Dynamic Spatial Modeling for the design of prospective land use and cover scenarios in the municipality of Araraquara –SP
DOI:
10.46551/rc24482692202413Keywords:
Molusce, Future scenarios, GISAbstract
This article sought to analyze how dynamic spatial modeling can contribute to issues related to territorial planning, discussing the possibilities arising from the prospection of future land use and land cover scenarios, using the municipality of Araraquara-SP as a case study. The model was developed using the MOLUSCE plugin on the QGIS platform, using mapping from the Map Biomes project (SOUZA, 2020) for the years 2000, 2010 and 2020, adopting the Artificial Neural Networks method to generate the potential for transition between land uses and land cover, and a cellular automaton model using the Monte Carlo approach (LIU, et al. 2001), prospecting a scenario for the year 2030. The results of the transition models were satisfactory, with a Kappa value of 0.72 for the 2000-2010 period and 0.68 for the 2010-2020 period. MOLUSCE analyzed the initial use map, the reference map and the simulated map, indicating a Kappa of 0.65 for the model's forecast. The conclusion is that MOLUSCE has projected a scenario that can help public managers in the planning of Araraquara's territory for the year 2030, considering the information that calibrated the model, demonstrating that the tool can be used for other case studies.
Downloads
References
ALMEIDA, C. M.; Modelagem da dinâmica espacial como uma ferramenta auxiliar ao planejamento: simulação de mudanças de uso da terra em áreas urbanas para as cidades de Bauru e Piracicaba (SP), Brasil. São José dos Campos. 2003. 351 f. Tese (Doutorado em Sensoriamento Remoto), Programa de Pós-Graduação em Sensoriamento Remoto, Instituto Nacional de Pesquisas Espaciais. 2003. Disponível em: http://www.dpi.inpe.br/gilberto/teses/tese_claudia.pdf. Acesso em: 20 out. 2022.
ALMEIDA, C. M.; GLERIANI, J. M. Redes neurais e autômatos celulares como uma plataforma para a simulação de mudanças do uso do solo urbano. In: Almeida, C.M., CÂMARA, G.; MONTEIRO, A.M.V. (Org.). Geoinformação em Urbanismo: cidade real x cidade virtual. São Paulo, Oficina de Textos, p. 305-327. 2007.
COHEN J. A. Coefficient of agreement for nominal scales. Educ Psycho Meas. [S./l], v. 20, n. 1, p 37-46, 1960. Disponível em: https://rigeo.cprm.gov.br/bitstream/doc/2966/5/mapa_geologico.pdf. Acesso em: 20 out. 2022.
BONHAM-CARTER, G. F. Geographic Information Systems for Geoscientists. Modelling with GIS. Computer Methods in the Geosciences, [S./l], v. 13, p 267-302. 1998.
OLIVEIRA, J. B. Solos do Estado de São Paulo: descrição das classes registradas no mapa pedológico. Boletim científico, [S. l.], v. 45, 1999.
BURROUGH, P. Dynamic Modelling And Geocomputation. Geocomputation: A Primer. P. Longley, M. Batty and R. McDonnel. London, John Wiley & Sons. 1998.
CÂMARA, G.; MONTEIRO, A.M.V. Introdução à modelagem dinâmica espacial.
São José dos Campos-SP. Instituto Nacional de Pesquisas Espaciais. CDROM. 2003
DELANEZE, M. E.; RIEDEL, P. S.; MARQUES, M. L.; FERREIRA, M. V. Modelagem Dinâmica Espacial para o monitoramento do crescimento urbano no entorno do Duto ORBEL. Revista Brasileira de Cartografia, [S./l.], v. 66, n. 3, p. 473-484. 2014. Disponível em: http://www.lsie.unb.br/rbc/index.php?journal=rbc&page=article&op=view&path%5B%5D=553&path%5B%5D=694. Acesso em: 14 jan. 2016.
CHRISTOFOLETTI, A. Modelagem de sistemas ambientais. Editora Blucher, 1999.
FIGUEIREDO FILHO, D. B.; SILVA JÚNIOR, J. A. Desvendando os Mistérios do Coeficiente de Correlação de Pearson (r). Revista Política Hoje, [S./l], v. 18, n. 1, p. 115-146, 2009.
HAYKIN, S. Redes neurais: princípios e prática. Bookman Editora, 2001.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. IBGE, Cidades, São Paulo, Araraquara. Panorama. Disponível em: https://cidades.ibge.gov.br/brasil/mg/araraquara/panorama. Acesso em: 05 mar. 2024.
IBGE – INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Regiões de Influência das Cidades. Rio de Janeiro. 2018. Disponível em: https://www.ibge.gov.br/geociencias/organizacao-do-territorio/redes-e-fluxos-geograficos/15798-regioes-de-influencia-das-cidades.html?=&t=acesso-ao-produto. Acesso em: 21 abr. 2022.
IBGE – INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Banco de Dados e Informações Ambientais. Rio de Janeiro. Disponível em: https://bdiaweb.ibge.gov.br Acesso em: 15 out. 2021.
LAMBIN, E. F.; ROUNSEVELL, M.; GEIST, H. Are agricultural land-use models able
to predict changes in land-use intensity? Agriculture, Ecosystems & Environment, [S./l.], v. 82, n. 1, p. 321-331, 2000. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S0167880900002358. Acesso em: 31 jan. 2024.
LANDIS, J. R.; KOCH, G. G. An application of hierarchical kappa-type statistics in the assessment of majority agreement among multiple observers. Biometrics, [S./l.], v. 33, n. 2, p. 363-374, 1977. Disponível em: https://pubmed.ncbi.nlm.nih.gov/884196/. Acesso em: 31 jan. 2024
LIU, J. S.; LIANG, S, F.; WONG, W. H. A theory for dynamic weighting in Monte Carlo computation. Journal of the American Statistical Association, [S./l.], v. 96, p. 561–573. 2001. Disponível em: https://www.researchgate.net/publication/278096260_A_Theory_for_Dynamic_Weighting_in_Monte_Carlo_Computation Acesso em: 01 abr. 2024.
PEARSON, Karl; FISHER, Ronald & INMAN, Henry F. “Karl Pearson and R. A. Fisher on Statistical Tests: A 1935 Exchange from Nature”. The American Statistician, [S./l.], v. 48, n. 1, p. 2-11, 1994. Disponível em: https://faculty.fiu.edu/~blissl/PearsonFisher.pdf. Acesso em: 01 jun. 2023.
PERROTA, M. M.; SALVADOR, E. D.; LOPES, R. C.; D´AGOSTINO, L. F.; PERUFFO, N.; GOMES, S. D.; SACHS, L. L. B; MEIRA, V. T.; GARCIA, M. G. M.; LACERDA FILHO, J. V.; 2005. Mapa Geológico do Estado de São Paulo, escala 1:750.000. Programa Geologia do Brasil -PGB, CPRM, São Paulo. Disponível em: https://rigeo.cprm.gov.br/bitstream/doc/2966/5/mapa_geologico.pdf. Acesso em: 31 maio 2023.
MUHAMMAD, R.; ZHANG, W.; ABBAS, Z.; GUO, F.; GWIAZDZINSKI, L. Spatiotemporal Change Analysis and Prediction of Future Land Use and Land Cover Changes Using QGIS MOLUSCE Plugin and Remote Sensing Big Data: A Case Study of Linyi, China. Land 2022, 11, 419. Disponível em: https://doi.org/10.3390/land11030419. Acesso em: 02 mar. 2024.
PISANI, R. J.; Modelagem espacial dinâmica para o monitoramento do aporte de sedimentos na sub-bacia do Rio Capivara, município de Botucatu-SP. 2014. 162 f. Tese (Doutorado em Geociências e Meio Ambiente) –Instituto de Geociências e Ciências Exatas, Universidade Estadual Paulista, Rio Claro, 2014. Disponível em: https://repositorio.unesp.br/communities/cac95019-c69d-48f3-afc7-67a5455af802. Acesso em: 20 abr. 2024.
PROJETO MAPBIOMAS – Coleção 6 da Série Anual de Mapas de Uso e Cobertura da Terra do Brasil. 2022. Disponível em: https://plataforma.brasil.mapbiomas.org/. Acesso em: 10 mar. 2022.
ROLIM, G. de S. et al. Classificação climática de Köppen e de Thornthwaite e sua aplicabilidade na determinação de zonas agroclimáticas para o estado de São Paulo. Bragantia, [S. l.], v. 66, p. 711-720, maio 2007. Disponível em: https://www.scielo.br/j/brag/a/NpCWHvyYzzHDFTp6LVyGg5g/abstract/?lang=pt. Acesso em: 13 set. 2022.
ROSS, Jurandyr Luciano Sanches; MOROZ, Isabel Cristina. Mapa geomorfológico do estado de São Paulo. Revista do Departamento de Geografia, São Paulo, v. 10, p. 41–58, 2011. Disponível em: https://revistas.usp.br/rdg/article/view/53703. Acesso em: 30 abr. 2024.
SANTOS, H. G. et. al. Sistema Brasileiro de Classificação de Solos. 5. ed. Brasília: Embrapa, 2018. Ebook. Disponível em: https://www.embrapa.br/solos/busca-de-publicacoes/-/publicacao/1094003/sistema-brasileiro-de-classificacao-de-solos. Acesso em: 20 dez. 2022.
SEADE - Fundação Sistema Estadual de Análise de Dados. Portal GEOSEADE. Rodovia Estadual. São Paulo. 2019. Disponível em: https://portalgeo.seade.gov.br/download-de-dados/. Acesso em: 29 out. 2021.
SEADE - Fundação Sistema Estadual de Análise de Dados. Banco de Dados de Informações dos Municípios Paulistas. São Paulo. 2021. Disponível em: https://municipios.seade.gov.br/. Acesso em: 6 abr. 2022.
SOUZA at. al. RECONSTRUCTING THREE DECADES OF LAND USE AND LAND COVER CHANGES IN BRAZILIAN BIOMES WITH LANDSAT ARCHIVE AND EARTH ENGINE. Remote Sensing, [S./l.], v. 12, n.01, 17. https://www.mdpi.com/2072-4292/12/17/2735. Acesso em: 10 ago. 2020,
WAINGER, L.; RAYBURN, J.; PRICE, E. Review of land use change models: applicability to projections of future energy demand in the Southeast United States. UMCES (CBL) Ref, n 07-187, 2007.
Downloads
Published
How to Cite
License
Copyright (c) 2024 Revista Cerrados
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
In this journal, the copyrights for published articles belong to the author (s), with the rights of the first publication belonging to Revista Cerrados. The articles are publicly accessible, free to use, their own assignments, educational assignments and non-commercial applications.
