FELIPE HASHIMOTO FENGLER - iac.sp.gov.br · dissertaÇÃo variaÇÃo temporal dos fragmentos florestais na bacia hidrogrÁfica do rio jundiaÍ-mirim felipe hashimoto fengler campinas,

DISSERTAÇÃO

VARIAÇÃO TEMPORAL DOS FRAGMENTOS

FLORESTAIS NA BACIA HIDROGRÁFICA DO

RIO JUNDIAÍ-MIRIM

FELIPE HASHIMOTO FENGLER

Campinas, SP

2014

INSTITUTO AGRONÔMICO

CURSO DE PÓS-GRADUAÇÃO EM AGRICULTURA

TROPICAL E SUBTROPICAL

VARIAÇÃO TEMPORAL DOS FRAGMENTOS

FLORESTAIS NA BACIA HIDROGRÁFICA DO RIO

JUNDIAÍ-MIRIM

FELIPE HASHIMOTO FENGLER

Orientador: Jener Fernando Leite de Moraes

Co-orientador: Admilson Irio Ribeiro

Dissertação submetida como requisito parcial

para obtenção do grau de Mestre em

Agricultura Tropical e Subtropical, Área de

Concentração em Gestão de Recursos

Agroambientais

Campinas, SP

Fevereiro 2014

i

DEDICATÓRIA

A minha família, graças à compreensão nos momentos de ausência, o incentivo para

superar os obstáculos, os sacrifícios, valores e conselhos, além de muito amor, carinho e

atenção foi possível avançar nessa importante etapa.

ii

AGRADECIMENTOS

Há tantos a agradecer, não somente na realização da Dissertação, mas por toda

dedicação em meu desenvolvimento profissional e pessoal.

Agradeço ao meu Orientador Dr. Jener Fernando Leite de Moraes pelo

comprometimento com minha formação, amizade, liberdade, confiança e dedicação.

Ao meu Coorientador Dr. Admilson Irio Ribeiro pelos momentos de discussão, sua

amizade e companheirismo.

A Dra. Isabella Clerici De Maria e ao Dr. Gerson Araújo Medeiros pela grande

contribuição nas etapas finais desse trabalho.

Aos pesquisadores Afonso Peche Filho e Moisés Storino pelas valiosas discussões,

todo o suporte e apoio.

A equipe do Laboratório de Geoprocessamento do Instituto Agronômico de Campinas:

Elisabete Monteiro da Silva, Tânia Maria Nicoletti, João Paulo de Carvalho, Nícia Marcondes

Zingra, Alfredo Armando Carlstrom Filho; que me receberam de braços abertos, sempre me

incentivando ao longo dessa trajetória.

A Pós-graduação do Instituto Agronômico de Campinas e a todos os professores pela

grande contribuição na minha formação.

A Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) pela

concessão da bolsa de estudos que viabilizou meu aprimoramento profissional.

Ao Instituto Agronômico de Campinas que têm me acolhido desde o estágio,

contribuindo imensamente na minha formação.

A Adriana Camilo Bellemo por todo carinho e compreensão.

A meus companheiros Bruno Marques, Daniel Queiroz, Eduardo Pretto Freitas e

Guilherme Castioni pela amizade e bons momentos vividos.

A todas as pessoas que de alguma forma contribuíram para que esse trabalho se

tornasse realidade.

Muito sucesso a todos!

SUMÁRIO

LISTA DE TABELAS .......................................................................................................iii

LISTA DE FIGURAS ......................................................................................................... v

RESUMO ........................................................................................................................... ix

ABSTRACT ........................................................................................................................ x

1 INTRODUÇÃO ............................................................................................................... 1

2 REVISÃO DA LITERATURA ........................................................................................ 4

2.1 Sensoriamento Remoto e Sistema de Informação Geográfica no Processo de

Caracterização e Monitoramento Ambiental ....................................................................... 4

2.2 Uso e Ocupação do Solo, Modelagem Espacial e Temporal ........................................ 5

2.3 O Modelo da Cadeia de Markov ................................................................................... 8

2.4 Autômatos Celulares e a Cadeia de Markov ............................................................... 12

2.5 Perturbação Ambiental e Qualidade Ambiental de Remanescentes Florestais ........... 15

2.6 Análise Multicritério ................................................................................................... 16

3 MATERIAIS E MÉTODOS .......................................................................................... 18

3.1 Caracterização da Área de Estudo ............................................................................... 18

3.2 Sistemas Computacionais Utilizados .......................................................................... 21

3.3 Aquisição de Dados ..................................................................................................... 21

3.4 Processamento dos Dados ........................................................................................... 22

3.4.1 Digitalização e correção ortogonal das fotografias aéreas de 1972 ......................... 22

3.4.2 Construção da cena atual da bacia hidrográfica ....................................................... 22

3.4.3 Obtenção de mapas temáticos .................................................................................. 23

3.4.3.1 Obtenção dos mapas primários de 1972, 2001 e 2013 .......................................... 23

3.4.3.2 Obtenção dos mapas indicadores de perturbação ambiental ................................. 23

3.4.3.2.1 Mapa de proximidade entre fragmentos florestais e áreas edificadas

(PROXED).. ...................................................................................................................... 23

3.4.3.2.2 Mapa de proximidade entre fragmentos florestais e malha viária

(PROXVIAS)... ................................................................................................................. 24

3.4.3.2.3 Mapa de suporte ao desenvolvimento da vegetação nativa (CAPUSO) ............ 24

3.4.3.2.4 Mapa de uso e ocupação do solo no entorno dos fragmentos florestais

(BORDA)....... ..................................................................................................... ..............25

3.4.3.2.5 Mapa de intensidade de fragmentação da vegetação nas sub bacias hidrográficas

(IF).................. ................................................................................................................... 26

3.4.3.2.6 Mapa de cobertura vegetal remanescente (CV) ................................................. 27

3.4.3.2.7 Mapa de tamanho dos fragmentos florestais (TAMANHO) .............................. 27

3.4.3.2.8 Mapa índice de borda dos fragmentos florestais (INB) ..................................... 28

3.4.3.2.9 Mapa de conectividade dos fragmentos florestais (CONECT) .......................... 28

3.4.4 Determinação da qualidade ambiental dos fragmentos florestais ............................ 29

3.5 Estudo Temporal da Qualidade Ambiental dos Fragmentos Florestais ...................... 30

3.5.1 Determinação da matriz de transição de estados da bacia hidrográfica ................... 30

3.5.2 Teste da independência temporal ............................................................................. 31

3.5.3 Teste das rotinas de espacialização .......................................................................... 32

3.5.4 Projeções de cenários futuros ................................................................................... 34

4 RESULTADOS E DISCUSSÃO ................................................................................... 36

4.1 Mapas Primários .......................................................................................................... 39

4.1.1 Áreas edificadas ....................................................................................................... 39

4.1.2 Malha viária.............................................................................................................. 43

4.1.3 Uso e ocupação do solo na borda dos fragmentos florestais .................................... 46

4.1.4 Remanescentes florestais.......................................................................................... 50

4.2 Indicadores de Perturbação Ambiental ....................................................................... 53

4.2.1 Proximidade entre fragmentos florestais e áreas edificadas ..................................... 53

4.2.2 Proximidade entre fragmentos florestais e malha viária .......................................... 57

4.2.3 Suporte ao desenvolvimento da vegetação nativa .................................................... 61

4.2.4 Uso e ocupação do solo na borda dos fragmentos florestais .................................... 64

4.2.5 Fragmentação florestal das sub bacias hidrográficas ............................................... 67

4.2.6 Cobertura vegetal remanescente nas sub bacias hidrográficas................................. 71

4.2.7 Dimensão dos fragmentos florestais ........................................................................ 74

4.2.8 Índice de borda dos fragmentos florestais ................................................................ 77

4.2.9 Conectividade dos fragmentos florestais .................................................................. 80

4.3 Qualidade ambiental dos fragmentos florestais .......................................................... 83

4.4 Teste das Rotinas de Espacialização ........................................................................... 91

4.4.1 Projeções de cenários futuros ................................................................................... 94

5 CONCLUSÕES ............................................................................................................ 103

6 REFERÊNCIAS ........................................................................................................... 105

iii

LISTA DE TABELAS

Tabela 1 – Valores atribuídos às classes de capacidade de uso das terras nas áreas ocupadas

pelos fragmentos florestais da bacia do rio Jundiaí-Mirim, SP. ........................... 25

Tabela 2 –Valores atribuídos as classes de uso e ocupação do solo na região de entorno dos

fragmentos da bacia do rio Jundiaí-Mirim. ........................................................... 26

Tabela 3 –Valoração das classes de tamanho dos fragmentos florestais. ................................. 28

Tabela 4 – Classes qualidade ambiental dos fragmentos florestais na bacia do rio Jundiaí-

Mirim, SP. ............................................................................................................. 29

Tabela 5 – Classes de qualidade do índice Kappa .................................................................... 34

Tabela 6 – Classes de uso e ocupação do solo na borda dos fragmentos florestais em 1972. . 47



Tabela 9 – Balanço dos remanescentes florestais entre 1972 e 2013. ...................................... 51

Tabela 10 – Classes de capacidade de uso das terras ocupadas pelos fragmentos florestais. .. 63

Tabela 11 – Evolução da fragmentação florestal nas sub bacias hidrográficas........................ 70

Tabela 12 – Área das sub bacias hidrográficas ocupadas pela vegetação natural. ................... 72

Tabela 13 – Modificações na dimensão dos fragmentos florestais entre 1972 e 2001. ........... 76

Tabela 14 – Índice de circularidade dos fragmentos florestais em 1972, 2001 e 2013. ........... 78

Tabela 15 – Evolução da conectividade dos fragmentos florestais entre 1972 e 2013. ........... 81

Tabela 16 – Evolução da qualidade ambiental dos fragmentos florestais da bacia hidrográfica

do Rio Jundiaí-Mirim. .......................................................................................... 86

Tabela 17 – Matriz de transição de estados das classes de qualidade ambiental dos fragmentos

florestais da bacia hidrográfica do Rio-Jundiaí-Mirim do período entre 1972 e

2013. ..................................................................................................................... 88



2001. ..................................................................................................................... 89



2013. ..................................................................................................................... 89

iv

Tabela 20 – Acurácia das rotinas STCHOICE e CA MARKOV para projeção do cenário de

2013. ..................................................................................................................... 92

Tabela 21 – Comparação das projeções CA MARKOV e STCHOICE com o cenário real de

2013. ..................................................................................................................... 94


florestais da bacia hidrográfica do Rio-Jundiaí-Mirim sob a perspectiva otimista.

.............................................................................................................................. 94


florestais da bacia hidrográfica do Rio-Jundiaí-Mirim sob a perspectiva realista.

.............................................................................................................................. 96


florestais da bacia hidrográfica do Rio-Jundiaí-Mirim sob a perspectiva

pessimista. ............................................................................................................. 96

Tabela 25 – Projeção da qualidade ambiental dos fragmentos florestais da bacia hidrográfica

do Rio Jundiaí-Mirim. .......................................................................................... 99

v

LISTA DE FIGURAS

Figura 1 – Localização da área de estudo. ................................................................................ 19

Figura 2 – Limites municipais na bacia hidrográfica do Rio Jundiaí-Mirim. .......................... 19

Figura 3 – Sub bacias hidrográficas da bacia hidrográfica do Rio Jundiaí-Mirim. .................. 20

Figura 4 – Imagem digital de 1972. .......................................................................................... 36



Figura 7 – Evolução da população de Jundiaí entre 1991 e 2010. ........................................... 38

Figura 8 – Mapas de áreas edificadas de 1972. ........................................................................ 39

Figura 9 – Mapa de áreas edificadas de 1972. .......................................................................... 40

Figura 10 – Mapas de áreas edificadas de 2013. ...................................................................... 40

Figura 11 – Tendência de aumento das áreas edificadas. ......................................................... 41

Figura 12 – Tendência de aumento da população de Campo Limpo Paulista. ......................... 41

Figura 13 – Tendência de aumento da população de Jarinu. .................................................... 42

Figura 14 – Tendência de aumento da população de Jundiaí. .................................................. 42

Figura 15 – Mapa de malha viária de 1972. ............................................................................. 43



Figura 18 – Tendência de crescimento da malha viária. .......................................................... 45

Figura 19 – Classes de uso e ocupação do solo na borda dos fragmentos florestais em 1972. 47



Figura 22 – Evolução dos remanescentes florestais entre 1972 e 2001. .................................. 52



vi

Figura 25 – Mapa de proximidade entre fragmentos florestais e áreas edificadas de 1972. .... 54



Figura 28 – Distribuição de frequências do Mapa de distância entre fragmentos florestais

e áreas edificadas de 1972. .................................................................................. 56


e áreas edificadas de 2001. .................................................................................. 57

Figura 30 – Distribuição de frequências do Mapa de distância entre fragmentos florestais e

áreas edificadas de 2013. ..................................................................................... 57

Figura 31 – Mapa de proximidade entre fragmentos florestais e malha viária em 1972. ........ 58




e malha viária de 1972. ........................................................................................ 60


e malha viária de 2001. ........................................................................................ 60


malha viária de 2013. ........................................................................................... 61

Figura 37 – Mapa de suporte ao desenvolvimento da vegetação em 1972. ............................. 62



Figura 40 – Mapa de perturbação ambiental na borda dos fragmentos de 1972. ..................... 64



Figura 43 – Perturbação ambiental na borda dos fragmentos em 1972. ................................... 66



Figura 46 – Mapa de fragmentação da vegetação nativa nas sub bacias hidrográficas de 1972.

............................................................................................................................. 68

vii


............................................................................................................................. 69


............................................................................................................................. 69

Figura 49 – Mapa de cobertura vegetal remanescente nas sub bacias hidrográficas em 1972. 73



Figura 52 – Mapa de dimensão dos fragmentos florestais em 1972. ....................................... 75

Figura 53 – Mapa de dimensão dos fragmentos florestais em 2001. ....................................... 75

Figura 54 – Mapa de dimensão dos fragmentos florestais em 2013 ........................................ 76

Figura 55 – Modificações na dimensão dos fragmentos florestais entre 1972 e 2013. ............ 77

Figura 56 – Índice de borda dos fragmentos florestais em 1972. ............................................. 78



Figura 59 – Evolução do índice de circularidade entre 1972 e 2013. ...................................... 80

Figura 60 – Mapa de conectividade dos fragmentos florestais em 1972. ................................. 81



Figura 63 – Mapa de qualidade ambiental dos fragmentos florestais da bacia hidrográfica

do Rio Jundiaí-Mirim de 1972. ............................................................................ 84

Figura 64 – Mapa de qualidade ambiental dos fragmentos florestais da bacia hidrográfica

do Rio Jundiaí-Mirim de 2001. ............................................................................ 84

Figura 65 – Mapa de qualidade ambiental dos fragmentos florestais da bacia hidrográfica do

Rio Jundiaí-Mirim de 2013. ................................................................................. 85

Figura 66 – Área em ha das classes de qualidade ambiental dos fragmentos florestais da bacia

hidrográfica do Rio Jundiaí-Mirim entre 1972 e 2013. ....................................... 86

Figura 67 – Evolução da qualidade ambiental dos fragmentos florestais da bacia hidrográfica

do Rio Jundiaí-Mirim........................................................................................... 87

Figura 68 – Análise de regressão linear das matrizes de transição P1972-2001 e P2001-2013. ......... 91

viii

Figura 69 – Projeção da qualidade ambiental dos fragmentos florestais da bacia hidrográfica

do Rio Jundiaí-Mirim utilizando a rotina STCHOICE. ....................................... 93


do Rio Jundiaí-Mirim utilizando a rotina CA_MARKOV. ................................. 93

Figura 71 – Análise de regressão linear das matrizes de transição Potimista e P1972-2013 ............. 95

Figura 72 – Projeção pessimista da qualidade ambiental dos fragmentos florestais da bacia

hidrográfica do Rio Jundiaí-Mirim em 2025 utilizando a rotina CA_MARKOV.

............................................................................................................................. 97

Figura 73 – Projeção realista da qualidade ambiental dos fragmentos florestais da bacia


............................................................................................................................. 97

Figura 74 – Projeção otimista da qualidade ambiental dos fragmentos florestais da bacia


............................................................................................................................. 98


do Rio Jundiaí-Mirim entre 1972 e 2025 conforme a projeção pessimista. ...... 100


hidrográfica do Rio Jundiaí-Mirim entre 1972 e 2025 conforme a projeção

pessimista. .......................................................................................................... 100


do Rio Jundiaí-Mirim entre 1972 e 2025 conforme a projeção realista. ........... 101



realista. ............................................................................................................... 101


do Rio Jundiaí-Mirim entre 1972 e 2025 conforme a projeção otimista. .......... 102



otimista............................................................................................................... 102

ix

Variação temporal dos fragmentos florestais na bacia hidrográfica do Rio Jundiaí-

Mirim

RESUMO

O processo de ocupação da Bacia Hidrográfica do Rio Jundiaí-Mirim tem promovido

significativas alterações na qualidade ambiental de seus remanescentes florestais. Sua

localização próxima a grandes centros urbanos e parques indústrias têm contribuído para a

valorização das terras, tornado o local atrativo ao mercado imobiliário. Em consequência a

região sofre com intenso processo de urbanização que resulta em um crescente aumento da

perturbação ambiental das áreas florestais. Há a necessidade de monitoramento e controle do

processo de ocupação da bacia hidrográfica, com a preservação das áreas florestais lá

existentes. O local constitui a fonte da água utilizada no abastecimento público de Jundiaí SP,

com oferta ameaçada, pelo aumento das áreas impermeabilizadas. O trabalho avaliou as

alterações na qualidade ambiental dos fragmentos florestais da Bacia Hidrográfica do Rio

Jundiaí-Mirim entre 1972 e 2013, com a simulação dos possíveis cenários futuros para 2025.

A qualidade ambiental das áreas florestais foi determinada através de nove indicadores

perturbação ambiental, obtidos através de técnicas de Sensoriamento Remoto e

Geoprocessamento; integrados por meio da Análise Multicritério. No estudo evolutivo da

qualidade ambiental dos remanescentes florestais e na realização das projeções para 2025 foi

utilizada a Cadeia de Markov, com determinação das matrizes de transição de estados para

três períodos: 1972 a 2001, 2001 a 2013 e 1972 a 2013. Os resultados mostraram uma

tendência constante de deterioração da qualidade ambiental da vegetação natural, atribuída ao

intenso processo de ocupação da bacia hidrográfica. Concluiu-se que a) Três processos foram

responsáveis pelas alterações: a urbanização da bacia hidrográfica, o desmatamento e a

regeneração da vegetação natural; b) As alterações observadas entre 1972 e 2001 ocorreram

em função do desmatamento e da urbanização da bacia hidrográfica, enquanto que entre 2001

e 2013 exclusivamente pela intensificação do processo de urbanização; c) As Cadeias de

Markov constituíram um elemento chave no estudo evolutivo, as projeções mostraram que

mesmo com a inflexão das tendências o retorno à qualidade ambiental das áreas florestais em

1972 é improvável; d) Existe a premente necessidade de criação de políticas públicas

específicas para a preservação do manancial.

Palavras chave: Análise Multicritério, Cadeia de Markov, Degradação, Gestão Ambiental,

Sensoriamento Remoto.

x

Temporal variation of forest fragments in the Jundiaí-Mirim river basin

ABSTRACT

The process of occupation of the Jundiaí-Mirim River Basin has promoted significant changes

in the environmental quality of their forests fragments. Its location close to large urban centers

and industrial parks has contributed to the valorization of the land, making the site attractive

to the housing market. Consequently the region suffers from intense urbanization process

which results in an increasing environmental disturbance of forest areas. There is a need for

monitoring and control the process of land occupation in the watershed, with the preservation

of existing forest remaining. The site is the source of water used for public supply in Jundiaí

SP, with threatened availability, caused by the increase in impervious areas. The study

evaluated the changes in the environmental quality of forest fragments in Jundiaí-Mirim River

Basin between 1972 and 2013, with the simulation of possible future scenarios for 2025. The

environmental quality of forest areas was determined through nine indicators environmental

disturbance, obtained by techniques of Remote Sensing and Geoprossessing; integrated by

Multicriteria Analysis. In the evolutionary study of the environmental quality of the

remaining forest, and carrying out the projections for 2025, the Markov chain was used,

determining the state transition matrices for three periods: 1972-2001, 2001-2013, and 1972-

2013. The results showed a consistent trend of deteriorating in environmental quality of

natural vegetation, given by the intense process of occupation of the watershed. It was

concluded that a) Three processes were responsible for the changes: the urbanization of the

watershed, the deforestation, and the recovery of natural vegetation; b) The changes observed

between 1972 and 2001 occurred due to deforestation and urbanization of the watershed,

while between 2001 and 2013 exclusively by the intensification of the urbanization process;

c) the Markov Chains were a key element in evolutionary study, the projections showed that

even with inflection of trends the return to environmental quality of forest areas in 1972 is

unlikely; d ) There is an urgent need to create specific policies for the preservation of wealth.

Keywords: Markov Chain, Degradation, Management, Multicriteria Analysis, Remote

Sensing.

1

1 INTRODUÇÃO

A forma como o processo de ordenamento territorial se materializa segue interesses

distintos, orientados por diferentes forças sociais. Interesses opostos entre a apropriação do

território e preservação dos recursos ambientais criam situações conflituosas que buscam o

desenvolvimento econômico acelerado, mas não garantem o equilíbrio ambiental e a melhoria

da qualidade de vida da população.

Fatores históricos, culturais, investimentos e iniciativas governamentais criam

situações de rápida expansão territorial, não identificadas pelos gestores públicos. A falta de

informação e planejamento traz como consequência a expansão desordenada dos territórios,

levando a ocupação de áreas florestais e de mananciais.

Como consequência os habitats da flora e fauna silvestre são degradados, a vegetação

nativa é eliminada ou fragmentada. Os remanescentes do processo de ocupação passam

subitamente a sofrer maior pressão antrópica (FRANCO, 2007).

A situação se agrava com a ocupação das áreas florestais em regiões de mananciais,

CHAVES & SANTOS (2009) explicam que as bacias hidrográficas mais impactadas no

tocante à qualidade e disponibilidade da água são aquelas que sofrem processo de ocupação

acelerada e não planejada. Os autores afirmam o valor de 10% de impermeabilização do solo

promove significativa degradação dos ecossistemas hídricos, principalmente por modificações

na hidrologia da bacia hidrográfica.

Apesar de práticas como o pastoreio e a agricultura permitirem à infiltração de água, a

ausência de práticas conservacionistas, o desconhecimento da vulnerabilidade ambiental e

utilização de práticas de manejo inadequadas podem acelerar o processo erosivo e diminuir a

capacidade de infiltração do solo, contribuindo para o assoreamento dos corpos d’água e

diminuição da recarga do lenço freático (BERTONI & LOMBARDI NETO, 1999).

Ao longo do tempo o controle do avanço das atividades antrópicas nas áreas florestais

e de mananciais tem se intensificado, mecanismos legais tem se desenvolvido a exemplo da

Lei No. 12.651/12 (Lei Florestal); Lei No. 6766/79, que trata do parcelamento do solo urbano;

Lei Estadual No. 9.866/97, que dispõe sobre diretrizes e normas para a proteção e recuperação

das bacias hidrográficas dos mananciais de interesse regional do Estado de São Paulo. Porém

sua efetividade é diretamente relacionada à fiscalização do processo de ordenamento

territorial.

2

Neste sentido o estudo do uso e ocupação do solo apresenta significativa importância.

O registro da cobertura do solo e das atividades empregadas em uma região geográfica em

uma sequência temporal de mapas de uso e ocupação do solo permite avaliar como o processo

de ocupação evolui e qual o nível de degradação ambiental decorrente do uso do solo. Assim

prováveis conflitos são identificados gerando informações úteis para sua gestão (PEDRON et

al., 2006; CHAVES & SANTOS, 2009; RODRIGUES et al., 2011; LAGO et al., 2012).

Diversos modelos e metodologias vêm sendo utilizadas, buscando tanto entender o

avanço das atividades antrópicas como simular os prováveis resultados futuros. LEVISON &

CHEN (2005) utilizaram o modelo estocástico da Cadeia de Markov para entender qual a

relação entre a evolução da rede de transporte e as modificações no uso da terra. Através de

simulações os autores identificaram quais as regiões com maior probabilidade de ocupação no

futuro. RUHOFF et al. (2010) utilizou a Cadeia de Markov e as Redes Neurais Artificiais para

simular a dinâmica do desmatamento na região Amazônica, possibilitando a delimitação de

áreas críticas. POELMANS et al. (2010) estudaram os efeitos das mudanças do uso e

ocupação do solo na bacia hidrográfica de Flanders-Brussels, localizada na costa Oeste da

Europa, evidenciando que o processo de ocupação da região contribuí para o

comprometimento das variáveis hidrológicas.

Porém nem todas as situações apresentam condições ideais para utilização de modelos

sofisticados, que fornecem resultados com níveis elevados de exatidão. Na ocorrência de

limitações conceituais ou de disponibilidade de dados a utilização de modelos baseados nas

Cadeias de Markov é amplamente empregada (BELL, 1974; LÓPEZ et al., 2001; LEVISON

& CHEN, 2005; WU et al., 2006; RAMOS et al., 2008). Não são necessárias séries temporais

longas para descrever ou realizar previsões sobre o fenômeno em estudo. Seus parâmetros são

obtidos com simplicidade operacional e matemática, além da facilidade de integração aos

Sistemas de Informação Geográfica (SIG) e a dados provenientes de Sensoriamento Remoto

(PEDROSA & CÂMARA, 2007).

Diante do exposto, o processo de ocupação da bacia hidrográfica do rio Jundiaí-Mirim

tem se apresentado preocupante. A região exerce grande influência na qualidade de vida da

população do município de Jundiaí SP, uma vez que constitui a fonte da água utilizada no

abastecimento público. Há, ainda, um crescente aumento da demanda.

Com o aumento da população e o início do processo de industrialização acentuada dos

municípios da região as vazões do Rio principal, Jundiaí-Mirim, tornaram-se insuficientes,

obrigando a administração municipal a utilizar as águas do rio Atibaia, captadas no município

de Itatiba, sobretudo nos períodos de estiagem (MORAES et al., 2003; PRADO, 2005).

3

Em contrapartida, há grande pressão para ocupação das áreas da bacia hidrográfica.

No levantamento detalhado do uso e ocupação das terras da Bacia do Rio Jundiaí-Mirim

MORAES et al. (2003) observaram a existência de uma grande variabilidade de classes de uso

e ocupação do solo da região, apesar da sua localização em Área de Preservação Ambiental

(APA). Os Autores identificaram a ocorrência de classes como loteamentos, áreas densamente

urbanizadas e áreas de mineração ocupando grande extensão territorial da bacia hidrográfica.

A situação mostra a importância de se explorar o potencial de modelos e metodologias

que auxiliem a entender a evolução de regiões produtoras de serviços ambientais,

possibilitando a realização projeções de cenários futuros que representem os possíveis

resultados do processo de ocupação e que forneçam diretrizes para sua gestão.

Nesse sentido o trabalho tem como objetivo avaliar as alterações na qualidade

ambiental dos fragmentos florestais na Bacia Hidrográfica do Rio Jundiaí-Mirim entre 1972 e

2013 através da análise da perturbação ambiental e da modelagem com a Cadeia de Markov.

Nesse contexto, postulam-se as seguintes hipóteses:

(1) As modificações no uso e ocupação do solo na Bacia Hidrográfica do Rio

Jundiaí-Mirim entre 1972 e 2013 promoveram alterações na qualidade ambiental dos

fragmentos florestais.

(2) A Cadeia de Markov é adequada para avaliar o processo evolutivo da qualidade

ambiental dos remanescentes florestais e realizar projeções de cenários futuros que subsidiem

ações de gestão.

Como objetivos específicos têm-se:

(1) Determinar a qualidade ambiental dos fragmentos florestais em 1972, 2001 e

2013 por meio da avaliação do nível de perturbação ambiental proveniente do uso e ocupação

do solo;

(2) Mediante o estudo transicional da Cadeia de Markov quantificar os processos

de transição durante o período de análise;

(3) Realizar projeções de cenários futuros: otimista, realista e pessimista da

qualidade ambiental dos fragmentos florestais.

4

2 REVISÃO DA LITERATURA

2.1 Sensoriamento Remoto e Sistema de Informação Geográfica no Processo de

Caracterização e Monitoramento Ambiental

O desenvolvimento das geotecnologias do Sensoriamento Remoto (SR) e Sistema de

Informação Geográfica (SIG) nas ultimas décadas resultou em inúmeras contribuições às

pesquisas ligadas as ciências ambientais, provendo dados espaciais e informações que

possibilitam profundo entendimento do sistema ambiental (BOYD & FOODY, 2011).

Jensen (2011) explica que um dos principais objetivos do Sensoriamento Remoto é a

aquisição de informações sobre a superfície da Terra para mapeamento e avaliação de

recursos naturais e monitoramento ambiental. A energia eletromagnética emanada ou refletida

de um objeto ou área geográfica à distância é utilizada como suplente das propriedades reais

sobre investigação.

O autor ainda define o Sensoriamento Remoto como o registro da radiação

eletromagnética na faixa espectral do ultravioleta, visível, infravermelho e micro-ondas à

distância, por meio de instrumentos tais como câmeras, escâneres, lasers, dispositivos lineares

e/ou matriciais localizados em plataformas tais como aeronaves ou satélites, bem como a

análise da informação adquirida por meio visual ou processamento digital de imagens.

Na definição dos Sistemas de Informação Geográfica é oportuna à conceituação do

Geoprocessamento, MOREIRA (2007) o entende como utilização de técnicas matemáticas e

computacionais para tratar dados obtidos de objetos ou fenômenos geograficamente

identificados, ou extrair informações quando observados por um sistema sensor. Os

instrumentos computacionais do Geoprocessamento são denominados Sistemas de

Informação Geográfica (SIG) (CÂMARA & MEDEIROS, 1998).

Os SIGs possibilitam a realização de análises complexas integrando dados de diversas

fontes e organizando-os em banco de dados georreferenciados. Por definição um SIG deve

possuir quatro componentes principais: (1) A interface com o usuário; (2) O sistema de

entrada e manipulação dos dados; (3) As funções de processamento dos dados; (4) A

possibilidade de armazenamento e recuperação dos dados (DAVIS & CÂMARA, 2001).

SANTOS (2006) explica que no Brasil o Sensoriamento Remoto (SR), subsidiados por

Sistemas de Informações Geográficas (SIGs), têm demonstrado eficácia no suprimento de

informações atualizadas às necessidades de mapeamento e monitoramento dos ecossistemas

5

brasileiros, contribuindo sobremaneira com as formas de controle e fiscalização no contexto

da política ambiental regida pelos órgãos governamentais. Segundo o autor a utilização das

geotecnologias, com investigações continuadas de uso de produtos e técnicas de SR,

Geoprocessamento e SIG, é tratada sob duas visões técnicas.

A primeira é direcionada a levantamentos que tem por objetivo conhecer ou

determinar com maior nível de detalhe os recursos contidos em determinado ecossistema ou

região geográfica, tendo como finalidade à caracterização. Exemplos podem ser observados

nos trabalhos de FERNANDES et al. (2012), onde os autores utilizaram imagens TM-Landsat

5, para caracterizar classes de uso e cobertura da terra, na região do Médio Araguaia; na

contribuição de DEMATTÊ et al. (2012) que utilizaram o SR e SIG para discriminar as

classes de solos desenvolvidos do Grupo Barreiras na região do município de Porto Grande,

Amapá; em HEIDEN (2012) onde o Sensoriamento Remoto foi utilizado para a

caracterização da estrutura urbana de Munich na Alemanha.

A segunda ótica é destinada ao acompanhamento de processos de degradação ou

recuperação do ambiente, tendo como finalidade o monitoramento da conversão do habitat

natural em antrópico e vice versa. Os trabalhos de WANG et al. (2012) e FENGLER et al.

(2012) mostram exemplos, onde SR aliado ao SIG foi utilizado para monitorar as alterações

na cobertura do solo na região de entorno de Áreas de Proteção Ambiental.

Nesse sentido a utilização do SR aliado ao Geoprocessamento e SIG propicia tanto a

realização de um inventário sistemático da superfície como o estudo evolutivo das ações

antrópicas.

Sua utilização se torna essencial na busca da sustentabilidade diante das questões

ambientais, sociais e econômicas trazidas à tona no debate sobre o desenvolvimento

sustentável, uma vez que informações cruciais para o planejamento territorial e gestão dos

recursos ambientais tornam-se disponíveis (BENEDETTI, 2010; TAVARES et al. 2012).

2.2 Uso e Ocupação do Solo, Modelagem Espacial e Temporal

Um importante produto da integração entre o Sensoriamento Remoto,

Geoprocessamento e Sistema de Informação Geográfica é o Mapa de uso e ocupação do solo,

uma vez que representa a tradução do estado geral da paisagem. JENSEN (2011) explica que

o termo “uso” do solo refere-se ao modo como determinada região é utilizada pelos seres

6

humanos, enquanto a “ocupação”, ou cobertura do solo, refere-se aos materiais biofísicos

encontrados sobre a superfície terrestre.

Para D’ANTONA et al. (2008) a “ocupação” inclui os elementos naturais da

paisagem, como áreas florestais e áreas da infraestrutura humana, enquanto o “uso” constituí a

relação entre os elementos de cobertura e sua importância para indivíduos e instituições,

sendo tipicamente deduzido através do entendimento da ocupação, ou cobertura do solo.

Uma única classe de ocupação pode suportar múltiplos usos e ao mesmo tempo um

único sistema de uso pode incluir diversas ocupações. Mudanças no uso do solo normalmente

acarretam mudanças na ocupação, porém podem ocorrer modificações na ocupação sem que

isso signifique alterações em seu uso (BENEDETTI, 2010).

O mapa de uso e ocupação do solo é o resultado dos processos e interações, guiados

pelas demandas socioeconômicas e características ambientais, em momentos discretos no

tempo. Quando associado aos SIG é possível conhecer sua evolução espacial e temporal, com

a produção de séries temporais de mapas para uma mesma região. Suas alterações

possibilitam identificar as forças motrizes que promovem as transformações na paisagem,

mostrando como a sociedade se organiza e responde frente aos diferentes interesses políticos,

econômicos, sociais e ambientais (SOARES FILHO, 2005; TAVARES et al. 2012).

TAVARES et al. (2012) classifica as alterações no uso e ocupação do solo em dois

grupos, aleatórias ou sistemáticas. As aleatórias caracterizam processos de transição caóticos

e abruptos, enquanto nas sistemáticas as transições são graduais e bem definidas.

Tradicionalmente as modificações no uso e ocupação do solo são identificadas através

da comparação de proporções, comparando a aumento ou diminuição das áreas

correspondentes as classes de uso e ocupação do solo entre o intervalo de tempo t-1 e t. Porém

para compreensão aprofundada dos fenômenos de transição se faz necessária à utilização de

métodos estatísticos que possibilitem identificar a aleatoriedade ou tendenciosidade das

alterações (TAVARES et al., 2012).

Nesse sentido modelos podem ser utilizados tanto de forma descritiva, ou seja,

possibilitando a identificação e caracterização dos processos de transição, como de forma

preditiva, promovendo a partir da modelagem de observações experimentais a realização de

simulações de cenários futuros. BRACCHETTI et al. (2012) mostra um exemplo da

abordagem descritiva. Através das matrizes de transição de estados derivadas do modelo da

Cadeia de Markov os autores analisaram as alterações no uso e ocupação do solo em uma

província Italiana com objetivo de propor ações de gestão para preservação florestal.

7

Um exemplo com enfoque em projeções futuras pode ser encontrado em WU et al.

(2006), onde através da modelagem com a cadeia de Markov e a análise de regressão os

autores realizaram uma projeção do uso e ocupação do solo para o ano de 2026.

Apesar dos estudos citados adotarem o modelo da Cadeia de Markov existem outros

modelos utilizados para tal fim. OÑATE-VALDIVIESO & SENDRA (2010) comparam

modelos baseados em Redes Neurais Artificiais e em Regressão Logística na determinação de

uma projeção do uso e ocupação do solo na Bacia Binacional do Catamayo-Chira; ADAMI

(2011) estudou o relacionamento entre os modelos baseados na Cadeia de Markov, Autômatos

Celulares e Análise Multicriterial na modelagem do uso agrícola das terras; MAS et al. (2014)

realizou o estudo das rotinas utilizadas pelos SIGs na modelagem da dinâmica de uso e

ocupação do solo, baseadas nas Cadeias de Markov, Automatos Celulares, Regressão

Logística e Inteligência Artificial.

BUCHMAN (2008) explica que os modelos de estudo da dinâmica espacial e temporal

são categorizados em sete grupos principais, baseados: (1) em equações matemáticas, com a

utilização de funções matemáticas e equações diferenciais; (2) em sistemas, com utilização de

fluxogramas, entradas, saídas e interações; (3) em fundamentos estatísticos, utilizando análise

de regressão, da variabilidade e funções de auto correlação; (4) no conhecimento de

especialistas, com a utilização de pesos, ponderações e inteligência artificial; (5) no estudo

evolucionário, utilizando redes neurais artificiais e programação evolucionária; (6) em células

espacializadas, com utilização de Autômatos Celulares e Cadeias de Markov; (7) na

combinação de um ou mais dos grupos citados;

A escolha na utilização de determinado modelo ou método depende de uma série de

fatores, cada modelo possuí peculiaridades, premissas, condições e limitações que

condicionam sua otimização.

Ainda que seja possível complementar determinado método ou modelo, integrar

modelos, ou ajusta-los a situações específicas, não é simples. A alteração nos princípios dos

modelos requer significativo conhecimento matemático e estatístico.

O desenvolvimento de rotinas “personalizadas” nos SIGs constitui outra dificuldade.

Ainda que existam SIGs com linguagem de programação aberta, as linguagens variam de

programa a programa, sendo necessário conhecimento especializado para realização de

adequações.

8

2.3 O Modelo da Cadeia de Markov

Os modelos baseados nas Cadeias de Markov apresentam-se relativamente simples e

intuitivos, compondo alternativas a modelos mais complexos em situações onde existem

limitações conceituais acerca do fenômeno ou de indisponibilidade de dados. Não são

necessárias séries temporais longas para descrever ou realizar previsões sobre o fenômeno em

estudo. Com a utilização de alguns momentos discretos no tempo é possível utilizar o modelo

para descrever os processos de transição ou mesmo realizar projeções do futuro. Seus

parâmetros são obtidos com simplicidade operacional e matemática, além da facilidade de

integração aos Sistemas de Informação Geográfica (SIG) e a dados provenientes de

Sensoriamento Remoto (BELL, 1974; PEDROSA & CÂMARA, 2007; BRACCHETTI,

2012).

Um Processo de Markov é um processo estocástico governado por variáveis aleatórias

descritas apenas em termos probabilísticos. O modelo tem por principio que as distribuições

de probabilidade para o desenvolvimento futuro de determinado fenômeno dependem

somente do estado presente não levando em consideração como o processo chegou a tal

estado. Os processos Markovianos são modelados convencionalmente pelos modelos de

Markov que são sistemas de transições de estados. Nesses modelos os estados são

representados em termos de seus vetores probabilísticos que podem variar no espaço temporal

de forma discreta ou contínua. Se o espaço temporal dos estados é discreto então o modelo de

Markov é denominado Cadeia de Markov (BELL, 1974; BORTOLOTTI et al., 2007;

RAMOS et al., 2008).

Nos modelos de Markov de tempo discreto as transições podem ocorrer somente em

intervalos de tempo conhecidos, isto é, passo a passo. Sistemas bem representados pelo

modelo são aqueles onde as transições ocorrem seguindo uma base diária, mensal ou anual.

Quando as transições entre estados ocorrem em instantes de tempo arbitrários o modelo de

Markov é caracterizada como de tempo continuo (GRINSTEAD & SNELL, 1997;

ERCEMAPI, 2011).

LEVINSOSN & CHEN (2005) explicam que a Cadeia de Markov descreve a evolução

de um processo através de uma sequência de S estados com transições em intervalos de tempo

discretos (Equação 1).

𝑆(0)−> 𝑆(1)−> 𝑆(2)−>. . . . . −> 𝑆(𝑡) (1)

9

Onde,

S(0) indica o estado do sistema em t=0;



S(t) indica o estado do sistema no tempo t.

O estado S(t) controla o estado S(t+1) através da probabilidade de transição pij

(Equação 2).

𝑝𝑖𝑗 = 𝑃(𝑆(𝑡 + 1) = 𝑗|𝑆(𝑡) = 𝑖)(2)

Onde,

pij é a probabilidade de transição do estado i para o j;

S(t+1) indica o estado do sistema no tempo t+1;

S(t) indica o estado do sistema no tempo t

As probabilidades de transição de estado são descritas na matriz quadrada P,

denominada Matriz de transição de estados (Equação 3).

𝑃 =

(

𝑃00 𝑃01 𝑃02𝑃10 𝑃11 𝑃12𝑃20 𝑃21 𝑃22

⋯𝑃0𝑛𝑃1𝑛𝑃2𝑛

⋮ ⋱ ⋮𝑃𝑛0 𝑃𝑛1 𝑃𝑛2 ⋯ 𝑃𝑛𝑛)

(3)

Dado o estado presente do sistema S(t), a matriz P provê a probabilidade de transição

do estado S(t) para o estado S(t+1) (Equação 4).

𝑆(𝑡 + 1) = 𝑃 𝑥 𝑆(𝑡)(4)

Onde,

S(t+1) indica o estado do sistema no tempo t+1;

S(t) indica o estado do sistema no tempo t;

P é a matriz de transição da Cadeia de Markov.

Para um sistema com um estado inicial S(0) e matriz de transição P é possível estimar

estados consecutivos em intervalos de tempos discretos (Equação 5).

10

𝑆(1) = 𝑃 𝑥 𝑆(0), 𝑆(2) = 𝑃 𝑥 𝑆(1), 𝑆(3) = 𝑃 𝑥 𝑆(2) .... (5)

Uma expressão generalizada pode ser dada para o estado atual S(t), a knésima potência

da matriz de transição P provê a probabilidade condicional que após k transições a evolução

do sistema se torne o estado S(t+k) (Equação 6).

𝑆(𝑡 + 𝑘) = 𝑃𝑘 𝑥 𝑆(𝑡), 𝑡, 𝑘 = 0,1, … (6)

Isso indica que é possível predizer a evolução de um sistema através da determinação

da matriz de transição P. Porém as probabilidades de transição não mudam com o tempo, o

que caracteriza a Cadeia de Markov como um processo estacionário (BELL, 1974;

GRINSTEAD & SNELL, 1997; LEVINSON & CHEN, 2005).

Existem três tipos principais de Cadeias de Markov, as Ergóticas, Regulares e

Absorventes. As Cadeias de Markov Ergóticas têm como propriedade fundamental a

possibilidade de transição entre todos os estados da cadeia em um determinado número de

transições. Todas as Cadeias Ergóticas são Regulares, porém nem todas as Cadeias Regulares

são Eróticas (GRINSTEAD & SNELL, 1997).

As Cadeias de Markov regulares têm como propriedade fundamental a distribuição de

equilíbrio, ou seja, após um longo período de tempo (elevado valor de k), as probabilidades de

transição do sistema se estabilizam em determinados valores, atingindo o regime estacionário.

Nestes casos a matriz é denominada matriz de equilíbrio e suas linhas são compostas por

vetores de probabilidade idênticos, denominados autovetores primários. Quando isso ocorre

às probabilidades de transição se tornam independentes de seus estados iniciais

(GRINSTEAD & SNELL, 1997; BORTOLOTTI et al., 2007).

As Cadeias de Markov Absorventes possuem como característica a presença estados

absorventes, ou seja, uma vez neles é impossível à transição para outro estado. Esse tipo de

modelo é utilizado para descrever processos ou sistemas que cessam, após atingir certas

condições predeterminadas (BORTOLOTTI et al., 2007).

Dois critérios devem ser satisfeitos para a utilização da Cadeia de Markov na

modelagem dinâmica de sistemas naturais. É necessária a verificação da aleatoriedade nas

modificações do fenômeno entre seus subsequentes intervalos de tempo, provando a

estacionaridade das transições; e a ordem da Cadeia de Markov deve ser determinada, através

do nível de aleatoriedade das transições e disponibilidade de dados (BUCHMAN, 2008;

BENEDETTI, 2010).

11

Caso o processo se mostre aleatório entre no tempo t-2, t-1 e t é possível assumir que o

estado no tempo t depende apenas do estado no tempo t-1, dada sua estacionaridade. Logo é

possível a utilização de Cadeias de Markov de primeira ordem, utilizando apenas um estado

para descrever o próximo. Ordens mais altas devem ser utilizadas quando o sistema no tempo

t depende dos estados no tempo t-1, t-2, t-3,...,t-n, significando que o futuro depende de um

conjunto de estados passados, pois não existe estacionaridade temporal entre cada estado. A

utilização de ordens mais elevadas depende da disponibilidade de dados, em estudos ligados

aos fenômenos ambientais nem sempre é possível contar com uma série histórica longa, sendo

comum a adoção de Cadeias de Markov de primeira ordem (BELL, 1974; LEVINSON &

CHEN, 2005; BUCHMAN, 2008).

Caso as transições não se apresentem aleatórias não é recomendada a utilização da

Cadeia de Markov como modelo preditivo, pois exatidão das projeções será comprometida

significativamente. Porém nada impede sua utilização como modelo descritivo, para entender

como ocorre a evolução do fenômeno (BELL, 1974; GRINSTEAD & SNELL, 1997;

LEVINSON & CHEN, 2005);

Dadas a afinidade existente entre o modelo, dados de Sensoriamento Remoto e

Sistemas de Informação Geográfica diversos autores vêm utilizando a Cadeia de Markov para

o estudo de fenômenos ambientais. BENEDETTI (2010) explica que com a disponibilidade de

uma série temporal de mapas de uso e cobertura do solo derivados de imagens orbitais é

possível utilizar o Modelo Markoviano para estudar as mudanças ocorridas entre dois

instantes de tempo e considerando que as taxas de mudança mantenham-se as mesmas durante

o período é possível estabelecer uma matriz de transição estacionária para toda a série,

possibilitando a simulação de cenários futuros fundamentais na identificação de conflitos e no

planejamento ambiental.

Exemplos de trabalho que utilizaram a Cadeia de Markov podem ser encontrados em

LÓPEZ et al. (2001), onde os autores utilizam a cadeia de Markov para o estudo do uso e

ocupação do solo; WU et al. (2006), onde o modelo é utilizado para o estudo da evolução

urbana; RAMOS et al. (2008), com o estudo evolutivo da composição florística de fragmentos

florestais;

Porém, como qualquer modelo, a Cadeia de Markov apresenta limitações teóricas e

práticas, RUHOFF et al. (2010) explica que as principais incluem o fato do modelo não

explicar totalmente o fenômeno sendo limitada resposta dos intervalos de tempo discretos; o

modelo não incorpora a variabilidade espacial, comum aos fenômenos ambientais; é adequado

para realização de predições desde que os processos sejam estacionários na serie temporal, o

12

que nem sempre ocorre; o modelo não suporta de imediato a inclusão de variáveis exógenas

como variáveis socioeconômicas ou outras forças direcionadoras e embora esta limitação

possa ser superada, a implementação ajustes específicos não é simples.

2.4 Autômatos Celulares e a Cadeia de Markov

Uma etapa importante na realização de projeções em estudos espaço-temporais é a

alocação das transformações. Determinar a forma e disposição da nova paisagem constitui

uma tarefa complexa que normalmente implica na utilização de mais de um modelo

matemático.

Basicamente dois momentos distintos compõe o processo de simulação, um onde o

modelo é utilizado de forma descritiva e outro onde é utilizado de forma preditiva.

Normalmente na fase descritiva é realizado o estudo temporal, onde são caracterizadas as

transições, e na predição é realizada a espacialização, onde é construída a nova paisagem.

MAS et al. (2014) descrevem alguns dos principais métodos de alocação das mudanças

espaciais utilizados pelos programas mais difundidos atualmente.

A cadeia de Cadeia de Markov possibilita tanto quantificar os processos de transição

como realizar projeções referentes ao futuro, porém só é possível projetar a quantidade de

área que cada classe possuirá em um cenário futuro, estabelecendo quais classes apresentarão

aumento ou diminuição. Para estabelecer em quais locais ocorrerão às alocações é necessária

à adoção de outro modelo ou método.

Nesse sentido os Autômatos Celulares vêm sendo amplamente utilizados em conjunto

com a Cadeia de Markov (MONDAL & SOUTHWORTH, 2010; MITSOVA, et al., 2011;

WANG et al., 2012; FUGLSANG et al., 2013; CHEN et al., 2013). Outra possibilidade

menos empregada é a escolha ao acaso, onde valores entre 0 e 1 seguindo uma distribuição

normal são sorteados e comparados às probabilidades de transição, caso a probabilidade de

transição para determinada classe seja maior que o valor sorteado ocorre à mudança para essa

classe no local. Essa aproximação se baseia somente no modelo de Markov e na aleatoriedade

espacial, sendo qualquer relação entre o fenômeno e o espaço ignorada (EASTMAN, 2003)

Os Autômatos Celulares, no sentido oposto, apresentam como essência a relação de

vizinhança, basicamente o sistema busca a realização da premissa que os estados das células

ao redor da célula foco são fundamentais para a projeção das suas características, onde célula

pode ser entendida como a unidade espacial ou pixel (ADAMI, 2011).

13

MOZAFARI & ALIZADEH (2013) definem os Autômatos Celulares como sistemas

dinâmicos regionalizados em grades regulares totalmente discretos, utilizados para

investigação da auto-organização na estatística, adequados para estudos que envolvam

sistemas complexos e aplicados desde jogos de computadores até a modelagem de processos

físicos, biológicos e sociais.

ARSANJANI (2013) explica que a eficiência dos Autômatos Celulares está na

incorporação do elemento geoespacial nos eventos de mudança. Locais com uma alta

tendência de se transformar em outra classe normalmente estão envoltos em regiões já

estabelecidas pela mesma classe, a exemplo do fenômeno de expansão urbana ou de

recuperação florestal. Segundo os Autores esses eventos podem ser eficientemente simulados

pelos Autômatos Celulares.

De acordo com MONDAL & SOUTHWORTH (2010) os Autômatos Celulares

apresentam cinco componentes principais: (1) o espaço delimitado por um número discreto de

células; (2) um finito conjunto de possíveis estados associados a cada célula; (3) uma

vizinhança adjacente a cada célula, cujo estado influência o resultado na célula central; (4)

regras de transição uniformes no tempo e espaço; (5) intervalos de tempo discretos em que o

sistema é atualizado.

TOBLER (1979) ainda descreve que a relação entre a célula central, o espaço e o

tempo pode ocorrer de cinco principais formas, que definem as características do fenômeno e

o tipo de modelo: (1) No modelo independente a variável aleatória regionalizada gij no tempo

t+1, denotada por gt+1ij, não apresenta nenhuma relação com a mesma variável no tempo t (g

tij), onde i e j representam sua posição espacial. (2) No modelo dependente existe relação

entre a variável regionalizada no tempo t+1 e t, logo gt+1ij=F(g tij). (3) No modelo histórico a

variável aleatória gij no tempo t+1 depende de diversos outros momentos no passado, assim:

gt+1ij=F(g t-1ij, g t-2ij,.., g t-nij).(4) No modelo multivariado a variável regionalizada é resultado

de outras variáveis regionais (uij, vij,...,zij) no tempo passado, portanto: gt+1ij=F(u tij, v tij,.., z

tij). (5) No modelo geográfico a realização da variável regionalizada gij no tempo t+1

depende da vizinhança no tempo t, logo: gt+1ij=F(g tkl g tmn,...,g tyz).

Na integração com as Cadeias de Markov as probabilidades de transição são utilizadas

para alimentar as regras de transição dos Autômatos Celulares. Segundo MITSOVA et al.

(2011) cada célula da grade que compõe o espaço poderia assumir um número finito de

estados, sendo as regras de transição responsáveis pela definição dos locais e modificações

que ocorrerão.

14

Na associação com a Cadeia de Markov as probabilidades de transição da vizinhança

são utilizadas para determinar o estado da célula foco, CHEN et al. (2013) demostram a

expressão genérica da regra de transição (Equação 7).

𝐶𝑖𝑗,𝑡+1 = 𝑀𝐴𝑋 [(𝐶𝑃𝑖𝑗,𝑡 +𝑀𝑃𝑖𝑗,𝑡) × 𝑇𝑃𝑡](7)

Onde,

𝐶𝑖𝑗,𝑡+1 representa o estado da célula foco, localizada na posição ij no tempo t+1;

𝐶𝑃𝑖𝑗,𝑡 consiste no vetor de probabilidade de transição do pixel na posição ij da

vizinhança no tempo t;

𝑀𝑃𝑖𝑗,𝑡 é o vetor que contem a média das probabilidades de transição da vizinhança

no tempo t;

𝑇𝑃𝑡 representa a matriz de transição de estados gerada pelo modelo da Cadeia de

Markov para o tempo t;

A operação de maximização “Max” é utilizada para determinação da classe que

apresente maior probabilidade de transição.

Segundo MOGHADAM & HELBICH (2013) a integração entre os dois modelos

possibilita complementar as limitações existentes em cada um. Enquanto os autômatos

celulares incorporam a componente espacial no processo de modelagem, a Cadeia de Markov

possibilita a incorporação das tendências observadas no passado, resultando em um modelo

que utiliza tanto a dimensão espacial como a temporal.

Existem ainda alterações que possibilitam o estabelecimento de regras de decisão mais

complexas, incorporando além da Cadeia de Markov Lógica Fuzzy, Avaliação Multicritério,

Regressão Logística e Redes Neurais Artifíciais, possibilitando melhores resultados nas

projeções. Porém destaca-se que para aplicação de técnicas mais específicas é necessário uma

melhor compreensão do fenômeno em estudo, o que não sempre possível em estágios iniciais

de pesquisa (MITSOVA et al., 2011; MOZAFARI & ALIZADEH, 2013; MOGHADAM &

HELBICH, 2013).

15

2.5 Perturbação Ambiental e Qualidade Ambiental de Remanescentes Florestais

A expansão da população humana requer a conversão dos sistemas naturais a outros

usos, mesmo que estes sejam fontes de serviços ambientais cruciais a sua sobrevivência. Com

o reconhecimento da significância das áreas naturais para a manutenção da qualidade de vida,

têm se intensificado a preocupação por parte de corporações e órgãos governamentais com as

questões ambientais. Surge então, em função das respostas negativas da natureza ao seu

intensivo uso, uma conscientização de que a ação antrópica sobre o meio tem que ser

minimizada, tornando-se um desafio: desenvolvimento e sustentabilidade (BURGER, 2008).

Nesse sentido MOANDAL & SOUTHWORTH (2010) explicam que a composição do

ambiente é tão complexa que qualquer alteração no uso e ocupação do solo pode afetar

interações e elementos do ecossistema que não são pautados nas etapas de planejamento e

avaliação de impacto ambiental, sendo esse um dos fatores com maior influencia na

deterioração dos ecossistemas naturais. Os autores ainda afirmam que as modificações em

ecossistemas florestais podem acarretar em severos impactos ambientais negativos, incluindo

massivo processo erosivo, desestabilização de bacias hidrográficas, liberação de dióxido de

carbono para atmosfera, declínio da biodiversidade, diminuição da disponibilidade de água,

entre outros.

O resultado do processo de ocupação dos habitats naturais é a fragmentação florestal,

que segundo RAMOS et al. (2008) induz a diversas alterações de longo prazo na estrutura dos

remanescentes florestais afetando muitos processos ecológicos, tais como redução da riqueza,

frequentemente associada a perda de habitats; invasão biológica por espécies exógenas

adaptadas a nova condição ambiental; e ocorrência do efeito de borda, alterações físicas,

químicas e biológicas na região interna do fragmentos florestal, resultantes das atividades

existentes no entorno.

Assim, mesmo que o fragmento florestal seja conservado ao longo do tempo, em

termos de dimensão, as perturbações causadas pelo uso ocupação do solo das áreas de entorno

podem alterar a composição e estrutura florestal resultando em mosaicos significativamente

diferentes da floresta original (RAMOS et al., 2008).

Nesse sentido é importante a diferenciação dos conceitos de perturbação ambiental e

qualidade ambiental. Segundo PRIMO & VAZ (2006) a perturbação ambiental expressa os

16

distúrbios nos meios físico e biótico, durante um determinado período de tempo, que afetam

diretamente a população ou ecossistema que habita a região afetada.

Conforme VOREADOU et al. (2008) a perturbação ambiental pode apresentar duas

principais fontes, naturais ou antrópicas. Nas naturais a perturbação normalmente está

associada a eventos climáticos, ao processo erosivo natural e eventos geológicos; já as

antrópicas estão diretamente ligadas ao uso e ocupação do solo. Os autores ainda explicam

que as perturbações ambientais apresentam tanto uma escala espacial como temporal.

Dependendo da natureza da fonte podem afetar tanto áreas extensas em longo intervalo de

tempo, como áreas pequenas em curto intervalo de tempo.

Sempre que um ecossistema é afetado por um evento perturbador os danos causados

nos componentes ambientais prejudicam alguns organismos ou mesmo populações inteiras.

Caso a perturbação cesse e a resiliência ainda exista, o ecossistema pode retornar a um estado

próximo ao original, porém dependendo da intensidade do dano e do comprometimento da

resiliência, o retorno pode nunca ocorrer (VOREADOU et al., 2008).

O conceito de qualidade ambiental está associado ao bem estar do ambiente, de forma

simplificada o termo expressa o conjunto de propriedades e características físicas, químicas e

biológicas do ambiente que afetam direta ou indiretamente os organismos que o habitam,

incluindo os seres humanos (RODRIGUEZ, 1997; WIENS & SILVA, 2006; KELES, 2012).

A avaliação da qualidade ambiental normalmente é realizada por meio da avaliação de

indicadores ambientais, exemplos podem ser observados em NUCCI (1998), onde a autor

mostra uma proposta metodológica para avaliação da qualidade ambiental no meio urbano; e

em CABRAL (2010), que discute a utilização de fungos como indicadores da qualidade do ar.

Os indicadores consistem em dados transformados em informação utilizada para a

tomada de decisão, enquanto um conjunto de dados podem não explicar nenhuma

característica de determinado fenômeno, um conjunto de indicadores fornecem informações

cruciais para seu entendimento. Para sua escolha ou utilização se faz necessária à

diferenciação do seu grau de importância por meio de ponderação, visando sinalizar quais são

prioritários para o alcance dos objetivos estabelecidos (FREITAS, 2012).

2.6 Análise Multicritério

A ponderação de indicadores ambientais normalmente ocorre através de avaliações

subjetivas, baseadas na opinião de especialistas que definem a importância de cada indicador

17

para o fenômeno em estudo. Após a ponderação normalmente ocorre à integração dos

parâmetros para determinação de um índice que sintetize a informação de todos indicadores.

NUCCI (1998) mostra um exemplo, onde para determinação da qualidade ambiental

urbana o autor selecionou 7 indicadores e realizou sua integração utilizando Sistema de

Informação Geográfica (SIG), tendo com objetivo a determinação da qualidade ambiental. O

Autor assumiu que cada indicador apresenta a mesma contribuição para o fenômeno não

realizando sua ponderação.

FREITAS (2012) utilizou outra abordagem, após a seleção de 9 indicadores de

perturbação ambiental, o autor utilizou a opinião de especialistas para ponderar a contribuição

de cada indicador na qualidade ambiental de fragmentos florestais, realizando sua ponderação

e integração através da análise multicritério, utilizando SIG.

Um elemento chave é o processo de tomada de decisão, desde o processo de seleção

dos indicadores até a determinação dos pesos para cada indicador e sua posterior integração.

JANKOWSKI (1995) explica que o processo de tomada de decisão busca auxiliar o analista

na seleção da melhor alternativa entre várias escolhas viáveis, na presença de critérios

múltiplos e de diferentes prioridades.

Nesse sentido ZAMBON et al. (2004) define os critérios como atributos que podem

ser quantificados ou avaliados e que contribuem para uma decisão. A busca da solução de um

problema frequentemente ocorre em ambiente onde os critérios são conflitantes, ou seja, onde

o ganho de um critério poderá causar uma perda em outro.

Tanto NUCCI (1998) como FREITAS (2012) utilizaram o SIG para auxilio na tomada

de decisão, porém em FREITAS (2012) o processo ainda foi embasado pela Análise

Multicritério.

EASTMAN (1995) define que as avaliações multicritério visam determinar a

adequabilidade de várias decisões alternativas a partir de um conjunto amplo de critérios.

BOURNARIS et al. (2014) ainda explicam que as avaliações multicritério constituem

a simulação mais próxima do processo real do processo de decisão, pela possibilidade de

utilização de vários critérios e sua ponderação baseada no conhecimento do fenômeno em

estudo.

Um dos métodos mais comuns é a combinação linear ponderada, onde os critérios são

multiplicados por pesos e somados para a obtenção de um índice de adequação. Porém existe

um grande número de variações dos métodos de análise multicritério. Diferentes métodos

geralmente representam diferentes formas de aproximação para a tomada de decisão. A opção

18

por determinado método depende do problema particular considerado, das preferências do

tomador de decisão e de muitos outros fatores (FRANCISCO, 2006).

ZUFFO et al. (2002) avaliaram os resultados da utilização de cinco métodos de análise

multicritério para auxílio à tomada de decisão em planejamento de recursos hídricos. Os

autores utilizaram o método da Programação por Compromisso, método da Teoria dos Jogos

Cooperativos; método Analítico Hierárquico e outros dois métodos baseados nas relações

hierárquicas (Electre II e Promethee II). Os autores incorporaram à análise 20 critérios

técnicos, econômicos, sociais e ambientais. Dentre nove alternativas de tomada de decisão

examinadas, cinco métodos apontaram para a mesma alternativa ideal, e quatro deles também

coincidiram na indicação de uma segunda alternativa, mostrando a adequabilidade da

utilização de diferentes técnicas de análise multicritério na tomada de decisão em projetos de

caráter ambiental, desde que os critérios realmente representem o fenômeno em estudo.

Os métodos de análise multicritério podem ainda ser trabalhados em ambiente SIG,

facilitando a incorporação do conhecimento acerca dos fenômenos econômicos, políticos e

sociais nas análises ambientais (FRANCISCO, 2006; BOURNARIS et al., 2014; COMINO et

al., 2014).

3 MATERIAIS E MÉTODOS

3.1 Caracterização da Área de Estudo

A área de estudo é a bacia hidrográfica do Rio Jundiaí-Mirim, situada nos municípios

de Jundiaí, Jarinu e Campo Limpo Paulista, estado de São Paulo, entre as latitudes 23°00’ e

23°30’ Sul e longitudes 46°30’ e 47°15’ Oeste (Figura 1).

19

Fonte: PRADO (2005)

Figura 1 – Localização da área de estudo.

A bacia possui extensão de 11750 ha, dos quais 55% se encontram no município de

Jundiaí, 36,6% no município de Jarinu e 8,4% no município de Campo Limpo Paulista. A

mancha urbana de Jundiaí ocupa a região sudoeste da bacia, ilustrada na Figura 2 na cor

branca.

Figura 2 – Limites municipais na bacia hidrográfica do Rio Jundiaí-Mirim.

Bacia do RioJundiaí-Mirim

AMPARO

RAFARD

ITATIBA

JUNDIAÍ

VINHEDO

MOMBUCA

LIMEIRA

ATIBAIA

PAULÍNIA

VALINHOS

LOUVEIRA

CAMPINAS

CAPIVARI

RIO CLARO

COSMÓPOLIS

PIRACICABA

HORTOLÂNDIA

NOVA ODESSA

ELIAS FAUSTO

RIO DAS PEDRAS

BRAGANÇA PAULISTA

±0 20 40 60 80 km

UGRHI TIET

Ê /

JAC

AR

ÉUGRHI SOROCABA / MÉDIO TIETÊ

UGRHI ALTO TIETÊUG

RHI P

ARAÍB

A DO S

UL

UGRHI MOGI-GUAÇÚ

MINAS GERAIS

Rio

Cor

umbata

i

Rio

R io

RioCapiva

ri

Rio

Ja guari

Ati baia

Piracic aba

Rio

Jundia í

Represa da Usinade Barra Bonita

RepresaSalto Grande

Barr. Jaguari

Barr.Cachoeira

Barr. Atibainha

20

A bacia está situada na zona hidrográfica do Médio Tietê Superior, na Unidade de

Gerenciamento de Recursos Hídricos 5, sendo subdividida em 18 sub bacias hidrográficas

(Figura 3), tendo como rio principal o Jundiaí-Mirim.

Fonte: MORAES et al. (2003)

Figura 3 – Sub bacias hidrográficas da bacia hidrográfica do Rio Jundiaí-Mirim.

O clima da região, segundo a classificação de Köppen, é do tipo mesotérmico brando

super-úmido, Aw, com predomínio de temperaturas amenas durante todo o ano devido à

orografia. A temperatura média anual varia entre 18ºC e 20ºC, com máximas absolutas entre

34°C a 36° C e médias das mínimas entre 6°C e 10°C. A precipitação é superior a 1300 mm

anuais (PRADO, 2005).

O relevo é composto por colinas e morros altos, de topos convexos com vales de

entalhamento médio, 40 á 80 metros, e dimensão interfluvial média, 750 a 1750 metros.

Apresentando declividades dominantes entre 10 e 30%, podendo chegar a 60% em algumas

vertentes (MORAES et al., 2003).

A maior abrangência territorial do grupo dos Cambissolos distróficos e da Associação

Cambissolo + Argissolo, ocorrendo em 64 % da área da bacia; seguido dos Latossolos e

Neossolo Litólicos, com 18 % e 8 % respectivamente. As demais unidades de mapeamento

são representadas pelos Cambissolos Gleico, Argissolo Vermelho Amarelo, Solos Aluviais.

Os solos mais profundos, como os Latossolos, são encontrados nas partes menos declivosas e

com vertentes mais longas (MORAES et al., 2003).

9

8

7

1

11

10

5

14

4

6

15

2

17

18

12

3

16

13

Legenda

Jundiaí-Mirim Calha1

Parque Centenário2

Represa Nova3

Pinheirinho4

Caxambu5

Ribeirão da Toca6

Córrego da Roseira7

Escada Dissipação8

Ribeirão do Tanque9

Ribeirão dos Soares10

Córrego do Perdão11

Córrego Albino12

Córrego Caxambuzinho13

Córrego Ponte Alta14

Córrego do Areião15

Córrego Ananas16

Taruma17

Horto18

21

A vegetação original da área é caracterizada pela Floresta Subcaducifólia Tropical,

conhecida também por "Floresta Latifoliada Tropical"; "Floresta Estacional Tropical Pluvial"

e ainda Mata Mesófila (IBGE, 1977 apud PRADO, 2005).

3.2 Sistemas Computacionais Utilizados

Foram utilizados os programas ArcGis (Environmental Systems Resarch Institute,

ESRI, 1999), Microsoft Excel, Estatística R, ENVI (Environment for Visualizing Images,

Sulsoft, 2009), IDRISI (Integrated Geographic Information System and Remote Sensing

Software, 1999) e ILWIS (Integrated Land and Water Information System, ITC, 2001).

3.3 Aquisição de Dados

Para atingir os objetivos propostos foram utilizados dados da base cartográfica

produzida pelo projeto de pesquisa “Diagnóstico Agroambiental para Gestão e

Monitoramento da Microbacia do Rio Jundiaí-Mirim” (MORAES, et. al. 2003), dados das

Dissertações do Curso de Pós-Graduação em Agricultura Tropical e Subtropical do Instituto

Agronômico de Campinas “Evolução do uso das terras e produção de sedimentos na bacia

hidrográfica do rio Jundiaí-Mirim” (PRADO, 2005) e “Análise integrada do mapa de uso e

ocupação das terras da microbacia do rio Jundiaí-Mirim para fins de gestão ambiental”

(FREITAS, 2012).

Foram utilizados os dados e planos de informação:

27 Fotografias aéreas da região da bacia hidrográfica do Rio Jundiaí-Mirim,

referentes a 1972, em escala 1:25.000, provenientes do acervo de fotografias aéreas do

Laboratório de Geoprocessamento - Instituto Agronômico de Campinas;

Ortofoto digital da bacia hidrográfica do Rio Jundiaí-Mirim referente a 2001;

Mapa de malha viária da bacia hidrográfica do Rio Jundiaí-Mirim referente a

2001;

Mapa de uso e ocupação do solo da bacia hidrográfica do Rio Jundiaí-Mirim

referente a 2001;

Mapa de capacidade de uso das terras da bacia hidrográfica do Rio Jundiaí-

Mirim;

Mapa de sub bacias hidrográficas da bacia hidrográfica do Rio Jundiaí-Mirim;

22

Modelo Digital de Elevação da bacia hidrográfica do Rio Jundiaí-Mirim;

Utilizando o programa Google Earth® foram selecionadas 44 imagens da região,

capturadas entre 29/06/2012 e 09/04/2013, para análise do uso e ocupação do solo atual da

bacia hidrográfica, avaliação da perturbação ambiental dos fragmentos florestais e

comparação com os cenários existentes em 1972 e 2001.

3.4 Processamento dos Dados

3.4.1 Digitalização e correção ortogonal das fotografias aéreas de 1972

As fotografias aéreas foram digitalizadas com a utilização de um scanner A4 e

submetidas ao processo de correção ortogonal.

A correção ortogonal consiste na transferência da projeção cônica ou central da

fotografia aérea em uma projeção ortogonal ou plana. Utilizou-se o programa ILWIS a partir

das informações:

Modelo Digital de Elevação da bacia hidrográfica do Rio Jundiaí-Mirim;

Distância Focal Calibrada: obtida no certificado de calibração da câmera e

informada na fotográfica aérea;

Distância entre marcas fiduciais;

Pontos de controle comuns entre as fotografias aéreas e a imagem digital de

2001.

Após a ortorretificação realizou-se a construção da imagem digital de 1972 através do

processo de colagem baseado na referência espacial.

3.4.2 Construção da cena atual da bacia hidrográfica

Realizou-se o georreferenciamento das 44 imagens obtidas través do programa Google

Earth®, utilizando a imagem digital de 2001 como referência espacial. Utilizou-se para todos

os dados o Sistema de Projeção UTM (Universal Transversa de Mercator), Datum horizontal

SAD-69, Elipsóide South American 1969, Zona 23 Sul.

Em um processo semelhante ao utilizado nas fotográficas aéreas realizou-se a colagem

das imagens para a construção da imagem digital atual.

23

3.4.3 Obtenção de mapas temáticos

Para a determinação da qualidade ambiental dos fragmentos florestais em 1972, 2001

e 2013 utilizou-se a metodologia desenvolvida por FREITAS (2012) com a determinação de

nove indicadores de perturbação ambiental, expressos em nove mapas. Posteriormente os

indicadores foram submetidos ao método de análise multicritério de Programação por

Compromisso (PC) para a determinação da qualidade ambiental dos fragmentos florestais nas

três datas.

O Mapa de qualidade ambiental dos fragmentos florestais de 2001 foi confeccionado

por FREITAS (2012), porém realizou-se uma nova confecção para padronização dos aspectos

metodológicos.

3.4.3.1 Obtenção dos mapas primários de 1972, 2001 e 2013

Para determinação dos indicadores de perturbação ambiental em 1972, 2001 e 2013 foi

necessária à confecção de quatro mapas primários, referentes aos fragmentos florestais, áreas

edificadas, malha viária e uso e ocupação do solo na região de borda dos fragmentos

florestais. A identificação das feições foi realizada na tela do computador com a delimitação

dos objetos através do mouse.

Realizou-se o ajuste dos dados referentes a 2001 para padronização da base

cartográfica, utilizando as mesmas classes de legenda em toda a série histórica.

3.4.3.2 Obtenção dos mapas indicadores de perturbação ambiental

3.4.3.2.1 Mapa de proximidade entre fragmentos florestais e áreas edificadas

(PROXED)

Realizou-se o cálculo da distância entre os fragmentos florestais e as áreas edificadas

para 1972, 2001 e 2013. Os valores obtidos foram normatizados entre 0 e 1 com a atribuição o

valor 0 ao fragmento florestal em contato direto com áreas urbanas e um aumento gradativo

até o valor 1, atribuído a fragmentos florestais com distância igual ou superior a 200m em

relação às áreas urbanas.

24

3.4.3.2.2 Mapa de proximidade entre fragmentos florestais e malha viária

(PROXVIAS)

Realizou-se o calculo da distância entre os fragmentos florestais e às vias de acesso

(rodovias, estradas pavimentadas e não pavimentadas) para 1972, 2001 e 2013. Os valores

obtidos foram normatizados entre 0 e 1, onde o valor 0 foi atribuído ao fragmento florestal em

contato direto com vias de acesso com aumento gradativo até o valor 1, atribuído a

fragmentos florestais situados a mais de 200m de distância.

3.4.3.2.3 Mapa de suporte ao desenvolvimento da vegetação nativa (CAPUSO)

O suporte ao desenvolvimento da vegetação nativa foi determinado através da

sobreposição entre o Mapa de capacidade de uso das terras e os Mapas de fragmentos

florestais de 1972, 2001 e 2013. Os fragmentos florestais foram classificados conforme a

classe de capacidade de uso da terra em que se situam, quanto menores as restrições do solo

em parâmetros como fertilidade, impedimento físico entre outros, mais apto o local para o

estabelecimento e desenvolvimento da vegetação nativa. As classes de capacidade de uso

foram normatizadas com valores entre 0 e 1 utilizado como referencia a Tabela 1.

25

Tabela 1 - Valores atribuídos às classes de capacidade de uso das terras nas áreas ocupadas

pelos fragmentos florestais da bacia do rio Jundiaí-Mirim, SP.

Classe Valores para classificação

IIf 1,0

IIIef 0,8

IIIefp 0,8

IIIf 0,9

IVef 0,7

IVefp 0,6

Va 0,5

VIe 0,4

VIef 0,3

VIefp 0,3

VIIefp 0,1

VIII 0,0

Fonte: FREITAS (2012).

3.4.3.2.4 Mapa de uso e ocupação do solo no entorno dos fragmentos florestais

(BORDA)

O uso e ocupação do solo no entorno dos fragmentos florestais foi determinado para

1972, 2001 e 2013 em uma margem de 30m ao redor dos fragmentos florestais. As feições de

uso e ocupação do solo foram classificadas com os valores da Tabela 2.

Uma margem de 30m foi gerada na parte interna dos fragmentos florestais para

determinar o efeito de borda. Os fragmentos foram classificados com a atribuição de valores

entre 0 e 1, segundo dois critérios: o tipo de uso e ocupação do solo e a distância da borda.

Quanto maior o potencial de perturbação ambiental da classe de uso e ocupação do solo e

menor à distância com o fragmento florestal mais próximo de 0 foi o valor atribuído. Quanto

menor o potencial de perturbação ambiental da classe de uso e ocupação do solo e maior à

distância com o fragmento florestal mais próximo de 1 foi o valor atribuído.

26

Tabela 2 -Valores atribuídos as classes de uso e ocupação do solo na região de entorno dos

fragmentos da bacia do rio Jundiaí-Mirim.

Classes de uso e ocupação do solo em 2013 Peso

Agroindústria 1

Culturas agrícolas 0,5

Bosque 0,8

Gramado 0,3

Industrial 0,1

Loteamento industrial 0,1

Loteamento para moradia 0,1

Macega 0,9

Mata 1

Mineração 0,1

Mineração em recuperação 0,2

Moradia de alta densidade 0,1

Moradia de baixa densidade 0,1

Pastagem 0,5

Pastagem com solo exposto 0,3

Pasto sujo 0,6

Piscicultura 1

Reflorestamento 1

Represa 1

Silvipastoril 0,7

Solo exposto 0,1

Várzea 1

Fonte: Adaptação de FREITAS (2012)

3.4.3.2.5 Mapa de intensidade de fragmentação da vegetação nas sub bacias

hidrográficas (IF)

A intensidade de fragmentação da vegetação nas sub bacias hidrográficas representa a

relação entre o número de fragmentos florestais e a área total da sub bacia hidrográfica. Os

mapas referentes a 1972, 2001 e 2013 foram determinados através da Equação 8.

𝐼𝐹 = 𝑄/𝐴 (8)

Onde,

IF = Intensidade da fragmentação da vegetação;

Q = Quantidade de fragmentos florestais na sub-bacia hidrográfica;

A = Área da sub-bacia hidrográfica (hectares).

27

Os índices obtidos foram normatizados entre 0 e 1 por uma função linear decrescente,

sub bacias com menor fragmentação apresentam valores próximos de 1; sub bacias com maior

fragmentação apresentam valores próximos de 0.

3.4.3.2.6 Mapa de cobertura vegetal remanescente (CV)

A cobertura vegetal remanescente representa a relação entre a área de cobertura

natural e a área total da sub bacia hidrográfica. Os mapas referentes a 1972, 2001 e 2013

foram determinados através da Equação 9.

𝐶𝑉 = 𝐴𝑓/𝐴𝑏 (9)

Onde,

CV = Cobertura vegetal remanescente;

Af = Área de fragmentos florestais por sub bacias hidrográficas;

Ab = Área da sub bacia hidrográfica.

Os valores resultantes para cada sub bacia hidrográfica foram normatizados por uma

função linear, com a atribuição de valores entre 0 e 1. Em sub bacias com maior porcentagem

de área ocupada por vegetação natural atribuiu-se valores próximos à 1. Em sub bacias com

baixas porcentagens de sua área ocupada por vegetação natural atribuíram-se valores

próximos a 0.

3.4.3.2.7 Mapa de tamanho dos fragmentos florestais (TAMANHO)

Para a obtenção dos mapas de tamanho dos fragmentos florestais realizou-se a

classificação dos fragmentos florestais de 1972, 2001 e 2013 em cinco classes conforme sua

dimensão (Tabela 3). Associaram-se valores entre 0 e 1, para a normatização, quanto mais

próximo de 1 maior a área e quanto mais próximo de 0 menor.

28

Tabela 3 -Valoração das classes de tamanho dos fragmentos florestais.

Classe Área (ha) Valor classificação

Muito pequeno < 0,50 0,00

Pequeno 0,50 – 1,00 0,25

Médio 1,00 – 5,00 0,50

Bom 5,00 – 20,00 0,75

Adequado > 20,00 1,00


3.4.3.2.8 Mapa índice de borda dos fragmentos florestais (INB)

O índice de borda foi determinado através do cálculo do índice de circularidade dos

fragmentos florestais em 1972, 2001 e 2013, sua determinação se deu por meio da Equação 10

(BORGES et al., 2004).

𝐼𝑐 = (2 ∗ √𝜋𝐴)/ 𝐿 (10)

Onde,

Ic = Índice de circularidade;

A = Área do fragmento florestal;

L = Perímetro do fragmento florestal.

O índice de circularidade á adimensional variando entre 0 e 1, onde valores mais

próximos de 1 são atribuídos aos fragmentos florestais com formato próximo ao circular e

valores mais próximos de 0 formatos mais alongados.

3.4.3.2.9 Mapa de conectividade dos fragmentos florestais (CONECT)

A conectividade foi calculada através do estabelecimento de raio de 175m ao redor de

todos os fragmentos florestais de 1972, 2001 e 2013. Foram classificados com o valor 0

fragmentos florestais isolados, ausência de fragmentos florestais na região de 175m, e com

valor 1 fragmentos florestais conectados, presença de um ou mais fragmentos florestais na

região de 175m.

29

3.4.4 Determinação da qualidade ambiental dos fragmentos florestais

A qualidade ambiental dos fragmentos florestais para 1972, 2001 e 2013 foi

determinada através da análise multicritério de Programação por Compromisso (PC),

apresentada na Equação 11.

𝑄𝑓𝑓 = [ (0.099 × 𝑃𝑅𝑂𝑋𝐸𝐷) + (0.101 × 𝑃𝑅𝑂𝑋𝑉𝐼𝐴𝑆 + (0.062 × 𝐶𝐴𝑃𝑈𝑆𝑂) +

(0.132 × 𝐵𝑂𝑅𝐷𝐴) + (0.124 × 𝐼𝐹) + (0.101 × 𝐶𝑉) + (0.142 × 𝑇𝐴𝑀𝐴𝑁𝐻𝑂) +

(0.116 × 𝐼𝑁𝐵) + (0.124 × 𝐶𝑂𝑁𝐸𝐶𝑇) ] (11)

Os pesos da análise multicritério foram determinados por FREITAS (2012) com a

aplicação de um questionário as profissionais de diferentes áreas de Geoprocessamento,

Conservação do Solo e Recursos Naturais. Os valores obtidos foram normalizados em uma

função linear entre os valores 0 a 1 e classificados conforme a Tabela 4.

Tabela 4 – Classes qualidade ambiental dos fragmentos florestais na bacia do rio Jundiaí-

Mirim, SP.

Classe Valor

Muito Baixa 0 - 0,2

Baixa 0,2 - 0,4

Média 0,4 - 0,6

Alta 0,6 - 0,8

Muito Alta 0,8 - 1,0


30

3.5 Estudo Temporal da Qualidade Ambiental dos Fragmentos Florestais

3.5.1 Determinação da matriz de transição de estados da bacia hidrográfica

Os Mapas de qualidade ambiental dos fragmentos florestais de 1972, 2001 e 2013

foram utilizados como estados sucessivos da Cadeia de Markov. Para mensurar as

modificações na qualidade ambiental dos fragmentos florestais entre 1972 e 2013 optou-se

pela utilização da Cadeia de Markov de primeira ordem.

As matrizes de transição de estados foram determinadas para cada par de estados

sucessivos: 1972 à 2001, 2001 à 2013 e 1972 à 2013, resultando nas matrizes P1972-2001, P2001-

2013 e P1972-2013. Cada matriz é composta por 36 elementos que representam as probabilidades

de transição entre as classes de qualidade ambiental dos fragmentos florestais (Equação 12).

P(t-1->t) =

(

𝑝𝑚𝑎,𝑚𝑎 𝑝𝑚𝑎,𝑎 𝑝𝑚𝑎,𝑚𝑝𝑎,𝑚𝑎 𝑝𝑎,𝑎 𝑝𝑎,𝑚𝑝𝑚,𝑚𝑎 𝑝𝑚,𝑎 𝑝𝑚,𝑚

𝑝𝑚𝑎,𝑏 𝑝𝑚𝑎,𝑚𝑏𝑝𝑎𝑏 𝑝𝑎,𝑚𝑏𝑝𝑚,𝑏 𝑝𝑚,𝑚𝑏

𝑝𝑏,𝑚𝑎𝑝𝑚𝑏,𝑚𝑎𝑝𝑛𝑑𝑎,𝑚𝑎

𝑝𝑏,𝑎𝑝𝑚𝑏,𝑎𝑝𝑛𝑑𝑎,𝑎

𝑝𝑏,𝑚𝑝𝑚𝑏,𝑚𝑝𝑛𝑑𝑎,𝑚

𝑝𝑏,𝑏𝑝𝑚𝑏,𝑏𝑝𝑛𝑑𝑎,𝑏

𝑝𝑏,𝑚𝑏𝑝𝑚𝑏,𝑚𝑏𝑝𝑛𝑑𝑎,𝑚𝑏

𝑝𝑚𝑎,𝑛𝑑𝑎𝑝𝑎,𝑛𝑑𝑎𝑝𝑚,𝑛𝑑𝑎𝑝𝑏,𝑛𝑑𝑎𝑝𝑚𝑏,𝑛𝑑𝑎𝑝𝑛𝑑𝑎,𝑛𝑑𝑎)

(12)

Onde,

ma: é a classes de qualidade ambiental muito alta dos fragmentos florestais;

a: é a classe de qualidade ambiental alta dos fragmentos florestais;

m: é a classe de qualidade ambiental média dos fragmentos florestais;

b: é a classe de qualidade ambiental baixa dos fragmentos florestais;

mb: é a classe de qualidade ambiental muito baixa dos fragmentos florestais;

nda: corresponde as áreas ocupadas por outras classes de uso e ocupação do

solo;

Pmb,a: é a probabilidade de transição da qualidade ambiental muito baixa para

alta entre o tempo t-1 e t.

Na determinação das probabilidades de mudança de estado realizou-se a tabulação

cruzada dos Mapas de qualidade ambiental dos fragmentos florestais, em pares: 1972-2001,

2001-2013 e 1972-2013. A probabilidade de transição pij é dada pela razão entre as unidades

31

da classe i que se transformaram na classe j e a somatória de todas as unidades das m

transformações da classe i (Equação 13) (GRINSTEAD & SNELL, 1997).

𝑝𝑖𝑗 = 𝑖𝑗

𝑖𝑗+𝑖𝑘+𝑖𝑙+⋯+𝑖𝑚 (13)

Onde,

ij: representa a unidade de área da classes i que se modificaram para a classe j;

pij: representa a probabilidade de mudança de estado entre a classes i e a classe

j;

3.5.2 Teste da independência temporal

Para caracterização da natureza evolutiva do fenômeno de alteração da qualidade

ambiental dos fragmentos florestais realizou-se a verificação da estacionaridade temporal dos

processos de transição, utilizou-se o teste Chi-quadrado de Person a 5% de significância para

comprovação.

O teste Chi-quadrado de Pearson verifica se a frequência com que determinado

acontecimento observado em uma amostra se desvia significativamente, ou não, da frequência

com que ele é esperado (Equação 14). Assim foi possível estabelecer se existe uma tendência

continua de deterioração ou melhoria da qualidade ambiental na série histórica ou se em

algum momento ocorre sua inflexão.

𝜒2 = ∑[(𝑜−𝑒

𝑒)2] (14)

Onde,

𝜒2: representa o valor de Chi-quadrado;

𝑜: representa a distribuição de frequência para cada classe;

𝑒: representa a distribuição de frequência esperada para cada classe.

Adotou-se a hipótese nula que não existe associação entre as matrizes de transição

P2001-2013 e P1972-2001, logo a distribuição de frequência na matriz de transição P2001-2013 não

difere significativamente da distribuição de frequência na matriz de transição P1972-2001. Assim

32

qualquer alteração observada é um resultado do acaso, demonstrando a estacionaridade

temporal dos processos de transição.

Como hipótese alternativa instituiu-se que as frequências das matrizes de transição

P2001-2013 e P1972-2001 apresentam diferenças significativas, logo as modificações observadas são

tendenciosas, existindo associação entre as duas distribuições. Assim os processos de

transição não podem ser caracterizados como estacionários no tempo.

Realizou-se a análise de regressão linear das matrizes de transição P2001-2013 e P1972-2001

para verificação do nível de desvio da estacionaridade, com teste de Correlação de Spearman

(Equação 15) para verificação da associação entre as probabilidades de transição das duas

matrizes.

𝜌 = 1 −6 ∑ 𝑑𝑖

2𝑛𝑖=1

𝑛3−𝑛 (15)

Onde,

𝜌: representa o Coeficiente de Correlação de Spearman;

𝑑𝑖 : representa: [ postos da variável independente (xi) dentre os valores da

variável independente (x) ] – [ postos da variável dependente (yi) dentre os valores da variável

independente (y) ];

𝑛: representa o número de dados.

3.5.3 Teste das rotinas de espacialização

Realizou-se a comparação do desempenho das rotinas STCHOICE e CA_MARKOV

do programa IDRISI (EASTMAN, 2003) para espacialização das projeções com a Cadeia de

Markov.

Na rotina STCHOICE o processo de decisão de transformação de um pixel para

determinada classe é realizado através da determinação de um valor aleatório entre 0 e 1, a

partir de uma distribuição normal. O valor é comparado com a linha da matriz de transição de

estados que contem as probabilidades de transição da classe do pixel para todas as outras, o

valor que for superior ao valor aleatório define qual será a transformação e a nova classe no

cenário futuro. Caso ocorram mais de um valor superiores ao valor aleatório o algoritmo entra

em repetição (loop), gerando valores aleatórios até que reste apenas um valor superior

(EASTMAN, 2003).

33

Na rotina CA_MARKOV o processo de decisão é baseado em regras que relacionam o

novo estado do pixel com seu anterior e os estados dos vizinhos. Segundo ADAMI (2010)

cinco elementos básicos compõe esse método: (1) Células: compõe os pixels; (2) Estados: são

as classes das células; (3) Vizinhança: conjunto de células que interagem com a célula foco,

operacionalizadas por meio de janelas móveis com tamanho e peso definidos; (4) Regras de

transição: determina como as células mudam de estado; (5) Tempo: definem a duração do

período de simulação.

Um processo de alocação multiobjectivo interativamente reclassifica a prioridade dos

pixels conforme a necessidade de área, a cada ano do lapso temporal. A tomada de decisão

referente às transformações em cada momento no tempo é realizada através dos estados da

vizinhança e ponderação, baseada nas probabilidades de transição da Cadeia de Markov

(MAS et al., 2014).

Para determinação da acurácia de cada rotina realizou-se a projeção do cenário de

2013 com a utilização da matriz de transição P1972-2001 e Mapa de qualidade dos fragmentos

florestais de 2001 (Equação 16).

𝑆(2013𝑝) = 𝑃1972−2001 𝑥 𝑆(2001) (16)

Onde,

S(2013p): representa a qualidade ambiental dos fragmentos florestais da bacia

hidrográfica do Rio Jundiaí-Mirim em 2013 projetada;

S(1972): representa a qualidade ambiental dos fragmentos florestais da bacia

hidrográfica do Rio Jundiaí-Mirim em 1972;

𝑃1972−2001: representa a matriz de transição para os estados sucessivos de 1972

e 2001.

As projeções do cenário de 2013 espacializadas pela rotina STCHOICE e

CA_MARKOV foram comparadas com o Mapa de qualidade ambiental de 2013, através do

Coeficiente Kappa (Equação 17), determinado a partir da matriz de confusão, que estabelece a

relação entre os pixels projetados corretamente e erroneamente.

𝐾 = 𝑁∑ 𝑥𝑖𝑖−

𝑟𝑖=1 ∑ (𝑥𝑖+×𝑥+𝑖)

𝑟𝑖=1

𝑁2− ∑ (𝑥𝑖+×𝑥+𝑖)𝑟𝑖=1

(17)

34

Onde,

K: representa o Coeficiente Kappa;

r: representa o número de linhas da matriz de confusão, igual ao número de

classes de qualidade ambiental;

𝑥𝑖𝑖: representa o número de observações na linha i e na coluna i;

𝑥+𝑖: representa os totais marginais da linha i;

𝑥𝑖+: representa os toais marginais da coluna i;

𝑁: representa o número total de observações.

O valor obtido foi comparado e interpretado conforme a classificação de LANDIS &

KOCH (1977) (Tabela 5) para determinação da rotina com maior acurácia na projeção dos

cenários futuros de qualidade ambiental dos fragmentos florestais.

Tabela 5 – Classes de qualidade do índice Kappa

Faixa de valores de Kappa Qualidade

< 0,0 Péssima

0,0 - 0,2 Ruim

0,2 - 0,4 Razoável

0,4 - 0,6 Boa

0,6 - 0,8 Muito Boa

0,8 – 1,0 Excelente

Fonte: (LANDIS; KOCH, 1977).

3.5.4 Projeções de cenários futuros

Realizaram-se simulações considerando uma perspectiva otimista, uma realista e uma

pessimista quanto à evolução da qualidade ambiental dos fragmentos florestais para o ano de

2025, utilizando o programa IDRISI.

Considerou-se como perspectiva otimista a tendência de o retorno ao cenário de

melhor qualidade ambiental dos fragmentos florestais na série histórica. Realizou-se a seleção

da matriz de transição correspondente (Potimista) e sua multiplicação pelo Mapa de qualidade

ambiental dos fragmentos florestais de 2013 (Equação 18).

35

𝑆(2025𝑜) = 𝑃𝑜𝑡𝑚𝑖𝑠𝑡𝑎 𝑥 𝑆(2013) (18)

Onde,

S(2053o): representa a qualidade ambiental dos fragmentos florestais da bacia

hidrográfica do rio Jundiaí-Mirim em 2025 segundo a projeção otimista;



Potimista: representa a matriz de transição de retorno ao cenário de melhor

qualidade ambiental dos fragmentos florestais.

O cenário pessimista foi determinado através da seleção da tendência de maior

deterioração da qualidade ambiental dos fragmentos florestais. Para sua seleção realizou-se a

avaliação do grau de comprometimento da qualidade ambiental dos fragmentos florestais nas

sub bacias hidrográficas. A projeção foi obtida através da seleção da matriz de transição

correspondente (Ppessimista) e sua multiplicação pelo Mapa de qualidade ambiental dos

fragmentos florestais de 2013 (Equação 19).

𝑆(2025𝑝) = 𝑃𝑝𝑒𝑠𝑠𝑖𝑚𝑖𝑠𝑡𝑎 𝑥 𝑆(2013) (19)

Onde,

S(2025p): representa a qualidade ambiental dos fragmentos florestais da bacia

hidrográfica do Rio Jundiaí-Mirim em 2025 segundo a projeção pessimista;



Ppessimista: representa a matriz de transição que apresentou a maior tendência de

deterioração da qualidade ambiental dos fragmentos florestais.

O cenário de projeção realista foi determinado através da matriz de transição de toda a

série histórica e sua multiplicação pelo Mapa de qualidade ambiental dos fragmentos

florestais de 2013 (Equação 20).

𝑆(2025𝑟) = 𝑃𝑟𝑒𝑎𝑙𝑖𝑠𝑡𝑎 𝑥 𝑆(2013) (20)

36

Onde,

S(2025r): representa a qualidade ambiental dos fragmentos florestais da bacia

hidrográfica do Rio Jundiaí-Mirim em 2025 segundo a projeção realista;



Prealista representa a matriz de transição do período entre 1972 e 2013.

4 RESULTADOS E DISCUSSÃO

As Figuras 4, 5 e 6 mostram as imagens digitais da bacia hidrográfica em 1972, 2001 e

2013. Na Figura 4 às áreas edificadas e de solo exposto são representadas em branco, os

fragmentos florestais em cinza escuro e as áreas de pastagem e cultivo agrícola em tons de

cinza médio e claro. Nas Figuras 5 e 6 áreas edificadas são representadas pela cor cinza claro,

solos expostos pela cor rosa, fragmentos florestais pela cor verde escuro e áreas de pastagem e

cultivo agrícola pela cor verde claro.

Figura 4 – Imagem digital de 1972.

37

Fonte: MORAES et al. (2013)



38

Observa-se que desde 1972 a porção noroeste da bacia hidrográfica, ocupada pelo

município de Jarinu, apresenta os fragmentos florestais de maior dimensão. Ás áreas com

maior ocupação urbana estão localizadas nas áreas ocupadas pelos municípios de Jundiaí e

Campo Limpo Paulista. Nota-se a ausência da represa de captação de água na porção sudeste

da bacia hidrográfica em 1972.

A região a noroeste da bacia hidrográfica apresenta predominância de áreas agrícola,

constituído parte da zona rural do município de Jarinu. A localização da bacia hidrográfica na

região central da megametrópole paulista tem contribuído para a conversão das áreas rurais

em áreas urbanas, dada a grande pressão do mercado imobiliário e industrial.

A situação mostra a vulnerabilidade de Jundiaí frente a alterações das áreas agrícolas

de Jarinu, visto os impactos ambientais oriundos das áreas urbanas podem comprometer

significativamente a disponibilidade e qualidade da água, uma vez que essa região constitui a

área de cabeceiras da bacia hidrográfica.

A situação é mais agravante quando observamos o crescimento da população de

Jundiaí (Figura 7) e a consequente maior demanda de água. A criação do reservatório pela

administração pública e a transposição das águas do Rio Atibaia, para complementar as

vazões do Rio Jundiaí-Mirim, já mostram uma situação de demanda superior à capacidade de

produção de água da bacia hidrográfica.

Fonte: IBGEa (2014)

Figura 7 – Evolução da população de Jundiaí entre 1991 e 2010.

200000

225000

250000

275000

300000

325000

350000

375000

400000

1991 1996 2000 2007 2010

Po

pu

laçã

o (

Hab

itan

tes)

Tempo (Anos)

População deJundiaí

39

4.1 Mapas Primários

4.1.1 Áreas edificadas

As Figuras 8, 9 e 10 mostram a evolução das áreas edificadas entre 1972 e 2013, é

notável a expansão das áreas edificadas, sobretudo no período entre 1972 e 2001. Observou-se

um aumento de 429,3%, passando de 408,2 ha em 1972, para 1803,5 ha em 2001 e 2160,3 ha

em 2013. O período de maior expansão corresponde ao entre 1972 e 2001, com 341,9% de

aumento. Entre 2001 e 2013 a expansão é menor correspondendo a 19,8%.

Figura 8 – Mapas de áreas edificadas de 1972.

40

Figura 9 – Mapa de áreas edificadas de 1972.

Figura 10 – Mapas de áreas edificadas de 2013.

41

Na Figura 11 é possível identificar a tendência linear de expansão das áreas edificadas,

a mesma tendência linear é observada nos dados populacionais da região (Figuras 12, 13 e

14). Em um cenário hipotético de crescimento no ano 2230 toda área da bacia hidrográfica

estaria ocupada por edificações.

Figura 11 – Tendência de aumento das áreas edificadas.

Fonte: IBGEb (2014)

Figura 12 – Tendência de aumento da população de Campo Limpo Paulista.

y = 43,732x - 85802R² = 0,991

0

500

1000

1500

2000

2500

1960 1970 1980 1990 2000 2010 2020

Áre

a (h

a)

Tempo (Anos)

y = 1518,6x - 3E+06R² = 0,9655

30000

35000

40000

45000

50000

55000

60000

65000

70000

75000

80000

1990 1995 2000 2005 2010 2015

Po

pu

laçã

o (

hab

itan

tes)

Tempo (Anos)

Campo Limpo Paulista

42

Fonte: IBGEc (2014)

Figura 13 – Tendência de aumento da população de Jarinu.

Fonte: IBGEa (2014)

Figura 14 – Tendência de aumento da população de Jundiaí.

O processo de ocupação ocorreu com maior intensidade nas regiões ocupadas pelos

municípios de Jundiaí e Campo Limpo Paulista, onde o crescimento populacional e o

processo de urbanização são mais intensos. A porção ocupada por Jarinu apresentou menor

aumento, dada sua localização afastada dos centros urbanos de Jundiaí, Campo Limpo

Paulista e Jarinu.

y = 689,82x - 1E+06R² = 0,9734

0

5000

10000

15000

20000

25000

30000

1990 1995 2000 2005 2010 2015

Po

pu

laçã

o (

hab

itan

tes)

Tempo (Anos)

Jarinu

y = 4270x - 8E+06R² = 0,9377

250000

270000

290000

310000

330000

350000

370000

390000

1990 1995 2000 2005 2010 2015

Po

pu

laçã

o (

hab

itan

tes)

Tempo (Anos)

Jundiaí

43

4.1.2 Malha viária

Nas Figuras 15, 16 e 17 são apresentados os resultados do estudo evolutivo da malha

viária. Ao longo do período de análise observou-se o aumento das ramificações das vias a

partir das estradas principais. Entre 1972 e 2013 as vias de acesso apresentaram aumento de

232,3%, sendo o período de maior expansão corresponde ao entre 1972 e 2001, com 214,3%,

e o de menor entre 2001 e 2013, com 5,7%.

Figura 15 – Mapa de malha viária de 1972.

44



45

A Figura 18 mostra a tenência de crescimento da malha viária, evidencia-se que

expansão tende a se estabilizar com o tempo. A associação com a tendência observada na

evolução das áreas edificadas indica um provável cenário futuro de congestionamentos.

Figura 18 – Tendência de crescimento da malha viária.

Os Mapas mostram que a expansão das áreas edificadas ocorre após as ramificações

da malha viária. LEVINSON & CHEN (2006) observaram em um estudo realizado nos

municípios de Minneapolis e St. Paul nos EUA, que áreas agrícolas e florestais com a

presença de vias próximas tendem a apresentar maior probabilidade de conversão em áreas de

moradia e industriais, uma vez que o processo de construção civil é facilitado com a expansão

das vias de acesso.

Identificou-se a expansão das vias na região da bacia hidrográfica ocupada pelo

município de Jarinu, indicando um possível cenário futuro de ocupação urbana. Ressalta-se a

importância da gestão participativa entre Campo Limpo Paulista, Jarinu e Jundiaí para o

controle do processo de ocupação da bacia hidrográfica, com a prevenção da substituição das

áreas florestais e agrícolas através de politicas públicas de preservação florestal e valorização

da agricultura.

As tendências observadas constituem uma ameaça aos recursos hídricos da bacia

hidrográfica. POELMANS et al. (2010) explicam que o processo de impermeabilização do

solo, por edificações, estadas estacionamentos e a rede de drenagem pluvial promovem

modificações significativas nos componentes do ciclo hidrológico, alterando os fluxos de

evapotranspiração, escoamento superficial e recarga do lençol freático. Os autores

y = -0,448x2 + 1802,9x - 2E+06R² = 1

0

200

400

600

800

1000

1200

1960 1970 1980 1990 2000 2010 2020

Áre

a (h

a)

Tempo (Anos)

46

identificaram na bacia hidrográfica de Flanders-Brussels, localizada na costa Oeste da Europa,

que o processo de ocupação da região entre 1976 e 200 promoveu um aumento de 20% no

escoamento superficial anual, 1,5% de redução na evapotranspiração e 3% de diminuição do

lençol freático. Na simulação de cenários pessimistas os autores chegaram a 77% de aumento

no escoamento superficial, 4,5% de redução na evapotranspiração e 12% de diminuição do

lençol freático.

Com o crescimento da demanda de água por parte da população de Jundiaí qualquer

cenário de diminuição da disponibilidade de água é crítico. Os resultados revelam um intenso

processo de ocupação urbana que não condiz com a necessidade de preservação dos recursos

hídricos da bacia hidrográfica.

4.1.3 Uso e ocupação do solo na borda dos fragmentos florestais

As Figuras 19, 20 e 21 mostram a evolução do uso e ocupação do solo na borda dos

fragmentos florestais em 1972, 2001 2013. As Tabelas 6, 7 e 8 mostram a área ocupada por

cada classe de uso e ocupação do solo nas respectivas datas. Os valores totais apresentam

diferenças dadas às modificações na dimensão e disposição dos fragmentos florestais em cada

período.

Os resultados mostram o processo de urbanização das regiões próximas aos

fragmentos florestais. Em 1972 a região de borda apresentava predominância de classes

ligadas à agricultura e pecuária (83,9% da área total). No ano de 2001 observa-se uma

diminuição de 15,4% nas áreas rurais e o aumento de 18,6% das áreas industriais, de moradia

e loteamentos. Em 2013 o processo de urbanização avança 5,9%, com redução de 21,3% das

áreas rurais.

As tendências observadas indicam o processo de êxodo rural na bacia hidrográfica,

com a conversão das áreas voltadas a agricultura e pecuária em áreas de moradia e

loteamentos.

47

Figura 19 – Classes de uso e ocupação do solo na borda dos fragmentos florestais em 1972.

Tabela 6 – Classes de uso e ocupação do solo na borda dos fragmentos florestais em 1972.

Classes de uso e ocupação do solo em 1972 Área (ha) Área (%)

Culturas agrícolas 168,6 9,0

Bosque 13,8 0,7

Mata 0,0 0,0

Mineração 0,4 0,0

Moradia 52,0 2,8

Pastagem 333,1 17,9

Pasto sujo 824,7 44,2

Reflorestamento 406,9 21,8

Represa 5,9 0,3

Solo exposto 58,4 3,1

Culturas agrícolas

Bosque

Mineração

Moradia

Pastagem

Pasto sujo

Reflorestamento

RepresaSolo exposto

48





Bosque 12,5 0,7

Áreas industriais 12,2 0,7

Loteamento para moradia 117,7 6,9

Macega 13,4 0,8

Mata 31,3 1,8

Mineração 31,8 1,9

Moradia de alta densidade 24,2 1,4

Moradia de baixa densidade 178,2 10,5

Pastagem 386,7 22,7



Represa 27,8 1,6


Várzea 25,4 1,5

Culturas agrícolas

Bosque

Áreas industriais

Loteamento para moradia

Macega

Mata

Mineração

Moradia de alta densidade

Moradia de baixa densidadePastagem

Pasto sujo

Reflorestamento

Represa

Solo expostoVárzea

49


Agroindústria

Culturas agrícolas

BosqueGramado

Industrial

Loteamento industrial

Loteamento para moradia

Macega

Mata

Mineração

Mineração em recuperação

Moradia de alta densidadeMoradia de baixa

densidadePastagem

Pastagem com solo exposto

Pasto sujo

Piscicultura

Reflorestamento

RepresaSilvipastoril Solo exposto Várzea

50



Agroindústria 9,6 0,5


Bosque 38,2 2,0

Gramado 19,9 1,0

Industrial 20,2 1,0

Loteamento industrial 3,5 0,2

Loteamento para moradia 33,2 1,7

Macega 262,6 13,5

Mata 7,3 0,4

Mineração 16,5 0,8

Mineração em recuperação 1,0 0,1

Moradia de alta densidade 98,5 5,1

Moradia de baixa densidade 351,5 18,0

Pastagem 353,9 18,1

Pastagem com solo exposto 6,8 0,3


Piscicultura 0,6 0,0


Represa 31,2 1,6

Silvipastoril 1,8 0,1


Várzea 5,2 0,3

4.1.4 Remanescentes florestais

As Figuras 22, 23 e 24 mostram a evolução dos remanescentes florestais nos períodos

compreendidos entre 1972 à 2001, 2001 à 2013 e 1972 à 2013. A classe “mata remanescente”

corresponde aos fragmentos florestais que permaneceram inalterados durante o período de

análise. A classe “áreas desmatadas” correspondem às regiões ocupadas por outras classes de

uso e ocupação do solo e a classe “mata regenerante” compreende as áreas que voltaram a

constituir fragmentos florestais, seja pelo processo de regeneração natural como pelo

antrópico.

No período 46,2% dos fragmentos florestais existentes em 1972 foram convertidos em

outras classes de uso e ocupação do solo, 56,1% constituem remanescentes do processo de

ocupação da bacia hidrográfica e 44,0% fragmentos florestais resultantes do processo de

51

regeneração (Tabela 9). As taxas de desmatamento e regeneração anual correspondem a 33,7

e 32,0 ha/ano respectivamente.

O período com maior porcentagem de áreas desmatadas e regenerantes corresponde ao

entre 1972 e 2001, dado o lapso temporal de 29 anos. Observaram-se taxas de 38,4 ha/ano

para o desmatamento e 31,6 ha/ano para regeneração.

Entre 2001 e 2013 identificaram-se as maiores taxas, de 39,2 ha/ano para

desmatamento e 55,0 ha/ano para regeneração. Os resultados revelam que o processo de

desmatamento é continuo na série histórica e se mantêm no período recente, com ligeira

intensificação.

Tabela 9 - Balanço dos remanescentes florestais entre 1972 e 2013.

Evolução da

vegetação

Balanço entre

1972 e 2001

Balanço entre

2001 e 2013

Balanço entre

1972 e 2013

ha % ha % ha %

Mata

regenerante 916,0 32,7 660,5 22,1 1313,5 44,0

Mata

remanescente 1882,0 67,3 2327,7 77,9 1674,7 56,1

Áreas

desmatadas 1114,0 39,8 470,2 15,7 1381,9 46,2

52

Figura 22 – Evolução dos remanescentes florestais entre 1972 e 2001.


53


4.2 Indicadores de Perturbação Ambiental

A seção apresenta a evolução dos nove indicadores de perturbação ambiental que são

integrados para a obtenção da qualidade ambiental dos fragmentos florestais, em 1972, 2001 e

2013. Os indicadores mostram nas áreas florestais os diferentes níveis de perturbação

consequentes do uso e ocupação da bacia hidrográfica. Sua análise possibilitou verificar a

coerência dos Mapas de qualidade ambiental dos fragmentos florestais gerados para os

respectivos períodos por meio da Análise Multicritério.

4.2.1 Proximidade entre fragmentos florestais e áreas edificadas

As Figuras 25, 26 e 27 mostram a evolução do indicador que relaciona a perturbação

ambiental com a proximidade entre fragmentos florestais e áreas edificadas.

O indicador estabelece que quanto maior a proximidade com as áreas edificadas,

maior a perturbação ambiental das áreas florestais, considerando que em distâncias superiores

a 200m não existem efeitos sobre a vegetação natural. São apresentados apenas os fragmentos

54

florestais de cada período e os valores entre 0 e 1 denotam o nível de perturbação ambiental

em seu interior, quanto menor o valor maior a perturbação ambiental.

Figura 25 – Mapa de proximidade entre fragmentos florestais e áreas edificadas de 1972.

55



56

As Figuras 28, 29 e 30 apresentam as distribuições de frequência para cada data, os

valores estão expressos em porcentagem da área total dos fragmentos florestais. Os resultados

mostram duas tendências caracterizando os períodos, em 1972 as áreas edificadas se

encontravam afastadas dos fragmentos florestais (Figura 28) enquanto em 2001 e 2013 se

encontram próximas (Figuras 29 e 30). Evidencia-se ao longo do tempo o acúmulo de uma

maior quantidade de valores próximos a 0.

Os fragmentos florestais distantes com distância superior a 200m das áreas edificadas,

que assumem o valor 1, apresentaram diminuição, passando de 69,8% em 1972 para 43,0%

em 2001 e 36,7% em 2013. Os resultados revelam a ocupação das regiões próximas aos

fragmentos florestais por áreas edificadas.


áreas edificadas de 1972.

0,0

0,5

1,0

1,5

2,0

2,5

3,0

0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0

Áre

a (

%)

Escala de avaliação

69,8

57





4.2.2 Proximidade entre fragmentos florestais e malha viária

As Figuras 31, 32 e 33 mostram os Mapas de proximidade entre fragmentos florestais

e malha viária. O indicador estabelece que quanto maior a proximidade com a malha viária,

0,0

0,5

1,0

1,5

2,0

2,5

3,0

0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0

Áre

a (

%)


0,0

0,5

1,0

1,5

2,0

2,5

3,0

0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0

Áre

a (

%)


43,0

36,7

58

maior a perturbação ambiental das áreas florestais, assumindo que em distâncias superiores a

200m não existem efeitos sobre a vegetação natural.

Figura 31 – Mapa de proximidade entre fragmentos florestais e malha viária em 1972.

59



60

As Figuras 34, 35 e 36 mostram uma tendência crescente de acúmulo dos valores na

região próxima ao 0. Os fragmentos florestais distantes a 200m da malha viária presentaram

significativa diminuição, passando de 53,3% em 1972 para 29,5% em 2001 e 9,4% em 2013.

Os resultados mostram que a malha viária tem se aproximado das áreas florestais, com

diferenças expressivas entre 1972, 2001 e 2013.


malha viária de 1972.



0,0

0,5

1,0

1,5

2,0

2,5

3,0

0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0

Áre

a (

%)


53,3

0,0

0,5

1,0

1,5

2,0

2,5

3,0

0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0

Áre

a (

%)


29,5

61



4.2.3 Suporte ao desenvolvimento da vegetação nativa

As Figuras 37, 38 e 39 apresentam os Mapas de suporte ao desenvolvimento da

vegetação nativa. O indicador estabelece a relação entre as características físicas e químicas

do solo com a resiliência da vegetação natural e sua capacidade de suportar pressões externas.

As regiões representadas na cor vermelha, valores próximos a 0, mostram áreas ocupadas por

fragmentos florestais que apresentam baixa aptidão do solo; as representadas pela cor verde,

valores próximos a 1, áreas com características propícias ao desenvolvimento da vegetação; e

as de cor amarela, valores intermediários entre 0 e 1, áreas que apresentam algumas restrições

relacionadas à fertilidade do solo, tipo de solo ou posição no relevo.

0,0

0,5

1,0

1,5

2,0

2,5

3,0

0,0 0,1 0,2 0,3 0,5 0,6 0,7 0,8 0,9 1,0

Áre

a (

%)


9,4

62

Figura 37 – Mapa de suporte ao desenvolvimento da vegetação em 1972.


63


No período estudo observam-se ligeiras modificações nas características dos locais

ocupados pelas áreas florestais. A Tabela 10 mostra um ligeiro aumento na porcentagem de

área das classes de capacidade de uso das terras VIII e VII, bem como o decréscimo da classe

IV.

Os resultados mostram a mesma tendência observada por FREITAS (2012), em todo o

período. Grande parte dos fragmentos florestais ocupam regiões de baixa aptidão (Classes VI,

VII e VIII), com a destinação de áreas de maior potencial produtivo a outros usos.

Tabela 10 – Classes de capacidade de uso das terras ocupadas pelos fragmentos florestais.

Classes de suporte

ao

desenvolvimento

da vegetação

Classes de capacidade de

uso do solo

Fragmentos

florestais em

1972 (%)

Fragmentos

florestais em

2001 (%)

Fragmentos

florestais

em 2013

(%)

0,0 - 0,2 VIII VIIefp 70,1 72,3 73,9

0,2 - 0,4 VIef VIefp 14,5 11,6 11,4

0,4 - 0,6 VIe Va 6,2 6,8 8,9

0,6 - 0,8 IVef IVefp 8,8 9,0 5,4

0,8 - 1,0 IIIef IIIefp IIIf IIf 0,3 0,4 0,4

64

4.2.4 Uso e ocupação do solo na borda dos fragmentos florestais

As Figuras 40, 41 e 42 mostram os Mapas de perturbação ambiental proveniente do

uso e ocupação na borda dos fragmentos florestais. O indicador estabelece que as alterações

nas características ambientais naturais decorrentes uso e ocupação do solo no entorno dos

fragmentos florestais promovem modificações no ecossistema florestal, criando um ambiente

perturbado, quanto mais próximo do valor 0 maior a perturbação ambiental.

Figura 40 – Mapa de perturbação ambiental de borda dos fragmentos de 1972.

65



66

As modificações observadas no uso e ocupação do solo da região de borda refletiram

no aumento na perturbação ambiental no período. As Figuras 43, 44 e 45 mostram que ao

longo do tempo ocorre uma maior frequência de valores próximos ao 0, indicando que uma

maior parte dos fragmentos florestais passou a apresentar um maior grau de perturbação

ambiental.

Os resultados são explicados pela transição de classes rurais para urbanas, que

promovem uma maior alteração nas características ambientais naturais, afetando com maior

severidade as áreas florestais.

Figura 43 – Perturbação ambiental de borda dos fragmentos em 1972.

0,0

0,5

1,0

1,5

2,0

2,5

3,0

3,5

4,0

4,5

5,0

0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,9

Áre

a (

%)


52,2

67



4.2.5 Fragmentação florestal das sub bacias hidrográficas

Nas Figuras 46, 47 e 48 mostram a evolução da intensidade de fragmentação florestal

nas sub bacias hidrográficas. O indicador considera como condição ideal o ambiente natural,

onde cada sub bacia hidrográfica apresentaria toda sua área ocupada pela vegetação natural,

em apenas um maciço florestal.

0,0

0,5

1,0

1,5

2,0

2,5

3,0

3,5

4,0

4,5

5,0

0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,9

Áre

a (

%)


49,7

0,0

0,5

1,0

1,5

2,0

2,5

3,0

3,5

4,0

4,5

5,0

0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,8 1,0

Áre

a (

%)


44,7

68

No sentido oposto a condição adversa considera um intenso processo de fragmentação

da vegetação natural, com a presença de um elevado número de fragmentos florestais nas sub

bacias hidrográficas. Quanto menor o valor maior a intensidade da fragmentação florestal.

O indicador exige a interpretação dos resultados integrada a outras informações, uma

vez que a presença de apenas um fragmento florestal altamente perturbado, com baixa

dimensão, alongado e baixa densidade florestal classificaria a sub bacia hidrográfica como

próxima da condição ideal.


Os Mapas mostram a diminuição na fragmentação florestal entre 1972 e 2001 e

posterior aumento entre 2001 e 2013. Em 14 das 18 sub bacias hidrográficas ocorre a

diminuição na quantidade dos fragmentos florestais entre 1972 e 2001 (Tabela 11), porém o

evento não indica o aumento na conectividade ou na dimensão das áreas florestais, sendo

associado ao processo de desmatamento, com o desaparecimento de fragmentos florestais de

menor dimensão.

69



70

Entre 2001 e 2013 14 das 18 sub bacias hidrográficas apresentaram aumento no

número de fragmentos florestais, explicado pelo processo de fragmentação dos maciços

florestais pela malha viária e a regeneração de novas áreas desconectadas.

Tabela 11 – Evolução da fragmentação florestal nas sub bacias hidrográficas.

Sub bacias

hidrográficas

Área

(há)

N° de

fragmentos

florestais

1972

N° de

fragmentos

florestais

2001

N° de

fragmentos

florestais

2013

IF* em

1972

IF* em

2001

IF* em

2013

CAXAMBU 658,90 46,00 32,00 41,00 0,46 0,32 0,41

CÓRREGO

ALBINO 288,70 12,00 16,00 44,00 0,27 0,36 1,00

CÓRREGO

ANANAS 228,50 27,00 12,00 15,00 0,78 0,34 0,43

CÓRREGO

CAXAMBUZINHO 228,30 20,00 14,00 15,00 0,57 0,4 0,43

CÓRREGO DA

ROSEIRA 962,80 38,00 37,00 52,00 0,26 0,25 0,35

CÓRREGO DO

AREIÃO 557,10 65,00 32,00 37,00 0,77 0,38 0,44

CÓRREGO DO

PERDÃO 1381,90 83,00 36,00 73,00 0,39 0,17 0,35

CÓRREGO

PONTE ALTA 1010,70 62,00 45,00 68,00 0,4 0,29 0,44

ESCADA

DISSIPAÇÃO 1037,70 38,00 31,00 50,00 0,24 0,2 0,32

HORTO 319,20 10,00 7,00 6,00 0,21 0,14 0,12

CALHA DO RIO

JUNDIAÍ-MIRIM 946,10 52,00 32,00 60,00 0,36 0,22 0,42

PARQUE

CENTENÁRIO 263,40 19,00 10,00 13,00 0,47 0,25 0,32

PINHEIRINHO 463,70 33,00 26,00 25,00 0,47 0,37 0,35

REPRESA NOVA 161,20 18,00 14,00 12,00 0,73 0,57 0,49

RIBEIRÃO DA

TOCA 383,00 25,00 20,00 28,00 0,43 0,34 0,48

RIBEIRÃO DO

TANQUE 1225,80 26,00 39,00 64,00 0,14 0,21 0,34

RIBEIRÃO DOS

SOARES 1120,20 28,00 12,00 36,00 0,16 0,07 0,21

TARUMA 367,40 13,00 10,00 4,00 0,23 0,18 0,07 *IF representa a intensidade de fragmentação

71

4.2.6 Cobertura vegetal remanescente nas sub bacias hidrográficas

As Figuras 49, 50 e 51 mostram a evolução da cobertura vegetal remanescente nas sub

bacias hidrográficas. Na condição ideal considera-se o ambiente natural, onde toda a área

seria ocupada pela vegetação natural; a condição adversa representa o cenário oposto, onde

não existem remanescentes florestais.

A Tabela 12 mostra a quantidade de vegetação natural existente em cada sub bacia

hidrográfica. As sub bacias do Corrego da Roseira, Ribeirão da Toca e Calha do Rio Jundiaí-

Mirim apresentaram melhor evolução no período.

Em quatro sub bacias observou-se a diminuição da área ocupada pela vegetação

natural entre 1972 e 2001 e posterior aumento entre 2001 e 2013. Outras sete apresentaram

diminuição nos valores, e em outras sete verificou-se o aumento dessas áreas.

As sub bacias hidrográficas com maior porcentagem de vegetação natural em 1972

(Córrego Caxambuzinho e Ribeirão dos Soares) apresentaram diminuição e a com menor

valor (Taruma) apresentou ligeiro aumento.

72

Tabela 12 – Área das sub bacias hidrográficas ocupadas pela vegetação natural.

Sub bacias

hidrográficas

Área

florestal

em 1972

Área

florestal

em 2001

Área

florestal em

2013

ha % ha % ha %

CAXAMBU 98,8 15,0 85,7 13,0 112,0 17,0

CÓRREGO ALBINO 83,7 29,0 69,3 24,0 63,5 22,0

CÓRREGO ANANAS 29,7 13,0 25,1 11,0 29,7 13,0

CÓRREGO

CAXAMBUZINHO 95,9 42,0 70,8 31,0 75,3 33,0

CÓRREGO DA

ROSEIRA 211,8 22,0 279,2 29,0 337,0 35,0

CÓRREGO DO

AREIÃO 111,4 20,0 100,3 18,0 111,4 20,0

CÓRREGO DO

PERDÃO 331,7 24,0 290,2 21,0 331,7 24,0

CÓRREGO PONTE

ALTA 181,9 18,0 141,5 14,0 181,9 18,0

ESCADA DISSIPAÇÃO 217,9 21,0 207,5 20,0 207,5 20,0

HORTO 31,9 10,0 19,2 6,0 19,2 6,0

CALHA DO RIO

JUNDIAÍ-MIRIM 255,4 27,0 283,8 30,0 302,8 32,0

PARQUE

CENTENÁRIO 42,1 16,0 34,2 13,0 39,5 15,0

PINHEIRINHO 69,6 15,0 74,2 16,0 74,2 16,0

REPRESA NOVA 38,7 24,0 41,9 26,0 40,3 25,0

RIBEIRÃO DA TOCA 95,8 25,0 99,6 26,0 118,7 31,0

RIBEIRÃO DO

TANQUE 465,8 38,0 429,0 35,0 429,0 35,0

RIBEIRÃO DOS

SOARES 593,7 53,0 515,3 46,0 492,9 44,0

TARUMA 14,7 4,0 22,0 6,0 22,0 6,0

73

Figura 49 – Mapa de cobertura vegetal remanescente nas sub bacias hidrográficas em 1972.


74


4.2.7 Dimensão dos fragmentos florestais

As Figuras 52, 53 e 54 mostram as alterações nas dimensões dos fragmentos florestais

entre 1972 e 2013. O indicador estabelece que a intensidade da perturbação ambiental é maior

em fragmentos florestais de baixa dimensão e menor em fragmentos florestais de maior

dimensão.

75

Figura 52 – Mapa de dimensão dos fragmentos florestais em 1972.

Figura 53 – Mapa de dimensão dos fragmentos florestais em 2001.

76

Figura 54 – Mapa de dimensão dos fragmentos florestais em 2013

Observa-se na Tabela 13 a quantidade de fragmentos florestais correspondente a cada

classe de dimensão e a área ocupada, a Figura 55 mostra as transições entre as classes ao

longo do período de análise. Os fragmentos florestais de 1,0 a 5,0 ha apresentam-se

predominantes em número e os superiores a 20,0 ha em área ocupada.

Tabela 13 – Modificações na dimensão dos fragmentos florestais entre 1972 e 2001.

Classes de

dimensão

Fragmentos florestais

em 1972


em 2001


em 2013

Área

(ha)

Quantidade

(%)

Área

(ha)

Quantidade

(%)

Área

(ha)

Quantidade

(%)

<0,5 ha 41 31,2 19,9 17,9 21,2 17,1

0,5 - 1,0 ha 67,3 18,9 65,5 22,2 57,1 18,1

1,0 - 5,0 ha 435,8 33,5 439,9 42,1 412,7 40,5

5,0 - 20,0 ha 603,5 12,4 552,5 13,5 667,1 17,1

>20 ha 1848,2 4 1720 4,3 1830 7,1

Total 2996,8 100,0 2798,8 100,0 2988,1 100,0

77

Figura 55 – Modificações na dimensão dos fragmentos florestais entre 1972 e 2013.

Entre 1972 e 2001 identifica-se a diminuição dos fragmentos florestais com área

inferior a 0,5 ha e o aumento dos de dimensão entre 1,0 e 5,0 ha. A partir de 2001 observa-se

o aumento dos fragmentos florestais com dimensão superior a 5,0 ha e a diminuição dos de

tamanho inferior a 5,0 ha.

Entre 1972 e 2001 o processo de desmatamento ocorreu com maior intensidade, sendo

77% dos fragmentos florestais de dimensão inferior a 0,5 ha desmatados. No mesmo período

75% dos fragmentos florestais regenerantes apresentavam dimensão entre 1,0 e 5,0 ha,

explicando o aumento da classe.

Entre 2001 e 2013 a quantidade de áreas desmatadas é menor, conservando os

fragmentos florestais remanescentes do processo de ocupação. O processo de

restabelecimento da vegetação nativa favoreceu a conectividade entre alguns fragmentos

florestais, contribuindo para o aumento identificado nas classes de dimensão superior a 5,0 ha.

4.2.8 Índice de borda dos fragmentos florestais

As Figuras 56, 57 e 58 mostram modificações no índice de borda dos fragmentos

florestais entre 1972 e 2013. Quanto mais próximo do formato circular e coeso, valores

próximos de 1, maior a distância entre o centro do fragmento florestal e a borda, favorecendo

a proteção dos ecossistemas lá existentes.

0

5

10

15

20

25

30

35

40

45

1972 2001 2013

Qu

anti

dad

e (%

)

Tempo (Anos)

>20 ha

5,0 - 20,0 ha

1,0 - 5,0 ha

0,5 - 1,0 ha

<0,5 ha

78

Quanto mais próximo do valor 0 mais alongado é o fragmento florestal e menor é a

distância entre o centro e a borda, resultando em uma maior interação entre os efeitos do uso e

ocupação do solo e a porção central do fragmento florestal.

A Tabela 14 mostra a quantidade de fragmentos florestais pertencentes a cada

intervalo de circularidade, observa-se que a maior parte dos fragmentos florestais apresenta

circularidade entre 0,6 e 0,8. Na Figura 59 identificam-se as transições entre classes durante o

período de análise.

Tabela 14 – Índice de circularidade dos fragmentos florestais em 1972, 2001 e 2013.

Índice de

circularidade


em 1972


em 2001


em 2013

% Quantidade % Quantidade % Quantidade

0 - 0,2 0,8 4 1,3 5 2,1 9

0,2 - 0,4 13,7 72 16,5 65 20,7 87

0,4 - 0,6 34,8 183 39 154 36,9 155

0,6 - 0,8 35,6 187 32,7 129 29,8 125

0,8 - 1,0 15,2 80 10,6 42 10,5 44

Total 100,0 526,0 100,0 395,0 100,0 420,0

Figura 56 – Índice de borda dos fragmentos florestais em 1972.

79



80

Figura 59 – Evolução do índice de circularidade entre 1972 e 2013.

Os resultados revelam que os fragmentos florestais passaram a assumir formas

alongadas, identifica-se uma maior porcentagem de fragmentos florestais nas classes “0 –

0,2”, “0,2 – 0,4”, além da diminuição dos fragmentos florestais com circularidade superior a

0,6.

4.2.9 Conectividade dos fragmentos florestais

Nas Figuras 60, 61 e 62 são apresentados os resultados do estudo de conectividade dos

fragmentos florestais. O Indicador estabelece que fragmentos florestais isolados apresentam

menor diversidade genética e de espécies, pela dificuldade de acesso da fauna e propagação

de sementes, sendo, portanto, mais perturbados. Poucos fragmentos florestais apresentaram-se

isolados a uma distância superior a 350m (Tabela 15). Observa-se que o valor de fragmentos

não conectados é maior em 2001 e permanece próximo entre 1972 e 2013.

0,0

5,0

10,0

15,0

20,0

25,0

30,0

35,0

40,0

45,0

1972 2001 2013

frag

men

tos

flo

rest

ais

(%)

Tempo (Anos)

0,8 - 1,0

0,6 - 0,8

0,4 - 0,6

0,2 - 0,4

0 - 0,2

81

Tabela 15 – Evolução da conectividade dos fragmentos florestais entre 1972 e 2013.

Conectividade dos

fragmentos florestais

Fragmentos

florestais em 1972

Fragmentos

florestais em 2001

Fragmentos

florestais em 2013

% Quantidade % Quantidade % Quantidade

Desconectados 0,4 2,0 1,5 6,0 0,5 3,0

Conectados 99,6 529,0 98,5 401,0 99,5 416,0

Figura 60 – Mapa de conectividade dos fragmentos florestais em 1972.

82



83

4.3 Qualidade ambiental dos fragmentos florestais

Os resultados da integração dos indicadores de perturbação ambiental através da

Análise Multicriterial (Equação 11) são apresentados nas Figuras 63, 64 e 65. Os níveis de

qualidade ambiental mostram o provável grau de alteração das áreas florestais frente ao

processo de ocupação da bacia hidrográfica.

As áreas com qualidade ambiental Muito alta representam áreas pouco alteradas, com

características próximas da vegetação natural original. Sua presença é identificada em regiões

distantes das fontes de perturbação ambiental, em locais afastados das áreas urbanizadas e

com menor intensidade de uso do solo.

A classe Alta mostra regiões que apresentam algum grau de alteração, porém as

características da vegetação natural original são conservadas. São identificadas em locais que

apresentam algum processo de urbanização, proximidade com as vias de acesso, ou a presença

de atividades de uso do solo com maior potencial de perturbação.

As regiões classificadas com qualidade ambiental moderada representam áreas que

apresentam moderado grau de alteração da vegetação natural, onde a vegetação resultante

apresenta características diferentes das originais devido a maior influência de áreas edificadas,

malha viária e atividades de uso do solo.

Os locais com baixa qualidade ambiental constituem áreas em contato direto com

fontes perturbadoras, com significativo grau de alteração da vegetação natural.

Os classificados com qualidade ambiental muito baixa representam áreas altamente

perturbadas, que, além do contato direto com áreas urbanizadas ou atividades de uso intenso

do solo, apresentam elevada vulnerabilidade ao processo de ocupação.

84


Rio Jundiaí-Mirim de 1972.



85



As Figuras 66 e 67 mostram a deterioração da qualidade ambiental dos fragmentos

florestais entre 1972 e 2013, seguindo as tendências observadas nos indicadores de

perturbação ambiental. Observa-se a modificação nas distribuições das classes (Figura 66),

em 1972 identifica-se o acumulo dos valores à esquerda e em 2001 e 2013 distribuições

próximas a Gaussiana. Os resultados são explicados pelo aumento da perturbação ambiental

na borda dos fragmentos florestais, dado o intenso processo de urbanização da bacia

hidrográfica.

Observa-se um crescente aumento na área ocupada pelas classes de qualidade

ambiental Baixa e Muito baixa, em uma tendência linear. É notável diminuição da classe

Muito alta, sobretudo no período entre 1972 e 2001 (Tabela 16). Os resultados revelam que

processo de desmatamento, fragmentação florestal e ocupação da bacia hidrográfica

contribuíram significativamente para a deterioração da qualidade ambiental dos fragmentos

florestais no período de análise. A partir de 2001 observa-se um novo cenário constituído pelo

intenso processo de ocupação da bacia hidrográfica.

86

Tabela 16 – Evolução da qualidade ambiental dos fragmentos florestais da bacia hidrográfica

do Rio Jundiaí-Mirim.

Classes de

qualidade

ambiental

Área dos fragmentos

florestais em 1972


florestais em 2001


florestais em 2013

ha % ha % ha %

Muito baixa 179,3 6,0 304,4 10,9 382,3 12,8

Baixa 422,1 14,1 518,8 18,5 638,4 21,4

Moderada 581,4 19,4 712,1 25,4 740,9 24,8

Alta 849,4 28,4 699,1 25,0 694,1 23,2

Muito alta 963,8 32,2 563,5 20,1 532,6 17,8

Total 2996,0 100,0 2797,9 100,0 2988,3 100,0


hidrográfica do Rio Jundiaí-Mirim entre 1972 e 2013.

0

200

400

600

800

1000

1200

1972 2001 2013

Frag

men

tos

flo

rest

ais

(ha)

Tempo (Anos)

Muito alta

Alta

Moderada

Baixa

Muito baixa

87



As matrizes de transição de estados (P1972-2001, P2001-2013 e P1972-2013) geradas a partir da

Cadeia de Markov, referentes aos períodos de 1972 à 2001, 2001 à 2013 e 1972 à 2013, são

apresentadas nas Tabelas 17, 18 e 19. Cada matriz é composta por 36 elementos que

representam a proporção de cada classe que se transformou em outra no período de análise.

Valores elevados acima da diagonal principal indicam deterioração da qualidade

ambiental, valores elevados na poção inferior a diagonal principal indicam melhoria na

qualidade ambiental e valores elevados na diagonal principal indica a estabilidade das classes.

A classe Outras representa as classes uso e ocupação do solo que substituíram ou se

transformaram em fragmentos florestais

0,0

5,0

10,0

15,0

20,0

25,0

30,0

35,0

1972 2001 2013

Frag

men

tos

flo

rest

ais

(%)

Tempo (Anos)

Muito baixa

Baixa

Moderada

Alta

Muito alta

88

Tabela 17 – Matriz de transição de estados das classes de qualidade ambiental dos

fragmentos florestais da bacia hidrográfica do Rio-Jundiaí-Mirim do período entre 1972 e

2013.

2013

1972 Muito alta Alta Moderada Baixa Muito baixa Outras

Muito alta 0,62 0,20 0,05 0,00 0,00 0,13

Alta 0,09 0,43 0,26 0,09 0,03 0,11

Moderada 0,02 0,18 0,34 0,22 0,07 0,17

Baixa 0,00 0,04 0,21 0,33 0,17 0,26

Muito baixa 0,00 0,00 0,05 0,16 0,31 0,48

Outras 0,00 0,01 0,02 0,02 0,02 0,93

Em linhas gerais as transições da Tabela 17 mostram o processo de deterioração da

qualidade ambiental na bacia hidrográfica. Observam-se valores mais elevados acima da

diagonal principal em comparação aos encontradas na região abaixo da diagonal principal. A

concentração dos valores na região próxima a diagonal principal mostra que as transições

ocorrem gradualmente, não caracterizando um fenômeno de transição abrupto.

No período identifica-se que as classes de qualidade muito baixa e baixa apresentaram

as maiores taxas de conversão das áreas florestais em outros usos, correspondendo a 48% e

26% respectivamente. As classes Outras e Muito alta apresentaram maior estabilidade, com

conservação de 93% e 62% da área total das classes, e apenas as classes moderada e alta

apresentaram a conversão para Muito alta, com a proporção de 2% e 9%.

Os resultados mostram que as classes Alta e Moderada apresentam maior dinamismo,

com transições para todas as outras classes. Evidencia-se o processo de regeneração das áreas

florestais com 8% das áreas ocupadas por outros usos convertidas em fragmentos florestais de

qualidade ambiental alta, moderada, baixa e muito baixa.

89



2001.

2001


Muito alta 0,62 0,22 0,04 0,00 0,00 0,12

Alta 0,08 0,45 0,23 0,05 0,01 0,19

Moderada 0,01 0,16 0,36 0,19 0,05 0,23

Baixa 0,00 0,02 0,21 0,33 0,14 0,30

Muito baixa 0,00 0,00 0,02 0,16 0,30 0,53

Outras 0,01 0,01 0,02 0,02 0,01 0,94



2013.

2013


Muito alta 0,71 0,19 0,03 0,00 0,00 0,06

Alta 0,15 0,50 0,19 0,05 0,01 0,10

Moderada 0,01 0,19 0,39 0,18 0,04 0,18

Baixa 0,00 0,05 0,22 0,35 0,10 0,27

Muito baixa 0,00 0,00 0,06 0,21 0,38 0,35

Outras 0,00 0,01 0,02 0,03 0,02 0,92

Nas Tabelas 18 e 19 observam-se as mesmas tendências da Tabela 17, com

concentração dos valores na região próxima a diagonal principal e a presença de valores mais

elevados na região acima da diagonal principal.

A soma dos valores da porção acima da diagonal principal (2,30 para a Tabela 18 e

1,76 para a Tabela 19) mostram que o período entre 1972 e 2013 apresentou maior

deterioração da qualidade ambiental, enquanto a soma dos valores abaixo da diagonal

principal (0,72 para a Tabela 18 e 0,98 para a Tabela 19) mostram que o período entre 2001 e

2013 apresentou maior quantidade de transições para classes superiores de qualidade

ambiental.

Os resultados revelam que a conversão das áreas florestais a outros usos nos dois

períodos é significativa para os fragmentos florestais de qualidade ambiental baixa e muito

90

baixa, indicando a tendência de desmatamento das regiões. Por constituírem locais em contato

direto com fontes perturbadoras, com baixa dimensão e altamente perturbadas as áreas

apresentaram-se mais propicias ao processo de ocupação. O processo é mais intenso entre

1972 e 2001 onde as conversões correspondem a 30% das áreas de qualidade ambiental baixa

e 53% das áreas de qualidade ambiental muito baixa.

Os valores da diagonal principal mostram maior estabilidade das classes entre 2001 e

2013, no período 73% dos fragmentos florestais de qualidade ambiental muito alta se

mantiveram na mesma classe. O processo de regeneração também se apresenta mais intenso,

com a conversão de 8% das áreas ocupadas por outros usos em fragmentos florestais de

qualidade ambiental alta, moderada, baixa e muito baixa.

Apesar das diferenças existentes entre as Tabelas 18 (P1972-2001) e 19 (P2001-2013) os

resultados do teste Chi-quadrado de Person revelaram que as duas distribuições são

estatisticamente iguais, o valor p calculado (3,49) é inferior ao valor da distribuição Chi-

quadrado para (6 - 1)² = 25 graus de liberdade, com o nível de significância de 5% (14,61).

Portanto aceitou-se a hipótese nula de que a distribuição da matriz de transição P2001-

2013 não difere significativamente da distribuição de frequência na matriz de transição P1972-

2001, sendo qualquer alteração resultado do acaso. Mesmo para o nível de significância de

0,5% o valor da distribuição Chi-quadrado para 25 graus de liberdade (10,520) caracteriza a

hipótese nula como verdadeira.

A Figura 68 mostra através da análise de regressão das matrizes P1972-2001 e P2001-2013 o

grau de similaridade entre as matrizes. Observa-se que equação da reta apresenta valores

próximos aos ideais de uma reta linear perfeita (y = 1,00x + 0,00), indicando elevada

semelhança entre as distribuições.

O Coeficiente de Determinação (R²) de 0,95 expressa a amplitude de variação entre as

distribuições, caracterizada pelo teste do Chi-quadrado como insuficiente para afirmar que

P1972-2001 e P2001-2013 são estatisticamente diferentes (α=5%).

91

Figura 68 – Análise de regressão linear das matrizes de transição P1972-2001 e P2001-2013.

O valor do Coeficiente de Correlação de Spearman (0,98) mostrou que existe

correlação positiva significativa (α=5%) entre as probabilidades de transição das duas

matrizes. Os resultados comprovam a estacionaridade temporal dos processos de transição.

As matrizes de probabilidade de transição (P1972-2001, P2001-2013 e P1972-2013) revelaram,

que apesar do aumento na regeneração das áreas florestais, a tendência de deterioração da

qualidade ambiental dos fragmentos florestais se mantem até o período atual. A análise

mostrou que entre 1972 e 2001 há grande influência do processo de desmatamento na

deterioração da qualidade ambiental, com a fragmentação dos maciços florestais de maior

dimensão e o aumento da perturbação ambiental resultante do processo de urbanização. Entre

2001 e 2013 a taxa de regeneração das áreas florestais se torna superior a do desmatamento,

promovendo o aumento na quantidade de vegetação natural a níveis próximos aos existentes

em 1972 (Tabela 9). Porém o processo de urbanização se intensifica promovendo a

deterioração da qualidade ambiental da vegetação natural, atingindo, inclusive, as áreas antes

isoladas.

4.4 Teste das Rotinas de Espacialização

As projeções da qualidade ambiental dos fragmentos florestais em 2013, obtidos

através da matriz de transição P1972-2001, Mapa de qualidade dos fragmentos florestais de 2001

e as rotinas de espacialização STCHOICE e CA MARKOV, são apresentadas nas Figuras 69

y = 0,98x + 0,00R² = 0,95

0,00

0,10

0,20

0,30

0,40

0,50

0,60

0,70

0,80

0,90

1,00

0 0,2 0,4 0,6 0,8 1

Val

ore

s o

bse

rvad

os

(200

1-2

01

3)

Valores esperados (1972-2001)

92

e 70. Os resultados da comparação com Mapa de qualidade ambiental de 2013 são

encontrados na Tabela 20.

Tabela 20 – Acurácia das rotinas STCHOICE e CA MARKOV para projeção do cenário de

2013.

Classes Coeficiente Kappa modelo

STCHOICE

Coeficiente Kappa modelo

CA MARKOV

Muito alta 0,73 0,66

Alta 0,43 0,44

Moderada 0,21 0,32

Baixa 0,04 0,25

Muito baixa 0,00 0,28

Outras 0,87 0,78

Kappa geral 0,47 0,55

O Índice Kappa Geral mostrou que ambas as projeções apresentam qualidade “boa”

(LANDIS & KOCH, 1977). A projeção derivada da rotina STCHOICE apresentou melhor

concordância das classes de qualidade ambiental Muito alta (0,73) e Outras (0,87) com o

Mapa de qualidade ambiental dos fragmentos florestais de 2013, porém as classes Baixa

(0,01) e Muito baixa (0,00) foram subestimadas e incorretamente alocadas.

A projeção obtida através da rotina CA MARKOV apresentou Kappa Geral

ligeiramente superior a STCHOICE. As classes Muito alta e Outras apresentaram apresentam

valores inferiores aos obtidos através da STCHOICE, porém parte das classes Baixa e Muito

baixa foram representadas, elevando seu Kappa Geral. Observa-se maior similaridade com o

Mapa de qualidade ambiental dos fragmentos florestais de 2013 (Figura 65).

Os melhores valores de Kappa das classes Muito alta e Outras são explicados pelas

características das classes, ambas apresentam-se estáticas. Os fragmentos florestais de

qualidade ambiental muito alta tendem a ocupar as mesmas regiões, nas porções centrais dos

fragmentos florestais de maior dimensão, e as áreas ocupadas da bacia hidrográfica tendem a

não se tornar fragmentos florestais novamente.

As classes Baixa e Muito baixa não apresentaram concordância satisfatória com o

cenário de 2013, os resultados indicam que existe a influência de fatores exógenos as Cadeias

de Markov e aos Autômatos Celulares na constituição das áreas florestais de qualidade

ambiental baixa e muito baixa, exigindo um processo de modelagem mais sofisticado para

obtenção de melhores resultados.

93


do Rio Jundiaí-Mirim utilizando a rotina STCHOICE.


do Rio Jundiaí-Mirim utilizando a rotina CA_MARKOV.

94

A Tabela 21 mostra que em termos de distribuição percentual a rotina CA MARKOV

apresentou maior similaridade com o cenário real de 2013. Em ambas as rotinas a área total

dos fragmentos florestais foi subestimada. Os resultados sugerem que a predominância do

processo de desmatamento no período comprometeu a acurácia geral das projeções.

Tabela 21 – Comparação das projeções CA MARKOV e STCHOICE com o cenário real de

2013.

Classes de qualidade

ambiental

Cenário real

2013

Projeção de 2013 CA

MARKOV

Projeção de 2013

STCHOICE

ha % ha % ha %

Muito baixa 382,3 12,8 309,6 11,8 2,5 0,1

Baixa 638,4 21,4 520,5 19,8 92,3 5,3

Moderada 740,9 24,8 708,7 27,0 452,9 26,2

Alta 694,1 23,2 640,4 24,4 623,5 36,1

Muito alta 532,6 17,8 449,3 17,1 555,7 32,2

Total 2988,3 100 2628,47 100 1726,9 100

4.4.1 Projeções de cenários futuros

A matriz de transição de estados do cenário otimista é apresentada na Tabela 22. Para

sua obtenção foi utilizando o Mapa de qualidade ambiental de fragmentos florestais 2013

como estado inicial e o Mapa de qualidade ambiental dos fragmentos florestais de 1972 como

estado final, simulando a tendência de retorno a qualidade ambiental existente em 1972.


fragmentos florestais da bacia hidrográfica do Rio-Jundiaí-Mirim sob a perspectiva otimista.

1972


Muito alta 0,86 0,09 0,01 0,00 0,00 0,04

Alta 0,19 0,49 0,14 0,03 0,00 0,14

Moderada 0,04 0,30 0,28 0,13 0,02 0,24

Baixa 0,00 0,13 0,22 0,24 0,05 0,36

Muito baixa 0,00 0,08 0,13 0,21 0,15 0,43

Outras 0,01 0,01 0,01 0,02 0,01 0,94

95

Os valores na região inferior a diagonal principal apresentam-se superiores aos

existentes na região acima da diagonal principal, indicando à melhoria da qualidade ambiental

resultante do retorno ao estado existente em 1972. Através do teste Chi-quadrado de Person

comprovou-se que a distribuição é significativamente (α=5%) diferente da P1972-2013 (p

calculado = 25,56), evidenciado que a matriz representa outra tendência de transições entre as

classes.

A Figura 71 mostra através da análise de regressão das matrizes Potimista e P1972-2013 que

o coeficiente angular se afasta dos valores ideais de uma reta linear perfeita (y = 1,00x + 0,00)

e o R² indica uma maior amplitude de variação entre as distribuições, confirmando o resultado

do teste Chi-quadrado de Person.

Figura 71 – Análise de regressão linear das matrizes de transição Potimista e P1972-2013

As Tabelas 23 e 24 mostram as matrizes de transição de estados utilizadas nas

projeções dos cenários realista (P1972-2013) e pessimista (Ppessimista). A escolha da matriz

Ppessimista se baseou na determinação da sub bacia hidrográfica e período onde ocorreu a maior

diminuição nas áreas de qualidade muito alta, correspondendo a “Ribeirão do Tanque” no

período entre 1972 e 2001.

y = 0,8176x + 0,0304R² = 0,6743

0,00

0,10

0,20

0,30

0,40

0,50

0,60

0,70

0,80

0,90

1,00

0,00 0,20 0,40 0,60 0,80 1,00

Val

ore

s o

bse

rvad

os

(201

3-1

972)

Valores esperados (1972-2013)

96


fragmentos florestais da bacia hidrográfica do Rio-Jundiaí-Mirim sob a perspectiva realista.

2013


Muito alta 0,62 0,20 0,05 0,00 0,00 0,13

Alta 0,09 0,43 0,26 0,09 0,03 0,11

Moderada 0,02 0,18 0,34 0,22 0,07 0,17

Baixa 0,00 0,04 0,21 0,33 0,17 0,26

Muito baixa 0,00 0,00 0,05 0,16 0,31 0,48

Outras 0,00 0,01 0,02 0,02 0,02 0,93


fragmentos florestais da bacia hidrográfica do Rio-Jundiaí-Mirim sob a perspectiva

pessimista.

2001


Muito alta 0,47 0,00 0,01 0,00 0,19 0,33

Alta 0,00 0,40 0,22 0,01 0,14 0,23

Moderada 0,00 0,02 0,53 0,19 0,17 0,09

Baixa 0,00 0,00 0,22 0,39 0,21 0,18

Muito baixa 0,00 0,00 0,05 0,05 0,33 0,58

Outras 0,01 0,02 0,03 0,01 0,00 0,93

As Figuras 72, 73 e 74 mostram os resultados das projeções dos cenários otimista,

realista e pessimista da qualidade ambiental dos fragmentos florestais em 2025. Optou-se pela

utilização da rotina CA MARKOV em função dos melhores resultados obtidos no Coeficiente

Kappa Geral e na representação das classes de qualidade ambiental baixa e muito baixa.

97

Figura 72 – Projeção pessimista da qualidade ambiental dos fragmentos florestais da bacia


Figura 73 – Projeção realista da qualidade ambiental dos fragmentos florestais da bacia


98

Figura 74 – Projeção otimista da qualidade ambiental dos fragmentos florestais da bacia


A projeção pessimista mostra o avanço do processo de desmatamento (Tabela 25),

com ocupação de 131,9 ha das áreas de vegetação natural. A taxa de desmatamento (11

ha/ano) apresentou-se inferior a série histórica (27,3 ha/ano entre 1972 e 2013) e a

distribuição porcentual se mostrou similar a existente em 2013, com ligeiro decréscimo das

áreas com qualidade ambiental Muito alta. A simulação mostra que caso o processo de

ocupação da sub bacia hidrográfica do Ribeirão do Tanque entre 1972 e 2001 ocorra na bacia

hidrográfica do Rio Jundiaí-Mirim nos próximos 12 anos, ocorrerá a diminuição das áreas de

vegetação natural e a deterioração da qualidade ambiental das áreas com qualidade Muito

alta.

Na projeção realista identifica-se a continuação do processo de regeneração das áreas

florestais, com o estabelecimento de 335,4 ha. A taxa de regeneração (27,9 ha/ano) se

apresentou ligeiramente superior a da série histórica (27,1 ha/ano) e a distribuição percentual

mostra o aumento da área ocupada pelas classes de qualidade ambiental muito baixa, baixa e

moderada e a diminuição da alta e muito alta.

99

As semelhanças com série histórica mostram que a utilização da Cadeia de Markov de

primeira ordem, utilizando apenas um estado para descrever o próximo, mostrou-se adequada

(BUCHMAN, 2008).

A projeção otimista mostra o cenário simulado a partir da tendência de retorno da

qualidade ambiental existente em 1972. Observa-se uma maior intensidade no processo de

regeneração das áreas florestais (35,2 ha/ano) com a constituição de 422,77 ha em

comparação a 2013. A distribuição percentual apresenta-se próxima a existente em 2013,

porém identifica-se uma maior porcentagem de fragmentos florestais concentrados na classe

de qualidade ambiental muito alta.

Tabela 25 – Projeção da qualidade ambiental dos fragmentos florestais da bacia hidrográfica


Qualidade

ambiental

Fragmentos

florestais em 2013

Projeção

pessimista 2025

Projeção

realista 2025

Projeção

otimista 2025

ha % ha % ha % ha %

Muito baixa 382,3 12,8 348 12,2 515,7 16,2 437,7 12,8

Baixa 638,4 21,4 636 22,3 698,9 21,9 703,9 20,6

Moderada 740,9 24,8 760,4 26,6 803,5 25,2 787,3 23,1

Alta 694,1 23,2 674,2 23,6 670,5 21 789,2 23,1

Muito alta 532,6 17,8 437,8 15,3 503,2 15,8 692,9 20,3

Total 2988,3 100,0 2856,43 100,0 3191,79 100,0 3411,07 100,0

As Figuras 75, 77 e 79 mostram à evolução da área florestal, em porcentagem da área

total, correspondentes a cada classe de qualidade ambiental dos fragmentos florestais entre

1972 e 2025, conforme as perspectivas pessimista, realista e otimista. Nas Figuras 76, 78 e 80

são apresentadas as quantidades de área (ha) referente às classes em cada período.

100


do Rio Jundiaí-Mirim entre 1972 e 2025 conforme a projeção pessimista.


hidrográfica do Rio Jundiaí-Mirim entre 1972 e 2025 conforme a projeção pessimista.

0

5

10

15

20

25

30

35

1972 2001 2013 2025

Frag

men

tos

flo

rest

ais

(%)

Tempo (Anos)

Muito alta

Alta

Moderada

Baixa

Muito baixa

0

200

400

600

800

1000

1200

1972 2001 2013 2025

Frag

men

tos

flo

rest

ais

(ha)

Tempo (Anos)

Muito alta

Alta

Moderada

Baixa

Muito baixa

101


do Rio Jundiaí-Mirim entre 1972 e 2025 conforme a projeção realista.


hidrográfica do Rio Jundiaí-Mirim entre 1972 e 2025 conforme a projeção realista.

0

5

10

15

20

25

30

35

1972 2001 2013 2025

Frag

men

tos

flo

rest

ais

(%)

Tempo (Anos)

Muito alta

Alta

Moderada

Baixa

Muito baixa

0

200

400

600

800

1000

1200

1972 2001 2013 2025

Frag

men

tos

flo

rest

ais

(ha)

Tempo (Anos)

Muito alta

Alta

Moderada

Baixa

Muito baixa

102


do Rio Jundiaí-Mirim entre 1972 e 2025 conforme a projeção otimista.


hidrográfica do Rio Jundiaí-Mirim entre 1972 e 2025 conforme a projeção otimista.

Os resultados revelam que, em termos de distribuição percentual, a projeção realista

apresenta maior deterioração da qualidade ambiental ao longo do tempo. O aumento das áreas

de qualidade ambiental baixa e muito baixa é favorecido tanto pela regeneração das áreas

florestais, que constituem fragmentos florestais de dimensão pequena, como pelo aumento da

perturbação ambiental, resultante do processo de ocupação da bacia hidrográfica. A Figura 78

0

5

10

15

20

25

30

35

1972 2001 2013 2025

Frag

men

tos

flo

rest

ais

(%)

Tempo (Anos)

Muito alta

Alta

Moderada

Baixa

Muito baixa

0

200

400

600

800

1000

1200

1972 2001 2013 2025

Frag

men

tos

flo

rest

ais

(ha)

Tempo (Anos)

Muito alta

Alta

Moderada

Baixa

Muito baixa

103

mostra o aumento na área das classes moderada, baixa e baixa, evidenciando que o processo

de simulação incorporou a regeneração natural das áreas, alocando-as nas classes

correspondentes.

Observa-se que mesmo adotando uma condição ideal é improvável de retorno ao

cenário existente em 1972. Apenas na classe de qualidade ambiental muito alta identifica-se

uma modificação significativa, retornando a proporção existente em 2001.

5 CONCLUSÕES

Através do Sensoriamento Remoto e os Sistemas de Informação Geográfica foi

possível à identificação do processo de ocupação da bacia hidrográfica do Rio Jundiaí-Mirim.

A avaliação dos indicadores mostrou um crescente aumento na perturbação ambiental

incidente nas áreas florestais entre 1972 e 2013.

Conclui-se que o processo de urbanização, aliado ao desmatamento e a fragmentação

florestal promoveram significativa deterioração da qualidade ambiental dos fragmentos

florestais no período.

Três processos foram responsáveis pelas alterações da qualidade ambiental dos

remanescentes florestais: a urbanização da bacia hidrográfica, o desmatamento e o processo

de regeneração da vegetação natural.

As Cadeias de Markov constituíram um elemento chave no estudo, possibilitando

caracterizar a evolução e realizar simulações de cenários futuros.

As matrizes de probabilidade de transição da Cadeia de Markov constituíram

ferramentas importantes para a compreensão da evolução da qualidade ambiental dos

fragmentos florestais. A quantificação das transições entre as classes possibilitou: (1) a

identificação numérica da deterioração da qualidade ambiental em cada período (1972-2001,

2001-2013 e 1972 e 2013); (2) a caracterização das tendências existentes; (3) a identificação

das causas das modificações na qualidade ambiental em cada intervalo de tempo; (4) a

identificação as classes mais propicias a ocupação, as estáticas e as com maior dinamismo; (5)

o entendimento da evolução do fenômeno em cara período; (6) a comprovação da

estacionaridade das tendências e o nível de relacionamento entre o períodos.

A estacionaridade temporal das transições possibilitou a realização de projeções

satisfatórias. A projeção pessimista para o ano de 2025 simulou um processo de deterioração

mais severo da qualidade ambiental dos fragmentos florestais. A projeção realista manteve o

104

processo continuo de deterioração, seguindo as tendências históricas, e a projeção otimista

promoveu a inflexão das tendências históricas.

A metodologia empregada possibilitou entender o processo evolutivo da qualidade

ambiental dos fragmentos florestais na bacia hidrográfica do Rio Jundiaí-Mirim, o intenso

processo de ocupação da região e sua vulnerabilidade, caso as tendências observadas se

mantenham.

Considerando-se a importância da bacia do Rio Jundiaí-Mirim, como principal

manancial de abastecimento público de Jundiaí, os resultados gerados demonstram a premente

necessidade de criação de políticas públicas específicas para a preservação do manancial.

Devem ser considerados dentro desse contexto projetos que contemplem: (1) a capacitação do

corpo técnico dos órgãos públicos para utilização de modelos e metodologias que auxiliem no

monitoramento da região; (2) o incentivo a gestão ambiental participativa entre os municípios,

a população e outras partes interessadas; (3) a preservação dos recursos hídricos e o aumento

da infiltração de água no solo; (4) a remuneração por serviços ambientais.

105

6 REFERÊNCIAS

ADAMI, S. F. Autômatos Celulares e Sistemas de Informações Geográficas aplicados à

modelagem da dinâmica espacial da Cana-de-açúcar na região de Araçatuba – SP. 2011. 148f.

Tese (Doutorado em Ciências, na área de Análise Ambiental e Dinâmica Territorial) –

Universidade Estadual de Campinas, Instituto de Geociências, Campinas.

ARSANJANI, J. J.; HELBICH, M.; KAINZ, W.; BOLOORANI, A. D. Integration of logistic

regression, Markov chain and cellular automata models to simulate urban expansion.

International Journal of Applied Earth Observation and Geoinformation, v. 21, p. 265-

275, 2013.

BELL, E. J. Markov analysis of land use change-anapplication of stochastic processes to

remotely sensed data. Socio-Econ. Plan. Sci, Great Britain, v. 8, p. 311-316, 1974.

BENEDETTI, A. C. P. Modelagem dinâmica para simulação de mudanças na cobertura

florestal das serras do sudeste e campanha meridional do Rio Grande do Sul. 2010. 166f. Tese

(Doutorado em Engenharia Florestal) – Universidade Federal de Santa Maria-UFSM, Santa

Maria.

BERTONI, J.; LOMBARDI, N. F. Conservação do solo. 4.ed. São Paulo: Ícone, 1999. 355p.

BRACCHETTI, L.; CAROTENUTO, L.; CATORCI, A. Land-cover changes in a remote area

of central Apennines (Italy) and management directions. Landscape and Urban Planning,

v. 104, n. 2, p. 157-170, 2012.

BRASIL. Lei n.º 12.651, de 25 de maio de 2012. Dispõe sobre a proteção da vegetação

nativa; altera as Leis nos 6.938, de 31 de agosto de 1981, 9.393, de 19 de dezembro de 1996, e

11.428, de 22 de dezembro de 2006; revoga as Leis nos 4.771, de 15 de setembro de 1965, e

7.754, de 14 de abril de 1989, e a Medida Provisória no 2.166-67, de 24 de agosto de 2001; e

dá outras providências. Diário Oficial da União, Brasília, DF, 28 maio 2012. p. 1.

BRASIL. Lei n.º 6.766, de 19 de dezembro de 1979. Dispõe sobre o Parcelamento do Solo

Urbano e dá outras Providências. Diário Oficial da União, Brasília, DF, 20 dez. 1979. p.

19457.

BORTOLOTTI, S. L. V.; SOUZA, R. A.; SILVA, V. M. D.; COELHO, A. S. Estudo de custo

para uma microempresa de guardanapos de papel utilizando cadeias absorventes de Markov.

GEPROS. [online], v.5, n.2, p. 89-102, 2007.

BOURNARIS, T.; MOULOGIANNI, C.; MANOS, B. A multicriteria model for the

assessment of rural development plans in Greece. Land Use Policy, v. 38, p. 1-8, 2014.

BOYD, D. S.; FOODY, G. M. An overview of recent remote sensing and GIS based research

in ecological informatics. Ecological Informatics, v. 6, n. 1, p. 25-36, 2011.

106

BUCHMAN, M. Land use modeling using higher order Markov Chains. 2008. 94f. Master of

Science Degree (In the field of Geography and Environmental Resources) - Western Illinois

University, Illinois, USA.

CABRAL, J. P. S. Can we use indoor fungi as bioindicators of indoor air quality? Historical

perspectives and open questions. Science of The Total Environment, v. 408, n. 20, p. 4285–

4295, 2010.

CÂMARA, G.; MEDEIROS, J.S. de. Princípios básicos em Geoprocessamento. In: ASSAD.

E. D.; SANO E. E. (Org.). Sistemas de Informações Geográficas: Aplicações na

Agricultura. 2. ed. Brasília: EMBRAPA, 1998. p. 3-11.

CHAVES, H. M. L.; SANTOS, L. B. dos. Ocupação do solo, fragmentação da paisagem e

qualidade da água em uma pequena bacia hidrográfica. Revista brasileira engenharia

agrícola e ambiental. [online], v.13, p. 922-930, 2009.

CHEN, X.; YU, S.; ZHANG, Y. Evaluation of Spatiotemporal Dynamics of Simulated Land

Use/Cover in China Using a Probabilistic Cellular Automata-Markov Model. Pedosphere, v.

23, n. 2, p. 243-255, 2013.

COMINO, E.; BOTTERO, M.; POMARICO, S.; ROSSO, M. Exploring the environmental

value of ecosystem services for a river basin through a spatial multicriteria analysis. Land

Use Policy, v. 36, p.381-395, 2014.

D’ANTONA, A. O.; CAK A. D.; NASCIMENTO, T. T. Integrando desenhos e imagens de

satélite no estudo de mudanças no uso e cobertura da terra. Ambient. soc. [online], vol.11,

n.1, p. 99-116, 2008.

DAVIS, C.; CÂMARA, G. Arquitetura de sistemas de informações geográficas. In:

CÂMARA, G.; DAVIS, C.; MONTEIRO, A. M. V. (Ed), Introdução à ciência da

geoinformação. São José dos Campos: INPE, 2001. p. 3-35.

DEMATTÊ, J. A. M.; VASQUES, G. de M.; CORRÊA, E. A. Fotopedologia, espectroscopia

e sistema de informação geográfica na caracterização de solos desenvolvidos do Grupo

Barreiras no Amapá. Bragantia, Campinas, v. 71, n. 3, p.438-446, 2012.

EASTMAN, R. J. Tradução Português. HASENACK, H.; WEBER, E. IDRISI for Windows

versão 2. Manual do Usuário. Versão Digital. Introdução; Exercícios Tutoriais. Porto

Alegre: Centro de Recursos Idrisi, Brasil, 2003. 218p.

ERCEMAPI (Escola Regional de Computação dos Estados do Ceará, Maranhão e Piauí).

Livro texto dos minicursos. [Livro eletrônico]. In: SANTANA, A. M.; SANTOS NETO, P. A.

dos.; MOURA, R. S. (Org.). V Encontro Regional de Informática Ceará-Maranhão-

Piauí. Teresina: Escola Regional de Computação dos Estados do Ceará, Maranhão e Piauí,

2011. 200f.

EASTMAN, J. R.; JIN, W.; KYEM, P. A. K.; TOLEDANO, J. Raster procedures for multi-

criteria/mult-objective decisions. Photogrammetric Engineering & Remote Sensing. V.

61, n. 5, p. 539-547, 1995.

107

FENGLER, F. H.; SILVA, A. M.; PECHE FILHO, A.; STORINO, M.; RIBEIRO, A. I.;

MEDEIROS, G. A. de. Análise temporal da cobertura do solo na zona de amortecimento de

reserva biológica. Revista Brasileira de Ciências Ambientais, n. 25, 2012.

FERNANDES, R. R.; NUNES, G. M.; SILVA, T. S. F. Classificação orientada a objetos

aplicada na caracterização da cobertura da terra no Araguaia. Pesq. agropec. bras., Brasília,

v.47, n.9, p.1251-1260, 2012.

FRANCISCO, C. E. F. Áreas de preservação permanente na bacia do ribeirão das anhumas:

Estabelecimento de prioridades para recuperação por meio de análise multicritério. 2006.

108f. Dissertação (Mestrado em Agricultura Tropical e Subtropical) – Instituto Agronômico

de Campinas-IAC, Campinas.

FRANCO, G. A. D. C.; SOUZA, F. M. de; IVANAUSKAS, N. M.; MATTOS, I. F. A.;

BAITELLO, J. B.; AGUIAR, O. T.; CATARUCCI, A. F. de M.; POLISEL, R. T. Importância

dos remanescentes florestais de Embu (SP, Brasil) para a conservação da flora regional. Biota

Neotropical. [online]. v.7, n.3, p. 145-161, 2007.

HEIDEN, U.; HELDENS, W.; ROESSNER, S.; SEGL, K.; ESCH, T. MUELLER, A. Urban

structure type characterization using hyperspectral remote sensing and eight information.

Landscape and Urban Planning, v. 105, n. 4, p. 361-375, 30 2012.

FREITAS, E. P. Análise integrada do mapa de uso e ocupação das terras da microbacia do

Rio Jundiaí-Mirim para fins de gestão ambiental. 2012. 110f. Dissertação (Mestrado em

Agricultura Tropical e Subtropical)–Instituto Agronômico de Campinas-IAC, Campinas.

FUGLSANG, M.; MÜNIER, B.; HANSEN, H. S. Modelling land-use effects of future

urbanization using cellular automata: An Eastern Danish case. Environmental Modelling &

Software, v. 50, p. 1-11, 2013.

GRINSTEAD, C. M.; SNELL, J. L. Introduction to probability. 2.ed. USA: American

Mathematical Society, 1997. 510p.

IBGEa (Instituto Brasileiro de Geografia e Estatística). Cidades. São Paulo, Jundiaí,

Infográficos: evolução populacional e pirâmide etária. Brasil, 2014. Disponível em: <

http://cidades.ibge.gov.br/painel/populacao.php?lang=&codmun=352590&search=sao-

paulo|jundiai|infograficos:-evolucao-populacional-e-piramide-etaria>. Acesso em: 8 jan.

2014.

IBGEb (Instituto Brasileiro de Geografia e Estatística). Cidades. São Paulo, Campo Limpo

Paulista, Infográficos: evolução populacional e pirâmide etária. Brasil, 2014. Disponível em:

<http://cidades.ibge.gov.br/painel/populacao.php?lang=&codmun=3509

60&search=sao-paulo|campo-limpo-paulista|infograficos:-evolucao-populacional-e-piramide-

etaria>. Acesso em: 8 jan. 2014.

IBGEc (Instituto Brasileiro de Geografia e Estatística). Cidades. São Paulo, Jarinu,

Infográficos: evolução populacional e pirâmide etária. Brasil, 2014. Disponível em: <

http://www.cidades.ibge.gov.br/painel/populacao.php?lang=&codmun=352520&search=sao-

paulo|jarinu|infograficos:-evolucao-populacional-e-piramide-etaria >. Acesso em: 8 jan. 2014.

108

JANKOWSKI, P. Integrating geographical information systems and multiple criteria

decision-making methods. International Journal of Geographical Information Systems,

v. 9, n. 3, p. 251-273, 1995.

JENSEN, J. R. Sensoriamento remoto do ambiente: uma perspectiva em recursos

terrestres. 2.ed. São José dos Campos: Parêntese, 2011. 598p.

KELES, R. The Quality of Life and the Environment. Procedia - Social and Behavioral

Sciences, v. 35, p. 23-32, 2012.

LAGO, W. N. M.; LACERDA, M. P. C.; NEUMANN, M. R. B.; BORGES, T. D. Ocupação

e adequação do uso das terras na microbacia do Ribeirão Extrema, Distrito Federal: Parte I.

Revista brasileira engenharia agrícola e ambiental. [online], v.16, n.3, p. 289-296, 2012.

LEVINSON, D.; CHEN, W. Paving new ground: A Markov Chain model of the change in

transportation networks and land use. In: LEVINSON, D.; KRIZEK, K. J. (Ed.). Access to

Destinations. 1.ed. Minessota: Elsevier Science, 2005. p. 243-266.

LÓPEZ, E.; BOCCO, G.; MENDONZA, M.; DUHAU, E. Predicting land-cover and land-use

change in the urban fringe: A case in Morelia city, Mexico. Landscape and Urban

Planning, v. 55, n. 4, p. 271-285, 2001.

MITSOVA, D.; SHUSTER, W.; WANG, X. A cellular automata model of land cover change

to integrate urban growth with open space conservation. Landscape and Urban Planning, v.

99, n. 2, p. 141-153, 2011.

MONDAL, P.; SOUTHWORTH, J. Evaluation of conservation interventions using a cellular

automata-Markov model. Forest Ecology and Management, v. 260, n. 10, p. 1716-1725,

2010.

MORAES, J.F.L.; CARVALHO, Y.M.C.; PECHE FILHO, A. Diagnóstico agroambiental

para a gestão e monitoramento da Bacia do Rio Jundiaí-Mirim. In: HAMADA, E. (Editora),

Água, agricultura e meio ambiente no Estado de São Paulo: avanços e desafios.

Jaguariúna: Embrapa Meio Ambiente, cap. III, CD-ROM, 2003.

PRADO, T. B. G. Evolução do uso das terras e produção de sedimentos na bacia hidrográfica

do Rio Jundiaí-Mirim. 2005. 72f. Dissertação (Mestrado em Agricultura Tropical e

Subtropical) – Instituto Agronômico de Campinas-IAC, Campinas.

LANDIS, J.R. KOCH, G.G. The measurement of observer agreement for categorial data.

Biometrics, v.33, p.159-174, 1977.

MAS, J.; KOLB, M.; PAEGELOW, M.; OLMEDO, M. T. C.; HOUET, T. Inductive pattern-

based land use/cover change models: A comparison of four software packages.

Environmental Modelling & Software, v. 51, p.94-111, 2014.

MOGHADAM, H. S.; HELBICH, M. Spatiotemporal urbanization processes in the megacity

of Mumbai, India: A Markov chains-cellular automata urban growth model. Applied

Geography, v. 40, p.140-149, 2013.

109

MOREIRA, M. A. Fundamentos do sensoriamento remoto e metodologias de aplicação.

3.ed. Viçosa: UFV, 2007. 320p.

MOZAFARI, M.; ALIZADEH, R. A cellular learning automata model of investment behavior

in the stock market. Neurocomputing, v. 122, p. 470-479, 2013.

NUCCI, J. C. Metodologia para determinação da qualidade ambiental urbana. Revista do

Departamento de Geografia – USP, n. 12, p. 209-224, 1998.

OÑATE-VALDIVIESO, F.; SENDRA, J. B. Application of GIS and remote sensing

techniques in generation of land use scenarios for hydrological modeling. Journal of

Hydrology, v. 395, n. 3–4, p. 256-263, 2010.

PEDRON, F. de A.; DALMOLIN, R. S. D.; AZEVEDO, A. C. de; BOTELHO, M. R.;

ALESSANDRO, S. R. Análise da dinâmica espacial da ocupação das terras e seus conflitos

de uso no perímetro urbano de Santa Maria - RS (1975 - 2002). Cienc. Rural [online]. v.36,

n.6, p. 1756-1764, 2006.

PEDROSA, B. M.; CAMARA, G. Modelagem Dinâmica e Sistemas de Informações

Geográficas. In: MEIRELLES, M. S. P.; CAMARA, G. ALMEIDA, C. M. de. (Org.).

Geomática: Modelos e Aplicações Ambientais. Brasília: Embrapa Informação Tecnológica,

p. 237-280, 2007.

POELMANS, L.; ROMPAEY, A. V.; BATELAAN, O. Coupling urban expansion models

and hydrological models: How important are spatial patterns?. Land Use Policy, v. 27,

n. 3, p. 965-975, 2010.

PRIMO, D. C.; VAZ, L. M. S. Degradação e perturbação ambiental em matas ciliares: estudo

de caso do Rio Itapicuru-açu em Ponto Novo e Filadélfia Bahia. Diálogos & Ciência.

[online], v. 4, n. 7, p. 1-11, 2006.

RAMOS, C.; SIMONETTI, J. A.; FLORES, J. D.; RAMOS-JILIBERTO, R. Modelling the

management of fragmented forests: Is it possible to recover the original tree composition? The

case of the Maulino forest in Central Chile. Forest Ecology and Management, v. 255, n. 7,

p. 2236-2243, 2008.

RODRIGUES, C. Qualidade ambiental urbana: Como avaliar?. Revista do Departamento de

Geografia – USP, n. 11, p. 135-150, 1997.

RODRIGUES, D. B. B.; SOBRINHO, T. A.; OLIVEIRA, P. T. S. de; PANACHUKI, E.

Nova abordagem sobre o modelo Brasileiro de serviços ambientais. Revista Brasileira de

Ciência do Solo [online], v.35, n.3, p. 1037-1045, 2011.

RUHOFF, A. L.; FANTIN-CRUZ, I.; COLLISCHONN, W. Modelos de simulação dinâmica

do desmatamento na Amazônia. Caminhos de Geografia, Uberlândia. v. 11, n. 36, p. 258-

268, 2010.

SANTOS, R. J. Avanços das pesquisas e aplicações de sensoriamento remoto no

monitoramento da paisagem: contribuições aos estudos do Pantanal. In: SIMPÓSIO DE

110

GEOTECNOLOGIAS NO PANTANAL, 1, Campo Grande. Anais... Campo Grande:

Embrapa Informática Agropecuária/INPE, 2006. p. 675-683.

SÃO PAULO (Estado). Lei n.º 9.866, de 28 de novembro de 1997. Dispõe sobre diretrizes e

normas para a proteção e recuperação das bacias hidrográficas dos mananciais de interesse

regional do Estado de São Paulo, e dá outras providencias. Diário Oficial do Estado de São

Paulo, São Paulo, 28 nov. 1997. p. 11.

SOARES FILHO, B. S. Modelagem dinâmica de paisagem de uma região de fronteira de

colonização amazônica. 1998. 299f. Tese (Doutorado em Engenharia Civil) – Escola

Politécnica, Universidade de São Paulo-USP, São Paulo.

TAVARES, A. O.; PATO, R. L.; MAGALHÃES, M. C. Spatial and temporal land use change

and occupation over the last half century in a peri-urban area. Applied Geography, v. 34, p.

432-444, 2012.

TOBLER, W. R. Cellular geography. In: GALE, S.; OLSSON, G. Philosophy in geography.

Dordrecht: D. Reidel, 1979. p. 379-386.

VOREADOU, C; MOUSTERAKI, S.; KOMODROMOS, N. Perturbações naturais e

perturbações antropogênicas. In: VOREADOU, C. (Cord.). Os ecossistemas de água doce da

Europa: Uma abordagem Educacional. Grécia: Creta, 2008. p. 56-61.

WANG, S. Q.; ZHENG, X. Q.; ZANG, X. B. Accuracy assessments of land use change

simulation based on Markov-cellular automata model. Procedia Environmental Sciences, v.

13, p. 1238-1245, 2012.

WIENS, S.; SILVA, C. L. da. Indicadores de qualidade ambiental: Uma análise comparativa.

In: SEMINÁRIO SOBRE SUSTENTABILIDADE, 1, 2006, Curitiba. Anais... Curitiba:

UNIFAE, 2006. p. 1-11.

WU, Q.; LI, H.; WANG, R.; PAULUSSEN, Y. H.; WANG, M.; WANG, B.; WANG, Z.

Monitoring and predicting land use change in Beijing using remote sensing and GIS.

Landscape and Urban Planning, v. 78, n. 4, p. 322-333, 2006.

ZAMBON, K. L.; CARNEIRO, A. A. de F. M.; SILVA, A. N. R. da; NEGRI, J. C. Análise

de decisão multicritério na localização de usinas termoelétricas utilizando SIG. Pesquisa

Operacional [online], v. 25, n. 2, p. 183-199, 2005.

ZUFFO, A.C.; REIS, L.F.R.; SANTOS, R.F.; CHAUDHRY, F.H. Aplicação de métodos

multicriteriais ao planejamento dos recursos hídricos. Revista Brasileira Recursos Hídricos,

v.7, n.1, p. 81-102, 2002.

Documents

FELIPE HASHIMOTO FENGLER - iac.sp.gov.br · dissertaÇÃo variaÇÃo temporal dos fragmentos florestais na bacia hidrogrÁfica do rio jundiaÍ-mirim felipe hashimoto fengler campinas,