Coğrafi İşaret ve Geleneksel Ürün Adı Hakkı

Talvez o termo probabilidade do acrônimo IFVP deva ser repensado para a definição dos valores de pertinência determinados pelo método de Agregação Multicritérios. Esse argumento é devido aos valores resultantes do processo OWA representarem variações de intensidade de adequabilidade a um determinado objetivo, escalonados no intervalo de zero a um, e não uma probabilidade propriamente dita. Apesar disso, a semântica do termo IFVP será mantida no decorrer do texto.

Foram gerados cenários de adequabilidade para caracterizar a ocorrência das classes informacionais conforme as informações contextuais disponíveis em forma de variáveis de ambiente topográfico e espectral. A abordagem OWA é mais flexível que a RLB, pois possibilita a inserção de variáveis categóricas na análise. Desse modo, além das variáveis NDVI, MDE e MDD, fez-se uso da variável Categorias Morfológicas do Terreno (CMT). Para isso, utilizou-se o algoritmo para classificação automática da topografia do terreno a partir do MDE chamada TOPOSHAPE, implementada no software Idrisi. Utilizou-se ainda o modelo Aspect, caracterizador da direção de declividade do terreno – numa abordagem semelhante aos MDN e MDL adotados no procedimento de RLB, porém com valores angulares isentos de transformação.

Em abordagem similar àquela adotada no método RLB, formulou-se os mesmos dois cenários para representar consórcios de classes informacionais de Porte Arbóreo Alto e Baixo. Exatamente as mesmas classes foram empregadas na formulação respectiva de cada cenário. As classes superfície sombreada, superfície aquosa e solo exposto foram tipificadas separadamente.

A partir da Tabela (III) 3 até a Tabela (III) 7 são apresentados os resultados dos parâmetros utilizados nas análises OWA, bem como seus parâmetros de medida de qualidade. Todas as tabelas compartilham as mesmas características de parâmetros. Há nelas uma divisão que representa as duas etapas que dividem a análise de Agregação Multicritérios. No campo fatores há a relação de variáveis de ambiente

62 utilizadas para constituição dos cenários. Nessa parte há ainda a relação de valores dos pesos obtidos pela técnica AHP para cada fator, bem como o grau de consistência (CR) derivado da matriz de comparação pareada da importância relativa entre os fatores. Os pontos de controle utilizados no procedimento de padronização fuzzy de cada fator são exibidos. Note-se que nas ocasiões em que apenas os parâmetros e foram preenchidos, trata-se da função monotônica crescente. Por outro lado, quando apenas os parâmetros e são preenchidos, a função é

monotonicamente decrescente. Um caso particular é apresentado quando todos são preenchidos, o que indica duas fases de comportamento da função, uma de elevação outra de decaimento. Isto a caracteriza como uma função simétrica, crescente de a até b e decrescente de c até d.

Na parte cenários há a especificação dos valores assumidos aos pesos ponderados na configuração de cada um deles. Pelo menos três cenários foram simulados para cada classe informacional (ou consórcio de classes). Nas tabelas pode-se verificar também os valores de Risco, dado por ∑ , Trade-off dado por

∑

e ROC para cada cenário. Onde i é a ordem do peso,

Oi é o peso ordenado e n a quantidade de fatores. A partir dos pesos ordenados, a

medida Risk tem por objetivo identificar o risco do cenário configurado através da sua localização na área estratégica de decisão em relação aos operadores de risco mínimo (AND) e de risco máximo (OR), no eixo x. Complementarmente, a medida trade-off localiza no eixo y, a compensação entre os fatores. Valores menores de Risk indicam maior atuação do operador AND e, portanto, uma postura mais conservadora na análise. Valores maiores de Risk, próximos à unidade, indicam o contrário, ou seja, que o operador OR governa a análise. A compensação apresentada por Trade- off fornece a medida acerca do nível de privilégio atribuído para os fatores, a partir dos valores de seus pesos. Segundo (EASTMAN, 2009), conforme a maioria do peso ordenado é assinalada para a esquerda, direita ou centro dos pesos ordenados, é determinada a posição na dimensão do risco no espaço estratégico de decisão (Figura (III) 2).

63 Figura (III) 2 – Espaço estratégico de decisão.

Fonte: Eastman (2009), p.141.

Um cenário com razoabilidade preconiza uma boa compensação entre fatores, o que indica a contribuição efetiva dos mesmos para a análise.

Para o consórcio de classes “vegetação de porte arbóreo alto” (Tabela (III) 3), o cenário que apresentou melhor desempenho do valor da estatística ROC foi justamente o que apresentou maior Risk entre os três. Percebe-se, contudo, que seu trade-off foi alto.

Tabela (III) 3 – Resultados OWA para o consórcio de classes “Vegetação de Porte Alto”.

Classes de Vegetação de Porte Arbóreo Alto

Fatores Cenários

Pontos de Controle/Pesos

NDVI MDE MDD CMT Pesos Ordenados (i) (ii) (iii)

0,5254 0,1393 0,2788 0,0565 P.ord.1 0,25 0,4 0,16 0,4 300 0 - P.ord.2 0,25 0,3 0,22 0,8 600 10 - P.ord.3 0,25 0,2 0,28 - 900 30 - P.ord.4 0,25 0,1 0,34 - 1200 60 - Risk 0,5 0,67 0,4 CR 0,05 Trade-off 1 0,74 0,85 ROC 0,851 0,865 0,793 Fonte: o autor.

Entretanto, para o consórcio de classes “vegetação de porte baixo” (Tabela (III) 4), o melhor desempenho foi obtido pelo cenário com mais baixo Risk e com trade-off médio.

64

Tabela (III) 4 – Resultados OWA para o consórcio de classes “Vegetação de Porte Baixo”.

Classes de Vegetação de Porte Arbóreo Baixo

Fatores Cenários

Pontos de Controle/Pesos

NDVI CMT MDD Pesos Ordenados (i) (ii) (iii)

0,637 0,2583 0,1047 P.ord.1 0,333 0,5 0,15 -0,4 - - P.ord.2 0,333 0,3 0,3 -0,2 - - P.ord.3 0,333 0,2 0,55 0,2 - 30 Risk 0,5 0,65 0,3 0,4 - 60 Trade-off 1 0,7 0,65 CR 0,03 ROC 0,81 0,794 0,82 Fonte: o autor.

Para as classes individuais superfície sombreada (Tabela (III) 5), superfície aquosa (

Tabela (III) 6) e solo exposto (Tabela (III) 7), os melhores desempenhos foram observados para os cenários com Risk médio e trade-off máximo. Trata-se de um caso particular de OWA, no qual o operador se posiciona exatamente no meio entre AND e OR, e a compensação entre fatores é total. Tal caso é conhecido por Weighted Linear Combination (WLC), onde uma interpretação é raciocinar em termos de média, isto é, a contribuição de cada fator é a média dos fatores. Caso os fatores tenham sido elaborados com cautela para especificar significado próximo da interpretação real do fenômeno, essa é uma opção com resultados quase sempre satisfatórios ao custo de menor esforço.

Tabela (III) 5 – Resultados OWA para a classe superfície sombreada.

Classe superfície sombreada

Fatores Cenários

Pontos de Controle/Pesos

Aspect MDD NDVI Pesos Ordenados (i) (ii) (iii)

0,4286 0,4286 0,1429 P.ord.1 0,333 0,52 0,12 170 30 0,1 P.ord.2 0,333 0,29 0,3 220 50 0,5 P.ord.3 0,333 0,19 0,58 230 - - Risk 0,5 0,67 0,27 280 - - Trade-off 1 0,71 0,6 CR 0 ROC 0,95 0,95 0,93 Fonte: o autor.

65

Tabela (III) 6 – Resultados OWA para a classe superfície aquosa.

Classe superfície aquosa

Fatores Cenários

Pontos de Controle/Pesos

MDD NDVI CTM Pesos Ordenados (i) (ii) (iii)

0,2583 0,637 0,1047 P.ord.1 0,333 0,15 0,55 - - - P.ord.2 0,333 0,55 0,18 - - - P.ord.3 0,333 0,3 0,27 1 -0,1 - Risk 0,5 0,43 0,64 10 0,1 - Trade-off 1 0,65 0,67 CR 0.03 ROC 0,95 0,94 0,95 Fonte: o autor.

Tabela (III) 7 – Resultados OWA para a classe Solo Exposto.

Classe Solo Exposto

Fatores Cenários

Pontos de Controle/Pesos

NDVI CMT MDD Pesos Ordenados (i) (ii) (iii)

0,637 0,2583 0,1047 P.ord.1 0,333 0,53 0,12 -0,1 - 30 P.ord.2 0,333 0,29 0,3 -0,01 - 60 P.ord.3 0,333 0,18 0,58 0,01 - - Risk 0,5 0,68 0,27 0,1 - - Trade-off 1 0,69 0,6 CR 0,03 ROC 0,94 0,93 0,84 Fonte: o autor.