This research analyzed, processed, and mapped census and land use data from IBGE (2013) to identify anthromes—human-influenced biomes—in the State of São Paulo, chosen as a pilot region for its diverse social, economic, and environmental characteristics. By separately and jointly mapping populated and land-use anthromes using R software, the study achieved clear, accurate spatial representations and validated their reliability. The research then developed both static and interactive maps to support integration across digital platforms. Finally, the study explored how these maps can serve as tools for territorial planning, linking them to Brazil’s social, cultural, and environmental policies and aligning with sustainable development principles established in the Federal Constitution (Article 225).

A Monte Carlo simulation for calculation the critical value of KS-test

Diante do desafio de estabelecer um mapeamento regional dos antromas para empregá-lo como instrumento de planejamento territorial, o presente trabalho se dedicou à análise dos dados de uso e cobertura do solo produzidos no Brasil pelo Instituto Brasileiro de Geografia e Estatística. O objetivo central foi identificar características essenciais do conjunto de dados que pudessem servir como fonte de informações geoespaciais para o mapeamento regional. Nesta perspectiva, realizamos a análise exploratória, a mineração, a manipulação e a plotagem dos dados. Sequencialmente, construímos os mapeamentos estático e interativo, de modo a analisar a espacialização dos dados e a construção da cartografia. Posteriormente, realizamos os estudos de validação e incerteza do mapeamento para avaliar a qualidade do produto gerado nesta pesquisa. Os resultados obtidos demonstram que os dados forneciam, em sua estrutura, informações suficientes para a construção dos mapeamentos. Além disso, as análises estatísticas revelaram a conformidade do mapeamento aos índices nacionais e internacionais, apontando para a qualidade do mapeamento regional dos antromas de uso e cobertura do solo. Assim, estabelecemos uma estrutura geocomputacional em R para aplicação em escala nacional. Ademais, sendo um código livre, a estrutura codificada pode ser ajustada a outras realidades territoriais, permitindo a replicação e reprodução das análises em outros contextos analíticos.