Documentos Técnicos

Ambientais
 MATERIAL TEÓRICO
UNIDADE 7

Descrição, Análise e
Interpretação de Dados

Autoria:
Profa. Ms. Ana Claudia Aoki Santarosa

Revisão Textual:
Profa. Ms. Sandra Regina F. Moreira
 Orientações de estudo
Para que o conteúdo desta Disciplina seja bem aproveitado e haja uma maior aplicabilidade
na sua formação acadêmica e atuação profissional, siga algumas recomendações básicas:

Seja original! Conserve seu

Procure manter contato Nunca plagie material e local
com seus colegas e tutores trabalhos. de estudos sempre
para trocar ideias! Isso organizados.
amplia a aprendizagem.

Não se esqueça
de se alimentar
Aproveite as e se manter
indicações hidratado.
de Material
Complementar.

Mantenha o foco!
Evite se distrair com Determine
as redes sociais. um horário fixo
para estudar.

Assim:
Organize seus estudos de maneira que passem a fazer
parte da sua rotina. Por exemplo, você poderá determinar um
dia e horário fixos como o seu “momento do estudo”.

Procure se alimentar e se hidratar quando for estudar, lembre-se de que

uma alimentação saudável pode proporcionar melhor aproveitamento do estudo.

No material de cada Unidade, há leituras indicadas. Entre elas: artigos científicos, livros, vídeos e
sites para aprofundar os conhecimentos adquiridos ao longo da Unidade. Além disso, você também
encontrará sugestões de conteúdo extra no item Material Complementar, que ampliarão sua
interpretação e auxiliarão no pleno entendimento dos temas abordados.

Após o contato com o conteúdo proposto, participe dos debates mediados em fóruns de
discussão, pois irão auxiliar a verificar o quanto você absorveu de conhecimento, além de
propiciar o contato com seus colegas e tutores, o que se apresenta como rico espaço de troca
de ideias e aprendizagem.
 Unidade 7
Descrição, Análise e Interpretação de Dados
Objetivos
• Analisar os comportamentos
dos parâmetros socioambientais
levantados em campo ou em
bibliografia, apresentados
em gráficos ou tabelas, com
a finalidade de construir
argumentos consistentes para
se atingir o objetivo desejado.
• Instruir como transformar os
dados em informações úteis
para a comunicação do estado da
qualidade ambiental.
6
Introdução
Em alguma etapa de seu trabalho, o profissional ou
pesquisador da área de meio ambiente irá se defrontar
com a tarefa de analisar e entender um conjunto de
observações ou dados que ele levantou, e que é funda-
mental ao seu particular objeto de estudos. Ele preci-
sará apurar e processar os dados para transformá-los
em informações, para confrontá-los com estudos pré-
vios, ou ainda para qualificar sua pertinência a alguma
teoria. (Morettin & Bussab, 2010).
Diversas são as áreas do conhecimento nas quais
é aplicada a análise estatística, pois ela pode auxiliar
em fases de um projeto como planejamento, análise
e interpretação de dados, tomadas de decisão, entre
outros. Geralmente, estudos e pesquisas ambientais
observacionais produzem grande quantidade e va-
riabilidade de dados. Esta variabilidade é um fato es-
perado pelo pesquisador ou profissional, e a análise
estatística ajuda a organizar e avaliar essa variabili-
dade, o que pode trazer informações fundamentais
para as ações e decisões.
A estatística ajuda também a sintetizar e relacionar
as diversas questões multitemáticas, podendo eviden-
ciar informações que não são fáceis de se visualizar na
forma bruta dos dados. Exemplos de temas são: clima,
meteorologia, recursos hídricos, recursos pesqueiros e
vegetação. Nesses estudos, alguns dos principais ob-
jetivos são descrever o local e os processos atuantes, e
prever cenários futuros. Assim, a estatística é essencial
para estabelecer modelos para as inferências, quanti-
ficações dos efeitos, medições de riscos e interpreta-
ções de evidências.
PARA PENSAR
”A estatística é um conjunto de técnicas que permite,
de forma sistemática, organizar, descrever, analisar e
interpretar dados oriundos de estudos ou experimen-
tos realizados em qualquer área do conhecimento”
(DAVILA, 2007, p.3).
 Os estudos ambientais podem produzir um complexo conjunto de dados, pois
apresentam natureza espaço-temporal bastante dinâmica. Além de as observa-
ções e medições serem realizadas em diferentes épocas e instantes de tempo,
podem ser executadas também em diferentes resoluções espaciais. Esta comple-
xidade é inerente aos estudos ambientais e, vem crescendo recentemente, devido
ao aumento na capacidade e na qualidade dos instrumentos de medida, o que
permite se obter muito mais dados, com altas resoluções espacial e temporal.

Por sua vez, esse aumento na quantidade e na qualidade das informações

permite a geração de modelos mais complexos, os quais requerem maiores ca-
pacidades computacionais.

Para se entender as características gerais de um grande conjunto de dados, ele-

mentos gráficos descritos anteriormente podem ser bastante úteis. Da mesma for-
ma, os parâmetros estatísticos são fundamentais para se compreender possíveis
padrões de dados (Vieira, 2011).

Assim, nesta unidade, será apresentada a descrição algébrica dos dados nu-
méricos e seus principais conceitos. Mas antes, vamos ver definições como as de
população e amostra, que estão presentes no dia a dia da pesquisa e do trabalho
do técnico ambiental.

População e Amostra
População é o termo usado em estatística para se descrever um grande conjunto
de dados que possuem alguma característica em comum. Na área ambiental, a
população pode ser constituída por:

• Um grupo de indivíduos ou seres vivos (habitantes de uma determinada ci-

dade, comerciantes de um bairro, espécies de flora de uma floresta, peixes
de uma lagoa);

• Um conjunto de objetos inanimados ou informações (amostras de rochas,

amostras de solo, dados de qualidade de água, quantidade de recursos hídricos).

A boa compreensão da estatística deve também considerar o conhecimento da

representatividade dos dados, que pode ser entendida como a relação entre os
dados que foram coletados (amostras) e a totalidade de dados que poderiam ser
coletados (população). A utilização de amostras em análises estatísticas produz
respostas bastante razoáveis, e com margem de erro conhecida.

7
 Unidade 7
Descrição, Análise e Interpretação de Dados

Dentre as razões para se trabalhar com amostras, ao invés de toda uma popu-
lação, podemos citar:

• Viabilidade de tempo de levantamento de dados e menor custo financeiro. Às

vezes, é possível se amostrar tudo, mas o preço desta ação mostra-se inviável;

• Tamanho praticamente infinito da população, obrigando o profissional

ou pesquisador a necessariamente trabalhar com amostras, como, por
exemplo, a quantidade de grãos de uma praia;

• Inviabilidade física de se analisar individualmente toda a população, como

a análise dos tecidos e órgãos dos peixes de uma lagoa;

• Representatividade de amostras comprovada prática e cientificamente.

RESUMO
População ou Universo: é o conjunto de unidades sobre o qual desejamos obter in-
formação. Amostra é todo subconjunto de unidades selecionadas de uma população
para obter a informação desejada.

Estatística Descritiva Básica

O primeiro passo na análise de dados de um estudo ou pesquisa científica
ambiental consiste na descrição do conjunto desses dados. Essa apresentação e
descrição dos dados pode ser efetuada basicamente de duas formas:

1. Estatística descritiva, a qual utiliza os números, seus parâmetros e classi-

ficações para avaliação;

2. Descrição geométrica, a qual utiliza desenhos, gráficos e mapas, conforme

visto em unidade anterior.

Os métodos estatísticos descritivos são fundamentais para uma caracterização

e apresentação de dados e engloba coleta, organização e caracterização apropriada
de um conjunto de dados.

Diferentemente da inferência, a qual representa uma generalização da amostra

para a população, as estatísticas descritivas apenas avaliam e caracterizam um
determinado conjunto de dados disponíveis. Em seguida, são apresentados dois
dos parâmetros básicos de uma análise descritiva de dados:

• Medidas de tendência central: representam uma série de dados consideran-

do as posições ou os valores em torno dos quais o conjunto se distribui. Algu-
mas das mais importantes e utilizadas são a média aritmética e a mediana;

8
 • Medidas de dispersão: descrevem a variação de um conjunto de dados em
torno de uma média através de parâmetros como desvio padrão, máximo,
mínimo, amplitude e coeficiente de variação.

Medidas de Tendência Central

Média da Amostra

A média aritmética, ou apenas média, é a medida de tendência central mais

conhecida e aplicada nos estudos e trabalhos. Ela é obtida através da divisão
entre a soma de todas as observações e o número total de observações, conforme
fórmula simples a seguir:

A representação matemática da média é dada por:

x1 +  xn
x=
n
Onde:

x: média amostral;
x: valor de cada indivíduo da amostra;
n: tamanho amostral.

Exemplo 1: Em determinada área do rio, foram escolhidos 6 pontos de

amostragem para análise do parâmetro clorofila a (µg/L), para posterior
cálculo do Índice do Estado Trófico (IET). Os valores medidos foram:

5,4; 5,9; 9,5; 6,2; 5,7; 5,1

Qual seria a média deste parâmetro no rio considerado?

Resposta: Deve-se somar todos os dados e dividir pelo tamanho da amos-

tra (n), que é 6, ou seja:

5,4 + 5,9 + 9,5 + 6,2 + 5,7 + 5,1 37,8

=x = = 6,3
6 6

Portando, a média da concentração de clorofila nesta área do rio é de 6,3 µg/L.

9
 Unidade 7
Descrição, Análise e Interpretação de Dados

Nos casos em que a quantidade de dados e amostras são muitos grandes, é

comum a apresentação de resultados agrupados em classes, ao invés de dados
brutos individualmente. Nestes casos, é necessário calcular o valor central para
cada classe, dado pela média dos dois extremos de cada classe.

Exemplo 2: Considere uma campanha anual feita para analisar a variação

do pH de um rio. Foram coletadas 60 amostras de água, no inverno e ve-
rão. Os valores do pH variaram entre 4,5 e 6,2. Devido ao grande número
de dados e para melhor visualização dos valores obtidos, estes foram se-
parados em intervalos de pH de 0,5 (tabela 1). Qual seria o valor médio do
pH desse rio ao longo do ano?

Tabela 1 - Valores de pH medidos no rio

Intervalo de pH Número de Eventos

4,5 ├ 5,0 12
5,0 ├ 5,5 18
5,5 ├ 6,0 21
6,0 ├ 6,5 9

Resposta: Inicialmente, deve-se calcular o valor central de cada intervalo

de pH, que nada mais é do que a média do intervalo. No caso do primeiro
intervalo (4,5├ 5,0), a média é 4,75 e, assim, sucessivamente. Em seguida,
deve-se multiplicar o valor central obtido em cada intervalo pela respec-
tiva frequência (número de eventos), ou seja:

Portanto, a média do pH do rio é 5,5.

Mediana
A Mediana representa a posição central de um conjunto de dados, desde que
estejam ordenados em ordem crescente, e divide o conjunto amostral em duas
parcelas: com dados menores e maiores que ela. Quando o número de dados desse
conjunto é ímpar, então existe um valor na posição central, e esse valor será a
mediana. Nos casos em que o número de dados for par, utilizamos como mediana
a média aritmética dos dois dados centrais.

10
 Exemplo 3: Considere novamente o conjunto de dados de concentração de
clorofila a (µg/L) do exemplo 1:

5,4; 5,9; 9,5; 6,2; 5,7; 5,1

Para calcular a mediana deste conjunto de observações, inicialmente, é

necessário ordenar em ordem crescente os valores. Assim, temos:

5,1; 5,4; 5,7; 5,9; 6,2; 9,5.

O número de observações é par, logo, a mediana será a média aritmética dos

dois valores que estão na posição central dos números ordenados, ou seja:

5,7 + 5,9
= 5,8
2
Portanto, a mediana deste conjunto de observações é 5,8 µg/L.

Os exemplos 1 e 3 nos mostram que a média e a mediana (6,3 e 5,8 µg/L, res-
pectivamente) deste conjunto específico de observações não são muito diferen-
tes entre si, pois o conjunto de dados mostrou-se relativamente homogêneo.
Porém, há casos em que a mediana pode descrever melhor a tendência central
de um conjunto de dados, como em uma distribuição anormal ou discrepante
de uma probabilidade padrão. Considere o Exemplo 4 abaixo: o valor 385, que
configura um dado discrepante, eleva a média, embora não influencie a gran-
deza da mediana.

Exemplo 4: Um estudo de qualidade das águas da Represa Billings, reali-

zado em 2014, mediu em 4 pontos da represa os seguintes valores de con-
centração de clorofila:

385; 72; 41; 16

Quais seriam os valores da média e mediana neste caso?

Resposta: A média é dada por:

385 + 72 + 41 + 16
=x = 128,5
4

11
 Unidade 7
Descrição, Análise e Interpretação de Dados

Para se obter a mediana, primeiramente, deve-se ordenar os valores:

16, 41, 72, 385

Assim, a mediana será a média aritmética dos valores que ocupam a
posição central:

41 + 72
= 56,5
2

A média neste caso (128,5 µg/L) apresenta valor muito superior ao da

mediana (56,5 µg/L), pois o valor extremo 385 elevou a média. Portanto,
neste exemplo, a mediana descreve melhor a tendência central do con-
junto, pois ela não é influenciada pelo valor discrepante.

No caso deste estudo, o valor extremo é devido à localização deste ponto

de amostragem, que está situado no trecho inicial do reservatório, próximo às
principais fontes de poluição do reservatório: devido ao bombeamento de água
do Rio Pinheiros (que apresenta alto índice de poluição) e devido à ocupação
antrópica das bacias de drenagem próximas (Cetesb, 2015).

Medidas de Dispersão

Conforme mencionado previamente, uma medida de dispersão traduz e des-

creve a variação de um conjunto de dados em torno de sua média. Permite avaliar
o quanto, e de que forma, o conjunto de dados se concentra, ou não, em torno
de sua tendência central. Por exemplo, quanto maior a dispersão, menor é a ho-
mogeneidade dos dados. O princípio básico, portanto, é analisar os desvios das
observações em relação à média dessas observações.

As medidas de tendência central vistas anteriormente são formas de sintetizar

uma informação contida em um grande conjunto de dados. Porém, não descrevem
a variabilidade deste mesmo conjunto.

Para ilustrar esse ponto, considere que durante um Cadastro Socioeconômico

foram recolhidas as seguintes informações sobre faixa etária:

• Domicílio 1: trata-se de uma residência estudantil, onde habitam 7 pesso-

as, com idades entre 21 e 23 anos.

• Domicílio 2: mora uma família composta por um casal de 20 anos e seus

3 filhos, de 1, 3 e 6 anos de idade, a mãe da moça, de 42 anos e a avó da
moça, de 64 anos

12
 Nos dois domicílios temos a média em aproximadamente 22 anos. No entanto,
uma idade média de 22 anos pode até descrever bem a situação do primeiro
domicílio, mas não a do segundo.

A capacidade de descrição das medidas de tendência central de um determinado

conjunto de dados é inversamente proporcional à variabilidade dos dados deste
mesmo conjunto. Assim, para a descrição básica de um conjunto de dados, além
de medidas de tendência central, deve ser fornecida também uma medida de
dispersão ou variabilidade.

Mínimo, Máximo e Amplitude

Alguns dos parâmetros básicos essenciais de variabilidade de um conjunto de

dados são:

• Mínimo: número de menor valor do conjunto;

• Máximo: número de maior valor do conjunto;
• Amplitude: diferença entre o máximo e o mínimo, calculada através da fórmula:

Amplitude = máximo - mínimo.

Exemplo 5: Considere a figura 1, onde foram apresentadas as previsões de

maré para os dias 1 e 2 de junho de 2017, no Porto de Suape (Pernambuco).
Qual o mínimo, o máximo e a amplitude de maré para o dia 1 de junho, de
Lua Crescente?

Resposta: O mínimo da maré, que é o menor valor previsto, ocorre às

16h00, e apresenta valor de 0,6 metros. O máximo ocorre de manhã, às
9h30, com valor de 1,9 metros. A amplitude é dada pela fórmula:

A amplitude é uma das medidas de dispersão mais simples de um conjunto

de dados, sendo facilmente compreendida e calculada. Porém, dois conjuntos
de dados podem ter amplitudes iguais, mas variabilidades bastante diferentes.
Ainda, um valor discrepante (muito grande ou muito pequeno) aumenta bem
a medida de amplitude, ou seja, a amplitude é muito sensível aos valores
discrepantes (Vieira, 2011).

13
 Unidade 7
Descrição, Análise e Interpretação de Dados

Figura 1 - Previsões de Marés para o Porto de Suape (PE)

Fonte: www.mar.mil.br

Variância

A medida de variância considera todos os dados de um conjunto e descreve,

de forma geral, quanto cada um dos valores se desvia das medidas de tendência
central, como a média da distribuição. Ela representa a média dos desvios de
todos os valores em relação à média.

A fórmula para se calcular a variância é:

s 2
=
∑ (x i − x)2
n−1

• onde (x i − x) representa o desvio de cada observação em relação à média;

• cada desvio é elevado ao quadrado para que não haja valores negativos de
desvios e possam ser somados;

• n é o número de observações.

14
 Como visto, para calcular a diferença de cada dado em relação à média, utiliza-se
a seguinte fórmula:

Desvio = observação - média

d=
i xi − x

Desvios pequenos indicam variabilidade pequena e aglomeração dos dados

em torno da média. Por outro lado, desvios grandes indicam alta variabilidade e
observações mais espalhadas em torno da média.

Exemplo 6: Considere na tabela 2 os dados de Oxigênio Dissolvido (OD)

coletados em 7 pontos do Rio Tietê (SP) para a análise do Índice de
Qualidade da Água. Como calcular a variância deste conjunto de dados?

Resposta: Inicialmente, calculam-se os desvios de cada observação e seus

respectivos quadrados:

Tabela 2 - Dados observacionais (Oxigênio Dissolvido)

e seus respectivos desvios e quadrados dos desvios

Observação
Desvio Quadrado do Desvio
(OD mg/L)

5,4 5,4 - 1,9 = 3,5 3,52 = 12,2

4,2 4,2 - 1,9 - 2,3 2,32 = 5,1

0,6 0,6 - 1,9 = 1,3 (-1,3)2 = 1,8

0,9 0,9 - 1,9 = -1 (-1)2 = 1,1
1,4 1,4 - 1,9 = -0,5 (-0,5)2 = 0,3
0,6 0,6 - 1,9 = -1,3 (-1,3)2 = 1,8
0,5 0,5 - 1,9 = -1,4 (-1,4)2 = 2,1
Fonte: CETESB, 2015

A soma dos quadrados é dada por:

∑ (x i − x)2 = 12,2 + 5,1 + 1,8 + 1,1 + 0,3 + 1,8 + 2,1 = 24,4

Por fim, a variância é:

24,4
s2
= = 4
7−1

Como a variância é uma medida de grandeza igual ao quadrado da grandeza

dos dados (no exemplo acima, as observações são expressas em mg/L,
portanto, a variância é dada em mg2/L2), é difícil perceber o que exatamente
esse valor quer informar sobre as observações. É mais comum, então, a
utilização do desvio padrão, que é a raiz quadrada positiva da variância.

15
 Unidade 7
Descrição, Análise e Interpretação de Dados

TROCANDO IDEIAS
O oxigênio dissolvido (OD) é fundamental para a conservação da biota aquática,
já que vários organismos como, por exemplo, os peixes precisam desse gás para
respirar. As águas poluídas por esgotos possuem baixa concentração de OD, pois
o mesmo é consumido no processo de decomposição da matéria orgânica. Já as
águas limpas possuem concentrações superiores de OD, normalmente maiores
que 5 mg/L, exceto nos casos onde há uma condição natural que propicie valores
reduzidos deste parâmetro Portal da Qualidade das Águas. Disponível em:
https://goo.gl/soCpmw

Desvio Padrão

O desvio padrão (s) é uma medida de variabilidade bastante utilizada, pois

caracteriza de forma eficiente a dispersão das observações. Conforme mencionado
anteriormente, ao se extrair a raiz quadrada positiva da variância, obtemos o
desvio padrão:

s = s2
Do resultado de variância obtido no exemplo 6, temos que o desvio padrão dos
dados de Oxigênio Dissolvido do Rio Tietê (SP) será:

=
s s2
= =
4 2

Quanto maior for o desvio padrão, maior será a variabilidade dos dados e,
analogamente, se s = 0 , então, não existe variabilidade, isto é, os dados são
todos iguais. Neste exemplo, o valor de desvio padrão igual a 2 significa que a
maior parte dos dados observados se situa entre a média e mais o desvio padrão e
menos o desvio padrão, ou seja, x ± s= 1,9 ± 2 , que corresponde aproximadamente
aos extremos 0 e 4.

Coeficiente de Variação

O coeficiente de variação também é uma medida de dispersão relativa a seu valor

médio, também servindo quando queremos comparar dois ou mais conjuntos de
observações que apresentam unidades de medida diferentes (por exemplo, cm e µg/L).

16
 Pode ser definido pela divisão entre o desvio padrão e a média, e é apresentado
em termos relativos (%), portanto, o resultado é multiplicado por 100:

2
=
cv × 100
1,9

Utilizando os dados do exemplo 6, temos:

2
cv = × 100 = 105
1,9

Esse valor significa que um coeficiente de variação de 105% indica que a

dispersão das observações, ou dos dados em torno da média é muito grande, isto
é, a dispersão relativa é extremamente alta.

Assim, desvio padrão e média são dois dos principais parâmetros estatísticos
utilizados na caracterização e na descrição de uma população, ou um conjunto de
dados. Um conjunto de dados com maior desvio padrão é menos homogêneo do
que outro com menor desvio padrão. Porém, quando as médias são diferentes, a
comparação entre os desvios padrões pode não fazer sentido, e podemos recorrer
ao parâmetro chamado coeficiente de variação (CV).

Portando, considere novamente o conjunto de dados apresentado no exemplo

1, referente a observações de clorofila a (µg/L):

5,4; 5,9; 9,5; 6,2; 5,7; 5,1

Vimos que a média é 6,3 µg/L e, efetuando os cálculos para descobrir o desvio
padrão, temos que 6,3 µg/L. Logo, o coeficiente de variação será:

1,6
cv = × 100 = 25%
6,3

Estatisticamente, um valor de coeficiente de variação de valor igual a 25%,

resultado em uma média dispersão e é evidentemente menor que o exemplo
anterior, de 105%; assim, podemos dizer que o conjunto de dados de clorofila
a apresenta menor variabilidade, ou seja, é mais homogêneo que o conjunto de
dados de OD.

17
 Unidade 7
Descrição, Análise e Interpretação de Dados

Processamento e Interpretação
dos Dados Socioambientais
Após a descrição e análise dos dados levantados através de uma estatística
descritiva básica é possível, em alguns casos, a transformação das observações
em Indicadores e Índices Ambientais, que irão facilitar para o leitor a descrição da
qualidade ambiental de um determinado local, de maneira objetiva e padronizada.

Um Indicador Ambiental constitui uma representação simplificada e/ou

sintetizada de uma realidade ambiental mais complexa. Ele é capaz de facilitar o
entendimento de fenômenos, ocorrências e eventos, sejam naturais ou causados
pelo homem, assim como de comunicar de forma sintetizada os dados e as
informações técnicas a um público socialmente diversificado (BRASIL, 2014).

Normalmente, os indicadores utilizam informações de caráter quantitativo a

partir de uma ou mais variáveis primárias (informações ambientais, espaciais,
temporais, entre outros), constituindo-se em ferramentas de apoio à decisão.

Alguns dos principais tipos de indicadores utilizados são:

• Socioeconômicos e de qualidade de vida;

• Ecológicos e biológicos (bioindicadores);
• De estrutura política/legal/institucional;
• De desenvolvimento sustentável.

Por sua vez, os Índices Ambientais podem ser considerados como classificações
numéricas ou descritivas obtidas a partir de grandes volumes de dados e infor-
mações ambientais. Os índices são formados por um conjunto de indicadores e,
assim como eles, os objetivos principais são simplificar e sintetizar diversos tipos
de dados, transformando-os em informações objetivas e facilitando tomadas de
ações e decisões.

Algumas qualidades e condições essenciais para a escolha de indicadores e índices:

• Simplicidade e facilidade de entendimento pelos diferentes setores
socioeconômicos;

• Objetividade, relevância e flexibilidade para o tema tratado;

• Base técnico-científica, condições e dificuldade de se obter os índices, con-

siderando medições, coletas, e levantamento de dados;

• Quantidade e qualidade dos dados e informações.

18
Alguns bons exemplos de índices são:

• Índice de Desenvolvimento Humano (IDH) - é uma medida sintetizada do

desenvolvimento humano a longo prazo em suas três esferas básicas: renda,
educação e saúde (figura 2).

• Índice de Diversidade de Espécies - descreve a variedade de espécies em

uma determinada área, e é composto basicamente pela:

• Riqueza de espécies (número total de espécies);

• Diferenciação de espécies (abundância relativa de espécies);
• Dominância de espécies (espécies mais abundantes).

• Índices de Qualidade da Água - descreve a qualidade dos tipos de águas, sob

diversos aspectos, e para determinados fins como: índice de qualidade da
água (IQA), índice de estado trófico (IET), índice de abastecimento público
(IAP), índice de balneabilidade (IB), e índice de vida aquática (IVA).

Figura 2 - IDH - Índice de Desenvolvimento Humano dos

3 primeiros municípios brasileiros de cada categoria de classificação
Fonte: atlasbrasil.org.br

19
 Unidade 7
Descrição, Análise e Interpretação de Dados

Outro exemplo ilustrativo de classificação de um índice são as categorias de

qualidade da água para o IET para Rios, apresentados na figura 3:

Índice de Qualidade Categoria

Ultraoligotrófico Oligotrófico Mesotrófico Eutrófico Supereutrófico Hipereutrófico

IET
IET ≤ 47 47 < IET ≤ 52 52 < IET ≤ 59 59 < IET ≤ 63 63 < IET ≤ 67 IET ≤ 67

Classificação Ótima Boa Regular Ruim Muito Ruim Péssima

Figura 3: Índice de Estado Trófico (IET)

Fonte: CETESB, 2015

Outra forma bastante utilizada de análise e interpretação de dados em relatórios

técnicos ambientais é a comparação e discussão dos resultados obtidos com os
padrões da legislação pré-estabelecidos (figuras 4 e 6). Padrões são valores limites
estabelecidos para cada parâmetro, por exemplo, concentrações de poluentes no
ar, substâncias inorgânicas e microrganismos na água que, quando ultrapassados,
podem apresentar nocividade ao homem e ao meio ambiente em geral.

A confrontação dos resultados com os padrões ambientais permite uma

classificação da qualidade ambiental (boa, ruim, péssima ou dentro/fora da
norma, por exemplo) do local que está sendo avaliado.

Um exemplo bastante importante e muito utilizado é a Resolução Conama

357/2005, (atualizada na versão Resolução CONAMA 430/2011) que “dispõe sobre
a classificação e diretrizes ambientais para o enquadramento dos corpos de
água superficiais, bem como estabelece as condições e padrões de lançamento
de efluentes” (figura 5).

Figura 4 - Variação de Temperatura do Efluente e Corpo Receptor

Fonte: Acervo do Conteudista

20
 Figura 5 - Lançamento de Efluentes em Corpo D’água
Fonte: iStock / Getty Images

A figura 4 mostra uma série temporal do monitoramento da variação de

temperatura ao longo de 20 dias do efluente que está sendo lançado por uma
indústria e do corpo de água que está recebendo esse efluente, no caso, um rio.
A linha tracejada em laranja descreve uma das várias condições do efluente
prevista na legislação para que seu lançamento seja possível: sua temperatura
deve ser inferior a 40°C, sendo que a variação de temperatura do corpo receptor
não deverá exceder a 3°C no limite da zona de mistura, ou seja, na porção mais
superior da coluna d’água.

O técnico, ao se deparar com a tarefa de realizar um relatório sobre a análise

deste parâmetro específico, poderia iniciar descrevendo os resultados, como:

• Os valores máximos e mínimos de temperatura medidos e em quais momentos;

• Sua amplitude;
• Média dos valores da série temporal;
• Desvio padrão.

No gráfico foi inserida também uma linha de tendência para apontar, de maneira
geral, se estava havendo aumento, ou não, da temperatura do efluente no período
analisado (no caso, não houve qualquer tendência de aumento ou diminuição).

Em seguida, pode-se proceder à comparação com a legislação e evidenciar,

neste caso, que a norma está sendo cumprida, pois a temperatura do efluente
sempre se manteve consideravelmente abaixo da temperatura máxima permitida
(40°C) e, ao mesmo tempo, não houve variação superior a 3°C no corpo receptor.

A figura 6 apresenta outro exemplo de como a representação gráfica colabora

com a compreensão através de elementos visuais e facilita a comparação com os
valores padrões de qualidade da água. Nela, estão ilustrados que os nove pontos
de medição de oxigênio dissolvido (OD) ficaram com valores acima daqueles

21
 Unidade 7
Descrição, Análise e Interpretação de Dados

previstos pela resolução Conama 357/05, tanto para corpos d’água classificados
como classe 1 quanto para a classe 2 (classificações de águas doces, segundo a
qualidade requerida para os seus usos preponderantes – abastecimento, irrigação
de hortaliças, recreação, entre outros).

TROCANDO IDEIAS
Consulte as resoluções Conama 357/2005 e 430/2011 para saber mais sobre a
classificação dos corpos d’água e as condições e padrões de lançamento de efluentes.

Figura 6: Concentração de oxigênio dissolvido (OD) em três

níveis da coluna d’água (superfície, meio e fundo) e comparação
com os padrões de corpos receptores de classes 1 e 2
Fonte: Acervo do Conteudista

Além da comparação dos resultados com as normas de padrão de qualidade, o

profissional responsável pela elaboração do documento técnico de análise pode
confrontar os resultados com estudos prévios (estudos ambientais, relatórios
técnicos, dissertações, teses, entre outros) do próprio local, quando disponíveis
na literatura ou em bancos de dados, para uma avaliação mais completa. Esta
comparação pode ser feita com o intuito de corroborar (confirmar) os seus
novos resultados, ou não, e neste caso, deve ser feita uma análise da mudança e
evolução das características ambientais que se está analisando, isto é, expor se
houve melhora ou piora da qualidade ambiental, se os valores dos parâmetros de
interesse aumentaram, diminuíram ou se mantiveram constantes.

O técnico ambiental deve, portanto, elaborar a sua análise final, tendo como
base os resultados alcançados; as comparações com padrões e estudos prévios;
e revisão bibliográfica, além, claro, da sua experiência e vivência profissionais,
a fim de se fazer inferências sobre as possíveis causas, ou fatores ambientais e
antrópicos que estão atuando sobre os parâmetros observados.

22
Material Complementar
Indicações para saber mais sobre os assuntos abordados nesta Unidade:

  Livros

A Prática da Estatística nas Ciências da Vida

BALDI, B. & MOORE, D. S. A Prática da Estatística nas Ciências da Vida. 2ed. Rio
de Janeiro: LTC, 2014.

Introdução à Estatística: Uma Abordagem por Resolução de Problemas

KOKOSKA, S. Introdução à Estatística: uma abordagem por resolução de problemas.
2 ed. Rio de Janeiro: LTC, 2013.

Metodologia Científica: Um Manual para a realização de Pesquisas em Administração

OLIVEIRA, M. F. de. Metodologia Científica: um manual para a realização de
pesquisas em Administração. Catalão: UFG, 2011. 72 p.

Índice de Desenvolvimento Humano Municipal Brasileiro

PNUD – Programa das Nações Unidas para o Desenvolvimento. Índice de Desen-
volvimento Humano Municipal Brasileiro. Brasília: PNUD, Ipea, FJP, 2013. 96 p.

23
 Unidade 7
Descrição, Análise e Interpretação de Dados

Referências
BRASIL. Ministério do Meio Ambiente. Secretaria Executiva. PNIA – Painel
Nacional de Indicadores Ambientais. Referencial teórico, composição e síntese
dos indicadores da versão-piloto. Brasília: MMA, 2014.

CETESB. Qualidade das águas superficiais no estado de São Paulo 2014 [recurso
eletrônico] / CETESB. São Paulo: CETESB, 2015.

DAVILA, V. H. L. Estatística Descritiva. Disponível em http://www.ime.unicamp.

br/~hlachos/estdescr1.pdf. 2007. Acesso em: 12 julho. 2017.

MORETTIN, P.A. & BUSSAB, W.O. Estatística Básica. 6ªed. São Paulo: Saraiva, 201.

VIEIRA, S. Introdução à Bioestatística [recurso digital]. Rio de Janeiro: Elsevier,

2011. 345 p.

24
São Paulo
2017