Mapeamento da COVID-19 por meio da densidade de Kernel

Abstract

A densidade de Kernel consiste em quantificar as relações dos pontos dentro de um raio (R) de influência, com base em determinada função estatística, analisando os padrões traçados por determinado conjunto de dados pontuais, estimando a sua densidade na área de estudo (BERGAMASCHI, 2010). De acordo com Kawamoto (2012, p. 16-17), a técnica de Kernel “[...] consiste num estimador probabilístico de intensidade do processo pontual não-paramétrico através de função Kernel". Dentro dessa perspectiva metodológica, o objetivo deste trabalho é apresentar um mapa de densidade de Kernel da incidência de COVID-19 para área urbana de Santa Maria, RS, utilizando os dados do dia 05 de junho de 2020 (n = 282). Os procedimentos metodológicos se dividiram em cinco etapas: (1) definição do raio (R); (2) função k escolhida; (3) procedimentos realizados no QGIS para a geração da densidade de Kernel; (4) determinação do número de classes e intervalo; e (5) finalização do mapa. Os dados levaram a observar uma maior densidade de casos na área central da cidade, especificamente nas proximidades dos bairros Centro, Bonfim, Nossa Senhora de Fátima e Nonoai, com uma maior circulação de pessoas, serviços e residentes. Contudo, é possível identificar a dispersão da COVID-19 para áreas periféricas da cidade, como já ressaltado em Rizzatti et al (2020). O bairro Camobi, na região leste da cidade, demonstra comportamento semelhante ao bairro Centro, porém em menor densidade, formando o que poderíamos chamar de cluster secundário, além da zona Oeste da cidade, que demonstra a formação de um novo cluster.