Martin Handford, Where´s Wally? Parte IV – Integração de Dados Silvana Amaral Antonio Miguel V. Monteiro CST 310: População, Espaço e Ambiente Abordagens Espaciais em Estudos de População: Métodos Analíticos e Técnicas de Representação 4. Método Dasimétrico

Origem dasymetry [física] s. dasimetria, f.; parte da Física que estuda a determinação da densidade do ar nas diferentes camadas da atmosfera Dasymetric map Criado por Benjamin (Veniamin) Petrovich Semenov-Tyan-Shansky e popularizado por Wright (1936). Dasymetric mapping may be defined as a kind of areal interpolation that uses ancillary (additional and related) data to aid in the areal interpolation process. IS NOT= to choropleth mapping: the boundaries of cartographic representation are not arbitrary but reflect the spatial distribution of the variable being mapped (Eicher and Brewer 2001).

Objetivos - aplicações –Suporte para elaboração de superfícies de densidade populacional –Levantamento de dados –Reconhecimento dos processos e sua heterogeneidade espacial –Interação com outros aspectos e interesses –Suporte para Modelagem

Aplicação Langford, 2007

Mapeamento Dasimétrico Silva, 2010

Mapeamento Dasimétrico Binário (MDB) Silva, 2010

Mapeamento Dasimétrico Binário (MDB) Silva, 2010

Mapeamento Dasimétrico Inteligente (MDI) Silva, 2009 Mennis e Hultgren 2006

Mapeamento Dasimétrico Inteligente (MDI) Silva, 2009

Aplicação

Exemplo didático… Perspectiva e Objeto de estudo Dinâmica Populacional e Assentamentos Humanos Geração de Território

Interações – População x Cobertura

DP & DPHA – Pensando Marabá Para entender mobilidade: –Núcleos urbanos - ocorrência e conectividade –Informações demográficas (migração) – INCRA, ONGs? –Estradas a acessos / vicinais –População ribeirinha –Indicadores das redes técnicas, físicas e sociais –Energia elétrica – produção e consumo (*)

DP&AHA – O que temos... Marabá –15.137,4 km 2 município –População –Como encontra-se distribuída esta população?

DP&AHA – O que temos... Luzes Noturnas – Escala Global

DP&AHA – O que temos... Setores Censitários 2000 *

DP&AHA – O que temos... Setores Censitários 2000 * - Densidade Populacional

DP&AHA – O que temos... Setores Censitários 2000 * - Heterogeneidade

DP&AHA – O que temos...

Redistribuição de setores censitários para células Incluir heterogeneidade Setores Censitários de um município Considerações / Método –Água e floresta Restrição de células –Variáveis para indicar presença -> Superfície de população –Relação entre as variáveis -> Redistribuição População em Marabá Desagregando no município... Limites Poligonais Modelo Superfície Adjacente RedistribuiçãoPopulação em células

Imagens de satélite Classes Água e Floresta CBERS para região Landsat para município Técnicas simples de classificação digital Células 95% Método Dasimétrico

Operadores Média Simples Média Ponderada Fuzzy Mín, Máx e Gama Relação entre as variáveisPonderação setor Potencial de População Superfície AdjacenteVariáveis x População Valores médios Buffer distritos (PA) Função QuadráticaValores – Pertinência Fuzzy Método Multivariado Empírico / Literatura Distância Vias Distância Rios Distância Centros Urbanos Cobertura Florestal Declividade Seleção Variáveis Indicadoras Inferir superfície que descreva distribuição SR & SIGDados locais p/ variáveis

Método Multivariado – Contribuição relativa das variáveis preditoras Distritos do PA Área de Influência Média das distâncias a vias, distância a rios, declividade Distância a centros urbanos – Viz + Próx. Percentagem Floresta 5% < x < 99%

Classificação contínua ouA análise espacial em SIG será muito melhor realizada com uso da técnicas de classificação contínua: os dados são transformados para o espaço de referência [0,1] e processados por combinação numérica, através de média ponderada ou inferência “fuzzy” Isto nos permite construir cenários (por exemplo, risco de 10%, 20% ou 40%), que indicam os diferentes compromissos de tomada de decisão => maior flexibilidade e um entendimento muito maior sobre os problemas espaciais Lógica Fuzzy: Introduzida por Lofti Zadeh (1960s), como um meio de modelar incertezas da linguagem natural Lógica Fuzzy é uma extensão da lógica Booleana: “verdade parcial”, valores entre “completamente verdadeiro” e “completamente falso” 0 1 Falso Verdade Lógica Boleana z F V F(z) Lógica Fuzzy z V F 0 1 Falso Verdade

29 Conjuntos Fuzzy Exemplo: Altura de Pessoas –S um conjunto fuzzy ALTO, que responderá a pergunta: " a que grau uma pessoa “z” é alta? Z : S = (z, f(z)) especialistas 0 1 BAIXO ALTO z f(z) Exemplo: ”João é ALTO" = 0.38          1.2, /)5.1( 5.1,0 )( zse z z z zf

30 Conjuntos Fuzzy Outro exemplo - Declividade f (z) = 0 se z   f(z) = 1/[1+  (z  ) 2 ] se  < z <  f(z) = 1 se z   Declividade Mínimo (  ) Máximo (  ) f(z) = f(z) = 0 se z  f(z) = f(z) = 1/[ (z  40) 2 ] se  < z < 40 f(z) = f(z) = 1, se z  40

Variáveis preditoras Parâmetros

Método Multivariado – Função de Pertinência Fuzzy

Método Multivariado – Variáveis indicadoras Mapas Distância Rios Distância Estradas Distâncias setores urbanos Classificação Floresta e água D Setores Urbanos D Estradas D Rios

Método Multivariado – Variáveis indicadoras Mapas Distância Rios Distância Estradas Distâncias setores urbanos Classificação Floresta e água D Setores Urbanos D Estradas D Rios

Método Multivariado – Variáveis indicadoras Mapas Distância Rios Distância Estradas Distâncias setores urbanos Classificação Floresta e água D Setores Urbanos D Estradas D Rios

Método Multivariado – Variáveis indicadoras Mapas Distância Rios Distância Estradas Distâncias setores urbanos Classificação Floresta e água F (Z) Mundo Celular...

Método Multivariado – Variáveis indicadoras Mapas (F(z)) Declividade Distância Rios Distância Estradas Distâncias setores urbanos Classificação Floresta e água E como estas variáveis podem resultar em um valor de possibilidade de ocorrência de população???

Inferência Fuzzy Dados em conjuntos Fuzzy manipulados com métodos lógicos da lógica fuzzy ou operadores fuzzy AND, OR, Soma algébrica, Produto Algébrico, Operador Gama e Soma Convexa OR (otimista) res = MAX (crit1, crit2, …) AND (pessimista) res = MIN (crit1, crit2, …) Produto Algébrico res =  (crit1,crit2,..) Soma Agébrica res = 1 -  (crit1,crit2,..) Operador Gama (compromisso) res = [soma algébrica (crit1, crit2, …)]  * [produto algébrico (crit1, crit2, …)] 1- 

Método Multivariado – Variáveis indicadoras Mapas (F(z)) Declividade Distância Rios Distância Estradas Distâncias setores urbanos Classificação Floresta e água

Método Multivariado – Variáveis indicadoras E a distribuição da população / célula???? Onde: DP grid é a densidade demográfica da célula, P CS é a população do setor censitário, F grid é o valor Fuzzy de possibilidade de ocorrência de população para a célula ponderado pela somatória dos valores Fuzzy obtidos para o setor censitário e considerando-se apenas as células válidas, ou seja, com percentagem de floresta e corpos d’água maior que 95%.

Operadores Média Simples Média Ponderada Fuzzy Mín, Máx e Gama Relação entre as variáveisPonderação setor Potencial de População Superfície AdjacenteVariáveis x População Valores médios Buffer distritos (PA) Função QuadráticaValores – Pertinência Fuzzy Método Multivariado Empírico / Literatura Distância Vias Distância Rios Distância Centros Urbanos Cobertura Florestal Declividade Seleção Variáveis Indicadoras Inferir superfície que descreva distribuição SR & SIGDados locais p/ variáveis

População em Marabá Redistribuição – Superfícies resultantes - Região Restrição floresta e água ineficiente Percurso de campo Média Simples – mais variabilidade Média Ponderada superfície mais suave

População em Marabá Redistribuição – Superfícies resultantes - Região Fuzzy Mínimo representou melhor a heterogeneidade espacial

População em Marabá Redistribuição – Superfícies resultantes – Município

População em Marabá Redistribuição – Superfícies resultantes – Município

População em Marabá Redistribuição – Superfícies resultantes – Município

População em Marabá Redistribuição – Superfícies resultantes – Município

População em Marabá Redistribuição – Superfícies resultantes – Município

População em Marabá Redistribuição – Superfícies resultantes – Município

População em Marabá Redistribuição – Superfícies resultantes – Município

População em Marabá Redistribuição – Superfícies resultantes – Município Restrição floresta e água – setores sem população Média Simples – mais variabilidade que Média Ponderada (peso para % floresta) Fuzzy Mín e Gama similares Fuzzy Máx semelhante Setores com restrição inicial Dados de pessoas nos PAs do INCRA para análise global Fuzzy gama – acertos nas classes de densidade extremas Média Simples – acerto nas classes intermediárias

Método Dasimétrico x Acesso a Saúde Measuring Potential Access to Primary Healthcare Services: The Influence of Alternative Spatial Representations of Population Mitchel Langford; Gary Higgs This article studies the implications of adopting differing spatial representations of population on healthcare accessibility modeling outcomes.

Langford & Higgs (2010) Motivation (National Health Service) Priorities and Planning Framework 2003–2006 reduction in health inequality GIS - identifying poorly served areas through combinations of data relating to sociodemographic circumstances, supply/demand characteristics, and appropriate transportation information. Context Traditional approaches to measuring geographical barriers to health services: potential accessibility: concerned with opportunities available to residents within administrative areas generally realized accessibility: on utilization data (e.g., postcoded patient lists, referral and/or attendance records, and actual travel behavior) that permit measures of accessibility to be directly calculated.  developed potential measures of access based on either straight-line or travel-time distances between health services and demand points.  Such measures are then used to identify areas where provision is poor and where additional health facilities are needed to improve levels of access

Langford & Higgs (2010) Ex: Development Agency report (2004), for example, found that over 10 percent of households in rural areas outside the South East of England were more than seven miles (11.26km) from their nearest hospital. Studies have compared the relative utility of both approaches in association with socioeconomic characteristics of areas, often with contrasting findings. Individuals attend the nearest facility there is no cross-boundary flow of patients Some research into the impacts of using different GIS-based techniques on resultant accessibility measures (e.g., Brabyn and Barnett 2004),  but other confounding factors have received little focus, one such issue being the estimation of potential population demand

Langford & Higgs (2010) Traditionally the total population (or relevant subgroups) potentially able to access health facilities is derived by computing Euclidean or drivetime catchments around healthcare delivery points An estimated population count is then obtained using spatial interpolation techniques. –point-in-polygon analysis location-allocation modeling, and previous work has explored potential im plications of generalizing demand at a single point with potential location uncertainties (e.g.,Hewko, Smoyer-Tomic, and Hodgson 2002). – areal interpolation tools counting only those census tracts entirely enclosed within the catchment, or including those that only partially intersect the catchment, or including the population of partially intersecting tracts on a pro rata basis determined by the area of overlap. The population assignment technique chosen inevitably impacts on estimates of those deemed to be with-in reach of health facilities and Each method has limitations we ignore populations in tracts not completely bounded by the travel catchment we are assuming equal distribution of population within census tract allocating(or not) the entire population of a tract on the basis of just one representative point.

Langford & Higgs (2010) Specifically we are concerned with comparing demand-side measures based on areal interpolation by dasymetric mapping with those derived from more established approaches. Researchers are largely concerned with variations in availability of service rather than the relationship between availability and service utilization. !!

Langford & Higgs (2010) Researchers are largely concerned with variations in availability of service rather than the relationship between availability and service utilization. !! Geographical availability of services (Kernel density estimates- KDE) X Population need – (population-tract centroids - health record based on the mother’s census tract of residence) OBS: USA – Urban area – no travel distance In the absence of individual-level health data, measures are often based on a count of services within census tracts or, alternatively, the number of facilities within a certain Euclidean distance or drive-time of single demand points

Langford & Higgs (2010) - methodology Uses adaptation of the two-step floating catchment area method, Spatial representation models of the population: 1. population–weighted centroid (Office for National Statistics- ONS) 2. evenly distributed within the census tabulation zone OR ‘‘areal weighting’’ 3. dasymetrically distributed with in the census tabulation zone. create subzones of relative homogeneity and thereby ensure that mapped discontinuities better reflect the true underlying geography. - lacks a standardized methodology and variations are possible in terms of the choice of ancillary data used or the degree of internal differentiation attempted - USED two-tier, binary dasymetric method; -internally mapping each census tabulation zone into subareas identified as either occupied or empty, then allocating the population count uniformly to only the occupied portion. -

Langford & Higgs (2010) - methodology Ancillary data: Ordnance Survey (OS, the U.K. national mapping agency) 1:50000 scale raster maps: (geotiff, 5m) - full U.K. coverage and carries details of roads, footpaths, woods, water features buildings, and contour heights - Binary : white  populated areas

Langford & Higgs (2010) - methodology Population representations

Langford & Higgs (2010) - methodology To evaluate the impacts of these models healthcare services within Wales was assembled: 2,010 GPs distributed across 485 practices, geocoded to point locations using the NHS postcode directory,

Langford & Higgs (2010) - methodology Travel-time catchments were computed using a road network the vector road network, clipped to the Welsh national boundary, was rasterized to a grid with a 25-m posting. The final result was a travel cost raster from which a travel-time catchment could be computed for any designated location using any specified threshold time limit. Travel-time catchments, using a 10- minute threshold, were computed for each GP practice in turn using the CostAllocation function

RESULTS A dasymetric representational model leads to higher estimates of the floating catchment population  physician availability is always somewhat lower than might previously have been thought Langford & Higgs (2010) – methodology/results corresponding physician-to-population ratios (i.e., Rj). VBA (Visual Basic for Applications) script that cycled through each GP practice in turn, computing travel-time catchments and performing raster overlays with each population surface to determine the Rj values. Rj values. assigned to GP point objects via their attribute tables. The sum total of Rj values contained within that zone yields the final accessibility index (Af )

Langford & Higgs (2010) - results Absolute difference in accessibility scores for the Cardiff Unitary Authority between the dasymetric and pro rata population distribution models. Accessibility scores (Af ) plotted for Output Areas in the Cardiff Unitary Authority (representative point population distribution model and ten- minute travel time threshold).

Langford & Higgs (2010) – Results Af patterns they exhibit over space help to identify isolated pockets of impoverished healthcare accessibility. Difference: the discrepancy between models increases as rurality increase. a clear tendency for larger, less-urbanized Output Areas lying beyond the city limits to report the greatest decline in Af score when comparing these two representational models of population dasymetric model was found to consistently yield proportionately lower estimates of healthcare accessibility (using the floating catchment technique) in rural as compared to urban regions. The dasymetric representation is believed to provide the most detailed and realistic understanding of population geography within census tract boundaries, and therefore should offer the best estimates of potential demand on services.

Referências Wright, John K A method of mapping densities of population with Cape Cod as na example. Geographical Review 26:103–10. Teresa Sá Marques, R.S.; Silva, F.B.; Delgado C. A ocupação edificada: delimitação de áreas de densidade homogénea. Departamento de Geografia, FLUP / CEGOT < Filipe Batista e Silva Modelação cartográfica e ordenamento do território: um ensaio metodológico de cartografia dasimétrica aplicado à região oeste e Vale do Tejo. Dissertação de Mestrado. Faculdade de Letras da Universidade do Porto Langford, Mitchel and Higgs, Gary(2006) 'Measuring Potential Access to Primary Healthcare Services: The Influence of Alternative Spatial Representations of Population', The Professional Geographer, 58: 3, 294 — 306. DOI: /j x x