Delimitação de Regiões Urbanas Homogêneas em contextos de limitação de dados: uma proposta baseada em geoestatística e dados abertos

Abstract

A presente pesquisa tem como objetivo avaliar a aplicabilidade da definição e delimitação de Regiões Urbanas Homogêneas (RUHs) em Angola, a partir da integração entre análise estatística e análise espacial, utilizando dados urbanos provenientes de fontes abertas. Foram considerados dois conjuntos de dados tradicionalmente empregados na representação das dinâmicas populacionais humanas: a rede viária urbana, extraída da plataforma OpenStreetMap (OSM), e os dados populacionais, obtidos junto ao Instituto Nacional de Estatística (INE). As análises basearam-se na Análise Exploratória de Dados Espaciais (Exploratory Spatial Data Analysis - ESDA) e na Krigagem (Kriging), com apoio dos softwares QGIS, GeoDa e ArcGIS. Os resultados indicaram que ambas as metodologias possibilitaram a delimitação das RUHs com grau satisfatório de confiabilidade. A ESDA univariada evidenciou maior homogeneidade espacial para o indicador Densidade Espacial da Rede Viária (DEV), com superior índice de Moran (I = 0,894). De forma convergente, a Krigagem Universal, com modelo esférico, apresentou melhor desempenho para o indicador DEV, registrando menor erro médio (1,437) e coeficiente de determinação (R²) igual a 1. As duas técnicas mostraram concordância quanto à superioridade do indicador DEV, cujos valores mais elevados concentraram-se na Região Metropolitana de Luanda (RML). Além do desempenho estatístico, a Krigagem destacou-se por gerar superfícies contínuas capazes de identificar zonas de transição entre áreas urbanas centrais, periferias e áreas rurais.

This study aims to evaluate the applicability of defining and delimiting Funcional Urban Regions (FURs) in Angola through the integration of statistical and spatial analysis, using urban data derived from open sources. Two datasets traditionally employed to represent human population dynamics were considered: the urban road network, extracted from the OpenStreetMap (OSM) platform, and population data obtained from the National Institute of Statistics (INE). The analyses were conducted using two techniques: Exploratory Spatial Data Analysis (ESDA) and Kriging, supported by geoprocessing software (QGIS, GeoDa, and ArcGIS). The results indicate that both methodologies enabled the delimitation of HURs with a satisfactory degree of reliability. Univariate ESDA revealed greater spatial homogeneity for the Spatial Density of the Road Network (DEV) indicator, with a high Moran’s I value (I = 0.894). Similarly, Universal Kriging using a spherical model showed superior performance for the DEV indicator, achieving a lower mean error (1.437) and a coefficient of determination (R²) equal to 1. Both techniques were consistent in identifying the DEV indicator as the most effective, with higher values concentrated in the Luanda Metropolitan Region (RML). In addition to statistical performance, Kriging proved to be more effective by generating continuous surfaces capable of identifying transition zones between central urban areas, peripheral zones, and rural areas.