O objetivo deste trabalho é identificar regiões urbanas homogêneas por meio da aplicação de duas vertentes da análise espacial: a estatística espacial e uma estratégia de modelagem espacial baseada na comparação de informações oriundas de diferentes entidades espaciais, em níveis diversos de informação. Um método baseado em fluxos de viagens seria a melhor alternativa para o problema em questão, mas não há dados disponíveis para sua aplicação no Brasil. Em virtude disso, o método aqui apresentado identifica regiões que podem ser consideradas como uniformes em relação a uma variável a partir de técnicas de análise exploratória de dados espaciais, como por exemplo, o gráfico e o mapa de Moran. Em um estudo de caso para o estado de São Paulo, analisando-se as distribuições espaciais dos valores da densidade populacional por meio de sua representação em mapas temáticos classificados segundo os quadrantes do gráfico de Moran (ou box map), esse indicador permite caracterizar razoavelmente bem as regiões urbanas homogêneas existentes (inclusive as oficiais). Entretanto, ao tentar representar o seu comportamento em uma análise temporal por meio de modelos, o indicador populacional não foi capaz de descrever esse comportamento e, conseqüentemente, não serviu para elaborar estratégias de previsão para o futuro. Por outro lado, ao combinar essas informações com um indicador que representa a oferta de transportes, os resultados obtidos permitiram observar o alto desempenho dos modelos, dada a forte influência recíproca entre uso e ocupação do solo e oferta de transportes. Ao permitir a identificação de padrões e a projeção de tendências, este tipo de análise pode ser útil para o planejamento urbano e regional, tanto no contexto estudado como em uma visão mais abrangente. / The objective of this work is to identify homogeneous urban regions through the application of two branches of spatial analysis: spatial statistics and a modeling strategy based on the comparison of information from different spatial entities and at distinct levels. A commuting-based approach would be the best alternative in that case, but there is no data available for its application in Brazil. Thus, the method presented here identifies uniform regions regarding a particular variable through exploratory spatial data analysis techniques, such as the Moran scatter plot and box maps. In a case study carried out in the state of São Paulo, in which the spatial distribution of the values of population density was analyzed through the representation in box maps, a reasonable identification of the existing homogeneous urban regions (including the official ones) was performed. However, the models based only on the population density distribution did not perform well for analyses through time and therefore they were not adequate for forecasting strategies. In contrast, when combining population density information with an indicator of transportation supply the performance of the models was noticeably improved, what was likely caused by the strong reciprocal influence between land use and transportation supply. As a conclusion, the method developed in this work shall be useful for urban and regional planning at different scales, given its potential for patterns recognition and trends forecasting.

O objetivo deste trabalho é identificar regiões urbanas homogêneas por meio da aplicação de duas vertentes da análise espacial: a estatística espacial e uma estratégia de modelagem espacial baseada na comparação de informações oriundas de diferentes entidades espaciais, em níveis diversos de informação. Um método baseado em fluxos de viagens seria a melhor alternativa para o problema em questão, mas não há dados disponíveis para sua aplicação no Brasil. Em virtude disso, o método aqui apresentado identifica regiões que podem ser consideradas como uniformes em relação a uma variável a partir de técnicas de análise exploratória de dados espaciais, como por exemplo, o gráfico e o mapa de Moran. Em um estudo de caso para o estado de São Paulo, analisando-se as distribuições espaciais dos valores da densidade populacional por meio de sua representação em mapas temáticos classificados segundo os quadrantes do gráfico de Moran (ou box map), esse indicador permite caracterizar razoavelmente bem as regiões urbanas homogêneas existentes (inclusive as oficiais). Entretanto, ao tentar representar o seu comportamento em uma análise temporal por meio de modelos, o indicador populacional não foi capaz de descrever esse comportamento e, conseqüentemente, não serviu para elaborar estratégias de previsão para o futuro. Por outro lado, ao combinar essas informações com um indicador que representa a oferta de transportes, os resultados obtidos permitiram observar o alto desempenho dos modelos, dada a forte influência recíproca entre uso e ocupação do solo e oferta de transportes. Ao permitir a identificação de padrões e a projeção de tendências, este tipo de análise pode ser útil para o planejamento urbano e regional, tanto no contexto estudado como em uma visão mais abrangente. / The objective of this work is to identify homogeneous urban regions through the application of two branches of spatial analysis: spatial statistics and a modeling strategy based on the comparison of information from different spatial entities and at distinct levels. A commuting-based approach would be the best alternative in that case, but there is no data available for its application in Brazil. Thus, the method presented here identifies uniform regions regarding a particular variable through exploratory spatial data analysis techniques, such as the Moran scatter plot and box maps. In a case study carried out in the state of São Paulo, in which the spatial distribution of the values of population density was analyzed through the representation in box maps, a reasonable identification of the existing homogeneous urban regions (including the official ones) was performed. However, the models based only on the population density distribution did not perform well for analyses through time and therefore they were not adequate for forecasting strategies. In contrast, when combining population density information with an indicator of transportation supply the performance of the models was noticeably improved, what was likely caused by the strong reciprocal influence between land use and transportation supply. As a conclusion, the method developed in this work shall be useful for urban and regional planning at different scales, given its potential for patterns recognition and trends forecasting.