Teledetección para estimaciones poblacionales en ciudades pequeñas

Autores/as

DOI:

https://doi.org/10.33237/2236-255X.2026.7936

Palabras clave:

Censo demográfico, Ciencia de datos espaciales, Regresión lineal, Urbanización

Resumen

Estudios sobre la dinámica de la ocupación y expansión urbana impactan en la planificación de políticas públicas y en la asignación de recursos para su implementación. Dado que uno de los Objetivos de Desarrollo Sostenible (ODS) de la ONU es desarrollar ciudades y comunidades sostenibles, estos estudios cobran relevancia. La actualización de la población urbana es importante para obtener recursos financieros para gestionar las ciudades, pero debido a la complejidad de estos levantamientos, la obtención de datos actualizados no es trivial para apoyar la toma de decisiones de los gestores urbanos. Este trabajo estudia la Teledetección como alternativa para estimar la población urbana en períodos intercensales, con el objetivo de verificar la correlación lineal entre población urbana y área urbanizada en municipios de la Nova Alta Paulista (Adamantina, Dracena, Junqueirópolis, Lucélia y Osvaldo Cruz) en los años 2000, 2010 y 2022. La metodología implicó la recolección de datos poblacionales del IBGE y el levantamiento del área urbanizada mediante imágenes del satélite Landsat, desarrollando modelos de regresión lineal cuya precisión fue evaluada con error absoluto medio. Los resultados indicaron fuerte correlación entre crecimiento del área urbanizada y aumento poblacional; sin embargo, el error medio señaló limitaciones para la estimación, recomendándose probar variables adicionales. Finalmente, se proyectó la población para 2030, concluyendo que la Teledetección es una herramienta auxiliar para estimaciones poblacionales que colabora con la planificación y formulación de políticas públicas urbanas.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Analissa Haga, Centro Universitário de Adamantina (FAI)

Mestra em Administração Pública - PROFIAP (UTFPR). Docente do curso de Ciências Contábeis no Centro Universitário de Adamantina (FAI). Membro da Comissão Interna de Prevenção de Acidentes (CIPA). Atuou como Fiscal de Contratos. Exerce o emprego público de Orientadora de Estágio de Educação Física do Centro Universitário de Adamantina-SP. Graduada em Administração de Empresas e Agro-empreendimentos pela Universidade Estadual Paulista (UNESP) - Júlio de Mesquita Filho desde 2012. Técnica em Contabilidade pelo Centro Paula Souza, escola Eudécio Luiz Vicente desde 2010.Ex-Bolsista do PIBID-CAPES

Paulo Roberto da Silva Ruiz, Faculdade de Tecnologia do Estado de São Paulo (FATEC)

Licenciado em Geografia pela Universidade Estadual Paulista - UNESP (2003) e em Tecnologia em Banco de Dados pela FATEC (2013). Mestre e Doutor em Sensoriamento Remoto pelo Instituto Nacional de Pesquisas Espaciais - INPE (2017 e 2021). Possuo mais de 20 anos de atuação na educação, nos ensinos fundamental, médio, técnico e superior. Na iniciativa privada, atuei como consultor e sócio fundador de startup na área de Ciência de Dados Espaciais. Atualmente sou docente na Faculdade de Tecnologia - FATEC, no Curso Superior de Tecnologia em Ciência de Dados e na Escola Técnica Estadual - ETEC Eudécio Luiz Vicente em Adamantina - SP. Possuo experiência na área de ensino, pesquisa e extensão, além de projetos empresariais. Minhas áreas de pesquisa são: Sensoriamento Remoto urbano e agrícola, Ciência de Dados Espaciais, Geoprocessamento, LiDAR e nuvens de pontos tridimensionais para aplicações urbanas. Trabalho principalmente com as linguagens de programação Python, C, Java, além de processamento de dados em nuvem.

Citas

AGUIAR, B. S.; BAPTISTA, G. M. M. Aplicação de aprendizado de máquina para análise do crescimento urbano: o caso das regiões administrativas Ceilândia e Pôr do Sol no Distrito Federal. Revista Brasileira de Geomática, v. 11, n. 2, p. 465-487, 2023.

BRASIL. Ministério do Desenvolvimento Social e Combate à Fome. Projeções populacionais para o Brasil. Brasília, DF: MDS, 2013. 45 p. Disponível em: https://acervodigital.mds.gov.br/xmlui/bitstream/handle/123456789/320/ETEC_23_20 13%20Proje%c3%a7%c3%b5es%20populacionais%20para%20o%20Brasil.pdf?seq uence=1. Acesso em: 18 out. 2025.

CALLEGARI-JACQUES, Sidia M. Bioestatística: princípios e aplicações. Artmed Editora, 2009.

CAMPOS, J.; RIGOTTI, J. I. R.; BAPTISTA, E. A.; MONTEIRO, A. M. V.; REIS, I. A. Population Estimates from Orbital Data of Medium Spatial Resolution: Applications for a Brazilian Municipality. Sustainability, v. 12, n. 9, p. 3565, 2020. DOI: 10.3390/su12093565.

CHANDER, G.; MARKHAM, B. L.; HELDER, D. L. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors. Remote Sensing of Environment, v. 113, n. 5, p. 893-903, 2009.

CONFEDERAÇÃO NACIONAL DE MUNICÍPIOS. Transferências constitucionais. Brasília, [S.d]. Disponível em: https://cnm.org.br/. Acesso em: 16 out. 2025.

EMBRAPA. Satélites de Monitoramento. Campinas, 2018. Disponível em: < https://www.embrapa.br/satelites-de-monitoramento >. Acesso em: 20 mai. 2025.

FÁVERO, L. P.; BELFIORE, P. Manual de análise de dados: estatística e modelagem multivariada com Excel®, SPSS® e Stata®. Elsevier Brasil, 2017.

FLORENZANO, T. G. Imagens de satélite para estudos ambientais. São Paulo: Oficina de Textos, 2002.

GIL, I. C. Territorialidade e desenvolvimento contemporâneo. Revista Nera, n. 4, p. 5- 19, 2004.

GUIARRA, A. P. M.; YALLOUZ, G. A. N.; SILVA, I. T. Estudo bibliométrico sobre o uso de geotecnologias aplicadas ao planejamento de cidades médias. Terr@ Plural, v. 14, p. 1–14, 2019.

HUANG, X.; ZHU, D.; ZHANG, F.; LIU, T.; LI, X.; ZOU, L. Sensing population distribution from satellite imagery via deep learning: Model selection, neighboring effects, and systematic biases. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, v. 14, p. 5137–5151, 2021. DOI: 10.1109/JSTARS.2021.3076630.

IBGE. A rede urbana brasileira. Rio de Janeiro: IBGE, 2018. Disponível em: https://www.ibge.gov.br/apps/regic/pdf/03_rede_urbana.htm. Acesso em: 30 jan. 2026.

IBGE. Censo 2022. 2022. Disponível em: https://censo2022.ibge.gov.br/panorama/. Acesso em: 13 ago. 2025.

JENSEN, J. R. Sensoriamento Remoto do Ambiente: uma perspectiva em Recursos Terrestres. Tradução de JCN Epiphanio. São José dos Campos, SP: Parênteses, 2009. 598 p.

LUO, N.; WAN, T.; HAO, H.; LU, Q. Fusing High-Spatial-Resolution Remotely Sensed Imagery and OpenStreetMap Data for Land Cover Classification Over Urban Areas. Remote Sensing, v. 11, n. 1, p. 88, 7 jan. 2019. DOI: 10.3390/rs11010088.

MAZROA, A.; MAASHI, M.; KOUKI, F.; OTHMAN, K. M.; SALIH, N.; ELFAKI, M. A.; BEGUM S, S. An analysis of urban sprawl growth and prediction using remote sensing and machine learning techniques. Journal of South American Earth Sciences, v. 142, p. 104988, 2024. ISSN 0895-9811. DOI: 10.1016/j.jsames.2024.104988.

MESQUITA, J. M. Análise crítica do regime de distribuição do fundo de participação dos municípios: uma avaliação ex-post e ex-ante das propostas de inovação legislativa. 2024. 78 f. Dissertação (Mestrado em Administração Pública) – Instituto Brasileiro de Ensino, Desenvolvimento e Pesquisa, Brasília, 2024. Disponível em: https://repositorio.idp.edu.br//handle/123456789/5487. Acesso em: 30 jan. 2026.

MOUNTRAKIS, G.; IM, J.; OGOLE, C. Support vector machines in remote sensing: A review. ISPRS journal of photogrammetry and remote sensing, v. 66, n. 3, p. 247- 259, 2011.

NOVO, E. M. L. Sensoriamento Remoto: princípios e aplicações. Editora Blucher, 2010.

ONU - Organização das Nações Unidas (Brasil). Objetivos de Desenvolvimento

Sustentável no Brasil. [s.l.], [s.d.]. Disponível em: https://brasil.un.org/pt-br/sdgs.

Acesso em: 17 out. 2025.

PONZONI, F. J.; SHIMABUKURO, Y. E. Sensoriamento Remoto no Estudo da

Vegetação. São José dos Campos: Parêntese, 2010, 127p.

RAMOS, E. F. As cidades médias em perspectiva: uma análise dos papéis e tendências de um grupo de cidades médias brasileiras. 2011. Dissertação (Mestrado em Geografia) – Universidade Federal de Minas Gerais, Belo Horizonte, 2011.

RICHARDSON, A. J.; WIEGAND, C. L. Distinguishing vegetation from soil background

information. Photogrammetric engineering and remote sensing, v. 43, n. 12, p.

1541-1552, 1977.

ROSA, M. R. Classificação do padrão de ocupação urbana de São Paulo utilizando

aprendizagem de máquina e Sentinel 2. Revista do Departamento de Geografia, p.

15-21, 2018.

RUIZ, P. R. S. Classificação da cobertura do solo urbano usando árvores de

decisão a partir de cenas WorldView-2 e WorldView-3 para diferentes níveis de

legenda. Dissertação (Mestrado em Sensoriamento Remoto) - Instituto Nacional de

Pesquisas Espaciais (INPE), São José dos Campos, 2017, 181 p.

SABERIFAR, R. Estimation of urban population by remote sensing data. J Emerg

Trends Econ Manag Sci, v. 4, n. 6, p. 565, 2013.

SANTOS, M. Espaço e sociedade: ensaios. 2. ed. Petrópolis: Vozes, 1982.

XU, H.; REN, M.; LIN, M. Cross-comparison of Landsat-8 and Landsat-9 data: A threelevel approach based on underfly images. GIScience & Remote Sensing, v. 61, n. 1, p. 2318071, 2024.

VAPNIK, V. The nature of statistical learning theory. Springer Science &

Business Media, 1999.

Publicado

2026-07-15

Cómo citar

HAGA, Analissa; RUIZ, Paulo Roberto da Silva. Teledetección para estimaciones poblacionales en ciudades pequeñas. Revista Geotemas, Pau dos Ferros, v. 16, p. e02611, 2026. DOI: 10.33237/2236-255X.2026.7936. Disponível em: https://periodicos.apps.uern.br/index.php/GEOTemas/article/view/7936. Acesso em: 16 jul. 2026.

Número

Sección

Artí­culos

Artículos similares

1 2 3 4 5 6 7 8 9 10 > >> 

También puede Iniciar una búsqueda de similitud avanzada para este artículo.