Cehmiyye ) ةيمهجلا (

“A complexidade em si mesma produz suas leis que podem ser simples e coerentes.” (CHRISTOFOLETTI, 1999)

Segundo Christofoletti (1999), as visões acerca do mundo e de suas representações foram mudando ao longo do tempo. Primeiramente, reinava o pensamento teológico (o mundo era regido por Deus), depois mecanicista (tudo funcionava como a engrenagem de um relógio), evoluindo para uma visão organicista (o mundo representado como um sistema biológico, com veias e artérias), construiu-se uma visão sistêmica no pensamento moderno e, por fim, chegou-se ao que é chamada pós-modernidade, na era do caos, do fractal, da complexidade, onde reina o aleatório. Para uma compreensão mais adequada dessa realidade, é preciso ter em mente a complexidade em que estamos inseridos a partir do momento em que a “ordem soberana” que regia o universo e todas as relações existentes foi quebrada. O conhecimento deve enfrentar essa complexidade. “Complexus significa o que foi tecido junto; de fato, há complexidade quando elementos diferentes são inseparáveis constitutivos do todo” (MORIN, 2007, p. 36). O conhecimento das informações ou dos dados isolados é insuficiente.

Para Morin (2007, p. 38) “é preciso situar as informações e os dados em seu contexto para que adquiram sentido. O global é mais que o contexto, é o conjunto das diversas partes ligadas a ele de modo inter-retroativo ou organizacional”. Isso observado, constitui um sistema que, segundo vários autores citados por Christofoletti (1999), formam um conjunto organizado de elementos e interações entre eles. “O todo tem qualidades ou propriedades que não são encontradas nas partes, se estas estiverem isoladas umas das outras, e certas qualidades ou propriedades das partes podem ser inibidas pelas restrições provenientes do todo” (MORIN, 2007, p. 37).

Muito se criou e várias técnicas foram desenvolvidas com o intuito de compreender os vários sistemas presentes no mundo, concluindo-se que a construção de modelos seria uma alternativa para compreender, representar de forma objetiva e simplificada a realidade ou um aspecto do mundo real, afirma Christofoletti, (1999). Ele assevera que um “[...] modelo é uma estruturação simplificada da realidade que supostamente apresenta, de forma generalizada, características ou relações importantes” (CHRISTOFOLETTI, 1999, p. 8). Os modelos, de acordo com esse autor, “[...] são aproximações altamente subjetivas por não incluírem todas as observações ou medidas associadas [...]”, porém, são valiosos “[...] por obscurecerem detalhes acidentais e por permitirem o aparecimento dos aspectos fundamentais da realidade” (CHRISTOFOLETTI, 1999, p. 8). A complexidade do ambiente em que vivemos, suas múltiplas relações e estados só podem ser representados por modelos também de alta complexidade.

Para que a interpretação dos resultados desses modelos seja inteligível em todos os seus aspectos, é desejável que sejam abordados por diferentes áreas do conhecimento. Isso é preconizado por Christofoletti (1999) que postula que várias ciências consideram os modelos como um procedimento teórico e técnico importante para pesquisar, levantar hipóteses, fazer diagnósticos, previsões e simulações. Por ser uma simplificação da realidade, constituem uma representação material ou simbólica do mundo, possibilitando com isso formulações qualitativas e quantitativas acerca do sistema em questão. A utilização dos modelos favorece a otimização de custos e do tempo.

De acordo com Christofoletti (1999), são características dos modelos: seletividade (elege prioridades e relevâncias); estruturação (propicia conexões entre os elementos); enunciação (a estrutura possui um padrão com relações sistêmicas que possibilitam a ampliação e a generalização); simplicidade e complexidade (simultaneamente selecionam dados para melhor manipular e compreender a realidade sem deixar de considerar o que é essencial); analógico (por ser uma simplificação, são diferentes do mundo real); reaplicabilidade (podem ser usados em outras situações semelhantes). São funções dos modelos: visualizar e compreender os fenômenos estudados; são ferramentas promissoras para extrair dos dados o maior número de informações

possíveis; fornecem previsões para tomadas de decisões; exploram informações a curto prazo para outras escalas temporais; são eficazes para comunicar as informações e com isso aproveitá-las em outras situações com logicidade e adequação; possibilitam a simulação.

Nas últimas décadas, a necessidade da promoção do desenvolvimento, aliada à preservação dos recursos naturais, encontrou no desenvolvimento de modelos as ferramentas necessárias à análise dos diversos aspectos, de interesse ambiental, cujas repercussões econômicas e sociais exigem o entendimento de vários ramos da ciência, propiciando a composição de um modelo final, que comporte as variáveis necessárias para a abordagem do tema.

Atualmente, resultado dos ganhos gerados pela evolução tecnológica, tem-se disponível uma grande massa de dados a serem manipulados na busca de respostas por meio de um modelo para um sistema ambiental. Essa disponibilidade de dados apresenta-se como uma vantagem; porém, corre-se o risco de se perder no meio deles e não conseguir aproveitá-los adequadamente. A evolução tecnológica tem também facilitada a manipulação desses dados, mas é preciso saber usar e interpretar as informações disponíveis; caso contrário, pode-se perder no processo e nos resultados dele decorrentes.

Uma maneira de organizar e manipular essas informações é a utilização do geoprocessamento. De maneira geral, o geoprocessamento pode ser considerado como um conjunto de ciências, técnicas e tecnologias utilizadas para aquisição, processamento, armazenamento e publicação de dados e informações espacialmente explícitas. Dessa forma, o geoprocessamento trata os problemas ambientais, levando em conta a localização, a extensão, as relações espaciais e a dinâmica dos fenômenos analisados, contribuindo para explicá-los no presente e acompanhar sua evolução temporal (passada e futura).

Para aquisição, processamento, armazenamento e publicação de dados e informações espacialmente explícitas utiliza-se um sistema computacional denominado de Sistema de Informação Geográfica (SIG). Esse sistema é composto de um conjunto de ferramentas com capacidade para fazer a captura, entrada, manipulação, transformação,

visualização, consulta, análise, modelagem, armazenamento e apresentação de dados geograficamente referenciados (BURROUGH e MCDONNELL, 1998; MOURA, 2005).

Segundo Burrough e McDonnell (1998), os SIG são mais do que meios de codificar, armazenar e recuperar dados sobre aspectos da superfície da Terra, eles são sistemas capazes de representar um modelo do mundo real. Isto porque os dados podem ser acessados, transformados e manipulados interativamente, servindo como uma base de testes no estudo dos processos ambientais, para análise do resultado de tendências, ou para prever possíveis resultados de decisões de planejamento.

Utilizando-se um SIG torna-se possível fazer uma constatação analítica e objetiva da organização territorial, obtendo-se novos conhecimentos e novas possibilidades de interpretação de fenômenos socioeconômicos, em função da distribuição no território. Outra característica dos SIG é a possibilidade de atualização de dados, uma vez que a realidade está sujeita a evolução contínua, que pode modificar rapidamente a projeção territorial dos fenômenos socioeconômicos.

São exemplos de procedimentos metodológicos utilizando SIG:

• Análise de Multicritérios: é um procedimento metodológico de cruzamento de variáveis em análises espaciais; também conhecida como árvore de decisões ou como análise hierárquica de pesos (AHP, do inglês Analitycal Hierarchy Process), baseado em variáveis e no grau de pertinência dessas variáveis, empregando a média ponderada.

• Delimitação de área de influência (buffering): trata-se da definição de uma área paralela ao elemento que lhe deu origem, segundo uma dimensão determinada pelo usuário.

• Densidade kernel: O interpolador ou estimador de densidade de kernel provém do conceito estatístico de função de densidades de probabilidade. É uma alternativa para analisar o comportamento de fenômenos pontuais, através da estimativa da intensidade de um processo que ocorre em uma determinada região de estudo. O processo de interpolação gera uma grade em que cada

célula representa o valor da densidade de um determinado atributo, conforme uma função específica que determina uma região de influência num raio, a partir de um ponto da amostra, dentro da qual os eventos contribuem para o cálculo da intensidade. Burrough e McDonnell (1998) afirmam que o valor obtido será uma medida de influência das amostras na célula. Os interpoladores de kernel vêm sendo utilizados em estudos de análise espacial que envolvem fenômenos naturais e socioeconômicos, tais como: estudos epidemiológicos, sociais, demográficos, biológicos, entre outros.