A arborização de vias públicas gera inúmeros benefícios à qualidade de vida da população urbana, mas se implantada de forma inadequada pode causar diversos transtornos. Nesse contexto, o objetivo desta pesquisa foi analisar os conflitos da arborização de vias públicas em Irati, Paraná, por meio de técnicas de análise espacial. Para isso, foi empregado o software SPRING, imagens orbitais Quickbird de 61 cm de resolução espacial e arquivos vetoriais contendo o limite dos bairros do município, a rede de distribuição elétrica, instalações subterrâneas, equipamentos urbanos e localização das árvores, fornecidos pela Secretaria de Ecologia e Meio Ambiente do Município. Após a estruturação do modelo de dados, foi realizada a confrontação das estruturas urbanas e a localização dos indivíduos arbóreos quanto às distâncias de segurança na realidade observada, por meio de consultas ao banco de dados, aplicando-se o estimador de densidade Kernel aos resultados. Com uso da estatística Kernel, foram geradas imagens de densidade referentes aos resultados das consultas, permitindo uma melhor interpretação visual na distribuição espacial dos conflitos.
Spatial analysis of conflicts in street arborization: Irati case, Paraná. Street arborization promotes numerous benefits to urban population’s life quality, however, if it is implanted in an inadequate way, street arborization can cause many disorders. In this sense, this research aim to analyze conflicts in Irati’s urban forest, Paraná, by spatial analyses technique. In order to such analysis, we used SPRING software, Quickbird satellite’s images of 61 cm spatial resolution, vector files containing boundary of city neighborhoods, electrical energy transmission system, sewer system and water distribution system, urban equipments and trees location provided by the Secretariat of Ecology and Environment of the City. After structuring the data model, we conducted the confrontation of urban structures and location of individual trees concerning safety distances to the reality observed into to the database, and then applied the Kernel density estimator to the results of consultations. With use of Kernel statistic, we generated density images from results of the consultations, which enable better visual interpretation in the spatial distribution of the conflicts.
