A avaliação dos dados apresentados nas revisões bibliográficas sistemáticas, resumidas no Quadros 2.1 sobre leptospirose e áreas urbanas, Quadro 2.6 sobre SR e análises urbanas e Quadro 2.7 sobre estudos urbanos epidemiológicos com SR, indica alguns caminhos que podem ser trilhados no estudo das características urbanas que são possíveis de ser identificadas através de SR e que estão relacionadas com a transmissão da doença.
Comparando as características urbanas exploradas nos artigos citados nas revisões de SR, Quadros 2.1 e 2.7, independente do número de artigos em cada, pode-se dizer que nos estudos epidemiológicos (Quadro 2.7) são apresentados artigos que investigaram menor quantidade de características urbanas e ao mesmo tempo características que podem ser consideradas mais comuns a ambientes não urbanos. Isso pode ter ao menos duas explicações: os estudos epidemiológicos (Quadro 2.7) enfocam características específicas que estão relacionadas a um determinado vetor; outra possibilidade que predomina nesses estudos é o uso de imagens consideradas de média resolução espacial para análise intra- urbana (LANDSAT), dificultando a identificação detalhada de elementos e padrões nesse meio.
Por outro lado, quando utilizado imagens de maior resolução espacial (fotografia aérea, IKONOS e QuickBird) a maior parte dos estudos do Quadro 2.7 aplicou técnicas de interpretação visual, visto a dificuldade de tratar a heterogeneidade do espaço intra-urbano (TATEM et al., 2004). Apenas um trabalho foi encontrado utilizando o sensor de resolução intermediária, SPOT (LOINTIER et al., 2001).
Considerando os estudos não restritos à área urbana observa-se também uma escassez de trabalhos que utilizaram imagens deste satélite. Na revisão realizada por Correia et al. (2004), entre 1996 e 2000, foram encontrados cinco artigos (8% dos artigos listados) que
demais (vermelha, verde, azul e infravermelho), oferece um nível de detalhamento do espaço intra-urbano que pode ser mais explorado em estudos urbanos.
A variação do aspecto da cobertura do solo aparece como uma importante informação a ser extraída das imagens ao se tratar de estudos epidemiológicos. Especificamente no estudo da leptospirose, esse tipo de análise pode identificar áreas que foram afetadas por inundação, importante fator de risco de transmissão da doença. Esse tipo de análise foi realizado por Salomón et al. (2006), ainda que, no trabalho apresentado, os autores utilizaram interpretação visual para classificar a cobertura do solo nas margens do rio. Há, entretanto, uma grande dificuldade de se estudar áreas alagadas nas cidades do nordeste brasileiro por meio de detecção de mudança nas imagens. A maior parte dos satélites privilegia em sua órbita o imageamento do hemisfério norte, passando pelo Brasil em um horário onde a evapotranspiração dos mares, corpos d’água e matas causam a formação de nuvens. Há uma dificuldade natural em se encontrar imagens ―limpas‖ e a dificuldade é ainda maior quando se restringe essa busca a um par de imagens anterior e posterior a um período chuvoso.
O uso de modelo digital de terreno (MDT), no ambiente SIG, pode ser um recurso complementar ou alternativo para a identificação de áreas sujeitas a alagamento. O reconhecimento de superfície impermeável por meio de SR (LEE e LATHROP, 2006; SHACKELFORD et al., 2003a) combinada com as cotas mais baixas (REIS et al., 2008) pode significar uma maior probabilidade de ocorrência de tal evento. Nesses casos, depoimentos da população residente na área ou visita de campo durante a ocorrência de chuvas são dados complementares bastante úteis para a verificação da existência e funcionamento do sistema de drenagem ou para verificação da cota de alagamento.
Entre as técnicas de processamento de imagens em áreas urbanas, assim como em estudos regionais e continentais, o NDVI também aparece com grande frequência. É interessante notar que, nos estudos urbanos, o NDVI é utilizado não apenas para medir vegetação como produto final, mas é utilizado, principalmente, para identificar homogeneidade urbana e densidade ocupacional (EISELE et al., 2003) (GREENHILL et al., 2003) (TAUBENBÖCK et al., 2006). No entanto, o índice é composto por valores das bandas dos canais vermelho e infravermelho, sendo que esta última não costuma ser disponibilizada em levantamentos aerofotogramétricos contratados pelas prefeituras para
fim de cadastro multi-finalitário. É importante ressaltar que o NDVI foi desenvolvido para um determinado propósito e determinado sensor, como foi discutido na Seção 2.3.1, o uso desse índice em outras situações deve ser realizado com cautela.
Na maior parte dos casos, a densidade ocupacional investigada pelos autores é estimada através da identificação de áreas sem vegetação ou áreas construídas (Quadro 2.1 e 2.7) e pode ser usada como relação direta da medida de densidade populacional, presente no Quadro 2.6. A densidade populacional, por sua vez, é um fator de risco diretamente relacionado à acumulação de lixo (BARCELLOS e SABROZA, 2001), fator considerado por um grande número de autores um dos mais significativos para a transmissão da leptospirose. Apesar do cálculo do NDVI ser o método mais popular para estimar a densidade populacional, em trabalhos de escalas maiores os resultados podem ser menos satisfatórios. A revisão de SR, Quadro 2.6, apresenta trabalhos desenvolvidos com imagem IKONOS, QuickBird e fotografias aéreas que utilizaram classificação baseada em pixel ou em objeto para identificar as edificações, como uma forma mais acurada de estimar população.
Ainda assim, o cálculo de população utilizando a edificação como proxy pode sofrer vieses por não considerar a verticalidade dos edifícios, por isso alguns estudos têm desenvolvido métodos que permitem estimar o grau de verticalização por meio da área de sombra projetada (Xiao et al., 2008), sendo que a maior eficiência para a solução dessa questão é obtida com o uso de modelos digitais de superfície e modelos digitais de terreno.
O acúmulo de lixo não é uma característica estável que possa ser reconhecida diretamente por um número limitado de imagens do mesmo local. Isto é, a ausência de lixo em um local onde comumente há acumulo, pode significar que o mesmo foi recentemente incinerado ou recolhido. O que se pode buscar nas imagens, portanto, são locais propensos ao acúmulo de lixo. O acúmulo de lixo terá uma maior probabilidade de ocorrer em uma área não servida de coleta pública de lixo, uma vez que esta é realizada por caminhões que não passam em ruas muito estreitas ou obstruídas. Neste caso, a identificação com SR de logradouros urbanos e suas características de pavimento, largura e traçado, podem ajudar no reconhecimento de áreas propensas ao acúmulo de lixo por carência do serviço de coleta.
No Quadro 2.6, observa-se que o sistema viário é um dos elementos urbanos que vem sendo bastante pesquisado, no campo do SR, e ainda pouco explorado nas pesquisas epidemiológicas em áreas urbanas com SR (Quadro 2.7). Suas características estruturantes das cidades, bairros e vizinhança, além de sua função social nestas comunidades (onde a
Zhang et al. (2006) conseguiram através de processamento de imagens identificar vias com acurácias superiores a 80%. No entanto, os dois estudos que usaram mais de uma categoria para a classificação do sistema viário não apresentaram resultados satisfatórios (CHANUSSOT et al., 2006; FAUVEL et al., 2006).
Com o uso de classificação baseada em objeto, Nóbrega et al. (2006) extraiu estradas de imagens de assentamentos informais, mostrando o grande potencial que essa tecnologia tem de prover informações sobre áreas urbanas não planejadas.
É interessante observar que algumas atividades agrícolas, que se destacam como fatores de risco, como plantação de cana de açúcar e de banana, são frequentemente encontradas em áreas mais pobres de cidades do nordeste brasileiro, como a cidade de Salvador. Em geral, esse tipo de cultura pode ser observado onde a densidade populacional é mais baixa, o que geralmente está associado aos limites de expansão do território urbano, ou às áreas de alta declividade, ou às áreas sujeitas a alagamentos (áreas de baixo valor imobiliário e solo úmido favorável ao desenvolvimento dessas espécies). A identificação de espécies de árvores foi estudada por Sugumaran et al. (2003); neste trabalho foi utilizado um classificador convencional, o de máxima verossimilhança, e um classificador baseado em regras de decisão (árvore de classificação e de regressão) em imagens IKONOS, para identificar espécies de carvalho em área urbana.
Corpos d’água são elementos presentes tanto na área rural como na área urbana. Os estudos apresentados sobre a leptospirose, Quadro 2.1, ressaltam a relação existente entre a prática de atividades de recreação ou laborais nesses ambientes e a contração da doença. Assim, se faz importante a identificação de locais onde riachos, lagos ou mesmo poças d’água são de fácil acesso a crianças ou são obstáculos à circulação que não contam com infra-estrutura adequada21. Nos estudos de SR, Quadros 2.6 e 2.7, observa-se que a
identificação de corpos d’água com a utilização de imagens satélite é algo que se pode fazer com a utilização de inúmeras técnicas de SR. A resposta radiométrica diferenciada dos mares, rios, lagos e demais corpos d’água é, em geral, facilmente captada pelas bandas do espectro visível e infravermelho próximo.
21
A infra-estrutura natural ou construída que se faz necessário nesses casos se refere à presença de mata ciliar, ao afastamento mínimo de vias e edificações, à existência de guarda corpo, de drenagem, de passagem superior, de ponte, etc.
Um importante fator de risco identificado na revisão bibliográfica é a precariedade do sistema de esgotamento sanitário. Este é um fator que não é possível reconhecer diretamente nas imagens. Há, no entanto, outras características urbanas comuns a áreas com esse tipo de carência, em especial relacionada ao sistema viário. Dificilmente uma rua sem pavimentação, sinuosa e estreita tem sistema de esgotamento sanitário. Como já citado, o Quadro 2.6 apresenta inúmeros trabalhos que utilizaram a identificação de vias. Uma combinação de características urbanas também pode estar relacionada com uma combinação de fatores de risco de transmissão. Áreas com alta densidade ocupacional, com ruas estreitas, sinuosas, sem pavimento e com edificações predominantemente horizontais, de tamanho reduzido e telhados não cerâmicos, são muito provavelmente áreas de favela que, se inundável, têm grandes possibilidades de representar uma área endêmica. A morfologia desses espaços é caracterizada por edificações de dimensões reduzidas e com uma grande variedade de materiais de cobertura, desde cimento e telhas de amianto, a metal, madeira e papelão. Nas imagens aéreas e de satélite, essa configuração apresenta características peculiares de cor e textura. Observa-se que Benediktson et al. (2003), Bruzzone et al. (2006), Chanussot et al. (2006) e Fauvel et al. (2006) e Herold et al. (2003) trabalharam com a diferenciação de tamanhos ou cores de cobertura de edificações.
Como ressaltaram Barcellos e Sabroza (2000), Johnson et al. (2004) e Tassinari et al. (2004), pode acontecer dos estudos epidemiológicos não localizarem nessas áreas mais carentes a ocorrência de um número maior de pessoas com casos graves. No entanto, a presença da bactéria nesses locais os caracterizam como área endêmica que pode também constituir-se como um relevante fator de risco para a comunidade do entorno, especialmente se esta comunidade fizer parte da mesma área de alagamento. Para identificação destas áreas, o uso de MDT, mais uma vez, se constitui numa importante ferramenta.
Inúmeros recursos podem ser utilizados na identificação das características urbanas que constituem fatores de risco.
“o avanço tido com o uso de SR para mapeamento, monitoramento e modelamento de ambientes urbanos o coloca em excelente condição de prover esse tipo de informação para o público da área de saúde e outros. Em especial, o SR tem um papel especial a desempenhar em áreas mais pobres, onde efeitos da urbanização serão mais sentidos e onde recursos para mapeamento e atenção à saúde já são contemplados” (TATEM et al., 2004, p. 370).
solo, detecção de mudança da cobertura do solo, área verde, NDVI, área construída, edificações (telhado, densidade e tamanho), áreas com solo exposto, vegetação rasteira, vias (pavimento, largura e traçado), corpos d’água, são elementos identificáveis em imagens de SR.
As características da transmissão da leptospirose, raio de ação do principal vetor transmissor(30m a 50m), e resultados de recentes pesquisas realizadas em Salvador sugerem (MARCIAL et al. 2008, FARIA et al. 2008) ou constatam (REIS et al., 2008) a relação existente entre o ambiente do entorno da residência e a transmissão da doença. Por outro lado, o raio de abrangência de eventos de alagamento, a mobilidade de indivíduos e o uso do espaço público contaminado, sugerem que a investigação também precisa considerar outras escalas de análise.
Para melhor entender como se dá essa relação, seja na eleição das características urbanas a serem investigadas, seja a escala de análise em que cada característica constitui um padrão ou elemento urbano de risco para a transmissão da leptospirose, recorreu-se a duas abordagens: a caracterização das tipologias urbanas encontradas nas áreas de estudo (Capítulo 4) e a elaboração dos modelos de risco da doença associada ao ambiente urbano, (Capítulo 5).