@MastersThesis{Adorno:2022:IdReAn,
author = "Adorno, Bruno Vargas",
title = "Da identifica{\c{c}}{\~a}o remota {\`a} an{\'a}lise da
equidade espacial do Verde Urbano",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2022",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2022-02-14",
keywords = "oportunidades de acesso, cobertura vegetal urbana, {\'A}reas
Verdes p{\'u}blicas, CBERS-4A, Sentinel-2, opportunities to
access, urban vegetation cover, public Green Space.",
abstract = "O Verde Urbano comp{\~o}e-se dos diferentes tipos de
vegeta{\c{c}}{\~a}o em uma cidade, incluindo espa{\c{c}}os
p{\'u}blicos como parques e pra{\c{c}}as destinados ao uso da
popula{\c{c}}{\~a}o. Por proporcionar diversos
benef{\'{\i}}cios socioambientais, o Verde Urbano deve ser
corretamente mapeado e ter distribui{\c{c}}{\~a}o equitativa
para os diferentes grupos populacionais. Atrav{\'e}s de
ferramentas de sensoriamento remoto, geoprocessamento e
an{\'a}lise espacial, este trabalho teve por objetivo mapear
categorias do Verde Urbano e suas oportunidades de acesso para
analisar a equidade espacial do Verde Urbano, tendo a cidade de
Goi{\^a}nia como {\'a}rea de estudo. As Coberturas Arb{\'o}rea
e Herb{\'a}cea-Arbustiva, e as {\'A}reas Verdes P{\'u}blicas
(parques e pra{\c{c}}as) foram as categorias de Verde Urbano
estudadas. Para o mapeamento das coberturas vegetais,
prop{\^o}s-se um m{\'e}todo h{\'{\i}}brido de
classifica{\c{c}}{\~a}o de imagens: integrando a
classifica{\c{c}}{\~a}o baseada em objeto de imagem fusionada
CBERS 04A WPM (2 m) com a classifica{\c{c}}{\~a}o de s{\'e}ries
temporais Sentinel-2 MSI (10 m), ambas com o algoritmo Random
Forest. A entropia de Shannon foi utilizada para atribuir as
classes aos objetos compondo o Mapa H{\'{\i}}brido final. As
{\'A}reas Verdes P{\'u}blicas foram delimitadas a partir de
dados do Open Street Map e do Mapa Urbano B{\'a}sico Digital de
Goi{\^a}nia. Para a an{\'a}lise da equidade espacial,
c{\'e}lulas de uma grade hexagonal constitu{\'{\i}}ram as
unidades espaciais de an{\'a}lise, {\`a}s quais dados
populacionais do Censo 2010 foram agregados. Inicialmente,
computou-se a oportunidade de acesso ao Verde Urbano por
c{\'e}lula. Para as coberturas vegetais calculou-se a
propor{\c{c}}{\~a}o das classes por c{\'e}lula, e para as
{\'A}reas Verdes P{\'u}blicas estimou-se o indicador de
acessibilidade Balanced Floating Catchment Area (BFCA).
An{\'a}lises da distribui{\c{c}}{\~a}o espacial das
oportunidades de acesso ao Verde Urbano e dos grupos populacionais
considerados (Crian{\c{c}}as e Adolescentes, Idosos, Mulheres
Adultas, Negros, Menos Alfabetizados e Fam{\'{\i}}lias de
Menores Rendas) foram realizadas com o Indicador Local de
Associa{\c{c}}{\~a}o Espacial e a Regress{\~a}o Geograficamente
Ponderada. A combina{\c{c}}{\~a}o destas an{\'a}lises deu
origem a mapas de iniquidade por grupo populacional. Dos
resultados de mapeamento das imagens, 75% da {\'a}rea de estudo
foi classificada igualmente pelas duas abordagens iniciais.
Por{\'e}m, em 9% da {\'a}rea remanescente, a
classifica{\c{c}}{\~a}o h{\'{\i}}brida final melhorou em 35%
as acur{\'a}cias das classes de vegeta{\c{c}}{\~a}o,
aperfei{\c{c}}oando a identifica{\c{c}}{\~a}o das coberturas
vegetais. Quanto ao mapeamento das oportunidades de acesso, as
{\'a}reas centrais apresentaram-se mais carentes de coberturas
vegetais (propor{\c{c}}{\~a}o inferior a 8%), e as
perif{\'e}ricas de {\'A}reas Verdes P{\'u}blicas. Das
popula{\c{c}}{\~o}es analisadas, Crian{\c{c}}as e Adolescentes,
Negros, Menos Alfabetizados e Fam{\'{\i}}lias de Menores Rendas,
e em menores propor{\c{c}}{\~o}es, Mulheres Adultas,
apresentaram-se concentradas nas periferias. Por sua vez,
verificou-se concentra{\c{c}}{\~a}o de Idosos nas {\'a}reas
centrais. Com os mapas de iniquidade foi poss{\'{\i}}vel
localizar as {\'a}reas com menores oportunidades de acesso ao
Verde Urbano para cada grupo populacional. Conclui-se, assim, que
mapas h{\'{\i}}bridos constituem alternativas adequadas para
reduzir confus{\~o}es entre classes de vegeta{\c{c}}{\~a}o
identificadas no estudo do Verde Urbano. A an{\'a}lise espacial
das oportunidades de acesso ao Verde Urbano revelou que h{\'a}
variados padr{\~o}es de iniquidade em Goi{\^a}nia: menores
oportunidades de acesso ao Verde Urbano, especialmente {\`a}s
{\'A}reas Verdes P{\'u}blicas, foram identificadas em diferentes
regi{\~o}es, dependendo do grupo populacional analisado. As
regi{\~o}es de menores oportunidades podem sugerir {\'a}reas
priorit{\'a}rias para mais oferta de vegeta{\c{c}}{\~a}o ou
parques e pra{\c{c}}as na cidade. Finalmente, a metodologia
proposta baseada em dados e softwares livres permite que estas
an{\'a}lises sejam replicadas para outras cidades brasileiras,
contribuindo para diagn{\'o}sticos e planejamentos do Verde
Urbano. ABSTRACT: Urban Green represents the several types of
vegetation within a city, including public green spaces, like
parks and squares, which are meant for population use. For
providing many socio-environmental benefits, Urban Green should be
correctly mapped and equitably distributed to different population
groups. Using image processing, geoprocessing, and spatial
analysis tools, the objective of this study was to map Urban Green
categories and their access opportunities and analyze Urban Green
spatial equity in Goi{\^a}nia, chosen as the study area. Tree and
Herb-shrub Covers and Public Green Spaces (urban parks and
squares) were studied as Urban Green categories. To map urban
vegetation covers, a hybrid image classification method was
proposed: combining results from object-based classification of
one pan-sharpened CBERS 04A WPM (2 m) and a pixel-based
classification of Sentinel-2 MSI (10 m) time series, using Random
Forest algorithm for both classifications. Shannon entropy was
used to attribute classes to the objects, composing the final
Hybrid Map. Public Green Space data were selected from Open Street
Map and Goi{\^a}nias Digital Baisc Urban Map (Mapa Urbano
B{\'a}sico Digital de Goi{\^a}nia). For spatial equity analysis,
hexagonal grid cells constituted the spatial unit analysis, to
which Census 2010 population geospatial data were aggregated.
First, the opportunities to access the Urban Green were measured
per cell. For the vegetation covers, it was calculated the area
proportion per cell; for Public Green Space, the Balanced Floating
Catchment Area (BFCA) accessibility indicator was estimated. The
spatial distribution analyses of both population groups (Children
and Teenagers, Elderlies, Adult Women, Black People, Less
Literates and Lower Income Families) and opportunities to access
Urban Green were performed using the Local Indicator of Spatial
Association and the Geographically Weighted Regression. The
combination of both analyses generated Inequity Maps per
population group. From vegetation mapping results, 75% of the
study area was equally classified by the initial approaches.
However, in 9% of the remaining area, the hybrid classification
improved vegetation classes accuracy by 35%, contributing to the
vegetation covers identification. Concerning the mapping of access
opportunities, downtown areas are deprived of vegetation covers
(proportion lower than 8%), whereas the outskirts, of Public Green
Spaces. From the analyzed population groups, Children and
Teenagers, Black People, Less Literates and Lower- Income
Families, and a smaller proportion of Adult Women concentrate in
the outskirts. The Elderlies are found mainly in downtown areas.
The Inequity maps were useful to localize the areas with less
opportunities to each population group access each Urban Green
categories. As conclusions, hybrid maps are adequate alternatives
to reduce classification mistakes related to urban vegetation
cover identified in the Urban Green study. The spatial analysis of
the opportunities to access Urban Green revealed several
inequities patterns in Goi{\^a}nia: lesser opportunities to
access Urban Green, mainly Public Green Spaces, were identified in
different regions, depending on the analyzed population group.
Regions with less opportunities may be priorities for provision of
more vegetation or parks and squares within the city. Finally, the
proposed methodology, based on open data and software, allows the
replication of these analyses to other Brazilian cities,
contributing to Urban Green diagnostics and planning.",
committee = "Almeida, Cla{\'u}dia Maria de (presidente), and Kampel, Silvana
Amaral (orientadora), and Monteiro, Ant{\^o}nio Miguel Vieira and
K{\"o}rting, Thales Sehn and Giannotti, Mariana Abrantes",
englishtitle = "Urban Green: from remote identification to spatial equity
analysis",
language = "pt",
pages = "179",
ibi = "QABCDSTQQW/46C62L8",
url = "http://urlib.net/ibi/QABCDSTQQW/46C62L8",
targetfile = "publicacao.pdf",
urlaccessdate = "26 abr. 2024"
}