A GEOBIA AND LOGISTIC REGRESSION APPROACH FOR IDENTIFYING PRECARIOUS SETTLEMENTS USING VERY-HIGH-RESOLUTION IMAGERY: A CASE STUDY IN THE GRANDE ABC REGION, SÃO PAULO, BRAZIL
DOI:
https://doi.org/10.22409/GEOgraphia2026.v28i60.a50525Palavras-chave:
slums, precarious, informal, classification, model, remote sensingResumo
This study proposes a methodology to identify precarious settlements using a Geographic Object-Based Image Analysis (GEOBIA) approach combined with a logistic regression model. The study area comprises 25 km² located between São Bernardo do Campo and Santo André in the Grande ABC Region, São Paulo State, Brazil, containing over 80 mapped precarious settlements with diverse morphological characteristics. Using exclusively open-source software, a Worldview-3 image, and a Digital Surface Model, we generated geographic objects at two hierarchical segmentation levels. The first level of objects was classified using a decision tree generated by the C4.5 machine learning algorithm into nine land cover classes. The second level consisted of a regular cellular grid, classified using a logistic regression model based on variables derived from sub-object information, neighborhood context, and cell-level metrics. Results showed Kappa values of 0.68 for the development area and 0.72 for the validation area, demonstrating that the methodology has potential for identifying precarious settlements from very-high-resolution satellite imagery.
Downloads
Referências
ALVES, M. C.; MORAIS, M.L.; ESCUDER, M.M.; GOLDBAUM, M.; BARROS, M.B.; CESAR, C.L.; CARANDINA, L. Household sampling in slums in surveys. Revista de Saúde Pública, v. 45, n. 6, p. 1099-1109, 2011. Disponível em: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0034-89102011000600012&lng=pt&nrm=iso. Acesso em: 21 mai. 2021.
ALVES, Mauro Correia. Estratégias para o desenvolvimento de modelos de credit score com inferência de rejeitados. 2008. 93 f. Tese (Doutorado) - Curso de Ciências, Instituto de Matemática e Estatística, Universidade de São Paulo, São Paulo, 2008. Disponível em: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-14102008-204609/publico/DissertacaoMauro.pdf. Acesso em: 12 jun. 2020.
BRASIL. Ministério das Cidades. (2010). Guia para mapeamento e caracterização de assentamentos precários. Brasília. Disponível em: <http://www.capacidades.gov.br/biblioteca/detalhar/id/181/titulo/guia-para-o-mapeamento-e-caracterizacao-de-assentamentos precarios#:~:text=A%20Secretaria%20Nacional%20de%20Habita%C3%A7%C3%A3,dados%20sobre%20os%20assentamentos%20prec%C3%A1rios>. Acesso em: 21 mai. 2021.
CÂMARA, F.P. Psiquiatria E Estatística V: Validação De Procedimentos Diagnóstica Pela Curva ROC. Psychiatry on line Brasil, v. 14, n. 4, 2009. Disponível em: http://www.polbr.med.br/ano09/cpc0409.php. Acesso em: 19 jun. 2021.
CDHU/UFABC. FEITOSA, F.F. et al. (2019). Relatório final: Metodologia para Identificação e Caracterização de Assentamentos Precários em Regiões Metropolitanas Paulistas (MAPPA). São Bernardo do Campo.
CENTRO DE ESTUDOS DA METRÓPOLE (CEM/CEBRAP). (2007). Assentamentos precários no Brasil urbano. Brasília: Ministério das Cidades. Disponível em: https://direito.mppr.mp.br/arquivos/File/relatorio-assentamentos-precatorios-no-brasil-urbano.pdf. Acesso em: 21 mai. 2021.
CENTRO DE ESTUDOS DA METRÓPOLE (CEM/CEBRAP). (2013). Diagnóstico dos assentamentos precários nos municípios da Macrometrópole Paulista. São Paulo: Cem. 2 v. (1). Disponível em: https://centrodametropole.fflch.usp.br/sites/centrodametropole.fflch.usp.br/files/user_files/ckeditor/655-Relatorio_I_Assentamentos_Fundap_Final_logo.pdf. Acesso em: 21 mai. 2021.
DA FONSECA FEITOSA, F.; VASCONCELOS, V. V.; DE PINHO, C. M. D.; DA SILVA, G. F. G.; DA SILVA GONÇALVES, G.; DANNA, L. C. C.; LISBOA, F. S. IMMerSe: An integrated methodology for mapping and classifying precarious settlements. Applied Geography, v. 133, p. 102494, 2021. DOI: https://doi.org/10.1016/j.apgeog.2021.102494.
DENALDI, R. (2009). Assentamentos precários: identificação, caracterização e tipologias de intervenção. In: DENALDI, R. (org.). Ações integradas de urbanização de assentamentos precários. Brasília: Ministério das Cidades. p. 93-128. Disponível em: http://www.capacidades.gov.br/media/doc/biblioteca/SNH003.pdf. Acesso em: 21 mai. 2021.
DHRABC. (org.). (2016). Diagnóstico habitacional regional do Grande ABC. Santo André: Ufabc. Disponível em: http://lepur.com.br/wp-content/uploads/2017/12/03-Diagnostico-Habitacional-Regional-do-Grande-ABC-Relat%C3%B3rio-Final.pdf. Acesso em: 19 jun. 2021.
DOS SANTOS, B. D. Identificação de assentamentos precários no Grande ABC a partir de dados de sensoriamento remoto. 2019. 84 f. TCC (Graduação em Engenharia Ambiental e Urbana), CECS, Universidade Federal do ABC, Santo André, 2019.
DOS SANTOS, B. D.; PINHO, C. M. D.; JESUS, T. B. (2019). Níveis de consolidação de assentamentos precários a partir de dados de sensoriamento remoto. In: XIX Simpósio Brasileiro de Sensoriamento Remoto, 19., 2019, Santos. Anais [...]. São José dos Campos: INPE. p. 3224-3227. Disponível em: https://proceedings.science/sbsr-2019/papers/niveis-de-consolidacao-de-assentamentos-precarios-a-partir-de-dados-de-sensoriamento-remoto. Acesso em: 22 mai. 2021.
DOS SANTOS, B. D.; DE PINHO, C. M. D.; OLIVEIRA, G. E. T.; KORTING, T. S.; ESCADA, M. I. S.; AMARAL, S. Identifying Precarious Settlements and Urban Fabric Typologies Based on GEOBIA and Data Mining in Brazilian Amazon Cities. Remote Sensing, v. 14, n. 3, p. 704, 2022. Disponível em: https://doi.org/10.3390/rs14030704.
DOS SANTOS, B. D.; DE PINHO, C. M. D.; OLIVEIRA, G. E. T.; KORTING, T. S.; ESCADA, M. I. S.; AMARAL, S. Identifying Precarious Settlements and Urban Fabric Typologies Based on GEOBIA and Data Mining in Brazilian Amazon Cities. Remote Sensing, v. 14, n. 3, p. 704, 2022. DOI: https://doi.org/10.3390/rs14030704.
DUQUE, J. C.; VICENTE, R.; NORENA, M. (2012). Stepwise Procedure to Determine a Suitable Scale for the Spatial Delimitation of Urban Slums. In: VÁZQUEZ, E. F.; MOROLLÓN, F. R. Defining the Spatial Scale in Modern Regional Analysis: new challenges from data at local level. Nova York: Springer. p. 237-254. Disponível em: https://www.springer.com/gp/book/9783642319938. Acesso em: 22 mai. 2021.
FRIESEN, J.; TAUNBENBÖCK, H.; WURM, M.; PELZ, P. F. Size distributions of slums across the globe using different data and classification methods. European Journal of Remote Sensing, v. 52, n. 2, p. 99-111, 2019. Disponível em: https://www.tandfonline.com/doi/full/10.1080/22797254.2019.1579617. Acesso em: 22 mai. 2021.
GALEON, F.A. (2008). Estimation of Population in Informal Settlement Communities Using High Resolution Satellite Image. In: International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 37., 2008, Beijing. Proceedings... Beijing: ISPRS. p.1377-1382. Disponível em: https://www.isprs.org/proceedings/XXXVII/congress/4_pdf/242.pdf. Acesso em: 21 mai. 2021.
GeoDMA 5.3.3. (2011). São José dos Campos, SP: Brazil's National Institute for Space Research (INPE). Available at http://www.dpi.inpe.br/geodma. Accessed in 08 september 2020.
GONÇALVES, G. S. Identificação de Assentamentos Precários na Região do Grande ABC: Uma abordagem estatística. 2018. 83 f. TCC (Graduação em Engenharia Ambiental e Urbana), CECS, Universidade Federal do ABC, Santo André, 2018.
HENDERSON, J. V.; STOREYGARD, A.; WEIK, D. N. Measuring Economic Growth from Outer Space. American Economic Review, v.102, n.2, p.994-1028, 2012. Disponível em: https://www.aeaweb.org/articles?id=10.1257/aer.102.2.994. Acesso em: 21 mai. 2021.
HOFMANN, P. (2001). Detecting Informal Settlements from Ikonos Image Data Using Methods of Object Oriented Image Analysis: an example from Cape Town (South Africa). In: Remote Sensing of Urban Areas, 1., 2001, Regensburg. Proceedings [...]. Regensburg: Geographische Schriften. p. 107-118. Disponível em: https://intranet.ifs.ifsuldeminas.edu.br/joao.tavares/Material_Cadastro_e_Loteamento/CadastroTecnicoMultifinalitario%20-%209EAC/Material%20auxiliar/kapstadt%5B1%5D.pdf. Acesso em: 19 jun. 2021.
HOFMANN, P.; STROBL, J.; BLASCHKE, T.; KUX, H. (2008). Detecting informal settlements from QuickBird data in Rio de Janeiro using an object based approach. In: BLASCHKE, T.; LANG, S.; HAY, G. J. (ed.). Object-Based Analysis: spatial concepts for knowledge-driven remote sensing applications. Berlim: Springer. p. 531-553. Disponível em: https://link.springer.com/chapter/10.1007/978-3-540-77058-9_29. Acesso em: 22 mai. 2021.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). (2010). Censo demográfico (2010): aglomerados subnormais: primeiros resultados. Rio de Janeiro: IBGE. Disponível em: https://biblioteca.ibge.gov.br/visualizacao/periodicos/92/cd_2010_aglomerados_subnormais.pdf. Acesso em: 21 mai. 2021.
JUSTINO, Rodrigo Cesário. Mapeamento do uso da terra e da cobertura vegetal da subbacia hidrográfica do Rio São Tomé, Sul de Minas Gerais, por mineração de dados utilizando imagens IRS-P6/LISS III. 2014. 69 f. Dissertação (Mestrado) - Curso de Ecologia e Tecnologia Ambiental, Universidade Federal de Alfenas, Alfenas, 2014. Disponível em: https://www.unifal-mg.edu.br/ppgca/system/files/imce/Defesa/Dissertação_Rodrigo%20C.%20Justino.pdf. Acesso em: junho de 2020.
KAREKEZI, S.; KIMANI, J.; ONGORU, O. Energy Access among the Urban Poor in Kenya. Energy for Sustainable Development, v.12, n.4., p.38–48, 2008. Disponível em: https://www.sciencedirect.com/science/article/pii/S0973082609600065. Acesso em: 21 mai. 2021.
KERBER, R. (1992). Chimerge: discretization of numeric attributes. In: National Conference on Artificial Intelligence, 10., 1992, Palo Alto. Proceedings [...]. Palo Alto: AAAI. p. 123-128. Disponível em: https://www.aaai.org/Papers/AAAI/1992/AAAI92-019.pdf. Acesso em: 19 jun. 2021.
KOHLI, D.; SLIUZAS, R.; KERLE, N.; STEIN, A. An ontology of slums for image-based classification. Computers, Environment and Urban Systems, v.36, n.2, p.154-163, 2012. Disponível em: https://www.sciencedirect.com/science/article/pii/S0198971511001128. Acesso em: 22 mai. 2021.
KUFFER, M.; PFEFFER, K.; SLIUZAS, R. Slums from Space-15 Years of Slum Mapping Using Remote Sensing. Remote Sensing, v.8, n.6, p. 1-29, 2016. Disponível em: https://www.mdpi.com/2072-4292/8/6/455. Acesso em: 21 mai. 2021.
LANDIS, J. Richard; KOCH, Gary G. The measurement of observer agreement for categorical data. Biometrics, p. 159-174, 1977. Disponível em: https://www.jstor.org/stable/2529310. Acesso em: 19 jun. 2021.
LEONITA, G.; KUFFER, M.; SLIUZAS, R.; PERSELLO, C. Machine Learning-Based Slum Mapping in Support of Slum Upgrading Programs: The Case of Bandung City, Indonesia. Remote Sensing, v. 10, p. 1522, 2018.
LIN, A. Z. (2013). Variable Reduction in SAS by Using Weight of Evidence and Information Value. In: SAS Global Forum 2013, 1., 2013, Baltimore. Forum. Baltimore: SAS. p. 1-12. Disponível em: https://support.sas.com/resources/papers/proceedings13/095-2013.pdf. Acesso em: 19 jun. 2021.
MAHABIR, R.; CROITORU, A.; CROOKS, A. T.; AGOURIS, P.; STEFANIDIS, A. A Critical Review of High and Very High-Resolution Remote Sensing Approaches for Detecting and Mapping Slums: trends, challenges and emerging opportunities. Urban Science, v.8, n.2, p. 1-38, 2018. Disponível em: https://www.mdpi.com/2413-8851/2/1/8. Acesso em: 21 mai. 2021.
MÜLLER, I.; TAUBENBÖCK, H.; KUFFER, M.; WURM, M. Misperceptions of Predominant Slum Locations? Spatial Analysis of Slum Locations in Terms of Topography Based on Earth Observation Data. Remote Sensing, v. 12, n. 15, p. 2474-2493, 2020. Disponível em: https://www.mdpi.com/2072-4292/12/15/2474. Acesso em: 22 mai. 2021.
NOVACK, T.; KUX, H. J. H. Urban land cover and land use classification of an informal settlement area using the open-source knowledge-based system InterIMAGE. Health, Risk & Society, v. 55, n. 1, p. 23-41, 2010. Disponível em: https://www.tandfonline.com/doi/abs/10.1080/14498596.2010.487640. Acesso em: 22 mai. 2021.
ORFEO TOOLBOX (OTB). (2021). Welcome to Orfeo ToolBox! Disponível em: https://www.orfeo-toolbox.org/CookBook/index.html. Acesso em: 12 jun. 2021.
PEREIRA, T. G. Aplicação de algoritmo computacional baseado em distância para classificações automáticas de tipologias florestais e de classes de volume de biomassa florestal nas Glebas Mamuru-Arapiuns localizadas no estado do Pará. 2016. 56 f. Dissertação (Mestrado) - Curso de Pós-graduação em Ciências Ambientais, Centro de Ciências Naturais e Tecnologia, Universidade do Estado do Pará, Belém, 2016. Disponível em: https://paginas.uepa.br/pcambientais/dissertacao_thamiris_pereira_turma_2014.pdf. Acesso em: 19 jun. 2021.
PINHO, C. M. D. Análise orientada a objetos de imagens de satélite de alta resolução espacial aplicada à classificação de cobertura do solo no espaço intra-urbano: o caso de São José dos Campos – SP. 2005. 179 p. Dissertação (Mestrado em Sensoriamento Remoto) – Instituto Nacional de Pesquisas Espaciais, São José dos Campos, 2005.
PINHO, C. M. D.; UMMUS, M. E.; NOVACK, T. Extração de feições urbanas em imagens de alta resolução espacial a partir do estudo do comportamento espectral dos alvos. Revista Brasileira de Cartografia, v. 63, p. 619-627, 2011. Disponível em: http://www.seer.ufu.br/index.php/revistabrasileiracartografia/article/view/49213. Acesso em: 19 jun. 2021.
QUILAN, J. R. (1992). C4.5: programs for machine learning. San Francisco: Morgan Kaufmann Publishers. 302 p. Disponível em: https://link.springer.com/article/10.1007/BF00993309#citeas. Acesso em: 19 jun. 2021.
REUß, F. Detection of favelas in Brazil using texture parameters and machine learning. 2017. 94 f. Dissertação (Mestrado em Geospatial Technologies), Graz University Of Technology, Graz, 2017. Disponível em: https://elib.dlr.de/115220/1/Reuss_MA.pdf. Acesso em: 01 abr. 2021.
SANTOS, B. D.; PINHO, C. M. D. (2017). Análise de imagens de alta resolução espacial baseada em objetos para classificação de assentamentos precários. In: Simpósio Brasileiro de Sensoriamento Remoto, 18. (SBSR), 2017, Santos. Anais... São José dos Campos: INPE. p. 6226-6232. Disponível em: http://urlib.net/rep/8JMKD3MGP6W34M/3PSMCGH. Acesso em: 19 jun. 2021.
SIDDIQI, N. (2005). Intelligent Credit Scoring: building and implementing better credit risk scorecards. Hoboken: Wiley. 464 p.
SILVA, Maria Elisa Siqueira. (2016). Regressão linear: Introdução a Estatística Aplicada a Climatologia. 01 mar. 2016, 01 jun. 2016. 56 p. Notas de Aula.
STRAUSS, David. The many faces of logistic regression. The American Statistician, v. 46, n. 4, p. 321-326, 1992.
Terraview. Version 2.3.2. (2021). INPE. Disponível em: http://www.dpi.inpe.br/terralib5/wiki/doku.php?id=wiki:downloads. Acesso em: 15 mai. 2021.
United Nations Habitat (UN-Habitat) (org.). (2016). World Cities Report 2016: urbanization and development - emerging futures. Nairobi: United Nations. Disponível em: https://unhabitat.org/world-cities-report. Acesso em: 21 mai. 2021.
WURM, M.; TAUBENBÖCK, H. Detecting social groups from space: assessment of remote sensing-based mapped morphological slums using income data. Remote Sensing Letters, v.9, n.1, p. 41-50, 2017. Disponível em: https://www.tandfonline.com/doi/full/10.1080/2150704X.2017.1384586. Acesso em: 22 mai. 2021.
Downloads
Publicado
Edição
Seção
Licença
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
DECLARAÇÃO DE ORIGINALIDADE E CESSÃO DE DIREITOS AUTORAIS
Declaro que o presente artigo é original, não tendo sido submetido à publicação em qualquer outro periódico nacional ou internacional, quer seja em parte ou em sua totalidade. Declaro, ainda, que uma vez publicado na revista GEOgraphia, editada pelo Programa de Pós-Graduação em Geografia da Universidade Federal Fluminense, o mesmo jamais será submetido por mim ou por qualquer um dos demais co-autores a qualquer outro periódico. E declaro estar ciente de que a não observância deste compromisso submeterá o infrator a sanções e penas previstas na Lei de Proteção de Direitos Autorias (Nº9609, de 19/02/98).
O autor concede e transfere, total e gratuitamente, ao Programa de Pós-Graduação em Geografia da Universidade Federal Fluminense em caráter permanente, irrevogável e não exclusivo, todos os direitos autorais patrimoniais não comerciais referentes aos artigos científicos publicados na revista GEOgraphia. Os textos assinados são de responsabilidade dos autores, não representando, necessariamente, a opinião dos editores e dos membros do Conselho Editorial da revista.
Os trabalhos publicados estão simultaneamente licenciados com uma licença Creative Commons - Atribuição 4.0 Internacional.
