Desenvolvimento de modelos de previsão da geração de resíduos sólidos urbanos no Médio Vale do Itajaí

Jonathan Tenório de Lima, Jonas Formentin

Resumo


O planejamento e a gestão dos resíduos sólidos urbanos (RSU) são desafios diários para os técnicos e gestores da administração pública, o que é agravado pela ausência de ferramentas de previsão da geração de RSU. O presente trabalho teve por objetivo construir modelos matemáticos para a estimativa da geração de RSU em alguns municípios do Médio Vale do Itajaí, em Santa Catarina. Utilizou-se o método dos mínimos quadrados para desenvolver regressões lineares simples e múltiplas, numa tentativa de correlacionar os dados de geração de RSU ora com dados de população total (Pop) ora com dados de produto interno bruto (PIB) e, em seguida, com ambos, assumindo uma série histórica (2004-2017).  As informações sobre geração de RSU foram obtidas junto ao Consórcio Intermunicipal do Médio Vale do Itajaí (CIMVI) enquanto os dados sobre a evolução da população total e do PIB dos municípios estudados foram coletados na página eletrônica do Instituto Brasileiro de Geografia e Estatística (IBGE). As regressões foram realizadas com o código livre BioEstat, onde também calculou-se o teste estatístico dos valores P para uma significância de 5%. Os resultados revelaram-se majoritariamente positivos para a correlação entre as séries de dados, sendo a correlação entre RSU e PIB superior a RSU e Pop. Os coeficientes de determinação variaram desde 0,29 para Apiúna (RSU x Pop) até 0,9590 para Timbó (RSU x PIB). As regressões lineares múltiplas mostraram-se também favoráveis, sendo inclusive superiores em relação as regressões simples, em alguns casos. Os coeficientes de determinação para regressões múltiplas foram todos superiores a 0,59. Os testes estatísticos implicam que os modelos são representativos e corroboram a correlação entre as séries de dados. Apesar das limitações inerentes ao estudo, os resultados sugerem que os modelos podem ser utilizados para a previsão da geração de RSU com significância estatística e, portanto, subsidiar a tomada de decisões.

Palavras-chave


Geração de resíduos sólidos urbanos, Regressão linear, Planejamento em saneamento

Texto completo:

PDF (Português)

Referências


Alfaia, R. G. S. M., Costa, A. M., Campos, J. C. (2017). Municipal solid waste in Brazil: A review. Waste Management and Research, 35(12), 1195-1209.

Al-Salem, S. M., Al-Nasser, A., Al-Dhafeeri, A. T. (2018) Multi-Variable Regression Analysis for the Solid Waste Generation in The State of Kuwait. Process Safety and Environmental Protection, 119, 172-180.

Araiza-Aguilar, J. A., Rojas-Valencia, M. N., Aguilar-Vera, R. A. (2020). Forecast generation model of municipal solid waste using multiple linear regression. Global Journal of Environmental Science and Management, 6(1), 1-14.

Ayres, M. et al. (2007). BioEstat 5.0 - Aplicações Estatísticas nas Áreas das Ciências Biológicas e Médicas: Sociedade Civil Mamirauá, Belém. Brasília: CNPq.

Azadi, S., Karimi-Jashni, A. (2016). Verifying the performance of artificial neural network and multiple linear regression in predicting the mean seasonal municipal solid waste generation rate: A case study of Fars province, Iran. Waste Management, 48, 14-23.

CEMPRE – Compromisso Empresarial para a Reciclagem. (2018). Lixo Municipal: manual de gerenciamento integrado. 4ed. São Paulo: CEMPRE. 350p.

Chhay, L., Reyad, M. A. H., Suy, R., Islam, M. R., Mian, M. M. (2018). Municipal solid waste generation in China: influencing factor analysis and multi-model forecasting. Journal of Material Cycles and Waste Management, 20,1761–1770.

Dias, D. M., Martinez, C. B., Barros, R. T. V., Libânio, M. (2012). Modelo para estimativa da geração de resíduos sólidos domiciliares em centros urbanos a partir de variáveis socioeconômicas conjunturais. Revista Brasileira de Engenharia Sanitária e Ambiental, 17(3), 325-332.

Ghinea, C., Dra ̆goi, E. N., Coma ̆nita ̆, E.-D., Gavrilescu, M., Câmpean, T., Curteanu, S., Gavrilescu, M. (2016). Forecasting municipal solid waste generation using prognostic tools and regression analysis. Journal of Environmental Management, 182, 80-93.

Goulart Jr., R. (2017). Desenvolvimento, meio ambiente e produção do espaço: análise de indicadores socioeconômicos e ambientais na Bacia do Itajaí (SC). Revista Catarinense de Economia, 1(1), 159-182.

IBGE (2013). Atlas do Censo demográfico 2010. Rio de Janeiro: IBGE.

IBGE (2019a). Instituto Brasileiro de Geografia e Estatística. Malha municipal. Rio de Janeiro: IBGE. Disponível em: https://www.ibge.gov.br/geociencias/organizacao-do-territorio/estrutura-territorial/15774-malhas.html?=&t=downloads (acessado em 01 de julho de 2020).

IBGE (2019b). Instituto Brasileiro de Geografia e Estatística. Estimativa da População Residente nos Municípios Brasileiros com data de referência a 1º de julho de 2019. Rio de Janeiro: IBGE. Disponível em: https://www.ibge.gov.br/estatisticas/sociais/populacao/9103-estimativas-de-populacao.html?=&t=downloads (acessado em 29 de maio de 2020).

IBGE (2019c). Instituto Brasileiro de Geografia e Estatística. Produto Interno dos municípios. Rio de Janeiro: IBGE. Disponível em: https://www.ibge.gov.br/estatisticas/economicas/contas-nacionais/9088-produto-interno-bruto-dos-municipios.html?=&t=downloads. (acessado em 29 de maio de 2020).

Kawai, K., Tasaki, T. (2016). Revisiting estimates of municipal solid waste generation per capita and their reliability. Journal of Material Cycles and Waste Management, 18, 1-13.

Kolekar, K. A., Hazra, T., Chakrabarty, S. N. (2016) A Review on Prediction of Municipal Solid Waste Generation Models. Procedia Environmental Sciences, 35, 238-244.

Montgomery, D. C., Runger, G. C. (2018). Applied Statistics and Probability for Engineers (7th edition). Hoboken, NJ: John Wiley and Sons.

Oliveira, M. M., Athayde Júnior, G. B. (2017). Estimation of municipal solid waste generation based on income rates and population size in Brazilian municipalities. Int. J. Environment and Waste Management, 20(2), 134-154.

ONTL - Observatório Nacional de Transportes e Logística. Shapefile de rodovias. Brasília: ONTL. Disponível em: https://ontl.epl.gov.br/downloads. (Acessado em 22 de setembro de 2020).

Pisani Jr., R., Castro, M. C. A. A., Costa, A. A. (2018) Influence of population, income and electricity consumption on per capita municipal solid waste generation in São Paulo State, Brazil. Journal of Material Cycles and Waste Management, 20, 1216-1227.

SIE - Secretaria de Estado da Infraestrutura e Mobilidade do Governo de Santa Catarina. (2020). Mapa rodoviário 2020. Florianópolis: SIE. Disponível em: https://www.sie.sc.gov.br/maparodoviario. (Acessado em 22 de setembro de 2020).

Triola, M. F. (2014). Introdução à Estatística: atualização da tecnologia (11 ed.). Rio de Janeiro: LTC.

Vieira, V. H. A. M., Matheus, D. R. (2018). The impact of socioeconomic factors on municipal solid waste generation in São Paulo, Brazil. Waste Management & Research, 36(1), 79-85.


Apontamentos

  • Não há apontamentos.


Direitos autorais 2021 Jonathan Tenório de Lima, Jonas Formentin

ISSN: 2675-3065

 Revista sob Licença Creative Commons

Language/Idioma
02bandeira-eua01bandeira-ingla
03bandeira-spn