AVALIAÇÃO MULTICRITERIAL NA DETERMINAÇÃO DE ÁREAS
PRIORITÁRIAS PARA A INSTALAÇÃO DE BARRAGENS SUBTERRÂNEAS.
Hilton Luís Ferraz da Silveira
1. INTRODUÇÃO:
As discussões sobre a secas no semiárido nordestino ocorrem desde os
primórdios do processo de colonização do Brasil. Com o avanço da ciência,
principalmente com a segunda revolução industrial (1850 – 1870), e a respectiva
incorporação de novas tecnologias na área das ciências agrárias, o debate sobre
o processo de estiagem foi norteado pelo “combate à seca”. Neste sentido surge,
em 1902, a Inspetoria de Obras Contra as Secas – IOCS transformado mais
tarde no Departamento Nacional de Obras Contra as Secas – DNOCS. Tal
discurso permeou o imaginário popular e político durante quase todo o século
XX, e foi responsável pela construção de grandes açudes e projetos de irrigação.
A importação de tecnologias “salvadoras” que prometiam resolver a questão da
seca do Nordeste também marcaram o período agravando, em alguns casos, a
fragilidade de um ecossistema bastante complexo.
Se por um lado os esforços no sentido de “acabar com a seca” resultaram
em ações desastrosas, por outro permitiram o avanço no conhecimento dos
processos e das características naturais da região. Surge então, no último quarto
do Século XX, o entendimento dos períodos de estiagem como uma
característica natural que não deve ser combatida, mas convivida. Desta forma,
nasce nos meios técnicos e acadêmicos a ideia da “convivência com a seca”
que, mais tarde, aderiu ao conceito de “segurança alimentar”, principalmente
pela atuação do sociólogo Herbert José de Sousa.
Uma das muitas tecnologias que visam a garantia da segurança alimentar
e o convívio com a seca é o da Barragem Subterrânea (BS) que consiste no
armazenamento de parte da agua da chuva no solo, por meio da implementação
de uma parede impermeabilizante no sentido transversal da vertente impedindo,
assim, parte do escoamento subsuperficial da agua (MELO et al. 2011). Cria-se,
desta forma, uma área de influência da barragem, de cerca de um hectare, cujo
solo manterá sua umidade por um tempo mais prolongado, inclusive nos
períodos de estiagem mais severa. Como salientou Silva et al. (2010) as BSs
tem contribuído para o melhor convívio das famílias sertanejas com o Semiárido,
por proporcionar o acesso à água para a exploração agropecuária, diminuindo
os riscos da agricultura dependente de chuva.
Embora tal tecnologia tenha obtido bons resultados nos últimos anos,
inclusive na severa seca de 2011/2012, sua implementação deve seguir critérios
rígidos a fim de se evitar a degradação do solo pela erosão, eutrofização ou
salinização. Além disso, o diminuto tamanho das BSs cria a dificuldade de se
localizar as áreas com condições adequadas para sua implementação,
aumentando em muito os custos de viagens de campo e de prospecção dos
solos. Um sistema que indicasse a localização de regiões com melhores
condições para a instalação das BSs auxiliaria na racionalização dos custos e o
tempo de sua implementação.
A avaliação multicriterial é uma das técnicas empregadas para a tomada
de decisão que foram incorporadas aos SIGs. Essa integração foi considerada
um avanço em relação ao procedimento convencional de cruzamento de planos
de informação para a determinação de áreas de risco e prioritárias. Nesse
contexto, a avaliação multicriterial é considerada um processo que combina e
transforma dados espaciais (planos de informação de entrada) em mapas finais
para a tomada de decisão, ressaltando-se que as regras de decisão definem as
relações entre os dados de entrada e os mapas finais. Desta forma, o objetivo
deste trabalho é a elaboração de um mapa de suscetibilidade para a instalação
de barragens subterrâneas, para a região de Arapiraca em Alagoas, utilizando a
avaliação multicriterial (Média Ponderada Ordenada - MPO) e a técnica
participatória em ambiente SIG.
2. FUNDAMENTAÇÃO TEÓRICA
2.1 Abordagem Multicriterial
A partir da década de 60, com o desenvolvimento das técnicas de análise de custo-benefício, passou-se a considerar outros aspectos da realidade, isto é, passou-se a considerar alguns problemas de natureza qualitativa, adicionando variáveis relacionadas à preservação ambiental, fatores sociais, etc. No entanto, essas análises de custo-benefício traduziam cada aspecto sob análise do valor financeiro, e no final todos os aspectos eram comparados por um único critério, de modo a constituir-se como uma técnica mono critérios de apoio à decisão (SCHMIDT, 1995). Além disso, como salientou Brilhante & Caldas (1999), nas análises de custo-benefício os fatores ambientais geralmente são completamente desconsiderados, face aos fatores de ordem econômica.
O divisor de águas que marcou o desenvolvimento substancial das analises multicriteriais foi conferência de Outubro de 1972 na Universidade da Carolina do Sul, Organizada por James L. Cochrane e Milan Zeleny, onde começou a tomar forma e a se organizar uma comunidade científica, antes dispersa, interessada pelo domínio do multicritério (BANA E COSTA, 1993a apud SCHMIDT, 1995).
As análises multicriteriais são subsídios para processo de tomada de decisão, que Eastman (2001) definiu como escolha entre alternativas que podem representar diferentes cursos de ações. Este processo de decisão é baseado na medição e avaliação de um ou mais critérios, onde os critérios podem ser de dois tipos: fatores, que realçam ou diminuem a adequação de uma alternativa, sendo comumente medida em escalas contínuas; e restrições, que limitam as alternativas sob consideração, expressa geralmente sob forma de mapas boleanos (EASTMAN, 2001).
Como métodos da avaliação multicriterial que vêm sendo utilizados na integração dos diferentes critérios pode-se citar o Booleano; o do Ponto Ideal; o da Combinação Linear Ponderada; o da Análise de Concordância e mais recentemente o da Média Ponderada Ordenada (MALCZEWSKI, 2000). Dentre esses métodos a Combinação Linear Ponderada (MALCZEWSKI, 1996; EASTMAN, 1993) e a Média Ponderada Ordenada (MALCZEWSKI, 1999; EASTMAN, 2001; MALCZEWSKI, 2004) têm sido empregadas em substituição à lógica boolena na determinação de áreas de suscetíveis, de risco e prioritárias, uma vez que, segundo Soares (2005), a técnica boleana e seus operadores True ou False não permitem ponderação entre classes, dificultando a apresentação de critérios que sejam bem conformados com a complexidade do mundo.
A avaliação multicriterial é uma das técnicas empregada para a tomada de decisão que foi incorporada aos SIGs. Essa integração foi considerada um avanço em relação ao procedimento convencional de cruzamento de planos de informação para a determinação de área de risco e prioritárias (EASTMAN, 2001; MALCZEWSKI, 1999). Nesse contexto, a abordagem multicriterial é considerada como um processo que combina e transforma dados espaciais (planos de informação de entrada) em mapas finais para a tomada de decisão, sendo as regras de decisão é que definem as relações entre os dados de entrada e os mapas finais (MALCZEWSKI, 1999). Estes processos de decisão visam atender um ou mais objetivos, e são suportados tendo como base a avaliação de diversos critérios, que podem ser fatores ou restrições e podem se referir tanto a atributos do indivíduo como ao conjunto todo de decisão, onde os fatores irão realçar ou diminuir a suscetibilidade de uma alternativa específica para uma atividade ou objetivo, e as restrições podem ser entendidas como categorias restritivas das alternativas (fatores), excluindo áreas e limitando espacialmente a distribuição das possibilidades de escolha (EASTMAN, 2001).
Segundo Malczewski (2004), essa avaliação envolve a utilização de dados georreferenciados, os conceitos dos tomadores de decisão e a manipulação desses dados e conceitos com base em regras de decisão específicas. Para esse autor duas considerações são, dessa forma, de extrema importância para sua utilização: (i) a capacidade do SIG de adquirir, armazenar, recuperar, manipular e analisar os dados georreferenciados e (ii) a capacidade de combinar esses dados e os conceitos dos tomadores de decisão em alternativas de decisões.
2.1.1 Média Ponderada Ordenada
A Média Ponderada Ordenada (MPO), técnica introduzida por Yager (1988), e envolve a aplicação de dois grupos de pesos: os de fatores e os pesos de ordenação, além da definição do próprio conjunto de fatores. O primeiro relaciona-se à importância do fator no processo de tomada de decisão, de modo que os fatores considerados mais importantes recebem maiores pesos de fatores.
O segundo grupo de pesos não estão associados aos critérios, mas sim à ordem que lhes é atribuída depois da aplicação da técnica da Combinação Linear
Ponderada (ZAMBON et al. 2005). Dessa forma, os pesos de ordenação controlam o modo como o operador (Média Ponderada Ordenada) agrega os fatores, no continuum entre os extremos (AND e OR) (EASTMAN, 2001). Darós & Carrión (2006) afirmam que uma questão importante dos operadores MPO é o passo da reordenação, onde um agregado xi não está associado a um peso particular Wj, sendo que o peso está associado com uma posição ordenada j particular dos critérios, de modo que esta ordenação induz a não linearidade no processo de agregação. Dessa forma, explica Vettorazzi (2006) os critérios recebem pesos com base em sua ordem de ranqueamento em vez de suas qualidades inerentes. Vettorazzi (2006) exemplifica o processo da MPO da seguinte forma:
“Podemos decidir aplicar pesos de 0,5, 0,3 e 0,2 a um conjunto de fatores A, B e C, com base em sua ordem de ranqueamento BAC (do mais baixo para o mais alto), a combinação ponderada seria 0,5B + 0,3A + 0,2C. Entretanto, se para outro local os fatores fossem ranqueados CBA, a combinação ponderada seria 0,5C + 0,3B + 0,2A.” (Vettorazzi, 2006; pp. 91)
Para se fazer a caracterização da operação em MPO, são usados dois parâmetros, Risco e Compensação, mostrado abaixo.
1
1
1
2
n
nOin
oCompensaçã i
;
e
i
Oiinn
Risco1
Sendo:
n = número total de fatores;
i = ordem do fator e;
Oi = peso do fator para o fator de ordem i.
Se a maior parte dos pesos de ordenação for assinalada à esquerda, à direita ou ao centro (Figura 1), isto irá determinar a posição na dimensão de risco assumido no processo de tomada de decisão (MALCZEWSKI, 1999).
Figura 1 - Espaço de estratégia para a tomada de decisão, adaptado de
Eastman (2001)
3. MATERIAIS E METODO
3.1 Materiais
3.1.1 Área de estudo
A microrregião de Arapiraca ocupa a porção central do Estado de Alagoas
(Figura 2), entre os paralelos 10°04’17”S e 9°31’56”S e os meridianos
36°58’11”W e 36°20’33” W e é composta pelos municípios de Arapiraca, Campo
Grande, Coité do Nóia, Craíbas, Feira Grande, Girau do Ponciano, Lagoa da
Canoa, Limoeiro de Anádia, São Sebastião e Taquarana totalizando uma área
territorial de 2.466 km² ou cerca de 8,9% do Estado.
Figura 2 – Localização da área de estudo do Estado de Alagoas.
Climaticamente, a região é uma área de transição entre a região úmida
litorânea e a região semiárida. A maior parte de seu território (a leste) está
inserida na classificação As’ de Köppen, ou seja, tropical e quente com chuvas
de outono/inverno e precipitação pluviométrica entre 1.000 mm a 1.500 mm
(BARROS et al. 2012). Já sua porção oeste, apresenta condições semiáridas,
com clima BSh, isto é, seco e quente, com precipitação pluviométrica média
anual entre 600 mm a 900 mm (BARROS et al. 2013).
É possível observar, no trabalho de Araújo Filho et al. (2013), que a
distribuição dos solos respeita esta característica climática, uma vez que
encontramos nas porções orientais do território solos mais desenvolvidos,
predominando os Latossolos e os Argissolos. Ao se deslocar para o oeste,
verificamos o aparecimento de uma maior quantidade de solos típicos da região
semiárida, como os Neossolos Regolíticos e os Neossolos Litólicos, além dos
Planossolos.
3.1.2 Bases cartográficas e de dados
As bases cartográficas digitais utilizadas neste trabalho foram produzidas
ou compilados por Santos et al. (2013) por ocasião do Zoneamento
Agroecológico de Alagoas (ZAAL) na escala 1:100.000. Foram utilizados os
seguintes planos de informação do ZAAL de mapa de solos, altimetria segundo
SRTM, precipitação média anual e limites municipais.
Figura 3 – Bases digitais utilizadas neste trabalho: a) mapa de solos; b) altimetria
segundo SRTM; c) precipitação média anual, e; d) limites municipais.
Para o cálculo do IDH, utilizou-se o elaborado por PNUD (2013) referente
ao ano de 2010 e incorporado à malha municipal disponibilizado por Santos et
al. (2013). Também foi utilizado o banco de dados e de perfis de solos
coletados e compilados no ZAAL por Santos et al. (2013).
3.2 Método
Para este trabalho, tendo em vista a grande complexidade dos agentes
envolvidos no escorregamento de encostas, faz-se necessária à utilização de
uma ferramenta robusta capaz de congregar todos os fatores considerados. O
método escolhido foi da Média Ponderada Ordenada, que Valente e Vettorazzi
(2005) definiram como uma metodologia flexível e fácil de ser implementada,
além de possibilitar a interação de conhecimentos (pesquisadores, analistas etc)
no processo de tomada de decisão.
a
c
b
d
3.2.1 Definição dos critérios
Na definição dos critérios (fatores e restrições) empregou-se a Técnica
Participatória (EASTMAN, 2001), por meio da consulta a especialistas das áreas
de conservação de ecossistemas, de geoprocessamento, de geotécnica, de
climatologia e de conservação dos solos, além de uma revisão bibliográfica,
tendo em vista a realidade local e a disponibilidade de material cartográfico.
3.2.1.1 Restrições
Para Eastman (2001), restrições limitam as alternativas sob consideração,
de modo a constituir-se como um mapa booleano (lógico) onde as áreas
excluídas possuem identificadores false (0) e áreas consideradas com
identificadores true (1).
3.2.1.2 Fatores
Fatores, como definiu Eastman (2001), são critérios que aumentam ou
diminuem a adequação de uma alternativa específica de uma decisão. Dessa
forma foram escolhidos seis fatores considerados relevantes na escolha de
áreas para a alocação de Barragens Subterrâneas.
3.2.1.2.2 Profundidade dos solos
A profundidade do solo é muito importante para a determinação do volume
de agua a ser captado. Entretanto, solos demasiadamente profundos podem ter
custos de construção elevados ou serem inviáveis em função baixa capacidade
de retenção de agua. Silva et al. (2010) recomenda solos com profundidades
entre 1 a 3,5 metros, admitindo uma profundidade máxima de 4 metros.
Nos mapas pedológicos, diversos tipos de solos podem estar associados
de modo a formar uma única unidade de mapeamento. Desta forma, a
profundidade de cada tipo de solo foi ponderada em função de sua proporção na
unidade de mapeamento. Os solos demasiadamente rasos ou profundos
receberam um menor valor de suscetibilidade, enquanto solos com
profundidades próximos a dois metros receberam maiores notas. A o valor obtido
por cada unidade de mapeamento poderia ir de 0 (uma unidade completamente
formada pelos chamados Tipos de terreno, como depósitos de areia ou
afloramento rochosos) até 10 (uma unidade completamente ocupada por solos
de profundidade entre 1 e 3,5m) pode ser vista na Tabela 1.
O ranqueamento dos escores obtidos por cada unidade de mapeamento
foi então normalizado para uma escala de 0 a 255 níveis por meio de uma função
linear, conforme Figura 4a.
Tabela 1 – valores de ranqueamento das unidades de mapeamento de solos
(Unimap) para a profundidade.
Unimap Nivel Unimap Nivel Unimap Nivel Unimap Nivel
GXe4 3.8 PAd40 5.5 PVe1 6 RRde2 3.6
LAd6 6.6 PAd41 6 PVe2 4.95 SXe18 2.4
LAd8 6.4 PAd46 4.5 RLe1 1.8 SXe2 4.8
LAe 6 PAd6 6 RLe13 2.2 SXe24 2
LVAd1 6.35 PAd8 6.2 RLe15 2.1 SXe5 1.65
LVAd2 6.4 PAde2 6.4 RLe32 0.6 SXe6 2.4
LVAd4 5.65 PAde4 5.1 RLe5 2.2 SXe7 2.3
LVAd5 6 PVAd12 5.8 RLed10 0.7 SXe8 2.4
LVe1 7 PVAd20 4.4 RLed11 1.9 TCo1 2.4
LVe2 5.8 PVAd23 6 RLed5 2.75 TCo2 2.4
LVe3 5.9 PVAd26 6.35 RLed7 1.5 TT2 0
PACd1 6 PVAe2 5.25 RLed8 1.45 TT3 0
PAd10 6.2 PVde 6 RQo1 4.1
3.2.1.2.3 Textura dos solos
A textura é um dos fatores mais importantes a serem considerados pois
denota a porosidade do solo e, consequentemente a quantidade de agua que
pode ser armazenado por volume quadrático. Solos arenosos possuem maior
porosidade e maior capacidade de absorver a agua das chuvas. Entretanto,
solos arenosos também possuem baixa capacidade de retenção, o que se traduz
numa maior percolação da agua para camadas mais profundas.
Tabela 2 – valores de ranqueamento das unidades de mapeamento de solos
(Unimap) para a textura.
Unimap Nivel Unimap Nivel Unimap Nivel Unimap Nivel
GXe4 1.5 PAd40 2.75 PVe1 2 RRde2 4.6
LAd6 2.6 PAd41 2.8 PVe2 3.35 SXe18 3
LAd8 1.6 PAd46 1.5 RLe1 2.2 SXe2 3.85
LAe 3.4 PAd6 4 RLe13 4.15 SXe24 2.5
LVAd1 1.3 PAd8 1.8 RLe15 3.85 SXe5 3.2
LVAd2 2.1 PAde2 3.6 RLe32 3 SXe6 4.5
LVAd4 3.6 PAde4 2.05 RLe5 2.05 SXe7 2.35
LVAd5 3.4 PVAd12 1.8 RLed10 2.1 SXe8 4.3
LVe1 3 PVAd20 1.6 RLed11 5 TCo1 4.3
LVe2 1 PVAd23 4 RLed5 3 TCo2 2
LVe3 2.9 PVAd26 3 RLed7 1.7 TT2 0
PACd1 4 PVAe2 3.35 RLed8 2.25 TT3 0
PAd10 3 PVde 2 RQo1 4.2
A Tabela 2 mostra o escore total obtido por cada unidade de mapeamento,
onde a textura de cada solo componente foi ponderada em função de sua
proporção na unidade de mapeamento. Solos com textura média receberam
valor igual a 5, enquanto que solos com textura arenosa ou argilosa receberam
valores iguais a 1, seguindo a recomendação de importância determinada por
Silva et al (2010).
A Figura 4b mostra o mapa de fator normalizado para a textura.
3.2.1.2.4 Salinidade
A salinização dos solos da região semiárido e a consequente desertificação
está entre os principais problemas ambientais do semiárido brasileiro. A pouca
profundidade da cobertura pedológica e o a baixa precipitação aliada a elevada
evaporação favorecem a migração dos sais das rochas para as camadas
superficiais do solo.
Desta forma, é muito importante o controle rígido com o manejo dos solos
com alto risco de salinização. Para este projeto, cada unidade de mapeamento
teve a presença ou não dos caráteres salinos, sálico, sódico e solódicos
mensurada conforme a Tabela 3. Os caráteres sálico e salino se caracterizam
pela presença de sais mais solúveis em agua fria que o sulfato de cálcio indicada
por condutividade elétrica do extrato de saturação entre 4 dS m-1 e7 dS m-1 para
o caráter salino e com saturação maior que 7 dS m-1 para o caráter sálico
(EMBRAPA, 2013). Já a os caráteres sódico e solódico possuem a característica
de possuírem saturação por sódio (100 Na+/T) variando de 6% a 15% para o
caráter sódico e maior que 15% para o caráter solódico (EMBRAPA, 2013).
Tabela 3 – valores de ranqueamento das unidades de mapeamento de solos
(Unimap) para a salinidade.
Unimap Nivel Unimap Nivel Unimap Nivel Unimap Nivel
GXe4 1.75 PAd40 5 PVe1 5 RRde2 5
LAd6 5 PAd41 5 PVe2 3.25 SXe18 1.5
LAd8 5 PAd46 5 RLe1 5 SXe2 3
LAe 5 PAd6 5 RLe13 3.25 SXe24 2.5
LVAd1 5 PAd8 5 RLe15 3.75 SXe5 2.75
LVAd2 5 PAde2 5 RLe32 5 SXe6 2.5
LVAd4 3.75 PAde4 5 RLe5 5 SXe7 5
LVAd5 5 PVAd12 5 RLed10 5 SXe8 1.5
LVe1 5 PVAd20 5 RLed11 5 TCo1 3.5
LVe2 5 PVAd23 5 RLed5 5 TCo2 5
LVe3 4 PVAd26 5 RLed7 5 TT2 5
PACd1 5 PVAe2 3.25 RLed8 3.25 TT3 5
PAd10 5 PVde 5 RQo1 3.5
Desta forma, cada solo associado a uma unidade de mapeamento teve
recebeu uma nota de 0 ou 1 quando da presença ou ausência dos caráteres
supracitados. Após o ponderamento pela proporção dentro da unidade de
mapeamento, o polígono de solo recebeu a pontuação mostrada na sendo,
posteriormente, normalizado por uma função linear para uma escala de 0 a 255
niveis (Figura 4c).
3.2.1.2.4 Declividade do terreno
O fator de declividade está intimamente ligado ao manejo do solo a fim de
se evitar a erosão. Solos com maiores declividades tornaram-se por isso menos
aptos à receber a tecnologia da barragem subterrânea. Desta forma, um mapa
de fator de declividade foi obtido a partir do calculo de declividade do terreno
utilizando-se os dados do SRTM. Foi aplicado, para o mapa de declividade do
terreno, uma função linear inversa a fim de normalizar os dados na escala de 0
a 255 níveis e pode ser visto na Figura 4d.
3.2.1.2.5 Precipitação anual
A precipitação tem grande importância ao se escolher as áreas com maior
risco climático para as populações. A menor pluviosidade acarreta em maior
deficiência hídrica, restringindo as culturas com aptidão favorável ao plantio.
Desta forma, menores taxas de precipitação foram associadas a maiores
graus de suscetibilidade, uma vez que estão associados a uma maior
dependência da precipitação, conforme Figura 4e.
3.2.1.2.6 IDH Renda
Para Silva et al. (2010) a água representa o grande desafio para quem vive
do Semiárido, sobretudo para aqueles que produzem alimentos para
subsistência e a barragem subterrânea é uma das tecnologias de captação de
água de chuva que tem contribuído para o melhor convívio das famílias
sertanejas com o Semiárido, por proporcionar o acesso à água para a exploração
agropecuária, diminuindo os riscos da agricultura dependente de chuva.
Ainda, segundo Silva et al (2010), as BSs fazem parte do Programa Uma
Terra e Duas Águas (P1 +2), como uma das opções de captação de água para
produção de alimentos. Esse programa está sendo implantado, em todo
semiárido do Brasil, pela Articulação no Semiárido Brasileiro (ASA), por meio de
suas organizações e financiado com recursos do Ministério do Desenvolvimento
Social e Combate a Fome (MDS), Codevasf, Fundação Banco do Brasil,
Ministério do Desenvolvimento Agrário (MDA), Petrobras e Cooperação
Espanhola.
Figura 4 – Mapas de fatores normalizados: a) profundidade do solo; b)
textura do solo; c) salinidade do solo; d) declividade do terreno; e) precipitação,
e; f) IDH-Renda
a) b)
c) d)
e) f)
Desta forma, há a necessidade de se racionalizar os recursos de modo a
concentrar esforços nas localidades mais fragilizadas socialmente. Para tanto,
utilizou-se o parâmetro de renda componente do Índice de Desenvolvimento
Humano Municipal (IDHM) produzido pelo PNUD (2013) para o ano de 2010.
O mapa municipal de IDH foi então normalizado por meio de uma função
linear inversa, de modo que os maiores valores da variável IDHM-Renda fossem
associados a menores valores de suscetibilidade, conforme Figura 4f, numa
escala de 0 a 255 níveis.
3.2.2 Definição dos pesos dos critérios
A pesagem dos fatores nas abordagens multicritérios foi feita por meio da Matriz pareada proposta por Saaty (1977), sendo utilizada com sucesso por diversos autores como Valente (2005), Valente e Vettorazzi (2005), Valente e Vettorazzi (2005b), Vettorazzi (2006).
Na matriz de comparação pareada, os valores de pesos são dados tendo como base uma escala de nove pontos (Figura 5) que relaciona valores qualitativos a valores quantitativos, possibilitando assim a comparação matemática entre os fatores.
Figura 5 – Escala contínua para a elaboração da matriz de comparação
pareada.
A comparação entre os fatores e o peso de cada um pode ser visto na Tabela 4.
Tabela 4 – Matriz de comparação pareada entre os fatores definidos para a
avaliação multicritérios.
F1 F2 F3 F4 F5 F6 Pesos
F1 1 0,121
F2 1,6 1 0,201
F3 1,3 0,8 1 0,162
F4 2,0 1,2 1,5 1 0,220
F5 1,7 1,0 1,2 0,8 1 0,200 F6 0,7 0,4 0,5 0,7 0,4 1 0,096
Taxa de Consistência (TC) = 0,01 1,000 Sendo: F1 = IDH-Renda; F2 = Textura do solo; F3 = Declividade do terreno; F4 =
Ocorrência de salinidade; F5 = Profundidade do solo, e; F6 = Precipitação.
4. RESULTADO E DISCUSSÃO
Como resultado foram gerados diversos cenários para entender como os
pesos de ordenação controlam a posição dos mapas dentro do triângulo da
decisão. Os mapas mostrados na Figura 6 receberam seus pesos de ordenação
de maneira concentrada nos extremos, de modo que o mapa da Figura 6a
associa seus fatores por meio do operador lógico OU, enquanto o mapa da
Figura 6b associa seus fatores por meio do operador lógico E.
Figura 6 – Mapa da suscetibilidade correspondente a: a) risco mínimo e
nenhuma compensação, e; b) risco máximo nenhuma compensação.
Tabela 5 – Respectivos pesos de ordenação dos mapas apresentados
Mapa Pesos de ordenação
PO1 PO2 PO3 PO4 PO5 PO6
Figura 6a 1 0 0 0 0 0 Figura 6b 0 0 0 0 0 1 Figura 7 0,1666 0,1666 0,1666 0,1666 0,1666 0,1666
Figura 8 0,1 0,1 0,1 0,15 0,25 0,30 Figura 9 0,30 0,25 0,15 0,1 0,1 0,1
Assumindo riscos intermediários foi obtido, preliminarmente, um mapa da
suscetibilidade por meio do uso de pesos de ordenação iguais e é mostrado na
Figura 7. Possui risco médio e alta compensação e é o correspondente ao que
seria obtido por meio da Combinação Linear Ponderada (CLP). A CLP é, dentro
do de estratégia para a tomada de decisão a posição intermediária entre os
operadores lógicos OU e E.
Temos então, com os três mapas apresentados, os três vértices do
triângulo correspondente ao espaço de estratégia para a tomada de decisão.
Entre os vértices correspondentes ao operador lógico OU e a CLP e entre a CLP
e o operador lógico E obtivemos os mapas da Figura 8 e da Figura 9
respectivamente.
a) b)
Figura 7 – Mapa da suscetibilidade obtido por meio da Combinação Linear
Ponderada com risco médio e alta compensação.
Figura 8 – Mapa da suscetibilidade obtido por meio da Média Ponderada
Ordenada com risco baixo e média compensação.
N
N
Figura 9 – Mapa da suscetibilidade obtido por meio da Média Ponderada
Ordenada com risco alto e média compensação.
Nos cenários de baixo risco, é possível notar a inclusão de uma grande
parcela da área de estudo como possuindo elevado grau de suscetibilidade,
eliminando basicamente os solos de baixíssima aptidão associados a altas
declividades. Em todos os outros mapas, notamos a forte presença dos fatores
associados aos solos, uma vez que este concentrou mais de 60% dos pesos dos
fatores. Em todos os mapas de cenário apresentados, com algum grau de risco,
notamos a tendência dos maiores graus de aptidão estarem na porção central
do mapa. Isto se dá em função da variação, no sentido Leste-Oeste, dos
atributos considerados nos fatores, ocasionando uma mútua compensação.
Nas mudanças ocorridas entre os três últimos mapas, os fatores salinidade
e textura foram os grandes atores, tanto pelo fato de possuírem os maiores
pesos de fatores (0,220 e 0,201, respectivamente) quanto pelo fato de estarem
altamente correlacionados, apresentando-se como fatores bastante
semelhantes.
5. CONCLUSÕES
Com base nos resultados e discussões, pode-se concluir que a abordagem
multicriterial utilizando a Média Ordenada Ponderada permite criar um modelo
generalista, com a construção de cenários pessimistas e otimistas para o
N
reajuste das áreas de suscetibilidade, oferecendo maior flexibilidade ao tomador
de decisão.
REFERENCIAS
ARAÚJO FILHO, J. C.; et al. Levantamento de reconhecimento de baixa e média
intensidade dos solos do Estado de Alagoas In: SANTOS, J. C. P. DOS; et al.
Zoneamento agroecológico de Alagoas. Rio de Janeiro: Embrapa Solos, 2013
BARROS, A. H. C.; VAREJÃO-SILVA, M. A.; TABOSA, J. N. Aptidão Climática
do Estado de Alagoas para Culturas Agrícolas In: SANTOS, J. C. P. DOS; et al.
Zoneamento agroecológico de Alagoas. Rio de Janeiro: Embrapa Solos, 2013
BRILHANTE, O. M.; CALDAS, L. Q. DE A. (coords.) Gestão e Avaliação de
Risco em Saúde Ambiental. Rio de Janeiro: Editora Fiocruz, 1999, 155 pp.
DARÓS, L. C.; CARRIÓN, L. V. La agregación de información para la toma de
decisiones en la empresa. In: XIV Jornadas de ASEPUMA. Badajoz:
Associación española de professores universitarios de matemática para la
economía y la empresa. 21 e 22 de setembro, 2015, Disponível em:
<http://www.uv.es/asepuma/XIV/comunica/62NUEVA.pdf> Acesso em 10 set
2006.
EASTMAN, J. R.; Decision strategy analysis. In: Idrisi 32 release 2: Guide to
GIS and image processing, v.2, p.1–22. Clark University, Worcester, 2001.
EASTMAN, J. R.; KYEM, P. A. K.; TOLEDANO, J. GIS and decision making.
Genebra: UNITAR, 1993. 112p. (Explorations in geographic information system
technology)
EMBRAPA Embrapa. Sistema brasileiro de classificação de solos. 3. ed.
Brasília: Embrapa, 2013. 353 p.
LIBARDI, P. L. III – Agua no solo. In: LIER, Q. DE J. VAN. Física do solo. Viçosa:
Sociedade Brasileira de Ciência do Solo, 2010.
MELO, R. F. DE; ANJOS, J. B. DOS; PEREIRA, L. A.; BRITO, L. T. DE L.; SILVA,
M. S. L. DA ; Barragem Subterrânea. Instruções Técnicas da Embrapa
Semiárido. Petrolina: Embrapa Semiárido, Dezembro de 2011.
PNUD Atlas do Desenvolvimento Humano nos Municípios. Disponível em
<http://www.atlasbrasil.org.br/2013/pt/o_atlas/idhm/> Acesso em 26 mai 2016,
2013
SCHMIDT, A. M. A. Processo de Apoio à Tomada de Decisão: Abordagens
AHP e Macbeth, dissertação de mestrado, EPS/UFSC, Florianópolis –SC, 1995
SAATY, Thomas L. A scaling method for priorities in hierarchical structures.
Journal Of Mathematical Psychology, [s.l.], v. 15, n. 3, p.234-281, jun. 1977.
Elsevier BV. http://dx.doi.org/10.1016/0022-2496(77)90033-5..
SILVA, M. S. L. DA; PARAHYBA, R. DA B. V.; OLIVEIRA NETO, M. B. DE;
LEITE, A. P.; SANTOS, J. C. P. DOS; CUNHA, T. J. F.; MOREIRA, M. M.;
FERREIRA, G. B.; ANJOS, J. B. DOS; MELO, R. F. DE; Potencialidades de
classes de solos e critério para locação de barragens subterrâneas no Semiárido
do Nordeste brasileiro. Circular técnica. Recife: Embrapa Solos, vol 45, Dez
2010
SOARES, D. M. Geoprocessamento como ferramenta de análise do risco ao
carreamento de sólidos para o rio Paraibuna em Juiz de Fora – MG. In: Anais
XII Simpósio Brasileiro de Sensoriamento Remoto, Goiânia, 16-21 abril
2005, INPE, p. 2375-2382, 2005.
VALENTE, R. de O. A.; VETTORAZZI, C.A. Comparação entre métodos de
avaliação multicriterial, em ambiente SIG, para conservação e a preservação
florestal. Scientia Forestalis. Piracicaba: IPEF, nº 69, p 51 – 61, 2005.
VALENTE, R. O. A.; Definição de áreas prioritárias para conservação e
preservação florestal por meio da abordagem multicriterial em ambiente
SIG. Tese (Doutorado) - ESALQ/USP, Piracicaba, 2005.
VALENTE, R. O. A.; VETTORAZZI, C. A. A abordagem multicriterial na definição
de áreas prioritárias para conservação e preservação florestal. In: Anais XII
Simpósio Brasileiro de Sensoriamento Remoto, Goiânia: INPE, 16-21 abril,
p. 1681-1683, 2005.
VETTORAZZI, C. A. Avaliação multicritérios, em ambiente SIG, na definição
de áreas prioritárias à restauração florestal visando à conserva de recursos
hídricos. 2006. 151f. Tese (Livre Docência na Especialidade/Disciplina
Topografia) - Escola Superior de Agricultura "Luiz de Queiroz" USP, Piracicaba,
2006.
YAGER, R. R. On ordered weighted averaging aggregation operators in
multicriteria decisionmaking IEEE Systems, Man, and Cybernetics. New York:
IEEE, V18, n. 1, p 183-190, 1988.
ZAMBON, K. L.; CARNEIRO, A. A. F. M.; SILVA, A. N. R. Análise de decisão
multicritério na localização de usinas termoelétricas utilizando SIG. Pesquisa
Operacional, Maio/Ago, vol.25, no.2, p.183-199, 2005.