Portal InstitucionalUFPEL

A arborização caracteriza e identifica as vias das cidades; aumenta a interação da comunidade e valor das propriedades; desempenha também um papel fundamental no apoio às comunidades urbanas saudáveis (DONOVAN, 2017; MOREIRA et al. 2020; WOLF et al., 2020).
De acordo com Burden (2006), Alvey (2006), Wood e Esaian (2020), e Berthon et al. (2021) a arborização contribui para o aumento da biodiversidade, na medida em que fornece alimentos, habitat para a fauna urbana. Reduz também o escoamento de águas pluviais, minimizando alagamentos e enchentes, melhora a qualidade do ar, armazenando carbono e também os efeito urbano das ilhas de calor.
As árvores contribuem para as atividades mais prazerosas e saudáveis pois captam a poluição atmosférica, especialmente ozônio, óxidos de nitrogênio, óxidos de enxôfre, dióxido de enxofre, monóxido de carbono, dióxido de carbono (CO2); bem como diminuem o ruido e as temperaturas nas áreas urbanas (TALLIS et al. ,2011; ZARDO et al., 2017; PRÉNDEZ, et al. 2018).
Dessa forma, estudos relativos à arborização de áreas urbanizadas, sua espacialização no território estadual, e relação com o Índice de Desenvolvimento Humano Municipal (IDHM), assumem grande importância para as administrações municipais e para o planejamento regional.

O estudo trata de análise espacial que buscará identificar as taxas de arborização de vias públicas das áreas urbanizadas dos municípios do Rio Grande do Sul além de avaliar a correlação de taxas de prevalencia da arborização de vias entre os municípios vizinhos e sua relação com o IDHM Índice de Desenvolvimento Humano Municipal. Para realização das análises serão considerados os casos identificados de arborização de vias publicas de áreas urbanizadas no Rio Grande do Sul em 2010 utilizando os dados do último Censo demográfico, já os valores do IDHM serão tabulados com base o Atlas do Desenvolvimento Humano no Brasil, PNUD , IPEA , 2013.
Nesse estudo a autocorrelação global será averiguada num contexto bivariado (Anselin et al., 2003), ou seja, buscando identificar a autocorrelação espacial entre arborização de vias de áreas públicas de urbanizadas e IDHM. A ideia intuitiva é descobrir se os valores de uma variável observada numa região específica apresentam uma associação com os valores de outra variável observada em regiões vizinhas. No caso específico descobrir se a arborização de vias de áreas urbanizadas está associada ao IDHM nas microrregiões vizinhas. Os valores da arborização de vias em áreas urbanizadas em dada região, (ou de determinados municípios) pode contribuir para valores correspondentes a altos ou baixos de IDHM nas regiões adjacentes, ou áreas urbanizadas de municípios vizinhos.
Será utilizado o nível de significância de 95% e 99 permutações, ou seja, serão áreas com autocorrelação espacial estatisticamente significativa aquelas cujo valor-p for menor ou igual a 0,05. Ao final, foram elaborados mapas temáticos para melhor visualização e compreensão dos dados por meio do software QGIS 2.8.3.
Para verificar se a distribuição dos casos de arborização de vias áreas urbanizadas por município ocorre de maneira aleatória no espaço, ou se a ocorrência de casos nos municípios inflencia a ocorrência de IDHMem municípios vizinhos, utilizou-se o software GeoDa versão 1.4.1. Para essa análise espacial, optou-se por utilizar o Índice Global de Moran (I) e os Indicadores Locais de Associação Espacial (Lisa) a fim de observar os dados locais de 497 municípios do Rio Grande do Sul.
Os índices de Moran global (I) e Lisa identificam se há autocorrelação especial, ou seja, a relação entre observações com proximidade espacial, considerando que observações próximas espacialmente possuem valores parecidos. Os indicadores globais de autocorrelação espacial (Moran I) fornecem uma única medida para o conjunto de todos os municípios, caracterizando toda a região de estudo. Para esse cálculo, é realizada uma autocorrelação espacial, como uma covariância, a partir do produto dos desvios em relação à média. Esse índice testa se as áreas vizinhas apresentam maior semelhança quanto ao indicador estudado do que se espera ao acaso. O resultado de I varia de -1 a +1, em que valores positivos (entre 0 e +1) indicam autocorrelação positiva ou seja, o objeto tende a ser semelhante aos valores dos seus vizinhos, enquanto valores negativos (entre 0 e -1) correspondem a uma correlação inversa, ou seja, o valor do atributo em uma região não é dependente dos valores dessa mesma variável em áreas diferentes.
Os padrões de distribuição dos indicadores foram examinados em menor escala por meio dos Lisa, produzindo um valor específico para cada município e permitindo a visualização de agrupamentos de municípios com valores similares para os indicadores selecionados. Num contexto bivariado, correlações do tipo high-high mostram municípios com altas proporções do indicador, cercados de outros municípios com altas proporções do outro indicador; as do tipo low-low indicam municípios com baixa proporção, cercados por municípios com baixa proporção do outro indicador; as do tipo high-low denotam municípios com alta proporção, cercados por municípios com baixa proporção do outro indicador; e as do tipo low-high descrevem municípios com baixa proporção, cercados de municípios com alta proporção do outro indicador.
Os dados foram apresentados segundo o diagrama de espalhamento de Moran. Esse diagrama é um gráfico de dispersão entre os valores padronizados dos atributos (variáveis) z e a média dos vizinhos (também padronizados) wz, que é dividido em quadrantes.
Segundo Druck et al.(2005 ), esses quadrantes podem ser assim interpretados: Q1 (valores e médias positivas) e Q2 (valores e médias negativas) apontam áreas de associação espacial positiva, considerando que em uma região existem vizinhos semelhantes, enquanto Q3 (valores positivos, médias negativas) e Q4 (valores negativos, médias positivas) apontam áreas de associação espacial negativa, indicando localizações com vizinhos de valores distintos.

Metas:
Realizar a pesquisa de abril de 2022 a abril de 2024.
2) Elaborar um artigo científico.
3) Publicar um artigo científico em uma revista indexada pelo Qualis Capes.
4) Aprofundar-se na pesquisa referente a arborização de áreas urbanizadas dos municípios do Rio Grande do Sul e estatística espacial.
Resultados esperados:
Espera-se que as informações geradas pela pesquisa sejam no sentido de identificar correlação da arborização viária de áreas urbanizadas dos municípios do Rio Grande do Sul e o IDHM, bem como a relação da espacialização de clusters espaciais com o IDHM Ressalta-se que os resultados obtidos poderão servir de subsídios para o planejamento e gestão, a nível regional no Rio Grande do Sul.