a geodiversidade, ao longo das diversas classes de solo/associação de solos. Isso significa que os graus de diversidade encontrados em geomorfologia e vegetação tendem a ser semelhantes, ao longo do parâmetro usado como base. Os parâmetros geologia e vegetação também apresentaram correlação, porém, menor (0,79). Já, a correlação entre a geologia e a geomorfologia mostra uma correlação um pouco menor que as anteriores (0,70%). A matriz mostra que todos os parâmetros tendem a ter comportamento semelhante ao longo das classes de solo/associação de solo.
152
Fig. 7 – Geodiversidade múltipla ponderada para o baixo curso do rio Piranhas-Assu (RN).
TABELA 5 – MATRIZ DE CORRELAÇÕES NÃO PARAMÉTRICAS. COEFICIENTE DE SPEARMAN.
7. CONCLUSÕES
Em relação à vulnerabilidade natural, o baixo curso do rio Piranhas-Assu (RN) apresenta mais áreas vulneráveis que estáveis, principalmente nas áreas das planícies e terraços fluviais e planícies fluvio marinhas. A categoria Média está distribuída principalmente nas áreas de formas tabulares (48,07%) e de superfície pediplanadas (21,05%), representando a soma delas 69,12% dentro dessa categoria.
A vulnerabilidade ambiental apresenta maior concentração de áreas nas categorias Muita baixa (30,89%) e Baixa (33,38%), que, somadas,
representam 64,27% da área total de estudo. Na categoria Muito alta as classes Carcinicultura, Salina evaporadora e Cultura temporária são as que apresentam maior percentual de participação, 33,86%, 25,94% e 25,53%, respectivamente. Juntas, elas somam 85,33% dentro dessa categoria. As culturas temporárias da categoria Alta estão localizadas principalmente na Planície e Terraço Fluvial. Daí estarem categorizadas como áreas vulneráveis. Já as atividades de produção de camarão e de sal estão localizadas dentro de áreas de manguezal e na Planície Fluvio Marinho. Essas áreas são altamente vulneráveis a qualquer atividade antrópica devido à interação das forças do mar e do continente, que estão em permanente equilíbrio.
O uso da metodologia proposta por XAVIER-DA-SILVA et al. (2001) mostra-se adequada à área de estudo desse trabalho, que é diferente ao tipo de ambiente testado pelos autores da metodologia. Cabe aqui mencionar sobre o cuidado que deve ser tomado ao se considerar o ambiente a ser estudado, pois, como no caso desse trabalho, o(s) fator(es) que influenciam na modelagem da paisagem não são os mesmos que moldam as paisagem de outras regiões do Brasil. Por isso, diferentemente dos autores da metodologia, adotou-se para o tipo de ambiente da área de estudo os
Geologia Geomorfologia Vegetação
Geologia 1,00 - -
Geomorfologia 0,70 1,00 -
Vegetação 0,79 0,87 1,00
153
solos e não as feições geomorfológicas como parâmetro base.
AGRADECIMENTOS
Os autores agradecem ao Programa de Pós-graduação em Geodinâmica e Geofísica da Universidade Federal do Rio Grande do Norte pela infraestrutura e por disponibilizar o Laboratório de Geoprocessamento (GEOPRO), ao Projeto PETRORISCO (Rede 05/01) – Monitoramento ambiental de áreas de risco a derrames de petróleo e seus derivados, ao Convênio de intercâmbio CAPES/DAAD/PROBAL nº 150/02 – Variações do nível do mar durante o Holoceno, entre Touros e Areia Branca (RN), Nordeste do Brasil e à CAPES pela bolsa de Doutoramento
REFERÊNCIAS BIBLIOGRÁFICAS
ARAÚJO, P. C.; RIEDEL, P. S.; BROLLO, M. J.; VEDOVELLO, R. Aplicação do método multicritério em sistemas de informação geográfica na escolha de locais para a disposição de resíduos sólidos no Município de Americana – SP. In: IX Congresso Brasileiro de Geologia de Engenharia, São Paulo, 1999. Anais. Artigo 30, CD-ROM. 1999.
BARBOSA, C. C. F. Álgebra de mapas e suas aplicações em Sensoriamento Remoto e Geoprocessamento. Dissertação de Mestrado, São Paulo, Instituto Nacional de Pesquisas Espaciais-INPE, 1997.
BARBOSA LANDIM, P. M. Análise estatística de dados geológicos. São Paulo: Fundação Editora da UNESP. pg 100-102, 2003.
CASTRO DA COSTA, T. C. et al. Vulnerabilidade ambiental em sub-bacias hidrográficas do Estado do Rio de Janeiro por meio de integração temática da perda de solo (USLE), variáveis morfométricas e o uso/cobertura da terra. In.: XIII Simpósio Brasileiro de Sensoriamento Remoto. Florianópolis, 2007. Anais. p. 2493-2500. 2007
DELGADO VILLASMIL, J. R. Hacia una planificación urbana para la reducción de riesgos ambientales: Vulnerabilidad urbana del área metropolitana de Caracas. La ciudad en ciernes. Disponível em <http://www.derechoalaciudad.org/experiencias/ horizonte/referencia_39_2.htm>. Acesso 03 setembro 2007.
IDEMA. Diagnóstico e vulnerabilidade ambiental dos estuários do litoral norte e seus entornos. Instituto de Desenvolvimento Econômico e Meio Ambiente - IDEMA. Projeto de Zoneamento Ecológico-Econômico dos estuários do Estado do Rio Grande do Norte e dos
seus entornos, SUGERCO/IDEMA. Relatório Final. Natal, 2002.
INTER-AMERICAN DEVELOPMENT BANK. Cooperación Regional para Reducir la Vulnerabilidad Ambiental y Promover el Desarrollo Sostenible en Centroamérica. CCAD/SICA-DGMA - PNUD/PNUMA/CEPAL - Banco Mundial. Estocolmo, Suécia. Maio 1999. Disponível em <http://www.iadb.org/regions/re2/ consultative_group/groups/ecology_workshop_5esp.htm>. Acesso em 05 setembro 2007.
LAZZERINI, F. T. Geodiversidade. Disponível em <http://www.aguasdesaopedro.com/goto/store/textos.aspx?SID=a76ab28692f9b4c58e8265fafff4c20b&id=22>. 2005. Acessado em 07/10/2007.
MOTTA, M. da; SASSAGAWA, H. S. Y.; MEDEIROS, J. S. de. Integração de dados ambientais através de álgebra de mapas. Caso de estudo: geração da vulnerabilidade ambiental do município de Assis Brasil - Acre. 1999. Disponível em <www.dpi.inpe.br>. Acesso em 28 setembro 2002.
SILVEIRA, I. M. da. Estudo evolutivo das condições ambientais da região costeira do Município de Guamaré-RN. Dissertação de Mestrado, Natal, PPGG, UFRN, 2002.
SILVEIRA, I. M. da.; VITAL, H; AMARO, V. E. Evolução costeira da região de Guamaré-RN. In.: Congresso da ABEQUA, Imbé, 2001. Boletim de Resumos. p. 545-546. 2001.
SPELLERBERG, I. F. Ecológica/ Evaluationfor Conservation. The Institute of Biology's Studies in Biology n. 133. Londres, Edward Anold (Publishers) Limited, 1981. 60p.
TAGLIANI, C. R. A. Técnica para avaliação da vulnerabilidade ambiental de ambientes costeiros utilizando um Sistema Geográfico de Informação. Galeria de artigos acadêmicos. 2002. Disponível em <www.fatorgis.com.br>. Acesso em 08 janeiro 2003.
TRICART, J. Ecodinâmica. Rio de Janeiro, IBGE/SUPREN, 1977. 91p.
VEIGA, A. T. C. A geodiversidade e o uso dos recursos minerais da Amazônia. Terra das Águas, v. 1, NEAz/UnB, Brasília. p. 88-102. 1999.
VEIGA, A. T. C. Breve história geológica de Goiás. In: Bertran, P. (ed.). Goiás – 1722/2002. Agência Goiana de Cultura. Goiânia, p. 18-22. 2002.
XAVIER-DA-SILVA, J. et al. Índices de geodiversidade: aplicações de SGI em estudos de biodiversidade. In: GARAY, I.; DIAS, B. F. S. (Orgs.).
154
Conservação da biodiversidade em ecossistemas tropicais: avanços conceituais e revisão novas metodologias de avaliação e monitoramento. Rio de Janeiro, Vozes, 2001. p. 299-316.
CAPÍTULO 5
SIMULAÇÃO DA PAISAGEM
5.1 INTRODUÇÃO
O software DINAMICA EGO (Environment for Geoprocessing Objects)
(SOARES-FILHO et al, 2007) foi a ferramenta utilizada neste estudo, conforme já
foi mencionado nos procedimentos metodológicos, para o desenvolvimento e
execução do modelo de simulação espacial, baseado em autômatos celulares.
O software DINAMICA EGO utiliza para a entrada de dados um conjunto de
mapas. Nesse estudo, o mapa de entrada utilizado foi o uso e ocupação do solo de
2004, sendo este, o mapa de paisagem inicial. O primeiro passo para a geração do
modelo de simulação foi a elaboração da Matriz de Transição, seguido da
determinação dos Pesos de Evidência.
A calibração e validação do modelo envolveu a correlação dos Pesos de
Evidência, a geração dos mapas de probabilidade da paisagem e o cálculo da
similaridade entre mapas.
A geração, análise e avaliação dos mapas de cenários futuros foi o momento
de execução do modelo, que gerou os mapas dos cenários futuros, encerrando com
isso a simulação em si.
5.2 ENTRADA DE DADOS
Para a geração da Matriz de Transição foram utilizados os layers uso1988,
uso1998, uso2001 e uso2004. O software opera cruzando inicialmente os anos 1988
e 1998, o que gera a matriz 1988-1998. Posteriormente, gera-se a matriz 1998-2001
e, finalmente, a matriz 2001-2004. Cada par de dados gera duas matrizes, sendo
estas a Matriz Simples e a Matriz Múltipla, porém considera-se a última.
156
As matrizes de transição das variáveis escolhidas, para os pares de anos
1988-1998, 1998-2001 e 2001-2004, são apresentadas na Tabela 5.1. As cores
representam o tipo de transição que, para efeito de visualização, agruparam-se da
seguinte maneira: quando houve mudança de atividade agrícola para pecuária, e
vice-versa, designou-se como Permanência da Atividade Agropecuária; quando
houve abandono da área, pela desistência de atividade antrópica, e iniciou-se o
processo de recuperação da vegetação, chamou-se de Progressão da Cobertura
Vegetal; quando áreas com vegetação foram desmatadas e, iniciou-se algum tipo de
atividade antrópica, designou-se como Regressão da Cobertura Vegetal.
Tabela 5.1 – Matrizes de transição da área de estudo, para os pares de anos 1988-1998, 1998-2001 e 2001-2004.
1988-1998 Atividade Agrícola
Atividade Industrial
Atividade Pecuária
Vegetação Caatinga
Atividade Agrícola xxxx - 0,0280135 0,0179921 Atividade Industrial - xxxx - - Atividade Pecuária 0,0349527 - xxxx 0,1219170 Vegetação Caatinga 0,0129249 0,0000102 0,0043381 xxxx
1998-2001 Atividade Agrícola
Atividade Industrial
Atividade Pecuária
Vegetação Caatinga
Atividade Agrícola xxxx - 0,0356389 0,0390812 Atividade Industrial - xxxx - - Atividade Pecuária 0,2610048 - xxxx 0,0883666 Vegetação Caatinga 0,0090232 0,0002993 0,0276989 xxxx
2001-2004 Atividade Agrícola
Atividade Industrial
Atividade Pecuária
Vegetação Caatinga
Atividade Agrícola xxxx - 0,0384882 0,0421793 Atividade Industrial - xxxx - - Atividade Pecuária 0,0485395 - xxxx 0,1132822 Vegetação Caatinga 0,0174757 0,0021483 0,0298935 xxxx
Permanência da atividade agropecuária
Progressão da cobertura vegetal
Regressão da cobertura vegetal
Para melhor visualização dos dados apresentados pelas matrizes de
transição, elaborou-se a Tabela 5.2. Em uma análise sistêmica, percebe-se que o
período 1988-1998 apresentou uma dinâmica diuturna da paisagem, aumentando
157
progressivamente com o passar do tempo. O último período considerado, 2001-
2004, apresentou maiores valores de transição, o que representa uma maior
dinâmica da paisagem da área em estudo. O programa de simulação utiliza apenas
os dados de uma matriz para executar o modelo, que é escolhida conforme os
valores apresentados pelas matrizes de transição. Geralmente, corresponde ao
último par de anos considerado, que foi o caso deste trabalho.
Tabela 5.2 – Resultado das matrizes de transição, discriminado por transição para cada par de anos.
Ativ. Agrícola /
Ativ. Pecuária
Ativ. Agrícola /
Veg. Caatinga
Ativ. Pecuária /
Ativ. Agrícola
Ativ. Pecuária /
Veg. Caatinga
Veg. Caatinga /
Ativ. Agrícola
Veg. Caatinga /
Ativ. Industrial
Veg. Caatinga /
Ativ. Pecuária
1988-1998 0,0280135 0,0179921 0,0349527 0,1219170 0,0129249 0,0000102 0,0043381
1998-2001 0,0356389 0,0390812 0,2610048 0,0883666 0,0090232 0,0002993 0,0276989
2001-2004 0,0384882 0,0421793 0,0485395 0,1132822 0,0174757 0,0021483 0,0298935
Dos mapas de entrada, conforme Tabela 3.8 do Capítulo 3, subitem 3.3.6.1
foram calculados os valores de pesos de evidência para cada transição, definida pela
matriz de transição, momento no qual se estabeleceram critérios de restrição ou
favorecimento à transição avaliada. Ainda, para a validade dos pesos de evidência
fez-se necessário assumir que os pares de mapas analisados pelo modelo foram
espacialmente independentes. O programa DINAMICA EGO utilizou-se de dois
testes estatísticos: Coeficiente de Crammer (V) e Incerteza de Informação Conjunta
(U), apresentados nas tabelas 5.3a a 5.3g.
Transição
Anos
158
Tabela 5.3a – Correlação entre variáveis independentes, pelo Coeficiente de Crammer (V) e Incerteza de Informação Conjunta (U), entre os anos 2001 e 2004, para a transição Atividade Agrícola - Atividade Pecuária.
VARIÁVEL A VARIÁVEL B CRAMMER (V) INCERTEZA (U)
distance_cidades/layer_0
distance_d_perm/layer_0 0.238008 0.36802 distance_estradas/layer_0 0.209488 0.413618 distance_uso01/distance_to_5 0.179287 0.355894 estatist_var1/Geodiversidade 0.286158 0.454845 estatist_var1/Vulnerabilidade 0.443719 0.477248 estatist_var2/MDT 0.189639 0.380933 estatist_var2/SLOPE 0.486351 0.44629
distance_d_perm/layer_0
distance_estradas/layer_0 0.219656 0.38435 distance_uso01/distance_to_5 0.217667 0.327172 estatist_var1/Geodiversidade 0.284168 0.482713 estatist_var1/Vulnerabilidade 0.415958 0.496071 estatist_var2/MDT 0.248551 0.422087 estatist_var2/SLOPE 0.481853 0.543204
distance_estradas/layer_0
distance_uso01/distance_to_5 0.209038 0.391528 estatist_var1/Geodiversidade 0.280176 0.476031 estatist_var1/Vulnerabilidade 0.460524 0.511409 estatist_var2/MDT 0.207672 0.40545 estatist_var2/SLOPE 0.476101 0.493698
distance_uso01/distance_to_6
estatist_var1/Geodiversidade 0.324088 0.47747 estatist_var1/Vulnerabilidade 0.44854 0.459483 estatist_var2/MDT 0.176859 0.379306 estatist_var2/SLOPE 0.469359 0.420298
estatist_var1/Geodiversidade estatist_var1/Vulnerabilidade 0.743024 0.655141 estatist_var2/MDT 0.35016 0.541144 estatist_var2/SLOPE 0.540962 0.54935
estatist_var1/Vulnerabilidade estatist_var2/MDT 0.486032 0.510213 estatist_var2/SLOPE 0.51486 0.628794
estatist_var2/MDT estatist_var2/SLOPE 0.512764 0.512403
Tabela 5.3b – Correlação entre variáveis independentes, pelo Coeficiente de Crammer (V) e Incerteza de Informação Conjunta (U), entre os anos 2001 e 2004, para a transição Atividade Agrícola – Vegetação Caatinga.
VARIÁVEL 1 VARIÁVEL 2 CRAMMER (V) INCERTEZA (U)
distance_cidades/layer_0
distance_d_perm/layer_0 0.381768 0.424994 distance_estradas/layer_0 0.572302 0.573049 distance_uso01/distance_to_6 0.24334 0.233671 estatist_var1/Geodiversidade 0.285016 0.485557 estatist_var1/Vulnerabilidade 0.439809 0.515801 estatist_var2/MDT 0.20043 0.461625 estatist_var2/SLOPE 0.48351 0.487655
distance_d_perm/layer_0
distance_estradas/layer_0 0.51815 0.57909 distance_uso01/distance_to_6 0.246436 0.190073 estatist_var1/Geodiversidade 0.459703 0.511588 estatist_var1/Vulnerabilidade 0.415124 0.554437 estatist_var2/MDT 0.419806 0.479384 estatist_var2/SLOPE 0.480288 0.620593
distance_estradas/layer_0
distance_uso01/distance_to_6 0.388267 0.309889 estatist_var1/Geodiversidade 0.601761 0.55596 estatist_var1/Vulnerabilidade 0.595949 0.659299 estatist_var2/MDT 0.579206 0.570142 estatist_var2/SLOPE 0.543354 0.679288
distance_uso01/distance_to_6
estatist_var1/Geodiversidade 0.394812 0.325537 estatist_var1/Vulnerabilidade 0.466095 0.364941 estatist_var2/MDT 0.315392 0.290017 estatist_var2/SLOPE 0.316868 0.250637
estatist_var1/Geodiversidade estatist_var1/Vulnerabilidade 0.743024 0.655141 estatist_var2/MDT 0.36643 0.587541 estatist_var2/SLOPE 0.540962 0.54935
estatist_var1/Vulnerabilidade estatist_var2/MDT 0.537282 0.569377 estatist_var2/SLOPE 0.51486 0.628794
estatist_var2/MDT estatist_var2/SLOPE 0.516658 0.538585
159
Tabela 5.3c – Correlação entre variáveis independentes, pelo Coeficiente de Crammer (V) e Incerteza de Informação Conjunta (U), entre os anos 2001 e 2004, para a transição Atividade Pecuária - Atividade Agrícola.
VARIÁVEL 1 VARIÁVEL 2 CRAMMER (V) INCERTEZA (U)
distance_cidades/layer_0
distance_d_perm/layer_0 0.157944 0.269651 distance_estradas/layer_0 0.267025 0.370911 distance_uso01/distance_to_3 0.261852 0.2751 estatist_var1/Geodiversidade 0.277061 0.402955 estatist_var1/Vulnerabilidade 0.427761 0.418262 estatist_var2/MDT 0.170305 0.283235 estatist_var2/SLOPE 0.325508 0.402656
distance_d_perm/layer_0
distance_estradas/layer_0 0.239752 0.330054 distance_uso01/distance_to_3 0.223761 0.214215 estatist_var1/Geodiversidade 0.270104 0.409333 estatist_var1/Vulnerabilidade 0.400629 0.408529 estatist_var2/MDT 0.176568 0.339356 estatist_var2/SLOPE 0.32538 0.475399
distance_estradas/layer_0
distance_uso01/distance_to_3 0.293222 0.370874 estatist_var1/Geodiversidade 0.323473 0.488751 estatist_var1/Vulnerabilidade 0.455892 0.526785 estatist_var2/MDT 0.251451 0.351857 estatist_var2/SLOPE 0.3357 0.552082
distance_uso01/distance_to_3
estatist_var1/Geodiversidade 0.362831 0.416711 estatist_var1/Vulnerabilidade 0.43959 0.440483 estatist_var2/MDT 0.250377 0.259127 estatist_var2/SLOPE 0.27695 0.391726
estatist_var1/Geodiversidade estatist_var1/Vulnerabilidade 0.743024 0.655141 estatist_var2/MDT 0.321476 0.482865 estatist_var2/SLOPE 0.363519 0.570025
estatist_var1/Vulnerabilidade estatist_var2/MDT 0.442838 0.445398 estatist_var2/SLOPE 0.409027 0.672311
estatist_var2/MDT estatist_var2/SLOPE 0.333849 0.481755
Tabela 5.3d – Correlação entre variáveis independentes, pelo Coeficiente de Crammer (V) e Incerteza de Informação Conjunta (U), entre os anos 2001 e 2004, para a transição Atividade Pecuária – Vegetação Caatinga.
VARIÁVEL 1 VARIÁVEL 2 CRAMMER (V) INCERTEZA (U)
distance_cidades/layer_0
distance_d_perm/layer_0 0.205442 0.291328 distance_estradas/layer_0 0.288461 0.366239 distance_uso01/distance_to_6 0.204256 0.169271 estatist_var1/Geodiversidade 0.280495 0.406793 estatist_var1/Vulnerabilidade 0.427982 0.421548 estatist_var2/MDT 0.164561 0.293083 estatist_var2/SLOPE 0.419681 0.370988
distance_d_perm/layer_0
distance_estradas/layer_0 0.256051 0.348024 distance_uso01/distance_to_6 0.159072 0.127892 estatist_var1/Geodiversidade 0.263713 0.435114 estatist_var1/Vulnerabilidade 0.400564 0.445659 estatist_var2/MDT 0.212959 0.37618 estatist_var2/SLOPE 0.412889 0.468466
distance_estradas/layer_0
distance_uso01/distance_to_6 0.21881 0.224446 estatist_var1/Geodiversidade 0.347124 0.476175 estatist_var1/Vulnerabilidade 0.455188 0.513294 estatist_var2/MDT 0.270332 0.351998 estatist_var2/SLOPE 0.425823 0.476049
distance_uso01/distance_to_6
estatist_var1/Geodiversidade 0.320485 0.31588 estatist_var1/Vulnerabilidade 0.435099 0.346506 estatist_var2/MDT 0.183979 0.149649 estatist_var2/SLOPE 0.278697 0.224012
estatist_var1/Geodiversidade estatist_var1/Vulnerabilidade 0.743024 0.655141 estatist_var2/MDT 0.321614 0.494989 estatist_var2/SLOPE 0.493923 0.533705
estatist_var1/Vulnerabilidade estatist_var2/MDT 0.44293 0.458284 estatist_var2/SLOPE 0.461028 0.600843
estatist_var2/MDT estatist_var2/SLOPE 0.445581 0.465398
160
Tabela 5.3e – Correlação entre variáveis independentes, pelo Coeficiente de Crammer (V) e Incerteza de Informação Conjunta (U), entre os anos 2001 e 2004, para a transição vegetação Caatinga - Atividade Agrícola.
VARIÁVEL 1 VARIÁVEL 2 CRAMMER (V) INCERTEZA (U)
distance_cidades/layer_0
distance_d_perm/layer_0 0.207318 0.390525 distance_estradas/layer_0 0.25724 0.46287 distance_uso01/distance_to_3 0.212327 0.325896 estatist_var1/Geodiversidade 0.283594 0.48675 estatist_var1/Vulnerabilidade 0.442546 0.516769 estatist_var2/MDT 0.221197 0.48742 estatist_var2/SLOPE 0.47759 0.53513
distance_d_perm/layer_0
distance_estradas/layer_0 0.232568 0.392977 distance_uso01/distance_to_3 0.194057 0.266682 estatist_var1/Geodiversidade 0.277417 0.473046 estatist_var1/Vulnerabilidade 0.415558 0.483711 estatist_var2/MDT 0.208613 0.454209 estatist_var2/SLOPE 0.479693 0.58725
distance_estradas/layer_0
distance_uso01/distance_to_3 0.24442 0.367472 estatist_var1/Geodiversidade 0.296004 0.48937 estatist_var1/Vulnerabilidade 0.448755 0.532981 estatist_var2/MDT 0.271939 0.505556 estatist_var2/SLOPE 0.472482 0.579177
distance_uso01/distance_to_3
estatist_var1/Geodiversidade 0.326884 0.421257 estatist_var1/Vulnerabilidade 0.505049 0.440651 estatist_var2/MDT 0.269391 0.408053 estatist_var2/SLOPE 0.400364 0.404738
estatist_var1/Geodiversidade estatist_var1/Vulnerabilidade 0.743024 0.655141 estatist_var2/MDT 0.362274 0.613269 estatist_var2/SLOPE 0.501653 0.578908
estatist_var1/Vulnerabilidade estatist_var2/MDT 0.531104 0.601712 estatist_var2/SLOPE 0.499362 0.69256
estatist_var2/MDT estatist_var2/SLOPE 0.485758 0.614523
Tabela 5.3f – Correlação entre variáveis independentes, pelo Coeficiente de Crammer (V) e Incerteza de Informação Conjunta (U), entre os anos 2001 e 2004, para a transição vegetação Caatinga - Atividade Industrial.
VARIÁVEL 1 VARIÁVEL 2 CRAMMER (V) INCERTEZA (U)
distance_cidades/layer_0
distance_d_perm/layer_0 0.261179 0.32594 distance_estradas/layer_0 0.17238 0.375774 distance_uso01/distance_to_4 0.197945 0.377628 estatist_var1/Geodiversidade 0.28546 0.445832 estatist_var1/Vulnerabilidade 0.443661 0.466077 estatist_var2/MDT 0.222061 0.423251 estatist_var2/SLOPE 0.294242 0.40408
distance_d_perm/layer_0
distance_estradas/layer_0 0.239254 0.314795 distance_uso01/distance_to_4 0.238662 0.319318 estatist_var1/Geodiversidade 0.31024 0.438054 estatist_var1/Vulnerabilidade 0.397027 0.443334 estatist_var2/MDT 0.267755 0.401862 estatist_var2/SLOPE 0.279734 0.446403
distance_estradas/layer_0
distance_uso01/distance_to_4 0.17588 0.357341 estatist_var1/Geodiversidade 0.28292 0.439672 estatist_var1/Vulnerabilidade 0.462931 0.465402 estatist_var2/MDT 0.225931 0.42329 estatist_var2/SLOPE 0.289227 0.411417
distance_uso01/distance_to_4
estatist_var1/Geodiversidade 0.297259 0.483867 estatist_var1/Vulnerabilidade 0.422253 0.483392 estatist_var2/MDT 0.220708 0.440369 estatist_var2/SLOPE 0.285221 0.403045
estatist_var1/Geodiversidade estatist_var1/Vulnerabilidade 0.743024 0.655141 estatist_var2/MDT 0.363552 0.590312 estatist_var2/SLOPE 0.338013 0.515961
estatist_var1/Vulnerabilidade estatist_var2/MDT 0.531624 0.571163 estatist_var2/SLOPE 0.421396 0.573869
estatist_var2/MDT estatist_var2/SLOPE 0.312969 0.500181
161
Tabela 5.3g – Correlação entre variáveis independentes, pelo Coeficiente de Crammer (V) e Incerteza de Informação Conjunta (U), entre os anos 2001 e 2004, para a transição Vegetação Caatinga - Atividade Pecuária.
VARIÁVEL 1 VARIÁVEL 2 CRAMMER (V) INCERTEZA (U)
distance_cidades/layer_0
distance_d_perm/layer_0 0.266557 0.406217 distance_estradas/layer_0 0.322236 0.508323 distance_uso01/distance_to_5 0.188839 0.403021 estatist_var1/Geodiversidade 0.281623 0.482276 estatist_var1/Vulnerabilidade 0.43527 0.514865 estatist_var2/MDT 0.29258 0.500544 estatist_var2/SLOPE 0.473694 0.536792
distance_d_perm/layer_0
distance_estradas/layer_0 0.289522 0.455126 distance_uso01/distance_to_5 0.244557 0.358448 estatist_var1/Geodiversidade 0.317767 0.490766 estatist_var1/Vulnerabilidade 0.416142 0.51197 estatist_var2/MDT 0.286849 0.492944 estatist_var2/SLOPE 0.479668 0.632343
distance_estradas/layer_0
distance_uso01/distance_to_5 0.330941 0.476057 estatist_var1/Geodiversidade 0.371704 0.528742 estatist_var1/Vulnerabilidade 0.451421 0.588948 estatist_var2/MDT 0.339976 0.573957 estatist_var2/SLOPE 0.472694 0.658078
distance_uso01/distance_to_5
estatist_var1/Geodiversidade 0.299728 0.496065 estatist_var1/Vulnerabilidade 0.439829 0.487667 estatist_var2/MDT 0.311159 0.491472 estatist_var2/SLOPE 0.456433 0.494111
estatist_var1/Geodiversidade estatist_var1/Vulnerabilidade 0.743024 0.655141 estatist_var2/MDT 0.425814 0.623028 estatist_var2/SLOPE 0.501653 0.578908
estatist_var1/Vulnerabilidade estatist_var2/MDT 0.531778 0.62241 estatist_var2/SLOPE 0.499362 0.69256
estatist_var2/MDT estatist_var2/SLOPE 0.486466 0.646379
Assim, foram determinadas as variáveis já apresentadas nas Tabelas 5.3a a
5.3g, as quais são apresentadas na Figura 5.1.
A fase de calibração do modelo, que envolveu duas etapas – uma de análise
visual comparativa e outra de ajuste dos parâmetros internos do programa –, teve
como resultado oito mapas para cada passagem de ano, no período considerado
(2001-2004), isto é, oito mapas para 2002, oito mapas para 2003 e oito mapas para
2004, totalizando 24 mapas. Destes oito mapas por passagem de ano, um
corresponde à paisagem simulada e os restantes referem-se aos mapas de
probabilidade para cada transição envolvida. Destes últimos, realizou-se a
comparação visual entre os mapas de probabilidade de transição Pesos de Evidência
(esperado) e mapas de transição de uso e ocupação do solo (observado) (Figura
5.2a, 5.2b e 5.2c). O mapa da paisagem final simulada, para o ano de 2004, foi
utilizado para o cálculo do índice de similaridade entre mapas, através da técnica
Fuzzy.
162
a) b)
c) d)
e) f)
g) h)
Figura 5.1 – Variáveis independentes utilizadas para a simulação da paisagem do baixo curso do rio Pirnahas-Assu, RN: a) distâncias a cidades; b) distâncias a drenagem permanente; c) distâncias a estradas; d) modelo digital de elevação; e) Declividade; f) paisagem inicial – uso 2004; g) geodiversidade múltipla ponderada; h) vulnerabilidade ambiental.
163
Mapa de probabilidade de transição Pesos de Evidência (esperado)
Mapa de transição de uso e ocupação do solo (observado)
Legenda: P = 0 probabilidade nula
P = 1 probabilidade máxima
Figura 5.2a – Mapas de probabilidade de transição Pesos de Evidência (esperado) e mapas de transição de uso e ocupação do solo (observado).
Áreas onde ocorreu transição de uso
Áreas onde não ocorreram transições de uso
Áreas não consideradas na análise de transição
Ati
vida
de A
gric
ultu
ra –
Ati
vida
de P
ecuá
ria
Ati
vida
de A
gric
ultu
ra –
Veg
etaç
ão C
aati
nga
164
Mapa de probabilidade de transição Pesos de Evidência (esperado)
Mapa de transição de uso e ocupação do solo (observado)
Legenda: P = 0 probabilidade nula
P = 1 probabilidade máxima
Figura 5.2b – Mapas de probabilidade de transição Pesos de Evidência (esperado) e mapas de transição de uso e ocupação do solo (observado).
Áreas onde ocorreu transição de uso
Áreas onde não ocorreram transições de uso
Áreas não consideradas na análise de transição
Ati
vida
de P
ecuá
ria
- A
tivi
dade
Agr
icul
tura
A
tivi
dade
Pec
uári
a -
Veg
etaç
ão C
aati
nga
165
Mapa de probabilidade de transição Pesos de Evidência (esperado)
Mapa de transição de uso e ocupação do solo (observado)
Legenda: P = 0 probabilidade nula
P = 1 probabilidade máxima
Figura 5.2c – Mapas de probabilidade de transição Pesos de Evidência (esperado) e mapas de transição de uso e ocupação do solo (observado).
Áreas onde ocorreu transição de uso
Áreas onde não ocorreram transições de uso
Áreas não consideradas na análise de transição
Veg
etaç
ão C
aati
nga
- A
tivi
dade
Agr
icul
tura
V
eget
ação
Caa
ting
a -
Ati
vida
de I
ndus
tria
l V
eget
ação
Caa
ting
a -
Ati
vida
de P
ecuá
ria
166
A validação do modelo consistiu na comparação dos resultados gerados com
dados reais. O mapa da paisagem final simulada, para o ano de 2004, é
estatisticamente comparado com o mapa de uso e ocupação do solo do mesmo ano,
através do cálculo do índice de similaridade entre mapas.
Os melhores valores do índice de similaridade entre mapas, para a simulação
futura da paisagem, foram os correspondentes à janela de amostragem 11x11
(Tabela 3.15, do Capítulo 3, subitem 3.3.6.8), porém, na simulação realizada para
diversos tamanhos de janela, verificou-se que o melhor resultado visual
correspondeu à janela de amostragem 3x3.
Os mapas de uso e ocupação do solo para o ano 2004 (observado) e os mapas
de paisagem para o ano 2004 (esperado), referentes a diferentes tamanhos de janela,
gerados durante a calibração, são apresentados na Figura 5.3. Nela, pode-se
visualizar que o mapa simulado com tamanho de janela 3x3 é o que apresentou
maior semelhança com o mapa de uso e ocupação do solo observado.
Apesar do índice de similaridade entre mapas Fuzzy indicar que o mapa
analisado, com tamanho de janela 11x11, apresentou maior similaridade com o
mapa observado, percebe-se visualmente que não o é. O mapa com tamanho de
janela 3x3 foi o que apresentou maior similaridade e congruência com o mapa
observado. Por outro lado, excetuando o tamanho de janela 1x1, todos os outros
mapas estão validados pelo índice Fuzzy, o que sugere que além desses índices deve
ser levada em consideração a análise visual dos mapas gerados. Portanto, faz-se
necessário gerar mapas com diferentes tamanhos de janela antes de se determinar a
validação do mapa correto.
5.3. SIMULAÇÃO DA PAISAGEM
Nesta fase final, a simulação teve início no ano 2004 e culminou no ano de
2024, isto é, durante o período de 20 anos. Para fins de análise, levaram-se em
consideração períodos de cinco anos. Dessa maneira, destacaram-se os mapas de
simulação correspondentes aos anos de 2009, 2014, 2019 e 2024.
167
Uso e ocupação do solo ano 2004 (observado)
Uso e ocupação do solo ano 2004 (esperado)
Figura 5.3 - Diferentes tamanhos de janela, gerados durante a calibração.
Janela 3x3
Janela 5x5
Janela 7x7 Janela 11x11
168
Na figura 5.4a, 5.4b, 5.4c, 5.4d e 5.4e, são apresentados os resultados do
modelo da simulação da paisagem do baixo curso do rio Piranhas-Assu, RN, do
período de 2004 a 2024. Na figura, visualizam-se os mapas gerados pelo programa,
ano a ano, destacando-se, em tamanho maior, os cenários correspondentes aos anos
que foram utilizados para análises da evolução da paisagem.
Por ser tratado como um sistema complexo – dinâmico, histórico e ativo –,
estabelece-se, aqui, a relação com a Teoria do Caos, que conforme Oliveira (2007),
“diferenças minúsculas na configuração inicial escolhida para a evolução de um
sistema dinâmico podem conduzir a estados finais vastamente distintos, o que
implica que, a longo prazo, o comportamento do sistema se torna rigorosamente
impredizível – ou “caótico”. Daí a importância da escolha das variáveis para
“moldar” o sistema, portanto, as simulações aqui apresentadas refletem uma
realidade futura com base na realidade atual, fundamentada na realidade histórica.
Em outras palavras: o prognóstico da evolução da paisagem, neste caso para o baixo
curso do rio Piranhas-Assu, (RN), fundamenta-se em probabilidades, com base na
análise de tendências da evolução histórica da região em foco. Por outro lado,
quanto mais distante no tempo mais impredizível é o sistema, por isso não se trata
de fazer projeções futuras a longo prazo, mas sim a curto ou médio prazo
reavaliando o sistema.
Cabe lembrar também que as paisagens simuladas podem sofrer alterações
significativas por eventos que venham a ocorrer em um futuro, como por exemplo,
políticas públicas que subsidiem alguma cultura agrícola em particular, mudanças
macro e microeconômicas, entre outras não previsíveis. Entretanto, com a
atualização do banco de dados, inclusas as novas variáveis, é possível realizar
simulações futuras dessa nova realidade, caracterizando assim o processo como
dinâmico, passível de receber a impressão de novos fatores, variáveis e realidades
que afetam a realidade futura. Inclusive, essa é umas das características mais fortes
dos sistemas complexos, a percepção da dinâmica temporal e, principalmente, à
capacidade de receber novas informações e incorporá-las ao sistema.
169
Paisagem inicial - ano 2004
Figura 5.4a – Evolução da paisagem do baixo curso do rio Piranhas-Assu, RN, do período de 2004 a 2024.
2006
2007 2008
2005
170
Ano 2009
Figura 5.4b – Evolução da paisagem do baixo curso do rio Piranhas-Assu, RN, do período de 2004 a 2024.
2011
2012 2013
2010
171
Ano 2014
Figura 5.4c – Evolução da paisagem do baixo curso do rio Piranhas-Assu, RN, do período de 2004 a 2024.
2016
2017 2018
2015
172
Ano 2019
Figura 5.4d – Evolução da paisagem do baixo curso do rio Piranhas-Assu, RN, do período de 2004 a 2024.
2021
2022 2023
2020
173
Ano 2024
LEGENDA: Aglomerado Humano Atividade Pecuária Vegetação de Mangue Área solo exposto Vegetação de Caatinga Oceano Atividade Agrícola Vegetação de Carnaúba Vegetação Rasteira Atividade Industrial Drenagem permanente Zona Úmida
Figura 5.4e – Evolução da paisagem do baixo curso do rio Piranhas-Assu, RN, do período de 2004 a 2024.
174
Essa avaliação contínua e a retro-alimentação do sistema com novas
variáveis e/ou com variáveis modificadas acabam conformando um ciclo contínuo,
que fornece novas e diversas realidades a cada rodada, tendo sempre como
parâmetro principal a temporalidade. Não o tempo no sentido newtoniano,
reducionista e linear, por que para o sistema complexo importa mais o passar do
tempo, por ser dinâmico e ativo, que propriamente o tempo. Para fins de atender a
objetivos específicos e à própria percepção humana é que se estabelecem recortes
de tempo e se executa o modelo, na sua temporalidade, de maneira linear.
Segundo Oliveira (2007), os sistemas complexos são caracterizados por uma
mediação – realizada pela hierarquia de modos de organização – entre o todo (o
sistema) e a parte (os elementos); assim, as ações que exercem e sofrem sobre e a
partir do meio externo, esses sistemas podem auto-afetar-se, ou seja, seu
comportamento pode alterar sua própria estrutura e remodelar sua própria evolução.
Aplicado a este trabalho, que se baseia no conceito de autômatos celulares, tem-se
que cada célula do sistema é influenciada pela vizinhança, assim como ela mesma
influencia as outras. Então, a cada passar do tempo, as configurações espaciais se
modificam, gerando um novo estado do sistema, que servirá de base para avaliação
das inter-relações de vizinhança no passar de tempo seguinte que, por sua vez,
originará um novo estado que servirá de base para o outro passo de tempo, e assim
por diante, até finalizar o recorte de tempo estabelecido.
Diante das discussões anteriormente expostas, pode-se afirmar que os
cenários simulados não necessariamente retratam fielmente a realidade futura, mas
sim, refletem a probabilidade de um estado futuro. Portanto, os mapas da paisagem
apresentados são extremamente úteis como referência, como mais um instrumento,
para a análise de tendências da paisagem, não se descartando outros parâmetros para
tal finalidade. Assume-se essa abordagem no capitulo seguinte.
CAPÍTULO 6
ANÁLISE DE TENDÊNCIA DA PAISAGEM
6.1 EVOLUÇÃO DA PAISAGEM 1988-2004
A compreensão da paisagem e sua evolução, em um dado período de tempo
futuro, necessitam do entendimento da dinâmica histórica da área em estudo. No
caso do recorte espacial deste trabalho, isto é, o baixo curso do rio Piranhas-Assu,
constatou-se, principalmente, o início das atividades agropecuárias em detrimento
da vegetação nativa e, posteriormente, mudanças de áreas de atividade agrícola para
a atividade pecuária e vice-versa, assim como o abandono de áreas para a vegetação
de Caatinga.
Dos resultados obtidos no Capítulo 4 (Primeiro Artigo), infere-se que o baixo
curso do rio Piranhas-Assu não apresentou uma intensa dinâmica de mudança da
paisagem, já que nos períodos considerados a estabilidade das classes mostrou-se
superior às suas transformações (75,3%, 86,9% e 80,1%, para os períodos 1988-
1998, 1998-2001 e 2001-2004, respectivamente). As atividades relacionadas com a
agricultura e com a pecuária são as que induzem, principalmente, à dinâmica da
paisagem. A produção de camarão marinho e de petróleo também interferem na
paisagem, porém em menor proporção. A cobertura vegetal apresentou índices
maiores de progressão que de regressão, sinalizando um saldo positivo de 1988 a
2004. A progressão de zonas construídas mostrou-se pouco expressiva, quando
comparada aos outros estados, assim como a regressão das atividades
agroindustriais. A progressão das atividades agroindustriais mostrou que a
instalação dessas atividades deu-se, principalmente, em áreas anteriormente com
cobertura vegetal.
Por essa análise pode-se inferir que a paisagem da área de estudo segue um
ritmo mais lento do que se poderia esperar, dada a inserção de novas atividades
econômicas como a carcinicultura, a produção de petróleo e a fruticultura. A análise
da evolução espaço-temporal sinalizou que após o impacto inicial da instalação
desses empreendimentos, não houve grandes alterações das suas áreas e atividades.
176
A fruticultura instalou-se em áreas do vale do rio Piranhas-Assu, que já eram
ocupadas por atividades, as quais não foram sensivelmente afetadas por esses novos
empreendimentos. Os poços de extração de petróleo concentraram-se próximos da
RN-401, acompanhando todo o percurso dessa rodovia estadual. O passar do tempo
não mostrou alteração significativa das áreas ocupadas por essa atividade. A
carcinicultura substituiu áreas de salinas e avançou sobre elas com o passar do
tempo. Contudo, o ano de 2004 mostra um pequeno avanço sobre o vale do rio
Piranhas-Assu, a jusante do rio.
Essas tendências históricas serviram de balizamento para a construção e
execução do modelo de simulação da paisagem do baixo curso do rio Piranhas-
Assu, como pode ser visualizado no Capítulo 5.
6.2 CENÁRIOS FUTUROS
Para melhor compreender a tendência de evolução futura da paisagem e sua
repercussão no ambiente foi realizada a interseção dos mapas de Vulnerabilidade
Natural, Geodiversidade Múltipla Ponderada e de Uso e Ocupação do Solo para o
ano 2014 e, posteriormente, para o ano de 2024.
Ainda, foi estabelecida uma nova classificação das áreas, sendo que as
categorias com numeração mais baixa, o número 1 (Baixa – Baixa), representa o
estado da paisagem menos vulnerável e com menor riqueza de ambientes. A
categoria 9 (Alta – Alta) representa o caso de maior vulnerabilidade do ambiente e
de maior riqueza de classes, portanto, pode-se considerar como as áreas que
merecem maior atenção dentro da paisagem.
Para facilitar a visualização espacial dos eventos da paisagem é apresentado
o mapa da divisão municipal da área de estudo (Figura 6.1).
177
Figura 6.1 – Mapa base do baixo curso do rio Piranhas-Assu (RN).
O mapa resultado da intersecção da Vulnerabilidade Natural com a
Geodiversidade Múltipla Ponderada é apresentado na Figura 6.2.
Da análise do mapa, percebe-se que a categoria vulnerabilidade baixa tem
maior ocorrência na margem direita do rio Piranhas-Assu, sendo uma grande porção
ocupada pela categoria que combina Baixa Vulnerabilidade Natural e Alta
Geodiversidade Múltipla Ponderada.
As áreas com alta vulnerabilidade e alta geodiversidade concentram-se,
principalmente, na planície e terraço flúvio-estuarino e na planície fluvial, ao longo
do rio.
178
Figura 6.2 – Mapa de interseção de Vulnerabilidade Natural e Geodiversidade Múltipla Ponderada.
6.2.1 Paisagem em 2014
Para melhor visualização das áreas com atividades antrópicas, assim como de
remanescentes de vegetação, para o ano simulado de 2014, elaboraram-se os mapas
apresentados na Figura 6.3. A textura sombreada representa as diversas atividades
agroindustriais e a vegetação, conforme o mapa temático.
179
Atividade Agrícola Atividade Pecuária
Atividade Industrial Vegetação Caatinga
Figura 6.3 – Mapas de interseção de atividades agroindustriais (áreas sombreadas) com Vulnerabilidade Natural e Geodiversidade Múltipla Ponderada, para o ano simulado de 2014.
As atividades agrícolas, no ano simulado de 2014, concentram-se, na sua
maioria, na planície fluvial do rio Piranhas-Assu, nas proximidades da cidade de
180
Assu, no município homônimo e de Ipanguaçu. Pelo diagnóstico do Capítulo 2,
subitem 2.1.1, o município de Assu é o que apresenta maior área de cultivo em
2003, mas pela simulação, essa atividade teria um deslocamento para áreas do
município vizinho de Ipanguaçu. Em 2003, o município de Ipanguaçu foi o que
cultivou maior variedade de produtos agrícolas, totalizando 15. Essa diversidade,
provavelmente, favorecerá o seu desenvolvimento agrícola já que sempre poderá
assimilar altos e baixos dos preços dos produtos cultivados.
Manchas esparsas de áreas agrícolas cultivadas ocorrem em ambas as
margens do rio, porém, sempre na vizinhança de aglomerados humanos, como é o
caso dos municípios de Alto do Rodrigues, Afonso Bezerra, na margem direita do
rio, e Carnaubais, na margem esquerda. Isto mostra a tendência da agricultura
evoluir nas regiões com concentração de comunidades, vilas e cidades, onde as
facilidades de infra-estrutura estão disponíveis. A proximidade de fontes de água
também é um fator de atração para essa atividade. O município de Alto do
Rodrigues apresentou a segunda maior área de cultivos agrícolas em 2003, porém a
simulação demonstra que não apresentará essa vocação em 2014.
A atividade pecuária tem a sua maior área na margem esquerda do rio, nos
municípios de Porto do Mangue e Carnaubais, que apresentam uma sensível
expansão, em área, em relação a 2004, ano da paisagem inicial para a simulação.
Na margem direita do rio, a atividade de pecuária, em 2014, seria destaque
no município de Afonso Bezerra, e com menor área nos municípios de Ipanguaçu,
Alto do Rodrigues e Pendências. Ipanguaçu estava em segundo lugar na criação de
rebanhos em 2003, o que sinalizava a vocação agropecuária do município.
Entretanto, a simulação não demonstrou essa vocação. Em 2003, perdia em número
de cabeças apenas para o município de Assu. Por outro lado, o município com
menor rebanho foi Porto do Mangue que, na simulação, apresentou uma área
representativa da sua área com essa atividade. Ambos diagnósticos, do município de
Ipanguaçu e de Porto do Mangue, em relação à atividade de pecuária, são
contestados pela simulação. O município de Assu também não apresenta dados
condizentes entre o que demonstra o diagnóstico de 2003 e o simulado para 2014.
Esse município apresentava o maior rebanho de animais dentre os municípios
181
envolvidos neste estudo. Em 2014, essa atividade não se mostra como a mais
importante do município.
A atividade industrial, que se refere à carcinicultura e à produção de petróleo,
apresenta apenas um pequeno aumento das suas áreas em 2014, se comparado com
2004. A carcinicultura continua avançando de forma lenta pela planície fluvial do
rio, assim como sobre as áreas de manguezal, no estuário. As atividades referentes à
produção de petróleo aumentam as suas áreas nas vizinhanças das áreas já
existentes em 2004. A lista de municípios envolvidos nessa atividade, em 2004,
continua a mesma em 2014. É de se esperar essa tendência, pois essa atividade
depende mais da geologia que de qualquer outro fator.
Da vegetação nativa remanescente em 2014, percebe-se um cenário
promissor em relação à cobertura vegetal da paisagem. Com exceção do município
de Carnaubais, da planície fluvial do rio Piranhas-Assu e parte do município de
Afonso Bezerra, as outras áreas apresentam fragmentos significativos de mata
nativa. Contudo, não há como prever a qualidade desses remanescentes. Espera-se,
devido à rotatividade de atividades agropecuárias, uma vegetação secundária sem
qualquer valor comercial e com baixo valor ecológico.
Uma área a ser destacada é a que corresponde às dunas fixas e móveis,
localizadas no município de Porto do Mangue. Segundo o mapa da Figura 6.2, essa
área apresenta categorias Alta para as variáveis: Vulnerabilidade Natural e
Geodiversidade Múltipla Ponderada. Sendo assim, cabe aqui a recomendação da
transformação dessa área em unidade de conservação, enquadrada em alguma
categoria discriminada pelo Sistema Nacional de Unidades de Conservação
(SNUC), do IBAMA. Na Figura 6.4, são apresentados registros fotográficos das
dunas móveis existente no município de Porto do Mangue.
Dos mapas temáticos de 2014, foram extraídas informações numéricas
referentes às áreas de ocorrências das atividades agrícolas, industriais e pecuárias,
assim como também da cobertura vegetal da área de estudo. Essas informações
estão correlacionadas com as categorias de Vulnerabilidade Natural e de
Geodiversidade Múltipla Ponderada, como pode ser visualizado na Tabela 6.1.
182
Das quatro variáveis escolhidas para a análise de tendência, a vegetação
nativa é a que apresentou maior cobertura na paisagem. A agricultura, em segundo
lugar em área, mostrou ser a de maior relevância na paisagem simulada, dentre as
atividades antrópicas, dobrando de área em relação à atividade industrial. Esse fato
sugere que a agricultura seguirá dominando a paisagem da área de estudo, se não
houver nenhum outro fator determinante que beneficie a outra atividade. A pecuária
apresentou-se com o terceiro lugar em extensão dentro da área de estudo.
Figura 6.4 – Vista parcial das dunas móveis, no município de Porto do Mangue. (Fotos: www.viajenaviagem2.zip.net/images/, www.guiadosmunicipios.com.br/rn/ Porto%20do%20Mangue/ e www.viagemeturismo.abril.com.br/vt/imagem).
Considerando-se aspectos da vulnerabilidade e da geodiversidade, as
atividades agrícolas estão presentes, principalmente, em áreas de média
vulnerabilidade, com baixa (28,53%) e média (26,41%) geodiversidade, e de alta
vulnerabilidade, com baixa geodiversidade (33,86%). A soma do percentual de área
ocupada por essa atividade, dentro das categorias de vulnerabilidade natural Média
e Alta, resulta em 94,71% e, destes, 39,70% correspondem a áreas de alta
183
vulnerabilidade natural, o que indica que a agricultura ocupará, em 2014, áreas não
convenientes para tal finalidade. Com isto, espera-se um aumento da importância
dos impactos relacionados à agricultura, já que essas áreas caracterizam-se por ter
baixa resiliência.
A atividade industrial segue a mesma tendência, pois 23,06% dessa atividade
repousam sobre a categoria de Alta vulnerabilidade natural. O mapa da localização
dessa atividade em 2014 (Figura 6.3), aponta para as áreas do estuário com essa
combinação de categorias, mostrando assim que a carcinicultura é a responsável por
esse alto índice em área extremamente vulnerável e rica em diversidade de
ambientes.
A pecuária apresentou-se em áreas de Baixa e Média vulnerabilidade natural,
25,38 e 73,80%, respectivamente. A área ocupada dentro da categoria de Alta
vulnerabilidade natural foi praticamente insignificante (0,82%). Os impactos da
criação animal não devem representar um aumento da sua importância nas áreas de
baixa vulnerabilidade natural, porém deve ser dada uma atenção maior nas áreas de
Média vulnerabilidade natural.
Para auxiliar a visualização da distribuição das atividades antrópicas dentro
das categorias de análise, na paisagem simulada, foi elaborado o gráfico da Figura
6.5. Nela, nota-se que as atividades antrópicas se desenvolvem, principalmente, em
áreas de Média Vulnerabilidade Natural, com Baixa e Média Geodiversidade
Múltipla Ponderada. A atividade agrícola apresentou-se em todas as categorias de
vulnerabilidade natural, destacando-se mais na categoria Média, seguido da
categoria Alta. A atividade industrial também esteve presente em todas as
categorias de vulnerabilidade natural, porém sobressaiu-se na categoria Média para
a variável Vulnerabilidade Natural. No que se refere à pecuária, registraram-se
categorias Baixa e Média da vulnerabilidade e, em ambas, categorias Baixa e Média
de geodiversidade.
184
Tabela 6.1 – Área e porcentagem das atividades agropecuárias e industriais e da cobertura vegetal, discriminadas por categoria de Vulnerabilidade Natural (VN) e de Geodiversidade Múltipla Ponderada (GMP), para o ano de 2014.
Uso/Ocupação VN GMP Área % %
Atividade Agrícola
Baixa Baixa 408,39 0,99
5,28 Média 1.772,16 4,29Alta 0,01 0,00
Média Baixa 11.774,91 28,53
55,01 Média 10.901,44 26,41Alta 28,05 0,07
Alta Baixa 13.975,80 33,86
39,70 Média 2.085,25 5,05Alta 324,04 0,79
TOTAL 41.270,04 100,00 100,00
Atividade Industrial
Baixa Baixa 141,36 2,01
7,55 Média 388,67 5,54Alta 0,00 0,00
Média Baixa 2.678,00 38,16
69,38 Média 2.125,38 30,28Alta 66,04 0,94
Alta Baixa 1.032,11 14,71
23,06 Média 468,89 6,68Alta 117,63 1,68
TOTAL 21.437,64 100,00 100,00
Atividade Pecuária
Baixa Baixa 2.553,57 8,95
25,38 Média 4.685,48 16,43Alta 0,00 0,00
Média Baixa 7.300,73 25,60
73,80 Média 13.744,42 48,19Alta 1,54 0,01
Alta Baixa 138,84 0,49
0,82 Média 94,06 0,33Alta 0,00 0,00
TOTAL 28.518,64 100,00 100,00
Vegetação Caatinga
Baixa Baixa 26.523,82 23,88
53,56 Média 31.934,61 28,75Alta 1.027,31 0,92
Média Baixa 27.748,36 24,98
43,19 Média 19.079,96 17,18Alta 1.142,59 1,03
Alta Baixa 3.121,46 2,81
3,25 Média 297,82 0,27Alta 193,98 0,17
TOTAL 111.109,37 100,00 100,00
185
Figura 6.5 – Distribuição, por área, das atividades antrópicas, dentro das categorias de Vulnerabilidade Natural e de Geodiversidade Múltipla Ponderada, na paisagem simulada do ano de 2014.
6.2.2 Paisagem em 2024
As áreas de ocorrência das atividades agrícolas, pecuária, industrial e de
vegetação podem ser visualizadas na figura 6.6. A textura sombreada representa as
diversas atividades agroindustriais e a vegetação, conforme o mapa temático.
As áreas destinadas às atividades agrícolas, no ano de 2024, apresentam-se
principalmente nos municípios de Assu, Ipanguaçu, Afonso Bezerra e Alto do
Rodrigues. Em relação ao ano de 2014, as atividades agrícolas mostram um
aumento e adensamento das áreas de ocorrência nos municípios de Ipanguaçu,
Afonso Bezerra e de Alto do Rodrigues e uma diminuição na planície fluvial do rio
Piranhas-Assu, exceto nas proximidades da cidade de Assu. O município de
Carnaubais mostra uma retração dessa atividade.
186
Atividade Agrícola Atividade Pecuária
Atividade Industrial Vegetação Caatinga
Figura 6.6 – Mapas de interseção de atividades agroindustriais (áreas sombreadas) com Vulnerabilidade Natural e Geodiversidade Múltipla Ponderada, para o ano simulado de 2024.
A atividade de pecuária se consolida no município de Carnaubais e se
expande em parte do município de Porto do Mangue. Os municípios de Assu,
187
Pendências, Alto do Rodrigues e Afonso Bezerra também apresentam áreas de
atividade pecuária, porém em menor escala. Sinalizando a tendência observada
entre 2004 e 2014 os municípios de Porto do mangue e, principalmente, de
Carnaubais mostram a pecuária em franca expansão. Dentre os municípios inseridos
na área de estudo, Carnaubais apresentava-se em quinto lugar efetivo de rebanho
(IDEMA, 2004). Conforme a simulação, em 2024 apresenta-se em primeiro lugar
em área de pecuária, o que indica, provavelmente, também um maior rebanho em
relação aos outros municípios. No município de Assu, a área de pecuária reduz-se
mais ainda, em relação ao ano de 2014, apresentando a tendência registrada entre os
anos de 2004 e 2014.
A atividade industrial (carcinicultura e produção de petróleo) não apresenta
grandes diferenças de expansão e retração das áreas destinada a essa finalidade. No
entanto, observa-se um aumento das áreas destinadas à produção de petróleo no
município de Pendências e novos pontos de inserção da carcinicultura no município
de Macau.
As áreas de vegetação de caatinga apresentam variações, do ano de 2014 para
o ano de 2024, somente aonde as atividades agropecuárias expandiram-se, como no
caso dos municípios de Carnaubais, Afonso Bezerra, Alto do Rodrigues e
Pendências.
A tabela 6.2 mostra as áreas e porcentuais das atividades agrícolas, industrial,
pecuária e a vegetação de caatinga remanescente, discriminados segundo as
categorias de vulnerabilidade natural e de geodiversidade múltipla ponderada.
As áreas de atividades agrícolas, para o ano de 2024, distribuem-se
principalmente dentro da categoria média de vulnerabilidade natural. Considerando-
se as categorias média e alta de vulnerabilidade natural, somadas, representam
95,70% da área de estudo. Entretanto, o maior porcentual ocorre nas categorias
baixa e média de geodiversidade múltipla ponderada. Em comparação com o ano
2014, houve poucas modificações em relação às áreas de ocorrência dessa atividade,
mostrando um pequeno aumento na categoria média de vulnerabilidade natural, em
detrimento das outras duas categorias.
188
Tabela 6.2 – Área e porcentagem das atividades agropecuárias e industriais e da cobertura vegetal, discriminadas por categoria de Vulnerabilidade Natural (VN) e de Geodiversidade Múltipla Ponderada (GMP), para o ano de 2024.
Uso/Ocupação VN GMP Área % %
Atividade Agrícola
Baixa Baixa 251,06 0,62
4,31 Média 1.497,85 3,69Alta 0,01 0,00
Média Baixa 13.153,93 32,41
59,03 Média 10.774,16 26,54Alta 31,22 0,08
Alta Baixa 12.403,31 30,56
36,67 Média 2.156,01 5,31Alta 323,42 0,80
TOTAL 40.590,96 100,00 100,00
Atividade Industrial
Baixa Baixa 272,15 2,92
11,94 Média 839,38 9,02Alta 0,00 0,00
Média Baixa 3.946,27 42,40
69,29 Média 2.437,05 26,18Alta 66,04 0,71
Alta Baixa 1.158,49 12,45
18,77 Média 470,92 5,06Alta 117,63 1,26
TOTAL 9.307,94 100,00 100,00
Atividade Pecuária
Baixa Baixa 2.882,34 9,96
28,27 Média 5.299,19 18,31Alta 0,00 0,00
Média Baixa 5.794,16 20,02
71,50 Média 14.886,45 51,44Alta 9,84 0,03
Alta Baixa 50,52 0,17
0,23 Média 14,26 0,05Alta 0,60 0,00
TOTAL 28.937,35 100,00 100,00
Vegetação Caatinga
Baixa Baixa 26.222,08 24,05
53,55 Média 31.144,79 28,56Alta 1.027,31 0,94
Média Baixa 26.608,05 24,40
41,73 Média 17.759,37 16,29Alta 1.131,12 1,04
Alta Baixa 4.648,18 4,26
4,72 Média 301,52 0,28Alta 193,99 0,18
TOTAL 109.036,41 100,00 100,00
189
As atividades industriais não apresentam mudanças significativas quando
comparado com a simulação do ano de 2014. Houve um aumento das atividades em
áreas de baixa vulnerabilidade natural (em porcentuais de participação, de 7,55%
em 2014 para 11,94% em 2024), em detrimento das áreas de alta vulnerabilidade
(em porcentuais de participação, de 23,06% em 2014 para 18,77% em 2024).
As atividades de pecuária concentram-se mais nas categorias de baixa
(28,27%) e média vulnerabilidade (71,50%), totalizando assim 99,77% das áreas de
pastagens dentro dessas categorias. Não houve mudanças de valores dentro das
categorias de vulnerabilidade entre os anos de 2014 e 2024.
A vegetação de caatinga se apresenta, como no caso da simulação para o ano
de 2014, em áreas de baixa e média vulnerabilidade, totalizando 95,28% dentro
dessas categorias.
Com o fim de visualizar melhor as atividades antrópicas dentro das diversas
categorias de vulnerabilidade natural e de geodiversidade múltipla ponderada foi
elaborado a figura 6.7. Nela percebe-se que as atividades concentram-se,
principalmente, nas áreas de média vulnerabilidade e baixa e média geodiversidade.
Entretanto, áreas significativas de agricultura se apresentam em áreas de baixa
geodiversidade, porém com alta vulnerabilidade.
6.3 TENDÊNCIAS DE MODIFICAÇÃO DA PAISAGEM
A partir dos dados dos mapas da simulação da evolução da paisagem do
baixo curso do rio Piranhas-Assu foi elaborada a tabela 6.3. Ela mostra as classes de
uso e ocupação do solo e as suas áreas, para o ano da paisagem inicial e para os
anos simulados – 2009, 2014, 2019 e 2024. Também são apresentadas as diferenças
de área, em percentagem, entre pares de anos. Os valores na cor azul significam
aumento da área da classe, enquanto que os valores em vermelho, e negativos,
representam uma diminuição da área. Os valores em preto significam que não houve
mudanças no decorrer do tempo. A última coluna refere-se à diferença de área entre
a paisagem inicial (2004) e a paisagem simulada final (2024).
190
Figura 6.7 – Distribuição, por área, das atividades antrópicas, dentro das categorias de Vulnerabilidade Natural e de Geodiversidade Múltipla Ponderada, na paisagem simulada do ano de 2024.
Tabela 6.3 – Área das classes de uso e ocupação do solo, do baixo curso do rio Piranhas-Assu, RN, para os anos de 2004, 2009, 2014, 2019 e 2024, e suas diferenças em percentagem.
Classe*Paisagem
Inicial 2004
Área 2009 (ha)
Diferença 2004-2009
(%)
Área 2014 (ha)
Diferença 2009-2014
(%)
Área 2019 (ha)
Diferença 2014-2019
(%)
Área 2024 (ha)
Diferença 2019-2024
(%)
Diferença 2004-2024
(%)1 2.392,7 2.417,0 1,0 2.419,4 0,1 2.420,9 0,1 2.414,0 -0,3 0,9
2 4.532,3 4.519,8 -0,3 4.518,8 0,0 4.519,8 0,0 4.520,3 0,0 -0,3
3 43.468,5 41.721,3 -4,0 41.107,1 -1,5 40.771,1 -0,8 40.509,8 -0,6 -6,8
4 18.491,4 19.677,0 6,4 20.838,2 5,9 21.981,3 5,5 23.108,3 5,1 25,0
5 21.809,0 26.913,1 23,4 28.488,2 5,9 28.922,2 1,5 28.923,4 0,0 32,6
6 113.060,7 108.487,7 -4,0 106.343,7 -2,0 105.103,9 -1,2 104.232,9 -0,8 -7,8
7 15.546,5 15.541,6 0,0 15.548,2 0,0 15.546,5 0,0 15.545,8 0,0 0,0
8 15.090,4 15.115,5 0,2 15.121,7 0,0 15.120,1 0,0 15.130,1 0,1 0,3
9 3.290,8 3.290,8 0,0 3.290,8 0,0 3.290,8 0,0 3.290,8 0,0 0,0
10 16.576,6 16.576,6 0,0 16.576,6 0,0 16.576,6 0,0 16.576,6 0,0 0,0
11 3.855,8 3.856,8 0,0 3.856,8 0,0 3.856,8 0,0 3.856,8 0,0 0,0
12 16.874,9 16.872,6 0,0 16.880,5 0,0 16.879,3 0,0 16.881,4 0,0 0,0
TOTAL 274.989,5 274.990,0 - 274.989,9 - 274.989,5 - 274.990,2 - - * 1- Aglomerado Humano. 2- Área de Solo exposto. 3- Atividade Agrícola. 4- Atividade Industrial. 5- Atividade Pecuária. 6- Vegetação Caatinga. 7- Vegetação Carnaúba. 8- Drenagem Permanente. 9- Mangue. 10- Oceano. 11- Vegetação Rasteira. 12- Zona úmida.** Em azul: aumento. Em vermelho: diminuição.
191
Na área em estudo, as variáveis que dominam a paisagem foram as que
correspondem às atividades agropecuárias e industriais, que acabaram influenciando
a cobertura vegetal. Analisando-se essas variáveis e o decorrer do tempo com mais
detalhes, percebeu-se que no primeiro período considerado (2004-2009) houve
aumentos e diminuições consideráveis das atividades antrópicas, se comparados aos
períodos posteriores (2009-2014, 2014-2019 e 2019-2024). No caso da atividade
agrícola, houve uma diminuição contínua das áreas, decrescendo no decorrer do
tempo, e resultando em uma diferença negativa acumulada, entre o período de
2004-2024, de 6,8%. A atividade industrial apresentou aumento das áreas onde se
desenvolveram essa atividade no decorrer do tempo, que resultou em uma diferença
entre os anos 2004 e 2024, de 25,0%. O mesmo padrão aconteceu com as áreas de
pecuária, que apresentou uma diferença positiva, entre os anos 2004 e 2024, de
32,6%.
A atividade pecuária foi a que apresentou maior diferencial, quando
comparada com as outras variáveis, o que sugere que esse tipo de atividade tem
importante influência na dinâmica da paisagem no baixo curso do rio Piranhas-
Assu.
A diminuição da atividade agrícola e, principalmente, o aumento das
atividades industrial e pecuária, resultaram em intervenções na cobertura vegetal,
percebido na simulação com uma diminuição de 7,8% da vegetação caatinga, entre
a paisagem inicial (2004) e a final (2024).
Com o objetivo de visualização espacial das mudanças de atividades na área
de estudo, elaborou-se o mapa de mudanças entre o ano da paisagem inicial (2004)
e da paisagem simulada final (2024) (Figura 6.8). Nela, percebeu-se que a região
central do mapa é a área de maior mobilidade entre classes. A área superior
esquerda, que corresponde a parte dos municípios de Porto do Mangue e
Carnaubais, mostrou um importante avanço da pecuária sobre a caatinga e sobre as
áreas agrícolas, dominando essa atividade a paisagem nessa área. Dinâmica oposta
pode ser percebida na região à direita do rio Piranhas-Assu, onde a agricultura
avançou e dominou o cenário local, substituindo, principalmente, a pecuária.
192
Mesmo assim, em direção nordeste, houve um importante avanço da pecuária sobre
a caatinga.
Acompanhando a rodovia RN-401 percebeu-se um avanço da atividade
industrial, especificamente, poços de extração de petróleo sobre a vegetação
Caatinga. Na região do vale do rio Piranhas-Assu, nas proximidades das rodovias
RN-401 e RN-118, observou-se o abandono de uma importante área de agricultura,
sendo substituída pela vegetação de caatinga.
Do estudo realizado, com base nas atividades históricas da região e pela
análise da probabilidade de tendências, que confirmaram as atividades
agropecuárias, principalmente a pecuária, como variáveis determinantes da
dinâmica da área de estudo, avalia-se a paisagem futura e sua evolução espacial e
temporal, através da simulação realizada. A simulação, em uma análise mais
abrangente, mostra que os fatores determinantes para a mobilidade espacial e as
transformações das atividades antrópicas, na área em foco, estão relacionados à pré-
existência de comunidades com vocação agropecuária. Neste caso, destacam-se os
assentamentos do Instituto Nacional de Colonização e Reforma Agrária (INCRA), e
a existência de vias de acesso e escoamento. Assim, pode-se afirmar que as políticas
públicas desse órgão federal determinaram sobremaneira a dinâmica da paisagem
do baixo curso do rio Piranhas-Assu, RN. Em menor escala, mas não menos
importante, a existência de uma rede viária regional contribuiu para a dinâmica
econômica local e auxiliou a instalação de empreendimentos mais volumosos, como
o caso da fruticultura.
A mudança de atividade de agricultura para pecuária, detectada durante todo
o trabalho, pode ser explicada pela vulnerabilidade dos pequenos e médios
agricultores que, por falta ou deficiência de estrutura para enfrentar as variações
climáticas, muitas vezes imprevisíveis, optam pela relativa segurança da pecuária,
especialmente a extensiva.
193
Figura 6.8 – Mapa de mudanças de atividades entre os anos 2004 e 2024.
Pela análise desenvolvida neste capítulo, percebe-se que a paisagem futura
manterá a cobertura vegetal nativa, mas, provavelmente, bastante degradada, devido
à constante mudança de atividades, que significa abandono e recuperação de áreas.
Isto dificultará a re-colonização pela vegetação, interrompendo-se assim, por
diversas vezes, a sucessão ecológica do sistema natural. Isso leva ao esgotamento
do banco de sementes, perdendo-se assim valiosas áreas de matrizes para
regeneração da vegetação.
As atividades inerentes à agricultura dominarão grandes áreas da paisagem,
expandindo-se em alguns municípios e retraindo-se em outros. Conseqüentemente,
haverá mudanças na economia e na demografia desses municípios. Os impactos
ambientais dessa atividade serão sentidos, principalmente, nas áreas de alta
194
vulnerabilidade natural e, por isso mesmo, de baixa resiliência. A planície fluvial do
rio Piranhas-Assu receberá a maior parte desses impactos, sobretudo os
relacionados aos resíduos de agrotóxicos. Pelo deslocamento e deposição destes no
estuário, poderão afetá-la sensivelmente, já que é um ambiente altamente
vulnerável. Por efeito dominó, as atividades de carcinicultura também poderão ser
afetadas. Assim, a agricultura acabará tendo um efeito antagônico para a
carcinicultura.
A pecuária terá grande importância nos municípios de Carnaubais e de Porto
do Mangue, devido à grande expansão que terá neles. Os impactos dessa atividade
serão sentidos, principalmente pela falta de cobertura vegetal. A erosão do solo
poderá afetar ainda mais a lagoa Alagamar, acelerando crescentemente o seu
processo de assoreamento, além de outras.
A atividade relacionada com a produção de petróleo não terá impacto
significativo na paisagem, mas a carcinicultura sim, pois ampliará a sua área,
expandido-se pela planície fluvial em direção ao continente. O atual estado
ambiental crítico do ambiente de manguezal se agravará, principalmente, pelo
desmatamento do mangue para a expansão dessa atividade.
Em uma análise temporal de evolução das atividades antrópicas e de
remanescente de vegetação na área de estudo, durante todo o período estudado, isto
é, de 1988 a 2024 (Tabela 6.4 e Figura 6.9), percebeu-se uma tendência decrescente
das atividades agrícolas, enquanto que a pecuária manifestou um aumento
significativo entre os anos de 2001 a 2014, mantendo-se praticamente estável até
2024. Já, a atividade industrial mostrou incremento das áreas ocupadas a cada
período considerado.
Tabela 6.4 – Uso e ocupação do solo e remanescente de vegetação de caatinga, em hectare, durante o período de 1988 a 2024, do baixo curso do rio Piranhas-Assu, RN.
Uso/Ocupação 1988 1998 2001 2004 2014 2024 Atividade Agrícola 43.987,10 45.583,78 47.401,20 42.601,84 41.270,04 40.590,96Atividade Industrial 12.618,72 14.302,90 14.962,44 18.432,35 20.838,20 23.108,30 Atividade Pecuária 18.219,31 13.217,35 13.684,71 21.784,78 28.518,64 28.937,35Vegetação Caatinga 117.324,99 122.825,27 118.405,27 112.871,46 111.069,91 109.036,41Total 192.150,12 195.929,30 194.453,62 195.690,43 201.696,79 201.673,02
195
A atividade agrícola aumentou a área de ocupação de maneira crescente até o
ano de 2001, porém decresceu gradativamente até o ano 2024, ficando com área
inferior ao ano inicial do estudo, isto é, 1988. A atividade industrial apresentou
tendência crescente de maneira contínua até 2024. A vegetação de caatinga,
conforme tabela 6.4, mostra que a maior área remanescente deu-se no ano de 1998,
apresentando uma gradativa diminuição até o ano de 2024.
0
5.000
10.000
15.000
20.000
25.000
30.000
35.000
40.000
45.000
50.000
1988 1998 2001 2004 2014 2024
Ano
Áre
a (h
a)
Ativ idade Agrícola Ativ idade Industrial Ativ idade Pecuária
Figura 6.9 – Evolução das atividades antrópicas durante o período de 1988 a 2024, em hectare, do baixo curso do rio Piranhas-Assu, RN.
Este ensaio espaço-temporal não pretende ser categórico e conclusivo, pois
aplica diversos conceitos e técnicas ainda em sedimentação, mas busca-se com ele
caminhar para um aprofundamento das técnicas que permitem conhecer melhor o
ambiente, com tudo o que lhe concerne - o físico, o biológico e o humano, como
principal agente modelador da paisagem.
196
O cenário futuro, aqui retratado, não levou em consideração ações,
programas, projetos, públicos e/ou privados, que possam ser implementados em
tempo futuro, e não tem como levá-los, pois ainda são desconhecidos. Por outro
lado, o banco de dados já conformado permite a inserção de novas variáveis,
atualização e posterior execução do modelo, permitindo assim visualizar novos e
diversos cenários futuros da área em estudo.
CONCLUSÕES
E RECOMENDAÇÕES
CONCLUSÕES
Dos resultados obtidos e das análises realizadas, pode-se concluir que:
- Aspectos gerais
� O uso do Sensoriamento Remoto, aliado às técnicas de processamento e aos
novos sensores, em conjunto com os Sistemas de Informações Geográficas,
comprovou ser uma ferramenta eficiente para mapeamentos e para a
detecção de mudanças geoambientais. As imagens de satélite, depois de
trabalhadas e integradas em um ambiente SIG, oferecem possibilidades
interessantes de gerarem informações precisas para avaliação e evolução de
diversas variações temáticas da superfície terrestre.
� O software DINAMICA EGO, escolhido para atender aos objetivos deste
trabalho, é uma plataforma muito interessante, pois auxiliou na compreensão
da evolução do uso e ocupação da área em estudo, através das tendências e
das relações entre os elementos da paisagem. Sentiu-se que, para atingir um
resultado satisfatório, por parte da plataforma, há necessidade de um
profundo conhecimento da área alvo de estudo, tantos nas variáveis físicas,
como biológicas e socioeconômicas. Deficiências, ou mesmo a falta desses
dados, derivam em resultados errôneos e imprecisos, isto é, não confiáveis.
Para a manipulação do programa é necessária a realização de um curso de
treinamento, pois ele não é totalmente intuitivo. Apesar de ter um Help com
bastante informação, um tutorial didático seria interessante e viria a suprir a
necessidade de um curso complementar.
� Para a interpretação da evolução do uso do solo do baixo curso do rio
Piranhas-Assu, (RN), a metodologia utilizada para o cruzamento
multitemporal verificou ser de grande valor, já que se mostrou capaz de
abranger detalhadamente um mosaico geoambiental medianamente
complexo, como o observado na área de estudo. É importante salientar essa
198
técnica de cruzamento, pela riqueza e relevância das informações geradas,
pois possibilita a obtenção de informações acuradas das mudanças do uso do
solo entre períodos, em termos quantitativo e qualitativo da mudança, isto é,
onde, quanto e para que classe mudou.
- Uso e ocupação 1988-2004
� O baixo curso do rio Piranhas-Assu não apresentou uma intensa dinâmica de
mudança da paisagem, já que no período considerado (de 1988 a 2004) a
estabilidade das classes se mostrou superior às suas transformações.
� As atividades relacionadas com a agricultura e com a pecuária são as que
conduzem, principalmente, a dinâmica da paisagem. A produção de camarão
marinho e de petróleo também infere na paisagem, porém em menor
proporção.
� A paisagem da área de estudo segue um ritmo mais lento do que se poderia
esperar, dada a inserção de novas atividades como a carcinicultura, a
produção de petróleo e a fruticultura.
� A fruticultura instalou-se em áreas do vale do rio Piranhas-Assu, que já eram
ocupadas para outras atividades, as quais não foram sensivelmente afetadas
por esses novos empreendimentos.
� Os poços de extração de petróleo concentraram-se próximos da rodovia RN-
401, acompanhando todo o percurso dessa via estadual. O passar do tempo
não mostrou alteração significativa das áreas ocupadas por essa atividade.
� A carcinicultura substituiu de áreas de salinas e avança sobre elas com o
passar do tempo, contudo, o ano de 2004 mostra um pequeno avanço sobre o
vale do rio Piranhas-Assu, a jusante do rio.
� Na área em estudo, as variáveis que dominam a paisagem foram as que
correspondem às atividades agropecuárias e industriais, que acabaram
199
influenciando a cobertura vegetal. Portanto, foram essas variáveis as usadas
para a simulação.
- Vulnerabilidade e Geodiversidade
� Em relação à vulnerabilidade natural, o baixo curso do rio Piranhas-Assu,
RN, apresenta mais áreas vulneráveis que estáveis, principalmente nas áreas
das planícies e terraços fluviais e planícies flúvio-marinhas.
� A vulnerabilidade ambiental apresenta maior concentração de áreas nas
categorias Muito baixa (30,89%) e Baixa (33,38%), que, somadas,
representam 64,27% da área total de estudo.
� Na categoria Muito alta, as classes Carcinicultura, Salina evaporadora e
Cultura temporária, são as que apresentam maior percentual de participação,
33,86%, 25,94% e 25,53%, respectivamente. Juntas, elas somam 85,33%
dentro dessa categoria.
� As culturas temporárias da categoria Alta estão localizadas principalmente na
Planície e Terraço Fluvial. Daí estarem categorizadas como áreas
vulneráveis.
� As atividades de produção de camarão e de sal estão localizadas dentro de
áreas de manguezal e na Planície Flúvio-Marinha. Essas áreas são altamente
vulneráveis a qualquer atividade antrópica devido à interação das forças do
mar e do continente, que estão em permanente equilíbrio.
� O uso da metodologia proposta por Xavier da Silva et al. (2001) mostra-se
adequada à área de estudo deste trabalho, que é diferente ao tipo de ambiente
testado pelos autores da metodologia. Cabe aqui mencionar sobre o cuidado
que deve ser tomado ao se considerar o ambiente a ser estudado, pois, como
no caso desse trabalho, o(s) fator(es) que influencia(m) na modelagem da
paisagem não é (são) o(s) mesmo(s) que molda(m) as paisagem de outras
regiões do Brasil. Por isso, diferentemente dos autores da metodologia,
200
adotou-se para o tipo de ambiente da área de estudo os solos e não as feições
geomorfológicas como parâmetro-base.
- Simulação
� Diante das discussões elaboradas, pode-se afirmar que os cenários simulados
não necessariamente retratam fielmente a realidade futura, mas sim, refletem
a probabilidade de um estado futuro. Portanto, os mapas da paisagem
apresentados são extremamente úteis como referência, como mais um
instrumento, para a análise de tendências da paisagem, não se descartando
outros parâmetros para tal finalidade.
� Apesar do índice de similaridade entre mapas Fuzzy indicar que o mapa
analisado, com tamanho de janela 11x11, apresentou maior similaridade com
o mapa observado, percebe-se visualmente que não o é. O mapa com
tamanho de janela 3x3 foi o que apresentou maior similaridade e congruência
com o mapa de uso e ocupação do solo observado.
- Cenários simulados
� No primeiro período considerado (2004-2009) houve aumentos e
diminuições consideráveis das atividades antrópicas, se comparados aos
períodos posteriores (2009-2014, 2014-2019 e 2019-2024).
� No caso da atividade agrícola, houve uma diminuição contínua das áreas,
decrescendo no decorrer do tempo, e resultando em uma diferença negativa
acumulada, entre o período de 2004-2024, de 6,8%.
� A atividade industrial apresentou o mesmo comportamento, porém com
diferenças positivas das áreas onde se desenvolveram essa atividade, que
resultou em uma diferença entre os anos 2004 e 2024, de 25,0%.
� Mesmo padrão aconteceu com as áreas de pecuária, que apresentou uma
diferença positiva, entre os anos 2004 e 2024, de 32,6%.
201
� A atividade pecuária foi a que apresentou maior diferencial, quando
comparada com as outras variáveis, o que sugere que esse tipo de atividade
tem importante influência na dinâmica da paisagem no baixo curso do rio
Piranhas-Assu.
� A diminuição da atividade agrícola e, principalmente, o aumento das
atividades industrial e pecuária, resulta em intervenções na cobertura vegetal,
percebidos na simulação com uma diminuição de 7,8% da vegetação
caatinga, entre a paisagem inicial (2004) e a final (2024).
� Os municípios de Porto do Mangue e de Carnaubais mostram um importante
avanço da pecuária sobre a caatinga e sobre as áreas agrícolas, dominando
essa atividade a paisagem em áreas desses municípios.
� A simulação, em uma análise mais abrangente, mostra que os fatores
determinantes para a mobilidade espacial das atividades antrópicas, na área
em foco, estão relacionados à pré-existência de comunidades com vocação
agropecuária, refere-se aqui a assentamentos do INCRA e à existência de
vias de acesso e escoamento. Assim, pode-se afirmar que as políticas
públicas desse órgão federal determinaram sobremaneira a dinâmica da
paisagem do baixo curso do rio Piranhas-Assu, RN.
� Em menor escala, mas não menos importante, a existência de uma rede viária
regional contribuiu à dinâmica econômica local e auxiliou a instalação de
empreendimentos mais volumosos, como o caso da fruticultura.
� A mudança de atividade de agricultura para pecuária, detectada durante todo
o trabalho, pode ser explicada pela vulnerabilidade dos pequenos e médios
agricultores que, por falta ou deficiência de estrutura para enfrentar as
variações climáticas, muitas vezes imprevisíveis, optam pela relativa
segurança da pecuária, especialmente a extensiva.
� Manchas esparsas de áreas agrícolas cultivadas ocorrem em ambas as
margens do rio, porém, sempre na vizinhança de aglomerados humanos,
como é o caso dos municípios de Alto do Rodrigues, Afonso Bezerra, na
202
margem direita do rio e Carnaubais, na margem esquerda. Isto mostra a
tendência da agricultura evoluir nas regiões com concentração de
comunidades, vilas e cidades, onde as facilidades de infra-estrutura estão
disponíveis. A proximidade de fontes de água também é um fator de atração
para essa atividade.
� Da vegetação nativa remanescente, percebeu-se um cenário promissor em
relação à cobertura vegetal da paisagem. Contudo, não há como prever a
qualidade desses remanescentes. Espera-se, devido à rotatividade de
atividades agropecuárias, uma vegetação secundária sem qualquer valor
comercial e com baixo valor ecológico.
� Os impactos da criação animal não devem representar um aumento da sua
importância nas áreas de Baixa vulnerabilidade natural, porém deve ser dada
uma atenção maior nas áreas de Média vulnerabilidade natural.
� As atividades antrópicas se desenvolveram, principalmente, em áreas de
Média Vulnerabilidade Natural, com Baixa e Média Geodiversidade Múltipla
Ponderada.
� As atividades inerentes à agricultura dominarão grandes áreas da paisagem,
expandindo-se em alguns municípios e retraindo-se em outros.
Conseqüentemente, haverá mudanças na economia e na demografia desses
municípios.
� Os impactos ambientais da agricultura serão sentidos, principalmente, nas
áreas de alta vulnerabilidade natural e, por isso mesmo, de baixa resiliência.
A planície fluvial do rio Piranhas-Assu receberá a maior parte desses
impactos, sobretudo os relacionados aos resíduos de agrotóxicos. Pelo
deslocamento e deposição destes no estuário, poderão afetá-los
sensivelmente, já que é um ambiente altamente vulnerável.
� Por efeito dominó, as atividades de carcinicultura poderão ser afetadas pela
agricultura. Assim, ela acabará tendo um efeito antagônico para a
carcinicultura.
203
� A pecuária terá grande importância nos municípios de Carnaubais e de Porto
do Mangue, devido à grande expansão que terá neles. Os impactos dessa
atividade serão sentidos, principalmente, pela falta de cobertura vegetal.
� A atividade relacionada com a produção de petróleo não terá impacto
significativo na paisagem, mas a carcinicultura ampliará a sua área,
expandido-se pela planície fluvial em direção ao continente. O atual estado
ambiental crítico do ambiente de manguezal se agravará, principalmente,
pelo desmatamento do mangue para a expansão dessa atividade.
RECOMENDAÇÕES
� Uma área a ser destacada é a que corresponde às dunas fixas e móveis,
localizadas no município de Porto do Mangue. Recomenda-se a
transformação dessa área em unidade de conservação, enquadrado em
alguma categoria discriminada pelo Sistema Nacional de Unidades de
Conservação (SNUC), do IBAMA.
� Agilizar e estimular as discussões e a criação, por parte dos Estados do Rio
Grande do Norte e da Paraíba, do Comitê de Bacia Hidrográfica para o rio
Piranhas-Assu.
� Estabelecimento de políticas públicas específicas para o baixo curso do rio
Piranhas-Assu, promovendo o ordenamento territorial, levando-se em
consideração a sua vulnerabilidade e a sua geodiversidade.
� Investigar técnicas para a inserção de variáveis climáticas, socioeconômicas
e de elevação do nível do mar, acoplados ao modelo de simulação da
paisagem.
� A simulação de cenários é uma boa ferramenta para análise de tendências da
paisagem, porém, as simulações realizadas nesse trabalho não levaram em
consideração ações, programas, projetos, públicos e/ou privados, que possam
ser implementados em tempo futuro, e não tem como levá-los, pois ainda são
204
desconhecidos. Por outro lado, o banco de dados já conformado permite a
inserção de novas variáveis, atualização e posterior execução do modelo,
permitindo assim visualizar novos e diversos cenários futuros da área em
estudo. Conseqüentemente, recomenda-se a atualização do banco de dados,
de forma permanente, para gerar novos cenários conforme as novas variáveis
em curso e, assim, auxiliar na gestão ambiental do baixo curso do rio
Piranhas-Assu. Sendo assim, sugere-se, inicialmente, a criação de um grupo
de pesquisadores das universidades do Rio Grande do Norte, tendo como
objeto de estudo permanente o baixo curso do rio Piranhas-Assu.
BIBLIOGRAFIA
205
ALEKSANDROWICZ, Ana Maria C. Complexidade e Metodologia: um refinado retorno às fronteiras do conhecimento. In: MINAYO, M.C. de S., DESLANDES, S. F. (Org.) Caminhos do pensamento: epistemologia e método. Rio de Janeiro: Fiocruz, p. 49-79, 2002.
ALMEIDA, R. B. Variação espacial e temporal dos campos de tensões tectônicos Pós-Campanianos na Bacia Potiguar: dados preliminares. In: Congresso Brasileiro de Geologia, 41, 2002, João Pessoa, PB. Anais... João Pessoa, PB. 2002. 349 p.
ALMEIDA, C. M. Modelagem da dinâmica espacial como uma ferramenta auxiliar ao planejamento: simulação de mudança de uso da terra em áreas urbanas para as cidades de Bauru e Piracicaba (SP), Brasil. 2003. 307 f. Tese (Doutorado em Sensoriamento Remoto) – Instituto Nacional de Pesquisas Espaciais - INPE, São José dos Campos, 2003.
ALMEIDA, C. M.; et al. Stochastic cellular automata modeling of urban land use dynamics: empirical development and estimation. Computers, Environment and Urban Systems, New York, v. 27, n. 5, p. 481-509, Sept. 2003.
ALMEIDA, M. da C. de. Introdução/Mapa inacabado da complexidade. In: SILVA, A. A. D. da; GALENO, A. (orgs.). Geografia: Ciência do Complexus. Porto Alegre: Sulina, 2004, p. 334.
ALMEIDA, F. F. M.; HASSUI, Y.; BRITO NEVES, B. B.; FUCK, R. A. Províncias Estruturais Brasileiras. In: Simpósio de Geologia do Nordeste, 2, 1977, Campina Grande, PB. Anais... Campina Grande, PB, 1977, p. 242-258.
ALVES, H. P. da F. Vulnerabilidade socioambiental na metrópole paulistana: uma análise sociodemográfica das situações de sobreposição espacial de problemas e riscos sociais e ambientais. R. Bras. Est. Pop., São Paulo, v. 23, n. 1, p. 43-59, jan./jun. 2006
AMARO, V. E. Análise conjunta de dados geológicos, geofísicos, sensoriamento remoto, do setor extremo nordeste da Província Borborema, Nordeste do Brasil, com ênfase nas Zonas de Cisalhamento Dúcteis Neoproterozóicas. 1998. 397 f. Tese (Doutorado em Recursos minerais e hidrogeologia). Instituto de Geociências, Universidade de São Paulo, São Paulo, 1998.
ANDRADE, F. S. Uso de Sistemas de Informação Geográfica na identificação de áreas potenciais para a instalação de aterros sanitários no Distrito Federal. 1999. 126 f. Dissertação (Mestrado) - Universidade de Brasília, Brasília/DF, 1999.
206
ARARIPE, P. T.; FEIJÓ, F. J. Bacia Potiguar. In.: Boletim de Geociências da Petrobrás. Rio de Janeiro, v.8, n.1, p. 127-141, 1994.
ARAÚJO, P. C.; et al. Aplicação do método multicritério em sistemas de informação geográfica na escolha de locais para a disposição de resíduos sólidos no Município de Americana – SP. In: Congresso Brasileiro de Geologia de Engenharia, IX, 1999, São Paulo, SP. Anais... Artigo 30, CD-ROM. 1999.
BARBOSA, C. C. F. Álgebra de mapas e suas aplicações em Sensoriamento Remoto e Geoprocessamento. 1997. 111 f. Dissertação (Mestrado em Sensoriamento Remoto) – Instituto Nacional de Pesquisas Espaciais-INPE, São José dos Campos, 1997.
BARBOSA LANDIM, P. M. Análise estatística de dados geológicos. Edição 2. São Paulo: Fundação Editora da UNESP, 2003, 253 p.
BAR-YAM, Y. Dynamics of Complex Systems. Massachusetts: Perseus Books, 1997. 848 p.
BATTY, M. GeoComputation Using Cellular Automata. GeoComputation. S. Openshaw and R. J. Abrahart, Taylor&Francis, 2000, p. 95-126.
BATTY, M.; COUCLELIS, H.; EICHEN, M. Urban systems as cellular automata. Environment and Planning B, v.24, n.2, p.159-164, March 1997.
BONHAM-CARTER, G. F. Geographic information system for geoscientist: modelling with GIS. Pergamon, New York, 1994. 398 p.
BRASIL. Ministério das Minas e Energia. Secretaria-Geral. Projeto RADAMBRASIL - Levantamento de Recursos Naturais. Folhas SB.24/25 Jaguaribe/Natal; geologia, geomorfologia, perdologia, vegetação e uso potencial da terra. Rio de Janeiro: Ministério de Minas e Energia, Vol. 23, 1981. 744 p.
BURROUGH, P. Dynamic Modelling and Geocomputation. Geocomputation: A Primer. P. Longley, M. Batty and R. McDonnel. London, John Wiley & Sons. 1998.
BYRNE, D. Complexity Theory and Social Sciences: an introduction. [S.I.: s.n.] Routledge, 1998.
CAMPOS E SILVA, A. Contribuição ao estudo do grupo Barreiras no Rio Grande do Norte. Coleção Mossoroense: Mossoró, Série B, n. 391, 14 p. 1983.
CAPRA, F. A teia da vida: uma nova compreensão cientifica dos sistemas vivos. Tradução: Newton Roberval Eichemberg. São Paulo: Cultrix, 1996. 256 p.
207
CASTRO DA COSTA, T. C. et al. Vulnerabilidade ambiental em sub-bacias hidrográficas do Estado do Rio de Janeiro por meio de integração temática da perda de solo (USLE), variáveis morfométricas e o uso/cobertura da terra. In.: Simpósio Brasileiro de Sensoriamento Remoto, XIII, 2007. Florianópolis, SC. Anais... 2007. p. 2493-2500.
CASTRO, C. de. Morfogênese e sedimentação: evolução do relevo do nordeste e seus depósitos correlativos. Not. Geomorfol. Campinas, v.19, n.37/38, p.3–27, 1979.
CHAPIN Jr., F. S.; WEISS, S. F. A probabilistic model for residential growth. Transportation Research, v.2, p.375-390, 1968.
CHRISMAN, N. Exploring geographical infomation systems. New York: John Wiley & Sons. 1997. 275 p.
CLAUDINO SALES, V, Evolution Geomorfologique de Zone cotiere de I’Etat du Ceará, du long terme au curt terme. Tese (Doutorado em Geografia) – Université Paris-Sorbonne, 2002.
COUCLELIS, H. From Cellular Automata to Urban Models: New Principles for Model Development and Implementation. Environment and Planning B: Planning and Design, n. 24, p. 165-174. 1997.
CREMONINI, O. A. Evolução tectônica da área de Ubarana, porção submersa da Bacia Potiguar. In.: Boletim de Geociências da Petrobrás. Rio de Janeiro, v. 10, n. 1/4, p. 81-97, 1996.
CREMONINI, O. A.; KARNER, G. D. Soergimento termal e erosão na Bacia Potiguar submersa e seu relacionamento com a evolução da faixa equatorial brasileira. In.: Simposio de Geología do Nordeste, 15, 1995, Recife, PE. Atas…1995. Recife, PE. p. 181-184.
CUTTER, S. L. Vulnerability to environmental hazards. Progress in Human Geography, v.20, n.4, p. 529-539, Dez. 1996.
DANTAS, E. P. Gravimetria e Sensoriamento Remoto: uma aplicação ao estudo da tectônica recente entre Macau e São Bento do Norte (RN). 1998. 98 f. Dissertação (Mestrado em Geodinâmica) – Universidade Federal do Rio Grande do Norte, Natal, 1996.
DELGADO VILLASMIL, J. R. Hacia una planificación urbana para la reducción de riesgos ambientales: Vulnerabilidad urbana del área metropolitana de Caracas. La ciudad en ciernes. Disponível em <http://www.derechoalaciudad.org/experiencias/ orizonte/referencia_39_2.htm>. Acesso 03 setembro 2007.
208
DEMANGEOT, J. Coordénation des surfaces d’érosion du Brésil oriental – C. R. Scéances Soc. géol. Paris, França, n.5, p.99. 1959.
DISPERATI, L.; BOCCI, P. L.; FANTOZZI, S.; KOSCIAK, A. C.; PARANHOS FILHO, A. C.; RIGHINI, G. Mapping land use changes through remote sensing and GIS analysis: the case of Rio Verde of Mato Grosso área in the Pantanal Region (MS, Brasil). In: International Congress for Computer Techonology in Agriculture – ICCTA – Computer techonology in Agricultural Management and Risk Prevention, 7, 1998, Florença – Itália. Anais… 1998. Florença – Itália.
DOLAN, S. L., GARCIA, S., AUERBACH, A. Understanding and Managing Chaos in Organisations. International Journal of Management. vol.20, n° 1, 2003.
DRESCH, J. Les problèmes morphologiques du Nord-est brèsilien. Bull. Assoc. Géogr. Français, Paris, França. v. 263 n.64, p.48-59. 1957.
ER MAPPER. ER Mapper version 6.0. West Perth: Earth Resource Mapper Pty Ltd. 1 CD ROM. 1999.
ESRI Inc. Arc View version 3.2. California: Environmental System Research Institute Inc. 1 CD ROM. 1998.
ECOPLAM. Relatório de avaliação ambiental - RAA, dos campos petrolíferos de Conceição, Salina Cristal e Macau. ECOPLAM, vol. 1, Natal. 1997.
EMBRAPA. Centro nacional de Pesquisa de Solos. Sistema brasileiro de classificação de solos. Brasília: Embrapa Produção de Informação, Rio de janeiro: Embrapa: Solos 1999. 412 p.
FERRARI FILHO, F. ; CONCEIÇÃO, O. . A noção de incerteza nos pós-keynesianos e institucionalistas: uma conciliação possível?. Nova Economia, Belo Horizonte, v. 11, n. 1, p. 99-122, 2001.
FONSECA, V. P. Estudo morfo-neotectônico na área do baixo curso do rio Açu (Assu-Macau), Rio Grande do Norte. 1996. 109 f. Dissertação (Mestrado em Geologia) Universidade Federal de Minas Gerais, Belo Horizonte, 1996.
FONSECA, V. P. Compartimentação neotectônica de um segmento do Litoral Setentrional do Rio Grande do Norte. In.: Congresso da ABEQUA, 8, 2001, Imbé, RS. Boletim de Resumos... Imbé, RS, p. 305-306.
FORTES, F. P. Mapa geológico da Bacia Potiguar (1:100.000). PETROBRÁS/DEBAR/DINTER/SEBAT, Relatório Interno, 1987. 125 p.
209
FORTES, F. P. A origem da Bacia Potiguar como decorrência do Ciclo Tectono-Orogênico Brasiliano. In: Congresso Brasileiro de Geologia, 35, 1988. Anais… p. 2091-2106, 1988.
GEYER, R.; RIHANI, S. Complexity Theory and the Challenges to Democracy in the 21 century. Political Studies Association-UK 50 Annual conference, London, april, 2000.
GODOY, M. M. G. Modelagem da Dinâmica de Ocupação do Solo no Bairro Savassi, Belo Horizonte, BRASIL. 2004. 99 f. Dissertação (Mestre em Geografia) - Universidade Federal de Minas Gerais, Belo Horizonte, 2004.
GOMES, J. C. R.; et al. Mapeamento regional. In.: Brasil. Ministerio das Minas e Energia. Projeto RADAMBRASIL - Levantamento de Recursos Naturais. Folhas SB-24/25, Jaguaribe/Natal. Rio de Janeiro: Ministerio das Minas e Energia, v. 23, p. 27-176. 1981.
GRIGIO, A. M. Aplicação de sensoriamento remoto e sistema de informação geográfica na determinação da vulnerabilidade natural e ambiental do Município de Guamaré (RN): simulação de risco às atividades da indústria petrolífera. 2003. 222 f. Dissertação (Mestrado em Geodinâmica) - Universidade Federal do Rio Grande do Norte, Natal, 2003.
GRIGIO A. M. et al. Análise e integração de imagens óticas na caracterização multitemporal do uso e ocupação do solo como apoio para a confecção do mapa de suscetibilidade ambiental do Município de Guamaré-RN. In: Congresso Brasileiro de P&D em Petróleo e Gás, 1, 2001, Natal, RN. Anais... Natal, RN 2001.
GRIGIO A. M.; Amaro, V. E.; Vital, H. Análise multitemporal do uso e ocupação do solo do Município de Guamaré-RN, com base em produtos de sensoriamento remoto e sistema de informações geográfica. . In: Congresso Brasileiro de Geologia, 41, 2002, João Pessoa, PB. Anais... João Pessoa, PB. 2002. p 93.
GRIGIO A. M.; Amaro, V. E.; Diodato, M. A. Análise multitemporal do uso e ocupação do solo, em áreas de atuação da indústria petrolífera, com base em produtos de sensoriamento remoto e Sistema de Informação Geográfica: Município de Guamaré (RN). Revista Geografia. Rio Claro, V. 30, n. 1, p. 177 – 197, 2005.
GUEDES L. da S.; AMARO, V. E.; VITAL, H. Estudo temporal do uso e ocupação do estuário do rio Paraíba do Norte (PB) por meio da cartografia temática digital e de imagens de sensoriamento remoto orbital. In: Congresso Brasileiro de Geologia, 41, 2002, João Pessoa, PB. Anais... João Pessoa, PB. 2002.
210
GUEDES, L. da S. Monitoramento Geoambiental do estuário do rio Paraíba do Norte-PB por meio da cartografia temática digital e de produtos de sensoriamento remoto. 2002, 87 f. Dissertação (Mestrado em Geodinâmica) - Universidade Federal do Rio Grande do Norte, Natal, 2002.
HACKSPACHER, P. C.; et al. A falha de Afonso Bezerra como evidência significativa do tectonismo frágil NW-SE na Bacia Potiguar emersa. Natal, UFRN/CCE/DG. Boletim 10. 68 p. 1985.
HAGEN, A., Fuzzy set approach to assessing similarity of categorical maps. International Journal of Geographical Information Science, v.17, n.3, p.235–249. 2003.
HEYLIGHEN, F. Building a science of complexity. Annual Conference of the cybernetics Society. London, 1988. Disponível em: http://pespmc1.vub.ac.be/ POSBOOK.html. Acessado em 20 de set. 2004.
IDEMA. Diagnóstico e vulnerabilidade ambiental dos estuários do litoral norte e seus entornos. Instituto de Desenvolvimento Econômico e Meio Ambiente - IDEMA. Projeto de Zoneamento Ecológico-Econômico dos estuários do Estado do Rio Grande do Norte e dos seus entornos, SUGERCO/IDEMA. Relatório Final. Natal, 2002.
IDEMA / CESE. Instituto de Desenvolvimento Econômico e Meio Ambiente - IDEMA / Centro de Estudos Socioeconômicos - CESE. Dados Básicos: IBGE, Censos Demográficos - 1991/2000. 2004. Disponível em <http://www.idema.rn.gov.br>. Acesso: 03 de outubro de 2006.
INTER-AMERICAN DEVELOPMENT BANK. Cooperación Regional para Reducir la Vulnerabilidad Ambiental y Promover el Desarrollo Sostenible en Centroamérica. CCAD/SICA-DGMA - PNUD/PNUMA/CEPAL - Banco Mundial. Estocolmo, Suécia. Maio 1999. Disponível em <http://www.iadb.org/regions/re2/ onsultative_group/groups/ecology_workshop_ 5esp.htm>. Acesso em 05 setembro 2007.
JARDIM DE SÁ, E. F. A. Evolução Proterozóica da Província Borborema. In: Simpósio de Geologia do Nordeste, 11, 1984, Recife, PE. Atas... Recife, PE. 1984. p. 271-297.
JONES, D. Environmental hazards in the 1990s: problems, paradigms and prospects. Geography, v.78, n.2, p. 161-165, 1993.
KASPERSON, J.; KASPERSON, R. International workshop on vulnerability and global environmental change. Stockholm: SEI, 2001.
211
KING, L. C. A geomorfologia do Brasil Oriental. In.: Revista Brasileira de Geografia. Rio de Janeiro, ano 18, n. 2, p. 147-265. 1956.
KING, L. C. A geomorphological comparison between eastern Brazil and Africa. Quaterly Journal of the Society of London. London, Grã-Bretanha. 1957.
LAMBIN, E. F. Modeling Deforestation Processes - A Review, Trees series B: Research Report. European Commission, Luxembourg. 1994.
LAZZERINI, F. T. Geodiversidade. 2005. Disponível em <http:// www.Aguasdesaopedro.com/goto/store/textos.aspx?SID=a76ab28692f9b4c58e8265fafff4c20b&id=22>. Acessado em 07/10/2007.
LEITE, I. O. B.; LINS, J. C. dos S.; CERQUEIRA, M. G. de C. Autômato Celular. 2004. Disponível em <http://www.di.ufpe.br/~iobl/monografia/ index.html>. Acessado em 10 de nov. 2005.
MABESOONE, J. M.; CASTRO, C. Desenvolvimento geomorfológico do nordeste brasileiro. Bol. Núcleo Nordeste Soc. Bras. Geol., v. 3, p. 5-36. 1975.
MABESOONE, J. M. Sedimentary Basins of Northeast Brazil. Recife: UFPE/DG. p. 189-230. 1994.
MABESOONE, J. M.; CAMPOS E SILVA, A.; BEURLEN, K. Estratigrafia e origem do grupo Barreiras em Pernambuco, Paraíba e Rio Grande do Norte. In.: Revista Brasileira de Geociências, n. 2, p.173-188. 1972.
MABESSONE, J. M. Panorama geomorfológico do nordeste brasileiro. Geomorfologia, USP - Instituto de Geografia, n. 56, 16 p. 1978.
MARANDOLA JR., E.; HOGAN, D. J. Natural hazards: o estudo geográfico dos riscos e perigos. Ambiente & Sociedade, Campinas, v. 7, n.2, p. 95-109, jul./dez., 2004.
MATOS, R. M. D. Deep seismic profiling, basin geometry and tectonic evolution of intercontinental in Brazil. 1992a. 275 f. Tese (Doutorado em Geologia) – Universidade Cornell, New York. 1992.
MATOS, R. M. D. The notheast brazilian rift system. Tectonic. v. 11, n. 4, p. 766-791. 1995.
MESQUITA JUNIOR, H. N. de. Análise temporal com sensor orbital de unidades fisionômicas de cerrado na Gleba Pé-de-Gigante (Parque Estadual de Vassununga – SP). 1998. 118 f. Dissertação (Mestrado em Ecologia dos Ecossistemas Terrestres e Aquáticos) - Instituto de Biociências, Universidade de São Paulo, São Paulo, 1998.
212
MIRANDA, F. M. Geologia da área de Macauzinho, Litoral Leste do Estado do Rio Grande do Norte. 1983. 168 f. Relatório (Graduação em Geologia) da Universidade Federal do Rio Grande do Norte, Natal. 1983.
MIZUSAKI, A. M. P. A formação Macau na porção submersa da Bacia Potiguar. Boletim de Geociências da Petrobras, v. 3, n. 3, p.191-200, 1989.
MORALES, L. J. de. Serras e montanhas do nordeste. Inspet. Fed. Obras contra Seccas, série I. D. Rio de Janeiro, v. 2, n. 58, p. 120-122, 1924.
MOREIRA, F. R. da S. Uso e avaliação de técnicas de integração e análise espacial de dados em pesquisa mineral aplicadas ao planalto de Poços de Caldas. 2001. 160 f. Dissertação (Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais, São José dos Campos, 2001.
MORIN, E.; LE MOIGNE, J. L. A inteligência da complexidade. Tradução: Nurimar Maria Falci. São Paulo: Peirópolis, 2000.
MORIN, E. O método 1: da natureza da natureza; Tradução: Ilana Heineberg. 2ª edição. Porto Alegre: Sulina, v. 1, 1977.
MOTTA, M. da; SASSAGAWA, H. S. Y.; MEDEIROS, J. S. de. Integração de dados ambientais através de álgebra de mapas. Caso de estudo: geração da vulnerabilidade ambiental do município de Assis Brasil - Acre. 1999. Disponível em <http://www.dpi.inpe.br>. Acesso em 28 setembro 2002.
NATRONTEC. Estudo de Impacto Ambiental para implantação do Pólo Gás-Sal no Município de Macau-RN. Diagnóstico, Análise de Impactos e Programa de Gestão Ambiental, Relatório Final. Rio de Janeiro/Natal. 1998.
NEVES, C. A. O. Análise do trinômio geração - migração - acumulação de hidrocarbonetos na Seqüência Continental da Bacia Potiguar emersa, Nordeste do Brasil. 1987. 71 f. Dissertação (Mestrado em Geologia) – da Universidade Federal de Ouro Preto, Ouro Preto. 1987.
O'SULLIVAN, D. Toward micro-scale spatial modeling of gentrification. Journal of Geographical Systems, v. 4, n. 3, p. 251–74. 2002.
OLIVEIRA, L. A. O tempo é do caos. Revista Caros Amigos Especial, Ano XI, n. 36, nov. 2007. p. 17-18. 2007.
PACHECO, A. da P. Aplicação multitemporal de Sensoriamento Remoto e Geoprocessamento à Mata do Zumbi. In: Cobrac 2000 - Congresso Brasileiro de Cadastro Técnico Multifinalitário, 2000, Florianópolis, SC. Anais...Florianópolis, SC. 2000.
213
PANIZZA, A. de C. Imagens orbitais, cartas e coremas: uma proposta metodológica para o estudo da organização e dinâmica espacial, aplicação ao Município de Ubatuba, Litoral Norte do Estado de São Paulo, Brasil. 2004. 302 f. Tese (Doutorado em Geografia) - Departamento de Geografia, Universidade de São Paulo, São Paulo, 2004,
PARANHOS FILHO, A. C. Análise geo-ambiental multitemporal: o estudo de caso da região de Coxim e da bacia do Taquarizinho (MS – Brasil). 2000. 213 f. Tese (Doutorado em Geologia) - Universidade Federal do Paraná, Curitiba, 2000.
PEDROSA, B. M. Ambiente Computacional para Modelagem Dinâmica Espacial. 2003. 98 f. Tese (Doutorado em Computação Aplicada) – – Instituto Nacional de Pesquisas Espaciais - INPE, São José dos Campos, 2003.
PESSOA NETO, O. da C. Análise estratigráfica integrada da plataforma mista (Siliciclástica-Carbonática) do Neogeno da Bacia Potiguar, nordeste do Brasil. 1999. 210 f. Dissertação, (Mestrado em Estratigrafia) – UFRGS, Porto Alegre, RS. 1999.
PEULVAST, J. P.; CLAUDINO SALES, V. Stepped surfaces and Paleolandforms in the Northern Brasilian: Constraints on models of morfotectonic evolution. Geomorphology, (Amstrerdam), Holanda, v. 62, p. 89-122, 2004.
POZO DÍAZ, M. E. Herramientas tecnológicas, para el análisis de Estudios de Impacto Ambiental: el SIG Arc/Info y ArcView. Apostila do Curso Evaluación de Impacto Ambiental-USACH. Departamento Gestión y Ordenamineto Ambiental, Universidad de Santiago de Chile. 1999.
ROCHA FILHO, O. G. Mapeamento geológico e análise morfotectônica do médio Rio Açu. 1992. 126 f. Relatório (Graduação em Geologia) da Universidade Federal do Rio Grande do Norte, Natal. 1992.
RODRIGUES, H. O.; SOARES-FILHO, B. S.; COSTA, W. L. de S. Dinamica EGO, uma plataforma para modelagem de sistemas ambientais. In: XIII Simpósio Brasileiro de Sensoriamento Remoto, Anais, Florianópolis, SC, 21-26 abril de 2007, INPE, p.3089-3096. 2007.
SAADI, A; TORQUATO, J. R. Neotectônica do Ceará: uma hipótese de interpretação global. In: Congr. Bras. Geol., 37, 1992, São Paulo, SP. Anais... São Paulo, SP. SBG. v.1. p.597-598. 1992.
SIAL, A. N. The Rio Grande do Norte alcallic-olivine-basalt association, Northeast Brazil. Revista Brasileira de Geociências. v. 6, n. 1, p.1-14, 1976.
214
SILVA, C. G. Holocene stratigraphy and evolution of the Açu river delta, northeast Brazil. 1991. 400 f. Tese (Doutorado em Geologia) Universidade Duke. 1991.
SILVA, M. G. Faciologia, geologia estrutural e geomorfologia de uma área a nordeste de Assu-RN, porção centro sul da Bacia Potiguar. 1997. 92 f. Relatório (Graduação em Geologia) Universidade Federal do Rio Grande do Norte, Natal. 1997.
SILVEIRA, I. M. da. Estudo evolutivo das condições ambientais da região costeira do Município de Guamaré-RN. 2002. 256 f. Dissertação (Mestrado em Geodinâmica) Universidade Federal do Rio Grande do Norte, Natal. 2002.
SILVEIRA, I. M. da.; VITAL, H; AMARO, V. E. Evolução costeira da região de Guamaré-RN. In.: Congresso da ABEQUA, 8, 2001, Imbé, RS. Anais... Imbé, RS. 2001. p. 545-546.
SIPPER, M. The emergence of Cellular Computing. IEEE Computer, v. 32, n. 7, p. 18-26,1999.
SPELLERBERG, I. F. Ecológica/ Evaluation for Conservation. The Institute of Biology's Studies in Biology n. 133. Londres, Edward Anold (Publishers) Limited, 1981. 60p.
SOARES-FILHO, B.S., PENNACHIN, C. L., CERQUEIRA, G.. DINAMICA – a stochastic cellular automata model designed to simulate the landscape dynamics in an Amazonian colonization frontier. Ecological Modelling, Holanda, v. 154, n. 3, p. 217-235, 2002.
SOARES-FILHO, B.S., et al. Simulating the spatial patterns of change through the use of the dinamica model. In: Simpósio Brasileiro de Sensoriamento Remoto, 11, 2003, Belo Horizonte, MG. Anais... Belo Horizonte, MG. 2003. p. 721-728.
SOARES-FILHO, B.S. et al. Simulating the Response of Land-Cover Changes to Road Paving and Governance Along a Major Amazon Highway: The Santarém-Cuiabá Corridor. Global Change Biology. EUA, v. 10, n. 5, p. 745-764, 2004.
SOARES-FILHO, B. S. Modelagem da dinâmica de paisagem de uma região de fronteira de colonização amazônica. 1998. 299 f. Tese (Doutorado em Engenharia de Transportes) – Escola Politécnica da Universidade de São Paulo. São Paulo, 1998.
SOARES-FILHO et. al. Programa DINAMICA EGO. Laboratório de Sensoriamento Remoto. Universidade Federal de Minas Gerais. 2007.
215
SOARES-FILHO, B. S., ARAÚJO, A. DE A., CERQUEIRA, G. C..DINAMICA – Um software para simulação de dinâmica de paisagens. In: Workshop em Tratamento de Imagens, 2, 2001, Belo Horizonte, MG. Anais... Belo Horizonte, MG. 2001.
SOUTO, M. V. S. Análise multitemporal da morfodinâmica costeira na região da Ponta do Tubarão, município de Macau/RN, utilizando técnicas de geoprocessamento. 2002. 67 f. Relatório (Graduação em Geologia) Universidade Federal do Rio Grande do Norte, Natal. 2002.
SOUTHWORTH, F.; DALE, V. H.; O’NEILL, R. Contrasting patterns of land use in Rondônia, Brazil: simulating the effects on carbon release. International Social Science Journal, n.43, p. 681–698. 1991.
SOUZA, S. M. Análise da litoestratigrafia da Bacia Potiguar. In.: Congresso Brasileiro de Geologia, 32, 1982, Salvador, BA. Anais… Salvador, BA. 1982. v. 5 p. 2392-2406.
SPELLERBERG, I. F. Ecológica/Evaluation for Conservation. The Institute of Biology's Studies in Biology, n. 133. Edward Anold (Publishers) Limited, London, 60p. 1981.
WOLFRAN, S. Theory and Applications of Cellular Automata. In: World Scientific. Singapore, 1983.
STEYAERT, L. T. A. Perspective on the state of environmental simulation modeling . In.: Goodchild, M.; Parks, B. O.; Steyaert, L. T. Environmental modeling with GIS. New York: Oxford University Press, p.16-29. 1993.
SUGUIO, K. Dicionário de geologia sedimenta e áreas afins. Rio de Janeiro: Bertrand Brasil. 1998. 1222 p.
TAGLIANI, C. R. A. Técnica para avaliação da vulnerabilidade ambiental de ambientes costeiros utilizando um Sistema Geográfico de Informação. Galeria de artigos acadêmicos. 2002. Disponível em <http://www.fatorgis.com.br>. Acesso em 08 janeiro 2003.
TOBLER, W. Cellular geography. In: GALE, S.; OLSSON, G. (Ed.). Philosophy in geography. Dordrecht: D. Reidel Publishing Co., p 379-386, 1979.
TRICART, J. Ecodinâmica. Rio de Janeiro, IBGE/SUPREN, 1977. 91p.
VALENZUELA, C. Introduction to Geographic Information Systems. Intentional Institute for Aerospace Survey and Earth Sciences. The Netherlands. 1990.
216
VEIGA, A. T. C. A geodiversidade e o uso dos recursos minerais da Amazônia. Terra das Águas, v. 1, NEAz/UnB, Brasília. p. 88-102. 1999.
VEIGA, A. T. C. Breve história geológica de Goiás. In: Bertran, P. (ed.). Goiás – 1722/2002. Agência Goiana de Cultura. Goiânia, 2002. p. 18-22.
VILAÇA, J. C.; et al. Geologia ambiental da área costeira de Ponta de Búzios a barra de Maxaranguape-RN. In.: Simpósio de Geologia do Nordeste, 12, 1986, Fortaleza, CE. Atas... Fortaleza, CE. v. 10, 1986. p. 220-227.
VITAL, H.; STATTEGGER, K.; TABOSA, W. F.; RIEDEL, K. Why does erosion in the Northeeastern Coast of Brazil? The Caiçara do Norte Beach example. Journal of Coastal Research, SI 35, p. 525 – 529, 2003.
WEGENER, M.; GNAD, F.; VANNAHME, M. The time scale of urban change. In: HUTCHINSON, B.; BATTY, M. (Ed.). Advances in urban systems modelling. Amsterdam: Elsevier, p. 175-197. 1986.
WHITE, R., ENGELEN, G. Cellular Automata as the Basis of Integrated Dynamic Regional Modelling. Environment and Planning B: Planning and Design, n. 24, 1997. p. 165-174.
WORBOYS, M. F. GIS: A computer perspective. Londres: Taylor and Francis. 1995. 150 p.
XAVIER-DA-SILVA, J. et al. Índices de geodiversidade: aplicações de SGI em estudos de biodiversidade. In: GARAY, I.; DIAS, B. F. S. (Orgs.). Conservação da biodiversidade em ecossistemas tropicais: avanços conceituais e revisão novas metodologias de avaliação e monitoramento. Rio de Janeiro, Vozes, 2001. p. 299-316.
ZONNEVELD, I. S. Land evaluation and land(scape)science. ITC Textbook of Photointerpretation, v.7 Enschede, ITC 106. 1972
APÊNDICE
(CD-ROM)
