UNIVERSIDADE FEDERAL DE UBERLÂNDIA
DAYANNE VIEIRA DE OLIVEIRA
MODELAGEM DE PLANTA GENÉRICA DE VALORES PARA A CIDADE DE
MONTE CARMELO/MG.
MONTE CARMELO
2015
DAYANNE VIEIRA DE OLIVEIRA
MODELAGEM DE PLANTA GENÉRICA DE VALORES PARA A CIDADE DE
MONTE CARMELO/MG.
Projeto apresentado/defendido, na disciplina
Trabalho de Conclusão de Curso II, como
requisito básico para a obtenção do certificado
de conclusão do Curso de Graduação em
Engenharia de Agrimensura e Cartográfica.
Orientador: Prof. Dr. Claudionor Ribeiro da
Silva
Coorientadora: Prof.ª Dra. Tatiane Assis Vilela
Meireles
MONTE CARMELO
2015
DAYANNE VIEIRA DE OLIVEIRA
MODELAGEM DE PLANTA GENÉRICA DE VALORES PARA A CIDADE DE
MONTE CARMELO/MG
Aprovado: 01 de dezembro de 2015
____________________________________________ Prof. Dr. Claudionor Ribeiro da Silva, UFU
(Orientador)
____________________________________________ Prof.ª Dra. Tatiane Assis Vilela Meireles, UFU
(Coorientador)
____________________________________________ Prof. Dr. Fernando Luiz de Paula Santil, UFU
(Membro Convidado)
Homologado pelo Colegiado do Curso de Engenharia de Agrimensura e Cartográfica
em: _______/_______/ 20_____
________________________________________ Coordenador do Curso de Engenharia de
Agrimensura e Cartográfica
MONTE CARMELO 2015
DEDICATÓRIA
Aos meus insubstituíveis pais Edmar e
Valdirene, meu irmão Willian e meus eternos
avós Luzia (in memoriam), Aracides e João.
AGRADECIMENTOS
Agradeço à Deus, por iluminar e abençoar minha trajetória, por me fortalecer nas
horas de desânimo, por me manter serena para encarar todos os problemas e
enfrentá-los de cabeça erguida.
Ao meu pai, Edmar, e minha mãe, Valdirene pelo amor incondicional, a atenção, o
exemplo, a amizade, pelos conselhos e pelas orações que sem dúvida me tornou
mais forte a cada dia.
Ao meu irmão Willian pelo incentivo, a torcida fiel pelo meu sucesso profissional,
além do companheirismo em sala de aula.
Ao professor Claudionor pela orientação, o apoio, o ensinamento, a confiança e as
valiosas sugestões durante toda a graduação.
A todos os professores pela dedicação, as dicas importantes e a maturidade
profissional proporcionada.
A todos os funcionários da limpeza, do transporte, da biblioteca, da portaria, do
administrativo, do xérox, da lanchonete, pela atenção, carinho e a motivação sempre
me concedida.
Aos amigos de sala de aula pelo convívio e a ajuda indispensáveis ao longo desses
anos.
Aos meus familiares pela torcida do sucesso.
Enfim, a todos aqueles que de alguma maneira contribuíram para o meu caminhar,
me incluíram em suas orações e assim participaram da conclusão de mais essa
etapa importante da minha vida.
"Confia no Senhor de todo o teu coração, e não
te estribes no teu próprio entendimento.
Reconhece-o em todos os teus caminhos, e ele
endireitará as tuas veredas".
(Provérbios 3:5–6)
RESUMO
A modelagem de uma Planta Genérica de Valores é considerada um excelente
instrumento para o planejamento urbano e permite aumento do conhecimento
acerca dos tributos disponíveis, da distribuição dos recursos, do retorno provável de
tais investimentos, bem como a prática da justiça social. Cidades de pequeno e até
algumas de médio porte costumam ter poucas informações do mercado imobiliário e,
na maioria das vezes, atuam com planta de valores desatualizada, como Monte
Carmelo/MG. O Engenheiro Agrimensor e Cartógrafo é o profissional capaz de
modelar ferramentas que auxiliem na tomada de decisões e na organização política,
como a elaboração de uma planta genérica de valores, que não seja só
tecnicamente correta, mas socialmente justa. Dessa forma, gerou-se um modelo de
Planta Genérica de Valores para a cidade de Monte Carmelo/MG, associando o
mapeamento urbano à avaliação imobiliária, preocupando com baixo custo e fácil
atualização. A metodologia contempla coleta de dados locais, aquisição de imagens
do satélite RapidEye, identificação de um conjunto de variáveis significativas, tais
como polos de valorização e áreas de risco, e outros dados obtidos a partir da
vetorização de imagens. As análises de dados para poder chegar ao modelo foram
basicamente análise descritiva e inferência estatística. Os sinais dos regressores
foram coerentes e obedecem ao modelo de análise de regressão linear múltipla. A
superfície gerada e analisada por pontos de verificação aponta os índices mais
elevados de IPTU na região central da cidade com discrepância menor que 20% do
valor real, seguindo em intensidades menores na direção periférica.
Palavras-Chave: PGV. Avaliação imobiliária. Planejamento Urbano. Mapeamento
Urbano.
ABSTRACT
The process of modelling a Plant of Generic Values is considered an excellent tool
for urban planning, which is due to fact that it allows an increase of knowledge
regarding not only the available taxes, but also the resource distribution and the likely
return of such investments. Cities of small and medium sizes, such as Monte
Carmelo – MG, usually do not have much information about the real estate market,
and, generally, this issue is not addressed as a subject of study. Therefore, it is
important to have a source of information that can provide assistance in the
development of new initiatives for these cities. The Surveyor and Cartographic
Engineer is the professional capable of developing tools that may assist in the
decision making and in the policy organization that are not only technically correct,
but also fair socially. In this context, it is proposed an investigation of the needs of
developing a model of Plant of Generic Values for Monte Carmelo/MG. This new
model aims to associate the urban mapping with the real estate valuation,
considering a low cost implementation and the facility of use and update. The
methodology applied on this study includes collecting local information, acquiring
RapidEye satellite images, identifying a set of significant variables, such as
valorisation centres and risk areas, besides information acquired from digital maps,
which were created using the satellite images. Data analysis in order to reach the
model were basically descriptive and statistical inference analysis. The signs of the
covariates were consistent and conform to the multiple linear regression analysis
model. The generated surface and analyzed by checkpoints shows the highest rates
of property tax in the downtown area with smaller discrepancy than 20% of the actual
value, following in lower intensities in the peripheral direction.
Keywords: PGV. Real estate evaluation. Urban planning. Urban mapping.
SUMÁRIO
1 INTRODUÇÃO ....................................................................................................... 10
2 OBJETIVOS ........................................................................................................... 12
2.1 Objetivo Geral ..................................................................................................... 12
2.2 Objetivos Específicos .......................................................................................... 12
3 JUSTIFICATIVA ..................................................................................................... 12
4 FUNDAMENTAÇÃO TEÓRICA .............................................................................. 13
5 MATERIAIS E MÉTODO ........................................................................................ 19
5.1 Área de Estudo e Dados Usados ........................................................................ 19
5.2 Método ................................................................................................................ 22
5.2.1 Análise dos Dados Literais ........................................................................ 22
5.2.2 Cartografia e Processamento de Dados ................................................... 25
5.2.3 Definição do Modelo da Planta Genérica de Valores ................................ 43
6 RESULTADOS E DISCUSSÕES ........................................................................... 50
7 CONCLUSÃO ......................................................................................................... 52
REFERÊNCIAS ......................................................................................................... 54
10
1 INTRODUÇÃO
A Planta Genérica de Valores (PGV) é a base da avaliação dos terrenos de
uma cidade, através dela se formula os cálculos para obtenção dos valores venais
dos imóveis urbanos para fins de cobrança do Imposto Predial e Territorial Urbano
(IPTU) e das transações imobiliárias, podendo ainda ser tomado como limite mínimo
para a cobrança do Imposto de Transmissão de Bens Imóveis Inter Vivos (ITBI).
Esse instrumento é composto por informações cadastrais das diversas zonas
de uma cidade, os quais são divididos através de critérios de homogeneização pelas
características de cada imóvel, dessa forma ao fixar previamente os valores básicos
unitários dos terrenos e das edificações, expressos por metro quadrado de área,
possibilita obter uma melhor justiça fiscal ao passo em que padroniza e uniformiza
os critérios de apuração do valor venal.
Além do aspecto tributário, deve-se ressaltar que a Planta Genérica de
Valores também é um importante documento de suporte direcionado para o
planejamento urbano, ao refletir os índices de valorização e desvalorização
imobiliária, propicia, por conseguinte, a ação regularizadora da administração
municipal quanto ao uso e ocupação do solo, buscas por pesquisas, análises e
determinação de planos de melhorias de qualidade de vida populacional, além de
ser um facilitador na atualização da situação municipal.
Entretanto, quando se trata de aplicações práticas da geração e manutenção
dessa planta, observa-se a falta de dados para serem utilizados como elementos
representativos do mercado imobiliário, visto que na maioria das cidades, inexiste
um banco de dados com informações imobiliárias relacionadas ao cadastro técnico
municipal. Isto se acentua em virtude da maioria dos softwares de
geoprocessamento apresentar custos elevados para sua aquisição e implantação, a
Planta Genérica de Valores, geralmente tem sido realizada de forma analógica, com
a produção apenas de formulários impressos. Ainda, há uma ausência de
conhecimentos acerca de uma metodologia para criação e manutenção de um
serviço como este.
Assim, estudos direcionados ao mapeamento urbano, à avaliação imobiliária
e ao desenvolvimento de técnicas que visem aprimorar a modelagem de uma Planta
Genérica de Valores, preocupando com baixo custo, fácil utilização e atualização,
11
são indispensáveis nos dias atuais, pois permitem apontar soluções para tomadas
de decisão e organização de políticas que sejam socialmente justas.
Nesse contexto, é proposto um modelo de Planta Genérica de Valores para a
cidade de Monte Carmelo/MG, a partir da coleta de dados em campo, do uso de
imagens de satélite e softwares livres para a elaboração de uma base de dados
digitais do mercado imobiliário, com o intuito de aumentar o conhecimento acerca
dos tributos disponíveis, da distribuição dos recursos, bem como do retorno provável
de tais investimentos para a sociedade carmelitana.
O método desenvolvido é fundamentado na identificação de um conjunto de
variáveis significativas, tais como polos de valorização e áreas de risco, e outros
dados obtidos a partir da vetorização de imagens, gerados através das imagens do
satélite RapidEye e do Google Earth. A partir dos dados coletados em campo são
extraídos parâmetros como o valor das taxas tributárias para cada área/zona, a
metodologia utilizada atualmente para o cálculo do valor venal, além de outras
informações que explicam os tributos estabelecidos na cidade, as quais podem ser
expressas quantitativamente e qualitativamente. A homogeneização das
informações é tratada matematicamente e pela inferência estatística que são
utilizadas como uma ferramenta de suma importância para a avaliação de um
conjunto de variáveis, como é o caso das avaliações em massa de imóveis de um
município.
Dessa forma, a formulação do novo modelo matemático/estatístico para a
cidade de Monte Carmelo garante a confiabilidade da determinação dos novos
valores ao efetuar combinações e cruzamentos de dados literais e espaciais do
município por meio de operações geométricas e topológicas, de forma a facilitar o
trabalho da administração pública. O resultado é a geração de uma nova tabela
genérica de valores que pode ser usada como instrumento de auxílio às politicas
públicas da cidade.
12
2 OBJETIVOS
2.1 Objetivo Geral
Gerar um modelo de Planta Genérica de Valores para a cidade de Monte
Carmelo/MG, visando associar o mapeamento urbano à avaliação imobiliária, de
baixo custo e de fácil utilização e atualização.
2.2 Objetivos Específicos
Tem por objetivos específicos:
Adquirir dados literais e espaciais do município, tais como levantamento de
campo (pontos controle, alíquotas e mapeamento atuais), vetorização de imagens e
aquisição de imagem de satélite;
Processar os dados visando a identificação de um conjunto de variáveis
independentes e significativas para comporem o modelo;
Elaborar um novo modelo de avaliação da Planta Genérica de Valores de
Monte Carmelo;
Validar o novo modelo em campo, verificando o impacto da sua utilização no
cadastro da cidade, de forma a comparar os valores de IPTU cobrados no município
com os valores da PGV gerada.
3 JUSTIFICATIVA
A realização desse projeto é justificada pela tentativa de reduzir o trabalho
exaustivo de avaliação coletiva dos terrenos realizada pela prefeitura municipal e
formalizar as arrecadações tributárias para que sejam determinadas e direcionadas
ao planejamento urbano de forma mais justa.
Face à importância da arrecadação tributária em uma cidade e à falta de
modelos e mapeamentos de qualidade e confiabilidade, é justificável investir ainda
mais em termos de pesquisas de menor custo e de caráter aplicativos nesta área.
Assim, nesse trabalho sugerem-se métodos que facilitam a realização dessa tarefa
com o uso de imagens digitais, as quais possibilitam a obtenção de informações
13
adequadas sobre a distribuição espacial, além de dados de custo relativamente
baixos ou até mesmo gratuitos.
A criação de um modelo matemático/estatístico proporciona uma maior
objetividade nos cálculos, ao demonstrar uma aproximação da realidade. Portanto,
quando se trata da proposição de um modelo de Planta Genérica de Valores para
Monte Carmelo, além de ser um tema inovador, pois a cidade não possui uma PGV,
ainda auxilia na distribuição de informações para a formulação de modelo que
garanta a confiabilidade na determinação dos valores tributários da cidade.
Apesar de algumas cidades no Brasil possuírem uma Planta Genérica de
Valores, ainda é um desafio mantê-la atualizada, e isso é mais agravante em
cidades de pequeno e médio porte, como a área escolhida para estudo, que
costumam dar menos importância à questão da tributação imobiliária. Dessa forma,
essa pesquisa contribui para a geração de novos dados, de baixo custo, fácil
utilização e atualização, que serão utilizados como instrumentos de auxílio às
políticas públicas em prol da sociedade carmelitana.
4 FUNDAMENTAÇÃO TEÓRICA
De acordo com o art. 156 da Constituição Federal, compete aos municípios
instituir e arrecadar os impostos ISSQN (Imposto sobre Serviços de Qualquer
Natureza), o IPTU (Imposto sobre a Propriedade Predial e Territorial Urbana) e o
ITBI (Imposto sobre Transmissão de Bens Imóveis Inter Vivos). Em razão aos
estudos referente à Planta Genérica de Valores, serão considerados nesse projeto
apenas o IPTU e ITBI que utilizam do valor venal para seus cálculos.
O IPTU, de competência dos municípios, é definido nos artigos 32, 33 e 34 do
Código Tributário Nacional, é estabelecido sobre a propriedade predial e territorial
localizada na zona urbana, tendo como base para o cálculo o valor venal do imóvel.
O ITBI é de competência dos estados e recai sobre a transmissão de bens imóveis e
de direitos a eles relativos, tendo como fator gerador, definido no Art. 35 do Código
Tributário Nacional, a transmissão da propriedade ou do domínio útil de bens
imóveis por natureza ou por acessão física ou transmissão dos direitos reais sobre
imóveis, exceto os direitos reais de garantia e a cessão de direitos relativos a essas
duas transmissões. O valor venal dos bens também é utilizado como base de cálculo
para este imposto (BRASIL, 1966).
14
Tanto o IPTU quanto o ITBI devem respeitar o previsto no §1º do art. 145 da
Constituição Federal, que determina:
Sempre que possível, os impostos terão caráter pessoal e serão graduados segundo a capacidade econômica do contribuinte, facultado à administração tributária, especialmente para conferir efetividade a esses objetivos, identificar, respeitados os direitos individuais e nos termos da lei, o patrimônio, os rendimentos e as atividades econômicas do contribuinte. (BRASIL, 1988).
Além dessa capacidade contributiva, a legislação também impõe que os
valores venais dos imóveis urbanos de uma cidade sejam previamente avaliados e
submetidos à análise e aprovação da Câmara de cada município, podendo ser
lançado à população apenas um ano após a aprovação. É de responsabilidade do
poder municipal preparar previamente as avaliações de todos os imóveis existentes
no perímetro urbano e apresentá-los de forma genérica e mais clara possível
(MÖLLER; HOCHHEIM, 2006, p. 7).
Um importante instrumento de auxílio aos trabalhos dos gestores municipais
na avaliação imobiliária é a Planta Genérica de Valores, que contém informações
cadastrais, a qual direciona e determina as arrecadações tributárias das diversas
zonas ou setores da cidade, utilizando para divisão o critério de homogeneização
das características de cada imóvel (RAMPAZZO, 2012).
Esse instrumento compõe o Cadastro Técnico Multifinalitário (CTM), que para
Malaman e Amorim (2010) se trata de uma ferramenta que armazena e disponibiliza
importantes informações e auxilia o processo de análise de dados econômicos,
geométricos, jurídicos, sociais e ambientais de um determinado lugar geográfico.
A NBR 14.653-2 define a Planta Genérica de Valores como “a representação
gráfica ou listagem dos valores genéricos de metro quadrado de terreno ou do
imóvel numa mesma data.” (ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS -
ABNT, 2011, p. 6).
Michael (2004) explica a Planta Genérica de Valores como um documento
gráfico com informações espacializadas dos valores médios dos imóveis de cada
zona de uma cidade, cuja função é permitir uma política tributária justa e igualitária.
Caldas (2000), em sua reportagem, destaca que além desta função tributária,
a Planta Genérica de Valores é também um instrumento para o planejamento
urbano, uma vez que reflete os índices de valorização imobiliária e propicia ao poder
15
público o conhecimento das regiões, de forma a promover uma ação regularizadora
quanto ao uso e ocupação do solo. Segundo Dantas, Portugal e Prado (2006), a
visão da distribuição espacial dos preços pode servir de grande ajuda na elaboração
de planos diretores, previstos no Estatuto das Cidades, como também para os
diversos órgãos ligados ao planejamento e desenvolvimento urbano, visto que
através dos mapas de iso-valores pode-se identificar os polos de atração e repulsão
de determinadas classes sociais, como também definir as regiões em ascendência
ou decadência da cidade.
Visto a grande importância que possui esse instrumento para a gestão
pública, cabe aos elaboradores ter o minucioso cuidado ao elaborar uma PGV,
fundamentando seus estudos principalmente em metodologias que garantam o
emprego de técnicas adequadas para a avaliação imobiliária previstas pela Norma
Brasileira de Avaliação de Bens para Imóveis Urbanos (NBR 14.653-2), e na
excelência da coleta de dados. Para Rampazzo (2012), os dados devem ser em
quantidades suficientes para análises, de mesma época, e de preferência, bem
distribuídos na área pesquisada.
Considerando que em muitas cidades faltam informações concernentes ao
CTM e ao mapeamento urbano e diante da necessidade de atualização, rapidez,
qualidade e relação custo-benefício atrativo, é importante investir em estudos para a
utilização de recursos tecnológicos do Sensoriamento Remoto/Fotogrametria, do
SIG, e da Cartografia para o gerenciamento físico espacial somado as tecnologias
geodésicas que garantem a qualidade da locação dos dados, podendo assim
garantir resultados eficientes e com rapidez na geração de uma Planta Genérica de
Valores (LOCH, 2001).
O Sensoriamento Remoto/Fotogrametria, para Figueiredo (2005) é um técnica
de captação de informações dos fenômenos e feições contidos na superfície
terrestre sem o contato direto com os objetos, usa de sensores remotos associados
a metodologias e técnicas de armazenamento, tratamento e análise destas
informações. Os SIGs (Sistemas de Informações Geográficas) são utilizados como
um dos modelos mais eficazes de Cadastro encontrado atualmente e pode facilitar
ainda mais o planejamento municipal, por reunir informações descritivas e
geográficas integradas (MALAMAM; AMORIM, 2010).
Além do mapeamento, as avaliações para fins tributários são quase
impossíveis de serem realizadas individualmente, para cada imóvel, tornando
16
necessário a realização do procedimento chamado de “avaliação em massa dos
imóveis”. Essa avaliação consiste em determinar valores com a utilização de dados
comuns e procedimentos avaliatórios padronizados para todos os imóveis situados
dentro de um determinado perímetro e em uma data estabelecida (DIB; ARAÚJO;
MEIRELES, 2008).
Para realização desse procedimento são selecionadas variáveis que mais se
destacam e que tenham características específicas para a região que pertençam.
Algumas das variáveis que possuem grande influência na composição dos valores
dos imóveis e que são mais citadas na bibliografia são: distância a polos de
valorização, zona de uso e ocupação do solo, melhoramentos públicos, meio de
transporte disponíveis, densidade comercial e qualidade da infraestrutura local.
Em geral, a localização é considerada através da distância a polos de
valorização ou desvalorização, mas também através da identificação de regiões
homogêneas, nas quais o preço do sítio é considerado igual para todos os imóveis
(RAMPAZZO, 2012). González e Formoso (2000) consideram a variável localização
como sendo a mais importante, pois está relacionada com a fixação espacial do
produto, ou seja, sua imobilidade, além da acessibilidade que demonstra a qualidade
de vias e meios de transporte, e com as características da vizinhança, isto é, o uso
do solo no entorno do imóvel.
Além da identificação das variáveis, o desenvolvimento de um modelo
depende do método de avaliação, da amostra de dados utilizada como base, da
qualidade de informações pesquisadas, do tipo de informações constantes no
cadastro, da habilidade do avaliador e dos recursos disponíveis (RAMPAZZO, 2012).
Por isso, torna-se essencial seguir as orientações contidas na Norma Brasileira de
Avaliação dos bens, a NBR 14.653-2 de 2011 a qual auxilia desde as atividades
básicas de caracterização da área de estudo até os procedimentos metodológicos,
identificação das variáveis do modelo e tratamento dos dados.
A NBR 14.653-2 cita procedimentos metodológicos no item 8 do seu
documento, especificamente o item 8.2.1.4.3, que apresenta várias ferramentas que
podem ser utilizadas no tratamento científico dos dados, ou seja, metodologias que
auxiliam na modelagem a qual engloba formulação das hipóteses, definição das
variáveis e suas transformações (ABNT, 2011).
A Norma NBR 14.653-2, base para a determinação de modelos para
avaliação imobiliária, se orienta dos pressupostos básicos e verificações, das
17
limitações dos testes de significância, do ajustamento dos coeficientes para medir o
poder de explicação do modelo. Nela são sugeridos os limites do campo de arbítrio e
a utilização de variáveis dicotômicas1 para manter os graus de liberdade necessários
ao modelo, além da recomendação do tratamento de dados por inferências
estatísticas, regressão linear e até mesmo tratamento por redes neurais artificiais
(ABNT, 2011, p. 6).
Na literatura se identificam vários métodos para obter o valor venal de imóveis
e composição de uma Planta Genérica de Valores para fins tributários,
principalmente utilizando tratamento por metodologia determinística, ou seja,
homogeneização dos valores por estatística descritiva ou por fatores de ponderação,
e por metodologia probabilística, a qual utiliza a regressão linear por inferência
estatística.
A regressão linear é descrita na norma NBR 14.653-2 como “a técnica mais
utilizada quando se deseja estudar o comportamento de uma variável dependente2
em relação a outras que são responsáveis pela variabilidade observada nos preços”
(ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS - ABNT, 2011, p. 6), na qual
os parâmetros populacionais são estimados por inferência estatística. Com a
Regressão Linear a variabilidade no mercado imobiliário pode ser explicada.
Assim, o modelo de Regressão Linear Múltipla é usado para estudar a relação
entre uma variável dependente e várias variáveis independentes e sua fórmula
genérica é dada pela equação 1.
(1)
Onde: é a variável dependente ou explicada; são as variáveis
independentes ou explicativas; representa o distúrbio aleatório, que pode se
originar devido a diversas circunstâncias, tais como a ausência de fatores influentes
no modelo e distúrbios causados por erros de medida (BRONDINO, 1999).
Braulio (2005) explica que a técnica estatística mais utilizada na prática é a
análise por regressão linear, principalmente quando se deseja modelar o
1 Variáveis dicotômicas são aquelas que assumem apenas duas posições, são conhecidas também
como variáveis binárias, “dummies”, “de estado” ou “zero-um” (ABNT, 2011). 2 Variáveis dependentes são aquelas cujo comportamento se pretende explicar pelas variáveis
independentes (ABNT, 2011).
18
relacionamento entre as variáveis (dependentes e independentes3). No entanto,
esse tipo de técnica ao tratar um número grande de variáveis torna-se dispendioso,
o que é facilitado pela execução das tarefas em banco de dados e ferramentas
computacionais. Dessa forma, modelos de regressão com um número limitado de
variáveis independentes são mais comuns e mais confiáveis para se avaliar e
estudar.
Dantas, Portugal e Prado (2006) ao utilizarem a inferência espacial,
identificaram com facilidade a valoração das zonas da cidade de Aracaju, as quais
para eles não são percebidas através do uso dos métodos tradicionais. Assim,
através da inferência espacial foi possível obter valores mais justos aos imóveis e
garantir maior confiabilidade ao trabalho da administração municipal e aos
consumidores.
Esses autores propõem uma metodologia com base na inferência espacial
realizada pelo processo de Krigagem. Assim, com essa teoria, identificaram a
distribuição espacial de uma variável, expressa pela soma de três componentes,
como apresentado na equação 2.
(2)
Onde é uma função determinística descrita pela componente estrutural
de Z em x, é a variação regionalizada e um resíduo, ou seja, o ruído
gaussiano espacialmente independente, com média zero e variância .
Quando as condições de variâncias foram satisfeitas, a semivariância foi
estimada a partir dos pontos amostrais apresentados pela equação 3:
∑ (3)
Onde n é o número de pares de pontos amostrais, com atributos z, separados
por uma distância h.
Assim, Dantas, Portugal e Prado (2006) para estimação empírica deste
modelo (equação 2) utilizou do Modelo Clássico de Regressão, via Mínimos
Quadrados Ordinários (MQO), tomando como variável dependente o logaritmo do
3 As variáveis independentes dão conteúdo lógico à variação dos preços coletados na amostra
(ABNT, 2011).
19
preço unitário dos terrenos na posição geográfica x = (E,N), ou seja Z(x), onde E e N
são as coordenadas medidas em UTM.
Na parte determinística do modelo m(x), os autores consideraram como
variáveis estruturais a área do terreno (AR), a frente (FR), a infraestrutura (PA), a
Topografia (TO), a Transação (TR), a Oferta (OF), o Condomínio (CO), o Eixo (EI) e
o Setor (SE). Também incluíram um polinômio de tendência do segundo grau, que
consiste em inserir como variáveis explicativas do modelo as coordenadas
geográficas dos edifícios onde estão localizados os terrenos (E e N), seus
quadrados (E² e N²) e interação entre elas (EN) (DANTAS; PORTUGAL; PRADO,
2006).
Os autores Dantas, Portugal e Prado (2006) também atribuíram pesos as
variáveis, sendo as variáveis qualitativas PA, TO e CO adotadas como dummies,
assumindo valor 1 para cada uma se os terrenos forem servidos por pavimentação,
com topografia plana e se situarem em condomínio fechado, respectivamente, e 0
em caso contrário, a natureza do evento foi tratada com duas dummies TR e OF,
que assumem valores 1 se os preços são provenientes de transações ou ofertas,
respectivamente, e 0 se são dados oriundos de valores atribuídos para fins de ITBI.
A variável EI assumiu valores 3 para eixos principais, 2 em eixos secundários e 1
nos demais casos para diferenciar nível socioeconômico, considerou-se a variável
SE como uma variável proxy4 de macro localização, representada pela renda média
do chefe da família. Concluindo, com isso a base para o cálculo, componente
essencial da PGV.
5 MATERIAIS E MÉTODO
5.1 Área de Estudo e Dados Usados
A área de estudo, apresentada na Figura 1, compreende o município de
Monte Carmelo no estado de Minas Gerais. Inserido na mesorregião do Alto
Paranaíba e Triângulo Mineiro, o município abrange uma área de 1343,035 Km² com
45772 habitantes (IBGE, 2010).
4 Variável proxy é utilizada para substituir outra variável de difícil mensuração e que se presume
guardar com ela relação de pertinência, obtida por meio de indicadores publicados ou inferidos em outros estudos de mercado (ABNT, 2011).
20
Figura 1 – Localização do município de Monte Carmelo
Fonte: A autora.
Uma cena do satélite RapidEye, do ano 2013, fornecida pelo Ministério do
Meio Ambiente (MMA), com 5 bandas espectrais e com resolução espacial de 5
metros é usada para caracterização dos centros de valorização e desvalorização da
cidade, bem como base de referência para a correção geométrica dos dados
vetoriais extraídos a partir das imagens do Google Earth Pro.
O RapidEye é um sistema composto por cinco satélites de sensoriamento
remoto idênticos e em mesma órbita equipados com sensor multiespectral capazes
de capturar imagens em cinco bandas espectrais (Tabela 1), com alcance de
comprimento de onda entre 440 µm e 850 µm. A faixa da abrangência de coleta de
imagens é de 77 km de largura e 1500 km de extensão (RAPIDEYE SATELLITE
IMAGERY, 2015).
21
Tabela 1. Bandas espectrais dos satélites RapidEye
Bandas Espectrais Comprimento de Onda (µm)
Azul 440 – 510
Verde 520 – 590
Vermelho 630 – 685
Red-Edge 690 – 730
Infravermelho próximo 760 – 850
Fonte: RAPIDEYE SATELLITE IMAGERY (2015).
Dentre as características investigadas em uma avaliação imobiliária está a
topografia do lugar, por isso é realizada uma análise dos dados altimétricos da
cidade de Monte Carmelo, para isso é adquirida uma imagem do projeto Topodata
do Instituto Brasileiro de Pesquisas Espaciais (INPE), o qual oferece o Modelo
Digital de Elevação (MDE) elaborado a partir dos dados SRTM (Shuttle Radar
Topography Mission) refinados para a resolução de 30m.
Um MDE, segundo Druck et al. (2004), é uma representação matemática
computacional da distribuição espacial de uma região da superfície terrestre. Assim,
o MDE é utilizado para caracterizar o relevo, localizar a drenagem, os topos de
morro, ou seja, reconhecer os pontos críticos do setor imobiliário na cidade.
O levantamento em campo para a coleta de pontos de controle (PC) utiliza de
dois receptores GNSS (Global Navigation Satellite System), do Laboratório de
Topografia e Geodésia (TGEO) do curso de Engenharia de Agrimensura e
Cartográfica, da Universidade Federal de Uberlândia, sendo um Pro Mark 500 L1/L2
(dupla frequência), com precisão horizontal de 5mm + 0,5ppm, como receptor da
estação de referência definido pelas coordenadas
18°44’12,64171”S/47°29’00,62162”O SIRGAS2000, e um Pro Mark 200 L1/L2 (dupla
frequência), de precisão horizontal (5mm + 1ppm), utilizado como receptor das
estações com coordenadas a determinar.
Junto à Prefeitura Municipal e à comunidade carmelitana através de
entrevistas são solicitadas as informações a respeito da base de arrecadação
tributária, as alíquotas, bem como os dados cartográficos, legislativos e tributários
existentes.
São utilizados o software livre QuantumGis (QGis) 1.8.0, o ENVI 5.1, o
MultiSpecW32 para a manipulação das imagens e dos dados cartográficos, a
22
plataforma GNSS Solution para processamento dos dados de campo e o software
Stata 12 para o processamento matemático/estatístico.
5.2 Método
A metodologia envolve a aquisição de dados de mapeamento e outros
relacionados com a Planta Genérica de Valores da cidade. Dentre elas, citam-se:
Levantamento de campo; Aquisição de imagem de satélite; Revisar a base de
arrecadação tributária, as alíquotas e o mapeamento existentes; Identificar um
conjunto de variáveis independentes significativas, especialmente geradas a partir
de mapas digitais; Propor modelo para adequação da Planta Genérica de Valores;
Analisar o impacto da utilização do novo modelo na gestão da cidade. Para isso, a
metodologia é estruturada e distribuída nas seguintes fases, apresentadas no
organograma 1:
Organograma 1 – Atividades executadas na metodologia
Dados Geoespaciais e Literais
Fonte: A autora.
5.2.1 Análise dos Dados Literais
Na primeira fase, no estudo bibliográfico, é realizada uma análise dos textos
existentes que retratam a realidade da cidade de Monte Carmelo e dos
procedimentos existentes para a geração de uma Planta Genérica de Valores.
Entende-se o conteúdo teórico-conceitual sobre o tema como uma forma de
aperfeiçoamento, aprendizagem e descoberta através da leitura de novas maneiras
e novos métodos que ajudam no alcance dos objetivos. Na pesquisa bibliográfica
IBGE - Índice de Desenvolvimento Humano (IDH); - População; - Densidade Demográfica.
Prefeitura e Comunidade
- Alíquotas; - Tributos; - Dados do Mercado Imobiliário.
Cartografia
- Levantamento GNSS; - Digitalização de mapas/imagens; - MDE/SRTM;
Definição do Modelo da Planta Genérica de Valores (PGV) - Análise Estatística/Matemática.
Processamento de dados
- Processamento dos dados GNSS; - Geração do MDE; - Correção Geométrica; - PEC; - Vetorização da imagem; - Verificação da qualidade da imagem; - Elaboração de mapas temáticos.
23
procura conhecer e analisar as contribuições da Planta Genérica de Valores para a
cidade, além de recolher informações e conhecimentos prévios acerca das técnicas
de processamento de imagens e geração do modelo que se quer experimentar. A
pesquisa bibliográfica é constituída como procedimento básico para o presente
estudo, pelos quais se busca o domínio do tema determinado.
Segundo o IBGE, a cidade de Monte Carmelo, pelo censo demográfico
realizado em 2010 possui 40100 habitantes na área urbana, entre estes 19960 são
homens e 20140 mulheres. Tendo densidade demográfica de 34,08 hab/km² e o
Índice de Desenvolvimento Humano (IDH) de 0,728. Possui 17200 domicílios, destes
39 são domicílios coletivos e 17161 são particulares, com média de 3,04 moradores
por domicílio. Existem também 4198 estabelecimentos e 621 edificações em
construção (IBGE, 2010).
A receita orçamentária arrecadada no ano de 2013 foi de R$1089000,00 com
o IPTU e R$1231000,00 com o ITBI. Já em 2014 esse valor chegou a R$1167000,00
sobre o IPTU e R$1400000,00 com ITBI (SICONFI, 2015).
O cálculo do IPTU está em conformidade com a Lei nº 082/97 de 30 de
dezembro de 1997 que estabelece o sistema tributário no município, as normas
complementares do direito tributário e as atividades administrativas da cobrança de
impostos. O Título II desta lei trata do sistema tributário, no qual em seu capítulo II
traz as normas relativas ao Imposto Predial e Territorial Urbano com características
distintas para a parte territorial e a parte predial.
Da parte territorial esta lei estabelece aplicar sobre o valor venal do lote a
alíquota de 2% (dois por cento), sendo a avaliação dos lotes realizada com base na
planta de valores imobiliários, levando em conta o índice de valorização ou
desvalorização; a área, a forma, as dimensões, a localidade; características
topográficas e pedológicas o aproveitamento e outras características do terreno; e o
preço dos terrenos próximos nas últimas transações de compra e venda (MONTE
CARMELO, 1997).
Para a parte predial a base de cálculo do imposto é o valor venal do imóvel
construído, aplicando-se sobre esse valor a alíquota de 1% (um por cento). A
avaliação dos imóveis construídos, para estipulação do valor venal, é feita com base
na planta de Valores Imobiliários e na tabela de preços de construção, aplicados os
fatores de correção, estabelecidos anualmente pelo Poder Executivo, levando em
conta o padrão ou tipo de edificação; a área edificada; o preço médio da construção
24
por metro quadrado no exercício em que se fizer o lançamento, segundo os vários
tipos especificados no código de obras, ou reconhecidos; o estado de conservação;
os serviços públicos e de utilidade pública existentes na via ou logradouro público e
o índice de valorização ou desvalorização, correspondente ao logradouro, quarteirão
ou zona em que estiver situado o imóvel (MONTE CARMELO, 1997).
No caso de condomínios o Art. 57, §1º da Lei nº 082/97 de 30 de dezembro
de 1997 define que o lançamento do imposto é em nome de todos os condomínios,
respondendo cada um, na proporção de sua parcela, pelo ônus do tributo (MONTE
CARMELO, 1997). Dessa forma, para este estudo a mesma metodologia é aplicada
a condomínios e residências individuais, conforme a lei.
A seguir, cita-se a base do cálculo utilizado atualmente pela prefeitura
municipal para o cálculo do Imposto Predial e Territorial Urbano, previstos na Lei nº
082/97 de 30 de dezembro de 1997 e apresentadas nas equações 4 e 5 (MONTE
CARMELO, 1997):
(4)
Onde:
;
;
E = Fator de esquina;
C = Fator de Correção Topográfica.
(5)
Onde: Vm²TI = Valor do m² do tipo da edificação;
CAT = Coeficiente de avaliação da categoria por tipo de edificação;
C = Coeficiente de avaliação do estado de conservação do imóvel;
ST = Coeficiente de avaliação de subtipos.
25
Os anexos A (Fator de Esquina - E), B(Fator Topográfico e Pedológico - C), C
(Valor m² Edificado - Vm²TI), D (Coeficiente de avaliação da categoria por tipo de
edificação - CAT), E (Coeficiente de avaliação do estado de conservação do imóvel -
C) e F (Coeficiente de avaliação de subtipos - ST) demostram os quadros de
coeficientes usados nas fórmulas citadas acima, retirados da Lei nº 082/97 de 30 de
dezembro de 1997.
A Prefeitura Municipal de Monte Carmelo através da Secretaria Municipal da
Fazenda armazena os dados referentes ao IPTU em um banco de dados digital
contento as informações cadastrais dos imóveis. Esse banco de dados contém a
inscrição cadastral, o código do imóvel, o número do lote e o número da quadra,
juntamente com as variáveis citadas na definição do cálculo para o valor do IPTU.
Esse imposto é pago de uma só vez ou parcelado em até 03(três) parcelas
mensais, iguais e sucessivas, a partir do dia 31 de março de cada ano (MONTE
CARMELO, 1997). Assim, um imóvel a 500m da área central, com área de terreno
de 336m, área construída de 79,71m² e com testada de 10,50m terá segundo a
prefeitura municipal Valor Venal Total de 14827,57, sendo o Valor Venal do Terreno
de R$4116,08 e Valor Venal da Construção de R$10711,49, resultando em um valor
do IPTU de R$66,72. Já um lote com área de 300m e testada de 12m a
aproximadamente 100m do córrego Mumbuca possui Valor Venal Total de R$832,36
e IPTU igual a R$5,83.
Aos valores de IPTU é acrescentada uma taxa de expediente que
corresponde ao valor de Unidade Fiscal Municipal (UFM), atualizada no município de
Monte Carmelo pelo Decreto n° 1454 de 05 de dezembro de 2014, passando a ser
fixada no valor de R$2,64. Assim, o IPTU do imóvel e do lote, dos exemplos citados
acima, chega para os proprietários no valor final de R$69,36 e R$8,47,
respectivamente.
5.2.2 Cartografia e Processamento de Dados
A falta de mapeamentos dificulta ações no município de Monte Carmelo, para
sanar essa ausência esse trabalho utiliza além dos dados da imagem Rapideye,
imagens do Google Earth datadas em 11 de maio de 2013 através do plugin Open
Layers Plugin do QGis 1.8.
26
Na fase de obtenção de dados digitais são solicitadas junto ao Ministério do
Meio Ambiente as cenas RapidEye que permitam a cobertura total da cidade de
Monte Carmelo. Posteriormente, é criado no QGis 1.8 o mosaico das imagens
RapidEye, estruturando uma cena única da área de estudo. Além disso, são
escolhidas as bandas espectrais formando a composição colorida falsa cor 3R5G1B
que melhor se aplicam para a visualização/localização dos lotes e quadras da
cidade, como mostra a Figura 2.
Figura 2 - Mosaico e composição colorida da imagem Rapideye
Fonte: A autora.
Ainda na fase de coleta de dados digitais, é realizada uma campanha de
levantamento de pontos de controle (PC), in loco, distribuídos ao longo da área
urbana, como mostra a figura 3. No Brasil, apesar de existir legislação específica
sobre isto, o Decreto Lei 89.817/84, não há especificação que defina o número de
pontos de referência que deve ser usado na análise. O tamanho de uma amostra diz
respeito à quantidade de unidades do universo que são analisadas, sendo a sua
seleção feita mediante um processo aleatório, a fim de que seja evitada uma
possível tendenciosidade. Assim o levantamento dos PCs foi realizado nos dias
15/06/2015, 17/06/2015 e 29/06/2015, totalizando em 34 pontos coletados bem
distribuídos ao longo de toda a área urbana.
27
Figura 3 – Distribuição dos Pontos de Controle em Monte Carmelo
Fonte: A autora.
O método de posicionamento utilizado é o relativo estático rápido, coletando o
limite de quadras, como apresentado na figura 4. Além de um bom planejamento,
alguns procedimentos adotados em campo são de grande importância para que se
possa obter resultados coerentes com os padrões de acurácia e precisão desejada.
Entre eles, destaca-se o estacionamento da antena e a duração da sessão de
observação.
Nesse posicionamento, as coordenadas são determinadas em relação a um
referencial materializado na Universidade Federal de Uberlândia (SESI) de
coordenadas 18°44’12,64171’’S/47°29’00,62162’’O referenciado em Sirgas 2000,
denominado de estação de referência ou estação base. Tanto o receptor da estação
referência, quanto o da estação com coordenadas a determinar, permanecem
estacionários durante todo o levantamento, no qual é adotado um intervalo de tempo
para o rastreio de 5 minutos por ponto coletado, uma vez que esse tempo é
suficiente para o objetivo, em que as linhas de base não ultrapassam comprimento
de 5 km e a precisão almejada é de 5m.
28
Figura 4 – Receptor Pro Mark 200 L1/L2
Fonte: A autora.
O processamento das observações GNSS consiste na utilização de modelos
matemáticos capazes de relacionar a posição tridimensional de um determinado
local com as observáveis básicas do sistema e as coordenadas tridimensionais dos
satélites. Por isso, após a coleta dos dados em campo é utilizado o software GNSS
Solution para a determinação das coordenadas de interesse referenciadas ao
sistema de referência SIRGAS 2000. O Apêndice A apresenta as coordenadas
resultantes do processamento, totalizando em 32 pontos coletados no terreno, uma
vez que TCC3 e TCC6 foram eliminados devido à inexistência do loteamento no ano
de passagem das imagens.
Após o processamento das observações GNSS, partiu-se para a vetorização
de dados a partir de imagens do Google Earth datadas em 11 de maio de 2013
através do plugin Open Layers Plugin do QGis 1.8. Uma ótima aplicabilidade deste
plugin é aproveitar regiões de alta resolução que o Google Earth disponibiliza para
criar e editar vetores (camadas) de eixo de logradouros, bairros, quadras e ruas da
cidade de Monte Carmelo.
29
Para utilizar o plugin é necessário criar camadas/shapefiles, dessa forma são
criadas as camadas Bairro, Rua, Praça, Trevo e Quadra, como mostra a Figura 5,
vetorizadas em escala 1:2500, totalizando em 990 quadras, 463 ruas, 2 trevos, 30
praças e 24 bairros.
Figura 5 – Vetorização através do QGis 1.8.0
Fonte: A autora.
A maioria dos shapefiles criados possui um Plano de Informação contendo
atributos descritivos, com os nomes das ruas, das praças, bairros e dos trevos, como
o apresentado na Figura 6. Alguns nomes não foram encontrados e devido ao pouco
tempo para verificação em campo esses itens ficaram com nomeação “null”.
30
Figura 6 – Tabela de atributos das camadas
Fonte: A autora.
A base vetorial da cidade de Monte Carmelo é georreferenciada através das
imagens de satélite Rapideye, projetadas no Sistema de Coordenadas Geográficas,
datum WGS 84 como apresentada na Figura 7.
Para análise da qualidade dessa carta gerada para a cidade de Monte
Carmelo é proposto uma análise estatística dos dados e avaliação do Padrão de
Exatidão Cartográfica (PEC), regulamentado pelo Decreto Lei n° 89.817, que
estabelece normas que regulamentam e classificam os documentos cartográficos
quanto a sua qualidade geométrica (BRASIL, 1984).
As cartas, segundo sua exatidão, são classificadas no PEC nas Classes A, B
e C, segundo os critérios apresentados no quadro 1.
Quadro 1 – Critérios do PEC segundo as Normas Técnicas da Cartografia Nacional
Classes
PEC
Planimétrico
Erro Padrão (EP)
A 0,5 mm x Escala 0,3 mm x Escala
B 0,8 mm x Escala 0,5 mm x Escala
C 1,0 mm x Escala 0,6 mm x Escala
Fonte: Brasil (1984).
31
Figura 7 – Carta da cidade de Monte Carmelo
Fonte: A autora.
O controle de qualidade posicional através da avalição do PEC pode ser
realizado pela comparação entre a posição de pontos identificados na imagem, com
suas respectivas coordenadas obtidas por pontos no terreno. Dessa forma, as
discrepâncias são analisadas e é possível calcular os resíduos da resultante das
coordenadas planimétricas, como mostra a equação 6 (OLIVEIRA et al., 2015).
32
√ (6)
Onde, e são pontos identificados na imagem; e são pontos
obtidos no terreno.
Através dos resíduos é possível obter a média e o desvio padrão de cada
componente e com isso realizar a análise de tendência através da aplicação do teste
t de Student (equação 7), calculado por:
√ (7)
Em que é o número de amostras; o desvio padrão das amostras.
Já para a análise da precisão é aplicado o teste de Qui-Quadrado,
obedecendo aos valores do Erro Padrão (EP) definido no quadro 1, com o objetivo
de verificar em qual classe o produto analisado se enquadra. Para isso, calcula-se
primeiramente o erro padrão (σ), apresentado na equação 8:
√ (8)
A partir dos cálculos se obtém o teste do Qui-Quadrado (equação 9):
(9)
Em que o Qui-quadrado;
variância da amostra; variância
estabelecida pelas Normas Técnicas da Cartografia Nacional.
As hipóteses para o teste do Qui-quadrado testam se a variância dos resíduos
é igual a variância estabelecida pelas Normas Técnicas da Cartografia Nacional.
Portanto, para uma determinada escala, a imagem será classificada com a classe A,
B ou C em função dos resultados obtidos nos testes de precisão.
Para classificar a carta confeccionada temos 32 pontos com suas
coordenadas reais, medidas no terreno (Apêndice A), e coordenadas dos 32 pontos,
obtidas através da carta (Apêndice B), dessa forma podemos calcular os resíduos e
obter o erro planimétrico e o erro-padrão, como mostra o Quadro 2.
33
Quadro 2 – Cálculo para obtenção da classificação do PEC
TERRENO CARTA Resíduos (metros)
Ponto E(m) N(m) E(m) N(m) Eplan.
TCC 01 238964,654 7925086,517 238961,647 7925082,118 -3,007 -4,399 5,328532
TCC 02 238388,986 7926166,439 238389,200 7926164,219 0,214 -2,22 2,230291
TCC 04 237664,500 7926975,603 237663,949 7926972,733 -0,551 -2,87 2,922414
TCC 05 237555,565 7925970,035 237553,501 7925961,523 -2,064 -8,512 8,758667
TCC 07 237592,946 7927657,942 237592,842 7927657,465 -0,104 -0,477 0,488206
TCC 08 237705,338 7928745,890 237704,891 7928744,988 -0,447 -0,902 1,006684
TCC 09 237411,203 7928327,359 237411,151 7928326,503 -0,052 -0,856 0,857578
TCC 10 236939,886 7928525,159 236940,559 7928524,201 0,673 -0,958 1,170766
TCC 11 236843,006 7927051,909 236846,157 7926737,32 3,151 -1,13 3,347492
TCC 12 236225,870 7927107,949 236226,157 7927106,128 0,287 -1,821 1,843478
TCC 13 236259,977 7926739,926 236257,385 7926603,320 -2,592 -2,606 3,675554
TCC 14 235945,122 7925665,392 235944,505 7925664,873 -0,617 -0,519 0,806257
TCC 15 235489,623 7926377,195 235491,068 7926374,994 1,445 -2,201 2,63295
TCC 16 234520,185 7926511,789 234520,156 7926511,128 -0,029 -0,661 0,661636
TCC 17 238129,452 7926542,454 238126,793 7926549,417 -2,659 6,963 7,453432
TCC 18 237021,403 7925952,604 237022,619 7925947,641 1,216 -4,963 5,109797
TCC 19 236595,152 7926335,557 236595,441 7926334,514 0,289 -1,043 1,082298
TCC 20 234774,577 7925881,172 234771,02 7925880,666 -3,557 -0,506 3,59281
TCC 21 235473,180 7926717,109 235474,830 7926716,557 1,65 -0,552 1,739886
TCC 22 234535,802 7927896,974 234551,020 7927895,965 -4,782 -1,009 15,25141
TCC 23 234324,610 7928329,213 234324,488 7928328,084 -0,122 -1,129 1,135573
TCC 24 235177,650 7928074,490 235177,855 7928073,696 0,205 -0,794 0,820037
TCC 25 235482,792 7928800,795 235483,638 7928799,727 0,846 -1,068 1,362476
TCC 26 235981,636 7928056,404 235981,279 7928055,148 -0,357 -1,256 1,305751
TCC 27 235504,212 7927543,747 235504,869 7927539,923 0,657 -3,824 3,880029
TCC 28 236807,779 7927543,253 236807,446 7927541,893 -0,333 -1,36 1,400175
TCC 29 236498,450 7928229,046 236498,558 7928228,527 0,108 -0,519 0,530118
TCC 30 236086,732 7928375,806 236086,712 7928375,036 -0,02 -0,77 0,77026
TCC 31 236597,573 7929502,091 236597,117 7929501,074 -0,456 -1,017 1,114551
TCC 32 236987,820 7929683,443 236987,681 7929683,119 -0,139 -0,324 0,352558
TCC 33 236849,646 7930423,512 236849,879 7930418,910 0,233 -4,602 4,607895
TCC 34 236851,536 7930710,752 236851,965 7930710,273 0,429 -0,479 0,643026
Média -1,512 0,2973 2,746331
S 2,3536 3,0490 3,082526
Fonte: A autora (2015).
Assim, considerando o produto confeccionado na escala 1:27500 e segundo a
exatidão e precisão (qualidade posicional) com base no que está preconizado no
decreto lei n° 89817, de 20 de junho de 1984, publicado no Diário Oficial da União
de 27 de junho de 1984, a carta classifica-se na Classe A, uma vez que o erro
planimétrico é menor que 13,75m (0,5mm X 27500 = 13750mm) e o erro-padrão é
menor que 8,25m (0,3mm X 27500 = 8250mm).
As variáveis escolhidas para compor o modelo da PGV da cidade de Monte
Carmelo são a topografia, o solo, o setor, a distância dos polos de valorização e
desvalorização, área sujeita à inundação/alagamento.
34
A base informacional para a elaboração dos documentos cartográficos da
topografia foram os dados do projeto Topodata, na escala de 1:250000, com
equidistância entre as curvas de nível de 10 metros, processados através do
software Qgis 1.8.
A tabela 2 mostra as diferentes categorias altimétricas obtidas para a cidade
de Monte Carmelo.
Tabela 2. Área ocupada pelas diferentes categorias altimétricas
Categorias (m) Área (%)
850 – 860
03,652
860 – 870
06,283
870 - 880
26,794
880 - 890
27,179
890 – 900
26,538
900 – 910
04,358
910 – 920
03,589
920 – 930
01,346
930 – 940
00,205
940 – 950
0,0560
Total 100 Fonte: A autora (2015).
Baseados nas declividades críticas, para a formulação do critério atribuído à
variável topografia, foram mapeados as seguintes classes de declividade: menor do
que 5% (relevo plano), 5 a 10% (relevo ondulado), 10 a 15% (relevo moderadamente
ondulado), 15 a 20% (relevo forte ondulado), como apresentado na Figura 8.
35
Figura 8 – Mapa de declividade da área urbana de Monte Carmelo
Fonte: A autora.
A cidade de Monte Carmelo apresenta pequena alteração em sua topografia e
é passível de parcelamento do solo ao considerar a variável declividade, uma vez
que em acordo com a lei n°6.766, de 19 de dezembro de 1979 que dispõe sobre o
parcelamento do solo urbano, não é permitido parcelamento do solo em terrenos
com declividade igual ou superior a 30%, o que não é aplicável em Monte Carmelo,
aonde a declividade máxima chega a 17%.
Para a caracterização da variável solo, utiliza-se de dados disponibilizados
pela EMBRAPA em escala 1:5.000.000, processados no Qgis 1.8. O mapa gerado é
apresentado na Figura 9.
Observa-se que os Latossolos Vermelhos são identificados na extensa área
da cidade de Monte Carmelo. Esse tipo de solo caracteriza-se por apresentar
predominância de material mineral, bastante intemperizado, geralmente com classe
textural franco argilo arenosa.
36
Figura 9 –Caracterização do solo da área urbana de Monte Carmelo
Fonte: A autora
Para a confecção dos mapas de distância, é iniciada a coleta de dados de
mercado, através da realização de uma vistoria nos principais pontos da cidade para
identificação de sua dinâmica, forma de crescimento, de valoração, a fim de
determinar a sua estrutura imobiliária e econômica. Assim, observam-se as
peculiaridades da cidade de Monte Carmelo, como zonas de valorização e de
desvalorização, áreas de comércio e áreas de crescimento.
Destacam-se como polos de valorização a área central onde se concentra os
comércios da cidade, as proximidades aos campus da Universidade Federal de
Uberlândia, à faculdade FUCAMP e as escolas estaduais e municipais que causam
grande fluxo de pessoas no dia-a-dia. Como locais de desvalorização citam-se as
cerâmicas devido a grande quantidade de poeira e resíduos deixados nas ruas, a
Estação de Tratamento de Esgoto (ETE), alvo de reclamações pela população
devido ao mau cheiro e grande quantidade de lixo e animais nas suas proximidades.
Os mapas de distância são gerados em relação aos polos de valorização
considerados positivos na representação da PGV da cidade e polos de
37
desvalorização, referentes àqueles locais de influências negativas ao setor
imobiliário.
Para o mapa de distância dos pontos positivos, considera-se a os prédios da
Universidade Federal de Uberlândia/Campus Monte Carmelo (Araras e SESI), a
Fundação Carmelitana Mário Palmério (FUCAMP), a Escola Estadual Professor
Vicente Lopes Perez (Polivalente), a Escola Estadual Gregoriano Canedo
(Estadual), o Colégio Nossa Senhora do Amparo, o Colégio Alpha COC, a
Prefeitura, o centro comercial, a Policlínica, o Pronto Socorro, o Hospital Virgílio
Rosa e o Hospital Santa Terezinha. A tabela 3 apresenta a localização geográfica de
cada um desses setores.
Tabela 3. Locais de valorização (positivos)
Categorias (m) Localização Geográfica
UFU/SESI -18°44’11,7”/-47°28’58,4”
UFU/Araras -18°43’27,4”/-47°31’24,2”
FUCAMP -18°44’15,3”/-47°30’55,0”
Escola Estadual Professor Vicente Lopes Perez -18°43’26,4”/-47°29’43,3”
Escola Estadual Gregoriano Canedo -18°43’51,20”/-47°30’9,1”
Prefeitura -18°43’46,4’”/-47°29’48,2”
Policlínica -18°43’25,3”/-47°29’52,3”
Pronto Socorro -18°43’18,9”/-47°30’11,5”
Alpha COC -18°43’41,1”/-47°29’49,9”
Colégio Nossa Senhora do Amparo -18°43’42,2”/-47°30’0,97”
Hospital Virgílio Rosa -18°43’46,80”/-47°29’46”
Hospital Santa Terezinha -18°43’37,1”/-47°29’48,4”
Área Comercial -18°44’02”/-47°29’52,37” Fonte: A autora (2015).
Para o mapa de distância dos pontos negativos, consideram-se as indústrias
de cerâmica e a Estação de Tratamento de Esgoto (ETE), localizados na Tabela 4.
38
Tabela 4. Locais de desvalorização (negativos)
Categorias (m) Localização Geográfica
Cerâmicas
-18°42’38,8”/-47°29’48,1”
-18°44’36,2”/-47°28’35,0”
-18°44’18,6”/-47°29’12,8”
-18°43’45,8”/-47°28’58,8”
-18°43’14,1”/-47°29’43,1”
-18°43’30,0”/-47°30’14,4”
-18°42’17,2”/-47°29’47,7”
-18°41’57,1”/-47°30’2,8”
-18°42’33,8”/-47°30’25,2”
-18°42’22,3”/-47°30’27,3”
-18°42’37,1”/-47°30’45,3”
-18°42’56,1”/-47°30’48,6”
-18°43’14,5”/-47°31’8,04”
ETE -18°42’6,12”/-47°29’39,1” Fonte: A autora (2015).
A partir da imagem RAPIDEYE são com gerados buffers através da
ferramenta Create Buffer Zone from ROIs do ENVI 5.1 com essas áreas
selecionadas.
Para o mapa de distâncias positivas, ou seja, geradas a partir das localidades
de valorização, a distribuição dos valores se dá de uma forma decrescente, o buffer
é realizado com o valor inverso dos pixels para que sejam diferenciadas das
distâncias das áreas de influências negativas. Assim, em ambos os mapas a
distância representada por áreas escuras são consideradas desvalorizadas e as
áreas em claro representam as valorizadas.
Os mapas gerados são apresentados nas Figuras 10 (distâncias positivas) e
11 (distâncias negativas).
39
Figura 10 – Caracterização das áreas positivas
Fonte: A autora
Figura 11 – Caracterização das áreas negativas
Fonte: A autora
40
O mesmo método é realizado para gerar buffer para as áreas sujeitas a
inundação/alagamento nas proximidades do Córrego Mumbuca, localizado entre as
coordenadas -18°44’23,28”/-47°29’49,56” e -18°42’9,36”/-47°29’30,84”.
Figura 12 – Mapa das áreas do Córrego Mumbuca
Fonte: A autora
Após conhecer previamente a área em estudo é possível obter a classificação
pelo método da Máxima Verossimilhança (MAXVER). Esse método de classificação
caracteriza como sendo gaussiana ou normal, ou seja, os objetos pertencentes à
uma mesma classe apresentarão resposta espectral próxima à média de valores
para aquela classe. Para a obtenção de um bom resultado com esta classificação é
necessário escolher um número elevado de pixels para cada amostra da classe e
também uma precisão razoável da estimativa do vetor médio e da matriz de
covariância de toda a classe espectral.
Dessa forma, neste trabalho o método MAXVER é utilizado para obtenção de
classes informacionais a partir da imagem Rapideye, processada no ENVI 5.1
gerando o produto apresentado na Figura 13.
41
Figura 13 – Classificação supervisionada MAXVER
Fonte: A autora
São consideradas pela classificação MAXVER na cidade de Monte
Carmelo 341,408 Ha de área construída, área de 498,690 Ha de solo e área de
78,933 Ha de vegetação.
Após a identificação dessas variáveis significativas, áreas positivas, áreas
negativas, topografia, área construída, área de inundação/alagamento e solo,
identificam-se os bairros mais representativos e as características da sua localização
para realizar a divisão da cidade em setores, com intuito de limitar as informações
tributárias existentes, conforme mostra a Figura 14.
O critério utilizado para a divisão dos setores é a identificação da presença de
locais de valoração e de desvalorização, e também a estrutura econômica,
unificando em um mesmo setor aqueles bairros com características aproximadas.
Isto é, identificar zonas homogêneas as quais apresentam a mesma evolução
durante o tempo manifestada pelo padrão construtivo das edificações e econômico.
42
Figura 14 – Divisão da cidade em setores
Fonte: A autora
O Setor 1 é composto pelo bairro Residencial Jardim Américo, o Setor 2 por
Santa Rita, Santo Agostinho e Sidônio Cardoso, o Setor 3 pelos bairros Jardim
Oriente e São Sebastião, o Setor 4 pelos bairros Nossa Senhora de Fátima,
Montreal, Belo Horizonte, Bela Suíça e Tamboril, o Setor 5 por Alto da Vila Nova e
Aeroporto, o Setor 6 pelos bairros Jardim Ipiranga, Campestre, Vila Dourada e
Belvedere, o Setor 7 por Boa Vista, Dona Quita, Recanto do Arari e Residencial
Lambari, o Setor 8 por Chácaras do Trevo, Bairro do Trevo, Catulina Planalto e
Lagoinha, o Setor 9 pelos bairros Cidade Jardim, Morada Nova e Bairro do Carmo,
o Setor 10 é composto pelos bairros Mansões Fidalgas, Jardim Zeni, Costa Sul,
Campos Elísios e Bouganville, o setor 11 por Triângulo e Virgílio Rosa, o Setor 12
pelos bairros Batuque, Morada do Lago e Centro.
43
5.2.3 Definição do Modelo da Planta Genérica de Valores
O método proposto busca modelar parâmetros que influenciam, diretamente,
no processo simplificado de determinação do valor do Imposto Predial e Territorial
Urbano (IPTU).
São considerados para o modelo os seguintes parâmetros:
Declividade\Topografia do terreno (To), Distância dos polos de valorização (Dv),
Distância dos polos de desvalorização (Dd), Tipo de Solo (So), Área
inundável/alagada (In), Área Construída (Ac) e o Setor pertencente (Se). Esses
parâmetros foram definidos tendo por base as características da cidade em estudo e
as informações que possuem influências sobre os imóveis. A variável infraestrutura
não foi utilizada uma vez que toda a área construtiva em estudo possui asfalto, água
e esgoto. Dessa forma, podemos considerar as variáveis independentes, como
apresentado na Tabela 5.
Tabela 5. Variáveis independentes
Variáveis Descrição
Topografia (To) Indica os tipos de relevos (Plano, Ondulado, Moderadamente
Ondulado, Forte Ondulado).
Distância dos polos de valorização (Dv)
Quantifica a distância até os polos de
valorização em metros.
Distância dos polos de
desvalorização (Dd)
Quantifica a distância até os polos de
desvalorização em metros.
Área Construída (Ac) Identifica a localização do imóvel
quanto a sua construção.
Área alagada/inundada (In)
Solo (So)
Setor (Se)
Quantifica a distância até a área alegada/inundação em metros.
Indica o tipo de solo.
Indica o setor pertencente.
Fonte: A autora (2015).
44
A extração do conjunto de informações contidas em cada produto cartográfico
de cada variável independente estudada é realizada através da ferramenta List Data
do software Multispec W32. Antes da obtenção desses dados, utiliza-se a
ferramenta ENVI Standard do ENVI 5.1 para a construção do mapa temático,
conforme a Figura 15.
Figura 15 – Caracterização do mapa temático
Fonte: A autora (2015).
Esse procedimento permite o acesso à todas as informações registradas em
uma única imagem, para que sejam usadas na definição do modelo. Para a eficácia
dessas informações extraídas para cada variável é necessário verificar se todas as
imagens estão no mesmo sistema de projeções, neste caso UTM 23S, datum WGS
84, e com linhas e colunas padronizadas (1160x1217). Assim, cada banda possui
informações correspondentes a uma variável independente, distribuído de acordo
com a Tabela 6.
45
Tabela 6. Composição das Bandas do mapa temático
Bandas Variável independente
Banda 1 Inundação/Alagamento
Banda 2 Desvalorização
Banda 3 Valorização
Banda 4 Área Construída
Banda 5 Solo
Banda 6 Topografia/Declividade
Banda 7 Setor
Fonte: A autora (2015).
Junto à comunidade, em um trabalho porta a porta foram coletados dados
amostrais aleatoriamente ao longo do Município de Monte Carmelo, contendo
informações em relação à localização e valor do IPTU sem desconto. Totalizando
em 101 informações, as quais foram armazenadas em um Quadro apresentado no
Apêndice C. Os locais de coleta das amostras estão pontuados na Figura 16.
Figura 16 – Locais amostrados no perímetro urbano de Monte Carmelo
Fonte: A autora (2015).
46
O mapa temático e a localização das amostras são inseridos no software
Multispec W32, no qual é possível obter todas as informações referentes a todas as
variáveis independentes com a ferramenta List Data.
A Figura 17 mostra as informações contidas no pixel selecionado, o qual foi
inserido manualmente pela localização de uma das amostras, em que 1 corresponde
à distância em metros do córrego Mumbuca; 2 à distância em metros do polo mais
próximo de desvalorização; 3 à distância em metros do polo mais próximo de
valorização; 4 à classificação pertencente (1-vegetação; 2-solo; 3-área construída); 5
ao tipo de solo (255-latossolo vermelho); 6 à topografia com o valor da declividade
em porcentagem; 7 ao setor pertencente.
Figura 17 – Informações correspondentes a uma amostra
Fonte: A autora (2015).
A mesma metodologia é aplicada a todas as amostras e as informações
transferidas para uma planilha no Microsoft Excel 10, resultando no quadro
apresentado no Apêndice D.
De posse as informações de cada amostra, parte-se para o modelo de
regressão linear múltipla que é o método estatístico usado para investigar a relação
entre as variáveis independentes. Para agilizar o cálculo do modelo são abordados
recursos do STATA 12.
Para o uso de operadores de regressão, a NBR 14653-2 da ABNT (2011)
recomenda a realização de alguns testes que validam o modelo gerado. Esses
testes visam verificam os pressupostos da teoria de regressão são atendidos. Testes
47
como a da multicolinearidade são realizados para observar a existência de relação
entre quaisquer variáveis independentes, o teste da homocedasticidade busca
observar se a variância dos erros é constante e o teste da auto correlação, o qual
verifica se o resíduo de uma observação não é correlacionado com o resíduo de
outra observação.
As oito variáveis, sendo IPTU uma variável dependente e In, Dd, Ac, So, To e
Se variáveis independentes, e as 101 observações foram inseridos na interface do
STATA 12. Os Quadros 3 e 4 mostram os coeficientes e significâncias da regressão.
Quadro 3 – Processamento estatístico das variáveis
Resumo dos resultados
Número de Observações 101
F(6,94) 12,44
R² 0,4426
R² ajustado 0,4070 Fonte: A autora.
Quadro 4 – Processamento estatístico das variáveis
IPTU Coeficiente Std. Err. t p>|t| [95% Conf. Intervalo]
In -0.2438936 0,0867093 -2.81 0,006 -0,416057 -0,0717302
Dd 0,1047378 0,1348655 0,78 0,439 -0,1630409 0,3725164
Dv 0,531919 0,1380236 0,39 0,701 -0,2208572 0,3272411
Ac -17,40667 17,0954 -1,02 0,311 -51,34999 16.53666
So 0 0 0 0 0 0
To 5,118225 3,377555 1,52 0,133 -1,587989 11,824444
Se 19,02155 6,268439 3,03 0,003 6,575419 31,16768
Constante 8,901463 76,30983 0,12 0,907 -142,6135 160,4164
Fonte: A autora.
Com esses dados o modelo de regressão é dado por:
(10)
48
Realizada a validação dos elementos estimados a partir dos testes
estatísticos, apresentam-se os dados da planta de valores na forma cartográfica.
Com a ferramenta Band Math do ENVI 5.1 o modelo de regressão é inserido no
mapa temático obtendo informações referentes ao IPTU em cada pixel, as áreas
claras apresentam os maiores valores, como mostra a Figura 18.
Figura 18 – Modelo de regressão representado no mapa temático
Fonte: A autora (2015).
O valor máximo obtido na representação cartográfica do modelo de regressão
foi de R$389,90 e o mínimo -R$18,87.
Com a geração do modelo de regressão há necessidade de se verificar
alguns pressupostos básicos, em busca da validação do mesmo, ou seja, saber se o
modelo obtido é adequado ou não, para isso foram usados 5 pontos de verificação,
localizados na Figura 19.
49
Figura 19 – Localização dos pontos de verificação
Fonte: A autora.
As características desses pontos de verificação estão presentados no Quadro
5.
Quadro 5 – Pontos de Verificação
Endereço N° Bairro
Valor
IPTU s/
desconto
(R$) -
Prefeitura
Lat. S Long. W
Área
terreno
(m²)
Área
construída
(m²)
Testada
(m)
PV1 Rua Goiás 1983
Belo
Horizonte 66,36 18°44’09,74” 47º28’59,11” 150,00 55,80 5,00
PV2
Rua
Pirapitinga 875
Residencial
Lambari 116,94 18°43'10,70" 47°30'09,75" 160,68 68,00 15,60
PV3
Rua Eduardo
Pimentel 270 Boa Vista
164,64 18°43'34,13" 47°30'01,11" 200,80 115,64 9,10
PV4
Avenida
Paranaíba 608 Boa Vista
49,47 18°43'28,81" 47°30'17,23" 327,90 86,13 9,10
PV5 Rua Vitória 500
Bairro do
Carmo 112,23 18°43'35,68" 47°30'27,28" 264,00 70,00 10,00
Fonte: A autora.
50
Para cada ponto de verificação (PV) coletado será calculada uma média do
valor do IPTU de todos os pixels localizados no terreno, o valor do IPTU do pixel do
centro e também o valor da testada do terreno para que possa ser comparado com o
valor cobrado pela Prefeitura Municipal, que é apresentado no Quadro 6.
Quadro 6 – Valores do IPTU para os Pontos de Verificação
Valor IPTU Modelado Valor IPTU s/
desconto (R$) -
Prefeitura Média Central Testada
PV1 R$85,00 R$85,50 R$85,22 R$66,36
PV2 R$100,00 R$100,16 R$89,57 R$116,94
PV3 R$157,40 R$159,43 R$159,72 R$164,64
PV4 R$147,40 R$148,62 R$148,47 R$49,47
PV5 R$130,3 R$130,48 R$130,09 R$112,23
Fonte: A autora.
Por fim, esses dados obtidos são analisados e confrontados, de modo a
comparar a atualização das informações, registrar as alterações que ocorreram e
verificar o impacto da sua utilização no cadastro da cidade.
6 RESULTADOS E DISCUSSÕES
O estudo dos dados são condições fundamentais para que se possa
sistematizar o cálculo do IPTU no Município. A Cartografia, mediante o emprego de
análises espaciais, é indispensável no contexto deste trabalho, uma vez que a
localização é o principal definidor da quantificação do valor do imposto. A
representação dos eventos de mercado no espaço permitiu buscar-se um
entendimento do comportamento dos valores em relação às diferentes
características da cidade que exercem algum tipo de influência.
As análises de dados para poder chegar ao modelo foram basicamente
análise descritiva e inferência estatística. Os pressupostos inerentes a cada uma das
análises foram observados, bem como a representatividade do modelo em razão
das características da amostra.
51
Pela análise da regressão observa-se que o coeficiente de determinação é
igual a 0,4426, o que indica que 44,3% da variação do valor são explicadas pela
equação de regressão. Esse valor pode ser explicado pela diversidade de
características entre os lotes, vale ressaltar que a aplicação foi realizada para toda a
cidade, na qual os imóveis têm características muito distintas.
Os sinais dos regressores estão coerentes e apenas a variável solo foi igual a
zero, a um nível de significância de 5%. O Fcalculado foi igual a 12,44, superior ao
Ftabelado (F6,94 = 2,25), isto indica que os dados obedecem ao modelo de análise
de regressão linear múltipla, ou seja, que as variáveis independentes reduzem
significativamente a variação da variável dependente, o que permite aceitar a
hipótese de existência de regressão.
Analisando o modelo, somente duas variáveis foram estatisticamente
significativas: rio e setores. Optou-se por não retirar as outras variáveis pelo fato de
o modelo está bem ajustado, como mostra a estatística F (F=0.0).
A partir do modelo gerado, nota-se que a variável rio, influencia
negativamente o valor do IPTU; assim, quanto mais próximo do rio (menor
distância), maior o IPTU; ou seja, uma relação inversa entre as duas variáveis.
Esse fato evidencia uma relação do IPTU com as Leis ambientais de
preservação das margens dos rios. Em relação à variável setores, a correlação é
positiva; o que identifica que setores de áreas mais nobres devem pagar maiores
valores de IPTU.
Os pontos de verificação foram analisados em relação a discrepância entre os
valores de IPTU Modelado e calculado pela Prefeitura Municipal, como apresentado
no Quadro 7.
52
Quadro 7 – Valores do IPTU para os Pontos de Verificação
Discrepâncias entre os Valores de IPTU Modelado e da Prefeitura
Média Central Testada
PV1 R$18,6 +28% R$19,1 +28,8% R$18,9 +28,4%
PV2 -R$16,90 -14,5% -R$16,80 -14,13 -R$27,40 -23,4%
PV3 -R$7,20 -4,4% -R$5,2 -3,2% -R$4,90 -3%
PV4 R$97,90 +198% R$99,20 +200,4% R$99,00 +200,1%
PV5 R$18,10 +16,1% R$18,30 +16,30% R$17,90 +15,90%
Fonte: A autora.
A maioria dos pontos verificados aproximam em menos de 20% do valor
modelado, nota-se que os valores mais aproximados do real estão concentrados na
parte central da cidade. Além disso, a superfície gerada aponta os índices mais
elevados também na região central da cidade, seguindo em intensidades menores
na direção periférica, mais especificamente nos bairros Jardim Oriente, São
Sebastião, Santa Rita e Santo Agostinho. Reconhecidamente estes são os bairros
que apresentam alguns pontos isolados, com menor intensidade do índice de
valorização.
Dessa forma, com os dados obtidos e os testes realizados pode-se constatar
que todos os experimentos realizados são coerentes, ou seja, os resultados são
aceitáveis para a geração da Planta de Valores Genéricos.
7 CONCLUSÃO
A PGV é uma ferramenta indispensável para a gestão pública municipal,
tendo em vista que dela derivam informações que servem como suporte para a
tributação de imóveis, além de servir como um importante instrumento de
planejamento que auxilia na tomada de decisões.
Na elaboração da planta genérica de valores é visto que para se obter maior
justiça fiscal é importante utilizar do método comparativo de dados de mercado,
através da inferência estatística com o apoio das pesquisas tributárias e da base
cartográfica, juntamente com a revisão do código tributário do município, com as
alíquotas atuais, que mostram o cálculo do IPTU.
53
Quando se emprega técnicas de análise de regressão múltipla linear para
realizar um modelo com base em uma amostra de dados deve-se levar em conta as
variáveis que caracterizam cada um dos objetos envolvidos na amostra. Assim, uma
das dificuldades nesse tipo de análise é a escolha do conjunto de variáveis
independentes que devem ser inseridas no modelo em questão e que vão descrever
adequadamente a variável dependente para aproximá-la do real.
Apesar dos modelos de regressão ser possíveis recursos na elaboração de
PGV, como tem sido mostrado na literatura, verifica-se a importância de uma análise
descritiva por meio da média, desvio-padrão, teste de normalidade, entre outros que
permitem analisar o comportamento dos dados antes de iniciar a estimativa dos
modelos.
Outro problema que se pode observar é a ausência de amostras significativas
de dados, principalmente, em informações referentes ao mapeamento urbano, uma
vez que os dados disponibilizados estão em escalas pequenas e com médias a
baixas resoluções. Também há falta de elementos amostrais significativos em
regiões periféricas da área de aplicação da PVG em Monte Carmelo.
Dessa forma, com esse estudo é possível nivelar os conhecimentos técnicos
sobre métodos e uso de ferramentas para elaboração de uma PGV. E, através
deste, desenvolver novas habilidades para interpretação dos mercados imobiliários
usando ferramentas de geoprocessamento e a custos menores, de forma a
aumentar a capacidade profissional em modelar ferramentas capazes de auxiliar a
sociedade civil para efetivar a participação nas tomadas de decisões e organizar o
modo a cobrar políticas.
É importante que as informações geradas sejam inseridas em um sistema de
informação cadastral para ser utilizado na manipulação dos dados, no cálculo do
IPTU e no planejamento municipal. Para a melhoria das condições de vida da
população há que se implementar o cadastro técnico municipal que ainda não existe
na cidade de Monte Carmelo, o qual deve ser utilizado em conformidade com o
plano diretor do município e deve ser atualizado regularmente para acompanhar o
desenvolvimento urbano da cidade.
Estudos visando o estabelecimento de metodologias com melhor
embasamento técnico e científico devem ser realizados a fim de se ter uma definição
do cadastro que mais atenda às necessidades da população e que ao mesmo tempo
seja fiscalmente e socialmente justos. Ao mesmo tempo, é necessário que a
54
sociedade civil tome ciência da importância da participação nas tomadas de
decisões e se organize de modo a cobrar políticas que sejam não só tecnicamente
corretas, mas socialmente justas.
Por fim, é recomendado a utilização de uma amostra maior, uma validação
mais rigorosa dos modelos através dos testes que permitem identificar variáveis
correlacionadas, normalidade dos resíduos e multicolinearidade, utilizar maior
número de pontos de verificação que permitem a avaliação dos erros estimados
pelos modelos, e principalmente o desenvolvimento de outros modelos com o
objetivo de validar, analisar e comparar os resultados com os obtidos neste trabalho.
REFERÊNCIAS
ANTUNES, Alzir Felippe Buffara. Fundamentos de Sensoriamento Remoto em Ambiente de Geoprocessamento. 2001. Curitiba: Universidade Federal do Paraná, 2001. 78 p. Apostila. ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS - ABNT. NBR 14.653-2: Avaliação de Bens: Imóveis Urbanos. Rio de Janeiro, 2011. BRASIL. Constituição (1988). Constituição da República Federativa do Brasil. Brasília, DF: Senado Federal, 1988. BRASIL. Decreto lei n° 89.817 de 20 de junho de 1984. Estabelece as Instruções Reguladoras das Normas Técnicas da Cartografia Nacional. Diário Oficial da União, Brasília, DF, 22 jun. 1984. BRASIL. Lei n° 5.172, de 25 de outubro de 1966. Dispõe sobre o Sistema Tributário Nacional e institui normas gerais de direito tributário aplicáveis à União, Estados e Municípios. Diário Oficial da União, Brasília, DF, 31 dez. 1966. BRAULIO, Silvia Neide. Proposta de uma metodologia para a avaliação de imóveis urbanos baseado em métodos estatísticos multivariados. 2005. 158 f. Dissertação (Mestrado em Métodos Numéricos), Universidade Federal do Paraná, Curitiba, 2005. BRONDINO, Nair Cristina Margarido. Estudo da influência da acessibilidade no valor de lotes urbanos através do uso de redes neurais. 1999. 158 f. Tese (Doutorado em Engenharia Civil - Transportes) - Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 1999. CALDAS, Eduardo de Lima. Revisão da Planta Genérica de Valores. Dicas: Ideias para ação municipal, São Paulo, AA, n. 150, 2000.
55
DANTAS R. A.; PORTUGAL J. L.; PRADO J. F. Avaliação de cidades por inferência espacial: um estudo de caso para a cidade de Aracaju. In: XIII COBREAP, 8., 2006, Fortaleza/CE. Anais... Fortaleza: Congresso Brasileiro de Engenharia de Avaliações e Perícias, 2006. Disponível em: <http://leg.ufpr.br/lib/exe/fetch.php/projetos:gempi:artigos:dantas1.pdf>. Acesso: 10 abr. 2015. DIB, M. N.; ARAÚJO JÚNIOR, R.; MEIRELES, S. D. de. A Importância da Engenharia de Avaliações de Imóveis para o Tribunal de Contas do Estado do Rio de Janeiro. 2008. 87 f. (Especialização em Auditoria de Obras Públicas), Pontifícia Universidade Católica, Rio de Janeiro, 2008. DRUCK, S. et. al. Análise Espacial de Dados Geográficos. Brasília, EMBRAPA, 2004. FIGUEIREDO, Divino. Conceitos Básicos de Sensoriamento Remoto. 2005. Brasília/DF: Companhia Nacional de Abastecimento - CONAB. 2005. 30 p. Apostila. GONZÁLEZ, M. A. S.; FORMOSO, C. T. Análise conceitual das dificuldades na determinação de modelos de formação de preços através de análise de regressão. Revista Engenharia Civil, Guimarães, ano 5, n. 8, p. 65 – 75, mai. 2000. INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA - IBGE. Cidades. 2010. LOCK, Carlos. Cadastro técnico multifinalitário e gestão territorial. In: CONGRESSO BRASILEIRO DE EDUCAÇÃO EM ENGENHARIA, 29., 2001, Porto Alegre/RS. Anais... Porto Alegre: Associação Brasileira de Educação de Engenharia, 2001. Disponível em: < http://www.pp.ufu.br/Cobenge2001/trabalhos/EMA023.pdf>. Acesso em: 19 abr. 2015. MALAMAN, C. S.; AMORIM, A. Utilização de softwares livres no cadastro técnico multifinalitário de pequenos municípios. In: SIMPÓSIO BRASILEIRO DE CIENCIAS GEODÉSICAS E TECNOLOGIAS DA GEOINFORMAÇÃO, 3., 2010, Recife/PE. Anais... Recife: Universidade Federal de Pernambuco, 2010. Disponível em: <https://www.ufpe.br/cgtg/SIMGEOIII/IIISIMGEO_CD/artigos/Cad_Geod_Agrim/Cadastro/R_172.pdf>. Acesso em 21 jun. 2015. MICHAEL, R. Avaliação em massa de imóveis com uso de inferência estatística e análise de superfície de tendência. 2004. 91 f. Dissertação (Mestrado em Engenharia Civil), Universidade Federal de Santa Catarina, Florianópolis, 2004. MÖLLER, L. F. C.; HOCHHEIM, N. IPTU: quanto uma cidade pode cobrar? In: XIII COBREAP, 8., 2006, Fortaleza/CE. Anais... Fortaleza: Congresso Brasileiro de Engenharia de Avaliações e Perícias, 2006. Disponível em: <http://www.mrcl.com.br/xiiitrabalhos/32a.pdf>. Acesso: 10 mar. 2015. MONTE CARMELO. Lei nº 082/97 de 30 de dezembro de 1997. Dispõe sobre o novo sistema tributário no Município, as normas complementares de Direito Tributário a ela relativas e disciplina as atividades administrativas do Fisco Municipal.
56
MOURA, E. M. de; CARNEIRO, A. F.T. Planta de valores para municípios de pequeno porte: o caso de Salgadinho–PE. In: I SIMPÓSIO DE CIÊNCIAS GEODÉSICAS E TECNOLOGIAS DA GEOINFORMAÇÃO, 1., 2004, Recife/PE. Anais... Recife: Universidade Federal de Pernambuco - Departamento de Engenharia Cartográfica, 2004. Disponível em: <https://www.ufpe.br/cgtg/ISIMGEO/CD/>. Acesso em: 10 jun. 2015. OLIVEIRA, M. A. F. de et al. Avaliação do Padrão de Exatidão Cartográfica de imagens Quickbird e RapidEye em uma área do Tapajós, Pará. In: XVII SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 17., 2015, João Pessoa/PB. Anais... João Pessoa: Instituto Nacional de Pesquisas Espaciais – Departamento de Sensoriamento Remoto, 2015. Disponível em: <http://www.dsr.inpe.br/sbsr2015/files/p1727.pdf>. Acesso em: 10 jun. 2015. RAMPAZZO, Denise Rosa. Consequências da desatualização da Planta de Valores Genéricos de Curitiba. Revista Especialize, Goiânia, mai. 2012. Disponível em: <http://www.ipog.edu.br/uploads/arquivos/4e5c8084f85d4a57f69855e64ce55411.pdf>. Acesso em: 04 mar. 2015. RAPIDEYE SATELLITE IMAGERY. Satellite Imagery Product Specifications: version 6.1. Blackbridge, abril 2015. 48 p. Disponível em: <http://blackbridge.com/rapideye/upload/RE_Product_Specifications_ENG.pdf>. Acesso em: 18 abr. 2015. SICONFI. Contas anuais. In: Brasil. Secretaria do Tesouro Nacional. Siconfi: Sistema de informações contábeis e fiscais do setor público brasileiro. Brasília, DF, 2015. Disponível em: <https://siconfi.tesouro.gov.br/siconfi/pages/public/conteudo/conteudo.jsf?id=362> Acesso em: 17 jul. 2015.
57
APÊNDICE A – Pontos coletados no terreno
TERRENO
Ponto Lat.(S) Long. (W) E(m) N(m)
TCC 01 18° 44' 57.85193" 0,049 47°28'33.05674” 0,036 238964,654 7925086,517
TCC 02 18° 44' 22.48775" 0,002 47° 28' 52.18622” 0,002 238388,986 7926166,439
TCC 04 18° 43' 55.85696" 0,002 47° 29' 16.51985" 0,002 237664,500 7926975,603
TCC 05 18° 44' 28.49427" 0,002 47° 29' 20.71552" 0,002 237555,565 7925970,035
TCC 07 18° 43' 33.64456" 0,003 47° 29' 18.63623" 0,002 237592,946 7927657,942
TCC 08 18° 42' 58.33088" 0,004 47° 29' 14.28432" 0,004 237705,338 7928745,890
TCC 09 18° 43' 11.80220" 0,004 47° 29' 24.51782" 0,003 237411,203 7928327,359
TCC 10 18° 43' 05.15856" 0,062 47° 29' 40.50250" 0,048 236939,886 7928525,159
TCC 11 18° 43' 53.00340" 0,003 47° 29' 44.51078" 0,002 236843,006 7927051,909
TCC 12 18° 43' 50.90069" 0,003 47° 30' 05.53892" 0,002 236225,870 7927107,949
TCC 13 18° 44' 02.87900" 0,003 47° 30' 04.55145" 0,003 236259,977 7926739,926
TCC 14 18° 44' 37.66339" 0,004 47° 30' 15.80869" 0,002 235945,122 7925665,392
TCC 15 18° 44' 14.31782" 0,006 47° 30' 31.00824" 0,003 235489,623 7926377,195
TCC 16 18° 44' 09.49852" 0,008 47° 31' 04.01870" 0,005 234520,185 7926511,789
TCC 17 18° 44' 10.14757" 0,008 47° 29' 00.86259" 0,005 238129,452 7926542,454
TCC 18 18° 44' 28.81812" 0,008 47° 29' 38.94910" 0,012 237021,403 7925952,604
TCC 19 18° 44' 16.17596" 0,005 47° 29' 53.30936" 0,003 236595,152 7926335,557
TCC 20 18° 44' 30.11350" 0,005 47° 30' 55.64310" 0,004 234774,577 7925881,172
TCC 21 18° 44' 03.26129" 0,008 47° 30' 31.40604" 0,003 235473,180 7926717,109
TCC 22 18° 43' 24.48022" 0,007 47° 31' 02.81869" 0,007 234535,802 7927896,974
TCC 23 18° 43' 10.33333" 0,008 47° 31' 09.81529" 0,004 234324,610 7928329,213
TCC 24 18° 43' 19.00409" 0,005 47° 30' 40.83663" 0,003 235177,650 7928074,490
TCC 25 18° 42' 55.53491" 0,003 47° 30' 30.07833" 0,006 235482,792 7928800,795
TCC 26 18° 43' 19.95934" 0,004 47° 30' 13.41721" 0,004 235981,636 7928056,404
TCC 27 18° 43' 36.40542” 0,005 47° 30' 29.95057” 0,003 235504,212 7927543,747
TCC 28 18° 43' 37.01596” 0,003 47° 29' 45.47801” 0,003 236807,779 7927543,253
TCC 29 18° 43' 14.58308" 0,005 47° 29' 55.70343" 0,003 236498,450 7928229,046
TCC 30 18° 43' 09.62500" 0,005 47° 30' 09.67898" 0,004 236086,732 7928375,806
TCC 31 18° 42' 33.24713" 0,007 47° 29' 51.71397" 0,005 236597,573 7929502,091
TCC 32 18° 42' 27.52952" 0,007 47° 29' 38.31508" 0,005 236987,820 7929683,443
TCC 33 18° 42' 03.41032" 0,008 47° 29' 42.67576" 0,006 236849,646 7930423,512
TCC 34 18° 41' 54.07423" 0,009 47° 29' 42.47441" 0,007 236851,536 7930710,752
58
APÊNDICE B – Pontos obtidos através da carta
CARTA
Ponto Lat.(S) Long.(W) E(m) N(m)
TCC 01 18°44’58,79” 47°28’27,03” 238961,647 7925082,118
TCC 02 18°44’22,56” 47°28’52,18” 238389,200 7926164,219
TCC 04 18°43’55,95” 47°29’16,54” 237663,949 7926972,733
TCC 05 18°44’28,77” 47°29’20,79” 237553,501 7925961,523
TCC 07 18°43’33,66” 47°29’18,64” 237592,842 7927657,465
TCC 08 18°42’58,36” 47°29’14,3” 237704,891 7928744,988
TCC 09 18°43’11,83” 47°29’24,52” 237411,151 7928326,503
TCC 10 18°43’5,19” 47°29’40,48” 236940,559 7928524,201
TCC 11 18°43’53,04” 47°29’44,52” 236846,157 7926737,32
TCC 12 18°43’50,96” 47°30’5,53” 236226,157 7927106,128
TCC 13 18°44’7,3” 47°30’6,07” 236257,385 7926603,320
TCC 14 18°44’37,68” 47°30’15,83” 235944,505 7925664,873
TCC 15 18°44’14,39” 47°30’30,96” 235491,068 7926374,994
TCC 16 18°44’9,52” 47°31’04,02” 234520,156 7926511,128
TCC 17 18°44’9,92” 47°29’0,95” 238126,793 7926549,417
TCC 18 18°44’28,98” 47°29’38,91” 237022,619 7925947,641
TCC 19 18°44’16,21” 47°29’53,3” 236595,441 7926334,514
TCC 20 18°44’30,13” 47°30’55,64” 234771,02 7925880,666
TCC 21 18°44’3,28” 47°30’31,35” 235474,830 7926716,557
TCC 22 18°43’24,52” 47°31’02.3” 234551,020 7927895,965
TCC 23 18°43’10,37” 47°31’09,82” 234324,488 7928328,084
TCC 24 18°43’19,03” 47°30’40,83” 235177,855 7928073,696
TCC 25 18°42’55,57” 47°30’30,05” 235483,638 7928799,727
TCC 26 18°43’20,00” 47°30’13,43” 235981,279 7928055,148
TCC 27 18°43’36,53” 47°30’29,93” 235504,869 7927539,923
TCC 28 18°43’37,06” 47°29’45,49” 236807,446 7927541,893
TCC 29 18°43’14,60” 47°29’55,70” 236498,558 7928228,527
TCC 30 18°43’9,65” 47°30’09,68” 236086,712 7928375,036
TCC 31 18°42’33,28” 47°29’51,73” 236597,117 7929501,074
TCC 32 18°42’27,54” 47°29’38,32” 236987,681 7929683,119
TCC 33 18°42’3,56” 47°29’42,67” 236849,879 7930418,910
TCC 34 18°41’54,09 47°29’42,46” 236851,965 7930710,273
59
APÊNDICE C – Dados Amostrais
Bairro Rua Número Valor IPTU
(R$)
Lat. S Long. W
01 Santo
Agostinho
Rua Inca 291 20,16 18° 42’ 31,04” 47° 29’ 41,58”
02 Santo
Agostinho
Rua Azteca 320 21,04 18° 42’ 03,31” 47° 29’ 47,68”
03 Santo
Agostinho
Rua Riachuelo 1220 61,98 18° 42’ 43,22” 47° 29’ 52,84”
04 Santa Rita Rua Gilardi Pena 361 93,00 18° 42’ 14,68” 47° 30’ 00,03”
05 Santa Rita Rua Silvio Macedo 370 26,65 18° 42’ 24,09” 47° 29’58,74”
06 Santa Rita Avenida José
Scarpeline
332 57,13 18° 42’ 27,96” 47° 29’ 52,98”
07 Santa Rita Avenida Santa Rita
de Cássia
210 51,75 18° 42’ 18,18” 47° 29’ 54,69”
08 Residencial
Lambari
Rua São Luiz 270 13,97 18° 42’ 48,27” 47° 30’ 29,51”
09 Residencial
Lambari
Rua Dona
Veríssima
224 258,84 18° 43’ 15,10” 47° 30’ 00,42”
10 Residencial
Lambari
Rua Paulo
Resende
36 190,99 18° 43’ 24,14” 47° 29’ 55,12,”
11 Residencial
Lambari
Rua Bananal 299 63,50 18° 43’ 12,84” 47° 30’ 20,13”
12 Lagoinha Rua F 830 148,62 18° 43’ 15,07” 47° 30’ 39,21”
13 Lagoinha Rua São Carlos 50 108,14 18° 43’ 07,95” 47° 30’ 31,88”
14 Lagoinha Rua São João da
Cruz
665 177,96 18° 43’ 11,38” 47° 30’ 30,29”
15 Lagoinha Rua São Bento 559 128,94 18° 43’ 13,40” 47° 30’ 28,24”
16 Lagoinha Avenida Brasil
Norte
819 99,65 18° 43’ 16,79” 47° 30’ 31,96”
17 Lagoinha Rua Marujo 330 87,68 18° 43’ 05,37” 47° 30’ 31,80”
18 Boa Vista Rua Formosa 284 109,87 18° 43’ 25,51” 47° 30’ 13,50”
19 Boa Vista Rua Pirapetinga 359 71,53 18° 43’ 20,06” 47° 30’ 07,51”
20 Boa Vista Rua Odilon
Rodrigues de
Oliveira
483 109,37 18° 43’ 19,86” 47° 30’ 11,64”
21 Boa Vista Avenida Paranaíba 360 88,19 18° 43’ 28,04” 47° 30’ 08,80”
22 Boa Vista Rua Jales Machado
Siqueira
47 112,91 18° 43’ 29,14” 47° 30’ 02,06”
60
23 Boa Vista Rua G 540 69,11 18° 43’ 18,46” 47° 30’ 14,91”
24 Boa Vista
(lote)
Rua Paulo
Resende
S/N 39,05 18° 43’ 24,20” 47° 29’ 55,60”
25 Centro Rua Piacas 188 71,25 18° 43’ 31,99” 47° 30’ 01,36”
26 Centro Rua Uberaba 12 112,18 18° 44’ 00,78” 47° 30’ 12,80”
27 Centro Avenida Belo
Horizonte
25 481,97 18° 43’ 50,60” 47° 30’ 04,40”
28 Centro Avenida Dona
Clara
325 215,32 18° 43’ 48,16” 47° 29’ 54,24”
29 Catulina Rua L 800 74,21 18° 43’ 13,53” 47° 30’ 39,20”
30 Catulina Rua A 821 86,55 18° 43’ 13,90” 47° 30’ 49,50”
31 Catulina Rua L 1020 153,27 18° 43’ 12,20” 47° 30’ 43,73”
32 Catulina Rua B 790 91,39 18° 43’ 14,29” 47° 30’ 47,23”
33 Catulina Rua D 521 57,26 18° 43’ 24,52” 47° 30’ 46,76”
34 Catulina Rua E 997 103,41 18° 43’ 09,70” 47° 30’ 39,40”
35 Bairro do
Trevo
Rua Guiana 892 44,70 18° 43’ 08,49” 47° 30’ 59,28”
36 Bairro do
Trevo
Rua Venezuela 851 76,11 18° 43’ 13,84” 47° 30’ 58,02”
37 Bairro do
Trevo
Rua Colômbia 560 44,57 18° 43’ 18,00” 47° 30’ 57,39”
38 Bairro do
Trevo
Rua Peru 84 31,00 18° 43’ 22,09” 47° 30’ 59,25”
39 Bairro do
Trevo
Rua Argentina 635 233,06 18° 43’ 15,99” 47° 30’ 55,40”
40 Bairro do
Trevo
Rua Uruguai 785 99,35 18° 43’ 10,80” 47° 30’ 56,33”
41 Bairro do
Trevo
Rua Paraguaia 682 19,93 18° 43’ 11,57” 47° 30’ 58,82”
42 Bairro do
Trevo (lote)
Rua Colômbia S/N 44,57 18° 43’ 17,80” 47° 30’ 59,60”
43 Cidade
Jardim
Rua Independência 660 116,55 18° 43’ 29,91” 47° 30’ 39,36”
44 Cidade
Jardim
(lote)
Rua Inconfidência S/N 59,42 18° 43’ 33,40” 47° 30’ 54,30”
45 Morada
Nova (lote)
Rua Vinte Um de
Abril
S/N 59,42 18° 43’ 36,60” 47° 30’ 36,60”
46 Morada Rua Vinte Um de 700 103,42 18° 43’ 34,90” 47° 30’ 36,30”
61
Nova Abril
47 Morada
Nova
Rua Brasil Oeste 340 90,66 18° 43’ 32,38” 47° 30’ 34,58”
48 Morada
Nova
Rua Vitória 451 90,27 18° 43’ 35,14” 47° 30’ 27,34”
49 Morada
Nova
Avenida Quatro 189 75,08 18° 43’ 32,05” 47° 30’ 23,91”
50 Morada
Nova
Avenida Três 76 58,62 18° 43’ 32,10” 47° 30’ 20,88”
51 Bairro do
Carmo
Rua Lira Rodrigues
de Jesus
320 127,48 18° 43’ 42,04” 47° 30’ 15,76”
52 Bairro do
Carmo
Rua B 60 62,56 18° 43’ 37,13” 47° 30’ 15,11”
53 Bairro do
Carmo
Rua A 51 72,84 18° 43’ 36,76” 47° 30’ 13,74”
54 Bairro do
Carmo
Avenida Três 4 145,32 18° 43’ 35,13” 47° 30’ 10,74”
55 Bairro do
Carmo
Rua H 230 125,80 18° 43’ 39,50” 47° 30’ 24,50”
56 Bairro do
Carmo
Rua F 71 145,37 18° 43’ 37,21” 47° 30’ 20,29”
57 Jardim
Zeni
Avenida Quinta 145 136,24 18° 44’ 09,81” 47° 30’ 37,38”
58 Jardim
Zeni
Avenida Quinta 235 184,72 18° 44’ 07,45” 47° 30’ 44,99”
59 Vila
Dourada
Rua Rio Doce 440 66,72 18° 43’ 13,94” 47° 29’ 24,90”
60 Vila
Dourada
Rua Alferes Elzébio 495 146,32 18° 43’ 23,80” 47° 29’ 30,90”
61 Vila
Dourada
Rua Rio Claro 91 54,45 18° 43’ 20,40” 47° 29’ 28,20”
62 Vila
Dourada
Rua Rio Claro 130 112,20 18° 43’ 20,70” 47° 29’ 27,70”
63 Vila
Dourada
Rua México 126 89,55 18° 43’ 20,30” 47° 29’ 16,80”
64 Belo
Horizonte
Rua Brasília 95 42,21 18° 43’ 37,20” 47° 29’ 25,20”
65 Belo
Horizonte
Rua Alferes Elzébio S/N 105,77 18° 43’ 26,28” 47° 29’ 30,20”
62
(lote)
66 Belo
Horizonte
Avenida Dona
Clara
1380 96,53 18° 43’ 51,15” 47° 29’ 18,40”
67 Triângulo Rua Petrina 479 145,85 18° 44’ 08,91” 47° 30’ 30,74”
68 Triângulo Rua Duarte da
Costa
1040 227,91 18° 44’ 00,54” 47° 30’ 31,82”
69 Triângulo Rua Tomé de
Souza
550 223,80 18° 43’ 59,56” 47° 30’ 26,69”
70 Virgílio
Rosa
Rua dos
Mamoeiros
439 39,39 18° 44’ 17,70” 47° 30’ 30,98”
71 Batuque Rua José Soares 55 514,09 18° 43’ 56,40” 47° 30’ 08,45”
72 Batuque Rua Álvaro
Cardoso
210 415,24 18° 44’ 04,11” 47° 30’ 01,98”
73 Batuque Rua Matusalém
Cardoso
65 319,26 18° 44’ 11,96” 47° 30’ 04,96”
74 Batuque Rua Dom Pedro II 185 255,16 18° 44’ 01,35” 47° 30’ 01,20”
75 Batuque Rua José Soares 452 326,11 18° 44’ 01,15” 47° 29’ 56,24”
76 Batuque Rua Joaquim Pinto 93 339,76 18° 43’ 58,67” 47° 29’ 58,10”
77 Batuque Avenida Eng,
Heládio Simões
162 277,64 18° 43’ 59,28” 47° 30’ 03,28”
78 Batuque Rua Estrela do Sul 147 348,36 18° 43’ 55,51” 47° 29’ 58,24”
79 Batuque Rua Três Pontes 550 111,61 18° 44’ 14,63” 47° 29’ 50,12”
80 Batuque Rua Osvaldo
Garcia
352 294,14 18° 44’ 12,11” 47° 29’ 52,56”
81 Batuque Avenida Romualdo
Resende
637 410,37 18° 44’ 00,29” 47° 29’ 49,15”
82 Batuque Rua Dom Pedro II 330 161,01 18° 44’ 03,36” 47° 29’ 56,53”
83 Batuque Avenida Eng,
Heládio Simões
233 232,34 18° 44’ 01,68” 47° 30’ 03,69”
84 Campestre
(lote)
Rua São Joaquim S/N 5,83 18° 43’ 05,17” 47° 29’ 30,43”
85 Nossa
Senhora de
Fátima
Rua Espírito Santo 495 280,97 18° 44’ 02,51” 47° 29’ 29,55”
86 Nossa
Senhora de
Fátima
Rua Coronel
Virgílio Rosa
348 48,84 18° 44’ 02,00” 47° 29’ 31,10”
87 Nossa
Senhora de
Rua Mato Grosso 716 97,48 18° 44’ 09,37” 47° 29’ 28,54”
63
Fátima
88 Nossa
Senhora de
Fátima
Rua Mato Grosso 940 189,87 18° 44’ 16,40” 47° 29’2 9,30”
89 Nossa
Senhora de
Fátima
Rua Mato Grosso 1000 129,30 18° 44’ 17,80” 47° 29’ 28,90”
90 Nossa
Senhora de
Fátima
Rua Mato Grosso 990 135,88 18° 44’ 17,50” 47° 29’ 28,90”
91 Nossa
Senhora de
Fátima
Rua Mato Grosso 960 55,32 18° 44’ 17,10” 47° 29’ 29,10”
92 Nossa
Senhora de
Fátima
Avenida Romualdo
Resende
1700 152,06 18° 44’ 12,70” 47° 29’ 12,20”
93 Nossa
Senhora de
Fátima
Avenida Romualdo
Resende
1629 170,75 18° 44’ 12,68” 47° 29’ 12,68”
94 Aeroporto Rua Rio Claro 210 136,55 18° 43’ 21,90” 47° 29’ 24,00”
95 Aeroporto Rua Rio Negro 217 36,34 18° 43’ 22,20” 47° 29’ 24,40”
96 Aeroporto Rua Bueno Aires 115 36,07 18° 43’ 24,00” 47° 29’ 21,40”
97 Aeroporto Rua México 850 51,88 18° 43’ 26,90” 47° 29’ 16,30”
98 Aeroporto Rua Álvaro
Cardoso de Oliveira
590 92,82 18° 44’ 09,10” 47° 29’ 46,30”
99 Aeroporto Rua Abadia dos
Dourados
351 30,46 18° 43’ 21,90” 47° 29’ 15,50”
100 Jardim
Ipiranga
Rua Lambari 221 77,83 18° 43’ 16,24” 47° 29’ 16,90”
101 Planalto Rua Guaianases 250 131,95 18° 43’ 09,89” 47° 30’ 26,74”
64
APÊNDICE D – Caracterização das Amostras
IPTU In Dd Dv Ac So To Se
1 20,16 33,52691 66,74014 292,8095 2 1 8,20258 2
2 21,04 107,26711 54,598 124,91 3 1 5,55252 2
3 61,98 70,82843 22,2132 378,78 2 1 8,71098 2
4 93 152,24265 81,11273 218,584 2 1 4,24269 2
5 26,65 148 67,72792 272,2703 3 1 6,30901 2
6 57,13 109,89452 45,42641 283,9516 3 1 7,95146 2
7 51,75 122 53,18378 227,1575 2 1 7,09241 2
8 13,97 286 81,69852 405,0448 2 1 4,06399 8
9 258,84 112 100,2132 565,2531 2 1 2,87826 7
10 190,99 87,82843 80,81121 622,5374 3 1 6,09834 7
11 63,5 226,72792 33,11269 571,111 2 1 6,365 8
12 148,62 341,41422 110,5392 463,9099 3 1 2,24164 8
13 108,14 292 98,31372 487,6845 3 1 1,92534 8
14 177,96 284,41422 90,79899 506,7972 3 1 6,08993 8
15 128,94 276 83,18377 525,182 3 1 4,95169 8
16 99,65 298 112,8823 512,8805 2 1 0,77328 9
17 87,68 291,41422 103,527 482,4713 2 1 2,71882 8
18 109,87 196,41422 105,6274 594,0521 2 1 2,65729 8
19 71,53 158 85,8823 617,5374 2 1 0,50804 8
20 109,37 181 74,35538 632,78 2 1 5,81797 8
21 88,19 171,82843 133,2255 577,2236 2 1 2,56397 8
22 112,91 135,48529 133,8235 575,3242 2 1 0,92123 8
23 69,11 198,41422 59,89951 616,6085 2 1 5,1258 8
24 39,05 90,41422 83,22543 620,9516 3 1 6,09834 7
25 71,25 137,35535 135,6935 573,4541 2 1 3,38436 8
26 112,18 195,74742 325,527 572,2531 2 1 11,49821 11
27 481,97 165,41422 253,049 616,1232 2 1 9,53437 12
28 215,32 105 210,7818 598,6379 2 1 2,71339 12
29 74,21 341 102,5392 460,5962 2 1 2,05509 8
30 86,55 400 85,89951 402,4247 2 1 0,82872 8
31 153,27 365,89948 83,35538 430,2825 2 1 5,49262 8
32 91,39 389 87,65686 414,6673 2 1 3,38423 8
33 57,26 391 138,4265 415,111 2 1 2,18263 8
34 103,41 336 78,12493 449,6551 2 1 6,92125 8
35 44,7 452 86,2965 434,66 3 1 3,02476 8
36 76,11 451 73,49751 441,1575 2 1 1,85109 8
65
37 44,57 448,41422 66,72794 447,9271 2 1 0,65361 8
38 31 463 57,79901 468,4541 2 1 2,79986 8
39 233,06 437 83,11273 431,5423 2 1 6,13818 8
40 99,35 436 83,8823 422,8732 3 1 6,14172 8
41 19,93 451,07108 75,88229 438,7727 3 1 3,34559 8
42 44,57 460 55,14215 459,5129 2 1 1,03093 8
43 116,55 356,79898 188,6053 446,2703 2 1 1,48332 9
44 59,42 357,19601 218,2916 445,8733 2 1 1,96869 9
45 59,42 454,74014 118,9656 443,0104 2 1 2,07117 9
46 103,42 354,29651 211,2916 448,7728 3 1 1,53942 9
47 90,66 335,42642 187,7352 467,6429 2 1 0,61682 9
48 90,27 298,46808 186,5098 499,9149 2 1 1,5056 9
49 75,08 271,18378 158,6397 527,785 2 1 3,2163 9
50 58,62 253,59799 152,1838 534,2408 2 1 6,40843 9
51 127,48 235 203,6569 562,3831 2 1 2,62927 9
52 62,56 228,19601 173,1422 546,5252 2 1 3,8439 9
53 72,84 223,19601 175,2132 551,5252 2 1 2,05469 9
54 145,32 201,63965 171,2549 563,9688 2 1 2,92175 9
55 125,8 287 205,4681 511,785 2 1 3,69694 9
56 145,37 262,43866 181,527 521,1992 2 1 1,88839 9
57 136,24 304,84796 385,6298 519,5252 2 1 3,82921 10
58 184,72 356,06119 351,9901 558,312 2 1 3,62004 10
59 66,72 96 123,527 490,1281 3 1 1,70563 6
60 146,32 54 93,32596 550,981 3 1 6,91853 6
61 54,45 74 100,6274 526,2825 2 1 4,22073 6
62 112,2 77,82843 105,4559 523,111 2 1 3,23552 6
63 89,55 142 168,6274 458,2825 2 1 4,45905 6
64 42,21 63 162,8529 501,4369 3 1 6,16655 5
65 105,77 57,41422 106,3676 552,0227 3 1 4,66542 6
66 96,53 106 107,598 469,9738 2 1 2,26145 5
67 145,85 267,33325 396,1984 477,0399 3 1 11,38126 10
68 227,91 298,28665 339,4705 476,2409 3 1 5,48597 11
69 223,8 270,11502 334,4387 509,7262 3 1 4,00505 11
70 39,39 245,96564 446,6569 490,4663 2 1 4,49925 10
71 514,09 190,50478 299,1617 609,6085 2 1 10,48149 12
72 415,24 131,10774 314,6936 578,1821 2 1 4,97468 12
73 319,26 117,9656 310,8113 532,9271 3 1 4,10781 12
74 255,16 137,17882 311,3504 590,2237 3 1 2,02098 12
75 326,11 109,58081 288,9779 620,4663 2 1 5,41072 12
66
76 339,76 126,37982 286,8946 613,6085 2 1 4,75765 12
77 277,64 156,13721 302,7352 582,8389 2 1 2,70632 12
78 348,36 131 269,3088 605,1527 2 1 4,8994 12
79 111,61 33,52691 215,7696 532,4957 3 1 2,12283 12
80 294,14 56,56856 238,8113 556,1232 3 1 3,44899 12
81 410,37 74,12493 250,049 609,5374 2 1 1,67667 12
82 161,01 105,36761 284,7647 605,8095 2 1 4,26723 12
83 232,34 150,90675 319,3921 572,8095 3 1 2,27668 12
84 5,83 70,41422 114,8945 471,8144 3 1 7,20596 6
85 280,97 36,41422 140,6225 497,6723 2 1 3,50995 4
86 48,84 25 146,1788 506,7434 3 1 2,25267 4
87 97,48 56,08328 106,6813 466,1698 3 1 1,24466 4
88 189,87 80,19601 91,45587 450,9443 2 1 1,00056 4
89 129,3 86,85287 86,14215 445,6306 2 1 1,94833 4
90 135,88 86,26707 86,55637 446,0448 2 1 1,94833 4
91 55,32 84,43865 88,55637 448,0448 3 1 1,94833 4
92 152,06 161,36761 48,62743 555,2947 2 1 2,35602 4
93 170,75 157,9534 48,38479 552,709 3 1 3,10753 4
94 136,55 96,82843 129,7696 505,4247 3 1 6,29341 6
95 36,34 94 128,598 508,2531 2 1 5,79252 6
96 36,07 111,24265 151,1544 494,8095 2 1 0 6
97 51,88 138,24265 159,0367 471,0227 3 1 2,129 5
98 92,82 30,04163 209,4387 557,2114 3 1 7,64484 12
99 30,46 147,24265 179,3554 455,0104 2 1 3,17422 6
100 77,83 142 165,1422 448,5129 3 1 7,89725 6
101 131,95 262 65,65685 523,655 3 1 4,90482 8
67
ANEXO A – Fator de Esquina (E)
0 – Uma testada.................................................1,0 1 – Duas testadas..............................................1,1 2 – Três testadas................................................1,2 3 – Quatro testadas ou mais..............................1,3 4 – Encravado.....................................................0,8
68
ANEXO B – Fator Topográfico e Pedológico (C)
Fator Topográfico: 0 – Plano..............................................................................1,0 1 – Aclive..............................................................................0,9 2 – Declive............................................................................0,8 3 – Topografia ou dimensões irregulares.............................1,3 Fator Pedológico: 0 – Normal...............................................................................1,0 1 – Alagado.............................................................................0,6 2 – Inundável...........................................................................0,7 3 – Rochoso............................................................................0,7 4 – Arenoso.............................................................................0,6
C = Fator Topográfico x Fator Pedológico
69
ANEXO C – Valor m² Edificado (Vm²TI)
Tipo de edificação Valor m² Edificado Casa/Sobrado......................................................................................R$250,00 Apartamento.........................................................................................R$300,00 Telheiro/Madeira...................................................................................R$40,00 Galpão..................................................................................................R$70,00 Indústria................................................................................................R$70,00 Loja.......................................................................................................R$150,00 Especial.................................................................................................R$250,00
70
ANEXO D – Coeficiente de avaliação da categoria por tipo de edificação (CAT)
Quadro de pontos por categoria
Gabarito para avaliação da categoria por tipo de edificação CASA/
SOBRADO APARTAMENTO TELHEIRO GALPÃO INDÚSTRIA LOJA ESPECIAL
REVESTIMENTO
EXTERNO
Sem revestimento 0 0 0 0 0 0 10
Emboco/reboco 5 5 0 9 8 20 16
Óleo/Látex 19 16 0 15 11 23 18
Caiação 5 5 0 12 10 21 20
Madeira 21 19 0 19 12 26 22
Cerâmica 21 19 0 19 13 27 23
Especial 27 24 0 20 14 28 26
PISOS
Terra batida 0 0 0 0 0 0 0
Cimento 3 3 10 14 12 20 10
Cerâmica/
Mosaico 8 9 20 18 16 25 20
Tábuas 4 7 15 16 14 25 19
Taco 18 9 20 18 15 25 20
Material plástico -
Taco 18 18 27 19 16 26 20
Especial 19 19 29 20 17 27 21
FORRO
Inexistente 0 0 0 0 0 0 0
Madeira 2 3 2 4 4 2 3
Estuque 3 3 3 4 3 2 3
Laje 3 4 3 5 5 3 3
Chapas 3 4 3 5 3 3 3
COBERTURA
Palha/ Zinco/
Cavaco 1 0 4 3 0 0 0
Fibrocimento/
Metálica 5 2 20 11 10 3 3
Telha/ Cerâmica 3 2 15 9 8 3 3
Laje 7 3 28 13 11 4 3
Especial 9 4 35 16 12 4 3
INSTALAÇÃO
71
SANITÁRIA
Inexistente 0 0 0 0 0 0 0
Externa 2 2 1 1 1 1 1
Interna Simples 3 3 1 1 1 1 1
Interna Completa 4 4 2 2 1 2 2
Mais de uma
interna 5 5 2 2 2 2 2
ESTRUTURA
Concreto 23 28 12 30 36 24 26
Alvenaria 10 15 8 20 30 20 22
Madeira 3 18 4 20 20 10 20
Metálica 25 30 12 33 42 26 28
INSTALAÇÃO
ELÉTRICA
Inexistente 0 0 0 0 0 0 0
Aparente 6 7 9 3 6 7 15
Embutida 12 14 19 4 8 10 17
72
ANEXO E – Coeficiente de avaliação do estado de conservação do imóvel (C)
CONSERVAÇÃO DA EDIFICAÇÃO COEFICIENTE DE EDIFICAÇÃO
Nova/Ótima 1,00
Bom 0,90
Regular 0,70
Mau 0,60
Péssima 0,40
73
ANEXO F – Coeficiente de avaliação de subtipos (ST)
CARACTERIZAÇÃO POSIÇÃO SIT. CONST. FACHADA VALOR
Casa/ Sobrado
Isolada
Geminada
Conjugada
Frente
Fundos
Frente
Fundos
Frente
Fundos
Alinhada
Recuada
Qualquer
Alinhada
Recuada
Qualquer
Alinhada
Recuada
Qualquer
0,90
1,00
0,80
0,80
0,90
0,60
0,80
0,90
0,70
Apartamento
Qualquer
Frente
Fundos
Alinhada
Recuada
Qualquer
0,90
1,00
0,80
Loja
Qualquer Frente
Fundos
Alinhada
Recuada
1,00
1,00
74
Qualquer 1,00
Talheiro Qualquer Qualquer Qualquer 1,00
Galpão Qualquer Qualquer Qualquer 1,00
Indústria Qualquer Qualquer Qualquer 1,00
Especial Qualquer Qualquer Qualquer 1,00
Top Related