Fechar

%0 Thesis
%4 urlib.net/www/2022/02.14.19.04
%2 urlib.net/www/2022/02.14.19.04.17
%T Da identificação remota à análise da equidade espacial do Verde Urbano
%J Urban Green: from remote identification to spatial equity analysis
%D 2022
%8 2022-02-14
%9 Dissertação (Mestrado em Sensoriamento Remoto)
%P 179
%A Adorno, Bruno Vargas,
%E Almeida, Claúdia Maria de (presidente), ,
%E Kampel, Silvana Amaral (orientadora), ,
%E Monteiro, Antônio Miguel Vieira ,
%E Körting, Thales Sehn ,
%E Giannotti, Mariana Abrantes,
%I Instituto Nacional de Pesquisas Espaciais (INPE)
%C São José dos Campos
%K oportunidades de acesso, cobertura vegetal urbana, Áreas Verdes públicas, CBERS-4A, Sentinel-2, opportunities to access, urban vegetation cover, public Green Space.
%X O Verde Urbano compõe-se dos diferentes tipos de vegetação em uma cidade, incluindo espaços públicos como parques e praças destinados ao uso da população. Por proporcionar diversos benefícios socioambientais, o Verde Urbano deve ser corretamente mapeado e ter distribuição equitativa para os diferentes grupos populacionais. Através de ferramentas de sensoriamento remoto, geoprocessamento e análise 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 Goiânia como área de estudo. As Coberturas Arbórea e Herbácea-Arbustiva, e as Áreas Verdes Públicas (parques e praças) foram as categorias de Verde Urbano estudadas. Para o mapeamento das coberturas vegetais, propôs-se um método híbrido de classificação de imagens: integrando a classificação baseada em objeto de imagem fusionada CBERS 04A WPM (2 m) com a classificação de séries 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 Híbrido final. As Áreas Verdes Públicas foram delimitadas a partir de dados do Open Street Map e do Mapa Urbano Básico Digital de Goiânia. Para a análise da equidade espacial, células de uma grade hexagonal constituíram as unidades espaciais de análise, às quais dados populacionais do Censo 2010 foram agregados. Inicialmente, computou-se a oportunidade de acesso ao Verde Urbano por célula. Para as coberturas vegetais calculou-se a proporção das classes por célula, e para as Áreas Verdes Públicas estimou-se o indicador de acessibilidade Balanced Floating Catchment Area (BFCA). Análises da distribuição espacial das oportunidades de acesso ao Verde Urbano e dos grupos populacionais considerados (Crianças e Adolescentes, Idosos, Mulheres Adultas, Negros, Menos Alfabetizados e Famílias de Menores Rendas) foram realizadas com o Indicador Local de Associação Espacial e a Regressão Geograficamente Ponderada. A combinação destas análises deu origem a mapas de iniquidade por grupo populacional. Dos resultados de mapeamento das imagens, 75% da área de estudo foi classificada igualmente pelas duas abordagens iniciais. Porém, em 9% da área remanescente, a classificação híbrida final melhorou em 35% as acurácias das classes de vegetação, aperfeiçoando a identificação das coberturas vegetais. Quanto ao mapeamento das oportunidades de acesso, as áreas centrais apresentaram-se mais carentes de coberturas vegetais (proporção inferior a 8%), e as periféricas de Áreas Verdes Públicas. Das populações analisadas, Crianças e Adolescentes, Negros, Menos Alfabetizados e Famílias de Menores Rendas, e em menores proporções, Mulheres Adultas, apresentaram-se concentradas nas periferias. Por sua vez, verificou-se concentração de Idosos nas áreas centrais. Com os mapas de iniquidade foi possível localizar as áreas com menores oportunidades de acesso ao Verde Urbano para cada grupo populacional. Conclui-se, assim, que mapas híbridos constituem alternativas adequadas para reduzir confusões entre classes de vegetação identificadas no estudo do Verde Urbano. A análise espacial das oportunidades de acesso ao Verde Urbano revelou que há variados padrões de iniquidade em Goiânia: menores oportunidades de acesso ao Verde Urbano, especialmente às Áreas Verdes Públicas, foram identificadas em diferentes regiões, dependendo do grupo populacional analisado. As regiões de menores oportunidades podem sugerir áreas prioritárias para mais oferta de vegetação ou parques e praças na cidade. Finalmente, a metodologia proposta baseada em dados e softwares livres permite que estas análises sejam replicadas para outras cidades brasileiras, contribuindo para diagnósticos 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 Goiânia, 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 Goiânias Digital Baisc Urban Map (Mapa Urbano Básico Digital de Goiânia). 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 Goiânia: 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.
%@language pt
%3 publicacao.pdf


Fechar