INTRODUÇÃO À CIÊNCIA DA GEOINFORMAÇÃO, Notas de aula de Geoprocessamento

Baixe INTRODUÇÃO À CIÊNCIA DA GEOINFORMAÇÃO e outras Notas de aula em PDF para Geoprocessamento, somente na Docsity!

INPE-10506-RPQ/

INTRODUÇÃO À CIÊNCIA DA GEOINFORMAÇÃO

Editado e organizado por

Gilberto Câmara Clodoveu Davis Antônio Miguel Vieira Monteiro

INPE São José dos Campos 2001

INTRODUÇÃO

Gilberto Câmara Clodoveu Davis

1.1 POR QUE GEOPROCESSAMENTO?

A coleta de informações sobre a distribuição geográfica de recursos minerais, propriedades, animais e plantas sempre foi uma parte importante das atividades das sociedades organizadas. Até recentemente, no entanto, isto era feito apenas em documentos e mapas em papel; isto impedia uma análise que combinasse diversos mapas e dados. Com o desenvolvimento simultâneo, na segunda metade deste século, da tecnologia de Informática, tornou-se possível armazenar e representar tais informações em ambiente computacional, abrindo espaço para o aparecimento do Geoprocessamento.

Nesse contexto, o termo Geoprocessamento denota a disciplina do conhecimento que utiliza técnicas matemáticas e computacionais para o tratamento da informação geográfica e que vem influenciando de maneira crescente as áreas de Cartografia, Análise de Recursos Naturais, Transportes, Comunicações, Energia e Planejamento Urbano e Regional. As ferramentas computacionais para Geoprocessamento, chamadas de Sistemas de Informação Geográfica (GIS^1 ) , permitem realizar análises complexas, ao integrar dados de diversas fontes e ao criar bancos de dados geo-referenciados. Tornam ainda possível automatizar a produção de documentos cartográficos.

Pode-se dizer, de forma genérica, “ Se onde é importante para seu negócio, então Geoprocessamento é sua ferramenta de trabalho”. Sempre que o onde aparece,dentre as questões e problemas que precisam ser resolvidos por um sistema informatizado, haverá uma oportunidade para considerar a adoção de um SIG.

Num país de dimensão continental como o Brasil, com uma grande carência de informações adequadas para a tomada de decisões sobre os problemas urbanos, rurais e ambientais, o Geoprocessamento apresenta um enorme potencial, principalmente se baseado em tecnologias de custo relativamente baixo, em que o conhecimento seja adquirido localmente.

(^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

No decorrer dos anos 80, com a grande popularização e barateamento das estações de trabalho gráficas, além do surgimento e evolução dos computadores pessoais e dos sistemas gerenciadores de bancos de dados relacionais, ocorreu uma grande difusão do uso de GIS. A incorporação de muitas funções de análise espacial proporcionou também um alargamento do leque de aplicações de GIS. Na década atual, observa-se um grande crescimento do ritmo de penetração do GIS nas organizações, sempre alavancado pelos custos decrescentes do hardware e do software, e também pelo surgimento de alternativas menos custosas para a construção de bases de dados geográficas.

1.2.2 DESENVOLVIMENTOS NO BRASIL

A introdução do Geoprocessamento no Brasil inicia-se a partir do esforço de divulgação e formação de pessoal feito pelo prof. Jorge Xavier da Silva (UFRJ), no início dos anos 80. A vinda ao Brasil, em 1982, do Dr. Roger Tomlinson, responsável pela criação do primeiro SIG (o Canadian Geographical Information System), incentivou o aparecimento de vários grupos interessados em desenvolver tecnologia, entre os quais podemos citar:

• UFRJ: O grupo do Laboratório de Geoprocessamento do Departamento de

Geografia da UFRJ, sob a orientação do professor Jorge Xavier, desenvolveu o SAGA (Sistema de Análise Geo-Ambiental). O SAGA tem seu forte na capacidade de análise geográfica e vem sendo utilizado com sucesso com veículo de estudos e pesquisas.

• MaxiDATA: os então responsáveis pelo setor de informática da empresa de

aerolevantamento AeroSul criaram, em meados dos anos 80, um sistema para automatização de processos cartográficos. Posteriormente, constituíram empresa MaxiDATA e lançaram o MaxiCAD, software largamente utilizado no Brasil, principalmente em aplicações de Mapeamento por Computador. Mais recentemente, o produto dbMapa permitiu a junção de bancos de dados relacionais a arquivos gráficos MaxiCAD, produzindo uma solução para "desktop mapping" para aplicações cadastrais.

• CPqD/TELEBRÁS: O Centro de Pesquisa e Desenvolvimento da TELEBRÁS

iniciou, em 1990, o desenvolvimento do SAGRE (Sistema Automatizado de Gerência da Rede Externa), uma extensiva aplicação de Geoprocessamento no setor de telefonia. Construído com base num ambiente de um SIG (VISION) com um banco de dados cliente-servidor (ORACLE), o SAGRE envolve um significativo desenvolvimento e personalização de software.

Introdução

• INPE: Em 1984, o INPE (Instituto Nacional de Pesquisas Espacias) estabeleceu um

grupo específico para o desenvolvimento de tecnologia de geoprocessamento e sensoriamento remoto (a Divisão de Processamento de Imagens - DPI). De 1984 a 1990 a DPI desenvolveu o SITIM (Sistema de Tratamento de Imagens) e o SGI (Sistema de Informações Geográficas), para ambiente PC/DOS, e, a partir de 1991, o SPRING (Sistema para Processamento de Informações Geográficas), para ambientes UNIX e MS/Windows. O SITIM/SGI foi suporte de um conjunto significativo de projetos ambientais, podendo-se citar: (a) o levantamento dos remanescentes da Mata Atlântica Brasileira (cerca de 100 cartas), desenvolvido pela IMAGEM Sensoriamento Remoto, sob contrato do SOS Mata Atlântica; (b) a cartografia fito-ecológica de Fernando de Noronha, realizada pelo NMA/EMBRAPA; (c) o mapeamento das áreas de risco para plantio para toda a Região Sul do Brasil, para as culturas de milho, trigo e soja, realizado pelo CPAC/EMBRAPA; (d) o estudo das características geológicas da bacia do Recôncavo, através da integração de dados geofísicos, altimétricos e de sensoriamento remoto, conduzido pelo CENPES/Petrobrás. Assad e Sano (1998) apresentam um conjunto significativo de resultados do SITIM/SGI na área agrícola.

O SPRING unifica o tratamento de imagens de Sensoriamento Remoto (ópticas e microondas), mapas temáticos, mapas cadastrais, redes e modelos numéricos de terreno. A partir de 1997, o SPRING passou a ser distribuido via Internet e pode ser obtido através do website http://www.dpi.inpe.br/spring.

1.3 REFERÊNCIAS ADICIONAIS

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

CONCEITOS BÁSICOS EM CIÊNCIA DA GEOINFORMAÇÃO

Gilberto Câmara 1 Antônio Miguel Vieira Monteiro

2.1 INTRODUÇÃO

Trabalhar com geoinformação significa, antes de mais nada, utilizar computadores como instrumentos de representação de dados espacialmente referenciados. Deste modo, o problema fundamental da Ciência da Geoinformação é o estudo e a implementação de diferentes formas de representação computacional do espaço geográfico.

É costume dizer-se que Geoprocessamento é uma tecnologia interdisciplinar , que permite a convergência de diferentes disciplinas científicas para o estudo de fenômenos ambientais e urbanos. Ou ainda, que “o espaço é uma linguagem comum” para as diferentes disciplinas do conhecimento.

Apesar de aplicáveis, estas noções escondem um problema conceitual: a pretensa interdisciplinaridade dos SIGs é obtida pela redução dos conceitos de cada disciplina a algoritmos e estruturas de dados utilizados para armazenamento e tratamento dos dados geográficos. Considere-se, a título de ilustração, alguns problemas típicos:

• Um sociólogo deseja utilizar um SIG para entender e quantificar o fenômeno da exclusão social^ numa grande cidade brasileira.
• Um ecólogo usa o SIG com o objetivo de compreender os remanescentes florestais da Mata Atlântica, através do conceito de fragmento típico de Ecologia da Paisagem.
• Um geólogo pretende usar um SIG para determinar a distribuição de um mineral numa área de prospecção, a partir de um conjunto de amostras de campo.

(^1) Com a colaboração de Cláudio Clemente Faria Barbosa, Clodoveu Davis e Frederico Fonseca.

O que há de comum em todos os casos acima? Para começar, cada especialista lida com conceitos de sua disciplina ( exclusão social, fragmentos, distribuição mineral ). Para utilizar um SIG, é preciso que cada especialista transforme conceitos de sua disciplina em representações computacionais. Após esta tradução, torna-se viável compartilhar os dados de estudo com outros especialistas (eventualmente de disciplinas diferentes). Em outras palavras, quando falamos que o espaço é uma linguagem comum no uso de SIG, estamos nos referindo ao espaço computacionalmente representado e não aos conceitos abstratos de espaço geográfico.

Do ponto de vista da aplicação, utilizar um SIG implica em escolher as representações computacionais mais adequadas para capturar a semântica de seu domínio de aplicação. Do ponto de vista da tecnologia, desenvolver um SIG significa oferecer o conjunto mais amplo possível de estruturas de dados e algoritmos capazes de representar a grande diversidade de concepções do espaço.

Nesta perspectiva, este capítulo examina os problemas básicos de representação computacional de dados geográficos. Os conceitos apresentados visam esclarecer as questões básicas do Geoprocessamento: Como representar, em computadores, os dados geográficos? Como as estruturas de dados geométricas e alfanuméricas se relacionam com os dados do mundo real? Que alternativas de representação computacional existem para dados geográficos?

Para simplificar a discussão, lidaremos neste capítulo com dados individuais (cada mapa considerado em separado dos demais dados). No próximo capítulo ( Modelagem de Dados em Geoprocessamento ) estaremos considerando o problema de modelar uma aplicação complexa, incluindo os relacionamentos entre os diferentes tipos de dados.

2.2 TRADUZINDO A INFORMAÇÃO GEOGRÁFICA PARA O COMPUTADOR

Para abordar o problema fundamental do Ciencia da Geoinformação (o entendimento das representações computacionais do espaço), estaremos utilizando, neste e em outros capítulos do livro, um arcabouço conceitual para entender o processo traduzir o mundo real para o ambiente computacional: o “paradigma dos quatro universos” (Gomes e Velho, 1995), que distingue:

• o universo do mundo real , que inclui as entidades da realidade a serem modeladas no sistema;
• o universo matemático (conceitual), que inclui uma definição matemática (formal) das entidades a ser representadas;

as estruturas de dados (tais como árvores quaternárias e árvores-R) para implementar as geometrias do universo de representação; Com base nesta visão, as dicotomias tradicionais de Geoprocessamento (campos-objetos e matricial-vetorial) podem ser resolvidas, mostrando-se que elas se encontram em níveis distintos de abstração.

Esta análise também indica que a interface de usuário de um SIG deve, tanto quanto possível, refletir o universo conceitual e esconder detalhes dos universos de representação e implementação. No nível conceitual, o usuário lida com conceitos mais próximos de sua realidade e minimiza a complexidade envolvida nos diferentes tipos de representação geométrica.

2.3 O UNIVERSO DO MUNDO REAL

2.3.1 SISTEMAS DE MEDIDA E DE REFERÊNCIA ESPAÇO-TEMPORAL

Um aspecto central no uso da tecnologia de Geoprocessamento advém da característica lógico-matemática de sistemas de informação; para ser representada em ambiente computacional, temos de associar a cada tipo de informação geográfica uma escala de medida e de referência, que será utilizada pelo GIS para caracteriza-lo.

A visão mais aplicada em Geoprocessamento utiliza uma escala de mensuração que permite associar grandezas numéricas a cada objeto a ser representado computacional. Esta visão deriva do conceito "representacionalista" proposto pelo filósofo Bertrand Russel: as propriedades não são intrínsecas aos objetos, mas são obtidas a partir de medidas. Assim, a representação de um objeto geográfico num GIS dependerá da escala que utilizarmos.

As regras de medida podem ir deste a simples atribuição do valor 0 ou 1 para as amostras (0 = sêco, 1 = úmido), até um conjunto de valores extraídos dos números reais (23.3°C, 24.5°C, 28.1°C,....). A regra usada no processo de medição determina o seu nível, e cada nível de medida descreve a entidade de estudo com um determinado grau de detalhe, que varia de informações qualitativas até informações quantitativas. Como a forma de se medir as variáveis do mundo real afeta seus modos de manipulação, é essencial que o nível de medida utilizado seja incorporado a um conjunto de observações.

A referência histórica mais importante sobre os sistemas de medidas aplicados em GIS é o trabalho de Stevens (1951), em que esse autor propõe quatro escalas de mensuração: nominal, ordinal, intervalo e razão. Os dois primeiros níveis

são temáticos , pois a cada medida é atribuído um número ou nome associando a observação a um tema ou classe. Quando um valor numérico é usado nos níveis de medidas temáticos , este valor serve somente como um identificador para nomear ou classificar aquela amostra da variável (1 = latossolo, 2 = podzólico, ....), não podendo portanto ser usado em expressões matemáticas, pois são valores qualitativos e não quantitativos.

A regra para o nível de medida nominal baseia-se na diferenciação entre os objetos segundo classes distintas. Como exemplos de classes usadas em medidas nominais tem-se: classes de solo, classes de rocha, classes de cobertura vegetal. Uma característica comum dos níveis binário e nominal é que a classificação dos eventos é feita sem nemhuma ordem inerente e serve apenas para diferenciá-los.

O nível de medida ordinal atribui valores ou nomes para as amostras, mas gera um conjunto ordenado de classes, baseado em critérios como tamanho (maior do que, menor do que), altura ( 1 = baixo, 2 = médio, 3 = alto), etc. Dados temáticos de classes de drenagem e de erosão, são exemplos de variáveis medidas no nível ordinal.

Uma característica importante dos níveis de medidas temáticas, é que elas não determinam magnitude. Quando o estudo necessita de uma descrição mais detalhada, que permita comparar intervalo e ordem de grandeza entre eventos, recorre-se aos níveis de medidas denominados de numéricos , onde as regras de atribuição de valores baseiam-se em uma escala de números reais.

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.

2.4 TIPOS DE DADOS EM GEOPROCESSAMENTO

2.4.1 DADOS TEMÁTICOS

Dados temáticos descrevem a distribuição espacial de uma grandeza geográfica, expressa de forma qualitativa, como os mapas de pedologia e a aptidão agrícola de uma região. Estes dados, obtidos a partir de levantamento de campo, são inseridos no sistema por digitalização ou, de forma mais automatizada, a partir de classificação de imagens. Os dados apresentados na figura 2.2 (mapa de vegetação e mapa de declividade) são exemplos de dados temáticos.

2.4.2 DADOS CADASTRAIS

Um dado cadastral distingue-se de um temático, pois cada um de seus elementos é um objeto geográfico , que possui atributos e pode estar associado a várias representações gráficas. Por exemplo, os lotes de uma cidade são elementos do espaço geográfico que possuem atributos (dono, localização, valor venal, IPTU devido, etc.) e que podem ter representações gráficas diferentes em mapas de escalas distintas. Os atributos estão armazenados num sistema gerenciador de banco de dados.

A Figura 2.3 mostra um exemplo de dado cadastral da América do Sul, onde os países possuem atributos não-gráficos (PIB e população).

País PIB (US$ bn)

Pop (milhões)

Argentina

Brasil 350

295 34

Chile 45 14

Figura 2.3 - Exemplo de dado cadastral (países da América do Sul).

2.4.3 REDES

Em Geoprocessamento, o conceito de "rede" denota as informações associadas a:

• Serviços de utilidade pública, como água, luz e telefone;
• Redes de drenagem (bacias hidrográficas);
• Rodovias. No caso de redes, cada objeto geográfico (e.g: cabo telefônico, transformador de rede elétrica, cano de água) possui uma localização geográfica exata e está sempre associado a atributos descritivos presentes no banco de dados.

As informações gráficas de redes são armazenadas em coordenadas vetoriais, com topologia arco-nó : os atributos de arcos incluem o sentido de fluxo e os atributos dos nós sua impedância (custo de percorrimento). A topologia de redes constitui um grafo , que armazena informações sobre recursos que fluem entre localizações geográficas distintas, como ilustra a Figura 2.4.

(d) Análise de variáveis geofísicas e geoquímicas; (e) Apresentação tridimensional (em combinação com outras variáveis). Um MNT pode ser definido como um modelo matemático que reproduz uma superfície real a partir de algoritmos e de um conjunto de pontos ( x, y ), em um referencial qualquer, com atributos denotados de z , que descrevem a variação contínua da superfície. Um exemplo de MNT é apresentado na figura 2.5.

Figura 2.5 - Exemplo de modelo numérico de terreno (isolinhas de topografia).

2.4.5 IMAGENS

Obtidas por satélites, fotografias aéreas ou "scanners" aerotransportados, as imagens representam formas de captura indireta de informação espacial. Armazenadas como matrizes, cada elemento de imagem (denominado "pixel") tem um valor proporcional à energia eletromagnética refletida ou emitida pela área da superfície terrestre correspondente. A Figura 2.6 mostra uma composição colorida falsa cor das bandas 3 (associada a cor Azul), 4 (Verde) e 5 (Vermelha) do satélite TM-Landsat, para a região de Manaus (AM).

Pela natureza do processo de aquisição de imagens, os objetos geográficos estão contidos na imagem, sendo necessário recorrer a técnicas de fotointerpretação e de classificação para individualizá-los.

Características importantes de imagens de satélite são: o número e a largura de bandas do espectro eletromagnético imageadas ( resolução espectral ), a menor área da superfície terrestre observada instantaneamente por cada sensor ( resolução espacial ), o nível de quantização registrado pelo sistema sensor ( resolução radiométrica ) e o intervalo entre duas passagens do satélite pelo mesmo ponto ( resolução temporal ).

Figura 2.6 - Exemplo de Imagem (composição colorida TM/lANDSAT para a regioào de Manaus.

2.5.3 GEO-CAMPOS

Definição 2.2. Geo-Campo.

Um geo-campo representa a distribuição espacial de uma variável que possui valores em todos os pontos pertencentes a uma região geográfica, num dado tempo t.

Múltiplas representações de um mesmo geo-campo podem significar a variação de uma dada variável no tempo t (^) 1 ,t (^) 2 ,..., t (^) N − 1. Desta maneira torna-se possível representar as diferentes cronologias de alguns temas, tais como as mudanças no uso e cobertura do solo, a sazonabilidade da vegetação ou a dinâmica das variáveis climáticas.

Os geo-campos podem ser especializados em:

• TEMÁTICO - dada uma região geográfica R , um geo-campo temático associa a cada ponto do espaço um tema de um mapa (p.ex. um geo-campo de vegetação é caracterizado pelo conjunto de temas {floresta densa, floresta aberta, cerrado, ...});
• NUMÉRICO - dada uma região geográfica, um geo-campo numérico associa, a cada ponto do espaço, um valor real (p. ex. um mapa de campo magnético ou mapa de altimetria);
• DADO_SENSOR _REMOTO - esta classe é uma especialização de NUMÉRICO, obtida através de discretização da resposta recebida por um sensor (passivo ou ativo) de uma área da superfície terrestre. A Figura 2.7, apresenta um exemplo de geo-campos.

Le

Li

Aq

Ls

Figura 2.7 - Geo-campo temático (solos).

2.5.3.1 GEO-OBJETO

Definição 2.3. Geo-Objeto

Um geo-objeto é um elemento único que possui atributos não-espaciais e está associado a múltiplas localizações geográficas. A localização pretende ser exata e o objeto é distinguível de seu entorno.

Esta definição tem três grandes motivações adicionais:

1. As projeções cartográficas: a projeção planar da Terra, a partir de escalas macroregionais, é feita com o uso de quadrículas que estão particionadas em sistemas de referência independentes que definem recortes arbitrários no espaço e podem dividir a localização de um geo-objeto. Por exemplo, um particionamento cartográfico da Amazônia na projeção UTM, escala 1:250.000, faz com que os principais rios tenham representações geométricas descontínuas em vários mapas;
2. Representações geométricas em diferentes escalas: na prática, num mesmo banco de dados geográfico, podem conviver representações da mesma realidade geográfica em diferentes escalas geográficas. Por exemplo, considere-se um conjunto de mapas dos municípios do Estado de São Paulo, que inclui um mapa geral (na escala de 1:1.000.000) e mapas regionais (na escala de 1:100.000). Nesta situação, um mesmo geo-objeto (p.ex., o munícipio de São José dos Campos) teria duas representações geométricas: uma contínua no mapa regional do Vale do Paraída e outra descontínua nas folhas na escala 1:100.000; 3. Múltiplas representações temporais : as diferentes representações de um mesmo objeto podem corresponder a variações temporais do mesmo, como no caso de um lago que teve suas bordas alteradas^2 ; Para ilustrar este conceito, considere-se a Figura 2.8, que mostra um banco de dados da Amazônia, onde os retângulos pontilhados representam o recorte espacial do banco de dados. Entidades como os rios Amazonas e Xingú têm representações em diferentes particionamentos espaciais do banco de dados.

(^2) Um caso particularmente dramático é o Mar de Aral, na ex-URSS.