Bancos de dados Geográficos

Bancos de Dados Geográficos  O que é um banco de dados geográfico?

Bancos de Dados Geográficos  Também é chamado de banco de dados espacial (BDE), é semelhante ao banco de dados relacional;  A grande e importante diferença é que o banco de dados geográfico, suporta feições geométricas em suas tabelas.

Bancos de Dados Geográficos  Esse tipo de base com geometria oferece a possibilidade de análise e consultas espaciais.  É possível calcular, por exemplo, áreas, distâncias e centróides, além de realizar a geração de buffers e outras operações entre as geometrias.

Bancos de Dados Geográficos  Ao construir um banco de dados geográficos será possível realizar consultas tais como: “Que cidades são vizinhas ao município de Jacaraú?” “Que municípios são cortados pelo Rio Paraíba do Sul?” “Que quadras estão num raio de um quilômetro em relação ao local onde ocorreu determinado assalto?” “Que distância entre a comunidade rural e a escola mais próxima?”

Bancos de Dados Geográficos  Essas questões não podem ser respondidas através de um banco de dados convencional, pois estes não armazenam a componente espacial, nem relações de topologia, como adjacência e pertinência.  Apenas um BDG permitiria que essas questões fossem respondidas com base na posição geográfica de cada elemento do banco.

Bancos de Dados Geográficos  Para visualização da realidade armazenada no banco, diversos softwares de SIG (Sistema de Informação Geográficas) podem ser integrados aos SGBD com função espacial.

Bancos de Dados Geográficos  Os SIG são sistemas computacionais capazes de capturar, modelar, armazenar, recuperar, manipular, analisar e apresentar dados geográficos.

Bancos de Dados Geográficos  Vários serviços como MapQuest, Yahoo! Maps, Google Maps, etc...

Bancos de Dados Geográficos  Os serviços geográficos estão crescendo: Planejamento de rotas Observação e Mitigação de desastres naturais Simulação de efeitos ambientais Serviços Baseados em Localização em geral

Aplicações sobre dados espaciais

Bancos de Dados Geográficos  Aplicações Cadastro urbano Desenvolvimento imobiliário Desenvolvimento econômico Marketing Navegação Climatologia Gerenciamento de aparelhos públicos Redes de transporte Biodiversidade Monitoramento de desastres ambientais Etc...

Softwares Geográficos  Softwares que permitem armazenar, gerenciar e visualizar dados espaciais e fornece ferramentas de análise. Exemplos de tarefas: 1. visualização e exploração de dados; 2. criação de dados; 3. edição de dados; 4. armazenamento de dados; 5. integração de dados de diferentes fontes; 6. consultas para selecionar parte dos dados; 7. análise de dados: extração de novas informações a partir dos dados existentes; 8. transformação de dados 9. criação de mapas

Softwares Geográficos  Softwares que permitem armazenar, gerenciar e visualizar dados espaciais e fornece ferramentas de análise. Exemplos de tarefas: 1. visualização e exploração de dados; 2. criação de dados; 3. edição de dados; 4. armazenamento de dados; 5. integração de dados de diferentes fontes; 6. consultas para selecionar parte dos dados; 7. análise de dados: extração de novas informações a partir dos dados existentes; 8. transformação de dados 9. criação de mapas

Bancos de dados espaciais  Perspectiva para bancos de dados espaciais

Softwares Geográficos  Visão Geral

Softwares Geográficos

Bancos de dados Georeferenciados  Georreferenciamento, de forma simplificada, é uma atividade que consiste em referenciar dados ou objetos com base em sua localização geográfica.

Bancos de dados Georeferenciados  Diz-se, portanto, que um banco de dados é “georreferenciado” quando os dados constantes nele têm uma correspondência com o objeto real representado.

Bancos de dados Georeferenciados  Assim, o banco de dados georreferenciados é o principal componente do SIG (Sistemas de Informações Geográficos), utilizado para possibilitar análises complexas das informações obtidas sobre determinado local, empreendimento, fenômeno climático, etc.

SIG x BDG  Existem basicamente duas principais formais de integração entre os SIGs e os SGBDs, que são chamadas de arquitetura dual e arquitetura integrada.

Arquitetura Dual  A arquitetura dual armazena as componentes espaciais separadamente.  A componente convencional é armazenada em um SGBD relacional e a componente espacial é armazenada em arquivos com formato proprietário.

Arquitetura Dual  Essa arquitetura apresenta alguns problemas: Dificuldade para manipulação das componentes espaciais, principalmente em manter a integridade entre a componente espacial e a componente convencional; Dificuldade de interoperabilidade, pois cada sistema trabalha com arquivos com formato proprietário. Alguns formatos proprietários largamente utilizados no mercado incluem o Shapefile, o GeoTIFF e o GeoMedia.

Arquitetura Integrada  Na arquitetura integrada todos os dados são armazenados em um SGBD, tanto a componente espacial quanto a componente convencional.  As principais vantagens dessa abordagem são a utilização dos recursos dos SGBDs, os quais já estão bem amadurecidos.  Entre esses recursos podem ser citados gerência de transações, controle de integridade, concorrência e linguagens próprias de consulta.

Arquitetura Integrada  Na arquitetura integrada todos os dados são armazenados em um SGBD, tanto a componente espacial quanto a componente convencional.  As principais vantagens dessa abordagem são a utilização dos recursos dos SGBDs, os quais já estão bem amadurecidos.  Entre esses recursos podem ser citados gerência de transações, controle de integridade, concorrência e linguagens próprias de consulta.

Mineração de dados geográficos  O processo de mineração de dados para descobrir conexões ocultas e para prever tendências futuras tem uma longa história.  Por vezes chamado de “descoberta de conhecimento em bancos de dados”, o termo “mineração de dados ou data mining” só foi inventado nos anos 1990, mas sua criação é composta por três disciplinas científicas entrelaçadas: estatística (o estudo numérico de dados relacionados), inteligência artificial (inteligência artificial exibida por software e/ou máquinas) e machine learning (algoritmos que podem aprender a partir dos dados para fazer previsões).

Mineração de dados geográficos  Mineração de dados (data mining) é definida como o processo de realizar buscas automáticas em grandes volumes de dados, procurando por padrões e regras de associação.

Mineração de dados geográficos  Sistemas de informação geográfica geram uma vasta quantidade de dados num ambiente computacional bastante rico.  A cobertura e o volume do conjunto de dados geográficos digitais é bastante extensa e está em contínuo crescimento.

Mineração de dados geográficos  Existem várias ferramentas para realizar mineração de dados em bancos de dados relacionais; por exemplo, o Intelligent Data Miner do DB2/IBM, MineSet da SiliconGraphics e o Clementine da SPSS.

Mineração de dados geográficos  Os modelos de análise usados em mineração de dados convencionais precisam ser modificados ou adaptados para levar em consideração os diferentes estilos e necessidades de análise e modelagem relevantes para o mundo dos SIG.

Mineração de dados geográficos  Existem várias características que devem ser levados em consideração ao analisar dados geográficos tais como: Incerteza dos dados aliada ao fato de os erros serem freqüentemente estruturados de forma espacial; Relacionamentos freqüentemente estão relacionados a uma posição geográ- fica específica, em vez de serem globais; O tempo geralmente interage com o espaço; Alto-nível de multi-variedade nos dados, associada à redundância; O elemento localização é importante.

Mineração de dados geográficos  Padrões como classes, associações, regras e tendência possuem expressões espaciais bem definidas, tendo, assim, aplicações em técnicas para mineração de dados em bancos geográficos.  Técnicas que utilizam esses padrões: Classificação espacial Associação espacial Predição espacial

Mineração de dados geográficos  Classificação espacial Essa técnica mapeia objetos geográficos em categorias com significados bem definidos, considerando relacionamentos de distância, direção ou conectividade e morfologia desses objetos.

Mineração de dados geográficos  Classificação espacial Koperski (1998) utiliza buffers espaciais para classificar objetos baseados em similaridade de atributos. A abordagem de Ester et. al. (2001) generaliza essa ideia para um algoritmo de aprendizado para classificação espacial considerando relacionamentos espaciais definidos como caminhos entre os objetos numa vizinhança conhecida.

Mineração de dados geográficos  Associação espacial Essa técnica define regras de associação espacial que definem contém predicados espaciais na parte precedente ou antecedente de uma cláusula. Koperki (1998) formulou uma técnica de busca top-down numa árvore que explora o conhecimento implícito na forma de uma hierarquia de conceitos geográficos.

Mineração de dados geográficos  Predição espacial Predição espacial – Malerba et. al. (2001) utiliza algoritmos de aprendizagem indutiva para extrair informações de mapas topográficos de propósito geral, como os produzidos por organizações nacionais ligadas à cartografia. Nesse método, uma heurística de busca constrói predicados locais baseados em objetos espaciais, conhecimento implícito, conceitos de alto- nível previamente definidos e critérios de performance.

Mineração de dados geográficos  MALERBA, D.; ESPOSITO, F.; LANZA, A.; LISI, F. A. Machine learning for information extraction from topographic maps. In: H. J. Miller and J. Han (eds.) Geographic Data Mining and Knowledge Discovery, London: Taylor and Francis, in press,  ESTER, M.; KRIEGEL, H. P.; SANDER, J. Algorithms and applications for spatial data mining. In: H. J. Miller and J. Han (eds.) Geographic Data Mining and Knowledge Discovery, London: Taylor and Francis, ,  KOPERSKI, K.; HAN, J.; STEFANOVIC N. An efficient two-step method for classification of spatial data, Proceedings of the Spatial Data Handling Conference, Vancouver, Canada, 1998.

Palestra 