Impacto da resolução espacial na modelagem da expansão urbana da região metropolitana de São Paulo

Detalhes bibliográficos
Autor(a) principal: Massabki, José Augusto Rodrigues
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UNESP
Texto Completo: http://hdl.handle.net/11449/152950
Resumo: O objetivo deste trabalho foi analisar os impactos da resolução espacial na modelagem da expansão urbana da Região Metropolitana de São Paulo (RMSP) por meio de autômatos celulares (CA, do inglês: Cellular Automata) combinados com redes neurais artificiais. Para tanto, foram utilizados dados do perímetro urbanizado referentes aos períodos de 1881, 1905, 1929, 1949, 1974 e 2005 para a construção de uma série de modelos espaciais. Uma estrutura de células regulares (grid) foi concebida para se representar a área de estudo, cuja resolução espacial se baseou em células de 1.000 por 1.000 metros, 800 por 800 metros e 600 por 600 metros. Os modelos também levaram em consideração a combinação de variáveis representando 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. Os resultados mostraram que a variação da resolução espacial não proporcionou impacto significativo no desempenho das modelagens desenvolvidas, visto que os desempenhos obtidos a partir das diferentes estruturas e tamanhos de grid foram bastante similares. Há os destaques para o Grid de 1000 por 1000 metros, baseado no estado e no número de vizinhos urbanos, com 90,09% de acertos global; para o Grid de 800 por 800 metros, baseado no estado, no número de vizinhos urbanos e no número de vizinhos não urbanos, com 90,25% de acertos global; e finalmente, para o Grid de 600 por 600 metros, baseado no estado e no número de vizinhos urbanos, com 90,14% de acertos global. Na sequência, uma previsão de ocupação do território para 2030 foi avaliada para esses modelos em destaque, observando-se tanto padrões de expansão urbana orientados por infraestruturas, como processos de ocupação urbana em áreas impróprias. Em síntese, esse estudo demonstrou que um aparente aumento na resolução espacial do grid não produz efeitos positivos em relação a um aumento no desempenho dos modelos espaciais desenvolvidos neste trabalho. Dessa forma, o Grid de 1000 por 1000 metros pode servir como ferramenta nos processos de planejamento urbano conforme a metodologia empregada. Cabe ressaltar ainda que esse grid acaba tornando o processamento computacional mais leve, em função da menor quantidade de dados envolvidos.
id UNSP_8f22f290ae0e3ea451e3ebd393c6d6a0
oai_identifier_str oai:repositorio.unesp.br:11449/152950
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Impacto da resolução espacial na modelagem da expansão urbana da região metropolitana de São PauloImpact of the spatial resolution related to the urban expansion modeling of the metropolitan region of São PauloModelagem espacialAutômatos celularesRedes neurais artificiaisO objetivo deste trabalho foi analisar os impactos da resolução espacial na modelagem da expansão urbana da Região Metropolitana de São Paulo (RMSP) por meio de autômatos celulares (CA, do inglês: Cellular Automata) combinados com redes neurais artificiais. Para tanto, foram utilizados dados do perímetro urbanizado referentes aos períodos de 1881, 1905, 1929, 1949, 1974 e 2005 para a construção de uma série de modelos espaciais. Uma estrutura de células regulares (grid) foi concebida para se representar a área de estudo, cuja resolução espacial se baseou em células de 1.000 por 1.000 metros, 800 por 800 metros e 600 por 600 metros. Os modelos também levaram em consideração a combinação de variáveis representando 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. Os resultados mostraram que a variação da resolução espacial não proporcionou impacto significativo no desempenho das modelagens desenvolvidas, visto que os desempenhos obtidos a partir das diferentes estruturas e tamanhos de grid foram bastante similares. Há os destaques para o Grid de 1000 por 1000 metros, baseado no estado e no número de vizinhos urbanos, com 90,09% de acertos global; para o Grid de 800 por 800 metros, baseado no estado, no número de vizinhos urbanos e no número de vizinhos não urbanos, com 90,25% de acertos global; e finalmente, para o Grid de 600 por 600 metros, baseado no estado e no número de vizinhos urbanos, com 90,14% de acertos global. Na sequência, uma previsão de ocupação do território para 2030 foi avaliada para esses modelos em destaque, observando-se tanto padrões de expansão urbana orientados por infraestruturas, como processos de ocupação urbana em áreas impróprias. Em síntese, esse estudo demonstrou que um aparente aumento na resolução espacial do grid não produz efeitos positivos em relação a um aumento no desempenho dos modelos espaciais desenvolvidos neste trabalho. Dessa forma, o Grid de 1000 por 1000 metros pode servir como ferramenta nos processos de planejamento urbano conforme a metodologia empregada. Cabe ressaltar ainda que esse grid acaba tornando o processamento computacional mais leve, em função da menor quantidade de dados envolvidos.The objective of this work was to analyze the impacts of the spatial resolution related to the urban expansion modeling of the Metropolitan Region of São Paulo (MRSP) by means of Cellular Automata (CA) combined with Artificial Neural Networks. Data regarding the urbanized perimeter in the periods of 1881, 1905, 1929, 1949, 1974 and 2005 were used for the construction of a series of spatial models. A grid of regular cells was conceived to represent the study area, whose spatial resolution was based on cells of 1,000 by 1,000 meters, 800 by 800 meters and 600 by 600 meters. The models also took into account 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. The results showed that the variation on the spatial resolution did not result in a significant impact on the performance of the developed models, since they were quite similar across the different structures and grid sizes explored. There were some highlights, for example, the Grid of 1000 by 1000 meters, based on the state of the cell and the number of urban neighbors, with 90.09% of global correct predictions; the Grid of 800 by 800 meters, based on the state of the cell, the number of urban neighbors and the number of non-urban neighbors, with 90.25% of global correct predictions; and finally, the Grid of 600 by 600 meters, based on the state of the cell and number of urban neighbors, with 90.14% of global correct predictions. In the sequence, a forecast of the territorial occupation was simulated for year 2030 considering those highlighted models. The results showed some patterns of urban expansion oriented by infrastructures, as well as processes of urban occupation in inappropriate areas. In sum, this study demonstrated that an apparent increase in the spatial resolution of the grid does not produce positive effects in relation to an increase in the performance of the spatial models developed in this work. Therefore, the Grid of 1000 by 1000 meters can serve as a tool for urban planning processes according to the methodology used. It should also be noted that this grid ends up making the computational processing lighter, due to the smaller amount of data involved.Universidade Estadual Paulista (Unesp)Manzato, Gustavo Garcia [UNESP]Universidade Estadual Paulista (Unesp)Massabki, José Augusto Rodrigues2018-03-09T16:07:31Z2018-03-09T16:07:31Z2018-02-01info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/11449/15295000089803033004056089P5porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-06-28T18:58:13Zoai:repositorio.unesp.br:11449/152950Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T22:02:31.524534Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Impacto da resolução espacial na modelagem da expansão urbana da região metropolitana de São Paulo
Impact of the spatial resolution related to the urban expansion modeling of the metropolitan region of São Paulo
title Impacto da resolução espacial na modelagem da expansão urbana da região metropolitana de São Paulo
spellingShingle Impacto da resolução espacial na modelagem da expansão urbana da região metropolitana de São Paulo
Massabki, José Augusto Rodrigues
Modelagem espacial
Autômatos celulares
Redes neurais artificiais
title_short Impacto da resolução espacial na modelagem da expansão urbana da região metropolitana de São Paulo
title_full Impacto da resolução espacial na modelagem da expansão urbana da região metropolitana de São Paulo
title_fullStr Impacto da resolução espacial na modelagem da expansão urbana da região metropolitana de São Paulo
title_full_unstemmed Impacto da resolução espacial na modelagem da expansão urbana da região metropolitana de São Paulo
title_sort Impacto da resolução espacial na modelagem da expansão urbana da região metropolitana de São Paulo
author Massabki, José Augusto Rodrigues
author_facet Massabki, José Augusto Rodrigues
author_role author
dc.contributor.none.fl_str_mv Manzato, Gustavo Garcia [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Massabki, José Augusto Rodrigues
dc.subject.por.fl_str_mv Modelagem espacial
Autômatos celulares
Redes neurais artificiais
topic Modelagem espacial
Autômatos celulares
Redes neurais artificiais
description O objetivo deste trabalho foi analisar os impactos da resolução espacial na modelagem da expansão urbana da Região Metropolitana de São Paulo (RMSP) por meio de autômatos celulares (CA, do inglês: Cellular Automata) combinados com redes neurais artificiais. Para tanto, foram utilizados dados do perímetro urbanizado referentes aos períodos de 1881, 1905, 1929, 1949, 1974 e 2005 para a construção de uma série de modelos espaciais. Uma estrutura de células regulares (grid) foi concebida para se representar a área de estudo, cuja resolução espacial se baseou em células de 1.000 por 1.000 metros, 800 por 800 metros e 600 por 600 metros. Os modelos também levaram em consideração a combinação de variáveis representando 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. Os resultados mostraram que a variação da resolução espacial não proporcionou impacto significativo no desempenho das modelagens desenvolvidas, visto que os desempenhos obtidos a partir das diferentes estruturas e tamanhos de grid foram bastante similares. Há os destaques para o Grid de 1000 por 1000 metros, baseado no estado e no número de vizinhos urbanos, com 90,09% de acertos global; para o Grid de 800 por 800 metros, baseado no estado, no número de vizinhos urbanos e no número de vizinhos não urbanos, com 90,25% de acertos global; e finalmente, para o Grid de 600 por 600 metros, baseado no estado e no número de vizinhos urbanos, com 90,14% de acertos global. Na sequência, uma previsão de ocupação do território para 2030 foi avaliada para esses modelos em destaque, observando-se tanto padrões de expansão urbana orientados por infraestruturas, como processos de ocupação urbana em áreas impróprias. Em síntese, esse estudo demonstrou que um aparente aumento na resolução espacial do grid não produz efeitos positivos em relação a um aumento no desempenho dos modelos espaciais desenvolvidos neste trabalho. Dessa forma, o Grid de 1000 por 1000 metros pode servir como ferramenta nos processos de planejamento urbano conforme a metodologia empregada. Cabe ressaltar ainda que esse grid acaba tornando o processamento computacional mais leve, em função da menor quantidade de dados envolvidos.
publishDate 2018
dc.date.none.fl_str_mv 2018-03-09T16:07:31Z
2018-03-09T16:07:31Z
2018-02-01
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/11449/152950
000898030
33004056089P5
url http://hdl.handle.net/11449/152950
identifier_str_mv 000898030
33004056089P5
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1808129386246832128