Alguns dos dados foram coletados já no formato desejado e outros precisaram ser manipulados de forma a ficarem disponíveis como indicadores para os municípios. Foram utilizados os softwares Microsoft Excel para manipulação dos dados, o software estatístico Minitab para padronização dos dados e produção de estatísticas, o software Statistica para análises estatísticas e o software ArcGIS 10.2 para manipulação das informações em formato vetorial e matricial. No caso dos dados manipulados em ambiente SIG, todos os planos de informação foram submetidos ao mesmo datum SIRGAS 2000 e projeção policônica (SIRGAS 2000 Brazil Polyconic) para cálculo dos valores para cada município.
Visto que alguns critérios são formados por indicadores cujas unidades são diferentes, foi necessário padronizar os dados em uma escala comum que permitisse os cálculos. Foi utilizado o método de “mínimo-máximo”, que transforma os dados em uma escala que varia de 0 a 1 (FERRARO, 2004; OECD, 2008). Para valores maiores adquirirem o valor prioritário (1), é adotada a seguinte fórmula, onde xi é o valor observado da variável para o município i, min(x) é o valor mínimo presente na população e max(x) é valor máximo presente na população (WÜNSCHER; ENGEL; WUNDER, 2008):
(1) 𝑘𝑖 = 𝑥𝑖−𝑚𝑖𝑛(𝑥)
𝑚𝑎𝑥(𝑥)−𝑚𝑖𝑛(𝑥)
Para valores menores possuírem maior prioridade é utilizada outra fórmula (WÜNSCHER; ENGEL; WUNDER, 2008):
(2) 𝑘𝑖 = 𝑥𝑖−𝑚𝑎𝑥(𝑥)
𝑚𝑖𝑛(𝑥)−𝑚𝑎𝑥(𝑥)
Os procedimentos utilizados para produzir os indicadores e combiná-los de forma que representassem um critério são descritos abaixo.
a) Priorizar as áreas onde os imóveis rurais já empregam boas práticas de gestão da propriedade e dos recursos naturais e desenvolvem atividades produtivas mais sustentáveis (Boas práticas)
Esse critério foi produzido por meio da combinação de três indicadores produzidos a partir dos dados municipais disponibilizados pelo Censo Agropecuário de 2006 (IBGE, 2006). O primeiro indicador considerou o número percentual de propriedades rurais de um município que empregam as seguintes práticas agrícolas: plantio em nível, uso de terraços, rotação de culturas, uso de lavouras para recuperação de pastagens, pousio ou descanso dos solos e proteção/conservação de encostas. Como os dados não indicam quais municípios empregam todas essas práticas, foi feita uma média considerando os valores para essas seis variáveis. O segundo indicador traduzia os municípios que apresentaram maior área percentual livre de aplicação de agrotóxicos, enquanto que o terceiro indicador apontava os municípios com maior número percentual de propriedades rurais que utilizam o controle biológico de pragas em vegetais. Cada um dos três indicadores foi padronizado de forma que valores maiores tivessem prioridade maior e, posteriormente, foi feita a média dos valores em mesma escala. Finalmente, os valores do indicador foram novamente padronizados de forma que o maior valor encontrado pela média dos indicadores correspondesse à opção mais prioritária, de valor 1.
b) Priorizar as áreas que possuem menor proporção de vegetação nativa (Menor % de vegetação) e áreas que possuem maior proporção de vegetação nativa (Maior % de vegetação)
Esses dois critérios foram produzidos a partir dados do Inventário Florestal (INSTITUTO FLORESTAL, 2010), que catalogou os remanescentes de vegetação natural do estado a partir de imagens de satélite do ano 2008 e 2009. Foram utilizados os valores percentuais de vegetação por municípios já calculados e disponibilizados pelo órgão produtor do inventário. No caso da priorização do maior percentual de vegetação, os valores foram padronizados de acordo com a fórmula (1), enquanto que para priorizar as áreas com menor percentual de vegetação foi empregada a fórmula (2).
c) Priorizar áreas dotadas de fragilidade ou vulnerabilidade, incluindo desastres e mudanças climáticas (Fragilidade)
A elaboração desse critério ocorreu da seguinte forma: primeiro foram obtidos os dados acerca do perigo de escorregamento e perigo de inundação para o estado de São Paulo (INSTITUTO GEOLÓGICO, 2014). O arquivo estava em formato vetorial cujos polígonos correspondiam às Unidades Básicas de Compartimentação (UBC), a menor unidade de análise do meio físico, geradas em escala entre 1: 50.000 e 1: 75.000. Cada polígono estava classificado em uma classe de perigo de escorregamento e de perigo de inundação. Para o cálculo do primeiro, são considerados dados sobre a amplitude, declividade média, densidade de drenagem, índice de estruturação da rocha (intensidade de foliação22) e excedente hídrico. Para o segundo, são considerados os dados sobre declividade média, densidade de drenagem e excedente hídrico (SÃO PAULO, 2014).
Para obtenção do índice relativo ao perigo, foi computada a área de cada município sob perigo de escorregamento e inundação de intensidade média, alta e muito alta, de acordo com a classificação do órgão produtor da informação (SÃO PAULO, 2014). Para extrair o percentual dessas áreas por município foi utilizado módulo “Zonal - Tabulate Area”, uma ferramenta de análise espacial do software ArcGIS que usa dois arquivos de entrada, de formato vetorial ou matricial: um que representa as “zonas”, e outro que possui as classes das quais se deseja extrair a área. O módulo então extrai a área em m² de cada classe de dados que se situa dentro de uma determinada zona, apresentando o resultado no formato de uma tabela. Neste caso, os polígonos municipais produzidos pelo IGC (2015) em escala 1: 50.000 correspondem às zonas, enquanto que o arquivo de classes é a imagem vetorial com as informações sobre o perigo de escorregamento e inundação. Para o processamento dos dados pela ferramenta foi adotado um pixel de 50m, compatível com a escala da imagem vetorial referente aos perigos. Visto que as classes dos dois índices não coincidem23, as áreas para cada um foram calculadas separadamente, somadas, e posteriormente divididas pela área municipal extraída a partir do mesmo arquivo vetorial utilizado para as zonas, de forma a produzir um valor percentual. Esses valores foram então padronizados de forma que valores maiores tivessem maior prioridade.
Em seguida, foi produzido o indicador para o número de acidentes de escorregamento e inundação. Foi obtido o número de acidentes ocorridos por município relacionados à inundação, enxurrada e alagamento ocorridos entre 2000 e 2013 (INSTITUTO GEOLÓGICO, 2013b) e o número de acidentes ocorridos devido a fenômenos como queda, tombamento e rolamento de
22 Quanto maior a intensidade de foliação, maior a probabilidade de ocorrência de escorregamento.
23 Não há perigo de escorregamento onde há perigo de inundação, e vice versa, ou seja, a existência de um
blocos, deslizamento, corrida de massa, subsidência e colapso, erosão costeira/marinha, erosão de margem fluvial e erosão continental, para o mesmo período (INSTITUTO GEOLÓGICO, 2013a). Esses valores foram somados e posteriormente padronizados de modo que um maior número de acidentes correspondesse ao valor prioritário. O terceiro indicador desse critério corresponde ao número de pessoas desabrigadas e desalojadas por conta de acidentes e desastres por eventos geodinâmicos entre 2000 e 2013 (INSTITUTO GEOLÓGICO, 2013c), que foi padronizado de forma que o município com um maior número de pessoas afetadas fosse prioritário.
Finalmente, os três indicadores padronizados em mesma escala foram então somados e sua média transformada novamente de acordo com a fórmula (1).
d) Priorizar as áreas próximas ou inseridas em áreas protegidas ou suas zonas de amortecimento (Proximidade a UCs)
Para produzir esse critério foi utilizado o arquivo vetorial de todas as Unidades de Conservação brasileiras disponibilizado por CNUC/MMA (2016), produzido em escala que varia de 1: 5.000 a 1: 100.000. A partir desse arquivo foram extraídas as UCs localizadas no estado de São Paulo, que foram posteriormente separadas em Área de Proteção Ambiental (APA) e não-APA. Para as UCs que não são APAs, foi feito um buffer de 3 mil metros representando a zona de amortecimento dessas áreas, inclusive para RPPNs, para as quais não é exigida a implementação de ZA (BRASIL, 2000). Esse valor foi adotado visto que não foi possível obter o arquivo digitalizado das zonas de amortecimento já instituídas pelo plano de manejo dessas áreas protegidas, seguindo-se então o definido pela resolução do Conselho Nacional do Meio Ambiente (CONAMA) que regulamenta os procedimentos de licenciamento no entorno de UCs que ainda não possuem ZA delimitada (CONAMA, 2010). Não foi feita ZA para APAs, pois essas áreas são em geral extensas, já com certo grau de ocupação humana, cujo objetivo principal é disciplinar o uso e ocupação do solo de forma a assegurar o uso sustentável dos atributos relevantes da área.
Após a produção do buffer, esse arquivo foi unido àquele referente às APAs, produzindo então um arquivo vetorial único. Para extrair o percentual da área de cada município situada em zonas de amortecimento ou APAs foi utilizado o módulo “Tabulate Area”, adotando pixel de 5m para processamento dos dados. Esses valores foram então padronizados de forma que valores maiores tivessem maior prioridade.
e) Priorizar as áreas que apresentam vulnerabilidade à salinização ou poluição (Vulnerabilidade dos aquíferos)
Para obter esse critério, foi utilizado o arquivo raster (pixel de 55 metros) sobre a vulnerabilidade dos aquíferos à poluição, produzido por DAEE (2013). Esse arquivo já se encontrava dividido em três classes: vulnerabilidade baixa, média e alta à poluição. Esses valores classificados foram produzidos por DAEE (2013) a partir da metodologia de Foster e Hirata (1988), que considera a condição do aquífero, ou seja, se é confinado ou não, entre outras; o tipo litológico e a profundidade do lençol freático ou do teto do aquífero.
Para extrair a área de cada classe de vulnerabilidade, foi realizado o procedimento já descrito “Tabulate Area”, tendo como arquivo de zonas os limites municipais do estado de São Paulo. Após a obtenção da área de cada município em cada classe de vulnerabilidade, as classes média e alta foram somadas e posteriormente divididas pela área municipal, gerando um valor percentual. Essa porcentagem foi então padronizada de forma que valores maiores tivessem maior prioridade.
f) Priorizar as áreas onde a vegetação, solo e recursos hídricos se encontram degradados ou em pior estado de conservação (Áreas degradadas)
Para esse critério foram empregados os dados do Censo Agropecuário (IBGE, 2006) relativos à existência de terras degradadas e de recursos hídricos não protegidos por matas na propriedade rural. Para esse último indicador, os dados se encontravam divididos por: nascentes, rios ou riachos, lagos e açudes. Portanto, foi adotada a média desses valores para os municípios. Ambos os indicadores se apresentavam em percentual de propriedades rurais no município, sendo então padronizados de acordo com a fórmula (1) e posteriormente agrupados de forma a obter um valor médio. Esse valor médio foi então novamente padronizado de forma que o maior valor médio obtido correspondesse ao valor 1.
g) Priorizar as áreas onde a vegetação, solos e recursos hídricos se encontram em melhor estado de conservação (Áreas conservadas)
Para o critério de áreas conservadas foi utilizado o indicador de número (%) de propriedades com recursos hídricos protegidos por matas, segundo IBGE (2006). Para esse indicador os dados estavam divididos por nascentes, rios ou riachos, lagos e açudes, portanto,
foi preciso estabelecer uma média desses valores, que foi posteriormente padronizado de acordo com a fórmula (1).
h) Priorizar as áreas que possuem problemas já identificados de qualidade de água (Qualidade da água)
Para o critério de áreas com problemas de qualidade da água foram utilizados três indicadores, extraídos a partir do nível de UGRHI. Esses dados foram obtidos de uma planilha de informações disponibilizada pela Secretaria de Saneamento e Recursos Hídricos (2015)24. Foram utilizados os dados de 2015 para o Índice de Qualidade da Água (IQA), o Índice de Qualidade das Águas para proteção da Vida Aquática (IVA) e o do Indicador de Potabilidade das Águas Subterrâneas (IPAS), todos produzidos pela CETESB e publicados nos relatórios de qualidade da água superficial e subterrânea (CETESB, 2016b; 2016c). O IQA é um índice adaptado de uma metodologia estadunidense que avalia nove variáveis relativas à qualidade da água superficial, em termos de abastecimento público, a saber: coliformes fecais, pH, Demanda Bioquímica de Oxigênio (DBO), nitrogênio total, fósforo total, temperatura, turbidez, resíduo total e oxigênio dissolvido. A partir do cálculo combinado dessas variáveis, o IQA pode ser classificado em qualidade ótima, boa, regular, ruim e péssima. Por outro lado, o IVA tem foco na qualidade das águas superficiais para proteção da fauna e flora em geral. Esse índice considera a presença de contaminantes químicos tóxicos, sua toxicidade sobre os organismos aquáticos, o pH e o oxigênio dissolvido. Esse índice é classificado nas mesmas classes definidas para o IQA, sendo que ambos são calculados para pontos de monitoramento situados ao longo das UGRHIs. (CETESB, 2016b). Já o IPAS diz respeito à qualidade das águas subterrâneas e representa o percentual de amostras em conformidade com o padrão de potabilidade referente ao padrão organoléptico e a aspectos de risco à saúde como o bário, ferro, manganês, alumínio, coliformes totais, nitrato, crômio, entre outros (CETESB, 2016c).
Para produzir os valores por município, primeiramente foram elaborados os valores para as UGRHIS. Para os índices de água superficial, computou-se o número de pontos de monitoramento que apresentaram índices de qualidade regular, ruim e péssima, obtendo o valor proporcional em relação ao número de pontos monitorados na UGRHI, para cada índice. Posteriormente, esses valores foram atribuídos para os municípios pertencentes em cada
24 O arquivo consiste em um banco de dados com indicadores para as UGRHIs e todos os municípios do estado de
São Paulo, a partir do ano 2007. Esses dados são utilizados pelos comitês de bacia para produzir os Relatórios de Situação dos Recursos Hídricos das UGRHIs, mas não se encontram publicados.
UGRHI, de acordo com IGC (2015). No caso do IPAS, computou-se a porcentagem de amostras de água em desconformidade com os padrões, por UGRHI, posteriormente atribuindo esses valores aos municípios. Para as UGRHIs 3 e 7 não havia informação sobre pontos em conformidade, portanto, atribuiu-se valor zero aos municípios dessas Unidades.
Finalmente, todos os valores dos indicadores foram padronizados de forma que os maiores valores fossem mais prioritários, sendo posteriormente combinados de forma a obter um valor médio representativo do critério. Como já descrito, esse valor médio foi padronizado novamente de forma que a melhor situação obtivesse o valor 1.
i) Priorizar as áreas que possuem problemas já identificados de quantidade de água (Quantidade da água)
Para esse critério foram usados três indicadores, obtidos da Secretaria de Saneamento e Recursos Hídricos (2015) em nível municipal: disponibilidade per capita, ou seja, a vazão média em relação à população total25, em m³/hab.ano; a demanda superficial em relação à vazão
mínima superficial26, em porcentagem; e a demanda subterrânea em relação às reservas
explotáveis, também em porcentagem. Para o primeiro indicador, determinou-se que disponibilidades per capita mais baixas deveriam ser prioritárias, recebendo valor normalizado próximo de 1. Para os outros dois indicadores, valores mais altos indicam uma demanda superior à vazão ou à reserva explotável, sendo, portanto, prioritários. Após a padronização desses três indicadores em uma mesma escala, a média entre eles foi padronizada novamente de forma que o maior valor obtido desse cálculo se tornasse o valor mais prioritário.
j) Priorizar as áreas que possuem alta suscetibilidade à erosão e produção de sedimentos (Suscetibilidade à erosão)
Optou-se por calcular a suscetibilidade à erosão a partir de uma metodologia que combinasse dados sobre declividade e erodibilidade dos solos, produzida por Salomão27 (1999
25 Os dados sobre disponibilidade hídrica consideram as vazões de referência base para o ano de 1987, pois esses
dados não são atualizados anualmente pelo DAEE (COORDENADORIA DE RECURSOS HÍDRICOS, 2012).
26 A vazão mínima Q
7,10 corresponde à registrada em 7 dias consecutivos, em um período de retorno de 10 anos,
sendo considerada uma vazão de referência conservadora. A demanda corresponde àquela outorgada para captações superficiais em rios estaduais (COORDENADORIA DE RECURSOS HÍDRICOS, 2012).
27 SALOMÃO, F.X.T. Controle e prevenção dos processos erosivos. In: GUERRA, T.A.J.; SILVA, A.S.;
BOTELHO, R.G. (Org.). Erosão e Conservação dos solos: conceitos, temas e aplicações. Rio de Janeiro: Bertrand Brasil, 1999. p. 229-265.
apud RIBEIRO; SALOMÃO, 2003). Primeiramente foi necessário elaborar o mapa de declividade para o estado de São Paulo, utilizando para isso o Modelo Digital de Elevação (MDE) produzido por SMA/CPLA/DIA (2013) a partir das curvas de nível extraídas das cartas do IBGE, Instituto Geográfico e Geológico e Departamento de Serviços Geográficos do Exército, em escala 1: 50.000 e resolução horizontal de 20m (0,0002777 graus decimais). Por meio da função de análise espacial “Slope”, a partir do arquivo MDE foi obtido uma imagem raster da declividade em porcentagem, que foi reclassificada de acordo com as classes necessárias para seguir a metodologia, conforme o Quadro 13.
Quadro 13 – Classes de declividade adotadas para a metodologia de suscetibilidade à erosão. Fonte: adaptado de Salomão (1999 apud RIBEIRO; SALOMÃO, 2003).
Em seguida, foi necessário produzir os dados para os solos. A partir do mapa pedológico do estado de São Paulo produzido por IAC (1999) em escala 1: 500.000 e de acordo com o Sistema Brasileiro de Classificação dos Solos (EMBRAPA, 2006), as unidades pedológicas foram reclassificadas de acordo com sua erodibilidade (Quadro 14).
Classe de declividade em % Valor atribuído Suscetibilidade à erosão
<6 4 Pouco suscetível
6-12 3 Moderadamente suscetível
12-20 2 Muito suscetível
Unidade pedológica Valor atribuído Classe de erodibilidade
Argissolos de textura argilosa 30 Média
Argissolos de textura média/argilosa, textura
média e arenosa 20 Alta
Cambissolos 10 Muito alta
Chernossolos 10 Muito alta
Espodossolos 50 Pouca ou nula
Gleissolos 50 Pouca ou nula
Latossolos 40 Baixa
Neossolos 10 Muito alta
Nitossolos 10 Muito alta
Organossolos 50 Pouca ou nula
Planossolos 10 Muito alta
Quadro 14 – Classes de erodibilidade dos solos adotadas para a metodologia de suscetibilidade à erosão. Fonte: adaptado de Salomão (1999 apud RIBEIRO; SALOMÃO, 2003).
Finalmente, o arquivo de solos foi rasterizado em escala compatível à do arquivo de declividade (pixel de 30m) e os dois planos foram combinados por meio de uma soma de rasters. O valor resultante da combinação das classes de solo e de declividade foram então reclassificadas em níveis de suscetibilidade à erosão, conforme o Quadro 15.
Declividade em %
Erodibilidade do solo 1 (>20) 2 (12-20) 3 (6-12) 4 (<6)
10 (muito alta) I I II II
20 (alta) I II II III
30 (média) II III III IV
40 (baixa) III IV IV V
50 (pouca ou nula) IV V V V
Quadro 15 – Critério adotado para a definição da suscetibilidade à erosão laminar, com base em informações de
declividade e erodibilidade do solo.
Fonte: adaptado de Salomão (1999 apud RIBEIRO; SALOMÃO, 2003) e IPT28 (1990 apud SILVA; OLIVEIRA,
2015).
Legenda: I: extremamente suscetível; II: muito suscetível; III: moderadamente suscetível; IV: pouco suscetível;
V: pouco a não suscetível.
Após a reclassificação, o arquivo foi submetido à função “Tabulate Area” de forma a calcular a área de cada classe (I a V) de suscetibilidade à erosão presente em cada município. Após o cálculo, as áreas das classes I, II e III (extremamente, muito e moderadamente suscetível) foram somadas e posteriormente divididas pela área do município, de forma a obter
28 IPT (INSTITUTO DE PESQUISAS TECNOLÓGICAS DO ESTADO DE SÃO PAULO). Orientações para o
um valor percentual. Esse valor foi então padronizado para que os municípios com maior percentual de áreas nessas classes tivessem prioridade maior.
k) Priorizar as áreas de drenagem e recarga hídrica, suas faixas e cobertura vegetal associadas (Densidade de drenagem)
Para produzir esse critério utilizou-se o arquivo vetorial da hidrografia do estado de São Paulo produzida por CETESB (2016a) para todas as UGRHIs do estado, em escala 1: 50.000. Primeiramente, todos os arquivos foram unidos de forma a se tornar um único shapefile. Em seguida, as linhas da hidrografia, que se encontravam separadas por curso d’água, foram unidas de forma a se tornarem uma única feição de linhas. Para extrair o comprimento total da hidrografia por município, foi feita uma interseção entre o arquivo vetorial da hidrografia e o arquivo com os limites municipais do estado, por meio da ferramenta “Identity”, de forma que as linhas de cada município fossem unidas em uma única feição. Assim, foi possível calcular o comprimento total dos rios para cada município, em km, que foi posteriormente dividido pela área municipal (km²). Os valores resultantes foram então padronizados de forma que uma maior densidade de drenagem recebesse maior prioridade.
l) Priorizar as áreas que abrangem mananciais de abastecimento ou que contribuem para a provisão de água de qualidade e em quantidade para os mesmos (Mananciais)
Para esse critério optou-se por utilizar três indicadores disponibilizados por Secretaria de Saneamento e Recursos Hídricos (2015): número de captações superficiais em relação à área total da bacia (nº de outorgas/1000 km²), número de captações subterrâneas em relação à área total da bacia (nº de outorgas/1000 km²) e demanda total de água (m³/s). Considerou-se que os municípios que apresentaram maior número de captações por área são prioritários, portanto os valores foram padronizados de acordo com a fórmula (1). Para a demanda de água seguiu-se o mesmo preceito, priorizando aqueles municípios que apresentaram maior demanda por água. Com as três variáveis em mesma escala, foi feita a média entre elas e posterior padronização desse valor de forma que o maior adquirisse valor 1.
a) Priorizar as áreas com tendência de queda na provisão dos serviços ambientais (Tendência IQA)
Para representar esse critério foram escolhidos os dados sobre a tendência dos valores do IQA ao longo do tempo, para os pontos de monitoramento das UGRHIs. CETESB (2016b)