Modelagem dos padrões da expansão urbana da Região Metropolitana de São Paulo baseada em Autômatos Celulares
Carregando...
Data
2017-10-01
Autores
Massabki, José Augusto Rodrigues
Peixoto, Anna Silvia Palcheco
Kaiser, Ilza Machado
Manzato, Gustavo Garcia
Título da Revista
ISSN da Revista
Título de Volume
Editor
Pontifícia Universidade Católica do Paraná
Resumo
Abstract The aim of this study was to model the urban sprawl patterns of the Metropolitan Region of São Paulo (MRSP) using a spatial modeling technique based on cellular automata (CA). Therefore, we used urban perimeter data related to the periods of 1881, 1905, 1929, 1949, 1974 and 2005 for the construction of four models. These models consider the combination of variables representing the initial state of the cell (urban or non-urban), the number of neighboring cells classified as urban and the number of neighboring cells classified as non-urban. A particular model, whose configuration considers the combination of the initial state of the cell with the number of neighboring cells classified as urban, had the best performance (i.e., 94% of correct predictions). Next, a land use forecast for 2030 was evaluated by this model, highlighting both infrastructure-oriented patterns of urban expansion and urban occupation processes in inappropriate areas. In summary, this study demonstrated that the method can serve as a tool in urban planning processes.
Resumo O objetivo deste trabalho foi modelar os padrões da expansão urbana da Região Metropolitana de São Paulo (RMSP) por meio da modelagem espacial, baseando-se em autômatos celulares (CA, do inglês: Cellular Automata). Para tanto foram utilizados dados do perímetro urbano referentes aos períodos de 1881, 1905, 1929, 1949, 1974 e 2005 para a construção de quatro modelos de expansão urbana. Esses modelos levam em consideração a combinação de variáveis as quais representam o estado inicial da célula (urbana ou não urbana), o número de células vizinhas classificadas como urbanas e o número de células vizinhas classificadas como não urbanas. Um modelo em particular, cuja configuração considera a combinação do estado inicial da célula com o número de células vizinhas classificadas como urbanas, apresentou o melhor desempenho (isto é, 94% de acertos). Na sequência, uma previsão de ocupação do território para 2030 foi avaliada por esse modelo, destacando-se tanto padrões de expansão urbana orientados por infraestruturas, como processos de ocupação urbana em áreas impróprias. Em síntese, esse estudo demonstrou que a metodologia empregada pode servir como ferramenta nos processos de planejamento urbano.
Resumo O objetivo deste trabalho foi modelar os padrões da expansão urbana da Região Metropolitana de São Paulo (RMSP) por meio da modelagem espacial, baseando-se em autômatos celulares (CA, do inglês: Cellular Automata). Para tanto foram utilizados dados do perímetro urbano referentes aos períodos de 1881, 1905, 1929, 1949, 1974 e 2005 para a construção de quatro modelos de expansão urbana. Esses modelos levam em consideração a combinação de variáveis as quais representam o estado inicial da célula (urbana ou não urbana), o número de células vizinhas classificadas como urbanas e o número de células vizinhas classificadas como não urbanas. Um modelo em particular, cuja configuração considera a combinação do estado inicial da célula com o número de células vizinhas classificadas como urbanas, apresentou o melhor desempenho (isto é, 94% de acertos). Na sequência, uma previsão de ocupação do território para 2030 foi avaliada por esse modelo, destacando-se tanto padrões de expansão urbana orientados por infraestruturas, como processos de ocupação urbana em áreas impróprias. Em síntese, esse estudo demonstrou que a metodologia empregada pode servir como ferramenta nos processos de planejamento urbano.
Descrição
Palavras-chave
Urban sprawl, Spatial modeling, Cellular automata, Expansão urbana, Modelagem espacial, Autômatos celulares
Como citar
urbe. Revista Brasileira de Gestão Urbana. Pontifícia Universidade Católica do Paraná, v. 9, p. 361-371, 2017.