Geoprocessamento Livre

Array de números em Python

2011-12-12T17:59:00.000-08:00

Este post tem como objetivo demonstrar como iniciar e acessar um Array. Um Array é uma estrutura de dados que contém vários elementos de mesmo tipo de dado, ele pode ser acessado pelo seu índice.

Na primeira linha foi inciada a variável "a" que armazenará 4 linhas e 4 colunas. Na terceira e quarta linha foi criado um loop que percorerrá esse array. A quinta linha grava a posição da variável "a [ i ] [ j ]" e recebe a soma dessa posição. "i+j". Para finalizar, na sexta linha o programinha escreve qual linha e coluna que está o valor calculado anteriormente.
O resultado fica assim:

Contando o número de vértices

2011-10-13T16:11:00.000-07:00

Existem muitos recursos do ArcGis que são executados na tabela pelo Field Calculator, alguns clássicos são o cálculo da área de um polígono, comprimento e centróide. Esse post demonstrará como executar um comando que contará o número de vértices de um polígono ou linha.

Crie uma coluna na tabela Options ->Add Field

Nome: Vertices

Type: Long Integer

Precision: 10 (número de algarismos)

Depois que a coluna foi criada pressione o botão direito sobre a coluna e selecione Field Calculator.

Com o Field Calculator aberto selecione a opção Advanced.

Copie e cole os comandos descritos abaixos no Fiel Calculator.

Dim pPointCount As IPointCollection

Set pPointCount = [SHAPE]

pPointCount.PointCount

Transformando linhas da tabela em shapefile – SAGA-GIS

2011-10-12T19:51:00.000-07:00

Este post demonstrará como transformar as linhas de uma tabela em shapefiles ou melhor criar novos shapefiles através das linhas da tabela. Esse exemplo é útil para quando criamos um shapefile para vetorizar vários polígonos e por algum motivo queremos trabalhar apenas com um desses polígonos ou trabalhar com esses polígonos separados.

A ferramenta está em Shapes – Tools -> SplitTable/Shapes by Atribute

Seleciona o shapefile que será dividido e a partir de qual atributo (coluna) da tabela será criado os novos vetores. No meu caso será o vetor do RS e dividirei pelos nomes dos municípios.

Foi criado os novos vetores de acordo com os nomes que estavam na tabela.

Recursos Humanos em Geomática

2011-10-07T21:11:00.000-07:00

Em pesquisas pela internet encontrei um arquivo que aborda o assunto recursos humanos na área da geomática. http://www.geoconnections.org/publications/reports/geoSectorHRStudy/geomat_E.pdf

Dividindo polígono com ArcGis

2011-10-07T18:58:00.000-07:00

Adicione o shapefile no programa.

Abra a edição do shapefile com a ferramenta Editor -> Start Editing.

Com edição aberta selecione na janela Task a opção Cut Polygon Features

1 - Selecione o polígono com a ferramenta Tools->Select Features

2 – Posteriormente selecione a ferramenta de edição o lápis (Stech Tool) e crie a linha que servirá para dividir o polígono, para finalizar pressione F2.

Unir polígonos no SAGA-GIS

2011-09-23T17:25:00.000-07:00

Esse exemplo demostrará como unir polígonos que tenham o mesmo valor de atributo na tabela.

Abrir o polígono no programa. File -> Shapes-> Load, caso seu vetor esteja em outro formato deve optar pelo módulo Import/Export – Shapes.

A ferramenta que executará esse prcedimento está em: Shapes – Polygon -> Polygon Dissolve (Figura abaixo)

Na primeira linha será selecionado o vetor de polígonos. Em atribute quais campos aparecerão na tabela do vetor gerado, mas o algoritmo irá unir os polígonos em relação ao último atributo selecionado. A opção Dissolved Polygons deverá estar marcado create. No meu exemplo utilizei o mapa de municípios do RS, no primeiro atributo selecionei mesorregião e posteriormente microrregião.

O resultado foi um mapa vetorial unido por microrregião e a tabela com os atributos mesorregião e microrregião, ilustrado na figura abaixo.

Adicionar o R no SAGA,GRASS, QGIS ou ILWIS

2011-09-08T17:15:00.000-07:00

Em algumas pesquisas pela internet descobri esse site que mostra como adicionar o programa R de estatística em softwares livres de SIG. Tenho o plugin do R no QGIS, mas ainda está acontecendo um erro quando tento abrí-lo.

attt!!

Criando perfil topográfico no programa R

2011-08-30T20:23:00.000-07:00

Abrir o modelo digital de elevação (MDE) no SAGA-GIS, de acordo com a extensão em que se encontra o arquivo. Para isso pode-se utilizar as ferramentas de import dos módulos. Posteriormente abrir a linha que servirá para amostrar os dados.

Para amostrar os pixeis do Raster será utilizado a ferramenta no Terrain Analysis – Profiles -> Profiles from lines

DEM: especificar o MDE
Values: Caso estivesse mais Grids poderia amostrá-los e isso iria criar colunas correspondentes
Lines: Qual o vetor no caso é Perfil
Name: Caso estivesse mais linhas no vetor como eu iria diferenciá-las
Profiles: A opção Create
O resultado dessa operação será um vetor de pontos que conterá na tabela colunas X,Y e Z, com a distância entre ponto de 30 metros, essa distancia é de acordo com pixel .

Após esse procedimento vamos exportar a tabela em texto com o módulo Import/Export -> Eport Text Table.E posteriormente abrir essa tabela no programa R, essa etapa de como exportar a tabela e de como abrir uma arquivo texto no R está especificado em outro post desse blog.
Com o arquivo aberto no Programa R podemos usar a funcao plot() para visualizar o perfil.
Código para efetuar a plotagem do gráfico
>plot(perfil$Z, type="l", main="Perfil topográfico", xlab="", ylab="Elevação")
Entao o nome da minha tabela no R é perfil, utilizei os dados dos campo Z, o tipo do gráfico é linha (type=”l”). A figura resultante se encontra abaixo.

Programa para planejamento de voo em aerolevantamento

2011-08-24T09:38:00.000-07:00

Uma das matérias ensinadas nas disciplinas fotointerpretação ou fotogametria é o planejamento de voo. Este post mostrará como usar um simples programa escrito em python para efetuar esses cálculos. Os cálculos disponíveis são:
- Escolha da escala da foto, levando em consideração a acuidade visual( 0.2 mm)
- Altura do voo
- Área útil do aerofotograma
- Número de fotografia por faixas
- Número de fotografias da cobertura aérea
- Tempo entre fotografias
- Tempo da cobertura aérea (Tempo de manobra, tempo de fotografia e o tempo total)
Os valores de segurança para que o voo exceda toda área, devem serem atribuídos pelo usuário. Por exemplo fotos por faixa.

Para o programa rodar deve ser baixado o Python.
Esse programa é leve e de fácil manuseio.

Depois do programa instalado deve-se abrir e copiar o código fonte

Pressione botao direito para abrir o arquivo.
O separador decimal é o ponto e o separador entre números é o ponto-vírgula

Qualquer dúvida deixem um comentário.!!

Iluminação de superfícies com SAGA-GIS

2011-08-14T16:59:00.000-07:00

O método de simulação do sol em modelo digital de elevação (MDE) pode ser gerado com a ferramenta Analytical Hillshading do SAGA-GIS. Caso esteja trabalhando com MDE em coordenadas geográficas deve-se colocar na opção exageration o fator corresponde a latitude em que se encontra a área de estudo.

Os dados sobre o azimute e inclinação do sol de uma determinada data e área pode ser obtido no site:Cálculos. Deve-se ter cuidado com a latitude, longitude e fuso horário em que se encontram a área de estudo.

A figura abaixo representa o sombreamento do município de Erechim/RS, para a data 1 de setembro ás 15:30 hrs. Qualquer dúvida deixe um comentário!!! Bom Trabalho!!!!!

Configurando o GPS de navegação

2011-06-08T16:00:00.000-07:00

Neste link abaixo você encontrará passos para configurar seu GPS de navegação, para entender como se procede a configuração do GPS de navegação, pressione as imagens das telas do GPS que aparecem no site.

http://www.quoos.com.br/Geografia/gps-garmin-etrex.html

até mais!

Apresentando os dados através de gráficos no R, histograma e BoxPlot.

2011-05-31T09:11:00.000-07:00

Para criarmos os gráficos primeiramente vamos abrir uma tabela que contén dados de altitude do relevo.
alt <-read.table(“C:/dados.txt”, h=T) Essas palavras chaves já foram vista em outra postagem. Como queremos colocar o histograma e o boxplot em uma mesma área gráfica, temos que usar os comando “par()” e “mfrow=”. O código usado nesse exemplo foi.

>par(mfrow=c(1,2))
> hist(alt$ALTITUDE, main="Dados ltimétricos", xlab="Altitudes", ylab="Frequência")
“main=” O título do histograma
“ylab=” Coluna das frequências
“xlab=”linha dos valores
> boxplot(summary(alt$ALTITUDE))
O gráfico final ilustrado abaixo.

> par(mfrow=c(1,2))
“mfrow=c(1,2)” : Cria um vetor que separa a área gráfica,o primeiro número separa informa a quantidade de divisoes horizontais, nesse caso foi 1. O segundo número informa a quantidade de divisoes na vertical, nesse caso 2, um é o histograma e outro o boxplot.
A etapa posterior é informar quais representacoes gráficas desejamos.
> hist(alt$ALTITUDE)
> boxplot(summary(alt$ALTITUDE))

O gráfico obtido está abaixo.

Outra questão interessante é colocar um título e melhorar a apresentação do histograma.

Abrindo um arquivo texto no R e efetuando cálculos estatísticos básicos.

2011-05-26T17:54:00.000-07:00

O arquivo está na repartição “C:/” com dados da declividade de um terreno. Para abrir o arquivo usamos o comando:

Declividade <- read.table(“C:/dados.txt”, h=T)

“/” = deve-se usar esse sentido da barra

“h=T” = Significa que a primeira linha será o nome da coluna.

sep = “ ; ”= caso tenha um separador entre colunas que não seja tabulações.

Faremos alguns cálculos estatísticos com o comando “ summary( )”

est <- summary(Declividade$DECLIVIDADE)

Tabela com nome Declividade(primeira letra maiúscula) e campo da tabela com nome DECLIVIDADE(todas letras maiúscula).

“$”= permite acessar individualmente o campo da tabela

Criando um boxplot com os dados.”boxplot( )”

boxplot(est)

Bom trabalho a todos!!

Atribuindo valores de grids para shapefile com SAGA-GIS

2011-04-24T18:53:00.000-07:00

Modules ->Shapes-Grid -> Grid Values to Shapes

Grid system -> sistema de grids
Grids -> pressione as reticências que estão no final da linha.

Selecione os grids que serão utilizados e pressione a seta que a ponta para direita.

Polygons -> Escolha o polígono que será utilizado como máscara para extrair os valores dos grids
Shapes -> Selecione a palabra “CREATE”
Marque a opção Exclude NoDat Cells
Type -> cells

Como usar o Grid Calculator do SAGA-GIS.

2011-04-08T06:01:00.000-07:00

Nesse exemplo iremos calcular o Índice de úmidade topográfica, utilizando o Grid Calculator.

Janela modules -> Grid-Calculus -> Grid Calculator

Selecione o sistema de Grid
Grids (Pressione as reticências no final da linha para adicionar os grids que serão usados nos cálculos).

Selecione o grid do lado esquerdo e presione a flexa que está apontada para a direita, assim o grid será inserido no lado direio e usado na fórmula pretendida. A ordem final do lado direito terá como referencia as letra (a,b,c,d,e,f…), assim por diante. Isso significa que quando escrever a fórmula terá que usar letras para se referir as camadas grids.

Result-> create (sempre quando querer um novo resultado terá que escolher “Create”)
Formula -> ln((a/30)/(tan(b))), Logaritmo natural de ((área de captação /resolução do pixel)/(tangente da declividade(slope)))
a -> área de captação
b -> declividade
Name -> IUT

Revista Inside GNSS

2011-04-06T17:47:00.000-07:00

Um site interessante para quem gosta de estar informado sobre novas tecnologias que envolvam posicionamento por satélite.

http://www.insidegnss.com/

Georreferenciamento de carta topográfica no Erdas 9.1

2011-04-06T17:28:00.000-07:00

Gerando atributos do terreno no SAGA-GIS

2011-03-31T07:23:00.001-07:00

Esse tutorial explicará como gerar atributos do terreno no SAGA-GIS, utilizando o modelo digital de elevação explicado na postagem anterior.

Modules -> Terrain Analysis – Compound Analyses

Grid system -> Grupo de camadas
Elevation -> Modelo digital de elevação (triangulação)
Todos os itens abaixo devem estar com a opção CREATE . Entre esses atributos do terreno estão alguns muito conhecidos como: curvatura planar e vertical, sombreamento onde sua configuração está sendo mostrada no quadro azul abaixo (azimute e inclinação), declividade do terreno, Aspecto do terreno, índice de umidade topográfica, delineamento de bacias hidrográficas e outros. No quadro verde será criada a rede de drenagem.

Interpolar curvas de nível no SAGA-GIS

2011-03-31T06:26:00.000-07:00

Interpolando curva de nível no SAGA GIS
No primeiro momento é necessário abrir as curvas de nível no programa SAGA GIS, sendo que essas isolinhas estão no formato shapefile.

File ->Shapes-> Load Shapes

Arquivo (Curvas)-> Abrir

O método para interpolar as curvas de nível foi o linear e a busca para o valor do pixel é através da função Triangulation.

Barra modules -> Grid-Gridding-> Triangulation

Points -> Arquivo de linhas ou pontos
Atribute ->Campo da tabela
Target Grid -> grid

Unindo tabelas com a ferramenta join do ArcGis

2011-02-09T17:31:00.000-08:00

Erdas 9.1 - Transformação de coordenadas no

2010-12-16T14:12:00.000-08:00

Unindo polígonos através dos dados descritivos da tabela.

2010-12-14T14:38:00.000-08:00

Iremos unir os polígonos que contenham os mesmos nomes no campo MESOREGIAO.

1 – Escreva no ArcToolbox dissolve

1 – Selecione o shapefile

2 – Escolha o caminho de saída e o nome do arquivo

3 – Escolha o campo (field) da tabela que servirá para unir os polígonos.

E o arquivo gerado será os polígonos que representam suas meso - regiões.

Automatização da geração de uma rede de drenagem a partir de um MDT em um ambiente SIG

2010-12-13T03:52:00.000-08:00

Introdução

Uma variável fundamental no entendimento de simulação e previsão de processos hidrológicos é a rede drenagem. Com um adequado mapeamento dessas redes de drenagens, pode-se melhorar o monitoramento dos recursos hídricos, destacando a conservação das nascentes e as matas ciliares. A extração dessas redes de drenagem teve melhora com o avanço da tecnologia de sensores por radar, pois com esses equipamentos avançados obteve – se a representação do relevo de quase toda a superfície terrestre. Com esse modelo digital do terreno (MDT) e as ferramentas de sistemas de informações geográficas (SIG), a geração de rede de drenagens é possível. Assim esse trabalho tem por objetivo, desenvolver uma ferramenta que possibilite a otimização do processo de geração de redes de drenagens a partir de MDT.

Objetivos

Automatizar o processo de geração de redes de drenagens a partir de Modelo Digital do Terreno utilizando a ferramenta model builder disponível no Software ArcGIS 9.3 da ESRI. Após isto será compilado um material ilustrativo sobre este procedimento com a finalidade de divulgar a sua utilização, auxiliando assim o usuário nesta tarefa. Este material vai ser divulgado via internet.

Materiais e Métodos

Para essa automatização utilizou-se a ferramenta model builder do Software ArcGIS 9.3. Na automatização do processo para a geração de drenagens, foram utilizados aplicativos encontrados na extensão do ArcToolbox. A primeira ferramenta usada foi o fill, que remove pequenas imperfeições da imagem. Posteriormente foi simulada a direção pela qual a água seguiria nessa imagem, utilizando a ferramenta flow direction. Na etapa seguinte aplicou-se a ferramenta que possibilita acumular essas direções criadas anteriormente, a flow acumulation. Com o acumulo das direções de drenagens, o próximo passo é selecionar apenas o acumulo gerado e escolher a densidade de drenagens que a imagem final trará, para isso utilizou-se a ferramenta Con. Para finalizar o processo utilizou-se o aplicativo stream to feature, o qual possibilita a vetorização da imagem que contem o fluxo agrupado e a imagem fluxo de direção, assim elas se auxiliam na vetorização dessa direção.

Resultados

Ficou claro que com a utilização da ferramenta model builder pode-se automatizar o processo necessário para gerar as redes de drenagens dos Modelos Digitais do Terreno, deixando o mesmo mais rápido e fácil de executar. Para melhorar o entendimento deste processo, foi escrito um texto explicativo, em forma de manual técnico, sobre cada célula a ser preenchida, ao lado da entrada dos dados, facilitando assim o seu manuseio. O referido manual será disponibilizado no endereço eletrônico da área de geoprocessamento do Colégio Politécnico: http://www.ufsm.br/geoprocessamento.

Conclusão

Com isso a ferramenta model builder mostrou-se eficaz na automatização do processo de geração de redes de drenagens. Contribuindo para que outros usuários desfrutem do aplicativo construído e a perda de tempo para desenvolver as redes de drenagens seja menor.

Dendograma

2010-12-12T18:15:00.000-08:00

Este recurso é utilizado para verificar as separabilidades entre classes na classificação supervisionada no ArcGIS.

Um Dendrograma (dendro = árvore) é um tipo específico de diagrama ou representação icónica que organiza determinados fatores e variáveis. Resulta de uma análise estatística de determinados dados, em que se emprega um método quantitativo que leva a agrupamentos e à sua ordenação hierárquica ascendente - o que em termos gráficos se assemelha aos ramos de uma árvore que se vão dividindo noutros sucessivamente. Isto é, ilustra o arranjo de agrupamentos derivado da aplicação de um "algoritmo de clustering"

O texto abaixo explica como é feito o cálculo estatístico

A dendrogram is a diagram that shows the attribute distances between each pair of sequentially merged classes. To avoid crossing lines, the diagram is graphically arranged so that members of each pair of classes to be merged are neighbors in the diagram.

The Dendrogram tool uses a hierarchical clustering algorithm. The program first computes the distances between each pair of classes in the input signature file. Then, it iteratively merges the closest pair of classes and successively merges the next closest pair of classes and the succeeding closest until the classes are all merged. After each merging, the distances between all pairs of classes are updated. The distances at which the signatures of classes are merged are used to construct a dendrogram.

When the Use variance in distance calculations option is unchecked (NO_STD), the distance d_mn between a pair of classes m and n is measured as a distance between their means.

When the Use variance in distance calculations option is checked (STD), the Dendrogram tool measures distances between pairs of classes based on their means and variances using the following formula:

where V is a variance of a class m or n in layer i.

The new statistics (means and variances) describing the merged class are based on the original mean and variance of the samples that comprise the merged class. Therefore, the merged class is produced using the pooled mean and variance. The two signatures that are used to create the merged class are replaced by a single signature of the combined class. The new mean signature is computed based on the locations in the multidimensional attribute space of all member cells of the merged class. The new signature retains the lower number of the two input classes for the merged class ID.

The value levels, or the distances at which each pair of classes is merged, can be interpolated using the scalebars of the dendrogram graph. Due to the limitation of the size of a character (the graphic's coarse resolution), the levels of merging are rounded for display. However, the precise values of the levels of merging are presented as DISTANCE in the table associated with the dendrogram.

Variances, not covariances, are used for distance computation after a pair of classes is merged. The algorithm used by Dendrogram does not use Mahalanobis distance to determine the distance between classes. Therefore, the distances between classes and the merged classes may not match the results from those grid functions that are based on Mahalanobis distance, such as EditSig, MLClassify, and ClassProb.

Example

In the following example, classes 3 and 5 are the nearest neighbors in attribute space; therefore, they are merged at level 3.443. This value indicates the relative degree of similarity, which can also be viewed as the distance in multidimensional space. The two classes are merged and treated as a single class. The statistics for the merged class and the distances from the merged class to the other classes are computed. The next two closest classes are then identified. The two candidates are classes 4 and 6. The distance between them is 3.609, and they are merged. The process iterates. All classes are sequentially merged into bigger classes until all classes are merged into a single class.

Input signature file = "isoclust12.gsg"

Output dendrogram file = "isodendro.txt"

Use variance in distance calculations = default

Line width of dendrogram = "78"

And the output dendrogram file would be:

Distances between pairs of combined classes (in the sequence of merging):

Remaining Merged Between-Class

Class Class Distance

----------------------------------

3 5 3.442680

4 6 3.608904

7 9 3.899360

2 7 3.795288

3 4 4.883098

2 8 6.073256

1 3 6.257798

1 2 9.450019

----------------------------------

Dendrogram of /discb/topdir/myspace/isoclust12.gsg

C DISTANCE

S 0 1.0 2.1 3.1 4.1 5.2 6.2 7.2 8.3 9.3

S |-------|-------|-------|-------|-------|-------|-------|-------|------

5 -------------------------|

|----------|

3 -------------------------| |

|----------|

6 ---------------------------| | |

|--------| |-------------------|

4 ---------------------------| | |

| |

1 -----------------------------------------------| |

9 -----------------------------| |

| |

7 ---------------------------------------------| |

| | |

2 ------------------------------| |---------------------|

8 ---------------------------------------------|

|-------|-------|-------|-------|-------|-------|-------|-------|------

0 1.0 2.1 3.1 4.1 5.2 6.2 7.2 8.3 9.3

ESTUDO DE CASO: UMA APLICAÇÃO DE SISTEMAS DE INFORMAÇÃO GEOGRÁFICA EM IMOBILIÁRIAS.

2010-09-17T18:06:00.001-07:00

ESTUDO DE CASO: UMA APLICAÇÃO DE SISTEMAS DE INFORMAÇÃO GEOGRÁFICA EM IMOBILIÁRIAS.

Universidade Federal de Santa Maria – UFSM - Colégio Politécnico da UFSM
ruiz.ch@gmail.com; patric@smail.ufsm.br

RESUMO

Este trabalho tem o intuito de aplicar as ferramentas de sistemas de informações geográficas (SIG) no gerenciamento e apresentação dos imóveis de uma imobiliária. Essa aplicação se procedeu na imobiliária Morcelli Imóveis, que está localizada no bairro Camobi, na cidade de Santa Maria, no estado do Rio Grande do Sul. Para isso, utilizou-se um banco de dados geográfico desenvolvido pelo Instituto Nacional de Pesquisa Espaciais (INPE), o TerraView. Com esse aplicativo, obteve-se rapidez e melhores formas de apresentar e gerenciar os imóveis que a imobiliária dispõe para venda ou aluguel.

Palavras-Chave: SIG, Banco de Dados Geográficos, TerraView

ABSTRACT

This work aims to apply the tools of geographic information systems (GIS) in management and presentation of the properties of an estate. This application was carried out in real estate Morcelli Homes, which is located in the neighborhood Camobi in the city of Santa Maria, Rio Grande do Sul For this, we used a geographic database developed by the National Institute for Space Research (INPE ) TerraView. With this application, we obtained faster and better ways to present and manage the properties that real estate offers for sale or rent.

1. INTRODUÇÃO

Com a necessidade de gerenciar e apresentar os imóveis em um tempo relativamente rápido, fez-se necessário o uso de um aplicativo que possa guardar informações dos imóveis e, ao mesmo tempo, ilustrações, para que esse processo, diante do cliente, demonstre eficácia.

Dessa forma, o presente trabalho tem o propósito de gerar e armazenar dados geográficos relevantes ao gerenciamento e apresentação dos imóveis de uma imobiliária. Devido ao custo de um programa de SIG, procurou-se uma alternativa que correspondesse aos objetivos do trabalho. Por isso, utilizou-se o programa TerraView para a criação do banco de dados geográfico, consultas e algumas análises espaciais que se farão necessárias. Com os dados integrados ao sistema, realizou-se o treinamento de um funcionário para que o banco de dados geográfico seja atualizado e utilizado com todo seu potencial.

2. REVISÃO DE LITERATURA

2.1 Sistemas de Informação Geográfica (SIG)

O SIG, até a década de 1980, não possuía muita popularidade pela falta de recursos tecnológicos que permitisse sua difusão. No entanto, com a evolução da informática, o SIG começou a ter mais popularidade dentro do meio acadêmico e científico. Nesse contexto, os principais interessados por esse assunto eram profissionais formados em cartografia, geografia, sensoriamento remoto, engenharia, matemática e estatística. O interesse por essa tecnologia ocorreu devido à grande demanda no manejo dos recursos naturais, ao planejamento urbano e regional, ao cadastro e taxação de propriedades, à gerência dos serviços públicos, a táticas militares, entre outros (MIRANDA, 2005).

Há várias definições para SIG. Na definição de Queiroz (2006), SIG é um sistema que realiza tratamentos computacionais de dados geográficos, composto pelos subsistemas ilustrados na Figura 1.

Figura 1 - Arquitetura de sistemas de informação geográfica

(Fonte: QUEIROZ, R. Gilberto e FERREIRA, R. Karine, 2006)

Esses subsistemas estão descritos abaixo:

· A interface do sistema é representada pelo homem e máquina, contribuindo para operação e controle do sistema. (CÂMARA,2009)

· A entrada e a integração de dados estão relacionados à conversão de dados do meio analógico ou impresso no papel para mídia eletrônica ou digital. ( MIRANDA, 2005)

· Consulta e análise espacial são algoritmos que proporcionam as operações algébricas entre mapas, geração de modelos numéricos do terreno (MDTs), processamento estatístico de dados espaciais e processamento de imagens.

· Com a visualização e plotagem, é possível verificar os dados na tela do computador ou obter como resultado um mapa (relatório, resumo, etc.) na forma de papel ou como mídia eletrônica. (MIRANDA, 2005)

· Gerência de dados espaciais compõe as possibilidades de armazenar e recuperar os dados em um Banco de Dados Geográfico. (QUEIROZ et al, 2009)

As características desses subsistemas contemplam o SIG, que também pode ser indicado por integrar uma única base de dados que contenham informações espaciais, originárias de dados cartográficos, censo, cadastro urbano e rural, imagens de satélite, redes e MDTs (Modelo Numérico do Terreno). Além disso, o SIG pode oferecer possibilidades de combinar essas informações com algoritmos de manipulação e análise. (CÂMARA,1995).

2.2 Banco de Dados Geográfico

Um banco de dados geográfico se diferencia dos bancos de dados convencionais, pois, além de guardarem os dados descritivos, eles armazenam as geometrias do espaço geográfico (coordenadas). Para esse armazenamento, entra-se nos paradigmas dos quatro universos, propostos por Câmara (1995), como ilustra a Figura 2.

Figura 2 - Paradigma dos quatros universos.

(Fonte: Adaptado de QUEIROZ, R. Gilberto e FERREIRA, R. Karine, 2006)

· Universo Ontológico: é o momento de pensar sobre o que vamos representar, qual serão as entidades, se elas serão possíveis de uma organização conceitual. Podem ser divididos em conceitos que correspondam a fenômenos físicos do mundo real e conceitos que criamos para representar entidades sociais e constitucionais. O primeiro um conceito físico que determina o meio físico, por exemplo: floresta, lago, rios, etc. O segundo um conceito social, determinado por convenções humanas, como: reserva indígena para uma determinada floresta, rio navegável influenciado pela largura e pela profundidade, área de preservação permanente, etc.

· Universo Formal: segundo Queiroz, apud Rumbaugh et al (1991), o universo formal faz a passagem do universo ontológico para o universo estrutural, buscando conceitos lógicos que agrupem as diferentes entidades do universo ontológico e a associação de valores aos diferentes conceitos. Essas duas partes estão dividas em teoria da medida e generalização dos conceitos da ontologia em entidades formais abrangentes.

A teoria da medida (Atributos de dados geográficos) consiste em associar números ou símbolos a diferentes ocorrências de um mesmo atributo. Essas medidas podem ser determinadas por quatro escalas de mensuração: nominal, ordinal, intervalo ou razão, conforme mostra a Tabela 1.

Tabela 1: Tipos de conceitos associados a entidades geográficas

(Fonte: QUEIROZ, R. Gilberto e FERREIRA, R. Karine, 2006)

Segundo Queiroz (2006), a generalização dos conceitos da ontologia em entidades formais abrange uma versão unificada dos dados geográficos, sendo um modelo orientado-a-objetos, baseado em conceitos de geo-campos, geo-objetos e rede. Estes são definidos abaixo.

Ø Geo-campos: é definido por uma superfície contínua do espaço geográfico, no qual varia o fenômeno observado. Ex.: tipo de solo.

Ø Geo-objetos: representa uma coleção de entidades distintas e identificáveis do espaço geográfico determinada por uma fronteira fechada. Ex.: um loteamento, em que cada lote é identificado por um atributo, determinando-os individualmente.

Ø Redes: conjunto de pontos no espaço, conectados através de linhas, em que ambos possuem atributos. Ex.: redes de energia, fluxo, etc.

· Universo estrutural: Os dados em um banco de dados geográfico obedecem duas estruturas: vetoriais e matriciais, elencadas abaixo:

Ø Estruturas vetoriais: é representado por três formas básicas, ponto, linha e polígono. O ponto é identificado por um par ordenado (x, y), usado para mostrar árvores, poços, etc. Já as linhas conectam no mínimo dois pontos, aproveitados para representar ruas, córregos, entre outros. As áreas (polígono) são delineadas no mínimo de três linhas ligadas, representando objetos, como lago, área de floresta, etc.

Estrutura matricial: A representação matricial é composta por linha e colunas formando uma grade regular de células. Um exemplo de grades regulares são as imagens de satélite, em que cada célula guarda uma reposta espectral de uma determinada feição.

· Universo implementação: nesse universo, é decidida a programação que será utilizada, levando em consideração quais aplicações importantes para o sistema, algoritmos disponíveis, hardware. (QUEIROZ et al., 2006).

2.2.1 SQL (Structured Query Language)

É uma linguagem padrão na comunicação com banco de dados relacional. Foi desenvolvida no Laboratório de Pesquisa da IBM San Jose, nos anos 70. Em 1987, o ANSI SQL (American National Standards Institue) foi aceito como padrão internacional pela ISO (International Standards Organization), sendo revisado em 1992 e passando a se chamar SQL/92. Atualmente o novo padrão é denominado de SQL3 ou SQL/99 (KORTH et al., 1995).

2.3 TerraView

Este programa, que foi desenvolvido pelo Instituto Nacional de Pesquisas (INPE) a partir da biblioteca TerraLib, possibilita a visualização de dados geográficos. Tendo várias vantagens, como a gratuidade, permite o armazenamento de dados matriciais e vetoriais (ponto, linha e polígono) e a análise estatística e de consultas desses dados geográficos.

O programa está na versão 3.5.0 e pode ser encontrado na página http://www.dpi.inpe.br/terraview, assim como as ferramentas que o complentam: plugin TerraEdit, que serve para a edição de planos de informação vetoriais, e TerraPrint, que é o módulo de impressão. O Terra View é um programa compatível com os sistemas operacionais Windows 2000/NT/XP e Linux.

A visualização dos dados: a tela inicial está organizada em sete componentes: menu, árvore de banco de dados, árvore de vistas e temas, barra de mensagens, área de grade, área de desenho e barra de ferramentas. A Figura 3 abaixo demonstra a organização dos componentes na tela inicial.

Figura 3 – Teta incial do TerraView.

Os componentes da tela principal são descritos abaixo:

Ø Menu: funções de operação, análise, tema, vista, plano, exibir, arquivo e plugins.

Ø Árvore de banco de dados: mostra o nome do banco de dados no qual o programa está conectado ou o nome de um novo banco de dados criado e os respectivos planos de informações.

Ø Árvore de vistas e temas: visualiza os planos de informação que estão agrupados.

Ø Barra de mensagens: demonstra, através de coordenadas UTM e geográfica, a localização do cursor na tela.

Ø Área de grade: tabelas de dados com os registros.

Ø Área de desenho: área de visualização das representações gráficas.

Ø Barra de ferramentas: nessa barra estão as funções de visualização, medidor de distância, inibição ou exibição dos componentes, visualização de ajuste à área total dos dados visíveis, etc.

A primeira etapa a ser seguida para conseguir armazenar os dados no sistema TerraView é conectar ou criar o banco de dados, tendo como opção de banco de dados relacional o Access, SQL Server, Oracle, MySQL, PostgreSQL. Com o banco de dados criado, o próximo passo é importar arquivos para o programa. Com a ferramenta importar dados, pode-se inserir no programa os dados vetoriais. Estes dados devem estar nas extensões MID/MIF, shapefile, Tab/Geo ou BNA. Para a importação dos dados matriciais, a ferramenta utilizada é importar raster, a projeção que se encontram os dados vetoriais e matriciais se faz necessário para concluir a importação.

Uma das necessidades do usuário são as consultas espaciais dos dados. O TerraView permite dois tipos de consultas: uma está associada ao valor do atributo, e a outra está relacionada à espacialização. Para as consultas aos atributos, são utilizados os operadores (=, +, -, <, >, <=, >=, *, / ), existência e ausência (is not null, is null), semelhança (like) e conectores lógicos (and, or e not). A consulta relacionada à espacialização das geometrias é conseguida a partir da análise topológica dos dados. (INPE).

3. MATERIAL E MÉTODOS

O trabalho foi realizado em três etapas. Na primeira etapa, foi realizada a vetorização da rede viária do bairro Camobi e a coleta dos pontos que representam os imóveis. Em um segundo momento, foi feita a inserção dos dados e a organização dos atributos das tabelas no TerraView. E, por último, foi implantado o sistema na imobiliária e realizado o treinamento do funcionário.

3.1 Primeira Etapa

A digitalização da rede viária foi realizada no programa ArcGis 9.2, em uma escala 1:1000, sobre a imagem ortorretificada Ikonos, utilizando o modelo de dado polyline (linhas conectadas) na digitalização. Assim, cada nome de rua concebeu uma polyline. Para a conexão das polylines, utilizou-se a opção snapping na ferramenta Editor do ArcGis, possibilitando a conectividade entre as ruas. Os pontos foram coletados com um receptor GPS (Sistema de Posicionamento Global), modelo Etrex Vista e descarregados no TrackMaker, posteriormente salvos no formato shapefile. Devido à imprecisão do receptor GPS de navegação, referente ao método de posicionamento usado na obtenção da coordenada, foi necessário abrir a edição e mover os pontos para ficarem mais próximos aos imóveis. Os imóveis foram identificados cada um pelo número da coluna ID da tabela, obtendo um resultado final representado pela Figura 4 abaixo:

Figura 4 – Trabalho final da digitalização

3.2 Segunda Etapa

Para a inserção dos dados no TerraView, foi criado um banco de dados para salvar os arquivos importados. Os vetores inseridos no programa foram os pontos dos imóveis, rede viária e a imagem orbital. Na necessidade de obter uma melhor manipulação dos dados geográficos, foram criados duas vistas: uma com o nome de Apresentação, que contém os temas: imóveis, rede viária e a imagem orbital, que serão apresentados ao cliente; e a outra vista com o nome de Gerenciamento, que contém os temas, imóveis e rede viária, servindo no gerenciamento feito pelo corretor. A criação dos atributos nas tabelas da primeira vista foi pensada para que, no momento da venda ou aluguel do imóvel, a tabela oferecesse todas as informações relevantes ao cliente. Assim, foram criados os campos: Tipo (casa ou apartamento), Finalidade (venda ou alugar), N_Rua (nome da rua), Dormit (dormitórios), Frente ( comprimento da frente do terreno), etc. Para melhorar essa apresentação dos imóveis perante ao cliente, os imóveis foram fotografados em vários ângulos e as fotos conectadas aos pontos. Com essa apresentação, o cliente pode ver as cores dos imóveis e dos dormitórios, vistas das janelas e das frentes do imóveis, por exemplo.

Na segunda vista criada no programa, os atributos na tabela foram organizados de forma que o corretor possuísse informações que contemplassem o gerenciamento do imóvel. Essas informações estão relacionadas ao preço que o proprietário exige pelo aluguel ou venda do imóvel, o valor do IPTU (Imposto Predial e Territorial Urbano), o nome do proprietário, a data que o imóvel foi alugado ou comprado e o nome do inquilino ou comprador. Com isso, o gerenciamento se torna mais rápido e organizado, pois as informações ficam armazenadas no mesmo local, e os atributos ficam organizados de acordo com a necessidade. O sistema final está ilustrado na Figura 5.

Figura 5 – Representação final do sistema.

3.3 Terceira Etapa

No treinamento dos corretores, ministrou-se noções básicas de banco de dados geográfico (SQL), cartografia (datum e sistema de coordenadas), GPS (navegação) e, posteriormente, a aplicação do TerraView. Em banco de dados geográfico, ensinou-se como proceder para a construção de consultas por atributo, como ilustra a Figura 6 abaixo. Em cartografia, explicou-se o sistema de coordenadas UTM, a importância de saber o datum, no qual se encontram os dados geográficos. Com o receptor GPS, fez-se uma atividade prática, concebendo a marcação de pontos e configuração do aparelho para a escolha do sistema de referência e sistema de coordenadas. No uso do programa, priorizou-se mostrar como se inserem as camadas com as ferramentas importar vetor, importar pontos e importar raster. Além disso, priorizou-se também como se modificam os dados das tabelas. Com isso, o corretor tornou-se hábil para alimentar o banco de dados geográfico e construir análises espaciais.

Figura 6: Demonstração de uma consulta por atributo.

4. RESULTADOS E DISCUSSÕES

Com o uso do aplicativo TerraView, a empresa obteve qualidade na apresentação do seu produto frente ao cliente e rapidez nas demonstrações das informações referente aos imóveis. Além disso, conseguiu uma melhor organização dessas informações, pois o banco de dados geográfico possibilitou o armazenamento dos dados descritivos e geográficos.

5. CONSIDERAÇÕES FINAIS

As ferramentas de SIG, contidas no programa TerraView, demonstraram uma melhora na apresentação e gerenciamento dos imóveis da imobiliária. Isso foi possível com um custo baixo na sua elaboração, pois o programa está disponível gratuitamente na rede mundial de computadores.

BIBLIOGRAFIA

CÂMARA, G. Modelos, Linguagens e Arquiteturas para Bancos de Dados Geográficos. 2009, INPE – Instituto de Pesquisa Espaciais. Disponível em:http://www.dpi.inpe.br/dpi/teses/gilberto/. Acesso em agosto, 2010.

OLIVEIRA, M. J. G. e MELO, R. M. Implantação de um “Sistema de Informação.

Geográfica” (SIG) no Campus de Poços de Caldas COBRAC 2006 · Congresso Brasileiro de Cadastro Técnico Multifinalitário · UFSC Florianópolis, 2006

KORTH, Henry F, Abraham Silberschatz. Sistema de bancos de dados. Tradução Maurício Heihachiro Galvan Abe. 2ª edição, São Paulo, Makron Books, 1995.

RUMBAUGH, J.; BLAHA, M.; PREMERLANI, W.; EDDY, F.; LORENSEN, W.

Object-Oriented Modeling and Design. Englewood Cliffs, NJ: Prentice-Hall, 1991.

MIRANDA, José Iguelmar. Fundamentos de Sistema de Informações Geográficas. 1ª edição, Brasília, Embrapa Informação Tecnológica, 2005.

CÂMARA, G. Modelos, Linguagens e Arquiteturas para Bancos de Dados

Geográficos.São José dos Campos, SP: Instituto Nacional de Pesquisas

Espaciais (INPE), 1995.Ph.D., 1995.

INPE – DPI O projeto TerraView. Disponível em: .

Acesso em agosto, 2010.

QUEIROZ, R. Gilberto e FERREIRA, R. Karine. Tutorial sobre Bancos de Dados

Geográficos - GeoBrasil 2006, INPE – Instituto Nacional de Pesquisas Espacias.http://www.dpi.inpe.br/TutorialBdGeo_GeoBrasil2006.pdf. Acesso em agosto,

2010.