O Olhar Participante: Contribuições do INPE ao Mapa da Exclusão/Inclusão Social de SP

Tamanho: px

Começar a partir da página:

Download "O Olhar Participante: Contribuições do INPE ao Mapa da Exclusão/Inclusão Social de SP"

Guilherme da Silva Palmeira
8 Há anos
Visualizações:

1 O Olhar Participante: Contribuições do INPE ao Mapa da Exclusão/Inclusão Social de SP Antônio Miguel Monteiro Eduardo Camargo Frederico Roman Ramos Gilberto Câmara Divisão de Processamento de Imagens INPE

Eduardo Camargo Frederico Roman Ramos Gilberto Câmara

2 Motivação Entender o Mapa de Exclusão/Inclusão Contribuição do INPE Análise Espacial Processamento de Imagens GIS e Internet

3 Conteúdo Revisão do Mapa-1 Visualização Cartográfica A Questão da Discrepância Contribuição ao Mapa-2 Regimes Espaciais e Regionalização Transformação de Dados Topografia Sócio-Econômica

4 Institucional INPE - Divisão de Processamento de Imagens Trabalha com GIS desde 1984 Desenvolvimento de tecnologia: SITIM/SGI, SPRING Pesquisa em metodologias inovadoras Equipe 45 pessoas (10 doutores e 15 analistas senior) Formação e capacitação de pessoal (12 teses de Mestrado e Doutorado em GIS).

metodologias inovadoras Equipe 45 pessoas (10 doutores e 15 analistas

5 Visualização de Padrões de Área Agrupamento de Atributos intervalos iguais quantis estatístico Cuidados com apresentação mapas coloridos podem levar a várias interpretações sobre os mesmos dados. Informação espacial inferida e não explícita. Índice de Exclusão Social em São Paulo (cortes do Mapa-1)

a várias interpretações sobre os mesmos dados.

6 Visualização com Intervalos Iguais Conceito: Mostrar a dispersão nos dados. Definidos pelos valores máximo e mínimo. Fatias tem número variável de elementos. Outliers podem mascarar diferenças.

7 Visualização por Quantis Conceito: ordenação (e.g. 25% piores e 25% melhores) Cada agrupamento contém número igual de elementos e.g: Divisão de SP em seis classes

8 Visualização por Desvios Padrão Conceito: mostrar distribuição da variável dispersão em torno da média quebras: 1 dp, 1/2 dp

9 Visualização de Padrões de Área Mapas coloridos podem esconder diferenças!!

10 Visualização de Padrões de Área

11 Entendendo a Discrepância Origem: Taxas de Risco Padrão (Epidemiologia) risco = 100* (taxa medida)/(taxa média) e.g: Risco de 200 indica uma taxa duas vezes maior que a taxa média Discrepância: disc = (taxa medida)/(taxa referência)

g: Risco de 200 indica uma taxa duas vezes maior que a

12 Espaço como Elemento de Análise Primeira Lei da Geografia Todas as coisas se parecem, coisas mais próximas são mais parecidas que aquelas mais distantes (Tobler) Como medir a semelhança entre objetos no espaço? Conceitos Correlação Espacial: Grau de similaridade entre vizinhos Regimes Espaciais: regiões com comportamento semelhantes Regressão Espacial: explicação de comportamento levando em conta os locais

13 Matriz de Proximidade Espacial Conteúdo Matriz (n x n) W, cujos elementos w ij representa uma medida de proximidade entre O i e Oj Critérios:- w ij =1, se O i toca Oj A C B E D A B C D E w ij = 1, se dist(o i, Oj) < h w ij = lij/l i, onde lij é o tamanho da fronteira entre O i e O j e l i é o perímetro de O i A B C D E

D E w ij = 1, se dist(o i, Oj) < h w ij = lij/l i, onde lij é o tamanho da fronteira entre O

14 Média Espacial Móvel Valor médio do atributo na região de estudo (polígono e seus vizinhos). Agrupamento estatístico Média Espacial Móvel

15 Média Espacial Móvel Regiões onde existe disparidade entre o valor do atributo e o valor da média local indicam pontos de transição entre regimes espaciais. Atributo Média local

16 Indices de Variabilidade Espacial Diagrama de Espalhamento de Moran Compara valores com médias locais Índice de Moran - inclinação da reta WZ Q4 Q1 Reta de regressão de WZ em Z 0 α I é equivalente a tg α Q2 Q3 0 z

locais Índice de Moran - inclinação da reta WZ Q4 Q1

17 Diagrama de Espalhamento Q1 (val.. [+], médias [+]) e Q2 Q (val.. [-], médias [-]) WZ Q4 Q1 Indicam pontos de associação espacial positiva, no sentido que uma localização possui vizinhos com valores semelhantes. 0 α Q3 (val.. [+], médias [-]) e Q4 Q (val.. [-], médias [+]) Q2 Q3 0 z Indicam pontos de associação espacial negativa, no sentido que uma localização possui vizinhos com valores distintos. Nota:- os pontos localizados em Q3 Q e Q4 Q podem ser vistos como extremos, tanto por estar afastados da reta de regres- são linear, como por indicar regiões que não seguem o mesmo processo de dependência espacial das demais observa- ções.. Estes pontos marcam regiões de transição entre regimes espaciais distintos.

. [+], médias [-]) e Q4 Q (val.. [-], médias [+]) Q2 Q3 0 z Indicam pontos de associação espacial negativa, no sentido que uma localização possui vizinhos com valores distintos.

18 Diagrama de Espalhamento: Visão Geográfica São Paulo WZ LH Q4 = LH HH Q1= HH 0 α LL Q2= LL HL Q3 = HL 0 z Índice de Exclusão

19 Indicadores de Variabilidade Espacial Índice de autocorrelação espacial quanto o valor de um atributo numa região está relacionado dos valores desta mesma variável nas localizações vizinhas. Indicadores locais Comparação estatística do polígono com seus vizinhos. Identificação de Clusters : objetos com valores de atributos semelhantes.

20 Indicadores Locais de Variabilidade Espacial distribuição dos valores de correlação local para o índice de exclusão % Exclusão não significantes. p = 0.05 [95%[ (1,96σ)] p = 0.01 [99%[ (2,54σ)] p = [99,9%[ (3,2σ)]

índice de exclusão % Exclusão não significantes. p = 0.

21 Regimes Espaciais Regionalizações da área de estudo Diferentes tipos de variabilidade espacial Métricas: Diagrama de espalhamento e índices locais e globais ex: Regimes espaciais para índice de exclusão

22 Regimes Espaciais x Regiões Adm

23 Impacto de Regimes Espaciais Análise de Regressão Idosos = f ( Domicílios Sem Esgoto) Regressão Linear R 2 = 0,35 Regressão Espacial Regiões Adm (R 2 = 0,72) Regimes Espaciais (R 2 = 0,83) Conclusão Impacto Diferenciado de Políticas Públicas

24 Transformação de Dados Porque Transformar Dados? Variações medidas: distribuições não-gaussianas Transformação de Dados simetrizar a variável aumentar a significância estatística dos resultados

25 MANIPULAÇÃO DE INDICADORES qi= (ni - p ti) onde p = Σ ni [ti p(1 - p)] ½ Σ ti onde: ni= # de casos na região i ti= população total da região i -100 <qi< 100 Indicadores utilizados nas análises: -número de domicílios alugados; -número de chefes de família com renda até 2 salários mínimos; -número de pessoas idosas.

26 AVALIAÇÃO COMPARATIVA DOS INDICADORES CLASSIFICAÇÃO DECRESCENTE DOS DISTRITOS COM RELAÇÃO AOS INDICADORES DE PESSOAS IDOSAS POPULAÇÃO >70 PORCENTAGEM DE IDOSOS qi DE IDOSOS V. MARIANA CONSOLAÇÃO JD. PAULISTA JD. PAULISTA JD. PAULISTA V. MARIANA SAÚDE LAPA CONSOLAÇÃO SANTANA MOÓCA LAPA PERDIZES PINHEIROS PINHEIROS IPIRANGA BELÉM MOÓCA PENHA V. MARIANA STA. CECÍLIA JABAQUARA CAMBUCI SAÚDE ITAIM BIBI BARRA FUNDA IPIRANGA PINHEIROS STA. CECÍLIA PERDIZES STA. CECÍLIA IPIRANGA TATUAPÉ SACOMÃ TATUAPÉ BELÉM

27 VARiAÇÃO ESPACIAL DE ALUGUEIS 60 Histogram of LMP_Z_AL (NEW.STA 10v*96c) 96 * 1 * normal (x, , ) No of obs LMP_Z_AL 3 Normal Probability Plot Z_GI AL Lmp_qi_aluguel Expected Normal Value Value IBGE LMP SÉ LAPA SANATA CECÍLIA REPÚBLICA

28 VARIAÇÃO ESPACIAL DE IDOSOS 40 Histogram of LMP_ZIDO (NEW.STA 14v*96c) 96 * 0.5 * normal (x, , ) No of obs LMP_ZIDO Lmp_qi_idoso Expected Normal Value Normal Probability Plot Z_NG_SRE Value IBGE LOCAL MORAN SANTA CECÍLIA CONSOLAÇÃO JD. PAULISTA VILA MARIANA

29 Efeitos de Transformação Variável: Domicílios sem água Estudo Transformar dados com qi Comparar com índice de discrepância

30 IDi Qi

31 Topografia Social Modelos de Dados Representação da Realidade Geográfica Modelos Discreto (mapa de bairros) Contínuo (topografia)

32 Topografia Social: Coleta de Dados Dados sócio-econômicos em GIS coletados pontualmente agregados por partição espacial (e.g setor censitário) Agregamento de dados em regiões Esconde variações internas Pode criar limites artificiais

33 Topografia Social: Modelagem de Dados Geográficos Representação Vetorial Polígonos + Tabelas Regiões homogêneas Le Representação Matricial grades regulares cada célula, um lugar no espaço Ls Li Aq

34 Topografia Social Retepresentação Contínua dos Dados Socio-Econômicos suporte: matrizes (células) Aproximar variação contínua dos atributos Remove limites arbitrários das regiões Permite reterritorialização dos espaços urbanos

35 Topografia Social:Percepções do Espaço Espaço como uma subdivisão planar

36 Topografia Social:Percepções do Espaço Espaço como uma subdivisão planar Espaço como uma superfície contínua

37 Referências Bailey, T.; Gatrell, A. Interactive Spatial Data Analysis. Longman, Câmara, G.; et al. Geoprocessamento: Teoria e Aplicações. INPE, 1999 ( Fisher, M.; Scholten, H. J.; Unwin, D. Spatial Analytical Perspectives on GIS. London: Taylor & Francis, p Longley, P. A.; Brooks; S. M.; Mcdonnell, R.; Macmillian; B. (1998) Geocomputation: a primer. Chichester, John Wiley.

Documentos relacionados

Uma visão espacial da produção de cana-de-açúcar nos municípios de Minas

Uma visão espacial da produção de cana-de-açúcar nos municípios de Minas 1 Introdução Gerais Flaviano José Teixeira UFLA Micherlania da Silva Nascimento - UFV João Domingos Scalon - UFLA Com terras férteis,