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 7 – Classes de uso e ocupação do solo na borda dos fragmentos florestais em 2001. . 48
Tabela 8 – Classes de uso e ocupação do solo na borda dos fragmentos florestais em 2013. . 50
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
Tabela 18 – 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
2001. ..................................................................................................................... 89
Tabela 19 – Matriz de transição de estados das classes de qualidade ambiental dos fragmentos
florestais da bacia hidrográfica do Rio-Jundiaí-Mirim do período entre 2001 e
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
Tabela 22 – Matriz de transição de estados das classes de qualidade ambiental dos fragmentos
florestais da bacia hidrográfica do Rio-Jundiaí-Mirim sob a perspectiva otimista.
.............................................................................................................................. 94
Tabela 23 – Matriz de transição de estados das classes de qualidade ambiental dos fragmentos
florestais da bacia hidrográfica do Rio-Jundiaí-Mirim sob a perspectiva realista.
.............................................................................................................................. 96
Tabela 24 – Matriz de transição de estados das classes de qualidade ambiental dos fragmentos
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 5 – Imagem digital de 2001. .......................................................................................... 37
Figura 6 – Imagem digital de 2013. .......................................................................................... 37
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 16 – Mapa de malha viária de 2001. ............................................................................. 44
Figura 17 – Mapa de malha viária de 2013. ............................................................................. 44
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 20 – Classes de uso e ocupação do solo na borda dos fragmentos florestais em 2001. 48
Figura 21 – Classes de uso e ocupação do solo na borda dos fragmentos florestais em 2013. 49
Figura 22 – Evolução dos remanescentes florestais entre 1972 e 2001. .................................. 52
Figura 23 – Evolução dos remanescentes florestais entre 2001 e 2013. .................................. 52
Figura 24 – Evolução dos remanescentes florestais entre 1972 e 2013. .................................. 53
vi
Figura 25 – Mapa de proximidade entre fragmentos florestais e áreas edificadas de 1972. .... 54
Figura 26 – Mapa de proximidade entre fragmentos florestais e áreas edificadas de 2001. .... 55
Figura 27 – Mapa de proximidade entre fragmentos florestais e áreas edificadas de 2013. .... 55
Figura 28 – Distribuição de frequências do Mapa de distância entre fragmentos florestais
e áreas edificadas de 1972. .................................................................................. 56
Figura 29 – Distribuição de frequências do Mapa de distância entre fragmentos florestais
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
Figura 32 – Mapa de proximidade entre fragmentos florestais e malha viária em 2001. ........ 59
Figura 33 – Mapa de proximidade entre fragmentos florestais e malha viária em 2013. ........ 59
Figura 34 – Distribuição de frequências do Mapa de distância entre fragmentos florestais
e malha viária de 1972. ........................................................................................ 60
Figura 35 – Distribuição de frequências do Mapa de distância entre fragmentos florestais
e malha viária de 2001. ........................................................................................ 60
Figura 36 – Distribuição de frequências do Mapa de distância entre fragmentos florestais e
malha viária de 2013. ........................................................................................... 61
Figura 37 – Mapa de suporte ao desenvolvimento da vegetação em 1972. ............................. 62
Figura 38 – Mapa de suporte ao desenvolvimento da vegetação em 2001. ............................. 62
Figura 39 – Mapa de suporte ao desenvolvimento da vegetação em 2013. ............................. 63
Figura 40 – Mapa de perturbação ambiental na borda dos fragmentos de 1972. ..................... 64
Figura 41 – Mapa de perturbação ambiental na borda dos fragmentos de 2001. ..................... 65
Figura 42 – Mapa de perturbação ambiental na borda dos fragmentos de 2013. ..................... 65
Figura 43 – Perturbação ambiental na borda dos fragmentos em 1972. ................................... 66
Figura 44 – Perturbação ambiental na borda dos fragmentos em 2001. ................................... 67
Figura 45 – Perturbação ambiental na borda dos fragmentos em 2013. ................................... 67
Figura 46 – Mapa de fragmentação da vegetação nativa nas sub bacias hidrográficas de 1972.
............................................................................................................................. 68
vii
Figura 47 – Mapa de fragmentação da vegetação nativa nas sub bacias hidrográficas de 2001.
............................................................................................................................. 69
Figura 48 – Mapa de fragmentação da vegetação nativa nas sub bacias hidrográficas de 2013.
............................................................................................................................. 69
Figura 49 – Mapa de cobertura vegetal remanescente nas sub bacias hidrográficas em 1972. 73
Figura 50 – Mapa de cobertura vegetal remanescente nas sub bacias hidrográficas em 2001. 73
Figura 51 – Mapa de cobertura vegetal remanescente nas sub bacias hidrográficas em 2013. 74
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 57 – Índice de borda dos fragmentos florestais em 2001. ............................................. 79
Figura 58 – Índice de borda dos fragmentos florestais em 2013. ............................................. 79
Figura 59 – Evolução do índice de circularidade entre 1972 e 2013. ...................................... 80
Figura 60 – Mapa de conectividade dos fragmentos florestais em 1972. ................................. 81
Figura 61 – Mapa de conectividade dos fragmentos florestais em 2001. ................................. 82
Figura 62 – Mapa de conectividade dos fragmentos florestais em 2013. ................................. 82
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
Figura 70 – Projeção da qualidade ambiental dos fragmentos florestais da bacia hidrográfica
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
hidrográfica do Rio Jundiaí-Mirim em 2025 utilizando a rotina CA_MARKOV.
............................................................................................................................. 97
Figura 74 – Projeção otimista da qualidade ambiental dos fragmentos florestais da bacia
hidrográfica do Rio Jundiaí-Mirim em 2025 utilizando a rotina CA_MARKOV.
............................................................................................................................. 98
Figura 75 – Evolução da qualidade ambiental dos fragmentos florestais da bacia hidrográfica
do Rio Jundiaí-Mirim entre 1972 e 2025 conforme a projeção pessimista. ...... 100
Figura 76 – Área em ha das classes de qualidade ambiental dos fragmentos florestais da bacia
hidrográfica do Rio Jundiaí-Mirim entre 1972 e 2025 conforme a projeção
pessimista. .......................................................................................................... 100
Figura 77 – Evolução da qualidade ambiental dos fragmentos florestais da bacia hidrográfica
do Rio Jundiaí-Mirim entre 1972 e 2025 conforme a projeção realista. ........... 101
Figura 78 – Área em ha das classes de qualidade ambiental dos fragmentos florestais da bacia
hidrográfica do Rio Jundiaí-Mirim entre 1972 e 2025 conforme a projeção
realista. ............................................................................................................... 101
Figura 79 – Evolução da qualidade ambiental dos fragmentos florestais da bacia hidrográfica
do Rio Jundiaí-Mirim entre 1972 e 2025 conforme a projeção otimista. .......... 102
Figura 80 – Área em ha das classes de qualidade ambiental dos fragmentos florestais da bacia
hidrográfica do Rio Jundiaí-Mirim entre 1972 e 2025 conforme a projeção
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(1) indica o estado do sistema em t=1;
S(2) indica o estado do sistema em t=2;
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
Fonte: FREITAS (2012).
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
Fonte: FREITAS (2012).
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;
S(2013): representa a qualidade ambiental dos fragmentos florestais da bacia
hidrográfica do Rio Jundiaí-Mirim em 2013;
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;
S(2013): representa a qualidade ambiental dos fragmentos florestais da bacia
hidrográfica do Rio Jundiaí-Mirim em 2013;
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;
S(2013): representa a qualidade ambiental dos fragmentos florestais da bacia
hidrográfica do Rio Jundiaí-Mirim em 2013;
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)
Figura 5 – Imagem digital de 2001.
Figura 6 – Imagem digital de 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
Figura 16 – Mapa de malha viária de 2001.
Figura 17 – Mapa de malha viária de 2013.
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
Figura 20 – Classes de uso e ocupação do solo na borda dos fragmentos florestais em 2001.
Tabela 7 – Classes de uso e ocupação do solo na borda dos fragmentos florestais em 2001.
Classes de uso e ocupação do solo em 2001 Área (ha) Área (%)
Culturas agrícolas 269,6 15,8
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
Pasto sujo 243,3 14,3
Reflorestamento 267,4 15,7
Represa 27,8 1,6
Solo exposto 59,9 3,5
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
Figura 21 – Classes de uso e ocupação do solo na borda dos fragmentos florestais em 2013.
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
Tabela 8 – Classes de uso e ocupação do solo na borda dos fragmentos florestais em 2013.
Classes de uso e ocupação do solo em 2013 Área (ha) Área (%)
Agroindústria 9,6 0,5
Culturas agrícolas 128,7 6,6
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
Pasto sujo 131,0 6,7
Piscicultura 0,6 0,0
Reflorestamento 411,2 21,1
Represa 31,2 1,6
Silvipastoril 1,8 0,1
Solo exposto 17,4 0,9
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.
Figura 23 – Evolução dos remanescentes florestais entre 2001 e 2013.
53
Figura 24 – Evolução dos remanescentes florestais entre 1972 e 2013.
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
Figura 26 – Mapa de proximidade entre fragmentos florestais e áreas edificadas de 2001.
Figura 27 – Mapa de proximidade entre fragmentos florestais e áreas edificadas de 2013.
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.
Figura 28 – Distribuição de frequências do Mapa de distância entre fragmentos florestais e
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
Figura 29 – Distribuição de frequências do Mapa de distância entre fragmentos florestais e
áreas edificadas de 2001.
Figura 30 – Distribuição de frequências do Mapa de distância entre fragmentos florestais e
áreas edificadas de 2013.
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 (
%)
Escala de avaliação
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
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
Figura 32 – Mapa de proximidade entre fragmentos florestais e malha viária em 2001.
Figura 33 – Mapa de proximidade entre fragmentos florestais e malha viária em 2013.
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.
Figura 34 – Distribuição de frequências do Mapa de distância entre fragmentos florestais e
malha viária de 1972.
Figura 35 – Distribuição de frequências do Mapa de distância entre fragmentos florestais e
malha viária de 2001.
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
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 (
%)
Escala de avaliação
29,5
61
Figura 36 – Distribuição de frequências do Mapa de distância entre fragmentos florestais e
malha viária de 2013.
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 (
%)
Escala de avaliação
9,4
62
Figura 37 – Mapa de suporte ao desenvolvimento da vegetação em 1972.
Figura 38 – Mapa de suporte ao desenvolvimento da vegetação em 2001.
63
Figura 39 – Mapa de suporte ao desenvolvimento da vegetação em 2013.
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
Figura 41 – Mapa de perturbação ambiental de borda dos fragmentos de 2001.
Figura 42 – Mapa de perturbação ambiental de borda dos fragmentos de 2013.
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 (
%)
Escala de avaliação
52,2
67
Figura 44 – Perturbação ambiental de borda dos fragmentos em 2001.
Figura 45 – Perturbação ambiental de borda dos fragmentos em 2013.
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 (
%)
Escala de avaliação
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 (
%)
Escala de avaliação
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.
Figura 46 – Mapa de fragmentação da vegetação nativa nas sub bacias hidrográficas de 1972.
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
Figura 47 – Mapa de fragmentação da vegetação nativa nas sub bacias hidrográficas de 2001.
Figura 48 – Mapa de fragmentação da vegetação nativa nas sub bacias hidrográficas de 2013.
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.
Figura 50 – Mapa de cobertura vegetal remanescente nas sub bacias hidrográficas em 2001.
74
Figura 51 – Mapa de cobertura vegetal remanescente nas sub bacias hidrográficas em 2013.
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
Fragmentos florestais
em 2001
Fragmentos florestais
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
Fragmentos florestais
em 1972
Fragmentos florestais
em 2001
Fragmentos florestais
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
Figura 57 – Índice de borda dos fragmentos florestais em 2001.
Figura 58 – Índice de borda dos fragmentos florestais em 2013.
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
Figura 61 – Mapa de conectividade dos fragmentos florestais em 2001.
Figura 62 – Mapa de conectividade dos fragmentos florestais em 2013.
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
Figura 63 – Mapa de qualidade ambiental dos fragmentos florestais da bacia hidrográfica do
Rio Jundiaí-Mirim de 1972.
Figura 64 – Mapa de qualidade ambiental dos fragmentos florestais da bacia hidrográfica do
Rio Jundiaí-Mirim de 2001.
85
Figura 65 – Mapa de qualidade ambiental dos fragmentos florestais da bacia hidrográfica do
Rio Jundiaí-Mirim de 2013.
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
Área dos fragmentos
florestais em 2001
Área dos fragmentos
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
Figura 66 – Área em ha das classes de qualidade ambiental dos fragmentos florestais da bacia
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
Figura 67 – Evolução da qualidade ambiental dos fragmentos florestais da bacia hidrográfica
do Rio Jundiaí-Mirim.
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
Tabela 18 – 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
2001.
2001
1972 Muito alta Alta Moderada Baixa Muito baixa Outras
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
Tabela 19 – Matriz de transição de estados das classes de qualidade ambiental dos
fragmentos florestais da bacia hidrográfica do Rio-Jundiaí-Mirim do período entre 2001 e
2013.
2013
2001 Muito alta Alta Moderada Baixa Muito baixa Outras
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
Figura 69 – Projeção da qualidade ambiental dos fragmentos florestais da bacia hidrográfica
do Rio Jundiaí-Mirim utilizando a rotina STCHOICE.
Figura 70 – Projeção da qualidade ambiental dos fragmentos florestais da bacia hidrográfica
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.
Tabela 22 – Matriz de transição de estados das classes de qualidade ambiental dos
fragmentos florestais da bacia hidrográfica do Rio-Jundiaí-Mirim sob a perspectiva otimista.
1972
2013 Muito alta Alta Moderada Baixa Muito baixa Outras
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
Tabela 23 – Matriz de transição de estados das classes de qualidade ambiental dos
fragmentos florestais da bacia hidrográfica do Rio-Jundiaí-Mirim sob a perspectiva realista.
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
Tabela 24 – Matriz de transição de estados das classes de qualidade ambiental dos
fragmentos florestais da bacia hidrográfica do Rio-Jundiaí-Mirim sob a perspectiva
pessimista.
2001
1972 Muito alta Alta Moderada Baixa Muito baixa Outras
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
hidrográfica do Rio Jundiaí-Mirim em 2025 utilizando a rotina CA_MARKOV.
Figura 73 – Projeção realista da qualidade ambiental dos fragmentos florestais da bacia
hidrográfica do Rio Jundiaí-Mirim em 2025 utilizando a rotina CA_MARKOV.
98
Figura 74 – Projeção otimista da qualidade ambiental dos fragmentos florestais da bacia
hidrográfica do Rio Jundiaí-Mirim em 2025 utilizando a rotina CA_MARKOV.
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
do Rio Jundiaí-Mirim.
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
Figura 75 – Evolução da qualidade ambiental dos fragmentos florestais da bacia hidrográfica
do Rio Jundiaí-Mirim entre 1972 e 2025 conforme a projeção pessimista.
Figura 76 – Área em ha das classes de qualidade ambiental dos fragmentos florestais da bacia
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
Figura 77 – Evolução da qualidade ambiental dos fragmentos florestais da bacia hidrográfica
do Rio Jundiaí-Mirim entre 1972 e 2025 conforme a projeção realista.
Figura 78 – Área em ha das classes de qualidade ambiental dos fragmentos florestais da bacia
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
Figura 79 – Evolução da qualidade ambiental dos fragmentos florestais da bacia hidrográfica
do Rio Jundiaí-Mirim entre 1972 e 2025 conforme a projeção otimista.
Figura 80 – Área em ha das classes de qualidade ambiental dos fragmentos florestais da bacia
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.