Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA - RIO GRANDE DO SUL
CAMPUS RIO GRANDE CURSO TÉCNICO EM GEOPROCESSAMENTO
MODELAGEM DO CRESCIMENTO URBANO E FORMAÇÃO DE
PERIFERIAS NA CIDADE DO RIO GRANDE-RS, ENTRE 1995 E 2015.
Nathalia Piva da Silveira
Christiano Piccioni Toralles
Rio Grande/RS
Dezembro/2016
INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA - RIO GRANDE DO SUL
CAMPUS RIO GRANDE CURSO TÉCNICO EM GEOPROCESSAMENTO
ii
MODELAGEM DO CRESCIMENTO URBANO E FORMAÇÃO DE
PERIFERIAS NA CIDADE DO RIO GRANDE-RS, ENTRE 1995 E 2015.
Nathalia Piva da Silveira
Rio Grande/RS
Dezembro/2016
Trabalho apresentado como pré-requisito
para a conclusão do Curso Técnico em
Geoprocessamento do Instituto Federal de
Educação, Ciência e Tecnologia do Rio
Grande do Sul - Campus Rio Grande.
iii
SUMÁRIO
LISTA DE TABELAS .............................................................................................................................. IV
LISTA DE FIGURAS ............................................................................................................................... V
1. INTRODUÇÃO .................................................................................................................................. 7
1.1 Justificativa .............................................................................................................. 7
1.2 Recorte espacial e temporal .................................................................................... 8
2. OBJETIVOS .................................................................................................................................... 10
2.1 Objetivo Geral ....................................................................................................... 10
2.2 Objetivos Específicos ............................................................................................ 10
3. REFERENCIAL TEÓRICO ............................................................................................................. 11
3.1 A cidade, a periferização e o planejamento ........................................................... 11
3.2 Morfologia e modelagem urbana ........................................................................... 14
3.3 Autômatos Celulares ............................................................................................. 14
3.4 Estado da arte ....................................................................................................... 16
4. MATERIAIS E MÉTODOS .............................................................................................................. 20
4.1 Materiais................................................................................................................ 20
4.2 Métodos ................................................................................................................ 21
5. RESULTADOS ................................................................................................................................ 30
5.1 Simulações de crescimento urbano por autômatos celulares no CityCell .............. 30
5.2 Mapa temático e grid em SIG com a divisão de classes sociais ............................ 35
6. CONCLUSÕES ............................................................................................................................... 38
7. REFERÊNCIAS .............................................................................................................................. 39
iv
LISTA DE TABELAS
Tabela 1: Tabela de atributos. ............................................................................................. 24
Tabela 2: Resultados para a calibração do crescimento urbano. ......................................... 30
v
LISTA DE FIGURAS
Figura 1: A evolução do Rio de Janeiro de Souza, década de 1990. ................................... 12
Figura 2: Jogo da vida de John Conway. ............................................................................. 16
Figura 3: Exemplos de dados de input do SACI, na Colônia de Pescadores Z3, em Pelotas,
RS: a) atributos do ambiente urbano (área efetivamente urbanizada e trapiches); b) atributos
do ambiente natural (arroios, canais, matas nativas e matas plantadas). ............................ 17
Figura 4: Outputs de simulação para cidade de Arroio Grande, RS, respectivamente para as
iterações 1 e 40, inicial e final, representando um horizonte de tempo de 40 anos: A e B)
células urbanas; C e D) carregamentos urbanos (urban loads); E e F) centralidades relativas
(centrality R1); G e H) centralidades relativas (centrality R2). .............................................. 18
Figura 5: Imagem de 1995. .................................................................................................. 22
Figura 6: Imagem de 2015. .................................................................................................. 23
Figura 7: Atributos para 1995: A) Área de desenvolvimento. B) Área de preservação. C) Área
urbana. D) Porto. E) Corpos d’água. F) Laguna dos Patos. G) Oceano Atlântico. H) Praia. I)
São José do Norte. J) Ilhas. ................................................................................................. 25
Figura 8: Grid aleatório. ....................................................................................................... 25
Figura 9: Diagramas em formato de CA, representando os tipos de tensões: A) axial; B) axial
de buffer; C) polar; D) difusa 1; E) difusa 2.. ........................................................................ 27
Figura 10: Cálculo do índice de erro formal. ........................................................................ 28
Figura 11: Outputs de células urbanas para o estudo de calibração do crescimento urbano
para Rio Grande, RS, entre 1995 e 2015. Melhor resultado encontrado com o predomínio
polar: A)iteração 5; B) iteração 10; C)iteração 15; D)iteração 20. ........................................ 31
Figura 12: Outputs de células urbanas para o estudo de calibração do crescimento urbano
para Rio Grande, RS. Melhor resultado encontrado sem predomínio (isotenções): A)
A)iteração 5; B) iteração 10; C)iteração 15; D)iteração 20. .................................................. 32
Figura 13: Outputs de células urbanas para o estudo de calibração do crescimento urbano
para Rio Grande, RS. Melhor resultado encontrado com predomínio difuso: A) iteração 5; B)
iteração 10; C) iteração 15; D) iteração 20. .......................................................................... 33
Figura 14: Outputs de células urbanas para o estudo de calibração do crescimento urbano
para Rio Grande, RS. Melhor resultado encontrado com predomínio axial. A) iteração 5; B)
iteração 10; C) iteração 15; D) iteração 20. .......................................................................... 34
Figura 15: Mapa temático da renda média per capita na cidade do Rio Grande, RS. .......... 36
Figura 16: Grid da renda média per capita na cidade do Rio Grande, RS. ........................... 37
vi
RESUMO
A sociedade se organiza de diferentes maneiras nos diversos lugares do mundo,
porém é possível verificar que nas mais diversas sociedades a segregação se faz
presente, sendo comum perceber a separação entre ricos e pobres nas cidades.
Essa separação acaba deixando visíveis as diferentes classes econômicas
existentes. O presente estudo visou identificar periferias de baixa renda (ou seja,
focando nas menores classes econômicas) na cidade do Rio Grande, RS, utilizando
ferramentas do geoprocessamento, assim obtendo como resultado um produto
cartográfico que mostra como se dá a divisão de classes na cidade. Também foi
utilizado no estudo o software CityCell que utiliza um modelo de crescimento urbano
por autômatos celulares, possibilitando a identificação de fatores que estejam
relacionados com essa separação, simulando assim o crescimento urbano na
cidade.
Palavras-chave: formação de periferias, geossimulação, morfologia urbana, autômatos celulares.
Como este trabalho deve ser referenciado:
SILVEIRA, N. P. Modelagem do crescimento urbano e formação de periferias na
cidade do Rio Grande-RS, entre 1995 e 2015. 2016. 41f. Monografia: (Curso Técnico
em Geoprocessamento) – Instituto Federal de Educação e Tecnologia do Rio Grande do
Sul, Rio Grande, 2016.
7
1. INTRODUÇÃO
O processo de urbanização é um fato que cresce cada vez mais com o passar
dos anos. Sobre este podemos destacar diversos pontos positivos como
oportunidades de trabalho, melhor capital econômico e financeiro, entre outros.
Porém existem também os pontos negativos, entre eles a segregação urbana, que é
caracterizada por uma divisão social da população, que consiste no ato de se
afastar, ou seja alta renda se afastando da baixa renda, formando assim as
periferias. Existem fatores que inferem na criação e crescimento das periferias sendo
de grande importância a captura dos padrões de forma e localização relativos à
produção destas.
Segundo Barros (2004), grande parte dos estudos sobre a formação de
periferias urbanas tem seu foco em questões políticas, econômicas e sociológicas,
sendo menos recorrentes estudos com abordagem no campo da morfologia. A
morfologia aborda a organização da estrutura urbana conjuntamente com os
fenômenos que lhes originaram e suas transformações ao longo do tempo.
Com o auxílio de diversas ferramentas do geoprocessamento, como
mapeamento, georreferenciamento, entre outras e seguindo um método baseado em
modelagem urbana e geossimulação o presente trabalho visa modelar o crescimento
urbano da cidade do Rio Grande, num recorte temporal que vai de 1995 até 2015,
identificando através das simulações analisando os fatores que contribuíram para
isso, e indicar caminhos para a modelagem da formação de periferias de baixa
renda, visando uma difusão da modelagem via autômatos celulares em estudos
sociais.
1.1 Justificativa
O presente trabalho tem como intuito estudar fatores morfológicos que
interferem diretamente no crescimento urbano da cidade do Rio Grande, de modo a
auxiliar em futuros estudos sobre a formação de periferias de baixa renda. A cidade
vive um longo processo de urbanização, passando por vários momentos de maior e
menor desenvolvimento econômico ao longo dos 279 anos desde sua fundação.
Tendo recebido a implantação de um polo naval na sua área industrial, na última
década, a cidade seguiu apresentando falhas em sua infraestrutura e planejamento,
8
sendo perceptível a partir de observações empíricas, por exemplo: a fragilidade no
sistema de saúde pública, aumento da frota e tráfego de automóveis intensificado,
além de um mercado imobiliário supervalorizado.
Dentre eles cabe destacar a periferização, criada pelas forças da especulação
imobiliária, o que consiste em expansões da mancha urbana com a criação de
periferias ao redor da cidade. Quando uma cidade é fundada, ela abrange mais o
entorno do seu núcleo original, seu “centro” tradicional, mas com o passar do tempo,
a cidade vai se periferizando, ou seja, vai crescendo ao redor da área urbana e se
afastando do “centro”. Este fenômeno é um importante fator que implica no
funcionamento da cidade, sendo importante entendê-lo, para que ocorra um melhor
planejamento da cidade.
O geoprocessamento é uma área do conhecimento muito vasta e nos fornece
meios de estudar fenômenos espaciais, entre eles os fenômenos de urbanização,
que, como dito anteriormente, são de extrema importância para o entendimento dos
processos de construção e reconstrução dos espaços urbanos. Uma das alternativas
que vem sendo usadas para tais estudos são os simuladores, pois permitem que as
cidades sejam estudadas de maneira dinâmica, inserindo a dimensão temporal à
dimensão espacial. Dentre os vários simuladores existentes no mundo, o Laboratório
de Urbanismo da Universidade Federal de Pelotas desenvolveu o CityCell, um
software que tem sido usado em diversos estudos exploratórios em cidades da
região sul do estado do Rio Grande do Sul e, inclusive, em outras cidades brasileiras
e estrangeiras. Assim, está proposta esta pesquisa para a cidade do Rio Grande, se
inserindo no repertório de estudos urbanos com simulação e geotecnologias.
1.2 Recorte espacial e temporal
A cidade do Rio Grande, a mais antiga do estado do Rio Grande do Sul,
fundada em 1737, segundo o Censo 2010 do IBGE, possui 197.228 habitantes,
sendo destes 189.418 vivendo em áreas urbanizadas (96%). Seu processo de
expansão deve-se a partir do Porto Velho e do forte Jesus-Maria-José (primeira
construção da cidade). Ao longo dos anos, o processo de urbanização foi se
intensificando com o surgimento de atividades industriais, principalmente com a
criação da Fábrica de Tecelagem Rheingantz, no século XIX, que fez com que a
9
cidade se expandisse para além das imediações do Porto Velho, dando início à
construção do bairro Cidade Nova (ROCHA, 2010).
No ano de 1964 surgiu o primeiro loteamento de interesse social no
município, a Cohab I, já no ano de 1970 ocorreu a instalação do Superporto e, com
isso, o crescimento da indústria pesqueira no município. Neste período também
aumentaram as criações de novos loteamentos do tipo Cohab como, por exemplo, a
Cohab II e o Parque Marinha, que tinham moradias populares dotadas de total
infraestrutura (ROCHA, 2010).
Na década de 80 a economia brasileira passou por uma fase de diminuição no
seu crescimento, o que acabou refletindo diretamente nas políticas habitacionais
adotadas pelo Estado brasileiro, fazendo com que fosse extinto, no ano de 1986, o
Banco Nacional de Habitação, o que gerou o surgimento de ocupações com
moradias irregulares no município (ROCHA, 2010).
A década de 1990 não foi marcada por programas habitacionais
governamentais de grande destaque. Entretanto, um acontecimento pode ser
entendido como um marco no Brasil e que teve reflexos no retorno em investimentos
no setor imobiliário. Em 27 de fevereiro de 1994 ocorreu no Brasil a implantação do
Plano Real, com a publicação da Medida Provisória 434. O Plano Real foi um
programa brasileiro que tinha como objetivo uma reforma econômica, sendo a mais
ampla medida econômica já realizada no Brasil e pretendia controlar a hiperinflação
que assolava o país. Se mostrou muito eficaz, reduzindo a inflação, ampliando o
poder de compra da população e remodelando os setores econômicos nacionais
(FILGUEIRAS, 2000).
É neste cenário de constante urbanização que se insere este trabalho.
Enquanto recorte temporal para o estudo, o ponto inicial está marcado no ano de
1995, um ano depois da implantação do Plano Real e segue ao longo de 20 anos,
finalizando em 2015. Além disso, 2015 se insere no contexto atual de nova crise
econômica nacional, com reflexos, entre outros, novamente no setor imobiliário.
A área de estudo propriamente dita, ou seja, o recorte espacial, é a área
efetivamente urbanizada da cidade do Rio Grande, a qual apresenta o fenômeno da
periferização, como já relatado.
10
2. OBJETIVOS
2.1 Objetivo Geral
Este trabalho pretende analisar as dinâmicas do crescimento urbano,
capturando padrões de forma e localização relativos à produção da cidade e das
periferias de baixa renda na cidade do Rio Grande, RS.
2.2 Objetivos Específicos
Ligados ao objetivo geral tem-se como objetivos específicos:
1) Coletar e espacializar dados sobre a forma da cidade do Rio Grande, RS,
de suas periferias e do ambiente natural de entorno, em dois pontos no tempo, 1995
e 2015;
2) Simular o crescimento urbano da cidade do Rio Grande entre 1995 e 2015;
3) Comparar o resultado simulado com os dados de 1995, a partir de critérios
de forma e de localização;
4) Localizar as periferias de baixa renda da cidade do Rio Grande.
11
3. REFERENCIAL TEÓRICO
3.1 A cidade, a periferização e o planejamento
Para Lúcio Costa a cidade é a expressão palpável da necessidade humana de
contato, comunicação, organização e troca, numa determinada circunstância físico-
social e num contexto histórico. Uma cidade consiste em um núcleo populacional
caracterizado por um espaço amplo onde ocorrem relações e fenômenos sociais,
culturais e econômicos. Chamamos de centro, portanto, a área de uma cidade onde
está localizada a maior concentração de atividades econômicas, tendo como foco o
comércio, além de funções administrativas. Por existir diversos modelos de cidade é
difícil chegar a uma definição concreta para cada um desses modelos, todavia toda
cidade tem o seu centro, que muitas vezes não corresponde ao que seria o centro
geográfico. (FERREIRA, 2009). Algumas cidades apresentam mais de um centro,
sendo um exemplo os centros de bairros balneários, como o caso do bairro Cassino,
na cidade do Rio Grande, RS.
Sobre a estrutura espacial urbana, ou estrutura das cidades, cabe destacar
que Villaça (2001) considera como elementos da estrutura espacial urbana
o centro principal da metrópole (a maior aglomeração de empregos ou de
comércio e serviços); os subcentros de comércio e serviços (aglomerações
diversificadas de comércios e serviços, réplicas menores do centro
principal), os bairros residenciais e as áreas industriais. (KNEIB, 2011, pg.
9).
“A natureza da cidade é centrípeta, pois a área central de negócios (central
business districts – CBD) atrai os consumidores de todo o tecido urbano, fazendo
com que as atenções dos citadinos se voltem para o centro do assentamento e não
para suas franjas” (SOUZA, 2010, pg. 92). Ainda que ao longo da história da ciência
urbana tenham sido formulados vários modelos de cidade que conduzem a formas
de estruturação diferenciadas, a lógica do modelo da cidade concêntrica segue
acontecendo.
Sem encontrar modelos que evidenciassem aspectos próprios da realidade
brasileira, Souza (2003), no início da década de 1990, propôs um modelo evolutivo
específico para a cidade do Rio de Janeiro. Com enfoque na segregação
12
socioespacial, os cinco esquemas gráficos demonstram uma cidade que, no
processo de crescimento, passa por momentos de realocação de baixa renda do
centro para as bordas da cidade, setorização da alta renda denotando o movimento
em direção à periferia, surgimento de conjuntos habitacionais e multicentralidades
especializadas (figura 2).
Figura 1: A evolução do Rio de Janeiro de Souza, década de 1990.
Fonte: Souza (2003, pg. 23).
Visto que vivemos em sociedade capitalista, as áreas de uma cidade podem
ser caracterizadas de acordo com a renda da população que reside nelas,
denotando forte segregação socioeconômica do espaço urbano, sendo um
fenômeno diretamente proporcional ao porte da cidade.
A palavra periferia é um sinônimo de subúrbio, do latim suburbium,
literalmente sub-cidade (FERREIRA, 1975). De maneira genérica, quer dizer “tudo
que está ao redor”, termo que é utilizado para designar as áreas em redor das áreas
centrais de um dado aglomerado urbano. Porém, nas grandes cidades da América
Latina e de outros países é muito comum os termos subúrbio ou periferia serem
utilizados para designar áreas que não possuem todos os recursos de infraestrutura
e serviços, sendo também associados às áreas de baixa renda, como as favelas.
A periferização no Brasil está associada às obras de higienização e
embelezamento que ocorreram, entre o final do século XIX e início do século XX,
nas grandes cidades do país na época. A população pobre, removida de suas
moradias, rumava para áreas de morros e bordas das cidades. A partir do momento
que uma população é tirada de uma área próxima para ser colocada em uma mais
distante é aumentado o custo social, pois com essa população é necessário levar
13
toda uma infraestrutura, como redes elétricas, água potável e saneamento,
transporte coletivo, postos de saúde, coleta de lixo, para que essa população
consiga viver afastada. Estas infraestruturas e serviços muitas vezes não são
levados até as periferias ou são implantados de modo precário, denotando um
planejamento urbano falho nessas áreas. (MARICATO 2001).
Segregação (ato ou efeito de segregar-se/afastar-se) socioespacial é um
processo no qual diferentes classes ou camadas sociais tendem a se concentrar
cada vez mais em diferentes regiões (VILLAÇA, 2001). Referindo-se à concentração
de uma classe no espaço urbano, a segregação não impede a presença, nem o
crescimento de outras classes no mesmo espaço. Segundo o mesmo autor,
diferentes classes podem estar presentes em uma mesma região, porém um setor
segregado caracteriza-se pela predominância de alguma classe em determinada
região. Normalmente ocorre a divisão “centro x periferia”. Dentre as explicações para
a segregação da alta renda estão a busca pelo prestígio e status social e a
preservação de valores imobiliários; já para a segregação da baixa renda entram
fatores como a especulação imobiliária e a alienação da força de trabalho.
Basicamente as elites se apropriam das melhores regiões da cidade e impedem seu
uso pelas classes mais pobres.
Há contradições na formação de periferias de baixa renda, pois muitas
pessoas acreditam que elas se formem apenas em áreas afastadas, nas bordas da
cidade, segundo o conceito geométrico da palavra periferia. Mas, conforme o
conceito socioeconômico, existem muitos casos em que as periferias são formadas
próximas aos centros. Geralmente o Poder Público disponibiliza moradias para
pessoas de baixa renda em locais distantes e, em razão das dificuldades de
locomoção, isso acaba fazendo com que se formem áreas de baixa renda ao redor
dos centros, sendo muitos terrenos invadidos pela população pobre.
Por outro lado, também existem áreas periféricas que atraem o interesse da
camada rica da população. Regiões normalmente marcadas pela presença de
condomínios fechados, alguns exemplos dessas áreas no Brasil são a Barra da
Tijuca no Rio de Janeiro, assim como os condomínios Alphaville e Granja Viana na
grande São Paulo, estes considerados subúrbios ricos. (FERREIRA, 2009)
Entre outros desafios urbanos, lidar com a segregação socioespacial e os
seus problemas decorrentes exige esforços do Poder Público para a compreensão
14
dos fenômenos e pela busca por soluções que os resolvam ou, ao menos, os
minimizem. A estruturação e a reestruturação de uma cidade requer muito
planejamento. Esse planejamento é de extrema importância, afinal uma sociedade
necessita de qualidade de vida. Segundo Culling Worth (1997 apud SOUZA, 2010)
são quatro os elementos fundamentais para uma atividade de planejamento: 1)
pensamento orientado para o futuro; 2) escolha entre alternativas; 3) consideração
de limites, restrições, potencialidades, prejuízos e benefícios; 4) possibilidade de
diferentes cursos de ação, os quais dependem de condições e circunstâncias
variáveis. É possível perceber que esses quatro elementos se aplicam para qualquer
uma que seja a atividade de planejamento, como por exemplo, o planejamento da
semana de uma pessoa e até mesmo o planejamento de uma cidade.
Nesse caminho, o uso da ciência urbana, suas teorias, técnicas e
instrumentos, muitos aplicando conhecimentos de geoprocessamento, são de suma
importância para subsidiar ações de planejamento para um futuro de cidades
melhores e mais equânimes socioespacialmente. Os pressupostos usados para a
elaboração do estudo de caso da formação de periferias na cidade do Rio Grande
são apresentados a seguir.
3.2 Morfologia e modelagem urbana
Morfologia urbana trata do formato da cidade, mais precisamente, pode-se
dizer que estuda as relações entre os fenômenos urbanos e a forma da cidade, no
que diz respeito a sua dinâmica temporal e ordenação espacial (TORALLES, 2013).
Ela aborda a organização da estrutura urbana conjuntamente com os fenômenos
que lhes originaram e suas transformações ao longo do tempo.
Os padrões de forma e os padrões de localização das periferias na estrutura
urbana são importantíssimos para o trabalho e para capturá-los foi escolhida a
modelagem urbana como abordagem metodológica, com o uso dos autômatos
celulares.
3.3 Autômatos Celulares
Os autômatos celulares, difundidos na literatura internacional como CA, são a
principal maneira de implementar a abordagem de sistemas auto-organizáveis no
contexto de modelos urbanos. Foram considerados por diversos autores, incluindo
15
Batty (1998) e Torrens (2001), instrumentos promissores para lidar com interações
locais e vizinhanças sociais, irreversibilidades espaciais, processos cumulativos e
variedade de comportamentos e uso do espaço urbano (FURTADO e VAN DELDEN,
2011).
De maneira mais precisa, Portugali (2000, p. 66) o define como:
O modelo padrão bidimensional de autômatos celulares é uma estrutura de
células, onde cada célula individual pode estar em um dos vários estados
possíveis (vazio, ocupado, etc) e ter várias propriedades possíveis
(desenvolvido, subdesenvolvido, pobre, rico e assim por diante). A dinâmica
do modelo é gerada por um processo iterativo onde as iterações do estado
de cada célula é determinado novamente por regra(s) de tranformação. As
regras são locais e se referem às relações entre a célula e seus vizinhos
imediatos. O nome do jogo é ver como, o que e em que circunstâncias,
inter-relações e interações entre as células locais implicam estruturas
globais, comportamentos e propriedades do sistema como um todo.
[tradução da autora].
Os CA surgiram em meados de 1940, a partir de estudos de John von
Newman e Stanislaw Ulam para criação de sistemas autorreplicativos (LIU, 2009).
Entretanto só nos anos 1970 que os CA foram ganhando o destaque merecido, a
partir do chamado Jogo da Vida (Game of Life), de John Conway (figura 2), o qual
executa simulações, por meio de regras simples, em um ambiente de células,
representando processos como os de nascimento, sobrevivência e morte de uma
população, considerando a cada rodada do jogo as relações de cada célula do
sistema com sua vizinhança imediata (TORRENS, 2000; GREMONINI e VICENTINI,
2008).
16
Figura 2: Jogo da vida de John Conway.
Fonte: <sites.polis.usp.br>
Para Portugali (2000 apud TORALLES 2013), modelos que trabalham com
CA são ferramentas interessantes para a simulação urbana, porque contém
semelhanças entre as células do ambiente computacional e as unidades espaciais
de cidades reais (edificações, lotes, quarteirões), como também com os pixels de
imagens raster, assim como as imagens de satélite.
3.4 Estado da arte
No ano de 2010, Glauco Umbelino e Alisson Barbieri participaram do XVII
Encontro Nacional de Estudos Populacionais, realizado em Minas Gerais, com o
trabalho “Uso de Autômatos celulares em estudos de população, espaço e
ambiente”, onde apresentam o potencial de contribuição dos autômatos celulares
para diversos estudos. Para eles, CA são definidos como estruturas matriciais
integrantes de SIG, que tornam possível modelar o estado futuro de um objeto a
partir do seu estado atual e de sua interação com os objetos vizinhos. Neste trabalho
os autores citam vários programas computacionais que utilizam autômatos celulares,
sendo esses, “SLEUTH”, “Agent Analist”, “CLUE-S”, “Dinamica”, “DUEM”, “LTM”,
“SACI” e “UGAT”. Além do conceito de CA, foi apresentada sua utilidade na criação
de cenários futuros e também na investigação das tendências que levam a estes
cenários, que podem ser utilizados no planejamento urbano e na formulação e
17
implementação de políticas públicas de curto, médio e longo prazos. E também a
eficiência do mesmo em estudos populacionais.
Otavio Peres e Maurício Polidori (2009), do Laboratório de Urbanismo da
Universidade Federal de Pelotas, escreveram o trabalho titulado “Modelos Urbanos
baseados em Autômatos Celulares: integrando ambiente natural e o crescimento
urbano”, no qual exploram a possibilidade de utilização de autômatos celulares para
estudos de simulação de crescimento urbano, tratando de modo integrado fatores
urbano, naturais e institucionais (figura 4). Utilizam um dos softwares citados no
trabalho anterior, o “SACI”, considerado como alternativa para operacionalização de
simulações de crescimento urbano integradas a fatores do ambiente natural, cujos
testes vêm indicando, simultaneamente, as possibilidades operacionais e a
necessidade de atualização. O CityCell (SARAIVA e POLIDORI, 2014), software
utilizado para o presente estudo, é também produzido pela equipe do Laboratório de
Urbanismo da Faculdade de Arquitetura e Urbanismos, Universidade Federal de
Pelotas e é considerado a evolução atualizada do SACI - Simulador do Ambiente da
Cidade (figura 3).
Figura 3: Exemplos de dados de input do SACI, na Colônia de Pescadores Z3, em Pelotas, RS: a)
atributos do ambiente urbano (área efetivamente urbanizada e trapiches); b) atributos do ambiente
natural (arroios, canais, matas nativas e matas plantadas).
Fonte: Peres e Polidori (2009)
18
Figura 4: Outputs de simulação para cidade de Arroio Grande, RS, respectivamente para as iterações
1 e 40, inicial e final, representando um horizonte de tempo de 40 anos: A e B) células urbanas; C e
D) carregamentos urbanos (urban loads); E e F) centralidades relativas (centrality R1); G e H)
centralidades relativas (centrality R2).
Fonte: Toralles (2013).
Um outro estudo realizado com autômatos celulares é a dissertação de
mestrado de Christiano Piccioni Toralles (2013), intitulada “Cidade e crescimento
periférico: modelagem e simulação da formação de periferias urbanas com
autômatos celulares”. Neste trabalho é retratado o crescimento periférico na cidade
de Pelotas, RS, tendo como objetivo identificação de relações entre morfologia e
dinâmicas do crescimento periférico, buscando capturar padrões de localização e
forma de manchas urbanas relativas à produção das periferias, utilizando técnicas
de modelagem e simulação por autômatos celulares. Implementado no software
CityCell, foram associados os padrões de localização e forma das manchas dos
tipos periféricos na estrutura urbana com concentração de facilidades urbanas e de
estoques construídos, com características do ambiente natural e com características
de similaridade socioeconômica de vizinhança. Obtendo um resultado relativamente
bom, pois obteve alto índice de acerto na simulação da estrutura formal das
manchas correspondentes aos dois tipos periféricos (figura 5).
19
Figura 5: Resultados de simulação da formação de periferias de baixa renda, com a regra de
transição chamada Tendência de Crescimento Periférico, para Pelotas, RS, entre 1985 e 2010.
Respectivamente a evolução temporal (iterações de cálculo) de 1, 5, 10, 15, 20 e 25 anos.
Fonte: Toralles (2013)
20
4. MATERIAIS E MÉTODOS
4.1 Materiais
Para poder realizar o estudo foram utilizadas imagens da cidade do Rio
Grande nos anos de 1995 e 2015, que foram coletadas do catálogo de imagens do
INPE (Landsat 5) e também do Google Earth (GeoEye), respectivamente. Para
realizar os processos de georreferenciamento e recorte das imagens foi necessário
o auxílio do software CAD e para a combinação das bandas do software ENVI.
Para a geração dos dados de entrada (inputs) no modelo simulador foram
necessários dados sobre a área urbanizada e sobre o ambiente natural de entorno.
Os atributos urbanos foram representados no software a partir de classificação
supervisionada, por análise visual do autor, das imagens de satélite citadas
anteriormente. Para os atributos do ambiente natural, foi usada conjuntamente a
classificação do macrozoneamento ambiental do município, constante no Relatório
de Caracterização Municipal do Plano Municipal de Saneamento Básico (Engeplus,
2013, p. 301). Para os dados socioeconômicos urbanos, foram usados os dados do
Censo 2010 (IBGE, 2010), disponíveis online: as shapes1 dos setores censitários e
as tabelas do referido censo, especificamente a tabela básica com dados da média
de renda dos setores censitários. As simulações foram realizadas no CityCell
(versão 4.2 Curupira) (SARAIVA e POLIDORI, 2014), um software de simulação com
Autômatos Celulares, produzido pelo Laboratório de Urbanismo da Universidade
Federal de Pelotas, com licença livre e gratuita, disponível para download no site
<http://wp.ufpel.edu.br/citycell/>.
1 Shapefile é a extensão criada pela ESRI (empresa que produz o software ArcGIS) para seus
arquivos vetoriais espacializados. Esses arquivos vetoriais são linhas, pontos e polígonos que podem
ser utilizados dentro de SIGs (Sistemas de Informação Geográfica) (DUFT, 2014).
21
4.2 Métodos
4.2.1 Coleta das imagens:
Para coletar a imagem do ano de 1995 ocorreu o acesso ao catálogo de
imagens do INPE2 no dia 24 de abril de 2016 às 16 horas e 47 minutos, após a
solicitação a imagem do satélite Landsat 5 foi recebida através de endereço
eletrônico no mesmo dia. Já para a obtenção da imagem do ano de 2015 do satélite
GeoEye foi realizado o acesso ao Google Earth no dia 24 de abril de 2016 às 17
horas e 22 minutos, procurado a imagem da data requerida e após feito o
salvamento da mesma, com a melhor resolução disponível.
4.2.2 Combinação de bandas na imagem 1995
A imagem de 1995 apresentava uma difícil visualização para identificar os
atributos necessários. Para obter uma melhor visualização da mesma ela foi inserida
no software ENVI e foram realizadas algumas combinações de bandas3 até que
constatado que a combinação 3, 4 e 5, respectivamente, atingia um resultado de
melhor contraste (fig. 5).
2 Disponível em: <http://www.dgi.inpe.br/CDSR/>.
3 As bandas espectrais representam faixas do espectro eletromagnético e têm a capacidade de
discriminar e/ou realçar diferentes objetos nas imagens. Cada banda encontra-se em tonalidades de
cinza e é possível criar uma composição falsa-cor para melhorar a visualização dos objetos
(MEDEIROS, 2013).
22
Figura 5: Imagem de 1995.
Fonte: INPE
4.2.3 Georreferenciamento e recorte das imagens através do software CAD
Para realizar o geoposicionamento das imagens, tiveram que ser coletados
pontos de controle, tendo estes as seguintes coordenadas geográficas (UTM
WGS84 Zona 22S): Ponto 1 (X= 390151,40 Y= 6447787,17) e Ponto 2 (X= 39506,36
Y= 6454784,21). Após, as imagens, uma de cada vez, assim como os pontos, foram
inseridos no software AutoCAD Raster Design e assim geoposicionadas. O recorte
para que ambas tivessem o mesmo tamanho foi realizado logo em seguida, primeiro
na imagem de 2015 (fig. 6), através da ferramenta rectangle na aba Raster Tools, e
após o mesmo processo foi realizado com a imagem de 1995 (fig. 5).
23
Figura 6: Imagem de 2015.
Fonte: Google Earth
4.2.4 Coleta de dados e geração de inputs (dados de entrada) do modelo no
CityCell:
Através do Relatório de Caracterização Municipal do Plano Municipal de
Saneamento Básico (Engeplus, 2013, p. 301) e de classificação supervisionada foi
possível coletar dados sobre as áreas da cidade do Rio Grande e suas divisões,
para que os inputs pudessem ser gerados. O mesmo processo foi realizado nas
duas imagens, pelas duas apresentarem a diferença de datas, como a área urbana
da cidade foi se modificando ao longo destes 20 anos de estudo não houve a
possibilidade de utilizar o mesmo input para as duas imagens. Na tabela abaixo
pode-se observar os atributos utilizados para a geração desses inputs, bem como os
tipos, comportamentos, pesos (com base em Toralles (2013) e adaptações
determinadas empiricamente) e estados dentro do modelo de CA. Também foi
24
criado um atributo chamado de “aleatório”, com valores (entre 0,7 e 1,0) gerados
randomicamente no próprio software, de modo a representar no modelo a incerteza
típica dos sistemas complexos e dos processos urbanos.
Tabela 1: Tabela de atributos.
Fonte: Da autora.
Cabe destacar a importância do atributo “porto”, que não havia sido previsto
para ser criado inicialmente. Sem ele, as simulações iniciais, através de simples
análise visual, resultavam em um formato muito diferente da realidade de 2015, para
qualquer parametrização. Após ter sido incluído no modelo, o formato se aproximou
da realidade, podendo conduzir a hipótese de que o porto não é somente importante
para a economia local, mas também é importante para a morfologia urbana da
cidade do Rio Grande.
O input de 2015 é usado como cenário de controle, para fins de comparação
com o resultado simulado do crescimento entre 1995 e 2015. Na figura a seguir (fig.
25
7 e 8) pode-se visualizar cada um dos atributos utilizados para a realização do
estudo, no input de 1995.
Figura 7: Atributos para 1995: A) Área de desenvolvimento. B) Área de preservação. C) Área urbana.
D) Porto. E) Corpos d’água. F) Laguna dos Patos. G) Oceano Atlântico. H) Praia. I) São José do
Norte. J) Ilhas.
Fonte: Da autora.
Figura 8: Grid aleatório.
Fonte: Da autora
26
4.2.5 Calibração dos parâmetros do modelo implementado no CityCell:
Inicialmente, se fez a seleção da regra de transição adotada para o
crescimento urbano: Potencial de Limiar - Treshold Potencial4. As regras de
transição são procedimentos matemáticos que buscam representar algum fenômeno
real e, em um ambiente de CA, fazem mudanças no comportamento de cada célula,
no espaço de tempo, a partir do que existe nela e do que acontece em sua
vizinhança, ou seja, das características dos atributos que as descreveram.
Após, fez-se necessário testar os parâmetros que compõem a regra de
transição escolhida. Foram testados parâmetros diversas vezes, isto é, modificando
os valores nos processos realizados até que se chegasse em resultados que
apresentem similaridade com a realidade, calibrando assim o modelo. Esta etapa
aconteceu diretamente no software CityCell, utilizando os seguintes parâmetros:
Lambda externo: está relacionado à taxa de crescimento das células
urbanas dentro do modelo ao longo do tempo.
Distribuição dos percentuais das tensões Axial, Axial de Buffer, Polar,
Difusa 1 e Difusa 2: estas tensões estão relacionadas aos tipos e
formatos do crescimento urbano, refletindo padrões encontrados na
evolução urbana de cidades.
As cinco tensões são as seguintes (Toralles, 2013, pg. 56, apud Polidori,
2004) (fig. 9):
Axial: ao longo dos caminhos preferenciais entre pares de células com
carregamentos urbanos, sendo associadas ao sistema de circulação
urbana.
Axial de buffer: na vizinhança dos caminhos preferenciais, representando
uma área de influência desse caminho.
Polar: ocorre de forma concêntrica, na vizinhança imediata de uma célula
geradora de tensão, representando influências de escala local.
4 Regra de transição em autômatos celulares desenvolvida por Polidori (2004) para modelar e simular
o crescimento de cidades.
27
Difusa 1: distribuída de maneira semialeatória (a partir de um sorteio
probabilístico que considera características de comportamento e morfologia
das células do sistema), sendo diretamente proporcional a baixos valores de
centralidade celular e baixas resistências e representando a produção
imobiliária formal, relativa às populações de média e alta renda.
Difusa 2: distribuídas de maneira semialeatória, diretamente proporcional as
baixas centralidades e altas resistências do ambiente celular, representando
a produção imobiliária informal, utilizada por populações de baixa renda.
A B C D E
Figura 9: Diagramas em formato de CA, representando os tipos de tensões: A) axial; B) axial de
buffer; C) polar; D) difusa 1; E) difusa 2..
Fonte: Toralles (2013) apud Polidori (2004)
Quanto à distribuição das 5 diferentes tensões nos processos simulados,
representando possíveis características morfológicas de crescimento urbano, foram
testadas 4 diferentes organizações de parâmetros: 1) isotensões: distribuição
igualitária, ou seja, 20% para cada uma; 2) predomínio axial: maior percentual para
as tensões Axial e Axial de Buffer; 3) predomínio polar: maior percentual para a
tensão Polar; 4) predomínio difuso: maior percentual para as tensões Difusa 1 e
Difusa 2.
Cada processo simulado foi também regulado para 20 iterações de cálculos,
ou seja, 20 repetições dos cálculos relativos à regra de transição adotada. Estas 20
iterações correspondem a um horizonte temporal de 20 anos, a partir do ajuste do
valor usado para o lambda.
28
4.2.6 Avaliação dos resultados:
A avaliação dos resultados se deu na comparação visual simples, ou seja,
uma comparação feita a olho nu, sendo comparados o cenário de controle com os
resultados obtidos nos diversos processos de simulação realizados. De mesmo
modo, também foi feita avaliação por comparação através de critérios de forma. Os
critérios de forma utilizados foram: o número total de células, o número de células de
borda, a compacidade5 e a fragmentação6.
Foi realizada uma média com todas as simulações feitas para todos os
diferentes predomínios, levando em consideração o cálculo do índice de erro formal
(fig. 10), buscando verificar o predomínio de menor erro, ou seja, maior aproximação
com o cenário de controle.
Figura 10: Cálculo do índice de erro formal.
Fonte: Toralles (2013, pg. 68).
4.2.7 Construção de SIG com dados socioespaciais de renda:
Foi construído um SIG no software ArcMap da renda média per capita,
utilizando os valores de salários mínimos que estratificam as classes sociais no
Brasil. No software foi inserido o arquivo shapefileo shape juntamente com a
imagem do cenário controle (2015), sobrepostos. Após foi feito um join (junção de
5 Segundo Polidori (2004), “um círculo atinge a máxima compacidade para uma figura geométrica em
duas dimensões”, pois tem um menor perímetro. Assim, compacidade é uma relação da área com o
perímetro usada para interpretação da cidade a partir da forma do conjunto.
6 Segundo Polidori (2004), fragmentação “equivale ao grau de descolamento ou de não-contiguidade
de cada célula em relação a suas vizinhas, computando todas as células urbanas do sistema”.
29
duas ou maios tabelas) da shape de setores com a tabela “Básico” do Censo, a
partir do código do setor, para que assim fosse gerado esse SIG. Por fim, foi gerado
um mapa temático da renda média, classificado pelos valores salariais
correspondentes às classes socioeconômicas A1, A2, B1, B2, C1, C2, D e E, no
formato shape e no formato grid (raster).
A classificação da renda e os salários mínimos utilizados foram do ano de
2010, baseados em dados do DIEESE e da ABEP (Associação Brasileira de
Empresas de Pesquisa), em razão dos dados de renda média do setor censitário
serem do Censo 2010. A classe A1 corresponde à parcela da população mais rica,
com renda familiar média de R$12.926,00 em 2010; classe A2 com R$8.418,00;
classe B1 com R$4.418,00; classe B2 com R$2.565,00; classe C1 com R$1.541,00;
classe C2 com R$1.024,00; classe D com R$714,00; e a classe E, correspondendo
à parcela mais pobre, com média de renda familiar de R$477,00 (ABEP, 2012).
30
5. RESULTADOS
5.1 Simulações de crescimento urbano por autômatos celulares no CityCell
Das diversas simulações do crescimento urbano realizadas, com os diferentes
tipos de predomínio testados para calibração paramétrica, chegou-se a resultados
que podem ser visualizados na tabela síntese (tab. 2) e nas figuras a seguir,
correspondendo a cada uma das distribuições de tensões de crescimento urbano
testadas.
Tabela 2: Resultados para a calibração do crescimento urbano.
Fonte: Da autora.
A tabela 2 traz a síntese dos estudos de parametrização, visando à calibração
do modelo. Nela estão apresentados os critérios de comparação entre o resultado
simulado e o cenário de controle, bem como os resultados médios encontrados nos
testes com cada tipo de distribuição de tensões de crescimento urbano. Juntamente
com os resultados médios, está o cálculo do percentual de erro, indicando o quanto
o resultado se aproxima do cenário de controle de 2015.
A parametrização com predomínio polar, com percentuais de erros formais
menores, foi entendida como melhor resultado da parte do estudo correspondente a
modelagem e simulação do crescimento urbano.
31
a) Predomínio Polar:
Figura 11: Outputs de células urbanas para o estudo de calibração do crescimento urbano
para Rio Grande, RS, entre 1995 e 2015. Melhor resultado encontrado com o predomínio polar:
A)iteração 5; B) iteração 10; C)iteração 15; D)iteração 20.
Fonte: Da autora.
Foram feitas diversas simulações de crescimento de 1995 até 2015, com
diversos testes de calibrações de parâmetros, para que se pudesse chegar em um
resultado próximo do cenário de controle. Na figura 11 encontra-se o resultado que
apresentou maior semelhança com a realidade, dentre os vários processos
simulados com predomínio polar. Não foi levada em consideração apenas a
localização, mas também os critérios de comparação morfológicos, visto que o
trabalho visava capturar padrões de forma também ligados ao crescimento urbano.
32
b) Sem predomínio:
Figura 12: Outputs de células urbanas para o estudo de calibração do crescimento urbano para Rio
Grande, RS. Melhor resultado encontrado sem predomínio (isotenções): A) A)iteração 5; B) iteração
10; C)iteração 15; D)iteração 20.
Fonte: Da autora.
A figura 12 apresenta o melhor resultado das simulações sem predomínio, ou
seja, com todos os parâmetros com o mesmo valor, chamado de isotensões. Assim
como nas demais simulações, esse resultado traz questionamentos do porquê não
bater com a realidade. Uma das hipóteses para explicações encontra-se pela
peculiaridade da forma física da cidade do Rio Grande, polinucleada e com parte da
mancha urbana localizada em uma península.
33
c) Predomínio Difuso:
Figura 13: Outputs de células urbanas para o estudo de calibração do crescimento urbano para Rio
Grande, RS. Melhor resultado encontrado com predomínio difuso: A) iteração 5; B) iteração 10; C)
iteração 15; D) iteração 20.
Fonte: Da autora.
As figuras 13 e 14 apresentam predomínios difuso e axial, respectivamente,
também apresentando as simulações que mais se aproximaram da realidade,
levando em consideração os critérios de validação utilizados: número total de
células, o número de células de borda, a compacidade e a fragmentação.
34
d) Predomínio Axial:
Figura 14: Outputs de células urbanas para o estudo de calibração do crescimento urbano para Rio
Grande, RS. Melhor resultado encontrado com predomínio axial. A) iteração 5; B) iteração 10; C)
iteração 15; D) iteração 20.
Fonte: Da autora.
Como pode ser observado nos outputs acima correspondentes ao predomínio
axial, as iterações se distanciaram do cenário controle (2015), tendo um número de
células maior, além de não corresponder com a localidade em que se deu o
crescimento urbano no município ao longo destes 20 anos em que o estudo se dá.
35
5.2 Mapa temático e grid em SIG com a divisão de classes sociais
No mapa apresentado na Figura 15 insere-se a parte do trabalho voltada às
periferias. Ele nos apresenta a divisão de classes de acordo com a renda per capita
média do setor censitário do IBGE, organizada em 8 classes no SIG, da classe A1,
que seria a mais alta renda, até a classe E, que seria a mais baixa, a partir da
estratificação indicada pela ABEP conforme a quantidade de salários mínimos
familiares (foi considerada a média brasileira de 3,1 pessoas por família, para
encontrar o valor salarial per capita).
Em função de contratempos que reduziram o tempo de pesquisa, a
construção de inputs dos núcleos de baixa renda, para a modelagem e simulação do
fenômeno do crescimento periférico e formação de periferização, os mesmos não
foram introduzidos no CityCell. Entretanto, a saída encontrada foi trabalhar com
dados socioeconômicos em SIG, uma ferramenta muito utilizada no
geoprocessamento, podendo os resultados indicarem caminhos para a continuidade
da pesquisa.
O grid referente à Figura 16 mostra o mesmo resultado do mapa temático da
Figura 15, sendo uma conversão do shape em células de 200 metros, assim como
os inputs produzidos no software CityCell. Este grid apresenta a divisão de classes
pela média da renda per capita nas determinadas áreas da cidade. O objetivo da
geração do mesmo foi uma posterior introdução do mesmo no CityCell.
36
Figura 15: Mapa temático da renda média per capita na cidade do Rio Grande, RS.
Fonte: Da autora.
37
Figura 16: Grid da renda média per capita na cidade do Rio Grande, RS.
Fonte: Da autora.
38
6. CONCLUSÕES
O crescimento urbano é um fator que gera consequências ambientais, mas
também influência em inúmeros aspectos da organização social dentro de uma
cidade. Ao longo do trabalho isso pode ser percebido de diversas maneiras,
procurando sempre fatores que estivessem ligados a esse crescimento. A
periferização é um fenômeno que está relacionado ao crescimento urbano, logo
ambos foram investigados para que se pudesse chegar a um resultado final.
Através dos dados coletados e inseridos no software CityCell, pode-se simular
o crescimento urbano. Entretanto, não coincidiu em localização com a realidade, e
apresentou algumas diferenças formais, talvez por diversos fatores que possam ser
investigados posteriormente, dando continuidade ao trabalho realizado.
Por fim conclui-se que as ferramentas utilizadas se mostraram muito
relevantes para a realização do trabalho, mesmo com os resultado das simulações
não batendo com a realidade no caso de Rio Grande. Porém conseguiu-se ter uma
ideia dos padrões de forma e localização que estão diretamente relacionados com o
mesmo. Além disso, o resultado da divisão das classes sociais pode servir de base
para geração de inputs das periferias de baixa renda (ou também alta renda) em
futuros estudos.
39
7. REFERÊNCIAS
ABEP (Associação Brasileira de Empresas de Pesquisa). Critério de Classificação
Econômica Brasil: CCEB 2012 - Base LSE 2010. [s.l.]: ABEP, 2012. Disponível em:
<http://www.abep.org/criterio-brasil>. Acesso em: 25 nov. 2016.
BARROS, J. X. Urban growth in latin american cities: exploring urban dynamics
through agent-based simulation. Tese (Doutorado em Urban Planning) –
University of London. Londres: UCL, 2004.
BATTY, M. Geoinformação em estudos urbanos e regionais. In: ALMEIDA, C. M.;
394p. CÂMARA, G.; MONTEIRO, A. M. V. (orgs.). Geoinformação em urbanismo:
cidade real x cidade virtual. São Paulo: Oficina de Textos, 2007.
BATTY, M.; LONGLEY, P. A. (eds.) Fractal Cities. London: Academic Press, 1996.
DUFT, D. O que é um “shapefile”? InteliAgro, [s.l.], 4 de junho de 2014. Disponível
em: <http://inteliagro.com.br/o-que-e-um-shapefile/>. Acesso em: 27 dez. 2016.
ENGEPLUS Engenharia e Consultoria LTDA. Elaboração do Plano Municipal de
Saneamento Básico (PMSB) do Município do Rio Grande. Relatório de
caracterização municipal. Subproduto 2.1. Edição revisada. Rio Grande: Engeplus,
PMRG, SMMA; 2013. Disponível em:
<http://www.riogrande.rs.gov.br/planosaneamento/index.php/pagina-inicial>. Acesso
em: 27 ago. 2016.
FERREIRA, A. B. H. Novo dicionário Aurélio da língua portuguesa. Curitiba:
Positivo, 2009.
FILGUEIRAS, L. A. M. História do plano real: fundamentos, impactos e
contradições. São Paulo: Boitempo editorial, 2000.
FURTADO, B. A.; DELDEN, H. Modelagem urbana e regional com autômatos
celulares e agentes: panorama teórico, aplicações e política pública. Rio de
Janeiro: IPEA, 2011.
40
JOHNSON, S. Emergência: a vida integrada de formigas, cérebros, cidades e
softwares. Rio de Janeiro: Jorge Zahar Ed., 2003.
KNEIB, E. Projeto e cidade: centralidades e mobilidade urbana. Goiânia: Gráfica
UFG, 2014.
MEDEIROS, A. Composição de Bandas Espectrais com ArcGIS. Anderson
Medeiros Consultor em Geotecnologias, [João Pessoa, PB], abril de 2013.
Disponível em: <http://andersonmedeiros.com/arcgis-composicao-bandas-imagens-
de-satelite/>. Acesso em 27 dez. 2016.
PERES, O. M.; POLIDORI, M. C. Modelagem Urbana e Cidades Visuais:
fundamentos e convergências. Anais do XIII Encontro Nacional da ANPUR.
Florianópolis, 2009.
POLIDORI, M. C. Crescimento urbano e ambiente: um estudo exploratório
sobre as transformações e o futuro da cidade. Tese (Doutorado em Ecologia) –
Universidade Federal do Rio Grande do Sul. Porto Alegre: UFRGS-PPGECO, 2004.
ROCHA, W. A formação do loteamento Cidade de Águeda no município do Rio
Grande - RS. Rio Grande, 2010.
SANTOS, A, P. O Lugar dos Pobres na Cidade: crescimento urbano e localização
da baixa renda vista através da modelagem por agentes. 314 p. Dissertação de
mestrado – Universidade federal de Pelotas. Pelotas, 2015.
SARAIVA, M. V. P.; POLIDORI, M. C. CityCell: Urban Growth Simulator. LabUrb -
Laboratório de Urbanismo da FAUrb. Pelotas: UFPel, 2014. [software]
SOUZA, M. L. ABC do desenvolvimento urbano. Rio de Janeiro: Bertrand Brasil,
2010.
SOUZA, M. L. Mudar a cidade. Rio de Janeiro: Bertrand Brasil, 2010.
SPOSITO, E. S. A vida nas cidades. São Paulo: Contexto, 1994.
41
TORALLES, C. P. Cidade e crescimento periférico: modelagem e simulação da
formação de periferias urbanas com autômatos celulares. 169 p. Dissertação de
mestrado – Universidade Federal de Pelotas. Pelotas, 2013.
UMBELINO, G; BARBIERI, A. Uso de autômatos celulares em estudos de
população, espaço e ambiente. 20p. Trabalho apresentado no XVII Encontro
Nacional de Estudos Populacionais. Caxambu, 2010.
VILLAÇA, F. Espaço intra-urbano no Brasil. São Paulo: Studio Nobel, FAPESP,
Lincoln Institute, 2001.