Академический Документы
Профессиональный Документы
Культура Документы
1 INTRODUÇÃO .........................................................................................................7
2.4.5 Imagens......................................................................................................21
4.4.3 Geo-Campo................................................................................................78
4.4.5 Relacionamentos........................................................................................83
INTRODUÇÃO
Gilberto Câmara
Clodoveu Davis
1
No decorrer deste texto, utilizaremos a sigla GIS (do inglês Geographic Information System) para nos referir aos
sistems de informação geográfica, pelo uso consagrado deste jargão em nosso meio.
Introdução
O objetivo deste trabalho é apresentar ao leitor uma visão focada nos problemas de
análise espacial, que sirva de motivação para estudos e pesquisas avançadas. Em
particular, recomenda-se a leitura do livro de Burrough (1998), por causa de seu
excelente tratamento da questão de análise espacial e o livro de Assad e Sano (1993),
por sua apresentação muito didática de exemplos reais. Para os mais versados na área de
informática, recomenda-se fortemente os textos de Worboys (1995) e de Câmara et al.
(1996). Finalmente, a coletânea de Maguire, Goodchild e Rhind (1991) é um livro de
referência, sempre útil para consulta sobre questões específicas
BIBLIOGRAFIA
COWEN, D.J. GIS versus CAD versus DBMS: what are the differences.
Photogrammetric Engineering and Remote Sensing, 54:1551-4, 1988.
NCGIA, The Research Plan for the NCGIA, International Journal of Geographic
Information Systems, 3(2):117-136, 1989.
TUFTE, E.R.. The Visual Display of Quantitative Information. Cheshire, USA, Graphics
Press, 1983.
WORBOYS, M.F. GIS: A Computing Perspective. London, Taylor and Francis, 1995.
Gilberto Câmara1
Antônio Miguel Vieira Monteiro
2.1 INTRODUÇÃO
1
Com a colaboração de Cláudio Clemente Faria Barbosa, Clodoveu Davis e Frederico Fonseca.
interface usuário
temperaturas menores. Este ponto é o zero absoluto para temperatura, zero graus
Kelvin. Por ter como referência um ponto de zero absoluto, as medidas feitas no
nível de medida por razão permitem estimar proporções e podem ser usadas em
operações de multiplicação, divisão e subtração entre amostras.
As medidas temáticas e as numéricas por intervalo não devem ser usadas
diretamente em expressões matemáticas. Entretanto, na prática, os modelos
ambientais combinam valores por razão com valores por intervalo. Nestes casos,
parâmetros devem ser incluídos para permitir a conversão de valores medidos no
nível por intervalo para o nível por razão, em unidades apropriadas.
PIB Pop
País
(US$ bn) (milhões)
Brasil 350 159
Argentina 295 34
Chile 45 14
2.4.3 REDES
Sub-estações
id label capacidade
22 Eng. Dentro 3.000 kVA
Postes
id label Transf.
2345 32-17-95 Classe 3
2.4.5 IMAGENS
2.5.3 GEO-CAMPOS
Le
Li
Ls
Aq
2.5.3.1 GEO-OBJETO
2
Um caso particularmente dramático é o Mar de Aral, na ex-URSS.
1 id nome
Amazonas
Xingu
2 id nome
1 Yanomami
3 2 Waimiri
3 Kayapó
fazendas
cadastro
Representação
Matricial
parte-de parte-de
Representação
é-um Vetorial é-um
é-um é-um é-um
é-um
Conj. Pontos Grafo Subdivisão Conjunto Grade Amostras
2D Orientado Planar 2D Isolinhas Triangular 3D
conj-de conj-de
conj-de conj-de
conj-de conj-de conj-de
conj-de conj-de
conj-de
Arco
Nó Rede Polígono Isolinha
Orientado
parte-de
parte-de lista-de
TABELA 2.1
TABELA 2.3
2.11 RESUMO
TABELA 2.4
CORRESPONDÊNCIA ENTRE UNIVERSOS DO MODELO
Universo do mundo Universo Universo de Universo de
real conceitual representação implementação
Mapa de vegetação Geo-campo Matriz de inteiros Quad-tree
Temático Subdivisão Planar Linhas 2D (com R-
Tree)
Mapa altimétrico Geo-campo Grade regular Matriz 2D
Numérico Grade triangular Linhas 2D e Nós 3D
Conjunto Pontos 3D Pontos 3D (KD-tree)
Conjunto Isolinhas Linhas 2D
Lotes urbanos Geo-objetos Polígonos e Tabela Linhas 2D e Nós 2D
Rede elétrica Rede Grafo Orientado Linhas 2D (com R-
Tree)
BIBLIOGRAFIA
Interface
Gerência Dados
Espaciais
Banco de Dados
Geográfico
SIG SIG
atributos
atributos
SGBD
Arquivos SGBD
1
SQL (Structured Query Language): linguagem padrão para manipular bancos de dados relacionais.
Incluem recursos para definir estruturas de dados; consultar, inserir e modificar dados do banco de dados
e especificar restrições de segurança.
Um SGBDOR que possui uma extensão para tratar dados espaciais deve ter
as seguintes características:
§ Fornecer tipos de dados espaciais (TDEs), como ponto, linha e região, em
seu modelo de dados e manipulá-los assim como os tipos alfanuméricos
básicos (inteiros, string, etc);
§ Estender a linguagem de consulta SQL para suportar operações e consultas
espaciais sobre TDEs;
§ Adaptar outras funções de níveis mais internos para manipular TDEs
eficientemente, tais como métodos de armazenamento e acesso (indexação
espacial) e métodos de otimização de consultas (junção espacial).
Portanto, além dos TDEs, as extensões espaciais fornecem operadores e
funções que são utilizados, juntamente com a linguagem de consulta do SGBD,
para consultar relações espaciais e executar operações sobre TDEs. Além disso,
fornecem métodos de acesso eficiente de TDEs através de estruturas de indexação,
como R-tree e QuadTree.
Existem hoje basicamente três extensões comerciais disponíveis no
mercado: Oracle Spatial (Ravada e Sharma, 1999), IBM DB2 Spatial Extender
(IBM, 2001) e Informix Spatial Datablade (IBM, 2002). Há ainda um projeto de
implementar uma extensão espacial chamada PostGIS (Ramsey, 2002) para o
SGBD PostgreSQL, que é objeto-relacional, gratuito e de código fonte aberto.
Todas essas extensões baseiam-se nas especificações do OpenGIS (OGC, 1996),
porém, possuem variações relevantes entre os modelos de dados, semântica dos
operadores espaciais e mecanismos de indexação. O OpenGIS é uma associação
formada por organizações públicas e privadas envolvidas com SIGs, dedicada à
criação e gerenciamento de uma arquitetura padrão para geoprocessamento. Seu
objetivo técnico é definir e manter:
§ Um modelo universal de dados espaço-temporais e de processos, chamado
modelo de dados OpenGIS;
§ Uma especificação para cada uma das principais linguagens de consulta a
banco de dados para implementar o modelo de dados OpenGIS;
§ Uma especificação para cada um dos principais ambientes computacionais
distribuídos para implementar o modelo de processo OpenGIS.
tamanho fixo nos formato GIF ou JPEG. Esta solução permite configurar o
servidor para responder a diferentes tipos de consulta, sem requerer que todos os
dados a ser transmitidos sejam pre-computados. Como exemplo, temos o "Internet
Map Server", da ESRI e o MapServer (produto de software livre). O protocolo
WMS (Web Map Server) do consórcio OpenGIS encapsula esta funcionalidade.
4.1 APRESENTAÇÃO
Um modelo de dados é um conjunto de conceitos que podem ser usados para descrever
a estrutura e as operações em um banco de dados [ElNa94]. O modelo busca sistematizar o
entendimento que é desenvolvido a respeito de objetos e fenômenos que serão representados
em um sistema informatizado. Os objetos e fenômenos reais, no entanto, são complexos
demais para permitir uma representação completa, considerando os recursos à disposição dos
sistemas gerenciadores de bancos de dados (SGBD) atuais. Desta forma, é necessário construir
uma abstração dos objetos e fenômenos do mundo real, de modo a obter uma forma de
representação conveniente, embora simplificada, que seja adequada às finalidades das
aplicações do banco de dados.
A abstração de conceitos e entidades existentes no mundo real é uma parte importante
da criação de sistemas de informação. Além disso, o sucesso de qualquer implementação em
computador de um sistema de informação é dependente da qualidade da transposição de
entidades do mundo real e suas interações para um banco de dados informatizado. A abstração
funciona como uma ferramenta que nos ajuda a compreender o sistema, dividindo-o em
componentes separados. Cada um destes componentes pode ser visualizado em diferentes
níveis de complexidade e detalhe, de acordo com a necessidade de compreensão e
representação das diversas entidades de interesse do sistema de informação e suas interações.
Ao longo dos anos, desde o surgimento dos primeiros SGBDs, foram criados vários
modelos de dados que apesar de muitas vezes terem a pretensão de se constituírem em
ferramentas genéricas, refletem as condicionantes tecnológicas dos SGBDs à época de sua
criação. Existem vários tipos de modelos, desde os que possuem descrições orientadas aos
usuários chamados infological até aqueles cuja principal preocupação é a representação no
computador, os datalogical. Os modelos podem ser classificados em: modelos de dados
conceituais, modelos de dados lógicos e modelos de dados físicos [ElNa94]. Os modelos de
dados lógicos, também chamados de clássicos, se destinam a descrever a estrutura de um
banco de dados apresentando um nível de abstração mais próximo das estruturas físicas de
armazenamento de dados. Uma característica desse tipo de modelo é a sua inflexibilidade,
forçando a adequação da realidade à estrutura proposta por ele. Os modelos de dados
relacional, de redes e hierárquico, exemplos de modelos lógicos, são implementados
Modelagem de Dados Geográficos
Não é surpresa se constatar que, até o aparecimento dos primeiros SIGs, praticamente
nada existia em termos de representação específica em modelo de dados, de entidades
geográficas ou espaciais. No entanto, o grau de generalidades das técnicas de modelagem de
dados permite representar estes tipos de entidades, embora com graus variados de sucesso.
Porém, apesar de toda a expressividade oferecida pelas técnicas tradicionais de modelagem de
dados, dificuldades surgem devido ao fato de que muitas informações geográficas precisam ser
consideradas com respeito à localização onde elas são válidas, o tempo de observação e a sua
precisão de obtenção/representação. A modelagem do mundo real é uma atividade complexa
porque envolve a discretização do espaço geográfico para a sua devida representação.
Inúmeros são os fatores envolvidos nesse processo de discretização do espaço. Entre eles
citamos:
• Transcrição da informação geográfica em unidades lógicas de dados - Para Goodchild
[FrGo90], o esquema de uma aplicação geográfica é uma representação limitada da
realidade, tendo em vista a natureza finita e discreta da representação nos computadores.
Por maior que seja o nível de abstração utilizado, a realidade é modelada através de
conceitos geométricos [Fran92] e, para que esses conceitos sejam implementados em
computadores, eles precisam ser formalizados, sendo necessário um maior número de
entidades geográficas com características apenas de exibição, não sendo usadas para
processamento geográfico (embora sejam parte do mapa base). Citamos como exemplo, os
textos que identificam acidentes geográficos como Serras, Picos, ou objetos como muro,
cerca viva, cerca mista e cerca que identificam a delimitação de um lote. O que será
provavelmente usado no processamento geográfico será o lote, como um polígono. Se o
lote é cercado ou não, e se a delimitação é um muro ou uma cerca, não fará diferença,
podendo ser uma informação alfanumérica associada. No entanto, a nível cartográfico é
muito utilizado o registro fiel da realidade observada, sendo considerada significativa a
visualização dessa informação. Nesse aspecto, o desenvolvimento de aplicações
geográficas difere da convencional. Como pode ser percebido, muitas entidades
geográficas poderão ser criadas no banco de dados sem que necessariamente tenham sido
representadas no esquema da aplicação.
Os primeiros modelos de dados para as aplicações geográficas eram direcionados para as
estruturas internas dos SIGs. O usuário era forçado a adequar os fenômenos espaciais às
estruturas disponíveis no SIG a ser utilizado. Consequentemente, o processo de modelagem
não oferecia mecanismos para a representação da realidade de forma mais próxima ao modelo
mental do usuário. Ficava evidente que a modelagem de dados geográficos necessitava de
modelos mais adequados, capazes de capturar a semântica dos dados geográficos, oferecendo
mecanismos de abstração mais elevados e independência de implementação.
A próxima seção apresenta alguns modelos de dados convencionais mais utilizados na
modelagem geográfica. Todo este material está fortemente baseado em [Borg97], onde podem
ser encontradas referências adicionais sobre modelagem de dados.
• Simplicidade – O modelo deve ser simples o bastante para que os usuários possam
entender e usar, devendo possuir uma notação diagramática simples.
• Minimalidade – O modelo deve consistir num pequeno número de conceitos básicos, que
são distintos e ortogonais em seu significado.
• Formalidade – O modelo deve ter seus conceitos formalmente definidos.
1 0,N
Quadra Possui Lote
usuário final durante as fases de análise de requisitos e projeto conceitual” [BaCN92 apud
Lisb97, pág. 64].
Hull e King [HuKi87] classificam o modelo IFO (Is-a relationships, Functional relationships,
complex Objects) como um modelo altamente estruturado. Ele foi proposto por Abiteboul e
Hull [AbHu87] apresentando atributos e tipos construtores para agregação e agrupamento,
além de distinguir entre os dois tipos de relacionamento “é_um” (generalização e
especialização). A descrição feita a seguir é baseada em [HuKi87, AbHu87, Hann95].
Os tipos construtores básicos do modelo IFO são: Objetos, fragmentos e relacionamentos
“é_um” (is a). Um tipo de objeto no IFO corresponde a uma coleção de objetos com as
mesmas características. Existem três tipos básicos de objeto, imprimível, abstrato e livre, e
dois tipos de objeto construtor, agrupamento e agregação (produto cartesiano). Um objeto
imprimível (representado graficamente por um retângulo) é um objeto que pode ser
diretamente representado como entrada e saída. Como exemplo, temos os tipos pré-definidos
Integer, string, real e pixel. Um objeto abstrato (representado graficamente por um losango)
representa objetos do mundo real que não sejam imprimíveis, como pessoa, companhia e
curso. Os objetos do tipo livre (representados graficamente por um círculo) são entidades
obtidas via relacionamentos de generalização e especialização, como, por exemplo, estudante.
Pessoa, por exemplo, é um objeto abstrato e estudante um objeto livre.
Os tipos de objeto não básicos são construídos a partir dos tipos básicos usando agregação e
agrupamento. Agrupamento corresponde ao procedimento de formação de um conjunto finito
de objetos de uma mesma estrutura. Um agrupamento consiste em um conjunto de objetos
como, por exemplo, um conjunto de estudantes que forma um tipo de agrupamento de nome
classe. A agregação (produto cartesiano) representa objetos como n-tuplas ordenadas de
outros objetos.
O objetivo do modelo IFO é fornecer um formalismo para representar os relacionamentos
funcionais entre os tipos. O meio pelo qual os relacionamentos são representados é o
fragmento. O fragmento é uma construção do modelo IFO que contém os tipos e funções (mas
não relacionamentos de generalização ou especialização) sujeitos a certas regras. No modelo
IFO, os fragmentos formam os blocos construtores dos esquemas. Eles podem ser usados para
modelar associações “um_para_um” entre dois objetos. Associações “um_para_muitos” são
modeladas indiretamente usando fragmentos e agrupamento.
O modelo IFO provê um formalismo para a representação do relacionamento funcional entre
os tipo Os relacionamentos funcionais são representados pelos fragmentos. Um esquema é a
maior unidade do modelo IFO sendo uma floresta de fragmentos, possivelmente conectados
nos seus vértices primários (raiz do fragmento) por uma generalização e especialização de seus
GRADE
Dentro da fase de análise, existem três modelos: o modelo de objetos, o modelo dinâmico e o
modelo funcional. O modelo de objetos captura a estrutura estática dos objetos do sistema,
mostrando as classes, os relacionamentos existentes entre as classes e os atributos, as
operações que caracterizam cada classe, e ainda restrições. Apenas o modelo de objetos será
referenciado nesta seção. As definições apresentadas são baseadas em [RBPE91, Rumb96,
Ceza97].
membro de uma e somente uma das subclasses. Ela será sobreposta quando uma instância da
superclasse for membro de uma ou mais subclasses.
A agregação é um modo de associação onde um objeto agregado é feito de objetos
componentes. A agregação é também chamada de relacionamento “parte_de”. A notação dos
principais construtores gráficos usados no OMT encontram-se na Figura 5. Uma descrição
completa do modelo pode ser obtida em [RBPE91, Rumb96].
CARDINALIDADE
CLASSE
um Classe
Nome Classe zero ou mais
Nome Classe Classe
Lista de Atributo
zero ou um Classe
Lista de Operação
um ou mais 1+
Classe
ASSOCIAÇÃO
1, 2 a 4 1,2-4
Classe
nome da associação
Classe-1 Classe-2
GENERALIZAÇÃO
AGREGAÇÃO
Classe Superclasse
Agregada
O método de análise orientada a objetos foi proposto por Peter Coad e Edward Yourdon
[Co Yo91]. É um método destinado primariamente ao desenvolvimento de sistemas de
gerenciamento de informações. O método possui um processo bem definido, cobrindo análise e
o projeto. A fase de análise é baseada no desenvolvimento de uma forma estendida do modelo
entidade-relacionamento, denominada modelo OOA. O método OOA será descrito de maneira
genérica a seguir.
O método consiste em cinco níveis:
• Assunto – Um assunto contém classes que podem conter outros assuntos. Em projetos
pequeno, os assuntos servem como um mecanismo para orientação do leitor através do
modelo OOA. Já em projetos grandes, os assuntos são muito úteis na divisão do domínio do
problema em sub-domínios, organizando pacotes de trabalho.
• Classe e Objeto – Uma classe descreve uma coleção de objetos através de um conjunto
uniforme de atributos e serviços, incluindo uma descrição de como criar novos objetos na
classe. Um objeto é uma abstração de algo do domínio do problema.
• Estrutura – O método OOA chama de estrutura as primitivas para representação de
generalização/especialização e agregação. A estrutura de Generalização-especialização
caracteriza a herança na hierarquia entre classes e a estrutura Todo-parte (agregação)
modela os objetos como parte de outros objetos.
• Atributo - Este nível fornece detalhes de informação sobre os objetos. Atributos descrevem
valores mantidos em um objeto e que devem ser manipulados exclusivamente pelos serviços
desse objeto. Conexões de instâncias refletem o relacionamento entre objetos.
• Serviço – Um Serviço (método, operação) é um comportamento específico que um objeto
é responsável por exibir. Conexões de Mensagens modelam as dependências de
processamento de um objeto, indicando quais serviços ele precisa para cumprir suas
responsabilidades.
A primeira fase do método consiste na identificação de classes e objetos, visando exprimir o
domínio do problema e as responsabilidades do sistema. A próxima etapa identifica as
estruturas: Generalização/especialização e Todo-parte. A partir daí são identificados os
assuntos. No modelo OOA, o conceito de assunto é usado para o controle da visibilidade e
orientação do leitor ajudando a rever o esquema e resumindo sucintamente os assuntos no
domínio do problema. O próximo passo é a identificação dos atributos e o último passo é a
definição dos serviços. A Figura 6 apresenta a representação gráfica das primitivas do modelo
OOA. Maiores detalhes do OOA podem ser encontrados em [Co Yo91].
n,m n,m
Nome Classe Nome Classe
Atributos Atributos
Nome do Assunto
Serviços Serviços
n,m n,m
0,N 0,N
1 0,M
Modelos de dados semânticos e orientados a objetos, tais como ER [Chen76], OMT [RBPE91],
IFO [AbHu87] e outros, têm sido largamente utilizados para a modelagem de aplicações
geográficas. Apesar da grande expressividade desses modelos, eles apresentam limitações para
a adequada modelagem dessas aplicações, já que não possuem primitivas geográficas
apropriadas para a representação de dados espaciais.
Modelos de dados para as aplicações geográficas têm necessidades adicionais, tanto com
relação à abstração de conceitos e entidades, quanto ao tipo de entidades representáveis e seu
inter-relacionamento. Diversas propostas existem atualmente, principalmente focalizadas em
estender os modelos criados para aplicações convencionais como GeoOOA [KÖPS96],
MODUL-R [BCMM96], GMOD [OlPM97], , MGEO+ [Pime95], IFO para aplicações geográficas
[Wo HM90], GISER [SCGL97], Geo-OMT [Borg97]. Todos eles objetivam refletir melhor as
Os modelos de dados podem variar de acordo com o nível de abstração empregado. Câmara et
al. [CCHM96] especificam quatro níveis de abstração utilizados nas aplicações geográficas:
• Nível do mundo real - Contém os fenômenos geográficos a serem representados como,
rios, cidades e vegetação.
• ser adequado aos conceitos natos que o ser humano tem sobre dados espaciais,
representando as visões de campo e de objetos;
• ser de fácil visualização e compreensão;
• utilizar o conceito de níveis de informação, possibilitando que uma entidade geográfica seja
associada a diversos níveis de informação;
• representar as múltiplas visões de uma mesma entidade geográfica, tanto com base em
variações de escala, quanto nas várias formas de percebê-las;
• ser capaz de expressar versões e séries temporais, assim como relacionamentos temporais.
• é independente de implementação.
O modelo Geo-OMT é baseado em três conceitos principais: classes, relacionamentos e
restrições de integridade espaciais. Nas seções seguintes esses conceitos serão detalhados.
CLASSE
Geo-OMT
CLASSE CLASSE
GEORREFERENCIADA CONVENCIONAL
GEO-CAMPO GEO-OBJETO
REDE GEO-OBJETO C/
POLÍGONOS GEO-OBJETO COM
TRIANGULAR TESSELAÇÃO AMOSTRAGEM ISOLINHAS GEOMETRIA E
ADJACENTES GEOMETRIA
IRREGULAR TOPOLOGIA
Nas aplicações urbanas, esta simplificação pode ser facilmente percebida devido à grande
quantidade de entidades do mundo real presentes em um esquema da aplicação.
Na Figura 20 está exemplificada a simplificação por substituição simbólica. Uma rua possui
pelo menos um trecho, que é definido por pelo menos dois pontos. A quadra é um polígono,
1
A estrutura de dados geométrica depende da técnica de implementação de cada SIG.
definido pelo menos por três segmentos. Com a substituição simbólica, o nível de abstração é
bem mais elevado. O trecho passa a ser visto como um objeto linha e a quadra como um
polígono. O fato do trecho ser definido por dois pontos já é parte da sua definição geométrica.
A definição simbólica da quadra já identifica que é um polígono formado por pelo menos três
segmentos e que cada segmento possui dois vértices.
Trecho
de Rua 2...* 2
Segmento Vértice
Atributos Gráficos
Atributos 3...*
Operações
Quadra
Atributos
Quadra
Operações
Além das vantagens acima citadas, o uso da simbologia tornam mais claras e consistentes as
relações espaciais entre as classes. Por exemplo, o uso da relação “dentro de” implica que uma
das classes do relacionamento seja do tipo Polígono ou Polígono Adjacente.
Uma Classe Georreferenciada é representada graficamente por um retângulo, subdividido em
quatro partes. A parte superior contém à direita o nome da classe e à esquerda o símbolo
representando a forma gráfica da Classe Georreferenciada. Na segunda parte, aparece a lista
dos atributos gráficos na terceira parte, a lista dos atributos alfanuméricos (quando existirem)
e, na última parte, a lista das operações que são aplicadas à classe. Uma Classe
Georreferenciada poderá conter ou não atributos alfanuméricos. No entanto, terá sempre o
atributo gráfico de localização. Uma representação simplificada poderá ser utilizada,
Classe Convencional
Nome da Classe
Nome
Nome Classe da Classe
Representação
Atributos Gráficos
Simplificada
Atributos
Representação Operações
Simplificada
b)
a)
Todo esquema de uma aplicação deve conter a classe que representa o domínio espacial a ser
modelado. Ela deverá vir localizada na parte mais alta do esquema, em posição destacada,
podendo conter atributos gráficos como sistema de coordenadas, projeção cartográfica e
datum. Todas as classes modeladas no esquema estarão totalmente contidas nela. Sua
existência poderá ser real, como na modelagem de municípios onde a divisa de cada município
é um polígono que envolve todo o espaço modelado, ou poderá ser abstrata, apenas
representando a delimitação do espaço modelado, como por exemplo, nos casos de municípios
que além da parte territorial possuem ilhas.
4.4.3 Geo-Campo
Ex: TIN Ex: Curvas de Ex: Divisão de Ex: Imagem de Ex: Pontos
Nível Bairros Satélite Cotados
Figura 22 Geo-Campos
4.4.4 Geo-Objeto
de água, redes viárias, cadastro urbano, etc.) possuem características, onde os relacionamentos
do tipo conectividade e adjacência são fundamentais. Alguns SIGs oferecem suporte ao
armazenamento desses tipos de relacionamentos, porém, no nível conceitual é importante que
o projetista consiga representá-los” [LiIo96].
Ex: Muro Ex: Árvore Ex: Lote Ex: Trecho rede Ex: Trecho rede Ex:Poço de Visita
de esgoto de água
a direção do fluxo pode ser nos dois sentidos dependendo do controle estabelecido (Figura
23).
As instâncias da classe Geo-Objeto não obedecem ao princípio do “planar enforcement”
[Good92], podendo estar disjuntas no espaço ou ocupando o mesmo lugar, como é o caso de
um poste com um semáforo de pedestre e uma placa de sinalização.
A Figura 24 exemplifica o uso da notação gráfica de classes do tipo Georreferenciadas e
Convencionais. O esquema mostra parte de uma aplicação de transporte coletivo, onde a
classe Divisa Municipal estabelece o espaço modelado. A classe Linha de Ônibus se relaciona
com a classe Ponto de Ônibus. Cada Ponto de Ônibus é localizado em frente a um endereço de
imóvel podendo estar próximo ou dentro de um local de referência da cidade. Pela notação
utilizada, fica explícito que a Linha de Ônibus é uma classe convencional, o Ponto de Ônibus e
o endereço são classes de Geo-Objetos do tipo Ponto e a Área de Referência é uma Classe de
Geo-Objeto do tipo Polígono. A Classe Divisa Municipal é um Geo-Campo do tipo Polígono
Adjacente.
Divisa
Municipal
Sist. Coordenadas
Projeção
Datum
cor = branca
nome município
descrição
Ponto de
Linha de Ônibus Ônibus
Endereço
num.linha 1...* Para 1...* coord.(x,y) 0...*
Em Frente
1
nome linha coord.(x,y)
símbolo= pto.ônibus
símbolo= casa
Cor=azul
Cor= vermelho
ident. ponto
num.lograd
num.imovel
Rotacionar símbolo Rotacionar símbolo
Verificar localização
0...* 0...*
Perto de Dentro de
0...* 0...1
Área
Referência
Hachura
Tipo área
nome área
4.4.5 Relacionamentos
Segundo [OlPM97], um problema existente na maioria dos modelos de dados é o fato deles
ignorarem a possibilidade de modelagem dos relacionamentos entre fenômenos do mundo real.
Considerando a importância da relações espaciais e não espaciais na compreensão do espaço
modelado, o modelo Geo-OMT representa os seguintes tipos de relacionamentos entre suas
classes: associações simples, relações topológicas de rede e relações espaciais.
As associações simples representam relacionamentos estruturais entre objetos de diferentes
classes, tanto convencionais como georreferenciadas. A instância individual de uma associação
é chamada link. Muitas associações são binárias, sendo representadas por uma linha contínua
ligando duas classes [RBPE91, Rumb96] (Figura 25a). Uma associação pode ter sobre o seu
nome uma seta mostrando qual o sentido da relação. Algumas associações podem ter atributos
próprios.
As relações espaciais representam as relações topológicas, métricas, ordinais2 e fuzzy. Algumas
relações podem ser calculadas a partir das coordenadas de cada objeto durante a execução das
operações de análise espacial. As relações topológicas são exemplos deste caso. Outras
necessitam ser especificadas pelo usuário para que o sistema consiga manter estas informações.
Estas relações são chamadas de explícitas [Peuq84 apud Lisb97]. A representação dessas
relações no modelo Geo-OMT têm por objetivo tornar explícita a interação espacial entre as
classes quando for relevante para o propósito da aplicação.
Todas as relações espaciais são representados por linhas pontilhadas (Figuras 24 e 25b). Um
caso particular de relação espacial é a hierarquia espacial. Através dessa relação a classe que
representa o domínio espacial é conectada às demais subdivisões espaciais (Figuras 24 e 25c).
Esta relação também pode ser utilizada na relação entre classes do tipo Geo-campo com
classes do tipo Geo-Objeto, onde terão sempre uma conotação de hierarquica espacial já que,
toda classe do tipo Geo-Objeto estará distribuída sobre classes do tipo Geo-Campo. A Figura
26 representa que qualquer ponto dentro de um lote tem um valor altimétrico associado.
Nome Classe
c) Hierarquia Espacial
nome da rede
d) Relacionamento em Rede
Figura 25 Relacionamentos
As relações em rede são relações que podem ser mantidas através de estruturas de dados
dos SIGs, sendo representadas por nós e arcos conectados.
As relações em rede são representadas por duas linhas pontilhadas paralelas ligando classes
do tipo Nó com classes do tipo Linha Uni ou Bi-direcionada. Estruturas de rede sem nó,
apresentarão um relacionamento recursivo na classe que representa os segmentos do grafo.
O nome dado à rede deverá estar entre as linha pontilhadas (Figura 25d).
Os nomes das relações espaciais estão formalizados abaixo e, conforme dito anteriormente,
poderão ser seguidos por uma seta indicando a origem da relação. Exemplificando melhor,
citamos o caso de lote e rede elétrica. A relação entre as duas classes é em frente a. A seta
deve ser na direção lote→rede elétrica indicando que a relação é importante quando se está no
lote. Em cada instância da classe Lote é necessário saber se existe rede elétrica em frente e não
na instância de um trecho de rede elétrica saber se existe lote em frente. É uma questão de
maior clareza semântica.
Baseado em [PaTh97, Free75, EgHe90, Feut93, EgFr91, ClFO93, Cama95, Fran96, MaES95], o
modelo Geo-OMT considera as seguintes relações espaciais entre as Classes
Georreferenciadas: disjunto, contém, dentro de (contido), toca (encontra), cobre, coberto
por, sobrepõe, adjacente, perto de , acima (mais alto que sobre), abaixo (mais baixo que sob),
sobre, sob, entre, coincide, cruza, atravessa, em frente a, à esquerda, à direita. As relações
contém/dentro de (contido) serão tratadas como um tipo de Agregação Espacial. A seguir
daremos, o significado semântico de cada relação espacial.
• Disjunto – Não existe nenhum tipo de contato entre as classes relacionadas.
• Contém – A geometria da classe que contém envolve a geometria das classes contidas.
Uma instância da classe que contém envolve uma ou mais instâncias da(s) classe(s)
contida(s). a classe que contém deve ser do tipo Polígono (Geo-Objeto) ou Polígonos
Adjacentes (Geo-Campo).
2
Relações relativas a ordem
• Dentro de – Existem instâncias de uma classe qualquer, dentro da (contida na) geometria
de instâncias das classes do tipo Polígono (Geo-Objeto) ou Polígonos Adjacentes (Geo-
Campo). A relação dentro de será tratada como uma Agregação Espacial “todo-parte”.
• Toca - Existe um ponto (x,y) em comum entre as instâncias das classes relacionadas.
Consideramos esta relação um caso particular da relação adjacente.
• Cobre/coberto por - A geometria das instâncias de uma classe envolve a geometria das
instâncias de outra classe. A classe que cobre é sempre do tipo polígono (Geo-Objeto).
• Sobrepõe - Duas instâncias se sobrepõem quando há uma interseção de fronteiras. Só será
usado para relações entre polígonos (Geo-Objeto). Apenas parte da geometria é
sobreposta.
• Adjacente - Utilizado no sentido de vizinhança, ao lado de, contíguo.
• Perto de - Utilizado no sentido de proximidade. Deve estar associado a uma distância “d”,
que define quanto será considerado perto. Esta distância poderá ser uma distância
euclidiana, um raio, um intervalo ou qualquer outra definida pelo usuário.
• Acima / Abaixo – Acima é mais alto que sobre, e abaixo mais baixo que sob. Será
considerado acima ou abaixo, quando as instâncias estiverem em planos diferentes.
• Sobre / Sob - Utilizado no sentido de “em cima de” / “em baixo de”, no mesmo plano.
• Entre - Utilizado no sentido posicional, enfatizando a localização de uma instância de
determinada classe entre duas instâncias de outra classe.
• Coincide - Utilizado no sentido de igual. Duas instâncias de classes diferentes que possuem
o mesmo tamanho, a mesma natureza geométrica e ocupam o mesmo lugar no espaço. Essa
relação é um caso particular do sobre/sob.
• Cruza - Existe apenas um ponto P (x,y) comum entre as instâncias.
• Atravessa - Uma instância atravessa integralmente outra instância, tendo no mínimo dois
pontos P1 (x1,y1) e P2 (x2,y2) em comum. Este é um caso particular de cruza, que foi separado
por fornecer maior expressão semântica.
• Em frente a - utilizado para dar ênfase à posição de uma instância em relação à outra. Uma
instância está “de face” para outra. Paralelo a poderá ser usado na relação entre linhas, por ser
semanticamente mais significativo.
• À esquerda / à direita - Utilizado para dar ênfase na lateralidade entre as instâncias. No
entanto, a questão de lateralidade deve estar bem definida nas aplicações no SIG, de forma a
ser possível formalizar o que é lado direito e esquerdo.
Algumas relações só são possíveis entre determinadas classes, pois são dependentes da forma
geométrica. Por exemplo, a existência da relação dentro de pressupõe que uma das classes
Sobre A,B B
Adjacente / Toca
d
Perto de
Dentro de
Acima/ Abaixo
LINHA / POLÍGONO Em frente a
A
Disjunto B
Adjacente
d
Perto de PONTO/PONTO
Dentro de Disjunto
Acima/ Abaixo Adjacente / Toca
d
Cruza Perto de
Atravessa Coincidente A, B
0...*
Nome da classe Zero ou mais
1...*
Nome da classe Um ou mais
Nome da classe
1 Exatamente um
0...1 Zero ou um
Nome da classe
Figura 29 Cardinalidade
Lote Unid.Ambiental
Nome da
Classe
Figura 30 Generalização
SuperClasse SuperClasse
Disjunto/Parcial Sobreposta/Parcial
SuperClasse SuperClasse
Nó da Rede Nó da Rede
Fluvial Fluvial
Ponto (x, y) Ponto (x, y)
Símbolo (NÓ) Símbolo (NÓ)
Rotação (0) Rotação (0)
Ident. Nó Ident. Nó
Tipo Nó Tipo Nó
Rotacionar Rotacionar
Tipo de Nó Tipo de Nó
4.4.7 Agregação
A agregação é uma forma especial de associação entre objetos, onde um deles é considerado
composto por outros. O relacionamento entre o objeto primitivo e seus agregados é chamado
de “é-parte-de” e o relacionamento inverso “é-componente-de” [ElNa94]. A notação gráfica da
agregação segue a do modelo OMT (Figura 33).
Uma agregação pode ocorrer entre Classes Convencionais, entre Classes Georreferenciadas e
entre Classes Georreferenciadas e Classes Convencionais.
Nome da Classe
Agregação
(composto de)
Trecho
Logradouro
Classe
União espacial U
(união de)
Classe
Contém C
U C
3
Não se deve confundir a generalização cartográfica com a generalização utilizada como um tipo de abstração usado nos
modelos de dados semânticos e orientados a objetos [ ElNa94].
Um outro exemplo, muito comum em áreas urbanas, é o cemitério. Ele é representado tanto
por um polígono fechando a área do cemitério, quanto pelos símbolos cartográficos de
cruzinhas (Figura 37a). A variação pela forma pode ser também usada na representação de
classes que possuem simultaneamente instâncias georreferenciadas e instâncias não gráficas,
como, por exemplo uma placa de sinalização de trânsito que só passará a ser georreferenciada
quando sair do depósito para fixação na rua (Figura 37b)
a) b)
Cemitério
Placa
F
F
Cemitério Cemitério
Sinalização
Cadastro Placa
A variação por escala é utilizada na representação das diferentes formas geométricas de uma
mesma classe decorrente da mudança de escala. Uma escola pode ser representada por uma
área (polígono) em uma escala maior e por um símbolo (ponto) em uma escala menor (Figura
38).
Nome Escola
Cidade da Classe
intervalo escala
Atributos
Alterar forma
visualização E
E
Escola Escola
Cidade Cidade
Área da Escola
Nome
da Classe
Atributos Gráficos
Atributos
Alterar
visualização
O objetivo do uso desta primitiva é registrar as múltiplas naturezas gráficas que um objeto
pode ter, de forma a tornar possível explicitar os relacionamentos decorrentes de cada
natureza. Conforme visto, a forma com que uma classe é representada influencia nos tipos de
relacionamento espacial que dela podem ser derivados.
A notação para generalização cartográfica é um quadrado interligando uma superclasse à suas
subclasses. A subclasse é ligada por uma linha pontilhada ao retângulo. É usado como
discriminador a letra E para variação por escala e a letra F para variação pela forma. O
quadrado será vazado para representar a restrição de disjunção, e preenchido indicando a
sobreposição de subclasses (Figura 40).
F E
Subclasse Subclasse
Subclasse Subclasse
Hospital City
Shape Scale
A variação por escala será sempre total e disjunta, porque a união de todas as instâncias das
subclasses deve ser equivalente ao conjunto de instâncias da superclasse, não sendo permitida
sobreposição. Neste caso, uma entidade geográfica, dependendo da escala, pode ter formas
alternativas de representação porém, não ao mesmo tempo.
Apesar de conceitualmente a entidade geográfica ser a mesma, as subclasses serão
implementadas como classes distintas, devido a restrições impostas pela maioria dos SIGs hoje
existentes que não permitem que uma classe possa simultaneamente ser representada por
naturezas gráficas diferentes. Alguns dos problemas decorrentes de múltiplas representações
em um SIG são redundância de dados e multiplicidade de comportamento de uma entidade
geográfica [CCHM96].
Muitas aplicações geográficas usam dados que dependem de relacionamentos topológicos que
precisam ser representados explicitamente no banco de dados. Nesses casos, cuidados
especiais devem ser tomados para que a consistência espacial seja mantida. Esses cuidados
interferem não só na entrada de dados geográficos como também na manutenção da
integridade semântica do banco de dados.
O controle das restrições de integridade deve ser considerado uma das principais atividades de
implementação. É conveniente que o esquema da aplicação geográfica represente pelo menos
as situações onde esse controle não pode ser desprezado.
Consideramos nesta seção somente as restrições relacionadas aos relacionamentos espaciais.
Restrições que envolvem valores de atributos ou restrições de cardinalidade já são de uso
comum em projetos de banco de dados não sendo considerado necessário citá-las. Não
consideramos também restrições que envolvem a geometria do objeto, como por exemplo as
restrições impostas na descrição geométrica de um polígono: deve ser composto por no
mínimo três segmentos e possuir a mesma coordenada nos pontos inicial e final, garantindo o
fechamento do polígono. Restrições geométricas devem ser tratadas a nível do sistema de
informação geográfica, pois estão estritamente relacionadas com a implementação. Em
[LaTh92] encontramos regras de consistência associadas à geometria dos objetos espaciais.
A partir da criação das primitivas espaciais “todo-parte”, como de alguns relacionamentos
espaciais padronizados, são deduzidas algumas regras de integridade espacial. Essas regras
formam um conjunto de restrições que devem ser observadas nas operações de atualização do
banco de dados geográfico.
As restrições espaciais consideradas no modelo Geo-OMT são as seguintes:
Regras de Dependência Espacial - São impostas restrições pela existência de objetos
agregados, onde a existência gráfica do objeto agregado depende da existência gráfica dos sub-
objetos e vice-versa. Essas regras são derivadas das primitivas espaciais Subdivisão espacial e
União espacial.
• Regras de Continência - São impostas restrições pela existência de objetos contidos dentro
da estrutura geométrica de outro. Essas regras são derivadas da primitiva espacial Contém.
• Regras de Generalização Espacial - São impostas restrições pela variação dos atributos
gráficos.
• Regra de Disjunção - É uma restrição aplicada a classes que não podem de forma alguma
ter algum tipo de relacionamento espacial entre elas.
• Regras de Conectividade - São impostas restrições pela existência de conectividade entre
os objetos.
• Regras de Associação Espacial - São impostas restrições pela existência de algumas
relações espaciais.
• Regras de Geo-Campo - São impostas restrições à existência de classes do tipo Geo-
Campo.
O cumprimento de algumas regras de integridade espacial pode ser garantido pelo SIG. No
entanto, a maioria requer a definição de operações de controle de integridade associadas às
classes.
Usaremos os conceitos de classe primitiva e derivada, e de objeto primitivo e derivado, para
descrever as regras de integridade espacial relacionadas com as primitivas espaciais “todo-
parte”. Classe primitiva é a classe que dará origem a outras classes, chamadas de derivadas.
Um objeto primitivo, é uma instância da classe primitiva. Um objeto derivado é uma instância
da classe derivada originado de um objeto primitivo. A seguir são especificadas as regras de
integridade espacial.
Para exemplificar o uso das regras de dependência espacial, citamos a classe Quadra que é
subdividida na classe Lote. Na criação e manutenção de cada instância da classe Lote, deve ser
garantido que cada instância da classe Lote só pertença a uma instância da classe Quadra. A
subdivisão de uma quadra dará origem a pelo menos dois lotes (regra 1). Cada lote deve ser
adjacente a outro, não havendo sobreposição de áreas e nem espaço dentro da quadra que não
pertença a um lote (regra 2). A delimitação dos lotes deve estar totalmente contida dentro do
limite da quadra, podendo coincidir com ele mas não extrapolá-lo (regra 3). Caso a quadra
sofra alteração em seus limites, diminuindo ou aumentando sua área, isso afetará a área dos
lotes dentro dela (regra 4). Deve ser verificado quais lotes sofrerão alteração em seus limites.
Caso o limite de um lote seja alterado, sem que o da quadra tenha sido alterado, alguns ou
todos os lotes adjacentes a ele também serão afetados (regra 5). A exclusão de uma quadra
implica na exclusão de todos os lotes dentro dela (regra 6).
União Espacial 1. A origem de um objeto derivado depende da união de pelo menos dois
objetos disjuntos pertencentes à classe primitiva.
O objeto derivado
(objeto agregado) é 2. O limite geográfico do objeto derivado deve coincidir com o limite
formado pela união de geográfico externo formado pela união da geometria dos objetos
objetos primitivos. pertencentes à classe primitiva, não podendo extrapolá-lo.
Obs- caso o objeto primitivo tenha servido apenas de parâmetro para a entrada de dados dos
objetos derivados, não existindo nenhuma dependência de existência entre eles, essas regras
não se aplicam.
Regras de Continência
Contém 1. A geometria do objeto que contém deve conter a geometria dos objetos
Objetos contidos dentro da contidos.
estrutura geométrica de
outro. 2. O limite do objeto contido não pode extrapolar o limite do objeto que
contém.
Exemplificando o uso das regras de continência, citamos a classe Bairro que contém a classe
Quadra. Na delimitação do limite do bairro deve ser observado que seu limite não deve
atravessar uma quadra. Todo o limite da quadra deve estar totalmente contido no limite de um
bairro. Não deve existir quadra sem estar dentro de um bairro e nem pertencendo a mais de um
bairro.
Regra de Disjunção
1. A interseção entre a geometria dos objetos pertencentes à classes disjuntas deve ser
vazia.
Regras de GeoCampo
Isolinha 1. Uma isolinha não pode interceptar outra isolinha
Tesselação 1. Qualquer ponto do espaço geográfico deve pertencer a uma e somente uma
célula de cada classe do tipo tesselação.
Polígonos 1. Qualquer ponto do espaço geográfico deve pertencer a uma e somente uma
Adjacentes instância de uma classe do tipo polígono adjacente.
2. As instâncias desta classe devem ser todas adjacentes, não devendo existir
nenhum espaço vazio.
Dentro de 1. A instância que contém deve ser sempre uma área, podendo ser um
polígono ou uma célula.
Regras de Conectividade
Estrutura grafo-nó 1. Todo nó deverá estar conectado a pelo menos um segmento orientado.
Regras de Conectividade
Estrutura grafo-grafo 1. Todo segmento orientado intermediário estará conectado a dois outros
segmentos orientados de uma mesma classe, um posterior e um
anterior.
As regras de conectividade normalmente são garantidas pelo próprio SIG. No caso da rede de
esgoto, que é uma estrutura em grafo-nó, a conexão entre o nó e o segmento é garantida
automaticamente pelo sistema.
sobreposição de temas sendo esta visualização muito importante pois é um indicativo de que a
classe é compartilhada por usuários distintos.
O diagrama de temas deve começar com o tema que identifica o espaço modelado e a partir
dele uma hierarquia é desenvolvida, dos temas mais abrangentes aos temas específicos. O
termo abrangente significa abrangência geográfica, como se fossem camadas no sentido
geográfico de distribuição sobre a terra, onde ao mesmo tempo coexistem vários temas de
igual importância. Os temas nos níveis inferiores do diagrama necessitam da existência de pelo
menos alguns dos temas que estão nos níveis superiores. Cada tema é representado por um
retângulo contendo seu nome. A ligação hierárquica entre os temas é feita através de uma linha
contínua. A Figura 41 mostra a notação utilizada em um exemplo de temas do município de
Belo Horizonte. A Figura 42 mostra parte de um esquema da aplicação de circulação viária
onde estão presentes os temas Trânsito e Sistema Viário.
MUNICÍPIO DE
BELO HORIZONTE
DIVISÕES
TERRITORIAIS
SISTEMA VÁRIO
Nó Nó
circulação cruzamento
circulação viária
malha viária
Trecho Trecho
circulação
Paralelo a
1...* 1
0...*
Pertence
1
Logradouro
TRÂNSITO
Esta seção apresenta uma análise comparativa entre os modelos de dados descritos com base
nos requisitos necessários às aplicações geográficas. A comparação apresentada é baseada nas
referências citadas na descrição dos modelos e nas observações de [Lisb97].
Curva de nível
Geo-OMT
GISER
Elevação 1 discreted 1 1 N
Curva
Entityde
name
Nível consist of Spatial Object
Feature by
determines
shape of
GeoOOA
Curva de Nível
Curve
GMOD
Nível de Representação
BACIA
GISER
consist SPATIAL consist
Entity
BACIAname
OBJECT
surface
of of
GMOD
Geo-Objeto BACIA Polygon
22 1 1
Setor Setor
Setor
0,N
0,N
C
Contém
1...* 1
1
Quadra Quadra
Quadra
Geo-OMT GISER
Representação
visual
Trecho
Restrições
displays
visuais
Classificação Viária
varies over
Rede Malha
viária
Space
Geo-OMT Nó Rede da
Trecho de Rio
Fluvial
Rede Fluvial
GeoOOA
Nó do grafo
GISER
Nó da Rede determines
Fluvial topology of
determines
Trecho de Rede topology of
Fluvial
MODUL-R Connected
Graph
REDE fLUVIAL
Lote
Lote
Testada Lote Lote
Lote Lote
Polygon
d) GISER
determines
Delimitação lote shape of
1 N Spatial
Entity
Lote
name consist of U
Object
determines
shape of
Testada lote
Curve
mostra o esquema da aplicação de transporte coletivo. Nele foi usada a notação simplificada
do Modelo Geo-OMT.
Trecho de via
Trecho de conversão
Nó de circulação
1 1 0...* C
Calçada Área
Adjacente Referência
1
4.6.2 Rede de Esgoto
O município é subdividido em bacias de esgoto que por sua vez se divide em sub-bacias.
Cada sub-bacia abrange um conjunto de trechos de rede. A rede de esgoto sanitário é
classificada em rede coletora, interceptora e emissária de acordo com a sua função. A
rede coletora é a de diâmetro menor, recebe as ligações dos usuários. A rede
interceptora recebe o fluxo das coletoras e a rede emissária recebe o fluxo das
interceptoras para efetuar o lançamento da rede de esgoto.
Um trecho da rede é representado por dois nós e um arco. Os nós são interrupções no
trecho devido a um poço de visita (PV), um poço de visita com ponta seca, um ponto de
lançamento (em rede pluvial, em curso d’água), uma ligação do usuário, uma estação de
tratamento ou o fim da rede (ponta seca). Os arcos são trechos de tubulação. Cada
trecho possui informações do tipo de rede, diâmetro da tubulação, extensão do trecho,
percentual de declividade e tipo de material (ferro, concreto, pvc). Cada nó possui o
tipo, um número e quando PV a cota do fundo e a cota do tampão.
A bacia de esgoto possui uma numeração, um nome, a quantidade de população atendida
e a vazão da bacia. As sub-bacias são numerada dentro do código da bacia a qual ela
pertence possuindo nome, população atendida e vazão.
Os nós terão representação gráfica diferente assim como deverão ser graficamente
diferente as redes emissárias, coletoras e interceptoras.
A Figura 52 exemplifica um trecho de rede de esgoto e a Figura 53 mostra o esquema
simplificado da rede de e utilizando o Geo-OMT.
Divisa
Divisa
Municipal
Municipal
Bacia de
Esgoto
Sub-bacia
de esgoto
C
0...* 0...*
Nó rede Trecho
esgoto Rede de Esgoto rede esgoto
tipo de nó
O município possui quadras que são subdivididas em lotes. Os lotes podem ser
territoriais, quando não existirem construções ou edificados. Os lotes edificados possuem
uma ou mais edificações. Os endereços das edificações (Número de Porta =
num.logradouro + num imóvel) estão dentro da área do lote. Somente os lotes edificados
possuem endereço.
No arquivo de IPTU um imóvel pode ser predial ou territorial. Um imóvel predial estará
associado a uma edificação, quando for possível, e ao lote gráfico. Os imóveis prediais
podem ser georreferenciados pelo endereço no entanto, os imóveis territoriais para
serem georreferenciados deverão usar a associação com o lote gráfico.
As curvas de nível ocupam todo o município sendo que é possível saber a cota de
qualquer ponto na base geográfica.
Modelagem de Dados Geográficos
C CURVA DE
NÍVEL
1...*
QUADRA
1
COINCIDE
1...* 1
LOTE
OCUPAÇÃO CEP
0...1 1 0...* 1
CORRESPONDE
EM FRENTE
POSSUI
ASSOCIADO
TRECHO CRUZAMENTO
1 MALHA VIÁRIA
TIPO IMÓVEL
0...*
0...* IMÓVEL
IMÓVEL 0...1
TERRITO-
PREDIAL
RIAL
1...*
POSSUI
4.6.4 Exercícios
Exercício 1
Uma área de concessão corresponde a uma área geográfica de atuação da Eletropaulo. A
estrutura organizacional interna da empresa divide a área de concessão em uma ou mais
áreas regionais, baseada em alguns requisitos tais como região de atuação,
departamento, divisão e seção em questão. Adicionalmente, é de grande interesse da
empresa o armazenamento de informações relativas às áreas geográficas eletricamente
isoladas entre si, as chamadas regiões elétricas.
Modelagem de Dados Geográficos
Exercício 2
O objetivo da aplicação é identificar os possíveis focos de Dengue dentro de município
de Belo Horizonte.
Deverão ser identificados todos os lotes vagos, todas as borracharias, floriculturas e
ferro velho. Todas as áreas verdes, córregos e rios também deverão ser identificados.
Todas as notificações de Dengue, obtidas através da Secretaria de Saúde, deverão ser
georreferenciadas pelo endereço do paciente.
O resultado será um mapa por distrito sanitário contendo as quadras com o total de lotes
vagos, os casos de dengue registrados pontualmente, a localização das borracharias,
floriculturas e ferro velhos, as áreas verdes, os rios e córregos.
O município é subdividido em Distritos Sanitário. Cada distrito possui uma identificação
e é responsável pela área que ele abrange ou seja, cada quadra dentro do município
pertence apenas a um Distrito Sanitário.
As atividades de Borracharia, floricultura e ferro velho podem ser obtidas através do
arquivo convencional de Atividades-ISS e georreferenciadas pelo endereço (Num.
Logradouro + num. Imóvel). Cada atividade georreferenciada está relacionada com o
arquivo convencional contribuinte-ISS onde estão armazenados os dados do contribuinte
que está exercendo a atividade.
Os lotes vagos podem ser localizados no arquivo convencional de IPTU. No entanto, o
seu georreferenciamento deverá ser feito através dos campos num.setor e num.quadra.
Modelagem de Dados Geográficos
Como os lotes não estão fechados, não será possível localizar individualmente cada lote.
Serão localizadas todas as quadras que possuem lotes vagos. A chave de identificação de
uma quadra é num. setor + num. quadra. A localização lote vago estará associada ao
arquivo convencional Imóvel IPTU para obtenção do proprietário do lote.
O Endereço é uma entidade gráfica simbólica localizado na base geográfica e será sobre
ele que as atividades e notificações estarão localizadas.
O número e nome do logradouro estão no arquivo convencional Logradouro. Este
arquivo estará relacionado com o endereço e as notificações.
Analisar o problema apresentado e modelar a aplicação utilizando o modelo Geo-OMT.
Caso os lotes já estivessem fechados (polígonos) na base geográfica, qual será a
diferença no esquema feito anteriormente?
Modelagem de Dados Geográficos
Divisa
Municipal
1...*
Distrito Área Verde Rio
Sanitário
C 1 1 1 Notificação
sobre 1...*
1...*
Lote Vago
sobre
Pertence
0...* 1...*
1...* Atividades
0...* Contrib-ISS
pertence
Exerce
Contribuinte-ISS
0...1 1...* 1
•
Divisa
Municipal
1...*
Distrito Área Verde Rio
Sanitário
C 1 1 1 Notificação
sobre 1...*
1...*
Lote sobre
Pertence
0...* 1...*
Atividades
0...* Contrib-ISS
tipo de ocupação Exerce
Contribuinte-ISS
1...* 1
Lote Lote Vago
Edificado
tipo de atividade
1...*
Borracharia Floricultura Ferro Velho
pertence
0...1
Imóvel IPTU
Modelagem de Dados Geográficos
Significado
Representação Gráfica
Nome da Classe
Classe Convencional
Atributos
Nome da classe
Operações
Representação
Simplificada
Nome
da Classe Classe Georreferenciada
Atributos Gráficos
Atributos
Nome
da Classe
Geo-objeto Linha
Operações Ex- Muro
Nome
da Classe Classe Georreferenciada
Atributos Gráficos
Atributos
Nome
da Classe
Geo-objeto Ponto (símbolo)
Operações Ex- Árvore
Nome
da Classe Classe Georreferenciada
Atributos Gráficos
Atributos
Nome
da Classe
Geo-objeto Polígono
Operações Ex- Lote
Nome
da Classe Classe Georreferenciada
Atributos Gráficos
Atributos
Nome
da Classe
Geo-objeto Linha uni-direcionada
Operações Ex- Trecho da rede de esgoto
Nome
da Classe Classe Georreferenciada
Atributos Gráficos
Atributos
Nome
da Classe
Geo-objeto Linha bi-direcionada
Operações Ex- Trecho da rede de água
Nome
da Classe Classe Georreferenciada
Atributos Gráficos
Atributos
Nome
da Classe
Geo-objeto Nó
Operações Ex- Poço de visita
Nome
da Classe Classe Georreferenciada
Atributos Gráficos
Atributos
Nome
da Classe
Geo-campo Rede triangular irregular
Operações Ex- TIN
Nome
da Classe Classe Georreferenciada
Atributos Gráficos
Atributos
Nome
da Classe
Geo-campo Isolinha
Operações Ex- Curva de Nível
Nome
da Classe Classe Georreferenciada
Atributos Gráficos
Atributos
Nome
da Classe
Geo-campo Polígonos Adjacentes
Operações Ex- Divisão de regiões administrativas
Nome
da Classe Classe Georreferenciada
Atributos Gráficos
Atributos
Nome
da Classe
Geo-campo Tesselação
Operações Ex- Imagem de Satélite
Nome
da Classe Classe Georreferenciada
Atributos Gráficos
Atributos
Nome
da Classe
Geo-campo Amostragem
Operações Ex- Pontos cotados (altimetria)
Modelagem de Dados Geográficos
Significado
Representação Gráfica
Nome Classe
Generalização
As subclasses herdam os atributos da superclasse
Nome Nome
Subclasse Subclasse
Hachura = verde
Nome Classe
Generalização Espacial
As subclasses possuem atributos gráficos diferentes da
superclasse no entanto, herdam os atributos
alfanuméricos
Subclasse Subclasse
Hachura = verde
Nome Classe
Nome da relação Relacionamento Espacial
Nome Classe
Nome da relação Hierarquia Espacial
Nome Classe
nome da rede
Nome Classe Nome Classe
Relacionamento em Rede
nome da rede
Nome da Classe
Agregação
Classe
Agregação Espacial
Subdivisão Espacial (subdividido em)
Classe
U
Agregação Espacial
União Espacial (união de)
Classe
C Agregação Espacial
Contém
Modelagem de Dados Geográficos
Significado
Representação Gráfica
SuperClass e
Generalização Cartográfica pela Forma
sobreposta / total
F
Subclass e Subclass e
SuperClass e
Generalização Cartográfica por Escala
disjunta / total
E
Subclass e Subclass e
Nome da classe
0...1 Cardinalidade
Zero ou um
Nome da classe
1...* Cardinalidade
Um ou mais
Nome da classe
1 Cardinalidade
Exatamente um
Modelagem de Dados Geográficos
[AbHu87] ABITEBOUL, Serge, HULL, Richard. IFO: a formal semantic database model.
ACM Transactions on Database Systems, v.12, n.4, p.525-565, 1987.
[Abri74] ABRIAL, J. Data semantics. In: KLIMBIE, J., KOFFEMEN, K.(Eds.). Data
Base management.North-Holland, amsterdam, 1974, p.1-59.
[BCMM96] BÉDARD, Y., CARON, C., MAAMAR, Z., MOULIN, B., VALLIÈRE, D.
Adapting data models for the design of spatio-temporal databases. Computers,
Environment and Urban Systems, London, v.20, n.1, p.19-41, 1996.
[Bert67] BERTIN, Jaques. Sémiologie graphique: les diagrammes, les réseaux, les
cartes. Paris: Mounton et Gauthier-Villars, 1967. 431p.
[CaBe93] CARON, Claude, BÉDARD, Yvan. Extending the individual formalism for a
more complete modeling of urban spatially referenced data. Computers,
Environment and Urban Systems, London, v.17, p.337-346, 1993.
[CFSC94] CAMARA, G., FREITAS, U., SOUZA, R., CASANOVA, M., HEMERLY,
A., MEDEIROS, C. A model to cultivate objects and manipulate fields. In: 2ND
ACM WORKSHOP ON ADVANCES IN GIS, 1994, Proceedings...p.20-28.
[Chen76] CHEN, P. The entity-relationship model - toward a unified view of data. ACM
Transactions on Database Systems, v.1,n., p.9-36,1976.
[CoYo91] COAD, P., YOURDON, E., 1991, Object-Oriented Analysis., 2nd edition.
Englewood Cliffs, New Jersey: Prentice Hall.
[Davi97] DAVIS Jr., Clodoveu. GIS: dos conceitos básicos ao estado da arte. Espaço
BH, Belo Horizonte, n.1, p.5-8, 1997.
[Ditt86] DITTRICH, K. Object-oriented database systems: The notion and the issues. In:
INTERNATIONAL WORKSHOP ON OBJECT-ORIENTED DATABASE, 1986, Pacific
Groce, CA. Proceedings...IEEE, New York, p.2-17.
[Egen95] EGENHOFER, Max J. Object-oriented GISs: the principles. In: III SIMPÓSIO
BRASILEIRO DE GEOPROCESSAMENTO , 1995, São Paulo. Anais... p.175-203.
[Fran92] FRANK, Andrew U. Spatial concepts, geometric data models, and geometric
data structures. Computers & Geoscience, London, v.18, n.4, p.409-417, 1992.
[Hann95] HANNA, Magdy S. A close at the IFO data model. Sigmod Record, v.24, n.1,
p.21-26, 1995.
[KaCh95] KANG, S., CHOY, Y. Object-Relational data modeling for GIS. In:
GIS/LIS’95, 1995, Nashville. Proceedings... v1, p.535-5417.
Modelagem de Dados Geográficos
[Kemp92] KEMP, Karen K. Environmental modeling with GIS: a strategy for dealing
with spatial continuity. Santa Barbara: University of California, 1992. (PhD
thesis).
[LiIo96] LISBOA F., Jugurta., IOCHPE, Cirano. Análise comparativa dos modelos de
dados conceituais para sistemas de informações geográficas. Porto Alegre:
CPGCC da UFRGS, 1996. RP- 266.
[MaES95] MARK, David M., EGENHOFER, Max. J., SHARIFF, Abdul R. M. Towards
a standard for spatial relations in SDTS and geographic information systems In:
GIS/LIS’95, 1995, Nashville. Proceedings... v.2, p.686-695.
[MaFr90] MARK, David M., FRANK, Andrew U. Language issues for geographical
information systems. Santa Barbara, CA: National Center for Geographic
Information and Analysis (NCGIA), 1990. Technical Report 90-10.
[MePi94] MEDEIROS, Claudia B., PIRES, Fátima. Databases for GIS. SIGMOD
Record, v.23, n.1, p.107-115, 19917.
Modelagem de Dados Geográficos
[Monm91] MONMONIER, Mark. How to lie with maps. Chicago: The University of
Chicago Press, 1991. 176p.
[NaFe94] NATIVI, Stefano, FEDERICI, Giorgio. A conceptual modelling for the GIS
developing. In: FIFTH EUROPEAN CONFERENCE AND EXHIBITION ON
GEOGRAPHICAL INFORMATION SYSTEMS – EGIS/MARI’94, 19917.
Proceedings...v.1,p.899-908.
(http://wwwwsgi.ursus.maine.edu/gisweb/egis/eg94102.html)
[PeBS97] PEREZ, Celso R.; BATISTA, Daniela C. F.; SALGADO, Ana Carolina.
BDGEO: modelagem, implementação e visualização de dados geográficos. In:
GIS BRASIL97, 1997, Curitiba. Anais... p.252-262.
[SaNF79] Dos SANTOS, C., NUHOLD, E., FURTADO, A. A data type approach to
entity-relationship model. In: 1st INTERNATIONAL CONFERENCE ON ENTITY-
RELATIONSHIP APPROACH , 1979, Los Angeles, CA. Proceedings....
[SCGL97] SHEKHAR, S., COYLE, M., GOYAL, B., LIU, D., SARKAR, S. Data model
in geographic information systems. Communications of the ACM, v.40, n.4,
p.103-111, 1997.
[Ship81] SHIPMAN, D. The functional data model and the data language DAPLEX.
ACM Transactions on Database Systems, v.6 n.1, 1981.
[StMa97] STRAUCH, Júlia, MATTOSO, Marta. Orientação a objetos aplicada aos GIS.
Fator GIS, n.20, p.58-60, 1997.
Modelagem de Dados Geográficos
[TeYF86] TEOREY, T., YANG, D., FRY, J. A logical design methodology for relational
databases using the extended entity-relationship model. ACM Computing
Surveys, v.18, n.2, 1986.
[TiSa94] TIMES, Valéria C., SALGADO, Ana Carolina. Uma modelagem orientada a
objetos para aplicações geográficas. In: 9o SIMPÓSIO BRASILEIRO, 1992, São
Carlos-SP. Anais... p.293-309.
[Worb94a] WORBOYS, Michael F. A unified model for spatial and temporal information.
The Computer Journal, v.37, n.1, p.26-34, 19917.
5
1
No caso das denominações das diferentes escolas de Geografia, adotamos a terminologia de 24. MORAES, A. C. R.
Geografia: Pequena História Crítica. São Paulo, Hucitec, 1995..
comparações das integrações obtidas permitiriam chegar a um padrão de variação
daqueles fenômenos tratados”.
A proposta de Hartshorne contribuiu para dar uma base metodológica para o uso do
conceito de “unidade de área” em Geoprocessamento. A representação computacional
correspondente aos conceitos de “unidade de área” em Hartshorne é o polígono fechado, que
delimita cada região de estudo e um conjunto de atributos, tipicamente armazenados num
banco de dados relacional. Um procedimento típico para aplicar a abordagem de Hartshorne
em um ambiente de GIS seria:
• Tomando-se como base uma representação pictórica do espaço (como uma foto aérea ou
imagem de satélite) e levantamentos preliminares de campo, realiza-se uma delimitação
de unidades-área na região de estudo.
• Como alternativa, utilizam-se dados de cartografia temática e análises booleanas do tipo
“SE...ENTÃO” para produzir um mapa de interseções dos diversos conjuntos de
interesse. Estas interseções delimitam as unidades-área.
• Através de levantamentos de campo ou da integração de dados já disponíveis, como
mapas pedológicos e vegetação, caracteriza-se cada unidade-área com os atributos que a
singularizam das demais unidades. O resultado é um banco de dados geográficos com
unidades-área delimitadas por polígonos, com um conjunto de atributos para cada
unidade.
• Através de ferramentas de consulta (por atributos e espacial) do GIS, pode-se inferir as
relações conjuntas entre as diversas unidades-área.
Do ponto de vista da representação computacional, o conceito de “unidade-área” de
Hartshorne é equivalente aos conceitos de unidade de paisagem (Tricart, 1977)) e land-unit
(Zonneveld, 1989), todos baseados no conceito-chave de delimitação de unidades
homogêneas. Numa visão geral, pode-se dizer que a atual geração de GIS permite a realização
dos conceitos de Hartshorne (e equivalentes), com poucas limitações.
5.4.1 Introdução
Em seu livro “Espaço e Método”, (Santos, 1985) utiliza os conceitos de forma, função,
estrutura e processo para descrever as relações que explicam a organização do espaço. A
forma é o aspecto visível do objeto, referindo-se, ainda, ao seu arranjo, que passa a constituir
um padrão espacial; a função constitui uma tarefa, atividade ou papel a ser desempenhado
pelo objeto; a estrutura refere-se à maneira pela qual os objetos estão inter-relacionados entre
si, não possui uma exterioridade imediata - ela é invisível, subjacente à forma, uma espécie de
matriz na qual a forma é gerada; o processo é uma estrutura em seu movimento de
transformação, ou seja, é uma ação que se realiza continuamente visando um resultado
qualquer, implicando tempo e mudança. Para citar o autor:
“Forma, função, estrutura e processo são quatro termos disjuntivos associados, a
empregar segundo um contexto do mundo de todo dia. Tomados individualmente
apresentam apenas realidades, limitadas do mundo. Considerados em conjunto,
porém, e relacionados entre si, eles constroem uma base teórica e metodológica a
partir da qual podemos discutir os fenômenos espaciais em totalidade”. (Santos,
1985).
A relevância deste conceito de espaço para a Ciência da Informação Espacial é mais
conceitual do que prática, pois aponta essencialmente para limitações dos sistemas
computacionais de representação de informação. Nesta perspectiva, pode-se afirmar que as
técnicas atuais de Geoprocessamento não conseguem resolver de forma plena as dualidades
forma-função e estrutura-processo, pois o uso de representações computacionais geométricas
(como polígonos ou grades regulares) e de modelos funcionais (cadeias de Markov, modelos
de difusão espacial) sempre implica numa materialização das noções de espaço. Na atual
geração de GIS, podemos caracterizar adequadamente a forma de organização do espaço, mas
não a função de cada um de seus componentes; podemos ainda estabelecer qual a estrutura
do espaço, ao modelar a distribuição geográfica das variáveis em estudo, mas não
capturarmos, em toda a sua plenitude, a natureza dinâmica dos processos de constante
transformação da natureza, em conseqüência das ações do homem.
Mesmo quando utilizamos ferramentas de modelagem dinâmica (Couclelis, 1997;
Burrough, 1998), e realizamos aproximações dos processos físicos e urbanos de uso e
transformação do espaço, a ênfase das representações computacionais é sempre nos aspectos
estruturais do espaço (como no uso de autômatos celulares para modelar transições do uso do
solo urbano).
Deste modo, as dualidades forma-função e estrutura-processo apontam para
deficiências estruturais de todas os sistemas de informação, no atual estágio do conhecimento.
Para remover estes limites, será preciso avançar muito na direção de técnicas de
Representação do Conhecimento e Inteligência Artificial(Sowa, 2000), o que leva a
considerações mais genéricas (e fora do escopo deste artigo) sobre as próprias limitações do
computador enquanto tecnologia de processamento da informação. O leitor interessado deve
referir-se a (Penrose, 1989) e (Searle, 1984).
Sem abandonar as definições anteriores, mas buscando uma visão mais geral sobre os
conceitos de espaço (Santos, 1996) afirma que “o espaço geográfico é um sistema de objetos
e um sistema de ações”. Esta caracterização objetiva contrapor os elementos de composição
do espaço (os objetos geográficos) aos condicionantes de modificação deste espaço (as ações
humanas e dos processos físicos ao longo do tempo). Numa formulação sintética, Santos
enfatiza a necessidade de libertar-nos de visões estáticas do espaço (tais como nos vem
condicionando séculos de mapas), ao incluir a componente de processos variantes no tempo
como parte essencial do espaço. Ele procura diferenciar o conceito de espaço do de paisagem,
afirmando que "a paisagem é o conjunto de formas que num dado momento, exprimem as
heranças que representam as sucessivas relações localizadas entre homens e natureza. O
espaço são essas formas mais a vida que as anima".
Do ponto de vista da geoinformação, a noção de “sistemas de objetos e sistemas de
ações” coloca-se num nível de abstração ainda maior que as formulações anteriores de Santos.
Daí surgem algumas questões cruciais: é possível realizar a transição destes conceitos
abstratos para o âmbito de um sistema computacional? Quais as limitações da tradução das
noções abstratas propostas para um SIG ?
Numa primeira análise, a tradução do conceito de “sistema de objetos e sistemas de
ações” para o ambiente computacional esbarra em três questões: como modelar os “sistemas
de objetos” ? como representar os “sistemas de ações?” como expressar as interações entre os
objetos e as ações ?
Para representar os sistemas de objetos, será preciso descrever cada um dos diferentes
tipos de objetos componentes do espaço (ou da parcela do espaço em análise). Neste sentido,
um dos avanços recentes na área de Geoprocessamento é o uso de Ontologias. Uma ontologia
é uma teoria que especifica um vocabulário relativo a um certo domínio de, que define
entidades, classes, propriedades, predicados e funções e as relações entre estes componentes
(Fonseca and Egenhofer, 1999) (Fonseca, Egenhofer et al., 2000). Na visão de (Smith and
Mark, 1998), uma ontologia do mundo geográfico pode ajudar a entender como diferentes
comunidades compartilham informações e estabelecer correspondências e relações entre os
diferentes domínios de entidades espaciais.
Numa perspectiva genérica, pode-se dizer que o uso de Ontologias em GIS é uma
maneira de integrar técnicas de Representação do Conhecimento em uma tecnologia com uma
forte tradição geométrica e cartográfica. Deve-se lembrar que, apesar da sua atratividade
enquanto conceito, o uso de Ontologias em GIS enfrenta essencialmente os mesmos
problemas das técnicas de Representação do Conhecimento (Sowa, 2000). Estes problemas
incluem a concepção de formalismos para armazenamento de informação e a tradução do
conhecimento existente informalmente no domínio de aplicação para representações
computacionais. Vale lembrar ainda que a maior parte dos paradigmas atuais de
Representação do Conhecimento são essencialmente estáticos, sem modelar adequadamente a
dimensão temporal e os relacionamentos dinâmicos e dependentes de contexto entre os
objetos.
A representação dos “sistemas de ações” é ainda mais difícil num ambiente
computacional. Sendo o computador uma ferramenta matemática e não analógica, a
representação de processos depende fundamentalmente de modelagem numérica, usualmente
realizada através de equações funcionais. Cabe aqui distinguir dois grandes grupos de
processos espaciais: os modelos do meio físico e os de processos sócio-econômicos (que
incluem os fenômenos urbanos). Estes grupos possuem variáveis e comportamentos
diferenciados que exigem diferentes abordagens de implementação.
Fenômenos físicos tais como modelos hidrológicos e ecológicos são exemplos de
fenômenos com alto índice de variação do estado da superfície ao longo do tempo. Sua
representação acurada depende da capacidade de derivar equacionamentos matemático-
formais que descrevam a variação espaço-temporal do fenômeno.
No caso de fenômenos sócio-econômicos, os processos tem uma complexidade muito
maior, por envolver, além de fenômenos físicos, componentes de construção da realidade
social. Neste sentido, vale a pena destacar o exposto em (Searle, 1995): a realidade social
envolve um componente físico (externo à nossa percepção) e um componente mental, que
resulta de consenso estabelecido em procedimentos jurídicos e culturais de cada sociedade.
Deste modo, a aplicação do conceito de sistemas de ações à modelagem
computacional de fenômenos socio-econômicos não pode ser reduzida à premissa
funcionalista de que é possível derivar modelos matemáticos que descrevam o comportamento
dos agentes sociais. Apesar disto, os autores consideram ser útil e válido a proposição de
modelos que, com crescente sofisticação e inevitável reducionismo, possam simular parte do
comportamento dos diferentes processos socio-economicos-ambientais.
Como exemplo, o trabalho de (Engelen, 1995) apresenta uma estrutura de modelagem
dinâmica e de suporte a decisão capaz de operar em uma variedade de escalas. Esta estrutura é
constituída de dois níveis denominados macro e micro escalas. Na macroescala, estão
representadas as variáveis ecológicas e sócio-econômicas que afetam o sistema como um
todo. A microescala representa a dimensão espacial do modelo. Estas escalas interagem
intensivamente entre si e com um banco de dados geográfico, a partir do qual obtêm os dados
necessários para as simulações.
Ainda com respeito ao problema de modelagem computacional dos sistemas de ações,
(Câmara, 2000) apresentam uma proposta para modelar o processo de produção de
informação em bases de dados georeferenciados, levando em conta o objetivo final a ser
alcançado com os procedimentos de Análise Geográfica. Esta proposta visa capturar uma das
dimensões do conceito de “sistemas de ações”: a intenção do especialista ao modelar o espaço
geográfico.
Em resumo, o conceito de Milton Santos de “espaço como sistemas de objetos e
sistemas de ações” caracteriza um mundo em permanente transformação, com interações
complexas entre seus componentes. Santos apresenta uma visão geral, que admite diferentes
leituras e distintos processos de redução, necessários à captura desta definição abstrata num
ambiente computacional. Não obstante, a riqueza inerente a este conceito está em deslocar a
ênfase da análise do espaço, da representação cartográfica para a dimensão da representação
do conhecimento geográfico. Afinal, como diz o próprio Milton Santos, “geometrias não são
geografias”.
Júl io C ésar L im a D ’ Al ge
6.1 INTRODUÇÃO
A definição de posições sobre a superfície terrestre requer que a Terra possa ser
tratada matematicamente. Para o geodesista a melhor aproximação dessa Terra
matematicamente tratável é o geóide, que pode ser definido como a superfície
equipotencial do campo da gravidade terrestre que mais se aproxima do nível médio dos
mares. A adoção do geóide como superfície matemática de referência esbarra no
conhecimento limitado do campo da gravidade terrestre. À medida que este conhecimento
aumenta, cartas geoidais existentes são substituídas por novas versões atualizadas. Além
disso, o equacionamento matemático do geóide é intrincado, o que o distancia de um uso
mais prático. É por tudo isso que a Cartografia vale-se da aproximação mais grosseira
aceita pelo geodesista: um elipsóide de revolução . Visto de um ponto situado em seu eixo
de rotação, projeta-se como um círculo; visto a partir de uma posição sobre seu plano do
equador, projeta-se como uma elipse, que é definida por um raio equatorial ou semi-eixo
maior e por um achatamento nos pólos.
Neste ponto torna-se oportuno colocar o conceito de datum planimétrico. Começa-
se com um certo elipsóide de referência, que é escolhido a partir de critérios geodésicos de
adequação ou conformidade à região da superfície terrestre a ser mapeada (veja, por
exemplo, Snyder, 1987, para uma lista de elipsóides usados em diferentes países ou
regiões). O próximo passo consiste em posicionar o elipsóide em relação à Terra real. Para
isto impõe-se inicialmente a restrição de preservação do paralelismo entre o eixo de
rotação da Terra real e o do elipsóide. Com esta restrição escolhe-se um ponto central (ou
origem) no país ou região e se impõe, desta vez, a anulação do desvio da vertical, que é o
ângulo formado entre a vertical do lugar no ponto origem e a normal à superfície do
elipsóide. Fica definida então a estrutura básica para o sistema geodésico do país ou região:
o datum planimétrico. Trata-se, portanto, de uma superfície de referência elipsoidal
posicionada com respeito a uma certa região. Sobre esta superfície realizam-se as medições
geodésicas que dão vida à rede geodésica planimétrica da região.
Um datum planimétrico é formalmente definido por cinco parâmetros: o raio
equatorial e o achatamento elipsoidais e os componentes de um vetor de translação entre o
centro da Terra real e o do elipsóide. Na prática, devido à incertezas na determinação do
centro da Terra real, trabalha-se com translações relativas entre diferentes datuns
planimétricos.
Dado um ponto sobre a superfície do elipsóide de referência de um certo datum
planimétrico, a latitude geodésica é o ângulo entre a normal ao elipsóide, no ponto, e o
plano do equador. A longitude geodésica é o ângulo entre o meridiano que passa no ponto
e o meridiano origem (Greenwich, por convenção). Fala-se aqui da definição do sistema de
paralelos e meridianos sobre a superfície elipsoidal do datum.
Outro conceito importante é o de datum vertical ou altimétrico. Trata-se da
superfície de referência usada pelo geodesista para definir as altitudes de pontos da
superfície terrestre. Na prática a determinação do datum vertical envolve um marégrafo ou
uma rede de marégrafos para a medição do nível médio dos mares. Faz-se então um
ajustamento das medições realizadas para definição da referência “zero” e adota-se um dos
marégrafos como ponto de referência do datum vertical. No Brasil o ponto de referência
para o datum vertical é o marégrafo de Imbituba, em Santa Catarina.
Um dos problemas típicos na criação da base de dados de um SIG aqui no Brasil
tem sido a coexistência de dois sistemas geodésicos de referência: Córrego Alegre e SAD-
69. Algumas cartas topográficas referem-se à Córrego Alegre, que é o antigo datum
planimétrico brasileiro, enquanto outras utilizam como referência o SAD-69, que é o atual
datum planimétrico. Os usuários de SIG já estão relativamente acostumados a conviver
com escolhas de projeção e seleções de datum sempre que precisam realizar entrada ou
importação de dados, mas costumam ignorar que as coordenadas geográficas - na verdade,
geodésicas - são definidas sobre a superfície de referência do datum selecionado e que,
portanto, variam de datum para datum.
T a b e l a 1 - P a r â m e t r o s d o s e l i p s ó i d e s d a U n i ã o A s t r on ô m i c a I n t e r n a c i o n a l e
Hayford
x = ρ.cosθ θ = arctan(y/x)
y = ρ.senθ ρ = (x 2 + y 2 ) 1 / 2
Projeção cônica
A superfície de projeção usada é um cone que envolve a Terra e que, em seguida, é
desenvolvido num plano. As projeções cônicas podem ser tangentes ou secantes. A figura
4 apresenta um exemplo de projeção cônica. Em todas as projeções cônicas normais (eixo
do cone coincidente com o eixo de rotação da Terra) os meridianos são retas que
convergem para um ponto (que representa o vértice do cone) e todos os paralelos são
circunferências concêntricas a esse ponto.
Projeções equidistantes
As projeções equidistantes conservam a proporção entre as distâncias, em
determinadas direções, na superfície representada. Convém reforçar a idéia de que a
equidistância, ao contrário da conformidade ou da equivalência, não é uma característica
global de toda a área mapeada. O exemplo mais comum de projeção equidistante é a
projeção Cilíndrica Equidistante.
Latitude de origem
Corresponde a um paralelo de referência escolhido para posicionar o eixo x do
sistema de coordenadas planas ou de projeção. A latitude de origem costuma ser o equador
para a maior parte das projeções. Nas cartas ao milionésimo, que usam a projeção cônica
conforme de Lambert, adota-se sempre o paralelo superior de cada carta como latitude de
origem.
Escala
É a relação entre as dimensões dos elementos representados em um mapa e aquelas
medidas diretamente sobre a superfície da Terra. A escala é uma informação que deve estar
presente em qualquer mapa e, em geral, também é apresentada na forma de escala gráfica.
A escala numérica indica no denominador o valor que deve ser usado para multiplicar uma
medida feita sobre o mapa e transformá-la num valor correspondente na mesma unidade de
medida sobre a superfície terrestre.
Mapeamentos
temát icos. Mapeamento
de áreas com ext ensão Preserva área.
predominant e leste-
Albers Cônica oest e. Substit ui com
Equivalent e vantagens todas as
outras cônicas
equiv alent es.
Mapas Mundi.
Trabalhos
computacionais.
Mapeamento das
regiões polares.
Estereográfic Azimut al Preserva ângulos.
a Polar Conforme Mapeamento da L ua,
Marte e Mercúrio. Tem distorções de
escala.
Cart as aeronáuticas.
Mapas mundi.
Miller Cilíndrica Mapas em escalas Altera área e
pequenas. ângulos.
A entrada de dados via mesa digitalizadora impõe uma calibração entre os sistemas
de coordenadas do mapa e da mesa digitalizadora. Os usuários de SIG já se acostumaram a
ter que clicar com o mouse nos quatro cantos do mapa e fornecer as coordenadas
geográficas ou de projeção. O SIG calcula os parâmetros de uma transformação de
afinidade que guarda a relação entre coordenadas de mesa e coordenadas do mapa.
A integração de imagens de satélite a uma base de dados é tipicamente executada
através de funções polinomiais determinadas a partir das coordenadas de pontos de
controle identificados nas imagens e no sistema de referência da base de dados.
Estes dois exemplos de processamentos corriqueiros na criação da base de dados de
um SIG mostram que é importante conhecer alguns aspectos básicos de transformações
geométricas no espaço bidimensional. Em síntese, as seguintes transformações são aqui
discutidas: ortogonal (3 parâmetros), similaridade (4 parâmetros), afim ortogonal (5
parâmetros), afinidade (6 parâmetros) e transformações polinomiais (mais de 6
parâmetros). A figura 7 tem o objetivo de guiar o leitor na descrição de cada
transformação geométrica. É importante que se entenda quais efeitos geométricos são
modelados por cada transformação.
identidade escala
rotação
rotação
quebra do paralelismo
Uma transformação ortogonal executa uma rotação e duas translações, cada uma
correspondente a um dos eixos de um sistema de coordenadas planas (3 parâmetros). É
também conhecida como transformação de corpo rígido. Aplicada a um quadrado de lado
L, gera, numa outra posição do plano, um quadrado de lado L que pode estar rotacionado
em relação a sua posição inicial. Trata-se de uma transformação adequada para avaliações
de qualidade geométrica de dados vetoriais. A determinação de seus 3 parâmetros requer
um número mínimo de 2 pontos de controle.
Uma transformação de similaridade executa um fator de escala global, uma rotação
e duas translações (4 parâmetros). É também conhecida como transformação isogonal.
Aplicada a um quadrado de lado L1, gera, numa outra posição do plano, um quadrado de
lado L2 que pode estar rotacionado em relação a sua posição inicial. É uma transformação
adequada para avaliações de qualidade geométrica de dados vetoriais e matriciais. A
determinação de seus 4 parâmetros também requer um número mínimo de 2 pontos de
controle.
Uma transformação afim ortogonal executa dois fatores de escala, cada um ao
longo da direção de um dos eixos de um sistema de coordenadas planas, uma rotação e
duas translações (5 parâmetros). Aplicada a um quadrado, gera, numa outra posição do
plano, um retângulo que pode estar rotacionado em relação a sua posição inicial. É uma
transformação útil quando se deseja investigar deformações de escala ao longo de direções
perpendiculares. Apesar de não ser muito comum, pode ser usada como função de
calibração na entrada de dados via mesa digitalizadora. A determinação de seus 5
parâmetros requer um número mínimo de 3 pontos de controle.
Uma transformação de afinidade executa dois fatores de escala, uma rotação, duas
translações e uma rotação residual, que é responsável pela quebra da ortogonalidade (6
parâmetros). Aplicada a um quadrado, gera, numa outra posição do plano, um
paralelogramo que pode estar rotacionado em relação a sua posição inicial. É uma
transformação adequada para função de calibração na entrada de dados via mesa
digitalizadora e para o registro de dados vetoriais e matriciais a uma base de dados num
SIG. Lembra-se aqui que a transformação de afinidade nada mais é que um polinômio do
1o grau. A determinação de seus 6 parâmetros também requer um número mínimo de 3
pontos de controle.
Qualquer transformação geométrica mais complexa (maior número de parâmetros)
que uma transformação de afinidade ou um polinômio do 1o grau introduz quebra de
paralelismo. Pense, por exemplo, na presença de um termo em xy acrescido aos termos já
presentes numa transformação de afinidade. Como resultado, o paralelogramo do exemplo
acima se transforma num trapézio, se o termo em xy só afetar uma direção, ou num
quadrilátero genérico. Transformações polinomiais podem ser úteis para o registro de
dados vetoriais e matriciais a uma base de dados num SIG. Entretanto, polinômios de
ordem mais elevada devem ser usados com cautela: transformações mais complexas só
fazem sentido se houver mais efeitos geométricos a ser modelados do que aqueles descritos
nesta seção.
Acabou de descobrir que sua área de estudo requer 4 cartas topográficas para ser
totalmente coberta? Ou que vai necessitar de 2 imagens de satélite para fazer a atualização
do uso do solo? Ou ainda que certas informações municipais devem ser agregadas para
integrar um contexto estadual? Estes são problemas típicos de cobertura dos dados. Trata-
se de diferentes particionamentos do espaço geográfico e das consequências que isso traz
para o usuário de SIG. Um SIG deve ser capaz de gerenciar os mais diversos
particionamentos do espaço geográfico sem que haja limitações para as operações de
entrada, combinação e análise dos dados.
O projeto de monitoramento do desflorestamento na Amazônia brasileira, de
responsabilidade do INPE, é um bom exemplo do problema de cobertura dos dados. A área
da Amazônia foi dividida de acordo com as folhas 1:250.000 das cartas topográficas, sendo
que cada folha de 1o por 1,5o define um projeto no SIG. A informação atualizada do
desflorestamento é extraída de imagens TM-Landsat e inserida nos projetos definidos pelas
cartas topográficas. Posteriormente parte dos dados é organizada por município e há
também uma agregação feita por estado.
Outro grupo de problemas ligados à integração de dados relaciona-se a certos erros
que costumam aparecer nos dados que são combinados ou integrados. Há inicialmente uma
questão básica que se refere ao ajuste de linhas que são copiadas ou mosaicadas de um
plano de informação para outro. Sempre que esta operação ocorrer o usuário é obrigado a
aplicar a função de ajuste de linhas de modo a garantir consistência topológica.
Outra questão mais preocupante, que nem sempre vem acompanhada de soluções
possíveis, é a geração de polígonos espúrios. Este efeito pode ocorrer sempre que se faz
uma combinação ou cruzamento de dados entre dois ou mais planos de informação que
contêm linhas que representam a mesma feição geográfica. O problema é que essa linha
pode não ter a mesma representação nos planos de informação envolvidos por um dos dois
motivos: as linhas já não tinham a mesma representação nos mapas originais ou tinham a
mesma representação mas a digitalização cuidou de introduzir diferenças na representação
digital resultante. Desse modo, pequenos polígonos, chamados polígonos espúrios, são
gerados pela interseção de linhas que representam as mesmas feições mas que têm
representações digitais levemente discrepantes. Apesar de existirem ferramentas para
detecção desses pequenos polígonos – que tendem a ser afilados e com área pequena – este
problema é de difícil solução automática num SIG.
O melhor procedimento por parte do usuário é analisar seus dados antes de colocá-
los no universo digital. Num exemplo que integra um mapa de solos com um de vegetação
numa área de estudo no litoral, a linha de costa está representada nos dois mapas. O
usuário deve escolher a melhor representação (mais recente, mais exata) e digitalizar a
linha de costa que está presente somente em um dos mapas, copiando-a para o plano de
informação do outro mapa.
imagens é a integração com mapas e outras informações. Sensoriamento Remoto, por si só,
já não faz tanto sentido. Há muito tempo os agrônomos deixaram de se preocupar apenas
em separar uma cultura de outra numa imagem; eles agora pensam em produtividade
agrícola, que, além dos tipos de cultura interpretados na imagem, depende do tipo de solo
(mapa de solos), do teor de certos nutrientes no solo (medição de amostras) e da
declividade (carta topográfica).
Alguns requerimentos são fundamentais para que se trabalhe bem com correção
geométrica de imagens. Em primeiro lugar, para que se possa pensar em correção
geométrica, há que se conhecer os erros que interferem no processo de formação das
imagens. A escolha do modelo matemático mais adequado ao tratamento de cada caso
depende fortemente desse conhecimento. Além disso, um SIG deve sempre propiciar
ferramentas para que o resultado de uma correção geométrica possa ser avaliado e,
consequentemente, validado.
De uma maneira geral, o processo de correção geométrica de imagens compreende
três grandes etapas. Começa-se com uma transformação geométrica, também denominada
mapeamento direto, que estabelece uma relação entre coordenadas de imagem (linha e
coluna) e coordenadas geográficas (latitude e longitude). É a etapa em que se eliminam as
distorções existentes e se define o espaço geográfico a ser ocupado pela imagem corrigida.
Em seguida faz-se o mapeamento inverso, que inverte a transformação geométrica usada
no mapeamento direto, permitindo que se retorne à imagem original para que se definam
os níveis de cinza que comporão a imagem corrigida. Esta definição de níveis de cinza
ocorre na última etapa, chamada de reamostragem, que nada mais é que uma interpolação
sobre os níveis de cinza da imagem original.
A discussão das fontes de erro se atém às imagens orbitais dos sensores MSS
(Landsat), TM (Landsat), HRV (Spot) e AVHRR (Noaa). Um dos efeitos principais é
causado pela rotação da Terra (skew), ou seja, pelo movimento relativo entre a Terra e o
satélite. Na medida em que o satélite desloca-se para o sul, a Terra gira de oeste para leste,
fazendo com que seja necessário compensar o posicionamento das varreduras, que devem
ser deslocadas para leste. Por isso as imagens corrigidas apresentam aquele aspecto de
paralelogramo. No caso do sensor TM, Landsat-5, a compensação desse erro corresponde a
um deslocamento de cerca de um pixel por varredura.
b) Modelo fotogramétrico
O modelo fotogramétrico inspira-se no uso das equações de colinearidade aplicadas
em fototriangulação. Com base nos dados de efemérides do satélite, descobre-se sua
posição no instante de aquisição de um dado pixel. Com as informações da atitude e dos
parâmetros do sistema de imageamento, define-se a direção de visada para aquele instante.
Tem-se, então, um ponto e uma direção no espaço, os quais definem uma reta. Calcula-se a
interseção dessa reta com a figura matemática da Terra, no caso um elipsóide de referência.
Como resultado, chega-se aos valores de latitude e longitude associados ao instante de
aquisição de um certo pixel, estabelecendo-se, assim, a relação entre o sistema de
referência da imagem e as coordenadas geográficas. O modelo fotogramétrico não faz
hipóteses sobre a independência das diversas fontes de erro e permite o cálculo das
coordenadas geográficas sem que haja necessidade de um procedimento externo. Deste
modo, o referenciamento da imagem a um sistema de projeção cartográfica pode ser feito
sem grandes dificuldades. O modelo fotogramétrico tem sido usado para quase todas as
imagens geradas pelos sensores dos satélites Landsat e Spot.
bom exemplo de redundância é a digitalização via mesa em modo contínuo, que costuma
gerar linhas digitais com um número excessivo de pontos. O processo de entrada de dados
via scanner, que envolve a geração de uma representação matricial seguida de uma
vetorização também costuma gerar redundância de pontos.
Alguns exemplos de algoritmos para simplificação de linhas são descritos a seguir:
o algoritmo original de Douglas-Peucker (Douglas and Peucker, 1973); uma adaptação do
algoritmo de Douglas-Peucker que usa o quociente área/perímetro; uma adaptação do
algoritmo de Li-Openshaw (Li and Openshaw, 1993) que acumula as distâncias percorridas
sobre cada linha. Convém lembrar que todos eles usam critérios meramente subjetivos, que
se traduzem na forma de tolerâncias a serem escolhidas pelos usuários. Portanto,
aconselha-se fortemente que os usuários avaliem o impacto das diferentes tolerâncias, em
cada método, sobre seus dados. Outro aspecto importante diz respeito à topologia. Estes
métodos de simplificação atuam sobre as linhas sem preocupação com relações topológicas
previamente criadas. Por isso, devem sempre ser sucedidos pelas operações de ajuste de
nós e poligonalização.
Douglas-Peucker
Razão Área/Perímetro
Distância Acumulada
6.10 BIBLIOGRAFIA
Gilberto Câmara
7.1 DEFINIÇÃO
7.2 AMOSTRAGEM
n
∑ wij z j
j =1
zi = , (7.1)
n
∑ wij
j =1
Figura 7.7 Ilustração do processo de interpolação por média móvel: (a) configuração
original de amostras; (b) grade regular superposta às amostras; (c) interpolação de um
valor a partir dos vizinhos; (d) grade regular resultante
Variações desse esquema básico são os interpoladores: (a) por vizinho
mais próximo; (b) por média simples; (c) por média ponderada; (d) por média
ponderada por quadrante; (e) por média ponderada por quadrante e por cota.
Nos tres primeiros casos, considera-se uma região em torno do ponto a ser
interpolado como contendo os pontos que influenciam na interpolação. A
interpolação por vizinho mais próximo é definida pela escolha de apenas uma
amostra vizinha para cada ponto da grade. Este interpolador deve ser usado
quando se deseja manter os valores de cotas das amostras na grade, sem gerar
valores intermediários. A interpolação por média simples considera o valor de
cota z do elemento da grade igual a média aritmética dos valores de cota das
amostras vizinhas. Neste caso considera-se que o fator de ponderação wij é
igual a 1/n para qualquer amostra considerada. Na interpolação por média
ponderada o valor de cota de cada elemento da grade é definido pela média
ponderada dos valores de cota das amostras vizinhas. A ponderação mais
usada na prática é o inverso da distância euclidiana do ponto da grade à
amostra considerada ou seja:
wij = 1 dijk , (7.2)
d ij = ( xi − x j ) 2 + ( yi − y j ) 2 (7.3)
Figura 7.8 - Comparação entre interpoladores de média móvel, para o mesmo conjunto de
amostras. À direita, vizinho mais próximo; no centro, média simples; à esquerda, inverso do
quadrado da distância.
w = α1 + α 2 x + α 3 y ou w = α1 + α 2 x + α 3 y + α 4 z (7.4)
w = α1 + α 2 x + α 3 y + α 4 xy + α 5 x 2 + α 6 y 2 . (7.5)
t ( x, y) = α1x+ α 2 y + α 3 z + α 4 (7.6)
R2 ajustado 0,909
Teste de Normalidade dos resíduos 0,925 0,629 Aceito H0
z ( x, y ) = α o + α1x + α 2 y + α 3 xy , (7.7)
que é definido em cada célula e calculado a partir dos seus quatro pontos. O
resultado é uma superfície cuja primeira derivada é descontínua; isto implica
em transições bruscas entre as células da grade resultante.
z(x, y) = α00 +α10x + α01y + α 20x2 + α11xy + α02 y 2 + α21x 2 y + α12xy2 + α 22x2 y 2
(7.8)
+ α30x3 + α03 y3 +α31x3 y + α13xy3 + α32x3 y 2 + α23x 2 y3 .
5 5−i
z ( x, y ) = ∑ ∑ xi y j (7.9)
i = 0 j =0
não contém, no seu interior, nenhum ponto do conjunto das amostras além
dos vértices do triângulo em questão.
Ax + By + Cz + D = 0
5 5−i
z(x, y ) = ∑ ∑ q x y i j
ij
i = 0 j= 0
7.8.1 INTRODUÇÃO
Como já descrito anteriormente, as amostras são processadas de forma
a criar modelos digitais que vão representar a variabilidade do fenômeno
nessa região. Os modelos digitais são utilizados por uma série de
procedimentos de análises úteis para aplicações de geoprocessamento. A
utilização dos modelos digitais, pelas análises, possibilita o estudo de um
determinado fenômeno sem a necessidade de se trabalhar diretamente na
região geográfica escolhida. As análises podem ser qualitativas ou
quantitativas e são importantes para fins de simulações e tomadas de decisão
no contexto de desenvolvimento de aplicações, ou modelagens, de
geoprocessamento que utilizam SIGs.
As análises desenvolvidas sobre um modelo digital de terreno
permitem: visualizar o modelos em projeção geométrica planar; gerar
imagens de nível de cinza, imagens sombreadas e imagens temáticas; calcular
volumes de aterro e corte; realizar análises de perfis sobre trajetórias
predeterminadas e; gerar mapeamentos derivados tais como mapas de
declividade e exposição, mapas de drenagem, mapas de curva de nível e
mapas de visibilidade. Os produtos das análises podem, ainda, serem
integrados com outros tipos de dados geográficos objetivando o
desenvolvimento de diversas aplicações de geoprocessamento, tais como,
planejamento urbano e rural, análises de aptidão agrícola, determinação de
áreas de riscos, geração de relatórios de impacto ambiental e outros.
Esta seção apresenta uma visão geral dos processamentos de análises
que podem fazer parte de um sistema de modelagem digital de terreno
desenvolvido no ambiente de um SIG. O objetivo é descrever os
procedimentos de análises que mais comumente são realizados sobre os
modelos digitais de terreno. O texto inclui: aspectos teóricos e alguns
detalhes de implementação computacional de cada procedimento de análise,
exemplos de aplicação e ilustrações.
Zma 255
NCi
Zi
Zmi 1
Modelo
Figura 7.13 - Mapeamento Imagem
dos valores de cota para níveis de cinza
Considerando-se um mapeamento linear dos valores de cota do
modelo para valores de níveis de cinza, quantização linear, pode-se calcular o
valor NCi em função de Zi pelo seguinte equacionamento:
B
B
B’
B’
(a) (b)
Figura 7.17 - Esquemas de projeção: (a) paralela e (b) perspectiva
Fonte
Plano de luz
de
Centro de
Projeção
Zf
Cj
Zj
Zi Ci
Z C0
Z Perfil 1
(a) (b)
Perfil 2
Dist
(c) (c) utilizando modelos de grade
Figura 7.24 - Ilustração da geração de perfis
(a) regular e (b) irregular.
Z Z
Di Di
(a (
Figura 7.25 - Análise de visibilidade entre extremos de um perfil: (a)
extremos não visíveis e (b) extremos visíveis.
(b)
(a)
Essa mesma aplicação pode ser usada para fins de cálculo do volume de água
represado por uma barragem. O plano horizontal base e a região de interesse
são definidos pela altura de enchimento da barragem. Neste caso o volume de
água da barragem é igual ao volume de aterro calculado. Uma aplicação mais
completa de cálculo de volumes a partir do modelos digitais de terreno deve
incluir também o uso de planos bases não horizontais. Neste caso o usuário
poderia definir o plano base a partir do vetor normal ao plano. A figura
abaixo ilustra o uso de um plano não horizontal no cálculo dos volumes de
aterro e corte.
7.1.
+
+ +
-
-
-
8.1 INTRODUÇÃO
FATIAMENTO EM CLASSES
Uma operação de Fatiamento consiste em obter um campo Temático a partir
de um campo Numérico, de tal modo que cada local de uma área de estudo fique
associado a um valor indicando, sob a forma de um conjunto de classes temáticas, os
intervalos de valores registrados à partir de uma grade Numérica. Por exemplo, a
figura 5.3 mostra um exemplo de um operação de Fatiamento em um conjunto de
classes {baixa, media, alta}, onde um mapa de declividade em graus é convertido
para um mapa de classes de declividade segundo a tabela:
< 9 baixa
< 19 media
> 19 alta
[980,1020] : “BAIXA”,
[1020,1100] : “MEDIA”,
[1100,1180] : “ALTA” );
altfat = Novo (Nome = “ALtimetria_F”, ResX=30, ResY=30,
Escala=50000);
altfat = Fatie (alt, faixas);
}
Egito Nilo
RECLASSIFICAÇÃO
Uma operação de Reclassificação consiste em obter um campo Temático a
partir de outro campo Temático, que podem ou não, ser de categorias Temáticas
distintas. Cada local de uma área de estudo é associado a um valor de um conjunto
de classes temáticas, segundo uma tabela que modela o mapeamento entre os
conjuntos de entrade e saída.
Caatinga Alta
Manguezal
Restinga
Agricultura Baixa
Contato MuitoBaixa
Com base nessa tabela que descreve o mapeamento entre dois conjuntos de
classes Temáticas, usando a linguagem LEGAL, a operação de Reclassificação
acima pode ser descrita por:
{
Tematico veg ("Vegetacao");
Tematico vegR ("Adequacao");
veg = Recupere (Nome="VegetacaoSudene");
vegR = Novo (Nome="Veg_Reclass", ResX=1000, ResY=1000, Escala
= 2000000);
Tabela reclass (Reclassificacao);
reclass = Novo (CategoriaIni= "Vegetacao", CategoriaFim=
"Adequacao",
"Caatinga","Manguezal","Restinga" : "Alta",
"Agricultura" : "Baixa",
"ContatoVegetacional" : "MuitoBaixa" );
vegR= Reclassifique (veg, reclass);
}
ESPACIALIZAÇÃO
Atributos de objetos podem ser usados como base para a geração de campos
afim de representar a sua variação espacial. A operação Espacilize em LEGAL gera
um campo Numérico ou Temático com a partir dos valores de algum atributo de
objetos associados a elementos vetoriais de um mapa Cadastral.
A figura 5.6 ilustra o caso em que um mapa Cadastral, associado a Objetos que
representam unidades de paisagem, é usado para a geração de um mapa Temático de
solos com base no atributo “tipo de solo” de cada unidade. Aqui, os atributos
indicam diferentes classificações do meio físico (geomorfologia, solos, geologia e
vegetação).
ATRIBUIÇÃO CONDICIONAL
Operações Booleanas são usadas junto a operações de atribuição condicional,
permitindo assim a caracterização de locais segundo operações alternativas. O
critério de escolha entre uma alternativa ou outra resulta da avaliação de uma
operação Booleana. Segue-se um exemplo descrito em LEGAL:
indices = altimetria < 600 AND cobertura == “floresta” ?
(ivp – v) / (ivp + v) :
(ivp – a * v – b) / sqrt (sqr (a) + 1) ;
<resultado> = Atribua {
“classe1” : <bolleana>,
“classe2” : <booleana>,
...
“classeN” : <booleana> } ;
Flor. 1 2 1
Várzea
Floresta
Densa
1 3 2
1 2 1
Rebrota Cerrado
Ls
Aq
15.0 15.0 20.0
Mapa de solos (restrição) Declividade (dado de entrada)
7.5 7.5 7.5
15.0 15.0 15.0 Máximo Zonal
Neste caso, pode-se determinar, por exemplo, a altitude média por município
e atualizar essa informação no banco de dados, criando um novo atributo para os
objetos municípios, como ilustrado na Figura 5.13.
1
1
2
(a) (b) (c)
2
1
P 1
(g) P
(h) (i)
P P P1 P2
1 2
2 1
(a) (b) (c)
sobrepõe sobrepõe sobrepõe
2 2 1 1
1
1 1 2
2 2
(d) (e) (f)
BIBLIOGRAFIA
9.1 INTRODUÇÃO
A introdução dos conjuntos Fuzzy para lidar com conceitos inexatos foi
primeiramente introduzida por Zadeh em 1965. O conjunto Fuzzy é uma
metodologia de caracterização de classes, que por varias razões não tem ou não
pode definir limites rígidos (bordas) entre classes. Essas classes definidas de
maneira inexata são chamadas de conjunto Fuzzy. A utilização de um conjunto
Fuzzy é indicada sempre que se tiver que lidar com ambigüidade, abstração e
ambivalência em modelos matemáticos ou conceituais de fenômenos empíricos
(Burrough & McDonnell, 1998).
Para caracterizar formalmente um conjunto, pode-se recorrer ao conceito
de função de pertinência (Fp). Onde função de pertinência, é uma função que
dado o valor de um atributo z, ela determina se o elemento avaliado pertence ou
não a um determinado conjunto em análise.
Fp b ( z ) = 1 se Li ≤ z ≤ Ls
(9.1)
Fp b ( z ) = 0 se z < Li1 ou z > Ls
1
Fp ( z ) =
f
2
(9.2)
z − Lf − d1
1 + i
d1
‘A’ ‘B’
objeto Oz com o conjunto ‘A’, sendo que o objeto Oz pertence ao universo ‘Z’ (Oz
∈ Z). A função FP (O ) é um número entre 0 e 1, assumindo o valor 1 quando o
A
F
z
MF a) MF b)
1,0
Booleano 1,0
c
à Ã
0,5 Ã A Ã 0,5 A
0,0 0,0
b1 b
2
z b 1 b
2
z
MF c) MF d)
d1 d2
c
1,0 1,0
à à à Ã
0,5 0,5
A
a
0,0 0,0
b 1 b
2
z b 1 b2
z
A B A B
AEB A OU B
A B A B
A NÃO B A XOR B
A B A B
C C
(A E B) OU C A E B(B OU C)
onde cada plano de informação recebeu pesos segundo sua importância relativa. A
função matemática é expressa por:
∑ wij ∗ yi
n
r= i =1
,onde w é o peso da classe "i" do plano de informação "j" , e y o
∑ yi
ij j
n
i =1
dada localização.
b) Fuzzy OR (União)
µ = MAX (µ , µ , µ
a b c,... )
µ=Πµ i
µ = 1 - Π(1-µ i )
e) Operador gama
∏µ
n
µ = i , onde µi representa o valor do membro Fuzzy para um plano
i =1
de informação “i”.
i =1
Soma algébrica
“aumentativo”
µ A = 0.75
Membro
µ B = 0.5
Produto algébrico
“diminutivo”
identificados nesta região 200 depósitos. Para efeito de análise, cada deposito
ocupa uma unidade de área ou célula de 1 km . Se particionarmos a nossa região
2
N {D ∩ A}
P{D / A} = (9.9)
N {A}
T
A
A∩ D A∩D
A∩D
A∩D D
Fig. 9.7 – Diagrama de Venn mostrando a relação de sobreposição espacial entre
anomalia magnética e ocorrência de depósitos mineral .
p(d )
O(d ) = , (9.13)
(1 − p (d ))
p ( d ) ∗ p (e | d )
p ( d | e) = (9.14)
p ( e)
p (~ d ) ∗ p (e |~ d )
p (~ d | e) = (9.15)
p (e)
p ( d | e) = p ( d ) ∗ p (e | d )
p (~ d | e) p (~ d | e) ∗ p (e)
O(d|e) O(d) 1
P ( d | e) = p ( d ) ∗ p ( e | d ) ∗ p ( e )
p (~ d | e) p (~ d ) ∗ P (e |~ d ) ∗ p (e)
O (d ) ∗ p(e | d )
O ( d | e) = (9.16)
p ( e |~ d )
O(d ) ∗ p(~ e | d )
O(d |~ e) = (9.17)
p(~ e |~ d )
∑ω
n
+
log[ o(d | e )] = log[ o ( d )] + i
i =1
∑ω
n
−
log[ ( o d |~ e)] = log[o(d )] + i
i =1
Esta soma das razões de suficiência e razão de necessidade pode ser efetuada a
partir de uma operação matemática condicional, controlada pela presença ou
ausência da classe favorável do plano de informação para todos os pontos de
interesse.
µ n = log[o(d )] + ∑ ((µ i =
n
favorável ) ? ω i+ : ω i− )
i =1i
o ( d | e)
p ( d | e) =
1 + o ( d | e)
O resultado final é uma grade regular com valores de "z" indicando a
probabilidade à posteriori da ocorrência mineral. Essa grade pode ser então
fatiada em faixas que expressarão o grau de probabilidade à ocorrência de novos
depósitos.
O quarto passo é o teste da rede. Durante esta fase o conjunto de teste é utilizado
para determinar a performance da rede com dados que não foram previamente
utilizados. A performance da rede é uma boa indicação de sua performance real
(Carvalho,1999). Finalmente, com a rede treinada e avaliada, ela pode ser
integrada em um sistema do ambiente operacional da aplicação.
9.6.1 INTRODUÇÃO
Intensidade de
Definição e Explicação
importância
Figura 9.12- Composição colorida de os depósitos mais comuns e freqüentes, mas não
encerra importância econômica. A associação
imagens do satélite Landsat-1,
tório-terras raras constitui o segundo tipo de
mostrando o planalto de Poços de
mineralização radioativa encontrada na área,
Caldas.
representada principalmente pela jazida de Morro
do Ferro, na parte central do planalto. A associação urânio-molibdênio constitui
os depósitos uraníferos mais importantes, representados principalmente pela
jazida de Campo do Agostinho e pela mina Usamu Tsumi, na parte centro-sudeste
do planalto. Para sua exploração foi criado, em meados da década de setenta, o
Complexo Mineiro-Industrial de Poços de Caldas que produziria concentrado de
urânio (yellow cake), destinado ao abastecimento das usinas nucleares brasileiras
então planejadas.
Com base nos critérios diagnósticos já definidos, uma área poderia ser
considerada potencial quando nela ocorrerem concomitantemente:
(a) Litologias potenciais, representadas por rochas potássicas (A), corpos
intrusivos de foiaítos (B), ou rochas vulcânicas (C);
(b) Feições estruturais, indicativas de falhas/fraturas (D), ou estruturas circulares
(E), que cortam litologias potenciais; e
(c) Valores gama-radiométricos (F), a partir de 1,8 vez o background regional
(limiar arbitrado com base no valor médio encontrado em depósitos de urânio da
área).
Para mapear as áreas de ocorrências dos critérios diagnósticos acima indicados,
empregou-se a seguinte equação de álgebra booleana:
{[(A or B or C) and (D or E)] and F} → ÁREAS
POTENCIAIS
A Figura 9.16 é o mapa das áreas potenciais para pesquisa de minerais radioativos
no planalto de Poços de Caldas, com base na equação acima. Essas áreas cobrem
uma superfície de 88,5 km², correspondentes a apenas 12% da região total
Introdução à Ciência da Geoinformação 9-36
Técnicas de Inferência Geográfica
Neste tipo de modelo, pesos são atribuídos aos critérios diagnósticos e às suas
respectivas classes (e.g. critério diagnóstico litologia, classe rocha potássica),
calculando-se uma imagem de médias ponderadas, a qual representa uma
combinação particular e única dos dados para cada área unitária do terreno. A
definição dos pesos é a ação mais crítica a ser tomada para a aplicação do modelo.
O procedimento de atribuir pesos a parâmetros pertencentes a uma cadeia de
eventos e utilizar equações aritméticas visando à tomada de decisões, é conhecido
na área de inteligência artificial como equação neuronal de Rosenblat. A
definição desses pesos pode ser feita de duas maneiras: através de procedimentos
heurísticos, nos quais a experiência pessoal é o fator determinante; ou utilizando-
se técnicas fuzzy logic (Zadeh, 1965), as quais procuram estabelecer critérios de
enquadramento do conjunto de dados, definindo limites ou graus de confiança. A
despeito do desenvolvimento dessas técnicas, a definição heurística de pesos
continua sendo amplamente aceita como base para sistemas especialistas, de
modo particular em situações onde a teoria e os modelos empíricos de
comportamento dos dados não estão bem estabelecidos (Veiga & Meech, 1994).
Este procedimento é particularmente válido em pesquisa mineral, que muitas
vezes segue uma abordagem técnica-intuitiva, onde os conceitos são aplicados por
analogia, na expectativa de repetições de relações já conhecidas.
Adotou o procedimento heurístico para a definição dos pesos, atribuindo-se os
seguintes valores:
ω ω
(b) dados litológicos: crit = 60 e classe = 60, 30 e 20 para as classes rochas
potássicas, foiaítos e material vulcânico, respectivamente; e
É fácil deduzir dos dados acima que as médias ponderadas para a área de
estudo ficaram compreendidas entre [0, 65], extremos que indicam,
respectivamente, prioridades nula e máxima para a pesquisa de minerais
radioativos. A título de exemplo, áreas com média ponderada 60 corresponderam
a locais de ocorrências de rochas potássicas, cortadas por falhamentos e com
valores de intensidade radioativa entre 2,5 e 3,5 vezes o background regional.
Figura 9.16- Mapa de áreas potenciais Figura 9.17 - Mapa de áreas com
para a pesquisa de minerais radioativos no diferentes prioridades para a pesquisa de
planalto de Poços de Caldas, segundo minerais radioativos no planalto de Poços
método baseado em álgebra booleana. de Caldas, segundo modelo de médias
ponderadas.
1.2
0.8
0.6 Dist.Lineam.
0.4
0.2
20 50 70 90 120 160
Classe Fuzzy
Rochas 1
Lujaritos 1
Foiaítos 0.5
Mat. vulcânico 0,333
Tinguaíto 0,25
Fonólitos 0,1667
Embasamento 0
Arenito 0
Tabela 3 - Valores dos
membros Fuzzy do plano de
informação litologia.
0,17. Fica claro entender que o resultado obtido é o mais conservativo possível
para com os valores dos membros Fuzzy, sendo o operador indicado para
situações altamente restritivas (“pessimista”), onde duas ou mais evidências são
estritamente necessárias para satisfazer uma hipótese.
Fuzzy Máximo
O operador Máximo assemelha-se a operação Booleana “OU” (união),
sendo as evidências combinadas segundo a função µ = Max (µa, µb, µc, ...), onde
os valores de µa, µb e µc correspondem aos valoes dos membros Fuzzy das
evidência. Nesta operação o valor de saída para um dado ponto, diferentemente do
Fuzzy mínimo, será o maior valor de entrada dos planos de informação. No
exemplo acima o valor resultante seria µ = 0,98. O operador Fuzzy Máximo é o
final
mais otimista dentre operadores Fuzzy sendo indicado para situações onde a
Introdução à Ciência da Geoinformação 9-43
Técnicas de Inferência Geográfica
Muito Baixo N
Baixo
Médio
Alto 0 5Km
Muito Alto Escala
Ocorrências de minerais radioativos
Fuzzy Ponderado
No Fuzzy Ponderado os pesos de cada membro Fuzzy de entrada (evidência)
foram definidos segundo a técnica de tomada de decisão AHP (Saaty, 1992). A
primeira etapa para a definição dos pesos foi a elaboração de uma relação de
importância relativa entre as evidências. Essa relação foi utilizada como dado de
entrada em uma matriz de comparação pareada, onde foram calculados os
autovalores e autovetores da matriz. Os pesos de cada membro Fuzzy, eqüivalem
então aos autovetores a matriz de comparação pareada.
Introdução à Ciência da Geoinformação 9-44
Técnicas de Inferência Geográfica
• gama-radiometria - 0,514;
• litologia - 0,258;
Mapa de Favorabilidade
Método Fuzzy Ponderado (AHP)
Muito Baixo N
Baixo
Médio
Alto 0 5Km
Muito Alto Escala
Ocorrências de minerais radioativos
Mapa de Favorabilidade
Método Bayesiano
Muito Baixo N
Baixo
Médio
Alto 0 5Km
Muito Alto Escala
Ocorrências de minerais radioativos
p (d | e)
Grau de confiança =
p (d )
O método de Bayes, por outro lado, demostrou ser uma forte ferramenta de
avaliação quantitativa dos mapas gerados, sendo a avaliação baseada na
probabilidade à posteriori, ou seja no poder explicativo dos mapas de
favorabilidade para com as ocorrências minerais (verdades de campo).
10.1 INTRODUÇÃO
0 262,93-374,91
21,75-62,15 374,91-514,83
62,15-116,05 514,83-753,64
7 532 000
116,05-211.77 753,64-1088,53
211,77-262,93 1088,53-3000,47
3000,47-11338,5
1 km.
7 530 000
7 528 000
7 526 000
PNEA
248 000 250 000 252 000 254 000 256 000
1,48-2,7
0
0,0036-0,049 2,7-4,26
7 532 000
0,049-0,23 4,26-7,93
0,23-0,88 7,93-16,77
0,88-1,48 16,77-36,06
1 km. 36,06-122
7 530 000
7 528 000
7 526 000
246 000 248 000 250 000 252 000 254 000
O potencial natural de erosão é dado pela seguinte equação: PNE= R * K * LS, onde:
R é erosividade da chuva anual, K é a erodibilidade do solo e LS é uma variável
calculada a partir do comprimento da encosta L.
A declividade média S, através da fórmula: LS = 0,00984*L0,63*S1,18.
A erosividade da chuva (R) é dada por: R= 67.335 (p2/P)0.85, onde p é a precipitação
média mensal e P é a precipitação média anual.
Neste exemplo para a bacia do Ribeirão das Araras na região de Araras o valor de R
corresponde a 6675. A erodibilidade do solo (K), ou seja a resistência deste à ação da chuva,
depende diretamente do tipo de solo em questão. Para cada tipo de solo há um valor
associado de acordo com a tabela proposta por Lombardi Neto 42.
A partir do mapa de altimetria, gerou-se um modelo numérico de terreno utilizando-se
o interpolador TIN (grade triangular). Desta grade, gerou-se outra grade de declividade e um
mapa temático com classes de declividade. O valor do comprimento da encosta (L), ou
percurso da água, foi obtido a partir de um mapa de distância entre o limite da bacia e os
níveis mais baixos de altimetria, resultando em um modelo numérico do terreno.
A partir desta formulação metodológica, apresentamos a seguir um programa em
LEGAL que realiza este procedimento. O LEGAL foi utilizado para:
• converter o mapa de solos em uma grade de valores de erodibilidade,
utilizando-se a função PONDERE;
• converter o mapa de classes de declividade em uma grade de valores médios
de declividade, utilizando o valor central de cada intervalo, também através
da função PONDERE;
• aplicar a equação universal de perda de solo considerando todos os
parâmetros acima, gerando uma grade onde cada ponto da superfície está
associado ao valor de potencial natural de erosão.
Apresenta-se a seguir a sintaxe utilizada:
{
//Declaração das variáveis
Tematico solo ("solo"), decl ("declive");
Numerico S ("decliv-media"), K ("erodibilidade"),
L ("encosta"), LS ("LS"), pne (“PNE”);
Float R = 6675.;
Tabela tabk (Ponderacao), tabs (Ponderacao);
// Transforma Declividade em (S )declividade media
decl= Recupere(Nome = "Declividade");
S = Novo ( Nome = "DeclivMedia", Representacao = Matriz,
ResX = 250, ResY = 250, Escala = 100000, Min = 0, Max =
50);
tabs = Novo(CategoriaIni="declive",
Geoprocessamento em Projetos Ambientais10-8
// Instanciacao de Variaveis
entra1 = Recupere (Nome="Decliv_TEM");
saída = Novo(Nome="MoviMassa", ResX=10,ResY=10,Escala=10000);
entra2 = Recupere (Nome="Geotecnico");
1
Na prática, estas quatro operações podem ser entendidas como conversores entre diferentes representações de dados:
operador Pondere, converte geo-campos temáticos em geo-campos numéricos ao associar valores às classes temáticas;
operador Atualize, transfere o conteúdo dos geo-campos temáticos e numéricos para os atributos de uma tabela de geo-
objetos (conversor mapa – tabela: geo-campo temático preenche atributos do tipo texto; geo-campo numérico preenche
atributos do tipo inteiro ou real); operador Espacialize, transfere os atributos de uma tabela de geo-objetos para geo-
campos temáticos ou numéricos (conversor tabela – mapa: atributo do tipo texto produz geo-campo temático; atributo do
tipo inteiro ou real produz geo-campo numérico); operador Fatie, converte geo-campo numérico em geo-campo temático a
partir da associação de um intervalo de valores a uma classe temática.
10-19
Geoprocessamento em Projetos Ambientais
detalhamento metodológico do ZEE (Becker & Egler 5), cuja operacionalização através da
álgebra de mapas está resumida no fluxograma mostrado pela Figura 10.9.
para as classes de solos e associações, baseando-se nos valores sugeridos por (Crepani et alii
19).
// Executa a operacao
SaiPIsoloponder = Pondere (EntraPIsolos, TabVulnsolos);
}
//Fim
// EXECUCAO DA OPERACAO
10-22
Geoprocessamento em Projetos Ambientais
//DECLARACOES DE VARIAVEIS
Objeto objutb ( "Un_Ter_Basica_Obj" );
Cadastral utbs ( "Un_Ter_Basica_Cad" );
Numerico SaiMNT ("Vuln_GRD");
// EXECUTA A OPERACAO
SaiMNT = Espacialize ( objutb."MED_VULN" OnMap utbs );
}
//FIM DO PROGRAMA.
10-23
Geoprocessamento em Projetos Ambientais
//CRIA PI TEMATICO
fatiamnt = Novo (Nome = "med_vuln_TM", ResX=90, ResY=90, Escala
= 250000);
//EXECUTA A OPERACAO
fatiamnt= Fatie (entramnt,TBvuln);
} //FIM DO PROGRAMA
// INICIO DO PROGRAMA
{
//CONVERSAO DE OBJETOS (CADASTRAL) EM GEO-CAMPO NUMERICO
//GERACAO DE GEO-CAMPO A PARTIR DE ATRIBUTO NUMERICO
//DA TABELA DE OBJETOS (INDICADOR:MED_SOEC)
//Obtido a partir da media entre os indicadores
//educacao, saneamento, renda e moradia.
//DECLARACOES DE VARIAVEIS
Objeto PegaAtribSetor ("Div_Pol_Adm_Obj");
Cadastral EntraMapCad ("Div_Pol_Adm_Cad");
Numerico SaiMNT ("Vuln_GRD");
// EXECUTA A OPERACAO
SaiMNT = Espacialize ( PegaAtribSetor."MED_SOEC" OnMap
EntraMapCad);
} //FIM DO PROGRAMA
Em seguida, os valores de potencialidade do geo-campo numérico, resultante da
operação de espacialização, foram agrupados em classes de potencialidade social e
econômica, conforme a Tabela 10.1, utilizando-se o operador FATIE e através do seguinte
programa em LEGAL:
//INICIO DO PROGRAMA
{
//GERACAO DE GEO-CAMPO TEMATICO A PARTIR DE FATIAMENTO
// DE NUMERICO (MNT)
//MNT: ptse_soec
//DECLARACOES DE VARIAVEIS
Numerico entramnt ("Vuln_GRD");
Tematico fatiamnt ("Vuln_Amb_SE_TM");
Tabela TBvuln (Fatiamento);
//CRIA PI TEMATICO
fatiamnt = Novo (Nome = "med_soec_TM", ResX=90, ResY=90, Escala
= 250000);
10-26
Geoprocessamento em Projetos Ambientais
//EXECUTA A OPERACAO
fatiamnt= Fatie (entramnt,TBvuln);
} //FIM DO PROGRAMA
A Figura 10.12 mostra os resultados das operações de espacialização e fatiamento do
atributo MED_SOEC.
2
Ilustra-se uma das possíveis sobreposições: a classe vulnerável–alto potencial (“Vn_E-Pt_E”) vai existir no geo-campo de
sustentabilidade se ocorrer a interseção entre polígonos da classe estável (“est-alto_pot”), no geo-campo de vulnerabilidade
e ( .AND. ) da classe alto potencial (“est-alto_pot”), no geo-campo de potencialidade social e econômica.
10-28
Geoprocessamento em Projetos Ambientais
ser um produto de difícil entendimento e por vezes não satisfatório. Isto porque, dependendo
do número de classes em cada um dos geo-campos temáticos utilizados na sobreposição, o
geo-campo temático resultante poderá possuir um número excessivo de classes temáticas.
Caso aconteça, tornar-se-á necessário um novo e trabalhoso processo de síntese ou
agrupamento dos polígonos contidos no referido geo-campo temático, para que efetivamente
obtenha-se uma síntese com os níveis de sustentabilidade de uso do território e não um
conjunto de classes resultantes da interseção entre os polígonos de dois geo-campos
temáticos.
Alternativamente, uma das maneiras mais fáceis para avaliar o comportamento entre
dois conjuntos de dados é plotá-los num gráfico, um contra o outro, através de um sistema de
coordenadas ortogonais que define um espaço euclidiano bidimensional. Em processamento
de imagens digitais, o espaço euclidiano ou espaço de atributos (feature space) é um conceito
básico, podendo ser N-dimensional em função do número de conjuntos de dados a serem
comparados, sendo utilizado para analisar certas propriedades das imagens digitais,
principalmente em procedimentos de classificação de imagens (Schowengerdt 59; Crósta 20).
Com base neste conceito, utilizou-se um gráfico bidimensional (Figura 10.13) para
visualizar os dados de vulnerabilidade e de pontencialidade social e econômica, através de
seus respectivos geo-campos numéricos. A posição de cada ponto neste espaço de atributos
está diretamente relacionada com a magnitude dos valores contidos nos dois geo-campos
numéricos e ao analisá-los, podem ser identificadas regiões de maior e menor adensamento de
pontos, que intuitivamente representam diferentes classes de sustentabilidade.
//DECLARACAO DE VARIAVEIS
Numerico vuln ("Vuln_GRD");
Numerico ptse ("Vuln_GRD");
Tematico sustent ("Sustentabilidade_TM");
};
}// FIM DO PROGRAMA.
O resultado da execução deste programa pode ser observado na Figura 10.14-B.
Comparando-se os dois geo-campos temáticos (Figura 10.14- A e B), verifica-se que
para ser obtido os níveis de sustentabilidade de uso do território, sugeridos por Becker e Egler
5, a partir do geo-campo temático A, seria necessário, além da sobreposição (interseção
espacial entre os geo-campos temáticos de vulnerabilidade e potencialidade) já realizada, uma
nova operação de reagrupamento ou reclassificação de classes temáticas, para alcançar os
mesmos resultados de uma única operação de junção espacial, cujo resultado é apresentado na
Figura 10.14-B.
Sem querer iniciar uma discussão sobre propagação de erros, estas considerações
acima servem para alertar que, nem sempre as sobreposições entre geo-campo temáticos,
muito conhecidas como cruzamento de mapas e amplamente utilizadas pelos usuários de SIG,
representam o melhor caminho para alcançar os resultados desejados.
BIBLIOGRAFIA
1. Aronoff, S. Geographical Information Systems: A Management Perspective. Ottawa.,
WDI Publications, 1989.
4. Beale, R.; Jackson, T. Neural Computing. Bristol - UK. Institute of Physics Publishing.
1992. 240p.
15. Clark University. Idrisi for Windows, User’s Guide. Worcester, MA. Clark University.
1997.
16. Corrêa, R. L. Região e Organização Espacial. 4a Ed. São Paulo. Editora Ática.. 1991.
17. Cox Jr., F. Análise de Métodos de Acesso a Dados Espaciais Aplicados a Sistemas
Gerenciadores de Banco de Dados. Dissertação de Mestrado em Computação. Campinas.
IMECC-UNICAMP. 1991.
18. Cowen, D. J. GIS versus CAD versus DBMS: what are the differences. Photogrammetric
Engineering and Remote Sensing, 54:1551-4, 1988.
19. Crepani, E.; Medeiros, J. S. de.; Azevedo, L. G.; Hernandez, P.; Florenzano, T. G.;
Duarte, V. Curso de Sensoriamento Remoto Aplicado ao Zoneamento Ecológico-Econômico.
São José dos Campos. INPE. 1996.
20. Crósta. A. P. Processamento Digital de Imagens de Sensoriamento Remoto. Campinas.
UNICAMP. 1992. 170p.
22. Dunne, T., Leopold, L. Water in Environmental Planning. W.H. Freeman and Co. San
Francisco. 1978.
23. Eastman et al. 1995Eastman, J.R.; Jin, W.; Kyem, P.A.K.; Toledano, J. Raster procedures
for multi-criteria/multi-objective decisions. Photogrammetric Engineering and Remote
Sensing, v.61, n.5, may, 1995. 539-547p.
24. Egenhofer, M. Spatial SQL: A Query and Presentation Language. IEEE Transactions on
Knowledge and Data Engineering, 6:86-95, 1994.
26. Emaruchi, B.; Jin, Y. Sauchyn, D.; Kite, G. Land Cover Mapping Using an Artificial
Neural Network. IN: ISPRS Mapping and Geographic Information Systems. Georgia. 1994.
V.30. pp 84-89.
28. ESRI. ARC/INFO 6.0 Command Reference: GRID. Redlands, California, USA, 1991.
10-34
Geoprocessamento em Projetos Ambientais
29. Freeman, J. The Modelling of Spatial Relations. Computer Graphics and Image
Processing, 4: 156-171, 1975.
31. Gomes, J.M.; Velho, L. Computação Visual: Imagens. Rio de Janeiro, SBM, 1995.
34. Güting, R.H. An Introduction to Spatial Database Systems. VLDB Journal, 3(4), October
1994.
35. Harris, J. (1989) Data integration for gold exploration in eastern Nova Scotia using a
GIS. Seventh Thematic Conference on Remote Sensing for Exploration Geology, Calgary,
Canada, october 2-6, 1989. 233-248p.
41. Lacoste, Y. A. Geografia - Isso serve, em primeiro lugar, para fazer a guerra. Campinas.
Papirus Editora. 1989.
43. Maguire,D.; Dangermond, J. The Functionality of GIS. IN: Maguire, D.; Goodchild,
M.; Rhind, D. (Eds). Geographical Information Systems: Principles and Applications. New
York, John Wiley and Sons, 1991, pp. 319-35.
44. Marsh, W York..M. Environmental Analysis for Land Use and Site Planning. New
McGraw – Hill. 1978.
10-35
Geoprocessamento em Projetos Ambientais
47. Montoya, M. A. P.; Claros, M. E. A. C.; Medeiros, J. S. de. Identificacion de las areas
con riesgo de inundacion y deslizamiento en la cuenca del Rio Buquira en el Municipio de
São José dos Campos – SP utilizando las tecnicas de sensoriamento remoto y
geoprocesamiento. São José dos Campos. INPE. Deciembre. 1999. Trabalho do Curso
Internacional em Sensoriamento Remoto do INPE.
52. Pendock e Nedeljkovic, 1996. Integrating geophysical data sets using probabilistics
methods. Thematic Conference and Workshop on Applied Geologic Remote Sensing, 11o,
Las Vegas, 1996. Proceedings. Nevada, v.2, p.621-628.
53. Rezende, M.A.M. Métodos de Acesso para Bancos de Dados Espaciais. Relatório
Técnico CCR-142. Centro Científico IBM Brasil. Rio de Janeiro. 1992.
54. Rich, E.; Knight. K. Inteligência Artificial.São Paulo. Makron Books. 1993.
58. Santos, M. A Natureza do Espaço: técnica e tempo, razão e emoção. São Paulo. Editora
Hucitec. 1996.
60. Siebert, C.F. Estruturação e desenvolvimento da rede urbana do Vale do Itajaí. Ed.
FURB. 1997.
62. Smith, T.; Peuquet, D.; Menon, S.; Agarwal, P. KBGIS-II, a Knowledge-Based
Geographical Information System. International Journal of Geographical Information
Systems. Vol 1. N. 2. 1987. pp. 149-172.
63. Tomlin, D. Geographic Information Systems and Cartographic Modeling. New York.
Prentice Hall. 1990.
66. Worboys, M. GIS: A Computing Perspective. London. Taylor and Francis, 1995.
68. Zell, A.; Mamier, G.; Vogt, M.; Mache, N.; Hübner, R.; Döring, S. e outros. Stuttgart
Neural Net Simulator - User Manual, Version 4.1. Stuttgart. IPVR - University of Stuttgart.
1991.
69. Zonneveld, I. S. Land Evaluation and Land(scape) Science. IN: Textbook of Photo-
Interpretation,– Use of aerial photographs in Geography and Geomorphology. Vol 7. Cap. 7.
Enschede. ITC. 1972.
70. Zonneveld, I. S. The land unit – A fundamental concept in landscape ecology and its
applications. Landscape Ecology. Vol 3. No. 2. pp. 67-86. 1989.
A
APÊNDICE
Declaração
Imagem
Declara uma variável do tipo Imagem que será posteriormente
associada a um novo PI criado no programa ou um PI já existente no
projeto corrente. Esta variável poderá ser utilizada em alguma
operação do programa.
Sintaxe:
Imagem variável (“categoria”);
Considerações:
O primeiro termo indica que geo-campos do tipo Imagem poderão
ser associado à variável durante a execução do programa. A categoria
entre aspas e parênteses, indica a categoria definida no banco de dados
ativo. Mais de um nome de variável pode ser simultaneamente
declarados para uma mesma categoria.
Exemplos:
Imagem banda3, banda4, ivdn (“LANDSAT”);
Imagem banda3 (“LANDSAT”), xp2(“SPOT”);
Imagem B3 (“ImagensTM”);
Numerico
Declara uma variável do tipo Numerico (ou digital) que será
posteriormente associada a um novo PI criado no programa ou um PI
já existente no projeto corrente. Esta variável poderá ser utilizada em
alguma operação do programa.
Sintaxe:
Numerico variável (“categoria”);
Considerações:
O primeiro termo indica que geo-campos do tipo Numerico poderão
ser associado à variável durante a execução do programa. A categoria
entre aspas e parênteses, indica a categoria definida no banco de dados
ativo. Mais de um nome de variável pode ser simultaneamente
declarados para uma mesma categoria.
Exemplos:
Numerico GR1, GR2, GR3 (“Grade_Altimetria”);
Numerico ALTI (“ALTIMETRIA”), exp(“EXPOSICAO”);
Numerico grade2 (“Grades_declividade”);
Tematico
Declara uma variável do tipo Tematico que será posteriormente
associada a um novo PI criado no programa ou um PI já existente no
projeto corrente. Esta variável poderá ser utilizada em alguma
operação do programa.
Sintaxe:
Tematico variável (“categoria”);
Considerações:
O primeiro termo indica que geo-campos do tipo Tematico poderão
ser associado à variável durante a execução do programa. A categoria
entre aspas e parênteses, indica a categoria definida no banco de dados
ativo. Mais de um nome de variável pode ser simultaneamente
declarados para uma mesma categoria.
Exemplos:
Tematico USO1, USO2, USO3 (“USO_TERRA”);
Tematico Solo1 (“SOLOS”), GEO(“Geologia”);
Tematico dec2 (“Declividade”);
Objeto
Declara uma variável do tipo objeto que será posteriormente usada
em uma operação do tipo reclassificação por atributos.
Sintaxe:
Objeto variável (“categoria”);
Considerações:
O primeiro termo indica que entidades do tipo objeto poderão ser
associado à variável durante a execução do programa. A categoria
entre aspas e parênteses, indica a categoria definida no banco de dados
ativo. Mais de um nome de variável pode ser simultaneamente
declarados para uma mesma categoria.
Exemplos:
Objeto lot1, lot2, lot3 (“Lotes_urbanos”);
Objeto CID (“Cidades”), FAZ (“Fazendas”);
Objeto Post (“Postes_eletricos”);
Cadastral
Declara uma variável do tipo cadastral que será posteriormente
associada a um novo PI criado no programa ou um PI já existente no
projeto corrente. Esta variável poderá ser utilizada em alguma
operação do programa.
Sintaxe:
Cadastral variável (“categoria”);
Considerações:
O primeiro termo indica que entidades do tipo Cadastral poderão
ser associado à variável durante a execução do programa. A categoria
entre aspas e parênteses, indica a categoria definida no banco de dados
ativo. Mais de um nome de variável pode ser simultaneamente
declarados para uma mesma categoria.
Exemplos:
Cadastral cad1 (“Cadastro_urbano”);
Cadastral map_AS (“Mapa_Paises”);
Tabela
Declara uma variável do tipo tabela que será usadas para definir
transformações entre campos e objetos de diferentes tipos.
Sintaxe:
Tabela variável (tipo_de_transformação);
Considerações:
Numa declaração de tabela, o primeiro termo deverá conter a palavra
reservada Tabela
, seguida do nome da variável e de uma palavra
chave indicando o tipo de transformação - Reclassificacao,
Fatiamento ou Ponderacao. Mais de um nome de variável pode
ser simultaneamente declarados para um mesmo tipo de
transformação.
Atributo
Declara uma variável do tipo atributo que será posteriormente
usada em uma operação do tipo reclassificação por atributos.
Sintaxe:
Atributo variável (“categoria_objeto”,”atributo”);
Considerações:
A declaração uma variável especial do tipo atributo é necessária
quando se deseja efetuar uma reclassificação por atributos, na qual
uma operação de transformação gera dados do modelo temático ou
numérico, a partir de um mapa cadastral e do valor de atributos de
uma categoria de objetos dada.
Instanciação
Recupere
Associa um plano de informação existente no projeto corrente com
uma variável previamente declarada.
Sintaxe:
variável = Recupere (Nome = “nome_do_pi”)
Considerações:
Os tipos tratados pelo operador Recupere são: Imagem,
numerico, Tematico, Objetos e Cadastral. A variável
e o plano de informação recuperado devem ser do mesmo tipo. Por
exemplo, um plano de informação do tipo temático só pode ser
associado a uma variável declarada anteriormente como temática.
Exemplos:
// Exemplos de declarações
Tematico Solos (“TIPOS_SOLOS”);
Numerico topo (“ALTIMETRIA”),
Imagem banda3 (“LANDSAT”),
// Exemplos de instanciações das declarações acima
Solos = Recupere(Nome = “solos_vale_paraiba”);
topo = Recupere(Nome = “altimetria_sjc”);
banda3 = Recupere(Nome = “TM3_SJC”);
Novo
Quando usado com variáveis do tipo Tematico, Imagem ou
Numerico, cria um plano de informação do mesmo tipo no projeto
corrente e associa este plano a variável do lado esquerdo do sinal de
atribuição “=“. Quando usado com variáveis do tipo Tabela, o
operador Novo cria uma tabela no contexto do programa em execução.
Esta tabela pode ser usada nos processamentos baseados em tabelas.
Sintaxe:
Parâmetros :
Nome - nome do plano de informação criado.
ResX - resolução horizontal.
ResY - resolução vertical.
// Criar um PI Cadastral:
cadast = Novo (Nome = "Plano_Urbano", ResX=50, ResY=50,
Escala = 1000);
// Criar uma Tabela de Ponderação:
pond = Novo (CategoriaIni = “Tipos_de_solos”,
Le : 0.60,
Li ; 0.20,
Ls : 0.35,
Aq : 0.10);
// Criar uma Tabela de fatiamento:
fatia = Novo (CategoriaFim = “Faixas_de_Declividade”,
[0.0, 5.0] : “baixa”,
[5.0, 15.0] : “media”,
[15.0,45.0] : “alta”);
Criar uma Tabela de reclassificação:
reclass = Novo (CategoriaIni = “Floresta”,
CategoriaFim = “Desmatamento”,
“Floresta_Densa” : “Floresta”,
“Floresta_Varzea” : “Floresta”,
“Rebrota” : “Desmatamento”,
“Area_Desmatada” : “Desmatamento”);
Operação
Atribua
Gera um plano de informação temático efetuando o mapeamento de
geoclasses com base em resultados de expressões lógicas (booleanas).
Este mapeamento é executado por operadores lógicos pontuais (e, ou,
não), que fazem a sobreposição (overlay) entre as classes dos PIs.
Expressões booleanas são combinadas a partir dos operadores ‘&&’
(e lógico, intercessão), ‘||’ (ou lógico, união) e ‘!’ ou ‘~’ (negação,
complemento), ou ainda pela comparação entre pixels de imagens ou
valores de grade através dos operadores ‘<‘, ‘>‘, ‘<=‘, ‘>=‘, ‘==‘ e
‘!=‘; ou da comparação entre classes de PIs temáticos através dos
operadores ‘==‘ e ‘!=‘. Pode-se envolver até 40 PIs simultaneamente.
Sintaxe:
variável = Atribua(CategoriaFim = “nome_da_categoria”)
{
“nome_da_geoclasse” : expressao_booleana),
“nome_da_geoclasse” : expressao_booleana),
“nome_da_geoclasse” : expressao_booleana),
...
“nome_da_geoclasse” : Outros
};
Alternativamente pode-se usar a sintaxe abaixo:
variável = Atribua
{
...
};
Considerações:
As geoclasses temáticas usadas no lado esquerdo do “:” devem ser
geoclasses da categoria temática associada à variável temática
previamente declarada. A palavra reservada “Outros” é opcional e
define um valor a ser atribuído nos casos não cobertos pelas
alternativas anteriores.
As expressões booleanas operam sobre representações matriciais dos
dados envolvidos e são operações pontuais.
Exemplo:
temas = Atribua (CategoriaFim = “AptidaoAgricula”)
{
“Bom” : (solos.tema == “Le” && decl >= 0.05),
“Medio” : (solos.tema == “Aq” || decl >= 0.10),
“Ruim” : (solos.tema == “Aq” &! decl >= 0.10),
“fundo” : Outros ;
}
Fatie
Gera um plano de informação do tipo Tematico a partir de um dado
numérico. As regras de processamento são baseadas em uma tabela de
fatiamento criada através de um operador Novo.
Sintaxe:
pist = Fatie (pien,tabfat)
Considerações:
A variável pist deve ser um plano de informação do tipo
Tematico. O parâmetro pien deve ser um plano de informação do
tipo numérico. O parâmetro tabfat deve ser uma tabela do tipo
fatiamento.
Exemplo:
// Inicio de programa
// Declarações
Tematico classes_decl (“Faixas_de_Declividade”);
Numerico decli (“Declividade”);
Tabela fatia(Fatiamento);
// Instanciações
fatia = Novo (CategoriaFim = “Faixas_de_Declividade”,
[0.0, 5.0] : “baixa”,
[5.0, 15.0] : “media”,
[15.0,45.0] : “alta”);
decli = Recupere(Nome = “grade_declividade”);
classes_decl = Novo(Nome=“decli_fat”, ResX = 40,
ResY = 40, Escala = 100000);
// Operação
classes_decl = Fatie(decli,fatia);
// Final de programa
Pondere
Gera um plano de informação do tipo Numerico a partir de um dado
temático. As regras de processamento são baseadas em uma tabela de
ponderação criada através de um comando usando o operador Novo.
Sintaxe:
Exemplo:
// Inicio de programa
// Declarações
Tematico geom (“Geomorfologia”);
Numerico fragil (“fragilidade”);
Tabela tab_geo (ponderacao);
// Instanciações
fragil = Novo (Nome = “fragilidade_solo”,ResX = 50,
ResY = 50, Escala = 100000);
tab_geo = Novo (CategoriaIni = “Geomorfologia”,
"SEpt" : 1.2,
"Espp" : 1.1,
"Estb" : 1.3,
"dk" : 2.4);
geom = recupere(Nome = “Geomorf_RADAM”);
// Operação
fragil = 0.5 * Pondere(geom,tab_geo);
// Final de programa
Reclassifique
Remapea os temas de um plano de informação temático para um novo
plano também temático.Este remapeamento é feito segundo regras
descritas por uma tabela de reclassificação. Esta é uma operação de
generalização, onde temas diferentes de entrada são mapeados para
um de saída.
Sintaxe:
pisn = Reclassifique (piet ,tabela_reclass)
Considerações:
A variável pisn deve ser um plano de informação do tipo
Tematico. O parâmetro piet deve ser um plano de informação do
tipo Tematico. O parâmetro tabela_reclass deve ser uma
tabela do tipo Reclassificacao,instanciada previamente pelo
operador Novo.
Exemplos:
{
// inicio do programa
// Declarações
Tematico cobertura (“Floresta”);
Tematico desmat (“Desmatamento”);
Tabela tab_reclass(Reclassicacao);
// Instanciações
tab_reclass = Novo (CategoriaIni = “Floresta”,
CategoriaFim = “Desmatamento”,
“Floresta_Densa” : “Floresta”,
“Floresta_Varzea” : “Floresta”,
“Rebrota” : “Desmatamento”,
“Area_Desmatada” : “Desmatamento”);
cobertura = Recupere(Nome = “tipos_cobertura”);
desmat = Novo (Nome = “desmatamento”,
ResX = 30, ResY = 30, Escala = 100000);
// Operação
desmat = Reclassifique (cobertura,tab_reclass);
// Final de programa
}
? :
Implementa uma expressão condicional a partir do resultado de uma
expressão booleana avaliada antes do sinal ?. Se o resultado da
expressão booleana for verdadeira atribui-se para a variável de saída o
resultado da expressão antes do “:”, caso contrario atribui-se o
resultado da expressão que vem depois do “:”.
Sintaxe:
variável = expressao_booleana ? expressao1 : expressao2
Considerações:
O tipo da variável de saída e o da expressão1 e expressao2 devem ser
compatível.
{
// início do programa
// Declarações
Imagem tm345, tm5M ("Imagens");
Tematico uso ("UsoSolo");
// Instanciações
uso = Recupere (Nome = "UsodoSolo");
tm345 = Recupere (Nome = "TM345");
tm5M = Novo (Nome = "teste", ResX=30, ResY=30);
// Operação condicional
tm5M = uso.Class=="cidade" ? tm345 : 240;
// Final de programa
}
ReclAtrib
Cria um PI temático em função dos atributos definidos para objetos
representados em um PI cadastral. O operador executa a
transformação sobre a representação vetorial.
Sintaxe:
variável = ReclAtrib (objeto, atributo, tab_fat)
SobreMapa pi_cadastral;
Exemplos:
{
Atributo pop ("Comunidades_O", "populacao");
Objeto com ("Comunidades_O");
Cadastral cad ("Mapa_de_Comunidades");
Tematico tem ("Faixas_tematicas");
Tabela fat (Fatiamento);
cad = Recupere (Nome = "mapa_de_comunidades");
tem = Novo (Nome ="populacao", ResX =100, ResY =100,
Escala =100000, Repres =Raster);
fat = Novo ( CategoriaFim= "Populacao",
[1000, 2000] : "Baixa",
[2000, 5000] : "Media",
[5000, 10000] : "Alta" );
tem = ReclAtrib (com, pop, fat) OnMap cad;
}
MediaZonal(pie,lista_de_zonas)
Calcula o valor médio dentro de cada zona (região) de um plano de
informação referenciado pelo argumento pie. As zonas são definidas,
uma a uma pela lista_de_zonas.
Sintaxe:
Resultado em grade Numérica
pis = MediaZonal(pie,lista_de_zonas)
Resultado em um único valor numérico
vr = MediaZonal(pie,zona)
Resultado numérico em Tabela de Atributos de Objetos
Objeto."atr" = MediaZonal(pie,objeto OnMap pic)
Considerações:
pie - Plano de informação de entrada que define os valores dentro de
cada região geográfica avaliada. O plano de informação pie deve ser
do tipo Imagem ou do tipo Numerico.
Exemplos:
{
// Inicio de programa
// Declarações
Tematico zonas (“Solos_vale_paraiba”);
Numerico ph (“ph_solos_vale_paraiba”);
Numerico ph_medio (“grade_media_zonais_10x10”);
Float ph_terra_roxa;
// Instanciações
// Dados de entrada
ph = Recupere(Nome = "ph_solos_sjc");
zonas = Recupere(Nome = "solos_sjc");
ph_medio = Novo(Nome = "ph_medio_solos_sjc", ResX= 10,
ResY= 10, Escala = 100000, Min = 0, Max =
20);
// Operação
// Resultado em campo Numérico para algumas regiões
especificas.
ph_medio = MediaZonal(ph,zonas.Classe == “terra_roxa”,
zonas.Classe == “latosolo_vermelho”,
zonas.Classe == “solos_hidromorficos”);
MaxZonal(pie,lista_de_zonas)
Identifica o valor máximo dentro de cada zona (região) de um plano
de informação referenciado pelo argumento pie. As zonas são
definidas, uma a uma pela lista_de_zonas.
Sintaxe:
Resultado em grade Numérica.
pis = MaxZonal(pie,lista_de_zonas)
Resultado em um único valor numérico
vr = MaxZonal(pie,zona)
Resultado numérico em Tabela de Atributos de Objetos
Objeto."atr" = MaxZonal(pie,objeto OnMap pic)
Considerações:
pie - Plano de informação de entrada que define os valores dentro de
cada região geográfica avaliada. O plano de informação pie deve ser
do tipo Imagem ou do tipo Numerico.
Exemplos:
{
// Inicio do Programa
// Variáveis usadas como restrição
Tematico zon(“tipos_do_Solo”);
Imagem tm5(“imagensTM”);
Numerico ph(“ph_dos_solos”);
Numerico maximo_ph_zonal(“grade10x10”);
Float reflec_max_terra_roxa;
ph = Recupere(Nome = "ph_solo_sjc");
zon = Recupere(Nome = "solos_sjc");
Exemplo:
{
// Inicio de programa
// Declarando os nomes das variáveis usadas
Objeto limites ("talhoes");
Cadastral fazendas ("mapadefazendas");
Tematico tem ("solos");
Numerico ph_solos("grade_ph")
// Instanciações
//Dados de entrada
fazendas = Recupere (Nome = "mt");
tem = Novo (Nome="mapa_de_solos", ResX =30, ResY =30,
Escala =10000, Repres =Vetor);
ph_solos = Novo (Nome="PH_solos", ResX =30, ResY =30,
Min=0.0, Max= 14.0, Escala =10000);
// Resultado em geo-campo Temático
tem = Espacialize (limites."SOLO" OnMap fazendas);
// Resultado em campo Numérico
ph_solos = Espacialize (limites."ph" OnMap fazendas);
}
Considerações:
obj é o nome de uma variável associada a geo-objetos de uma
categoria do modelo objetos. Estes geo-objetos, associados
previamente a entidades de um mapa cadastral, devem ter seus
Exemplo:
MinZonal pie,lista_de_zonas
( )
VariedadeZonal pie,lista_de_zonas ( )
FaixaZonal pie,lista_de_zonas
( )
Sintaxe:
Resultado tipo Numerico (geo-campo).
pis = FaixaZonal(pie,lista_de_zonas)
Resultado em um único valor numérico
vr = FaixaZonal(pie,zona)