Sistemas de Informações Geográficas SIGs.

Apresentação em tema: "Sistemas de Informações Geográficas SIGs."— Transcrição da apresentação:

1 Sistemas de Informações Geográficas SIGs

2 Captura e Estruturas de Dados Espaciais
Capítulo 6 – Parte 02 Antonio P. Drumond Neto Doutorando PPGPV – UFES/CCA Avaliador: Prof. Dr. Alexandre Rosa dos Santos Novembro 2013 – Alegre, ES

3 Banco de dados do SIG é composto por:
A, B, C, D ... Dados Textuais Dados Numéricos 1, 2, 3, Dados Vetoriais Dados matriciais (raster)

4 ESTRUTURAS DE DADOS EM SIG
O SIG possui a capacidade de armazenar atributos descritivos e formas geométricas dos diferentes tipos de dados geográficos. (CAMARA, 2005)

5 ESTRUTURAS DE DADOS EM SIG Coordenadas X, Y e o atributo Z
A estrutura dos dados são formas padrões para armazenar dados no computador, sendo um intermediário entre o modelo da realidade e um formato de arquivo Dados espaciais - Dados relacionados a superfícies contínuas, contendo três coordenadas denominadas de amostra 3D Dados geográficos - necessários para definir onde as feições cartográficas ocorrem; Atributos - que registrem o que as feições cartográficas representam. Coordenadas X, Y e o atributo Z

6 PRINCIPAIS ESTRUTURAS DE DADOS NO SIG
Representação matricial: o espaço é representado como uma matriz composta de colunas e linhas. Cada célula possui um número de linha, um número de coluna e um valor correspondente ao atributo estudado. Mundo Real Representação vetorial: o fenômeno pode ser abstraído em três elementos gráficos: ponto (dimensão zero), linha (uma dimensão), e área ou polígono (duas dimensões).

7 Dados matriciais É à representação gráfica do mundo real por meio de pixel (picture element) ou células, com forma poligonal regular, geralmente quadradas, que são definidos pelas suas posições em relação às colunas e linhas de uma malha. Dependendo do que se quer representar a célula poderá ter um valor quantitativo ou qualitativo. Cada célula armazena um valor de atributo de um determinado tema. Cria-se uma cobertura (ou plano de informação) para cada tema (uso da terra, tipo de solo, cobertura vegetal, tipos de rocha, entre outros).

8 Tipo de Arquivos raster
9 4 5 1 10 3 8 30 a) Imagem codificada 2n 9 2,5 5 -12,3 -3 2,3 1 3,8 -3,4 1,5 b) Imagem contínua c) Imagem binária d) Imagem ternária

9 Estruturas matriciais
São estruturados em modelos simples e compacta. Principais Estruturas Raster: CÓDIGO DE CADEIAS RUN-LENGTH ENCODING (RLE) VALUE POINT ENCODING (VPE) MODELOS HIERÁRQUICOS, (QUADTREE e BLOCOS MÁXIMOS).

10 DADO MATRICIAL DE 3 DIFERENTES TIPOS DE SOLO
1 2 3 Exemplo

11 CÓDIGO DE CADEIAS Categoria 1= 15, 03, 35, 23. Códigos:
0= ESTE - 1= SUL - 2= OESTE - 3= NORTE Categoria 1= 15, 03, 35, 23. 1 2 3 A partir linha 1 e coluna 1, no sentido anti-horário, os dados são organizados segundo determinada categoria. A estruturação em código de cadeias reduziu o tamanho do arquivo em 8 unidades de bytes. CÓDIGO DE CADEIAS

12 CÓDIGO DE CADEIAS Códigos: 0= ESTE 1= SUL 2= OESTE 3= NORTE
13, 00, 30, 20 2 8 10, 02, 30, 20 6 11, 01, 31, 21 3 13, 03, 33, 23 1 16, 02, 36, 22 4 15, 03, 35, 23 CODIFICAÇÃO ATRIBUTO COLUNA LINHA CÓDIGO DE CADEIAS

13 RLE (Run-Length Encoding)
O principio consiste em pixels adjacentes tendo o mesmo atributo, combinados em faixa, representada por um par de números. Cada linha inicia uma nova faixa EXEMPLO: Para a nossa matriz temos: LINHA 1: (5,1), (3,2); LINHA 2: (5,1), (3,2); LINHA 3: (3,1), (5,2); LINHA 4: (3,1), (5,2); LINHA 5: (3,1), (5,2); LINHA 6: (5,2), (2,3), (1,2); LINHA 7: (5,2), (2,3), (1,2); LINHA 8: (8,2). 1 2 3 RLE (Run-Length Encoding)

14 VPE (Value Point Encoding)
A codificação dos dados é a partir da linha 1 e coluna 1, continuamente, associando o atributo ao número de pixels. A cada mudança de atributo tem-se um determinado número de pixels. 1 2 3 Exemplo: 5(1); 2(8); 1(13); 2(16); 1(21); 2(24); 1(26); 2(32); 1(35); 2(45); 3(47); 2(53); 3(55); 2(64). 16 8 15 7 14 6 22 13 5 21 12 4 19 11 3 18 10 2 17 9 1 VPE (Value Point Encoding)

15 DADO RASTER EM ESTRUTURA QUADTREE
O modelo de Blocos Máximos é uma variante do quadtree, cujo objetivo é eliminar possíveis redundâncias. A matriz é subdividida em polígonos regulares, não necessariamente quadrados, e cada polígono contém um único atributo. O princípio fundamental é a divisão do dado raster a partir de múltiplos polígonos regulares. O primeiro quadrado compreende toda a matriz, contém 3 categorias. Este é dividido em sucessivos quadrados, até a unidade fundamental (pixel). 1 2 3 DADO RASTER EM ESTRUTURA QUADTREE

16 MÉTODOS DE COMPRESSÃO VANTAGENS DESVANTAGENS RLE e VPE
São voltados para pequenos computadores. Estrutura simples. Menos eficiente quando o limite entre os polígonos aumenta. Aumenta os tamanhos dos arquivos e o tempo de processamento quando o número de polígonos aumenta. CÓDIGO DE CADEIAS Estrutura simples. Dados compactados. Presença de redundância; os limites dos polígonos são armazenados duas vezes. Superposições são difíceis sem que se retorne à grade originais. BLOCOS MÁXIMOS Eficiente para formas simples e grades. Limitado para ser usado em arquivos com muita variedade espacial. QUADTREE Estrutura elegante. Dados compactados. Rápido processamento. Dificuldade para criação e atualização de arquivos.

17 Uso do modelo matricial
Variáveis físicas: como precipitação (quantidade de chuva) ou elevação (valor da elevação); Regiões administrativas: códigos para distritos urbanos; Uso da terra: definidas a partir de um sistema de classificação; Distância de um dado objeto a um alvo: cada célula do modelo tem um valor que representa a distância do objeto em estudo.

18 Neste modelo as coordenadas são consideradas matematicamente exatas.
Dados vetoriais Neste modelo as coordenadas são consideradas matematicamente exatas. O que existe de mais importante no modelo vetorial é a entidade ponto. Engloba todas as entidades geográficas e gráficas que são posicionadas por um simples par de coordenadas (x,y) 7 5 3 1 4 7

19 Dados vetoriais É à representação gráfica do mundo real por meio de coordenadas x, y para definir as feições de dados discretos representados por pontos, linhas e polígonos Na representação vetorial, o mundo é dividido em elementos com sua própria geometria de pontos, linhas e áreas permitindo que todas as posições sejam definidas exatamente.

20 Estruturas Vetoriais As entidades poligonais podem ser estruturadas em diferentes formatos: MODELO TOTAL DUAL INDEPEDENT MAP ENCODING – DIME MODELO RELACIONAL E DIGITAL LINE GRAFHS - DGL Os mais usuais são: MODELO TOPOLÓGICO MODELO ESPAGUETE

21 Estrutura espaguete (desusado)
Fácil entendimento e boa adequação para representação de mapas. Apresenta dados redundantes, uma vez que as linhas comuns a dois polígonos são armazenadas duas vezes e a relações espaciais não são arquivadas. Arcos ausente de contiguidade Poligono aberto (ausente de area) Arcos sem conectividade (cruzamento) Poligonos adjacentes com sobreposição (buracos) O SIG IDRISI utiliza este modelo para arquivar e representar os PIs Estrutura espaguete (desusado)

22 É um conjunto de regras e comportamentos que estipulam como pontos, linhas e polígonos partilham geometrias coincidentes. É definido como a relação espacial entre feições vizinhas ou adjacentes topologia

23 Constitui a estrutura mais comum para
os dados vetoriais Apresenta uma estrutura compacta. Garante a integridade e qualidade dos dados As relações matemáticas entre os objetos são mantidas Permite a execução de algumas funções de análise espacial (por exemplo, a operação dissolução). Topologia no sig

24 TIPO VANTAGENS DESVANTAGENS
MODELO TOTAL Estrutura compacta. Não há mecanismos explícitos para referenciar áreas adjacentes. As relações matemáticas entre objetos não são arquivadas. MODELO TOPOLÓGICO Estrutura compacta. As relações matemáticas entre objetos são arquivadas. Rápido processamento de dados. Estrutura complexas. Redundância de dados. MODELO ESPAGUETE Estrutura compacta e de fácil entendimento. Adequado para mapas. Lento processamento de dados. As relações espaciais não são arquivadas. As linhas comuns a dois polígonos são arquivadas duas vezes. DIME As estruturas e os atributos são arquivados separadamente. Redundância de dados. Complexo gerenciamento de arquivos. DLG São topologicamente estruturados. Custo baixo. Estrutura complexas.

25 Vetorial x Raster Os dois modelos são passíveis de conversão entre si.
Algum tempo atrás estes modelos eram incompatíveis. Os sistemas comerciais de SIG preferem implementar o modelo vetorial. Sistemas atuais manipulam ambos os modelos de dados. Os dois modelos são passíveis de conversão entre si. A conversão do sentido vetorial para matricial é mais fácil A conversão no sentido matricial para vetorial é complexa

26 RASTER x VETORIAL Aspecto Matricial Vetorial
Transformação de coordenadas Complexo Simples Estrutura de dados Complexa Captação de dado Rápido Lento Área de armazenamento Grande Pequena Gráficos Médio Bom Precisão geométrica Baixa Alta Análise de rede Pobre Análise de área Generalização Geração de desenho Modelagem Operação pontual

27 VANTAGENS MODELO RASTER MODELO VETORIAL Os dados possuem uma estrutura
simples; Operações de superposição são facilmente implementadas; Altas variabilidades espaciais são eficientemente representadas; Permite operações matemáticas com precisão; Operações de modelagem e simulação são facilitadas; Possui uma estrutura de dados compacta; Permite uma codificação da topologia de forma eficaz, como resultado das análises de rede são É recomendado para gráficos que devam se aproximar dos desenhos feitos à mão;

28 DESVANTAGENS MODELO RASTER MODELO VETORIAL
A estrutura dos dados toma muito espaço de memória; As relações topológicas são difíceis de serem representadas; O produto final pode não ser esteticamente agradável; A estruturação dos dados é complexa; Operações de superposição são difíceis de serem implementadas; A representação de alta variabilidade espacial não é eficaz;

29 Geoprocessamento das estruturas de dados

30 Tipos de Dados em Geoprocessamento
IMAGENS Obtidas por: Satélites, Fotografias aéreas Scanners aerotransportados São armazenadas como matrizes e representam formas de captura da informação espacial. Cada elemento de imagem, denominado pixel, tem um valor proporcional à energia eletromagnética refletida ou emitida pela área da superfície terrestre correspondente.

31 Tipos de Dados em Geoprocessamento
MAPAS TEMÁTICOS Descrevem de forma qualitativa, a distribuição espacial de uma grandeza geográfica. . Mapa de reconhecimento dos solos da região de Inhamuns, Salgado (Assad & Sano, 1998)

32 Tipos de Dados em Geoprocessamento
MAPAS CADASTRAIS cada elemento é considerado como um objeto geográfico possui atributos e pode estar associado a várias representações gráficas. LIMITES CENSITÁRIOS DO DISTRITO DE ARACÊ, DOMINGOS MARTINS, ES

33 Tipos de Dados em Geoprocessamento
MAPAS POLITEMÁTICOS Quando as informações, qualitativa e quantitativa estão presentes em um mesmo mapa

34 Tipos de Dados em Geoprocessamento
REDES armazenam os elementos geográficos em modelo vetorial com topologia de rede (arco-nó), Os arcos armazenam atributos sobre o sentido dos fluxos e os nós sobre a capacidade Malha rodoviária do Estado do Paraná

35 Tipos de Dados em Geoprocessamento
MAPAS NUMÉRICOS DE TERRENO: O termo é utilizado para denotar a representação quantitativa de uma grandeza que varia continuamente no espaço.

36 Resolução Espacial

37 Resolução Espacial Célula pequena Célula grande Maior resolução
Maior precisão da feição espacial Apresentação mais lenta Processamento mais lento Arquivo de armazenagem maior Célula grande Menor resolução Menor precisão na localização da feição espacial Apresentação mais rápida Processamento mais rápido Arquivo de armazenagem menor

38 SPOT 5 Colorida – resol. 10 m Pancrom. – resol. 2,5 m

39 Qualidade de Dados e Erros
Época que os dados foram coletados. Fonte dos dados Formato original dos dados Área coberta dos dados. Escala dos mapas Sistema de coordenadas (projeção, datum) Densidade de observações do dado Acurácia das feições (posição e atributos) Consistência logica dos atributos Como os dados foram testados?

40 Qualidade de Dados e Erros
Exatidão Precisão Valor verdadeiro

41 Elementos e sub-elementos de qualidade de dados geográficos
Acurácia posicional ou Geométrica Qualidade externa ou absoluta – Proximidade dos valores em função dos dados ditos “reais”. Qualidade relativa ou interna - Proximidade das posições relativas com respectivas posições aceitas como reais. Qualidade da posição da grade de coordenadas – Proximidade da grade de coordenadas com a localização real. Metadados Linhagem – Parâmetros e dados que construíram o conjunto de dados.

42 Coeficientes de Concordância para a avaliação da acurácia total.

43 Coeficientes de Concordância para avaliação da acurácia para classes individuais

44 Elementos e sub-elementos de qualidade de dados geográficos
Consistência Lógica Consistência de formato – Nível de armazenamento em acordo com a estrutura física do conjunto de dados. Consistência topológica - Características topológicas dos dados. Consistência de domínio – Conformidade com os valores de domínio dos dados. Acurácia temporal Exatidão das medidas do tempo – Correção na medida temporal. Consistência temporal – Correção de eventos ordenados ou em sequencia, caso registrada. Validade temporal – Validade dos dados em relação ao tempo (atualização).

45 Elementos e sub-elementos de qualidade de dados geográficos
Qualidade temática Correção da classificação – Comparação da classe associada á feições ou seus atributos em relação a um conjunto de dados de controle. Verificação dos atributos não qualitativos. Exatidão dos atributos quantitativos. Completude Comissão – Excesso de dados no conjunto, tanto para as feições como para seus atributos. Omissão - Dados faltantes no conjunto.

46 Exemplo para verificar a completitude
TABELA DE VALIDAÇÃO CRUZADA PARA CÁLCULO DE EC E EQ (1 - 44/64) 0,31 - (1 - 7/18) 0,61 (1 - 8/9) 0,11 (1 - 20/23) 0,13 (1 - 9/14) 0,36 Erro de Omissão 64 18 9 23 14 TOTAL (1 – 7/8) 0,13 8 7 1 Variável (4) (1 - 8/17) 0,53 17 5 3 Variável (3) 26 2 20 4 Variável (2) (1 - 9/13) 0,31 13 Variável (1) Erro de Comissão Mapa Interpretado Mapa Real O menor ERRO DE OMISSÃO refere-se a VARIÁVEL 3 (0,11), ou seja, somente 1 pixel encontrado no mapa real não correspondeu ao seu equivalente no mapa interpretado. Percebe-se que o menor ERRO DE COMISSÃO refere-se a VARIAVEL 2 e 4, ou seja, em cada um deles, somente 1 pixel encontrado no mapa interpretado não correspondeu ao seu equivalente no mapa real (no campo). Exemplo para verificar a completitude

47 ERRO MÉDIO QUADRÁTICO (ROOT MEAN SQUARE) RMS
A quantificação do erro operacional é feita pelos eixo das ordenadas e abscissas onde o cálculo do RMS total será representado graficamente como a hipotenusa de um triângulo retângulo O RMS calculado pode ser calculado segundo três perspectivas diferentes: Escala do mapa; Probabilidade de erro de um objetivo ser alcançado; Produto final esperado. RMS (x): erro médio quadrático, eixo x RMS(y) RMS(x) Enquadramento original do mapa feito pela mesa RMS (y): erro médio quadrático, eixo y RMS (t): erro médio quadrático total ERRO MÉDIO QUADRÁTICO (ROOT MEAN SQUARE) RMS

48 Se tivermos um mapa com escala de 1:25.000:
1/50 polegadas para mapas com escalas 1: ou menores 1/60 polegadas para mapas com escalas maiores que 1: A conversão para padrões de acurácia é feita baseada em estatística. RMS permitido requer 90% de erros acidentais menores que 1,64% do RMS calculado. Ou seja, 1,64 desvios padrões assumindo uma distribuição normal dos erros. Se tivermos um mapa com escala de 1:15.000, o erro aceitável ou o RMS permitido será o erro aceitável multiplicado pela conversão da escala, multiplicado pela conversão da unidade, dividido por 1,64,ou seja: Se tivermos um mapa com escala de 1:25.000:

49 FIM