Aprimoramento e automatização para obtenção de indicadores de associação espacial baseados em conceitos da geoestatística

Resumo

Indicadores de associação espacial mensuram o grau de dependência espacial de variáveis aleatórias não independentes (tais como as variáveis relacionadas ao planejamento territorial e de transportes). Aqueles comumente utilizados na literatura (tais como Moran e LISA) são aplicáveis apenas a dados quantitativos e fazem parte da Análise Espacial Exploratória por Áreas (Exploratory Spatial Data Analysis - ESDA). Uma técnica utilizada na Análise Espacial de superfícies é a geoestatística, a qual se baseia no variograma, que caracteriza quantitativa e qualitativamente a estrutura espacial de determinada variável. Neste trabalho, utilizam-se conceitos do variograma para aprimorar e automatizar o desenvolvimento e obtenção de um indicador de associação espacial global (G-SIVAR - Global Spatial Indicator based on VARiogram) e um indicador de associação espacial local (L-SIVAR - Local Spatial Indicator based on VARiogram), propostos inicialmente por Naiser (2018) e Naizer e Pitombo (2017). Os indicadores propostos baseiam-se na dissimilaridade espacial e são os valores padronizados dos variogramas teóricos globais e individuais, estando associados a um teste de hipótese baseado em pseudo-significância. Com a finalidade de automatizar o processo de obtenção de tais indicadores, mais completos e versáteis quando comparados aos usuais, este trabalho de Iniciação Científica, a ser realizado no período de 12 meses no Departamento de Engenharia de Transportes da Escola de Engenharia de São Carlos (Universidade de São Paulo), tem como principal proposta o desenvolvimento de biblioteca no software R ("sivar") para viabilizar o cálculo de todas as etapas do processo metodológico que abrange a obtenção dos indicadores. Como principal produto do presente projeto, espera-se, a partir de aplicativo aberto e gratuito, popularização do uso de tais indicadores, trazendo contribuições não apenas para pesquisadores da área de planejamento de transportes, como todas as demais áreas que tratam de dados espacialmente correlacionados (epidemiologia, geologia, ambiente, etc.). (AU)