Análise exploratória espacial de indicadores de desenvolvimento socioambiental das regiões de planejamento do norte e nordeste goiano - DOI 10.5216/ag.v7i1.19809

Resumo

Resumo

A análise espacial permite a compreensão da distribuição dos dados advindos de fenômenos ocorridos em certa região geográfica. Permite descrever e visualizar as distribuições espaciais globais e locais, descobrir padrões de associação espacial (clusters), analisar instabilidades espaciais e identificar situações atípicas (outliers). No interesse de oferecer um instrumento simples e eficaz que infere a magnitude da autocorrelação espacial baseando em dados de fontes censitárias, a principal contribuição deste trabalho é o de apresentar um procedimento técnico metodológico que envolva ferramentas de SIG voltadas à determinação espacial de áreas de cluster, de indicativos socioambientais, dos municípios das regiões de planejamento do norte e nordeste goiano. Para a representação da estatística-territorial e sucessiva visualização de padrões de correlação espaciais será utilizada a associação espacial global (Índice de Moran) e local (LISA MAP), bem como o diagrama de espalhamento de Moran (BOX MAP). Como indicadores socioambientais foram usados os dados censitários do IBGE e SEGPLAN-GO referentes aos índices de taxa de analfabetismo, população urbana, IDHM-longevidade, IDHM-renda, saneamento e destinos do lixo.

Palavras-chave: distribuição espacial, autocorrelação, dados geográficos, socioambiental.

Abstract

The spatial analysis allows the understanding of the distribution of data which arose from phenomena that occurred in a particular geographic region. It allows describing and visualizing global and local spatial distributions, as well as discovering patterns of spatial association (clusters), analyzing spatial instabilities and identifying atypical situations. For the sake of offering simple and effective means that infer the magnitude of spatial autocorrelation, based on census data sources, the main contribution of this paper is to present a technical methodological procedure involving GIS tools aimed at determining spatial cluster areas of social and environmental indicators, of cities that belong to the Northern and Northeastern planning area in Goiás. For the representation of territorial statistics and the successive display of spatial correlation patterns, the global spatial (Moran’s index) and local (LISA MAP) association, as well as the Moran Scatterplot (BOX MAP). As social and environmental indicators, the census data regarding the rates of illiteracy, urban population, longevity IDHM (Municipal Human Development Index), income IDHM, sanitation and waste destinations, belonging to IBGE and SEGPLAN-Goiás, were used.

Keywords: spatial distribution, autocorrelation, geographic data, socio-environmental.

Resumen

El análisis espacial permite una comprensión de la distribución de los datos derivados de los fenómenos que ocurren en una determinada región geográfica. Permite describir y visualizar la distribución espacial global y local, descubrir los patrones de asociación espacial (clusters), analizar las inestabilidades espaciales e identificar situaciones atípicas (outliers). Con el objetivo de proporcionar una herramienta simple y eficaz que infiere la magnitud de autocorrelación espacial, sobre la base de fuentes de datos del censo, la principal contribución de este trabajo es presentar un procedimiento técnico metodológico que implica el uso de herramientas de SIG encaminadas a determinar las áreas de clusters de los indicadores sociales y ambientales, de los municipios de las regiones norte y noreste de Goiás. Para la representación de la estadística-territorial y de los patrones de correlación espacial utilizará la asociación espacial global (Índice de Moran) y local (Lisa Map), así como el diagrama de dispersión de Moran (Box Map). Cómo indicadores socio-ambiental se utilizaron los datos del censo del IBGE y SEGPLAN-Goiás relacionados a las tasas de analfabetismo, población urbana, IDHM-longevidad, IDHM-ingreso, saneamiento y los destinos de residuos.  

Palabras clave: distribución espacial, autocorrelación, datos geográficos, socio-ambiental.