ordenamento_territorial
Maximiliano Gobbo
2024-04-24
Apresentação
Antromas Paulistas: mapeamentos dos antromas paulistas para o ordenamento territorial.
De modo sintético, os antromas (biomas antropogênicos) representam subdivisões dos biomas terrestres, as quais são baseadas na interpolação de dados demográficos (ocupações humanas) e nas tipologias de uso e cobertura do solo. Por meio destas subdivisões diferentes propostas analíticas podem ser desenvolvidas, como o planejamento e ordenamento territorial. Entretanto, para atingirmos a construção do mapeamento dos antromas, tornou-se imprescindível analisar e mapear os dados separadamente, ou seja, operar dados demográficos e de uso e cobertura do solo individualmente, para posteriormente correlacioná-los.
O presente documento integra a Tese de Doutorado: REGIONALIZAÇÃO DOS ANTROMAS BRASILEIROS: Ferramenta para o Mapeamento em Linguagem R®. Neste capítulo, realizamos a junção do mapeamento dos antromas povoados com o mapeamentos dos antromas de uso e cobertura do solo, de modo a produzir um mapeamento único dos antromas paulistas (estudo piloto). Nesta etapa, consideramos os produtos gerados individualmente e todo o percurso analítico para produzir os mapeamentos individualmente. Portanto, este capítulo refere-se somente ao processo de junção dos mapeamentos, tanto estático quanto interativo.
Convidamos você a conhecer nosso trabalho e percorrer cada uma das etapas analíticas deste trabalho. Você também pode conhecer este trabalho através do GitHub, acessando nosso repositório de códigos: https://github.com/maximilianogobbo/brazilian-anthromes. E para conhecer mais sobre a linha de pesquisa do Grupo de Trabalho EcoMetrologia acesse nosso linktree: https://linktr.ee/maximiliano.gobbo.
Introdução
Ao longo desta pesquisa, realizamos a análise, a mineração, a manipulação, a plotagem e o mapeamento (estático e interativo) dos dados censitários (IBGE, 2013a) e de uso e cobertura do solo (IBGE, 2013b). Estes dados foram trabalhados com o intuíto de mapear os antromas no Estado de São Paulo, região definida como área piloto por sua representatividade econômica, política, social, cultural e ambiental, como demonstramos nos capítulos precedentes e como apontaram os autores.
A disjunção dos mapeamentos dos antromas povoados e dos antromas de uso e cobertura do solo permitiu uma visualização de como os agrupamentos populacionais e os usos do solo estão associados às classes dos biomas antropogênicos, definidos primeiramente por Ellis e Ramankutty (2008) e reiterados em outros trabalhos nesta área do conhecimento. Além disso, as análises realizadas em cada um deles possibilitaram o estudo da incerteza e a validação do nossos mapeamentos, onde verificamos que os produtos gerados separadamente possuem significativa capacidade de espacialização das informações geográficas, clareza nas informações e na representação delas, bem como um nível relevante dos indicadores de seletividade, especificidade e erro e acurácia global.
Com estes resultados promissores dos produtos gerados em linguagem de programação (software R), passamos a junção dos mapeamentos dos antromas povoados com os antromas de uso e cobertura do solo. A junção, também realizada no R, foi tratada em dois momentos. Primeiramente focamos no mapeamento estático, de modo a gerar um produto cartográfico que pudesse ser impresso e/ou inserido em outros materiais, sem perder a definição dos pixels que o compunham. Em um segundo momento, focamos na junção dos mapeamentos interativos, de maneira a estruturar um mapeamento para a integração em diferentes plataformas web, desktop e/ou mobile.
Nesta perspectiva, este capítulo está dividido em três momentos principais: 1. Mapeamento Estático dos Antromas Paulistas; 2. Mapeamento Interativo dos Antromas Paulistas, e; 3. Análise do Mapeamento Estático como ferramenta de Ordenamento Territorial. Este último item, como previsto na Metodologia da Tese, versou sobre o estudo do mapeamento e sua aplicabilidade nas práticas associadas ao planejamento e ao ordenamento territorial. Para tanto, ele traz um conjunto de reflexões sobre o produto e suas articulações com aspectos sociais, culturais, políticos e ambientais nacionais e as diretrizes analíticas socioecológicas do conceito de antromas.
Vale ressaltar que nós, considerando a regionalização do mapeamento e do conceito, trouxemos uma abordagem ampliada dos antromas, integrando aspectos socioculturais dos diversos aglomerados populacionais e das diferentes tipologias de uso e cobertura do solo do território paulista. Do mesmo modo, buscamos inserir e respaldar nossas reflexões em textos, trabalhos, políticas, normalizações, regulamentações e ordenamento jurídico nacional, tendo em vista que este é um trabalho para a nação brasileira e se alinha aos esforços para o atingimento do desenvolvimento sustentável e para o atendimento ao preceito descrito pelo artigo 225 da Carta Magna do Brasil (Brasil, 1988).
Carregamento dos dados demográficos
O primeiro momento refletiu nossa retomada dos conjuntos de dados usados nos capítulos anteriores. Para tanto, carregamos novamente os conjuntos de dados de base e realizamos os processos de mineração, filtragem e correlação de dados. Como justificamos nos capítulos anteriores e demonstramos os porquês de utilizar os conjuntos a seguir, aqui apenas trouxemos os dados de populacao01 e localsp para recriar o conjunto populated_anthromes (antromas povoados) e de coberturasp para anthromes_ucs_sp (antromas de uso e cobertura do solo).
Os procedimentos utilizados para recriar os conjuntos foram os mesmos empregados nos dois capítulos anteriores. Portanto, não apresentamos os códigos que deram origem aos dois conjuntos de antromas (populated_anthromes e anthromes_ucs_sp). De modo a refrescar a memória do leitor, reportamos na sequência apenas as plotagens dos dados de ambos os conjuntos, criando a atmosfera visual para a junção dos conjuntos. Assim, a Figura 1 representa a plotagem dos dados de populated_anthromes e a Figura 2 refere-se aos dados de anthromes_ucs_sp.
Figura: Antromas povoados
Fonte: os autores (2024). Legenda: plotagem do conjunto de dados referentes aos antromas povoados (populated_anthromes). Na figura são apresentas as diferentes tipologias de aglomerados populacionais descritas no território paulista.
Figura: Antromas de Uso e Cobertura do Solo.
Fonte: os autores (2024). Legenda: plotagem do conjunto de dados referentes aos antromas de uso e cobertura do solo (anthromes_ucs_sp). Na figura são apresentas as diferentes tipologias de uso e cobertura do solo descritas no território paulista.
Junção de Mapeamentos Estáticos
Reportados os conjuntos acima, passamos à junção dos mapeamentos estáticos dos antromas. Os conjuntos utilizados neste procedimento são indicados na sequência:
Uso e Cobertura:
legend_anthromes_ucs
anthromes_ucs_sp
Demografia:
populated_anthromes
legend_populatedanthromes
Junção:
colors_categories
order_categories
Destaca-se que os dados utilizados para Junção referem-se às características das legendas, pois, como demonstramos anteriormente e reportamos nos capítulos anteriores, cada um dos conjuntos (anthromes_ucs_sp e populated_anthromes) já possuíam legendas específicas. Para tanto, aqui sintetizamos as duas legendas em uma única, criando o que acima apresentamos como junção.
O procedimento para a criação de colors_categories e order_categories seguiu a estrutura de criação de dataframes (conjuntos de dados). Para o primeiro (colors_categories) estruturamos duas colunas, uma com as categorias (do inglês, category) de antromas presentes no Estado de São Paulo; a outra coluna com as cores (do inglês, colors) referentes a cada uma das tipologias de antromas. Esta estruturação levou a criação de um conjunto de 16 linhas e 2 colunas, onde as linhas representavam os diferentes antromas identificados na Unidade da Federação e sua respectiva coloração para o mapeamento.
Por outro lado, em order_categories realizamos a organização sequencial para a legenda, ou seja, a ordem lógica das categorias e suas respectivas cores. Neste caso não houve a criação de um dataframe, apenas um conjunto sequencial de informações para ordenar a criação da legenda e do uso das cores no mapeamento.
Script: Construção do mapeamento estático dos antromas paulistas.
# Mapeamento Estático dos Antromas
anthromes <- ggplot(anthromes_ucs, aes(fill = factor(cor, levels = unique(legend_anthromes_ucs$cor)))) +
geom_sf(color = NA) +
scale_fill_manual(values = legend_anthromes_ucs$cor,
labels = legend_anthromes_ucs$category,
name = "category")+
geom_point(data = populated_anthromes, aes(x = longitude, y = latitude, color = category), pch= 16, size = 1, inherit.aes = FALSE)+
scale_color_manual(values = setNames(colors_categories$colors, colors_categories$category), breaks = order_categories, labels = order_categories)+
labs (title = "Anthromes", subtitle = "Study Area: State of São Paulo (Brazil)", fill = colors_categories$category)+
theme_minimal()Fonte: os autores (2024). Legenda: script apresentando a estrutura do código para a criação do mapeamento estático dos antromas paulistas através da função ggplot().
Assumindo o predito, passamos à estruturação do mapeamento estático dos antromas de São Paulo. Para a criação, utilizamos a função ggplot() e suas funções acessórias para a organização dos dados no mapeamento. Como camada principal do mapeamento, empregamos os dados de anthromes_ucs, determinando a coloração para prlotagem através do operador fill = factor(cor, levels = unique(legend_anthromes_ucs$cor)), onde os níveis para coloração utilizavam-se da base legend_anthromes_ucs. Aditivamente, removemos as bordas dos polígonos de antromas_ucs_sp através de geom_sf (color = NA), pois, conforme apresentamos anteriormente, isso inviabilizaria a visualização das colorações dos polígonos. Sequencialmente, determinamos a criação da legenda dos dados através de scale_fill_manual(), determinando os valores das cores, das categorias e seus respectivos nomes.
Posteriormente, adicionamos a camada com os pontos associados aos antromas povoados (populated_anthromes), empregando a função geom_point(). Do mesmo modo que no capítulo referente aos antromas povoados, utilizamos o formato de pontos (pch = 16), o tamanho de 1 para os pontos (size = 1) e as informações de latitude e longitude (X e Y) para determinar a espacialização dos dados no mapeamento. O argumento inherit.aes = FALSE teve por objetivo determinar à função ggplot() a sobreposição da camada de pontos dos antromas povoados sobre o mapeamento gerado para os antromas de uso e coberutra do solo.
Complementarmente, em scale_color_manual() determinamos a criação da legenda para os pontos dos antromas povoados. A criação separada foi necessária, pois, por serem tipologias de dados diferentes(anthromes_ucs_sp = shapefile/raster; populated_anthromes = vetor/pontos), a função ggplot() não viabilizava a criação de uma única legenda. A seguir, a Figura 3 representa o Mapeamento Interativo dos Antromas de São Paulo.
Figura: Antromas Paulistas.
Fonte: os autores (2024). Legenda: mapeamento estáticos dos antromas classificados no território paulista. Os dados de uso e cobertura do solo formam a base do mapeamento, enquanto os dados demográficos são pontuados sobre esta base, formando um mosaico que permite a identificação das diferentes tipologias de antromas descritas para São Paulo.
Junção de Mapeamentos Interativos
Realizada a construção do mapeamento estático dos antromas paulistas, nos dedicamos à estruturação do mapeamento interativo dos mesmos. O objetivo nesta etapa foi fundir os dois mapeamentos criados nos capítulos anteriores, estabelecendo a relação entre as espacialidades e as suas características demográficas. Em outras palavras, tentamos, através do mapeamento interativo, dinamizar a visualização da ocupação demográfica nos diferentes contextos de uso e cobertura do solo nos antromas paulistas.
Neste sentido, primeiramente reproduzimos neste script os códigos associados a cada um dos mapeamentos interativos criados anteriormente (populatedanthromes_map e antromas_ucs_interativo), de modo a constatar que as estruturas codificadas ainda geravam os produtos anteriores. Sendo os mesmos produtos apresentados nos capítulos anteriores, não reproduzimos os códigos aqui; realizamos somente a corrida e conferência dos produtos (códigos ocultados).
Considerando isto, passamos à criação do mapeamento interativo dos antromas paulistas utilizando a função leaflet(). Conforme já descrevemos anteriormente, esta função utiliza-se da base de mapeamento do Open Street Maps (OSM), um acervo livre e colaborativo de mapas sobre diferentes contextos globais. Determinamos, já no início dos trabalhos que o mapeamento fosse gerado na região do Estado de São Paulo, utilizando para tal o argumento setView(lng = -47.9292, lat = -23.5505, zoom = 7), onde são estabelecidas as características georreferenciadas de latitude e longitude para o zoom no mapeamento, como ilustra o Script.
Assim como no mapeamento estático, nesta etapa utilizamos como base os dados de uso e cobertura do solo para criar a camada de base sobre a estrutura do OSM. Ou seja, os primeiros dados inseridos no mapeamento interativo foram aqueles referentes aos antromas de uso e cobertura do solo. Optamos por este caminho porque o conjunto de dados de uso e cobertura do solo é representado, estruturalmente, por polígonos, gerando uma cobertura mais completa sobre a base OSM. Além disso, sendo estes dados responsáveis por toda a cobertura do Estado, eles são capazes de descrever as diferentes tipologias e cobrí-las suficientemente.
As camadas referentes aos antromas de uso e cobertura do solo foram inseridas uma a uma, de modo a reduzir o tempo de processamento, tendo em vista o volume de dados aos quais elas se referiam. Portanto, no Script é possível visualizar a adição das camadas no conjunto interactive_anthromes por meio dos operadores interactive_anthromes <- interactive_anthromes %>% addPolygons(). Neste modelo, a função %>% é responsável pela inserção da nova camada de informações/dados; no caso, utilizamos addPolygons() para as camadas de uso e cobertura do solo (polígonos de área), addRectangles() para os pontos que representavam os aglomerados populacionais e addLegend() para acrescentar a legenda referente ao mapeamento interativo.
Retoma-se que o padrão colorimétrico utilizado para criação do mapeamento interativo corresponde ao mesmo empregado anteriormente na criação dos mapeamentos interativos isolados. O conjunto de dados empregados para geração da legenda e para o estabelecimento do padrão colorimétrico foi colors_categories, aquele que estruturamos anteriormente para o mapeamento estático.
Script: código para criação do mapeamento interativo dos antromas paulistas.
# Criar um mapa Leaflet com base no OpenStreetMap e adicionar a camada de área artifical
interactive_anthromes <- leaflet() %>%
addTiles() %>%
setView(lng = -47.9292, lat = -23.5505, zoom = 7) %>%
addPolygons(data = artificial_area_multipolygons,
color = NA,
fillColor = "#FF4747",
fillOpacity = 1,
popup = "Artificial Area")
# Adicionar camada de área agrícola
interactive_anthromes <- interactive_anthromes %>% addPolygons(data = agricultural_lands_multipolygons,
color = NA,
fillColor = "#F4B488",
fillOpacity = 1,
popup = "Agricultural Lands")
# Adicionar camada de pastagem com manejo
interactive_anthromes <- interactive_anthromes %>% addPolygons(data = livestock_lands_multipolygons,
color = NA,
fillColor = "#FFEEB7",
fillOpacity = 1,
popup = "Livestock Lands")
# Adicionar camada de ocupação florestal
interactive_anthromes <- interactive_anthromes %>% addPolygons(data = sustainable_use_multipolygons,
color = NA,
fillColor = "#A8D08D",
fillOpacity = 1,
popup = "Sustainable Use")
# Adicionar camada de silvicultura
interactive_anthromes <- interactive_anthromes %>% addPolygons(data = silvicuture_multipolygons,
color = NA,
fillColor = "#E2EFD9",
fillOpacity = 1,
popup = "Silviculture")
# Adicionar camada de Matas
interactive_anthromes <- interactive_anthromes %>% addPolygons(data = conservation_preservation_multipolygons,
color = NA,
fillColor = "#538135",
fillOpacity = 1,
popup = "Conservation and Preservation")
# Adicionar camada de Ocupação Campestre
interactive_anthromes <- interactive_anthromes %>% addPolygons(data = agricultural_villages_multipolygons,
color = NA,
fillColor = "#ED833B",
fillOpacity = 1,
popup = "Agricultural Villages")
# Adicionar camada de Águas
interactive_anthromes <- interactive_anthromes %>% addPolygons(data = waters_multipolygons,
color = NA,
fillColor = "#000066",
fillOpacity = 1,
popup = "Waters")
# Adicionar quadrados coloridos correspondentes às categorias do segundo mapa
interactive_anthromes <- interactive_anthromes %>%
addRectangles(data = populated_anthromes,
lng1 = ~longitude - 0.005,
lat1 = ~latitude - 0.005,
lng2 = ~longitude + 0.005,
lat2 = ~latitude + 0.005,
color = ~legend_populatedanthromes$colors[match(category, legend_populatedanthromes$category)],
fillOpacity = 1,
popup = ~paste("category", category)) %>% clearMarkers()
# Adicionar a legenda combinada ao mapa
interactive_anthromes <- interactive_anthromes %>%
addLegend(position = "bottomright",
colors = colors_categories$colors,
labels = colors_categories$category,
title = "Anthromes")Fonte: os autores (2024). Legenda: Estrutura codificada para a criação do mapeamento interativo dos antromas paulistas. De acordo com o reproduzido, cada uma das camadas foram inseridas individualmente, de modo a reduzir o tempo de processamento dos dados no mapeamento.
Diante deste código, conseguimos estruturar o mapeamento interativo dos antromas paulistas sobre a base OSM. O mapeamento revela as diferentes tipologias de uso e cobertura do solo dos antromas e as áreas onde encontram-se os aglomerados populacionais, como mostra a Figura a seguir.