Nativa, Sinop, v. 10, n. 1, p. 05-15, 2022.
Pesquisas Agrárias e Ambientais
DOI: https://doi.org/10.31413/nativa.v10i1.13137 ISSN: 2318-7670
Análise espacial da distribuição do ensino em função da renda
em uma bacia hidrográfica
Jomil Costa Abreu SALES1, Camille Vasconcelos SILVA1*, Darllan Collins da CUNHA e SILVA1,
Omar Yazbek BITAR2, Roberto Wagner LOURENÇO1
1Universidade Estadual Paulista “Julio de Mesquista Filho” (UNESP), Sorocaba, SP, Brasil.
2Instituto de Pesquisas Tecnológicas do Estado de SP (IPT), São Paulo, SP, Brasil.
*E-mail: camillevs15@gmail.com
(ORCID: 0000-0001-8722-8398;0000-0002-5810-0026; 0000-0003-3280-0478; 0000-0003-1004-8553; 0000-0002-5234-8944)
Recebido em 08/11/2021; Aceito em 31/01/2022; Publicado em 14/03/2022.
RESUMO: O presente trabalho tem como objetivo analisar a relação da distribuição espacial dos indicadores
de escolaridade em função da renda per capita dos setores censitários da Bacia Hidrográfica do Rio Una (BHRU),
localizado no município de Ibiúna-SP. Para isso foram utilizadas técnicas de geoestatística, como estimação de
Krigagem Ordinária, teste de Kernel, para avaliar a distribuição da renda e a densidade das escolas juntamente
com dados do Censo Demográfico de 2010. De acordo com o teste de Pearson, houve correlação das taxas de
escolaridade e renda apenas entre a população com mais de 20 anos. Demonstrando que, quanto menor a renda
menor o nível de escolaridade da população, coincidindo a distribuição das áreas de menor renda e escolaridade
com as áreas de maior vocação agrícola. Portanto, podemos concluir que conhecer o potencial da distribuição
da educação em função da renda é uma ferramenta importante para políticas públicas e sociais.
Palavras-chave: escolaridade; krigagem; distribuição espacial; sistemas de informações geográficas.
Spatial analysis of education distribution concerning a watershed money income
ABSTRACT: The current study aims to analyze the spatial distribution relationship among schooling indexes,
considering the money income of census tracts of the watershed Una river, which is located at Ibiuna,
municipality of São Paulo state. The 2010 Population Census and the Ordinary Kriging were used as
geostatistical analysis. Kernel test was applied to evaluate schools density. Pearson test demonstrated a
correlation between schooling rates and money income on the population older than 20 years, showing that,
the smaller the income, the smaller are the schooling levels. Associated with that, the area distribution of the
smallest schooling levels are the same with the biggest agricultural vocation. Therefore, in conclusion,
understanding the schooling distribution potential in relation to the income is an important management tool
for public and social policies.
Keywords: schooling; kriging; spatial distribution; geographic information systems.
1. INTRODUÇÃO
Considerada como uma unanimidade mundial fornecer
acesso à educação para uma nação nem sempre foi
prioridade. A educação compulsória teve início em meados
dos anos 1763 por Frederico o Grande, Rei da Prússia,
inicialmente atendendo princípios de doutrinação ideológica,
política e religiosa. Apenas um século depois, ao longo da
Revolução Industrial, foi criado um sistema educacional que
serviria de base para os princípios educacionais modernos,
capaz de atribuir a importância do conhecimento ao trabalho
econômico (ALMEIDA, 2017; WADOVSKI; COSTA
OLIVEIRA, 2018).
Nas últimas décadas diversos estudos ao redor do mundo
destacam que os altos índices de escolaridade estão
fortemente relacionados com a elevação do Produto Interno
Bruto (PIB) e a melhoria de índices sociais. Diferentes países
que ampliam suas taxas de atendimento na educação,
posteriormente alcançariam maior crescimento econômico,
redução da pobreza, elevação dos salários médios, e
resultados mais satisfatórios na saúde (SALES et al., 2019;
BUSTAMANTE; LEITE, 2020; GODOY; SOARES, 2020).
Segundo o relatório da Unesco (2005), ao longo dos
séculos a educação demonstrou ampla capacidade de induzir
mudanças e transformar sociedades e nações em direção ao
progresso.
Ao longo da história Indicadores de desempenho, assim
como o PIB, costumam ser utilizados por países, estados,
municípios e até bacias hidrográficas para quantificar seu
desenvolvimento. Porém o PIB foi concebido para medir
apenas variações econômicas de uma população (AKTER et
al., 2016; SALES et al., 2019; GODOY; SOARES, 2020).
Uma alternativa às falhas nas medições do bem-estar
social foi a utilização do Índice de Desenvolvimento
Humano (IDH). Desenvolvido pelo Programa das Nações
Unidas para o Desenvolvimento (PNUD) na década de 90,
utiliza informações como a importância de uma população
ter oportunidade de levar uma vida longa e saudável, ter
acesso ao conhecimento e de poder desfrutar de um padrão
de vida digno. Desta forma o IDH aborda temas que refletem
na qualidade de vida e bem-estar, sendo composto por dados
dos indicadores de longevidade, escolaridade e pela renda per
capita de uma população (PONTES; LIMA, 2018; SILVA et
al., 2019; FUZARO; CARNIELLO, 2020).
Entretanto, segundo o Atlas de Desenvolvimento
Humano no Brasil, ao contrário do que se imagina, o
crescimento econômico em países em desenvolvimento
Análise espacial da distribuição do ensino em função da renda em uma bacia hidrográfica
Nativa, Sinop, v. 10, n. 1, p. 05-15, 2022.
6
como o Brasil, muitas vezes reforça as desigualdades sociais
(CAMPELO et al., 2020; ROSSONI et al., 2020).
Um instrumento científico que permite analisar essas
desigualdades e avaliar os dados estatísticos populacionais é
o Sistema de Informações Geográficas (SIG). Permitindo
realizar análises geográficas quantitativas sobre a dinâmica
das variáveis, assim como a analisar espacialmente o IDH
dentro de uma determinada área a partir dos dados
censitários (SALES et al., 2019; SILVA et al., 2019;
ALVARENGA, 2020; PEREIRA; CUNICO, 2020).
Entende-se como análise espacial, a área do
conhecimento que possui a finalidade de tratar as diversas
informações geográficas por meio de técnicas matemáticas e
computacionais, que operam sobre um conjunto de dados
georreferenciados, de modo a auxiliar na interpretação das
dinâmicas de determinados fenômenos físicos, biológicos e
populacionais, dando suporte para a tomada de decisões
(CARDOSO et al., 2020; PEDROSA; ALBUQUERQUE,
2020).
Para identificar as principais áreas a serem implantadas
ações que visam reduzir desigualdades, faz-se necessária a
realização de estudos que identifiquem e mapeiem esses
campos deficitários (SALES et al., 2019; MATA; COSTA,
2020). Silva et. al (2019) destacam a importância de realizar
uma análise espacial das necessidades de uma determinada
população considerando a sua espacialidade de modo a
amparar a elaboração de políticas públicas.
Nesse sentido, uma das formas de realizar este
mapeamento é por meio da análise de índices e indicadores
como o Índice de Desenvolvimento Humano Municipal
(IDH-M), que pode determinar as regiões mais deficitárias
quanto ao atendimento do Estado com políticas públicas que
visam mitigar essas desigualdades (SALES et al., 2019;
RODRIGUES et al., 2020).
Vários estudos integralizaram o uso de SIG como
instrumento para análise espacial de indicadores sociais,
ambientais e econômicos associados ao uso de dados
demográficos e ou dados componentes do IDH federais,
estaduais e municipais, estando ou não estes adaptados as
características particulares da região estudada como, por
exemplo, bacias hidrográficas (SALES et al., 2019; Silva et al.,
2019; ALVARENGA, 2020; RODRIGUES et al., 2020;
SILVA et al., 2020; BARROS; BARROS, 2021).
Dessa maneira, a metodologia do trabalho sugere uma
análise espacial através de mapas comparativos entre os
setores censitários que compõem a bacia hidrográfica do rio
Una, sob a ótica de indicadores sociais e econômicos e,
confrontando-os espacialmente, para assim verificar se há
uma relação espacial.
Portanto, o presente trabalho tem como objetivo analisar
a relação da distribuição espacial dos indicadores de
escolaridade em função do indicador da renda per capita dos
setores censitários da área de estudo de acordo com o modelo
adotados pelo Atlas do Desenvolvimento Humano no Brasil.
Para isso serão utilizados técnicas do geoprocessamento e
geoestatística para realizar o mapeamento e predição da
distribuição espacial da qualidade do ensino, baseado no
índice de escolaridade da população adulta, e no fluxo escolar
de crianças e jovens matriculados no ensino fundamental e
básico ao longo da Bacia Hidrográfica do Rio Una (BHRU),
situada no município de Ibiúna, São Paulo.
2. MATERIAL E MÉTODOS
2.1. Área de estudo
A Bacia Hidrográfica do Rio Una (BHRU) fica localizada
no Município de Ibiúna, situada na região metropolitana de
Sorocaba, a aproximadamente 75 km da capital do estado de
São Paulo (Figura 1).
Conforme o último Censo demográfico, realizado em
2010, o município possui 71.217 habitantes, sua densidade
demográfica é de 67,31 habitantes por quilometro quadrado.
A taxa de mortalidade infantil média no município é de 16,57
para 1.000 nascidos vivos e em 2014, tinha um PIB per capita
de R$18.966,35. O IDH de Ibiúna em 2010 foi calculado em
0,710, considerado alto de acordo com os parâmetros do
Atlas de Desenvolvimento Humano do Brasil (PNUD, 2013;
IBGE, 2016).
Figura 1. Localização da Bacia hidrográfica do rio Una no município de Ibiúna, estado de São Paulo.
Figure 1. Una river’s basin location in the municipality of Ibiúna, state of São Paulo.
O estudo da dinâmica populacional da BHRU é de grande
interesse, pois se trata de um dos mais importantes
mananciais de abastecimento da Usina Hidrelétrica de
Itupararanga, principal reservatório de captação de água da
região, uma vez que abastece uma população estimada em
mais de 1,5 milhões de pessoas, além de conter extensas
Sales et al.
Nativa, Sinop, v. 10, n. 1, p. 05-15, 2022.
7
faixas de matas nativas e de ser uma área de interesse
econômico, devido à expansão agrícola (IPT, 2008; SILVA et
al., 2016).
De acordo com o censo demográfico de 2010, Ibiúna
possui 129 setores censitários, sendo a BHRU composta por
43 setores, localizados em áreas rurais e urbanas (IBGE,
2011).
2.2. Renda per capita
A renda per capita mede a capacidade média de aquisição
de bens e serviços de uma população (SALES et al. 2019).
Assim, o presente trabalho utilizou o mesmo critério para os
setores censitários. Sendo o rendimento nominal total
dividido pela população total, residente nos domicílios em
cada setor, obtendo-se a renda setorizada per capita (IBGE,
2012)
Segundo o Atlas do Desenvolvimento Humano no Brasil,
na metodologia do IDH – Municipal, desenvolvido pelo
Programa das Nações Unidas para o Desenvolvimento
(PNUD, 2013), foram atribuídos valores máximos e mínimos
de referência, de acordo com o chamado dólar - paridade-
poder-de-compra ($PPC), utilizado no IDH-Global.
Portanto, os limites de máximo e mínimo convertidos para a
renda per capita mensal são R$ 4.033,00 e R$ 8,00,
respectivamente.
O mínimo corresponde ao mínimo adotado pelo IDH
Global para países; e o máximo corresponde à renda média
do décimo mais rico da população no município mais rico do
país. Assim o cálculo da Dimensão Renda (DRenda) da bacia
hidrográfica por setores censitários, adaptado do IDH -
Global é calculada de acordo com a Equação 1.
D =( )
( ) (01)
em que: DRenda= Dimensão de Renda da Bacia Hidrográfica do Rio
Una; Logrps = Logaritmo da renda per capita do setor censitário;
Logrmi = Logaritmo da referência mínima; Logrma = Logaritmo da
referência máxima.
2.3. Educação
É composta de indicadores de escolaridade da população
adulta e de fluxo escolar da população jovem. O fluxo escolar
é medido pela média aritmética do percentual de crianças e
jovens frequentando o ensino fundamental e médio, em
quatro momentos importantes da formação escolar. A
escolaridade da população adulta é medida pelo percentual da
população de 18 anos ou mais de idade com o ensino
fundamental completo (PNUD, 2013; VON WIRTH et al.,
2015).
Portanto, para calcular o fluxo escolar foi obtido, para
cada setor censitário, a porcentagem de crianças de 5 a 6 anos,
11 a 13, jovens de 15 a 17 e jovens de 18 a 20 anos
alfabetizados. O mesmo foi realizado para obter a taxa de
escolaridade da população adulta da BHRU com objetivos de
obter a porcentagem da população maior de 19 anos que
concluiu o ensino fundamental.
2.4. Análise especial dos dados
2.4.1 Krigagem
Foi utilizada como técnica de estimação linear para as
variáveis a Krigagem Ordinária. Krigagem é um método de
interpolação abalizado em ponderações de dados amostrais,
baseadas na distância entre duas amostras e na variância entre
elas. É baseada em modelos estatísticos que incluem a
autocorrelação, isto é, as relações estatísticas entre os pontos
medidos. Devido a isso, técnicas geoestatísticas não só têm a
capacidade de produzir uma superfície de previsão, mas
também fornecer alguma medida da certeza ou precisão das
previsões (SILVA et al., 2018).
A metodologia utilizada pesa os valores medidos
circundantes às unidades amostrais para derivar uma previsão
em um local não medido. A fórmula geral de interpolação foi
elaborada como uma soma ponderada dos dados, de acordo
com a Equação 2 (BOSHI et al., 2012).
𝑍(𝑥)= ∑𝜆
𝑍(𝑥) (02)
em que: x0 é o ponto desejado; no Z(xi), i = 1, 2,....., N, xi são
os pontos medidos; e Σλi é a somatória dos pesos atribuídos
a eles.
De acordo com Silva et al. (2018), ao minimizar a
variância do erro sob a condição Σλi = 1, os pesos passam a
ser obtidos a partir de um sistema de equações de Krigagem
Ordinária e podem ser escritos sob notação matricial como
descreve a Equação 3.
𝐾 × λ = 𝑘 ou λ = 𝐾 × 𝑘 (03)
em que: K é a matriz de covariância entre as amostras; k é a
matriz de covariância entre as amostras e o ponto a ser
estimado; λ é o vetor dos pesos.
As covariâncias são obtidas em função das distâncias
entre os pontos amostrais e o ponto a ser estimado, com base
na modelagem do semivariograma experimental. A função do
modelo teórico do semivariograma varia de acordo com o
próprio modelo e se apresente de acordo com a Equação 4.
𝛾(ℎ)= 𝑓(𝐶,𝐶,𝑎,ℎ) (04)
em que: C0 = Efeito pepita; C1 = Contribuição; a = Alcance;
h =Vetor distância entre dois pontos.
Aplica-se a equação do modelo teórico escolhido em cada
par amostral ou não amostral, sendo a distância entre eles a
variável independente, obtendo-se assim a semivariância
entre o par.
Para representar a variabilidade e continuidade espacial da
Renda Per Capita e da distribuição da Educação na superfície
da BHRU foram considerados como dados amostrais, as
informações referentes os valores de renda para cada setor
censitário. Referente a educação, foram utilizados a
porcentagem de crianças e jovens na faixa etária de 5 a 6 anos,
11 a 13 anos, 15 a 17 anos 18 a 20 anos alfabetizados e adultos
maiores de 18 anos com o ensino fundamental completo,
esses valores são traduzidos no indicador de fluxo escolar e
pela taxa de escolaridade da população adulta, esses dados
compõem o subíndice do IDH de educação (PNUD, 2013).
Todos os dados são representados pelo ponto central dos
respectivos polígonos de cada setor censitário, chamados
centroides. Esse método consiste em atribuir o valor de um
atributo (Renda e Educação) associado a uma unidade de
área, onde admite-se a distribuição de densidade constante
por todo interior da área a um ponto interno desta área, igual
ao centroide (MARTIN, 1989).
Análise espacial da distribuição do ensino em função da renda em uma bacia hidrográfica
Nativa, Sinop, v. 10, n. 1, p. 05-15, 2022.
8
A conversão dos valores de polígonos em pontos foi feita
automaticamente com o auxílio do software ArcGis 10.6.
Para analisar a continuidade espacial do indicador, o
primeiro passo foi realizar a modelagem dos semivariogramas
dos valores de renda per capita e da educação. Após os
valores de semivariância serem plotados no semivariograma,
verificou-se a presença da anisotropia através da superfície de
semivariograma.
Para análise geoestatística, os modelos teóricos usados
para ajuste foram: esférico, exponencial e gaussiano. A
validação e escolha do modelo mais adequado foi baseada na
média dos erros (ME), na média dos erros de predição
padronizados (MS), raiz quadrada da média do quadrado das
diferenças entre os valores estimados e o verdadeiro (Root-
Mean-Square – RMS), erro padrão da média do erro de
predição (Average Standard Error – ASE) e raiz quadrada da
média do quadrado das diferenças entre os valores estimados
e o verdadeiro padronizado (Root-Mean-Square-Standardized –
RMSS). Para predições não enviesadas (que representam o
valor real), ME e MS devem ter valores próximos de zero e
RMS e ASE tenham valores próximos entre si, o que diminui
a incerteza associada quanto às predições e, ainda, para uma
maior acurácia RMS deve apresentar baixos valores, o que
indica uma menor variabilidade entre os valores preditos e os
respectivos valores verdadeiros. Para o valor de RMSS, se for
superior a 1, a variabilidade da predição está sendo
subestimada, caso contrário, superestimada, assim o valor
ideal é o mais próximo possível de 1 (TATALOVICH et al.,
2006; GEORGAKARAKOS; KITSIOU, 2008; PASINI et
al., 2014).
Com a utilização do softaware ArcGis 10.6 realizou-se
ajustes nos semivariogramas experimentais. Os parâmetros
fundamentais do semivariograma, como patamar, efeito
pepita e alcance, permaneceram da mesma maneira como
preestabelecidos pelo algoritmo. Porém, alguns ajustes nos
números de lags, e nas larguras do bandwidth foram realizados.
Estes parâmetros indicam a janela de tolerância utilizada na
variografia exploratória.
De acordo com ESRI (2011), a seleção do tamanho de lag
tem efeitos importantes no semivariograma. Por exemplo, se
o tamanho do lag for muito grande, a autocorrelação de curto
alcance pode ser mascarada.
Para avaliar a dependência espacial do fenômeno utilizou-
se o Índice de Dependência Espacial (IDE) proposto por
Cambardella et al. (1994), conforme Equação 5.
𝐼𝐷𝐸 =
× 100 (05)
O IDE utiliza o efeito pepita (𝐶0) e a contribuição (C) em
seus cálculos. A seguinte classificação para os seus valores: se
IDE ≤ 25% o fenômeno tem forte dependência espacial;
entre 25% e 75% têm dependência espacial moderada e ≥
75% têm fraca dependência espacial.
Após o mapeamento das taxas de escolaridade foi
realizado um teste de correlação de Pearson, para avaliar a
existência de correlação entre a distribuição da taxa de
escolaridade e a renda per capita da população.
2.4.2 Kernel
Após analisar a distribuição dos valores relacionados ao
fluxo escolar e ao índice de escolaridade da população adula,
foi avaliada a distribuição das escolas ao longo da BHRU.
Para identificação das escolas distribuídas pelo município, foi
acessado o site da Secretaria Municipal da Educação de
Ibiúna, para identificação dos endereços de todas as escolas
cadastrados na cidade. Após a identificação do endereço, foi
utilizado como ferramenta de busca o software Google Earth
Pro, para identificar a localização espacial dos endereços.
Uma vez identificadas as escolas inseridas dentro da BHRU,
os arquivos foram exportados do formato KMZ para shapefile
para utilização no SIG ArcGIS, modelo 10.6.
Depois de especializadas foi aplicado o Estimador de
Kernel sobre os pontos e a distribuição das escolas da área
de estudos. Segundo Carvalho; Câmara, (2004), Kernel é um
estimador de densidade ou intensidade pontual. O método
tem a capacidade de compor uma superfície cujo valor é
proporcional à intensidade das amostras por unidade de área.
Realizando uma contagem de todos os pontos dentro sob a
região de influência, ponderando os valores pela distância de
cada ponto.
Portanto, o método permitiu gerar um mapa da
distribuição da densidade de escolas que atendem a
população da BHRU.
3. RESULTADOS
3.1. Renda per capita
Com base nos resultados obtidos, a BHRU possui área de
9.646,37 hectares, com uma população de 19 mil habitantes,
sendo que 8.684 desse total concentra-se nos setores
censitários com maior renda, representando 45,7% da
população da bacia. A referida população ocupa um território
de aproximadamente 1.274,27 hectares, equivalente a cerca
de 13% da área total da BHRU. Essa população tem uma
variação média na distribuição de renda entre R$641,68 e R$
749,39 e estão localizados na zona urbana do município.
Os resultados obtidos da distribuição da renda
demonstram que os setores censitários mais próximos ao
centro urbano do município de Ibiúna possuem os maiores
valores de renda per capita. À medida que os setores se
distanciam do centro urbano, como por exemplo as áreas
localizadas à nordeste da bacia hidrográfica, apresentam os
menores valores de renda.
De acordo com os resultados obtidos a partir da
interpolação, a menor distribuição da renda foi localizada na
região sudeste da bacia hidrográfica.
A distribuição entre os setores com menor renda varia de
R$322,83 a R$364,10 e estão localizados na região sul e
sudeste da bacia a 16 quilômetros de distância do centro
urbano. Ocupam área aproximada de 3.563,79 hectares,
representando cerca de 37% do território da BHRU, com
população de 2.100 pessoas aproximadamente.
A Figura 2 apresenta o mapa da distribuição da renda ao
longo da bacia hidrográfica e suas respectivas faixas de renda.
Com base no mapa da distribuição da renda e na Tabela 1,
pode-se observar que 4,07% apresentam renda entre
R$322,83 e R$364,10, ocupando área de 392,47 hectares,
28,50% da área da bacia, que equivalem a 2.789,8 hectares,
apresentam renda até e R$396.56 e 28,93% (2.748,6 hectares)
tem renda até R$437.83. Ou seja, 61,50% da área da BHRU
é ocupada por população com renta inferior a meio salário
mínimo.
Há uma faixa intermediária de 23,68% da área da bacia,
ocupada por 2.283,3 hectares, apresentam renda aproximada
a meio salário mínimo variando entre R$437,83 e R$490,28.
Sendo assim, apenas 14,81% da área total da bacia
hidrográfica, concentrada próximo ao centro urbano, tem
variação entre renda mínima e máxima superior a meio salário
Sales et al.
Nativa, Sinop, v. 10, n. 1, p. 05-15, 2022.
9
mínimo, de acordo com o Diário oficial da União (BRASIL,
2019).
Figura 2. Mapa de distribuição de renda Per Capita da Bacia
Hidrográfica do Rio Una.
Figure 2. Una’s River Basin Per Capita income distribution map .
Tabela 1. Distribuição das rendas máximas e mínimas e as
respectivas áreas de ocupação na BHRRU.
Table 1. Distribution of maximum and minimum rents and
respective occupation areas in BHRRU.
Renda Mínima (R$)
Renda Máxima (R$)
Área (ha)
Área (%)
322,84 364,10 392,47 4,07
364,10 396,57 2748,64 28,51
396,57 437,83 2789,80 28,93
437,83 490,28 2283,32 23,68
490,28 556,95 909,27 9,43
556,95 641,69 352,17 3,65
641,69 749,39 166,70 1,73
3.2. Educação
Com relação a distribuição do fluxo escolar, composto
pela taxa de crianças alfabetizadas em 4 diferentes períodos
da vida escolar, foi possível observar que a BHRU possui
níveis baixos de crianças matriculadas na primeira fase do
ensino infantil. Do total de habitantes entre 5 e 6 anos o
resultado obtido constatou-se que apenas 60,42% das
crianças estão alfabetizadas ou matriculados em escolas da
região.
De acordo com a Figura 3-A, é possível observar a
distribuição da população alfabetizada em função da renda
per capita. A maior taxa de alfabetização encontrada foi
localizada na região nordeste e leste da BHRU, a primeira
inserida na zona urbana do município de Ibiúna e a segunda
localizada em áreas urbanizadas na zona rural do,
apresentando variação de 67% até 76% da população dos
setores censitários com crianças alfabetizadas.
Essa população distribui-se por 939,53 hectares da bacia
e ocupando 9,74% da área total. Entretanto a distribuição da
população predominante está localizada na porção central e
norte da bacia, referente aos setores censitários com
população máxima alfabetizada variando entre 57,43% a 67%
do total da população, ocupando 33,36% da área da bacia.
Também foi possível observar, no extremo oeste da bacia,
uma população com a taxa de alfabetização variando de
25,05% a 36,50% da população local.
Já a porcentagem total da população alfabetizada na faixa
etária entre 11 e 13 anos sobe para 97%. Como é possível
observar na Figura 3-B, aproximadamente 40%, da área total
da BHRU, que equivalem a 3.934,20 hectares, são ocupados
por uma população que varia entre 98.6% a 100%
alfabetizada. Essa população distribui-se pela região norte,
central, sudeste e sul da bacia. Permeando, segundo Sales et
al. (2019), entre áreas de uso e ocupação urbana e agrícola.
A população com menor taxa de alfabetização entre os
11 e 13 anos varia de 0 a 50%, porém ocupa apenas 1,13% da
área, localizado na região oeste da BHRU.
Referente a população ente 15 e 17 anos, observa-se que
há um pequeno aumento na porcentagem total da população
alfabetizada, subindo para 98%. Sobre a distribuição da
população, há uma queda na porcentagem da população mais
alfabetizada. Sendo 37,24% da área total da bacia
representada por 94.24% a 100% dos jovens alfabetizados.
Entretanto a distribuição da população entre 89,1% a 94%
representa 41,47% da área total da bacia, restando apenas
21,28% variando entre 53,3% a 77,8%, como é possível
observar na Figura 3-C.
A última faixa etária que compõe o fluxo escolar é de
jovens entre 18 a 20 anos, De acordo com os resultados
97,72% da população da BHRU são alfabetizadas.
A distribuição dos setores censitários demonstra que
51,23% da área total da bacia é ocupada por uma população
com mais de 93% de alfabetizados. A categoria que ocupa
maior área são os setores que as taxas de alfabetização variam
entre 87,68% e 93,27%, ocupando área de 4.087,9 hectares
(32,02%). A distribuição dos setores com menor taxa de
alfabetização está localizada na porção leste da BHRU,
ocupando área de 1.614,24 hectares, variando entre 51,4% até
87% da população alfabetizada.
Pode-se observar que a Figura 3-D mostra a distribuição
da população com maiores índices de alfabetização
concentrada na região norte e nordeste da bacia, região
próxima à zona urbana do município de Ibiúna, distribuída
no eixo central da bacia até sua região sul.
Com relação ao índice de escolaridade de população
adulta foi possível observar que 92,63% dos habitantes nessa
faixa etária estão alfabetizados na BHRU. A maior taxa de
alfabetização, variando entre 90 a 99,5% da população está
concentrada próximo a zona urbana no município de Ibiúna.
Foi possível observar que a distribuição dessa população
ocupa apenas 7.8% da área total da BHRU, somando 682,87
hectares.
Essa região também está relacionada com a população
que apresentam maior renda per capita da BHRU. Também
é possível observar que as taxas de escolaridade aumentam
na medida em que se aproxima do centro urbano. A Figura 4
mostra a distribuição da população maior que 20 anos
alfabetizada, que representa o índice de escolaridade da
população adulta da BHRU.
Após a aplicação da interpolação por Krigagem foi obtido
o resultado do IDE (Índice de Dependência Espacial) para
Análise espacial da distribuição do ensino em função da renda em uma bacia hidrográfica
Nativa, Sinop, v. 10, n. 1, p. 05-15, 2022.
10
avaliar a eficiência da interpolação de acordo com seus
resultados.
Através dos parâmetros mostrados na Tabela 2 da análise
geoestatística efetuada por meio do ajuste do modelo teórico
ao semivariograma experimental é possível observar que os
atributos da distribuição da escolaridade estudados
apresentaram forte dependência espacial por meio do cálculo
do IDE, com exceção a renda per capita e a taxa de
alfabetização de 5 a 6 anos (CAMBARDELLA et al., 1994).
Dentre os modelos teóricos utilizados, apresentados na
Tabela 2 são os com valores de ME e MS mais próximos de
zero e mais semelhantes de RMS e ASE, o que diminui a
incerteza associada às predições. Entretanto a renda per
capita apresentou valor alto de RMS, indicando uma alta
variabilidade entre o valor predito e o verdadeiro. Em relação
os valores de RMSS, todos os atributos apresentaram valores
próximos ao ideal, ou seja, próximo a 1 (TATALOVICH et
al., 2006; GEORGAKARAKOS; KITSIOU, 2008; PASINI
et al., 2014).
Segundo a classificação de Cambardella (1994) a
população de jovens entre 11 e 13 anos e adultos maiores que
20 anos apresentam forte dependência espacial, as demais
variáveis apresentam dependência espacial moderada. A
Figura 5 apresenta os semivariogramas experimentais dos
atributos do solo ajustado aos modelos teóricos citados na
Tabela 2.
Figura 3. Mapeamento da distribuição do fluxo escolar da Bacia Hidrográfica do Rio Una nas faixas etárias entre 5 a 6 anos, 11 a 13, 15 a
17 e 18 a 20 anos.
Figure 3. School flow distribution mapping in the Una River Basin for age groups between 5 to 6, 11 to 13, 15 to 17 and 18 to 20 years.
Tabela 2. Parâmetros geoestatísticos da distribuição da taxa de alfabetização e renda per capita da BHRU.
Table 2. Geostatistical parameters of the distribution of literacy rate and per capita income of BHRU.
Atributo C0 C a(m) IDE (%) ME MS RMS ASE RMSS
Renda Per Capita 20417 20417 0,90 50,00 -0,45 -0,005 148,19 148,14 1,003
5 a 6 anos 600,00 964,64 0,25 38,35 0,43 0,013 26,91 26,72 1,003
11 a 13 anos 10 710,00 0,07 1,39 0,02 0,008 16,58 16,57 0,83
15 a 17 anos 200,00 280,00 0,1 41,67 0,29 0,01 15,71 15,7 0,95
18 a 20 anos 200 310,00 0,08 39,22 0,36 0,016 16,22 16,25 0,93
> 20 anos 4 23,40 0,015 14,60 0,15 0,02 4,67 4,66 0,96
Sales et al.
Nativa, Sinop, v. 10, n. 1, p. 05-15, 2022.
11
Figura 4. Distribuição do índice de escolaridade da população adulta da BHRU.
Figure 4 Education index distribution of the BHRU adult population .
Figura 5. Semivariogramas das categorias de distribuição de escolaridade e renda per capita.
Figure 5. Semivariograms of education and per capita income distribution categories.
De acordo com os resultados obtidos, todos os mapas
de distribuição da escolaridade, com exceção da faixa etária
de 5 a 6 anos, estão de acordo com a distribuição das escolas
ao longo da BHRU. Conforme é possível observar no mapa
da densidade de Kernel na Figura 6.
As demais faixas etárias apresentam maior concentração
da população na região norte e nordeste da bacia, uma vez
que, de acordo com o mapa de Kernel, apresentam maior
densidade no número de escolas, aumentando
disponibilidade de estudo para a população mais próxima.
Havendo variação de 2 até 7 escolas disponíveis,
aproximadamente, para a população.
Já a população residente na região central e sul da bacia,
contam com baixa densidade de escolas, justificando a baixa
taxa de alfabetização em alguns setores censitários, devido a
distância da população até as escolas. Outro aspecto
importante do estudo foi a relação da distribuição da taxa de
alfabetização com a renda per capita dos setores censitários.
Análise espacial da distribuição do ensino em função da renda em uma bacia hidrográfica
Nativa, Sinop, v. 10, n. 1, p. 05-15, 2022.
12
Por meio do teste de correlação de Pearson foi possível
observar que não houve correlação entre as componentes
que avaliam o fluxo escolar, ou seja, a alfabetização das faixas
etárias entre 5 e 6 anos, 11 e 13 anos, 15 e 17 anos, e 18 e 20
anos e a renda da população.
Entretanto houve correlação com a variável do índice de
escolaridade, que avalia pessoas acima de 20 anos
alfabetizadas. A Tabela 3 mostra o teste de correção de
acordo com as faixas etárias.
É possível observar que apenas houve correlação entre a
população acima de 20 anos e a renda per capita. Portanto,
de acordo com o resultado, quanto maior a renda da
população adulta acima de 20 anos, maior a probabilidade de
as pessoas serem alfabetizadas.
Figura 6. À esquerda o mapa da localização das escolas no BHRU,
à direita o mapa da densidade das escolas, conforme a densidade de
Kernel.
Figure 6. On the left the map of the BHRU schools location, on the
right the map of the density of schools, according to the Kernel
density.
4. DISCUSSÃO
Uma das justificativas para o efeito de diminuição da
renda per capita à medida que se distanciam do centro urbano,
de acordo com Lopes et al. (2016), Silva et al. (2017) e Sales
et al. (2019) é devido a grande vocação agrícola da bacia
hidrográfica do rio Una. A bacia total possui cerca de 36% de
sua área total ocupada por uso agrícola, concentrados em sua
porção média.
Ainda com base nos estudos realizados por Lopes et al.
(2016) e Sales et al. (2019) os baixos valores da renda são
atribuídos a baixa densidade populacional e a localização
geográfica. Trata-se de uma área com declividade elevada,
imprópria para a produção agrícola e para a habitação, com
predomínio de áreas com cobertura florestal.
Assim o presente trabalho apresenta conformidade com
os resultados obtidos por Sales et al. (2019), o qual obteve
que a renda per capita total da BHRU é de R$549,44. Assim
como a variável renda, que compõe o IDH está classificado
como médio, conforme as classes estabelecidas pelo Atlas de
desenvolvimento Humano do Brasil, com valor de 0,665.
De acordo com o artigo sexto da Lei nº 12.796, de 2013,
é dever dos pais ou responsáveis efetuarem a matrícula das
crianças na educação básica a partir dos 4 (quatro) anos de
idade (BRASIL, 2013). Entretanto essa lei foi posta em vigor
a partir de 2013, sugerindo que as crianças fossem
alfabetizadas no primeiro ano do ensino fundamental e não
no ensino básico, a partir dos 4 anos de idade, como
determina a legislação atual.
Com relação a educação, uma justificativa para baixa taxa
de alfabetização é atribuída ao fato do ensino infantil no
Brasil passar a ser obrigatório a partir dos 4 nos de idade
apenas a partir de 2014, conforme a Lei nº 12.796, de 2013
(BRASIL, 2013). Uma vez que os dados demográficos são
referentes a população do ano de 2010, o resultado reflete
esta realidade.
Tabela 3. Teste de correlação entre as variáveis de faixa etária de alfabetização e a renda per capita da BHRU.
Table 3. Correlation test between literacy age variables and BHRU per capita income.
Pode-se deduzir com este resultado, que a população
adulta, que não teve acesso aos estudos na infância ou
adolescência, busca atingir a escolaridade para melhoria da
renda familiar. Porém essa escolaridade só é alcançada uma
vez que essa população possui recursos financeiros. Ao passo
que no ensino para a população infantil e jovem é gratuita no
país, não havendo interferência do fator renda nos níveis de
escolaridade. O que justifica a ausência de correlação entre
escolaridade e renda per capita das fachas etárias mais jovens.
Esses resultados são de extrema importância, uma vez
que, segundo Arretche (2018) e Ferreira; Pomponet, (2020),
quanto menor a escolaridade de uma população maior a
desigualdade econômica e social. E que as chances do filho
de uma pessoa analfabeta permanecer com o mesmo nível de
escolaridade são de 54%. Por isso há grande relevância o
resultado do mapeamento da densidade de Kernel, que
justifica a baixa taxa de escolaridade da população mais
distante dos centros urbanos, com baixa densidade de
escolas. Desigualdade é o resultado, tanto da renda, quanto
da marginalização da sociedade.
De acordo com a Unesco (2016) populações vulneráveis
tendem a permanecer às margens da sociedade e não tem
acesso igual às oportunidades socioeconômicas.
É importante salientar que não foi objeto de estudo a
relação, renda por tempo de estudos. Uma vez que, se espera
que uma pessoa com maior tempo de estudos, obtenha maior
retorno financeiro.
Ressalta-se que os avanços nos estudos
multidimensionais sobre a composição dos indicadores
sociais e econômicos de forma espacial são fundamentais
como estratégias para o desenvolvimento de ações
específicas capazes de oferecer melhorias às condições de
Renda Per Capita 5 a 6 11 a 13 15 a 17 18 a 20 Acima de 20 anos
Renda Per Capita 1 0,273118 0,033847 0,085888 0,214 0,613288
5 a 6 0,27311778 1 0,130833 0,093518 0,13576 0,23115
11 a 13 0,03384714 0,130833 1 0,420652 0,16316 0,139482
15 a 17 0,08588838 0,093518 0,420652 1 0,70264 0,135486
18 a 20 0,21399556 0,135764 0,163159 0,702638 1 0,18813
Acima de 20 anos 0,61328754 0,23115 0,139482 0,135486 0,18813 1
Sales et al.
Nativa, Sinop, v. 10, n. 1, p. 05-15, 2022.
13
vida das populações presentes em regiões mais afetadas, na
medida em que fornecem informações detalhadas, o que
converge com os Objetivos de Desenvolvimento Sustentável
(ODS) propostos pela Organização das Nações Unidas
(ONU), que preconizam as dimensões econômica, social e
ambiental como o caminho a ser percorrido para o alcance
de um desenvolvimento sustentável com base nas metas
globais da Agenda 2030.
De acordo com Cuervo-Osorio et al. (2020), para o
alcance de uma sociedade mais sustentável, é necessário um
esforço coordenado não só na esfera governamental, mas
também nas demais esferas. Por esse motivo, é fundamental
o desenvolvimento de estudos que possam demonstrar as
condições socioeconômicas em diferentes cenários e locais
(KIM et al., 2020), como realizamos neste estudo, e que
possam ser replicados de forma holística em diferentes
regiões.
Diante dos resultados recomenda-se que se faça um
planejamento urbano para expandir o acesso a uma educação
de qualidade para toda a bacia hidrográfica objetivando
melhorar o acesso da população no futuro a oportunidades
melhores de renda, principalmente nas áreas com baixa
densidade de escolas, pois estas áreas se encontram em
condições que podem comprometer ainda mais a qualidade
de vida da população.
A limitação desta pesquisa está no fato de ter que utilizar
dados do último censo demográfico (realizado em 2010), o
qual é realizado a cada dez anos e, devido a pandemia não foi
realizado em 2020. Mesmo assim, são dados importantes pois
oferecem um panorama do acesso da população a educação
servindo de base para diversos estudos realizados no Brasil.
5. CONCLUSÕES
Foi possível observar que a distribuição da educação está
fortemente relacionada com a distribuição da renda para a
população adulta, acima de 20 anos. Uma vez que a
população jovem tem acesso à educação pública
independente da renda familiar. Portanto para as áreas com
maiores índices de renda também apresentaram os melhores
índices de educação, também foi possível observar a
diminuição dos valores na medida em que as áreas se
distanciam da zona urbana da BHRU.
É possível observar que à medida que se distancia das
áreas mais populosas menor a chance de a população obter
acesso à educação, devido ao baixo poder aquisitivo e a baixa
densidade de escolas ao longo da bacia.
Esse estudo é de extrema importância, uma vez que a
identificação das regiões com baixas taxas de ensino e
educação devem ser tratadas como prioritárias para os
gestores públicos na ação a favor da alfabetização.
A marginalização na educação expõe as barreiras
existentes no desenvolvimento inclusivo do município de
Ibiúna. O acesso à educação é um meio poderoso no auxílio
a mitigação de problemas sociais, acabar com a pobreza e
reduzir a desigualdade, são objetivos centrais da agenda dos
Objetivos de Desenvolvimentos Sustentáveis (ODS) da
ONU.
Pode-se concluir que conhecer o potencial da distribuição
da educação em função da renda é de extrema importância,
não só como ferramenta de gestão de políticas públicas e
sociais, mas também como uma ferramenta de prevenção e
gestão do meio ambiente.
Visto que a educação promove a conscientização pública
direcionando a sociedade a um estilo de vida mais
sustentável, a presente metodologia pode ser aplicada para
municípios e bacias hidrográficas com a finalidade de
promover o desenvolvimento socioambiental das áreas
estudadas.
6. AGRADECIMENTOS
A Fundação de Apoio ao Instituto de Pesquisas
Tecnológicas (FIPT) pela bolsa de estudos durante a presente
pesquisa. Ao Instituto de Pesquisas Tecnológicas (IPT) pela
participação do primeiro autor no programa Novos Talentos.
7. REFERÊNCIAS
AKTER, T.; JHOHURA, F. T.; AKTER, F.;
CHOWDHURY, T. R.; MISTRY, S. K., DEY, D.;
BARUA, M. K.; ISLAM, M. A.; RAHMAN, M. Water
quality index for measuring drinking water quality in rural
bangladesh: a cross-sectional study. Journal of Health,
Population and Nutrition, v. 35, n. 4, p. 1-12, 2016.
DOI: 10.1186/s41043-016-0041-5
ALMEIDA, I. T. “O meu pai era judeu português”: as raízes
portuguesas de Henriette Herz de Lemos como motor da
revolução intelectual berlinense à volta de 1800.
Cadernos de Estudos Sefarditas, v. 17, p. 55-84, 2017.
ALVARENGA, B. A relação entre a desigualdade em termos
do IDH-M e as taxas de homicídios no município de São
Paulo. Argumentum, v. 12, n. 3, p. 132-147, 2020. DOI:
https://doi.org/10.47456/argumentum.v12i3.31351
ARRETCHE, M. Democracia e redução da desigualdade
econômica no Brasil: a inclusão dos outsiders. Revista
Brasileira de Ciências Sociais, v. 33, n. 96, p. 1-23,
2018. DOI: https://doi.org/10.17666/339613/2018
BARROS, S. A. L.; BARROS, D. L. Uma leitura dos recortes
espaciais que compõem o IDH-M: o caso dos bairros das
Graças e Boa Viagem no Recife. GEOgraphia, v. 23. n.
50, p. 1-20, 2021. DOI:
https://doi.org/10.22409/GEOgraphia2021.v23i50.a45
900
BOSCHI, L. S.; GALO, M. L. B. T.; ROTTA, L. H. S.;
WATANABE, F. S. Y. Mapeamento do biovolume de
plantas aquáticas submersas a partir de dados
hidroacústicos e imagem multiespectral de alta resolução.
Planta Daninha, v. 30, n. 3, p. 525-539, 2012. DOI:
https://doi.org/10.1590/S0100-83582012000300008
BRASIL. Lei nº 12.796, de 4 de abril de 2013. Altera A Lei
no 9.394, de 20 de dezembro de 1996 que estabelece as
diretrizes e bases da educação nacional, para dispor sobre
a formação dos profissionais da educação e dar outras
providências. Brasília: Diário Oficial da União [2013].
Disponível em:
http://www.planalto.gov.br/ccivil_03/_ato2011-
2014/2013/lei/l12796.htm. Acesso em: 22 mar. 2020.
BRASIL. Lei nº 13.152, de 29 de julho de 2015. Critérios
para a fixação do salário mínimo nos anos de 2016 a 2019.
Brasília: Diário Oficial da União [2019]. Disponível em:
http://www.planalto.gov.br/ccivil_03/_ato2015-
2018/2015/lei/l13152.htm. Acesso em: 22 mar. 2020.
BUSTAMANTE, P. M. A. C.; LEITE, M. E. Evolução dos
principais indicadores sociais e econômicos utilizados
para mensurar a desigualdade social no Brasil entre os
anos 2000 e 2015. Sociedade em Debate, v. 26, n. 2, p.
83-97, 2020.
CAMBARDELLA, C. A.; MOORMAN, T. B.; NOVACK,
J. M.; PARKIN, T. B.; KARLEN, D. L.; TURCO R. F.;
Análise espacial da distribuição do ensino em função da renda em uma bacia hidrográfica
Nativa, Sinop, v. 10, n. 1, p. 05-15, 2022.
14
KNOPKA, A. E. Field-scale variability of soil proprieties
in central iowa soils. Soil Science Society America
Journal, v. 58, n. 5, p. 1501-1511, 1994. DOI:
https://doi.org/10.2136/sssaj1994.03615995005800050
033x
CAMPELO, L. L.; CALDAS, I. C.; AYRES, M. A. C. O
índice de desenvolvimento humano: um estudo de caso
do município de Fernando Falcão-MA. Humanidades
& Inovação, v. 7, n. 4, p. 129-142, 2020.
CARDOSO, P. V.; SILVA SEABRA, V.; BASTOS, I. B.;
COSTA, E. D. C. P. A importância da análise espacial
para tomada de decisão: um olhar sobre a pandemia de
COVID-19. Revista Tamoios, v. 6, n. 1, p. 125-137,
2020. https://doi.org/10.12957/tamoios.2020.50440
CONSTANTINO, M.; PEGORARE, A. B.; COSTA, R. B.
Performance of HDI and per capita GDP regional of
municipalities of Mato Grosso do Sul, Brazil, between
2000 and 2010. Interações, v. 17, n. 2, p. 234-246, 2016.
DOI: https://doi.org/10.20435/1984042X2016207
COSTANZAA, R.; ERICKSON, J.; FLIGGER, K.;
ADAMS, A.; ADAMS, C.; ALTSCHULER, B.;
BALTER, S.; FISHER, B.; HIKE, J.; KELLY, J.; KERR,
T.; MCCAULEY, M.; MONTONE, K.; RAUCH, M.;
SCHMIEDESKAMP, K.; SAXTON, D.; SPARACINO,
L.; TUSINSKI, W.; WILLIAMS, L. Estimates of the
genuine progress indicator (GPI) for vermont, chittenden
county and burlington, from 1950 to 2000. Ecological
Economics, v. 51, p. 139-155, 2004. DOI:
https://doi.org/10.1016/j.ecolecon.2004.04.009
CUERVO‐OSORIO, V. D.; RUIZ-ROSADO, O.;
VARGAS-VILLAMIL, L. M.; GARCÍA-PÉREZ, E.;
GALLARDO-LÓPEZ, F.; DÍAZ-RIVERA, P.
Methodological Frameworks for the Evaluation of
Agricultural Sustainability at Watershed Level: a Review.
Tropical and Subtropical Agroecosystems, v. 23, n. 1,
p. 1-10, 2020.
ESRI. Environmental Systems Research Institute, 2014.
Arcgis Desktop Release 10.6. Environmental Systems
Research Institute, Redlands.
FERREIRA, M. I. C.; POMPONET, A. S. Escolaridade e
trabalho: juventude e desigualdades. Revista de Ciências
Sociais, v. 50, n. 3, p. 267-302, 2020. DOI:
10.36517/rcs.50.3.d09
FUZARO, P. A.; CARNIELLO, M. F. Estudo comparativo
do índice de desenvolvimento humano municipal e índice
firjan de desenvolvimento municipal na região
metropolitana do Vale do Paraíba-SP. Desenvolvimento
em Questão, v. 18, n. 52, p. 75-100, 2020. DOI:
https://doi.org/10.21527/2237-6453.2020.52.75-100
GEORGAKARAKOS, S.; KITSIOU, D. Mapping
abundance distribution of small pelagic species applying
hydroacoustics and co-kriging techniques.
Hydrobiologia, v. 612, n. 1, p. 155-169, 2008. DOI:
10.1007/s10750-008-9484-z
GODOY, D.; SOARES, P. R. R. O índice de
desenvolvimento humano (IDH) em aulas de geografia:
uma análise de vídeos educativos na internet. Geografia-
Ensino & Pesquisa, v. 24, n. 17, p. 2236-499, 2020.
DOI: 10.5902/2236499439136
KIM, H. J.; CHO, K.; KIM, Y.; PARK, H.; LEE, J. W.; KIM,
S.; CHAE, Y. Spatial Assessment of Water-Use
Vulnerability under Future Climate and Socioeconomic
Scenarios within a River Basin. Journal of Water
Resources Planning and Management, v. 146, n. 7,
e05020011-1, 2020. DOI: 10.1061/(ASCE)WR.1943-
5452.0001235.
LOPES, E. R. D. N.; SOUZA, J. C.; SOUSA, J. A. P.;
ALBUQUERQUE-FILHO, J. L.; LOURENÇO, R. W.
Socioeconomic and environmental determinants on the
urban potential of the una watershed, Ibiúna, SP. Rede:
Revista Eletrônica do Prodema, v. 10, n. 2, p. 7-22,
2016. DOI: 10.22411/rede2016.1002.01
LOURENÇO, R. W.; SILVA, D. C. C.; SALES, J. C. A.
Development of a methodology for evaluation of the
remaining forest fragments as a management tool and
environmental planning. Ambiência, v. 10, n. 3, p. 685-
698, 2014. DOI: 10.5935/ambiencia.2014.03.03
MARTIN, D. Mapping population data from zone centroid
locations. Transactions of The Institute of British
Geographers, v. 14, n. 1, p. 90-97, 1989.
MATA, M. D. S.; COSTA, Í. D. C. C. Composição do Índice
de Iniquidade em Saúde a partir das desigualdades na
mortalidade e nas condições socioeconômicas em uma
capital brasileira. Ciência & Saúde Coletiva, v. 25, n. 5,
p. 1629-1640, 2020. DOI:
https://doi.org/10.1590/1413-81232020255.33312019
PASINI, M. P. B.; LÚCIO, D. A.; CARGNELUTTI
FILHO, A. Modelos de semivariogramas para estimar a
densidade populacional da mosca-do-figo ao longo do
ano. Pesquisa Agropecuária Brasileira, v. 49, n. 7, p.
493-505, 2014. DOI: https://doi.org/10.1590/S0100-
204X201400070000
PEDROSA, N. L.; ALBUQUERQUE, N. L. S. D. Análise
espacial dos casos de COVID-19 e leitos de terapia
intensiva no estado do Ceará, Brasil. Ciência & Saúde
Coletiva, v. 25, n. 1, p. 2461-2468, 2020. DOI:
https://doi.org/10.1590/1413-1232020256.1.10952020
PEREIRA; F. M. S., CUNICO, C. Identificação e avaliação
das condições de abastecimento de água e esgotamento
sanitário nos diferentes graus de vulnerabilidade
socioambiental do município de João Pessoa, PB. Revista
de Geociências do Nordeste, v. 6, n. 1, p. 42-48, 2020.
DOI: https://doi.org/10.21680/2447-
3359.2020v6n1ID19066
PNUD_PROGRAMA DAS NAÇÕES UNIDAS PARA O
DESENVOLVIMENTO. Atlas do desenvolvimento
humano no Brasil 2013. Brasília: PNUD, 2013.
PONTES R. P.; LIMA J. E. Índice de desenvolvimento
econômico das famílias no Rio Grande do Sul: Uma
abordagem por intermédio da análise multivariada.
Estudo & Debate, v. 25, n. 1, p. 237-260, 2018. DOI:
http://dx.doi.org/10.22410/issn.1983-036X.v25i1a2018
RODRIGUES, L. P. D.; CUNHA, F. S.; AGUIAR, C. C.
Evolução do Índice de Desenvolvimento Humano
Municipal (IDHM) no estado de Minas Gerais. Ciência
Dinâmica, v. 18, n. 2, p. 41-65, 2020.
ROSSONI, H. A. V.; FARIA, M. T. D. S.; SILVA, A. C.;
HELLER, L. Aspectos socioeconômicos e de
desenvolvimento humano municipal determinantes na
ausência de prestadores de serviços de esgotamento
sanitário no Brasil. Engenharia Sanitária e Ambiental,
v. 25, n. 2, p. 393-402, 2020. DOI:
https://doi.org/10.1590/S1413-41522020183887
SALES, J. C. A.; SILVA, D. C. C.; BITAR, O. Y.;
LOURENÇO, R. W. Proposal of Methodology for
Spatial Analysis Applied to Human Development Index
in Water Basins. Geojournal, v. 84, p. 813-828, 2019.
DOI: https://doi.org/10.1007/s10708-018-9894-z
Sales et al.
Nativa, Sinop, v. 10, n. 1, p. 05-15, 2022.
15
SILVA, D. C. C.; ALBUQUERQUE FILHO, J. L.;
OLIVEIRA, R. A.; LOURENÇO, R. W. Proposta
metodológica para análise espacial de nutrientes do solo
em bacias hidrográficas. Sociedade & Natureza, v. 30,
p. 85-107, 2018. DOI: https://doi.org/10.14393/SN-
v30n3-2018-5
SILVA, D. C. C.; ALBUQUERQUE FILHO, J. L.; SALES,
J. C. A.; LOURENÇO, R. W. Use of Morphometric
Indicators as Tools for Assessment Watershed. Revista
Brasileira de Geografia Física, v. 9, p. 627-642, 2016.
SILVA, D. C. C.; ALBUQUERQUE-FILHO, J. L.;
OLIVEIRA, R. A.; LOURENÇO, R. W. Metodologia
para análise do potencial de degradação dos recursos
hídricos em bacias hidrográficas. Caderno de Geografia,
v. 27, n. 50, p. 455-466, 2017. DOI:
https://doi.org/10.5752/p.2318-2962.2017v27n50p455
SILVA, D. C. C.; ALBUQUERQUE FILHO, J. L.;
OLIVEIRA, R. A.; LOURENÇO, R. W. Metodologia
para análise socioambiental de domicílios presentes em
bacias hidrográficas. Holos, v. 4, Ano 35, 2019. DOI:
https://doi.org/10.15628/holos.2019.5566
SILVA, M. M.; SILVA, A. M.; SEIDEL, E. J.; MATEUS, A.
L. S. S.; ANSUJ, A. P. Comparison and mapping of
municipal groups in the state of Rio Grande do Sul based
on socioeconomic indicators. Ciência e Natura, v. 42, n.
36, 2020. DOI:
http://dx.doi.org/10.5902/2179460X40472
SOTERO-MARTINS, A.; SALLES, M. J.; CARVAJAL, E.;
HANDAM, N. B.; JUNIOR, N. S.; ALMEIDA, T. C.;
MOURA, P. G.; MARTIN, L. E; SANTOS, R. F.
Distribuição e Análise Espacial dos Municípios do
Estado do Rio de Janeiro nos Blocos Regionais de
Concessão à Privatização da Principal Companhia
de Saneamento do Estado, 2020. 25p. Disponível em:
https://preprints.scielo.org/index.php/scielo/preprint/
download/1041/1495/1580
TATALOVICH, Z.; WILSON, J. P.; COCKBURN, M. A
Comparison of Thiessen Polygon, Kriging, and Spline
Models of Potential UV Exposure. Cartography and
Geographic Information Science, v. 33, n. 3, p. 217-
231, 2006. DOI: 10.1559/152304006779077318.
UNESCO_United Nations Educational Scientific and
Cultural Organization. Towards Knowledge Societies:
UNESCO World Report. Paris: UNESCO, 2005. 237p.
Available on:
https://unesdoc.unesco.org/ark:/48223/pf0000141843
UNESCO_United Nations Educational Scientific and
Cultural Organization. Education for people and
planet: creating sustainable futures for all. 2.ed. Paris:
UNESCO, 2016. 63p. Available on:
https://unesdoc.unesco.org/ark:/48223/pf0000245745
VON WIRTH, T.; GRÊT-REGAMEY A.;
STAUFFACHER, M. Mediating effects between
objective and subjective indicators of urban quality of life:
testing specific models for safety and access. Social
Indicators Research, v. 122, n. 1, p. 189-210, 2015.
DOI: https://www.jstor.org/stable/24721413.
WADOVSKI, R. C. B.; OLIVEIRA, J. C. C. A Evolução
Histórica Da Arte Operacional: de Frederico O Grande
ao “Goldwater-Nichols Act”. Revista da Escola de
Guerra Naval, v. 24, n. 3, p .668-702, 2018. DOI:
10.21544/1809-3191.v24n3.p668-702.
