A Krigagem como Método de Análise de Dados Demográficos*1

Alberto Augusto Eichman Jakob

UNICAMP/NEPO

Palavras-chave: Geoestatística, Técnicas, Georreferenciamento, SIG.

I. Introdução

Nos últimos anos, muito se tem avançado com a evolução e a “popularização”

dos Sistemas de Informação Geográfica (SIGs). Atualmente existem muito mais
trabalhos que utilizam tais ferramentas em suas metodologias e análises de dados
georreferenciados do que há poucos anos atrás.

Os métodos “convencionais” de análise de dados georreferenciados utilizam

dados no formato vetorial, se valendo de pontos, linhas e polígonos para tentar
representar as características físicas/geográficas da área de estudos. E quando se
utilizam softwares como o Arcview, em seu módulo básico, para se analisar dados
tabulares, toda a unidade de análise assume o mesmo valor.

Assim, se por exemplo a análise for em nível municipal, todo o município

assumirá um valor único, e seu vizinho outro valor único. E o contraste entre estes pode
ser enorme, fazendo com que o mapa final se pareça com uma verdadeira “colcha de
retalhos”.

Um melhor método de análise de dados se baseia na interpolação destes dados.

Assim, os valores intermediários dos dados são preservados, e o resultado final é uma
superfície contínua de dados mais suavizados, minimizando os contrastes entre os
polígonos.

A Krigagem é considerada uma boa metodologia de interpolação de dados. Ela

utiliza o dado tabular e sua posição geográfica para calcular as interpolações. Utilizando

*
Trabalho apresentado no XIII Encontro da Associação Brasileira de Estudos Populacionais, realizado
em Ouro Preto, Minas Gerais, Brasil de 4 a 8 de novembro de 2002.
1
O presente trabalho foi realizado com o apoio do CNPq, uma entidade do Governo Brasileiro voltada ao
desenvolvimento científico e tecnológico.
o princípio da Primeira Lei de Geografia de Tobler, que diz que unidades de análise
mais próximas entre si são mais parecidas do que unidades mais afastadas, a krigagem
utiliza funções matemáticas para acresentar pesos maiores nas posições mais próximas
aos pontos amostrais e pesos menores nas posições mais distantes, e criar assim os
novos pontos interpolados com base nessas combinações lineares de dados.

A partir de gráficos como o (semi)variograma, a superfície contínua de dados é

criada, e pode-se ter uma idéia da segregação espacial das variáveis, e o alcance da
segregação no espaço, em unidades métricas conhecidas, como milhas, quilômetros, etc.

Neste trabalho são apresentadas as principais vantagens e desvantagens da

krigagem em comparação com os métodos “tradicionais”, o uso de (semi)variogramas e
a criação de superfícies contínuas de dados.

Foram utilizados dados das principais causas de morte da população, e a

condição sanitária dos domicílios dos municípios da Região Metropolitana da Baixada
Santista (RMBS), para os anos de 1980, 1991, 1999 e 2000, obtidas no site do
DATASUS.

II. Metodologia

Foi utilizada a malha municipal do Brasil de 1997, da Fundação IBGE, em

formato shapefile do Arcview, como ponto de partida do trabalho. Selecionaram-se os
nove municípios pertencentes à RMBS para os cálculos do trabalho (Mapa 1 adiante).
Esta área de estudos foi selecionada em parte porque é a minha área de estudos no
programa de doutorado, e em parte porque sendo apenas nove municípios, e alguns bem
parecidos entre si, pode-se testar a eficácia do software, ou seja, até que ponto pode ser
usado levando-se em conta tão poucos dados.

As seguintes variáveis foram selecionadas e analisadas na forma de

porcentagem:

Domicílios:

- Rede Geral de Água, em 1991 e 2000;

2
- Rede Geral de Esgoto, em 1991 e 2000;

- Fossa Séptica, em 1991 e 2000;

- Coleta de Lixo, em 1991 e 2000;

População Residente:

- População Alfabetizada, em 1991 e 2000;

Principais Causas de Morte:

- Doenças Infecciosas e Parasitárias, em 1980, 1991 e 1999;

- Neoplasmas/Neoplasias, em 1980, 1991 e 1999;

- Doenças do Aparelho Circulatório, em 1980, 1991 e 1999;

- Doenças do Aparelho Respiratório, em 1980, 1991 e 1999;

- Lesões e Envenenamentos, em 1980 e 19912; e

- Causas Externas de Morbidade e Mortalidade, em 1999.

Estas quatro primeiras causas de morte somam mais de 70% do total das causas
de morte conhecidas. O DATASUS utiliza a Classificação Internacional de Doenças
(CID) 9 para os anos de 1980 e 1991, e a CID-10 para o ano de 1999. Na CID-9 foi
excluído o capítulo XVI (Sintomas, Sinais e Afecções mal definidas), e na CID-10 o
capítulo XVIII (Sintomas, Sinais e achados anormais de exames clínicos e de
laboratório, não classificados em outra parte); e o total de mortes foi recalculado.

As causas de morte devidas às lesões e envenenamentos foram mantidas por

serem pertinentes à região estudada, principalmente no município de Cubatão, que já foi
considerado o mais poluído do mundo, devido ao grande setor petroquímico instalado
nos anos 1950 e 60.

E as causas externas de morte também são significantes em 1999, assumindo o

lugar das lesões e envenenamentos dos anos passados. Por isso, também foi selecionada.

2
A variável “Lesões e Envenenamentos” não apresentou dados para os municípios da RMBS e, 1999.

3
 Todas estas variáveis foram tabuladas, e mapas foram criados no Arcview 3.2
para efeito de comparação. As análises mais aprofundadas, krigagens,
(semi)variogramas e superfícies contínuas de dados interpolados foram feitos no
ArcGIS 8.1.

III. A Krigagem como método de análise de dados

A Geoestatística é uma área que inclui uma grande variedade de técnicas de

estimação, como Inverso do Quadrado da Distância (IDW), análise do vizinho mais
próximo (nearest neighbor), e krigagem linear e não-linear. É mais comumente usada
para identificar e mapear padrões espaciais da superfície terrestre. Pode ser usada para
determinar se existe autocorrelação espacial entre dados de pontos. Para isso, a função
mais comum utilizada é o (semi)variograma.

O variograma é a descrição matemática do relacionamento entre a variância de

pares de observações (pontos) e a distância separando estas observações (h). A
autocorrelação espacial pode então ser usada para fazer melhores estimativas para
pontos não amostrados (inferência = krigagem).

A krigagem se baseia na idéia de que se pode fazer inferências a partir de uma

função aleatória Z(x), originando os pontos Z(x1), Z(x2), ..., Z(xn).

A função Z(x) = m(x) + γ(h) + ε apresenta a média constante, a correlação

espacial e o erro residual. A correlação espacial é dada pelo variograma.

γ(h) = ½ var [ Z(x) – Z(x+h) ] = ½ E [ {Z(x) – Z(x+h)}2 ]; na prática:

γ(h) = ½ N(h) Σi[Z(xi) – Z(xi+h)]2, onde N(h) é o número total de pares de observações
separadas pela distância h. E a curva ajustada minimiza a variância dos erros.

A figura 1 a seguir mostra os componentes do variograma, e seus principais

modelos. Dentre estes, o mais comum é o exponencial. O efeito pepita (nugget) é o
ponto inicial da curva, onde a curva toca o eixo γ, quando h=0. O patamar (sill) é o
valor de γ máximo da curva, o ponto em que não existe mais nenhuma correlação entre

4
as variáveis, sendo assim a variância do conjunto de dados. O alcance (range) é o ponto
máximo onde existe autocorrelação espacial das variáveis.

Figura 1: Componentes e Modelos do Variograma.

Fonte: Lembo e Magri (2002)

A parte mais importante do variograma é sua forma próximo à origem, uma vez que são
os pontos mais próximos os que possuem maior peso no processo de interpolação. Em
geral, 30 ou mais pares de pontos são necessários para um bom variograma.

Outros fatores a serem estudados são a anisotropia e a linha de tendência. A

anisotropia acontece quando existe uma autocorrelação espacial mais acentuada em uma
direção, e a tendência quando alguns atributos (como a média dos dados) se modificam
de maneira sistamática. Existem funções específicas para o tratamento destes fatores.

5
 A krigagem produz a melhor estimativa linear não-viciada dos dados de um
atributo em um local não amostrado, com a modelagem do variograma. “A krigagem
ordinária é geralmente associada como B.L.U.E. (best linear unbiased estimator). A
krigagem ordinária é ‘linear’ porque suas estimativas são combinações lineares
ponderadas dos dados disponíveis; é ‘não-viciada’ porque busca o valor de erro ou
resíduo médio igual a 0; e é ‘melhor’ porque minimiza a variância dos erros.” (Isaaks e
Srivastava, 1989, p.278)

Existem diversos outros tipos de krigagem, com suas especificidades, como a

universal, a pontual, a de blocos e a co-krigagem. Neste trabalho, foi utilizada apenas a
krigagem ordinária, por se adequar melhor aos dados.

IV. Resultados

A tabela 1 abaixo faz uma caracterização dos municípios estudados, segundo sua
população residente e alfabetização da população.

Tabela 1: População Residente e Porcentagem de População Alfabetizada

Região Metropolitana da Baixada Santista, 1980-2000

1980 1991 2000

Município População População Alfabetização População Alfabetização
Bertioga . . . 30.039 78,2
Cubatão 78.631 91.136 72,8 108.309 79,2
Guarujá 151.120 210.207 73,3 264.812 79,1
Itanhaém 27.464 46.074 74,2 71.995 80,3
Mongaguá 9.928 19.026 74,6 35.098 80,1
Peruíbe 18.411 32.773 73,0 51.451 79,2
Praia Grande 66.004 123.492 76,8 193.582 81,3
Santos 416.677 428.923 85,5 417.983 88,6
São Vicente 193.008 268.618 78,6 303.551 82,0
Total RMBS 961.243 1.220.249 79,1 1.476.820 82,7
Nota: O Município de Bertioga foi desmembrado de Santos em Dezembro de 1991.
Fonte: DATASUS

6
 É marcante na tabela 1 a diferenciação da população alfabetizada em Santos em
1991 (85,5%) para com a dos outros municípios da região, e sua maior homogeneização
em 2000.

A tabela 2 abaixo mostra as condições sanitárias dos domicílios. O que mais

chama a atenção nesta tabela são os municípios de Cubatão e Guarujá, que destoando
dos demais municípios da região, diminuem a participação dos domicílios com rede
geral de água.

Tabela 2: Porcentagem das Condições Sanitárias dos Domicílios

Região Metropolitana da Baixada Santista, 1991-2000

1991 2000
\Variável Rede Geral Fossa Lixo Total de Rede Geral Fossa Lixo Total de
Município\ Água Esgoto Séptica Coletado Domicílios Água Esgoto Séptica Coletado Domicílios
Bertioga . . . . . 92,0 18,9 64,0 97,5 8.479
Cubatão 90,7 18,6 64,5 90,0 22.437 84,6 44,1 20,0 98,3 29.994
Guarujá 94,8 74,9 9,9 95,4 50.950 92,8 72,0 7,0 98,4 72.131
Itanhaém 78,9 4,7 69,8 84,1 12.097 84,6 14,8 65,9 93,0 20.513
Mongaguá 92,1 0,0 64,5 79,5 4.840 93,4 18,7 60,3 94,4 9.831
Peruíbe 77,9 3,6 65,3 79,2 8.326 87,0 9,0 68,9 95,0 14.376
Praia Grande 96,7 25,0 31,5 94,2 32.680 98,2 57,6 25,1 99,1 55.030
Santos 98,6 86,8 6,2 98,7 122.134 99,5 94,0 0,8 99,5 131.058
São Vicente 97,1 37,6 31,8 91,4 68.969 99,4 66,7 17,6 99,5 83.497
Total RMBS 95,6 56,9 23,7 94,2 322.433 95,7 66,7 17,7 98,6 424.909
Nota: O Município de Bertioga foi desmembrado de Santos em Dezembro de 1991.
Fonte: DATASUS

O município de Cubatão apresentava 90,7% dos domicílios tendo rede geral de

água em 1991, e 84,6% em 2000. Este decréscimo se manifesta pelo crescimento da
participação de outra forma de coleta de água, que não de rede geral, nem de poço, nem
de nascente. Esta outra forma cresce de 1,1% em 1991 para 14,5% em 2000, sendo de
13,8% a participação de outra forma canalizada em 2000. Assim, de 243 domicílios
(707 moradores) que se enquadravam em outra forma de coleta de água em 1991, este
valor subiu para 4.355 domicílios (15.543 moradores) em 2000.

No Guarujá, o decréscimo da participação da rede geral de água nos domicílios,

de 94,8% em 1991 para 92,8% em 2000, também se deve ao crescimento da categoria
de outra forma de coleta de água, subindo de 2,6% para 4,8% no mesmo período. Esta
outra forma canalizada apresentava valores de 406 domicílios (1.645 moradores) em

7
 1991 e de 2.435 domicílios (8.705 moradores) em 2000; e a não canalizada, de 934
domicílios (3.793 moradores) para 1.029 domicílios (3.546 moradores) no período.

Também no Guarujá, o decréscimo da participação da rede geral de esgoto, de

74,9% em 1991 para 72% em 2000, e da fossa séptica, de 9,9% para 7%, se deve em
parte ao aumento da participação da categoria ‘vala’, de 10,7% para 11,7%; mas acima
de tudo ao destino do lixo de uma nova categoria: ‘rio/lago/mar’, com uma participação
de 5,5% em 2000, que não havia em 1991. Assim, 3.987 domicílios ou 15.421
moradores jogavam seu lixo no rio/lago/mar em 2000.

Tabela 3: Porcentagem das Principais Causas de Morte da População

Região Metropolitana da Baixada Santista, 1980-1999

\Município Praia São Total

Santo
Ano Causa de Morte\ Bertioga Cubatão Guarujá Itanhaém Mongaguá Peruíbe Grande s Vicente RMBS
Ap.Circulatório . 25,0 27,8 23,8 30,6 16,6 25,1 37,3 30,6 31,9
Neoplasmas . 7,8 8,6 12,1 10,6 6,9 7,6 15,7 9,2 11,9
Ap.Respiratório . 10,9 13,8 12,6 12,9 14,9 15,8 11,0 13,5 12,4
1980 D.Infecciosas . 10,3 10,7 11,7 12,9 21,1 16,4 5,1 12,4 9,1
Envenenamento . 19,7 12,1 11,2 10,6 16,6 10,2 8,5 10,5 10,6
Sub-Total . 73,7 73,1 71,3 77,6 76,0 75,2 77,6 76,2 75,9
Total de Mortes . 513 1.207 223 85 175 499 3.381 1.365 7.448
Ap.Circulatório . 25,9 31,1 35,4 38,0 28,8 27,6 33,7 29,7 31,7
Neoplasmas . 12,4 10,4 9,6 7,0 10,6 11,0 17,6 15,5 14,7
Ap.Respiratório . 9,0 12,2 10,2 8,9 9,1 10,5 11,0 10,2 10,8
1991 D.Infecciosas . 4,2 4,7 4,5 3,2 5,3 4,5 3,5 4,1 4,0
Envenenamento . 20,8 17,0 15,9 18,4 20,7 19,5 9,1 11,7 13,0
Sub-Total . 72,3 75,4 75,5 75,3 74,5 73,1 74,8 71,2 74,1
Total de Mortes . 499 1.184 314 158 208 717 3.897 1.233 8.210
Ap.Circulatório 26,6 22,5 28,6 31,0 30,6 29,0 25,8 30,8 27,9 28,7
Neoplasias 11,5 13,1 11,3 11,2 14,2 14,3 12,7 19,8 14,4 15,4
Ap.Respiratório 10,1 10,9 8,6 8,4 4,7 10,3 8,8 12,6 10,3 10,5
1999 D.Infecciosas 4,3 7,2 7,4 4,1 3,9 6,3 6,4 6,7 6,8 6,6
Causas Externas 25,9 25,6 23,9 21,2 22,8 18,0 25,2 11,6 21,5 19,0
Sub-Total 78,4 79,2 79,9 75,9 76,3 78,0 78,9 81,6 81,0 80,2
Total de Mortes 139 559 1.608 419 232 300 1.171 3.502 1.701 9.631
Notas
: 1) O Município de Bertioga foi desmembrado de Santos em Dezembro de 1991.
2) O Capítulo 16 de Causas de Morte da CID 9 foi excluído e os totais recalculados, para 1980 e 1991.
3) O Capítulo 18 de Causas de Morte da CID 10 foi excluído e os totais recalculados para 1999.
Fonte: DATASUS

A tabela 3 acima destaca as principais causas de morte da população residente

nos municípios da RMBS. O que mais chama a atenção é a participação das lesões e
envenenamentos para Cubatão (20,8%) e Peruíbe (20,7%) em 1991. E também a

8
participação das causas externas de morbidade e mortalidade para Bertioga, Cubatão e
Praia Grande, ambas com mais de 25%, sendo em Cubatão a principal causa de morte
em 1999.

Mapa 1:

ão dos M unic ípio s d a R egião M etropolitan a da Ba ixa da S antista

4
1
2
5 3
6
7 Mu nicípio s:
8 1. S antos
2. Cu batão
3. Gu arujá
4. B ertiog a (*)
9 5. S ão Vice nte
6. P ra ia G ra nde
7. Mon gag uá
8. Itanh aém
9. P eruíbe

A tabela 4 a seguir apresenta os componentes e análise dos variogramas feitos a

partir das variáveis tabuladas e inseridas nos mapas. Ela mostra dependência
(segregação) espacial em seis variáveis, cujo alcance na maioria é menor que 15 km.
Em geral, 15 km é a distância entre os principais municípios da RMBS. Assim, supõe-se
que uma análise intra-municipal deva ser melhor para se analisar a segregação espacial
das variáveis, talvez por meio de mapas de setores censitários.

9
Tabela 4: Componentes dos variogramas

Variáveis Alcance (metros) Patamar Parcial Efeito Pepita Conclusão

Água 1991 55.714 28,13 0 Independente
Água 2000 14.628 29,88 0 Dependente (*)
Esgoto 1991 55.714 863,10 362,41 Independente
Esgoto 2000 49.416 1.007,30 0 Independente
Fossa 1991 50.406 613,32 99,04 Independente
Fossa 2000 55.714 748,80 0 Independente
Lixo 1991 55.714 47,71 0 Independente
Lixo 2000 55.714 4,07 0 Independente
Alfabet 1991 12.651 20,78 0 Dependente (*)
Alfabet 2000 53.461 0 10,18 Independente
Infecções 1980 55.714 6,94 13,30 Independente
Infecções 1991 55.714 0,47 0,08 Independente
Infecções 1999 55.714 2,53 0 Independente
Neoplasmas 1980 12.651 7,69 4,05 Dependente (*)
Neoplasmas 1991 47.791 6,70 6,76 Independente
Neoplasmas 1999 53.461 0 7,28 Independente
Circulação 1980 55.714 6,96 22,17 Independente
Circulação 1991 55.714 27,84 0 Independente
Circulação 1999 14.140 7,62 0 Dependente (*)
Respiração 1980 12.649 1,48 1,76 Dependente (*)
Respiração 1991 28.381 1,30 0 Dependente (*)
Respiração 2000 55.714 6,92 0,87 Independente
Envenena 1980 15.424 14,44 0 Dependente (*)
Envenena 1991 12.649 5,85 14,64 Dependente (*)
Externas 1999 53.461 0 21,46 Independente
(*) variáveis que podem conter segregação

Esta tabela mostra a coluna de ‘patamar parcial’, que se refere ao valor do patamar
acima do efeito pepita. Um efeito pepita grande denota uma grande diferenciação de
valores em pequenas distâncias, ou seja, municípios vizinhos com alta variação de
dados. Assim, um efeito pepita de 362, como o da rede de esgoto em 1991, mostra uma
total diferenciação dos municípios. A tabela 2 mostra isso, com domicílios com redes de
esgoto variando de 0% (Mongaguá) a 87% (Santos).

10
Figura 2: Rede Geral de Água, 2000 Figura 6: Aparelho Respiratório, 1980

Figura 3: População Alfabetizada, 1991 Figura 7: Aparelho Respiratório, 1991

Figura 8: Lesões e Envenenamentos, 1980

Figura 4: Neoplasmas, 1980

Figura 5: Aparelho Circulatório, 1999 Figura 9: Lesões e Envenenamentos, 1991

11
 As figuras 2 a 9 acima mostram os variogramas das variáveis que podem
apresentar segregação espacial. A curva amarela representa o modelo ajustado utilizado
para fazer os mapas krigados. Em geral esta curva é a que gera o menor erro possível, o
software a calcula automaticamente. Pode-se ver que a primeira vista os pontos são bem
esparsos e dificilmente se ajustariam a alguma curva. Seria portanto muito difícil fazer
este ajuste manualmente. Nota-se aqui que a pouca quantidade de dados pesa um pouco
para o ajuste do modelo. Com mais dados, talvez se ajustaria melhor o modelo.

Os mapas no formato “convencional” e os mapas interpolados por meio de

krigagem ordinária são apresentados em anexo, para efeitos de comparação. Os mapas
se referem às variáveis que podem conter segregação, verificadas por meio da tabela 4.

V. Discussão dos Resultados

Observando os mapas em anexo, especialmente os interpolados, pode-se

perceber claramente a diferenciação entre os que possuem maior segregação espacial
das variáveis daqueles que não possuem, sendo mais suavizados. Nos mapas de lesões e
envenenamento, por exemplo (mapas 4 e 5), pode-se verificar o maior índice de mortes
nos municípios de Cubatão e Peruíbe em 1980, e no litoral sul em geral em 1991, mais
homogeneizado.

Nos mapas de morte por doenças respiratórias (mapas 2 e 3), observa-se que
com o tempo os municípios vão se tornando mais iguais, exatamente como o verificado
na tabela 4, com o alcance da correlação espacial aumentando gradativamente, passando
de 12.649 para 28.381, e finalmente 55.714 km, em 1980, 1991 e 1999,
respectivamente.

Com relação aos mapas de mortes por doenças do aparelho circulatório (mapas 6
e 7), verifica-se que alguns municípios começam a se destacar do resto da RMBS. Em
1999, Cubatão destoa dos demais, apresentando uma porcentagem destas causas de
morte de 22,5%, contra uma média de perto de 29% da região (tabela 3). A aparente
queda deste índice para Cubatão de 1991 para 1999, observado na tabela 3, está ligado à

12
grande participação das mortes por causas externas de morbidade e mortalidade, a
principal causa de morte do município em 1999 (25,6%).

Analisando-se os mapas referentes a mortes por neoplasmas/neoplasias (mapas 8

e 9) e os mapas de população alfabetizada (mapas 10 e 11), fica evidente que os
municípios estão se tornando mais homogêneos nestes aspectos. Os mapas de períodos
mais recentes são muito mais suavizados do que os de períodos mais antigos, que eram
mais “recortados”.

Os mapas de rede geral de água (mapas 12 e 13) mostram o contrário; de um

mapa mais suavizado em 1991, fica mais “recortado” em 2000. isto é devido aos
municípios de Cubatão e Guarujá, que por razões já mencionadas anteriormente,
reduziram a participação de seus domicílios com rede geral de água no período 1991-
2000, como verificado na tabela 2.

VI. Conclusão

Este trabalho mostrou que é possível se obter bons resultados a partir de poucas
informações disponíveis. A metodologia de krigagem utilizada com o software ArcGIS
provou ser eficaz mesmo nesta situação. Boas análises e trabalhos podem resultar a
partir destes métodos de interpolação de dados.

Comparando-se os mapas “convencionais” com os mapas interpolados, percebe-

se que se o objetivo do trabalho é de destacar as diferenças entre os municípios, seria
mais interessante utilizar a metodologia “convencional”, mas se por outro lado, o
objetivo for o de analisar algumas tendências das variáveis na região estudada, ou uma
caracterização melhor destas variáveis no espaço, como uma análise de segregação
espacial por exemplo, os métodos de krigagem são recomendados.

A krigagem com o ArcGIS é relativamente simples de se fazer, basta um

domínio mínimo do software. Por outro lado, ela exige um conhecimento mais amplo da
técnica, para interpretação de dados resultantes, além de requisitos mínimos dos dados.
Como foi denotado anteriormente, o variograma possui um melhor ajuste com um

13
mínimo de 30 pares de pontos observados, e em geral, mais de 1.000 pontos observados
são recomendados. Quanto mais pontos, melhores os resultados.

Também a krigagem exige um mapa na forma de pontos, ao invés de polígonos,

e preferencialmente na projeção UTM (Universal Transversal Mercator), para se
analisar o alcance em unidades métricas conhecidas, que não décimos de grau. Assim,
se necessita de um mapa de pontos da área de estudos, com os dados tabulares, e na
projeção UTM, para melhores resultados com a krigagem.

Como destacado anteriormente, esta ferramenta é amplamente utilizada na área

agrícola, que fundamentalmente usa localização como uma de suas variáveis de muita
importância, e com ramificações na ecologia, meio ambiente, zoologia, geologia, etc.

Na demografia, praticamente todas as áreas de estudo podem se beneficiar com

esta técnica. O estudo de segregação espacial só tem a ganhar com esta ferramenta. Em
trabalho anterior1, que focalizava a migração populacional, observei segregação espacial
da idade média e idade mediana dos casais residentes nos municípios da RMBS, nos
anos de 1970, 1980 e 1991, e alguma segregação espacial da renda per capita familiar.

Espera-se que este trabalho seja pioneiro, o primeiro de muitos outros

relacionados com a demografia brasileira. Mais do que apenas fazer uma descrição e
análise de dados, tentou-se aqui fazer uma breve introdução, uma apresentação de uma
nova tecnologia para análise de dados, que deve ser nova para a grande maioria dos
demógrafos brasileiros. Sendo assim, foi dada mais ênfase na ligação krigagem-
demografia, do que em um aprofundamento das técnicas de krigagem, que envolveria
mais equações matemáticas, e portanto, um maior conhecimento matemático o
estatístico, o que não é o caso deste evento.

A sugestão que fica é a de que uma vez que se tenha uma malha digitalizada de
grande quantidade de unidades espaciais de análise, como os polígonos de municípios
ou de setores censitários, e que se torna inviável a análise de cada um deles, a krigagem
pode ser a ferramenta ideal para se utilizar, pois apresenta um panorama completo do
que está acontecendo na região de estudo no decorrer dos anos.

1
Jakob (2002)

14
Bibliografia

BRESLIN, Pat; FRUNZI, Nick; NAPOLEON, Eileen; ORMSBY, Tim. Getting to know
ArcView GIS. Redlands, CA: ESRI Press, 1996.

ESRI. Using ArcGIS Geostatistical Analyst. Redlands, CA: ESRI Press, 2001.

ISAAKS, Edward H.; SRIVASTAVA, R.M. An Introduction to Applied Geostatistics.

NY: Oxford University Press, Inc., 1989.

JAKOB, Alberto A.E. Kriging demographic variables in order to look for trends in the
spatial distribution of population. Trabalho final do curso Spatial Modeling and
Analysis – CSS 620, do Department of Crop and Soil Sciences, Cornell University,
Ithaca, NY, 2002.

LEMBO, Arthur J.; MAGRI, Antonio. Geostatistics. Paper apresentado durante a

ministração do curso Spatial Modeling and Analysis – CSS 620, do Department of
Crop and Soil Sciences, Cornell University, Ithaca, NY, 2002.

ORMSBY, Tim; NAPOLEON, Eileen; BURKE, Robert; GROESSL, Carolyn;

FEASTER, Laura. Getting to know ArcGIS. Redlands, CA: ESRI Press, 2001

15
ANEXO: Mapas “Convencionais” e Mapas Interpolados por Krigagem

Mapa 2:

Mapa 3: Interpolado
Mapa 4:

Mapa 5: Interpolado
Mapa 6:

Mapa 7: Interpolado
Mapa 8:

Mapa 9: Interpolado
Mapa 10:

Mapa 11: Interpolado

Mapa 12:

Mapa 13: Interpolado