ANÁLISE ESPACIAL PARA A INTEGRAÇÃO DE PROPRIEDADES NATURAIS

Simone Bönisch sbonisch@cwb.matrix.com.br
Gilberto Câmara gilberto@dpi.inpe.br
Antônio Miguel Vieira Monteiro miguel@dpi.inpe.br

Instituto Nacional de Pesquisas Espaciais
Av. dos Astronautas, 1758 Jd. Granja
São José dos Campos – São Paulo – Brasil
CEP: 12227-010 Fone: (012) 345-6444

RESUMO

O trabalho compara duas metodologias de análise espacial para projetos ambientais, que se utilizam de Sistemas de Informações Geográficas. O projeto em questão trata do zoneamento pedoclimático para a cultura de soja no estado de Santa Catarina. A primeira metodologia consiste em uma transposição mais ou menos direta das técnicas tradicionais de integração de dados nas mesas de luz, aplicando os operadores da Álgebra Booleana. A segunda, reclassifica as propriedades ambientais, de qualitativas para quantitativas, por uma operação de ponderação e, combina-as por Operadores Aritméticos. Os resultados obtidos são avaliados qualitativamente por dados de controle, que são relativos à produtividade de soja.

ABSTRACT

This paper compares two methodologies of space analysis for environmental projects, that are used of Systems of Geographical Information. The project in subject treats of the agricultural zoning for the soy culture in the state of Santa Catarina. The first methodology consists more or less of a conversion direct of the traditional techniques of integration of data in the light tables, applying Algebra Booleana's operators. The second, classify the environmental properties, of qualitative for quantitative, for a ponder operation and, it combines them for Arithmetic Operators. The obtained results are appraised in a qualitative way for control data, that are relative to the soy productivity.

INTRODUÇÃO

A humanidade, com a proximidade do ano 2000, confronta-se com dois problemas globais: a deterioração ambiental e esgotamento dos recursos naturais, e a crescente pressão sobre a capacidade de alimentar uma população em rápido crescimento (Cusack, 1983 citado por Thomé et al., 1996). Estes problemas sugerem o desenvolvimento de uma agricultura moderna, ecologicamente equilibrada e rentável.

Essa premissa tem levado à crescente necessidade por projetos ambientais que estabeleçam uma política agrícola, a qual contemple as atividades e culturas agrícolas que estiverem integradas à vocação ecológica regional, dando-lhes a garantia de estabilidade e rentabilidade competitiva. Nestes projetos o emprego de Sistemas de Informações Geográficas (SIG) é justificada pela sua capacidade de integrar e transformar dados referenciados espacialmente, fornecendo um suporte à tomada de decisões (Câmara e Medeiros, 1996).

Porém, é pouco comum encontrar na literatura formulações metodológicas de geoprocessamento para aplicações ambientais, de caráter abrangente. A tendência natural dos especialistas é trazer de suas disciplinas de origem, as metodologias tradicionais adotadas e, realizar nos SIGs uma transposição mais ou menos direta destas técnicas (Câmara e Medeiros, 1996).

Neste panorama, o objetivo deste trabalho é o de comparar duas metodologias de geoprocessamento para projetos ambientais, analisando os resultados obtidos por medidas de controle. A primeira metodologia, adota os operadores da Álgebra Booleana para a integração de dados temáticos de propriedades naturais, determinando se uma certa condição é verdadeira ou falsa. Esta técnica é semelhante à tradicional técnica da análise espacial empregada nas mesas de luz (Bonham-Carter, 1994) e, não admite a possibilidade de uma relação parcial, onde os temas compensam uns aos outros, caracterizando-se como conservadora em termos de risco. A segunda, chamada de Classificação Contínua, um novo atributo quantitativo é associado às classes temáticas, por uma operação de ponderação, expressando uma relativa associação de cada propriedade natural com um determinado processo natural "P" (Berry, 1987). A combinação dos dados quantitativos é feita por operadores aritméticos da Álgebra de Mapas (Tomlin, 1991 e Câmara, 1995), permitindo a compensação plena dos temas, aceitando um risco médio.

O projeto em estudo neste trabalho, trata do zoneamento pedoclimático para a cultura de soja, no estado de Santa Catarina. Combina classes de solo, clima, aptidão pedológica e climática, nas duas metodologias já citadas. Os resultados obtidos são avaliados qualitativamente por medidas de controle, que são relativos à produtividade de soja.

DADOS UTILIZADOS NO TRABALHO

Foram usados neste trabalho, os seguintes dados referentes ao Estado de Santa Catarina: mapa de levantamento de solos, mapa de unidades climáticas, aptidão pedológica e climática para a cultura de soja, malha municipal e quantidade de soja produzida por município.

Mapa de solos: originado do levantamento de solos do estado, pelo Centro Nacional de Pesquisas de Solo – Embrapa. O mapa é apresentado na Figura 1 e, a simbologia da legenda é descrita abaixo na Tabela 1. Embora não explícito no mapa, as unidades de solos ainda são distinguidas por características e propriedades que complementam a definição da classe, como: eutrófico, destrófico ou álico, além de números seqüenciais que ordenam a identificação de classes que pertencem a mesma unidade taxonômica mas são distintas quanto a vegetação, relevo e fase de pedregosidade (Santos et al., 1998).

Tabela 1 - Classes de solo e respectivos símbolos

Mapa de unidades climáticas: as unidades climáticas ou regiões agroecológicas, foram definidas com base nos levantamentos climáticos disponíveis, realizados pela Gerência de Recursos Naturais da Empresa de Pesquisa Agropecuária e Extensão Rural de Santa Catarina S. A. (Epagri) e trabalhos sobre climatologia do Estado. Teve como finalidade reunir os municípios, em nível de macroclima, com características climáticas (especialmente em relação ao regime térmico - pluviométrico); geomorfológicas; de capacidade de uso dos solos e uso atual; o mais homogêneas possíveis. O Estado foi dividido em cinco grandes regiões agroecológicas, com algumas delas subdivididas em duas ou mais sub-regiões, descritas abaixo (Thomé et al., 1996) e espacializadas conforme o Mapa de Unidades Climáticas da Figura 2:

Região Agroecológica 1

Sub-região 1A - Litoral Norte Vale dos rios Itajaí e Tijucas

Sub-região 1B - Litoral de Florianópolis e Laguna

Região Agroecológia 2

Sub-região 2A - Alto vale do Rio Itajaí

Sub-região 2B - Carbonífera, Extremo Sul e Colonial Serrana Catarinense

Sub-região 2C - Vale do Rio Uruguai

Região Agroecológica 3

Sub-região 3A - Vale do Rio do Peixe e Planalto Central

Sub-região 3B - Planalto Norte Catarinense

Sub-região 3C - Noroeste Catarinense

Região Agroecológica 4

Sub-região 4A - Campos de Lages

Sub-região 4B - alto Vale do Rio do Peixe e Alto Irani

Região Agroecológica 5

Sub-região 5 - Planalto Serrano de São Joaquim

Aptidão pedológica para a cultura de soja: a avaliação pedológica foi realizada pela Embrapa, considerando os parâmetros de fertilidade, textura, classes de relevo, profundidade efetiva do solo, suscetibilidade à erosão, drenagem e pedregosidade e/ou rochosidade. Para a cultura de soja, a avaliação considerou apenas o nível de manejo C (desenvolvido), visto ser a soja uma cultura altamente tecnificada. Cada unidade de solo foi enquadrada a uma classe de aptidão determinada pelo parâmetro de maior grau de limitação, com exceção da fertilidade, já que o uso de corretivos e fertilizantes é uma prática prevista no nível de manejo considerado. As classes de aptidão são (Embrapa, 1997):

Boa: compreende terras sem limitações significativas para a cultura, com produção sustentável. Há um mínimo de restrições que não reduzem a produtividade de forma expressiva e que não aumenta os insumos exigidos acima de um nível considerado aceitável;

Regular: compreende terras que apresentam limitações moderadas para a cultura, com produção sustentável. As limitações reduzem a produtividade ou os benefícios, aumentando a necessidade de insumos de forma a elevar as vantagens a serem obtidas do uso. Ainda que atrativas, essas são sensivelmente inferiores àquelas obtidas das terras da classe Boa;

Restrita: compreende terras que apresentam limitações fortes para a cultura, com produção sustentável. As limitações reduzem a produtividade ou os benefícios, aumentando a necessidade de insumos;

Inapta: as terras enquadradas nesta classe apresentam sérias limitações ao uso agrícola, que parecem excluir a produção sustentada.

Aptidão climática para a cultura de soja: a avaliação da aptidão climática foi realizada pela Epagri, considerando os seguintes índices climáticos (Thomé et al., 1997 citado por Embrapa, 1997):

1. soma térmica no ciclo igual ou superior a 800ºC, sendo a temperatura mínima basal igual a 15ºC e a temperatura máxima basal igual a 40ºC;

2. deficiência hídrica no primeiro decêndio (semeadura - emergência) inferior a 10mm;

3. somatório das deficiências hídricas do décimo ao décimo segundo decêndios (enchimento do grão) inferior a 20mm;

4. ocorrência das últimas geadas de primavera e as primeiras geadas de outono.

A partir desses índices, as unidades climáticas foram associadas as seguintes classes de aptidão climática (Embrapa, 1997):

Preferencial: quando as condições climáticas de uma determinada área apresentam-se favoráveis ao desenvolvimento e produção da cultura em escala comercial;

Tolerada: quando as condições climáticas de uma determinada área podem eventualmente prejudicar fases do desenvolvimento da cultura, refletindo negativamente em sua produção;

Cultivo não recomendado (CNR): quando as condições de uma determinada área acarretam problemas para o desenvolvimento da cultura, ocasionando prejuízos marcantes em sua produção, e exigindo o emprego de práticas onerosas para sua correção.

Malha municipal: obtida da Malha Municipal Digital do Brasil, gerada pelo IBGE (IBGE, 1996).

Quantidade de soja produzida por município: obtida do banco de dados SIDRA-97 (IBGE, 1998), que contém o registro da quantidade de soja produzida em toneladas, para cada município do Brasil, referentes aos anos de 1990 à 1996 (IBGE, 1998).

MATERIAIS

Para recuperação, manipulação, interpretação e análise dos dados, foram usados os seguintes softwares:

METODOLOGIA

Fluxograma da metodologia do trabalho.

1ª Etapa

Neta primeira etapa as classes de solo e clima foram remapeados para as correspondentes classes de aptidão pedológica e climática, como mostra as Figuras 3 e 4. Em seguida, foram integradas por um conjunto de regras Booleanas, usando o operados lógico AND, segundo a Tabela 2:

Tabela 2 - Possíveis combinações entre as classes de aptidão pedológica e climática

As classes de aptidão pedoclimática correspondem a:

Preferencial: compreende áreas que não apresentam restrições de ordem climática e pedológica para a cultura, podendo apresentar altos rendimentos em escala comercial de exploração;

Tolerada: compreende áreas que não apresentam restrições de ordem climática e que, no entanto, apresentam restrições pedológicas que variam de ligeira a moderada para a cultura, podendo apresentar médios rendimentos em escala comercial de exploração;

Marginal: compreende áreas que não apresentam restrições de ordem climática de moderada a forte e que apresentam restrições pedológicas que variam de nula a forte para a cultura, apresentando baixos rendimentos em escala comercial de exploração;

Cultivo não recomendado (CNR): compreende áreas que apresentam restrições muito fortes que inviabilizam o seu aproveitamento econômico para a cultura.

O mapa de aptidão pedoclimática resultante desta técnica é representado na Figura 5.

2ª Etapa

Se refere à primeira aplicação do método de Classificação Contínua. Foram atribuídos valores numéricos às classes de aptidão pedológica e climática no range de 0 a 1, por uma operação de ponderação, com base nas características das classes, como mostra a Tabela 3:

Tabela 3 - Valores numéricos atribuídos às classe de aptidão pedológica e climática

3ª Etapa

Esta etapa corresponde à segunda aplicação do método de Classificação Contínua, que teve a finalidade de atribuir valores numéricos, não mais às classes de aptidão pedológica e climática e sim às classes de solo e de clima, na tentativa de refinar a resolução espacial dos temas.

As classes de solo representadas no mapa foram separadas em quinze grupos de acordo com sua própria classificação e aptidão pedológica definida pela Embrapa. Os valores numéricos atribuídos a cada grupo foram determinados pelo módulo WEIGHT implementado no software IDRISI, que utiliza uma técnica de comparação pareada para definir um conjunto de pesos aos critérios (aqui, cada grupo). As comparações referem-se à importância relativa a cada dois critérios na determinação de sua aptidão para o objetivo determinado (aqui, aptidão agrícola), gerando uma matriz de comparação, cujo autovetor representa esses pesos (soma igual a 1) que então, indicam a importância relativa de cada critério em relação aos demais (Eastman, 1998).

Para as unidades climáticas, pretendia-se fazer o mesmo, mas não haviam informações sobre as características de cada unidade, além da sua aptidão. Então, foi aplicada a técnica de comparação pareada para as três classes de aptidão climática, cujos valores obtidos foram linearmente transformados, para que os valores máximo e mínimo fossem equivalentes aos valores máximo e mínimo atribuídos às classes de solo. A Tabela 4 apresenta os valores numéricos correspondentes aos critérios de solo e clima:

Tabela 4 - Valores numéricos atribuídos às unidades de solo e às classes de aptidão climática

Para representar a grade final nas quatro classes temáticas de aptidão pedoclimática, supõe-se que seus valores eram normalmente distribuídos. Foram estimadas a média e a variância a partir dos possíveis valores gerados da combinação (independente da freqüência) e determinados quatro intervalos com iguais probabilidades de ocorrência (25%), que interpolados na grade, delimitaram as classes, como mostra o mapa na Figura 7.

4ª Etapa

Consiste na espacialização dos dados de quantidade produzida de soja por município gerando um mapa com quatro classes de produção, e a comparação deste mapa com os três de aptidão pedoclimática já citados.

Dos dados de quantidade de soja produzida em toneladas por município, disponíveis para os anos de 1990 à 1996, foram excluídos os correspondentes ao ano de 1991, por serem muito atípicos, podendo comprometer toda a análise. Dos demais dados foi obtida a média para cada município, que normalizada pela área do município, gerou um valor aqui denominado de índice de produção (tonelada/hectare). A espacialização deste índice foi feita pelo método de Estimação Impírica de Bayes, que parte da idéia geral de uma distribuição de probabilidade a priori não convencional, para os valores de um parâmetro de interesse, que é convertida para uma distribuição a posteriori usando os dados observados. Este método supõe que o parâmetro normalizado q i (aqui, índice de produção) para cada área, tem uma distribuição de probabilidade a priori com média g i e variância f i. Para estimar essas médias e variâncias é feita a simplificação de que são iguais para todas as distribuições a priori, ou seja, g i = g e f i = f . A partir desta simplificação assume-se que a então distribuição de probabilidade a priori é uma distribuição gamma, e g e f são estimados pelo método de máxima verossimilhança a partir dos dados observados normalizados. Estes estimadores são um tanto quanto complexos, e uma alternativa é aplicar o método dos momentos, onde:

Com a aplicação do método de Estimação Impírica de Bayes (estimação feita pelo método dos momentos), foi então obtida a probabilidade relativa de produção de soja para cada município, que por sua vez foram dividas em quatro classes, conforme a Tabela 5:

Tabela 5 - Intervalos de probabilidade de produção de soja e respectivas classes

Para comparar este mapa com os de aptidão pedoclimática, também foi usado o método de Classificação Contínua, atribuindo valores iguais às classes de aptidão e às correspondentes de produção, como por exemplo: a classe Preferencial recebeu o mesmo valor que a classe de Produção Alta, etc.. Com as grades geradas, dividiu-se a de aptidão pela a de produção e dos valores obtidos, os iguais a 1 foram classificados como Equivalente, os maiores que 1, Superestimação e os menores, como Subestimação. Estas duas últimas classes ainda foram subdivididas em três grupos, conforme mostra a Tabela 6:

Tabela 6 - Classificação do cruzamento Aptidão X Produção

ANÁLISE DOS RESULTADOS

Analisando os mapas de aptidão pedoclimática obtidos pelos métodos Booleano (Figura 5) e Classificação Contínua (Figura 6 - primeira aplicação), ambos sobre os dados de aptidão pedológica e climática, observa-se a abordagem de "risco", confirmando a característica de conservador do método Booleano e de risco médio do método de Classificação Contínua, com classes de aptidão mais otimistas.

Já o mapa obtido do método de Classificação Contínua sobre os dados de solo e classes de aptidão climática (Figura 7), com os valores dos critérios adquiridos por comparação pareada, um resultado interessante é a ausência da classe Marginal. Isto ocorreu porque haviam três classes referentes ao clima, que quando somadas aos quinze grupos de solo, definiu três conjuntos de valores bem distintos. Desta forma, a predominância das classes Preferencial e Tolerada, se dá pela influência da aptidão climática Preferencial, dominante em todo o Estado. Este resultado sugere que para uma análise com resolução espacial dos temas mais refinada da aptidão pedoclimática, o número de classes de solo e clima, deve ser aproximadamente o mesmo.

O resultado do cruzamento entre o mapa de aptidão pedoclimática - método Booleano, e o de produção por município (Figura 9), mostra uma extensa área de domínio das classes de Subestimação, aqui considerado um grande problema, pois indicam áreas não aptas, ou não aptas o suficiente, para os índices de produção apresentados nos últimos anos.

Para o cruzamento com o mapa obtido do método de Classificação Contínua das classes de aptidão pedológica e climática (Figura 10), encontrou-se no geral o melhor resultado. As áreas de Subestimação, principalmente as de passo 3, reduziram bastante na região oeste do Estado, o que é muito positivo. A grande área de Superestimação de passo 1, presente próxima ao litoral, corresponde a classe de aptidão Marginal e não tem registro de produção, podendo então ser desconsiderada, já que pela própria experiência, a prática agrícola rentável nestas regiões deve ser outra. Uma outra área de domínio das classes de Superestimação correspondente às regiões agroecológicas Vale do Rio do Peixe e Planalto Central - 3A e Alto Vale do Rio Itajaí - 2A , provavelmente indica que essas regiões não estão sendo exploradas em toda a sua capacidade de produção de soja, pois apresentam aptidão pedoclimática favorável (também ocorre nos outros mapas gerados) e estão próximas à áreas altamente produtivas.

No último mapa de comparação (Figura 11), já era esperada a predominância das áreas de Superestimação pela influência da aptidão climática favorável, compensando as classes de Subestimação. Porém, como em todos os outros mapas, a região do Planalto Norte Catarinense se manteve altamente subestimada, e como este resultado foi induzido pelas características do clima, leva à suspeita de alguma problemática na caracterização ou classificação desta região.

CONCLUSÃO

O método de Classificação Contínua foi considerado de fácil implementação e muito interessante pela liberdade de combinar os dados por operações matemáticas. Entretanto, há a dificuldade da escolha dos atributos quantitativos que são associados aos mapas temáticos. A matriz de comparação implementada no software IDRISI é uma boa alternativa, mas assim mesmo o usuário tem que estabelecer uma relação de importância entre os critérios. Uma solução para este problema seria usar um outro critério quantitativo que caracterizasse a propriedade natural, como por exemplo, uma certa propriedade química do solo. Se isso não for possível, vale a experiência dos especialistas.

A escolha dos atributos neste trabalho foi subsidiada pela classificação de aptidão definida pela Embrapa e talvez um estudo mais exaustivo para essa escolha e para a escolha da operação matemática, trouxesse resultados melhores, mas não muito diferentes dos aqui obtidos. Mesmo assim, o trabalho foi considerado de grande valia, pois de uma maneira simples, prova a necessidade por uma investigação das possíveis metodologias de análise espacial, para a escolha daquela que melhor se enquadra aos dados trabalhados e que, as tradicionais metodologias de análise espacial empregadas nas mesas de luz, nem sempre são a melhor opção em meio digital.

Algumas sugestões para o aperfeiçoamento deste trabalho seriam: o refinamento dos dados climáticos; a desagregação dos dados de solo considerando cada parâmetro, ou pelo menos os principais, como critérios particulares para a definição da aptidão; aplicar as abordagens Fuzzy (Burrough e McDonnell, 1998) e Inferência Bayesiana (Bonham-Carter, 1994) comparando os resultados; definir as áreas de cultivo de soja no últimos anos refinado o mapa de produção e determinar um índice ou uma representação espacial que indique uma informação de incerteza associada aos mapas de aptidão gerados permitindo uma avaliação objetiva dos resultados.

Figura 1 – Mapa de Solos.

Figura 2 – Mapa de Unidades Climáticas

Figura 3 – Mapa de Aptidão Pedológica para a Cultura de Soja.

Figura 4 – Mapa de Aptidão Climática para a Cultura de Soja.

Figura 5 – Mapa de Aptidão Pedoclimática para a Cultura de Soja / Método Booleano.

Figura 6 – Mapa de Aptidão Pedoclimática para a Cultura de Soja / Método Classificação Contínua (para as classes de aptidão do solo e aptidão do clima – 1ª aplicação).

Figura 7 – Mapa de Aptidão Pedoclimática para a Cultura de Soja / Método Classificação Contínua (para os grupos de solo e classes de aptidão climática – 2ª aplicação).

Figura 8 – Mapa de Produção Relativa de Soja por Município.

Figura 9 – Mapa de Comparação: Produção de Soja X Aptidão Pedoclimática – Método Booleano.

Figura 10 – Mapa de Comparação: Produção de Soja X Aptidão Pedoclimática – Método Classificação Contínua (1ª aplicação).

Figura 11 – Mapa de Comparação: Produção de Soja X Aptidão Pedoclimática – Método Classificação Contínua (2ª aplicação).

REFERÊNCIAS BIBLIOGRÁFICAS

Bailey, T.C.; Gatrell, A.C. Interactive spatial data analysis. Edinburgh Gate: Addison Wesley Longman, 1995. 413p.

Berry, J.K. Fundamental operations in computer-assisted map analysis. International Journal of Geographical Information Systems, v.1, n.2, p.119-136, 1987.

Bonham-Carter, G.F. Geographic information systems for geocientists: modelling with GIS. Kidlington: Elsevier Sceience, 1994. 398p.

Burrough, P.A.; McDonnell, R.A. Principles of geographical information systems. New York: Oxford University Press, 1998. 334p.

Câmara, G. Modelos, linguagens e arquiteturas para bancos de dados geográficos. Tese (Doutorado em Computação Aplicada) – Instituto Nacional de Pesquisas Espaciais, 1995.

Câmara, G.; Medeiros, J.S. Geoprocessamento para projetos ambientais. São José dos Campos: INPE, 1996.

Eastman, J.R. IDRISI for Windows: Introdução e exercícios tutoriais. Porto Alegre: Universidade Federal do Rio Grande do Sul – Centro de Recursos Idrisi, 1998. 240p.

Empresa Brasileira de Pesquisas Agropecuárias (Embrapa). Zoneamento pedoclimático do Estado de Santa Catarina. Rio de Janeiro: Embrapa, 1997. 59p.

Instituto Brasileiro de Geografia e Estatística (IBGE). Malha municipal digital do Brasil: situação em 1991 e 1994. [CD-ROM]. Rio de Janeiro: IBGE, 1996.

Instituto Brasileiro de Geografia e Estatística (IBGE). Sistema IBGE de recuperação automática (SIDRA 97). [online]. <http://www.sidra.ibge.gov.br>. Sep, 1998.

Santos, H.G.; Larach, J.O.I.; Mothci, E.P. Símbolos e convenções para identificação de classes de solos. [online]. <http://www.cnps.embrapa.br/frames/classif.html>. Mai, 1998.

Tomlin, C.D. Cartographic modelling. In: Maguire, D.J.; Goodchild, M.F.; Rhind, D.W. ed. Geographical information systems: principles and applications. Harlow: Longman Scisntific and Technical, 1991. V.1, p.361-374.