摘要：Em 2010, o Governo Federal criou a Política Nacional de Resíduos Sólidos (PNRS), Lei 12.305/2010 (Brasil, 2010a), a respeito da gestão e do gerenciamento adequado dos resíduos sólidos no Brasil. Em 2012, o Município de Campo Grande, Estado de Mato Grosso do Sul, criou a Lei Complementar 209/2012 (Campo Grande, 2012), que instituiu o Código Municipal de Resíduos Sólidos e tratou da limpeza urbana e de diretrizes sobre o gerenciamento de seus resíduos sólidos. A Lei Complementar definiu o que são Grandes Geradores de Resíduos Sólidos determinou suas responsabilidades, sendo, então, necessária a identificação desses locais. O presente trabalho utilizou de ferramentas de geoprocessamento para identificação e análise desses locais. Foram obtidos o mapa de densidade de possíveis Grandes Geradores e mapas de intensidade de resíduos gerados através de dois diferentes interpoladores, que foram comparados com uma lista tabelada do Índice de Qualidade de Vida (IQV) de cada bairro do município. A utilização do geoprocessamento mostrou-se eficiente, sendo possível identificar os prováveis locais dos Grandes Geradores. Também foi possível observar que esses locais coincidiram com bairros com altos valores de IQV. Assim, o poder público pode fazer uso dessa ferramenta para identificar, monitorar e fiscalizar esse tipo de estabelecimento.
其他摘要：The Brazilian Federal Government created in 2010 the National Policy of Solid Waste (PNRS), Law 12305/2010,
about the adequate solid waste management in the country. In 2012, the prefecture of Campo Grande, state of Mato
Grosso do Sul, created the Complementary Law 209/2012 (Campo Grande, 2012), the Municipal Code of Solid Waste,
about the urban cleaning and the municipal solid waste management guidelines. The Complementary Law defined what
is a Great Generator of Solid Waste and determined its responsibilities, being necessary then to identify them. The present
work used geoprocessing tools to identify and analyze those generators. A density map with possible generators
was created, together with an intensity map about the produced waste using two different interpolation methods, which
was compared to a list with the Quality Life Index (IQV) of the neighborhoods in the city. The use of geoprocessing
proved efficient and potential Great Generators were identified. It was also possible to verify that those locals coincided
to neighborhoods with elevated IQVs. Therefore, the local government may use this tool to identify and monitor the
establishments categorized as Great Waste Generators.
