Dinâmica e modelagem da qualidade visual da paisagem de calçadas arborizadas em Curitiba, Paraná
Sidnei Antonio Crovador Junior
Data da defesa: 01 de dezembro de 2021
Banca Examinadora:
Profª. Dra. Angeline Martini – UFV – Primeira Examinadora
Prof. Dr. Ronaldo Ferreira Maganhotto – UNICENTRO – Segundo Examinador
Prof. Dr. Afonso Figueiredo Filho – UNICENTRO – Orientador e Presidente da Banca Examinadora
Resumo:
Nos últimos anos, a preocupação com a qualidade da paisagem tem sido um tema que ganha maior atenção e estudos de qualidade do ambiente urbano podem ser considerados ferramentas chave para o subsídio do planejamento, já que fornecem informações que colaboram para promover a qualidade de vida da população. O objetivo desta pesquisa foi determinar a Qualidade Visual da Paisagem (QVP) das calçadas arborizadas e não arborizadas em Curitiba, Paraná, pelo método direto. Como modelo de estudo escolheu-se vinte e quatro ruas (doze arborizadas e doze não arborizadas) das quatro Zonas Residenciais da cidade, a partir das quais foram realizadas a coleta de fotografias em perfil transversal, retiradas nos dois sentidos das vias, nos três segmentos mais representativos e em dois ângulos diferentes (A1 e A2), fotografias hemisféricas e de variáveis das árvores (DAP, altura total e diâmetro de copa) e da estrutura urbana (largura da calçada, largura do recuo frontal e altura das edificações), para qualificar e analisar a paisagem das calçadas. A coleta foi repetida nas quatro estações do ano. A partir das variáveis obtidas nas imagens (porcentagem de vegetação, céu e ambiente construído), determinou-se a QVP de cada imagem, somando as porcentagens após a atribuição de pesos às variáveis. Com os dados de QVP, foi realizada uma Análise de Agrupamento (Cluster analysis), para estabelecer três classes de qualidade visual da paisagem, definindo-as como: baixa, média e alta. Realizou-se uma análise das diferenças entre zonas, estações do ano e entre os ângulos das fotografias, por meio de um Delineamento em Blocos ao Acaso em esquema Fatorial duplo. Também, com os valores de QVP e das outras variáveis mensuradas “in loco” foram feitos os ajustes de modelos para estimar a QVP por três diferentes métodos: Stepwise, Modelos Aditivos Generalizados e machine learning. Das paisagens avaliadas, 26,4% tiveram Qualidade Visual da Paisagem classificada como Alta (A), 50,0% como Média (M) e 23,6% como Baixa (B). Já as ruas com calçadas não arborizadas, 23,6% tiveram QVP classificada como Alta (A), 41,7% como Média (M) e 34,7% como Baixa (B). Pelo teste de Tukey, observou-se que para ruas arborizadas, a Zona Residencial 4 (ZR4) difere estatisticamente das demais, apresentando a menor média. Já nas ruas com calçadas não arborizadas, a Zona Residencial 1 (ZR1) diferiu significativamente das demais, apresentando maior média. Para a estação inverno constatou-se diferença significativa na QVP em relação às demais estações do ano (p-valor<0,01). Quanto às ruas não arborizadas, nota-se que o outono demonstrou maior média. Com relação ao ângulo das fotografias, evidenciou-se diferenças nas ruas arborizadas, conforme os ângulos das fotografias e as zonas residenciais. Quanto à modelagem, os resultados sugerem que Modelos Aditivos Generalizados apresentam maior capacidade preditiva para dados de ruas arborizadas. Os modelos gerados que apresentaram melhor desempenho são compostos por variáveis relacionadas tanto aos elementos arbóreos quanto à infraestrutura urbana e o modelo do Verão demonstrou estatísticas superiores (R² de 0,59). Já para ruas não arborizadas, machine learning apresentou as melhores estimativas e o modelo da estação Primavera demonstrou os melhores resultados (R² de 0,35).
