avaliador: prof. dr. alexandre rosa dos santos captura e estruturas de dados espaciais capítulo 6...

Avaliador: Prof. Dr. Alexandre Rosa dos Santos

Captura e Estruturas de Dados Espaciais

Capítulo 6 – Parte 02

Novembro 2013 – Alegre, ES

Antonio P. Drumond Neto Doutorando PPGPV – UFES/CCA

BANCO DE DADOS

Banco de dados do SIG é composto por:

• Dados Textuais

• Dados Numéricos

A, B, C, D ...

1, 2, 3, 4 ...

• Dados Vetoriais • Dados matriciais (raster)

O SIG possui a capacidade de armazenar atributos descritivos e formas geométricas dos diferentes tipos de dados geográficos.

(CAMARA, 2005)

ESTRUTURAS DE DADOS EM SIG

ESTRUTURAS DE DADOS EM SIG

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

PRINCIPAIS ESTRUTURAS DE DADOS NO SIGRepresentação 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.

Representação vetorial: o fenômeno pode ser abstraído em três elementos gráficos:

• ponto (dimensão zero), • linha (uma dimensão), e • área ou polígono (duas dimensões).

• Mundo Real

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.

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).

Dependendo do que se quer representar a célula poderá ter um valor quantitativo ou qualitativo.

TIPO DE ARQUIVOS RASTER

9455

15101

38305

a) Imagem codificada 2n

92,55-12,3

-32,351

53,8-3,41,5

b) Imagem contínua

c) Imagem binária d) Imagem ternária

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).

Exemplo

1

22222222

23322222

23322222

22222111

22222111

22222111

2221111

22211111

DADO MATRICIAL DE 3 DIFERENTES TIPOS DE SOLO

CÓDIGO DE CADEIAS

Códigos:0= ESTE - 1= SUL - 2= OESTE - 3= NORTE

A estruturação em código de cadeias reduziu o tamanho do arquivo em 8 unidades de bytes.

A partir linha 1 e coluna 1, no sentido anti-horário, os dados são organizados segundo determinada categoria.

1

22222222

23322222

23322222

22222111

22222111

22222111

2221111

22211111

Categoria 1= 15, 03, 35, 23.

CÓDIGO DE CADEIAS

Códigos:0= ESTE1= SUL2= OESTE 3= NORTE

13, 00, 30, 20288

10, 02, 30, 20268

11, 01, 31, 21366

13, 03, 33, 23216

16, 02, 36, 22243

15, 03, 35, 23261

11, 01, 31, 21141

15, 03, 35, 23111

CODIFICAÇÃOATRIBUTOCOLUNALINHA

1

22222222

23322222

23322222

22222111

22222111

22222111

2221111

22211111

RLE (Run-Length Encoding)

1

22222222

23322222

23322222

22222111

22222111

22222111

2221111

22211111

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).

VPE (Value Point Encoding)

1

22222222

23322222

23322222

22222111

22222111

22222111

2221111

22211111

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.

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).

168

157

146

22135

21124

19113

18102

1791

DADO RASTER EM ESTRUTURA QUADTREE

1

22222222

23322222

23322222

22222111

22222111

22222111

2221111

22211111

• 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).

• 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.

MÉTODOS DE COMPRESSÃO

VANTAGENS DESVANTAGENS

RLE e VPESão 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.

QUADTREEEstrutura elegante. Dados

compactados. Rápido processamento.

Dificuldade para criação e atualização de arquivos.

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.

Neste modelo as coordenadas são consideradas

matematicamente exatas.

3

4

5

7

71

• 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)

DADOS VETORIAIS

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.

ESTRUTURAS VETORIAIS

Os mais usuais são:

As entidades poligonais podem ser estruturadas em diferentes formatos:

• MODELO TOTAL • DUAL INDEPEDENT MAP ENCODING – DIME

• MODELO RELACIONAL E DIGITAL LINE GRAFHS - DGL

• MODELO TOPOLÓGICO

• MODELO ESPAGUETE

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.

O SIG IDRISI utiliza este modelo para arquivar e representar os PIs

1. Arcos ausente de contiguidade

2. Poligono aberto (ausente de area)

3. Arcos sem conectividade (cruzamento)

4. Poligonos adjacentes com sobreposição (buracos)

É definido como a relação espacial entre feições vizinhas ou adjacentes

TOPOLOGIA

É um conjunto de regras e comportamentos que estipulam como pontos, linhas e polígonos partilham geometrias coincidentes.

TOPOLOGIA NO SIG

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).

Constitui a estrutura mais comum para os dados vetoriais

TIPO VANTAGENS DESVANTAGENS

MODELO TOTALEstrutura 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.

Vetorial x Raster

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

RASTER x VETORIAL

Aspecto Matricial Vetorial

Transformação de coordenadas Complexo Simples

Estrutura de dados Simples Complexa

Captação de dado Rápido Lento

Área de armazenamento Grande Pequena

Gráficos Médio Bom

Precisão geométrica Baixa Alta

Análise de rede Pobre Bom

Análise de área Bom Médio

Generalização Simples Complexa

Geração de desenho Rápido Lento

Modelagem Simples Complexo

Operação pontual Simples Complexo

MODELO RASTER MODELO VETORIAL• Os dados possuem uma estrutura simples;

• Operações de superposição sãofacilmente implementadas;

• Altas variabilidades espaciais sãoeficientemente representadas;

• Permite operações matemáticascom precisão;

• Operações de modelagem e simulação são facilitadas;

• Possui uma estrutura de dadoscompacta;

• Permite uma codificação da topologia de forma eficaz, como resultado das análises de rede sãofacilmente implementadas;

• É recomendado para gráficos que devam se aproximar dos desenhos feitos à mão;

VANTAGENS

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;

GEOPROCESSAMENTO DAS ESTRUTURAS DE DADOS

IMAGENSObtidas por:

Satélites,

Fotografias aéreas

Scanners aerotransportados

São armazenadas como matrizes e representam formas de captura da informação espacial.

Tipos de Dados em Geoprocessamento

Cada elemento de imagem, denominado pixel, tem um valor proporcional à energia eletromagnética refletida ou emitida pela área da superfície terrestre correspondente.

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)

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

MAPAS POLITEMÁTICOS

Quando as informações, qualitativa e quantitativa estão presentes em um mesmo mapa


MINAS GERAIS

BAHIA

RIO DE JANEIRO

190000

190000

280000

280000

370000

3700007630

000

7630

000

7720

000

7720

000

7810

000

7810

000

7900

000

7900

000

7990

000

7990

000

ESTADO DO ESPÍRITO SANTO

µ50 0 5025 Km

Sistema de CoordenadasDATUM SIRGAS 2000 - ZONA 24S

OC

EA

NO

AT

LÂ

NT

ICO

Atividade agrícola

Apta

Inapropriada

190000

190000

280000

280000

370000

370000

7630

000

7630

000

7720

000

7720

000

7810

000

7810

000

7900

000

7900

000

7990

000

7990

000

µ50 0 5025 Km

Sistema de CoordenadasDATUM SIRGAS 2000 - ZONA 24S

OC

EA

NO

AT

LÂ

NT

ICO

Altitude

2862.5 m

-3.69 m

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

MAPAS NUMÉRICOS DE TERRENO:

O termo é utilizado para denotar a representação quantitativa de uma grandeza que varia continuamente no espaço.


Resolução Espacial

Célula pequena

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

Resolução Espacial

SPOT 5

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

1. Época que os dados foram coletados.

2. Fonte dos dados

3. Formato original dos dados

4. Área coberta dos dados.

5. Escala dos mapas

6. Sistema de coordenadas (projeção, datum)

7. Densidade de observações do dado

8. Acurácia das feições (posição e atributos)

9. Consistência logica dos atributos

10. Como os dados foram testados?

Qualidade de Dados e Erros

Qualidade de Dados e Erros

Exatidão

Precisão

Valor verdadeiro

Elementos e sub-elementos de qualidade de dados geográficos

Acurácia posicional ou Geométricao Qualidade externa ou absoluta – Proximidade dos valores em função

dos dados ditos “reais”.

o Qualidade relativa ou interna - Proximidade das posições relativas com respectivas posições aceitas como reais.

o Qualidade da posição da grade de coordenadas – Proximidade da grade de coordenadas com a localização real.

Metadadoso Linhagem – Parâmetros e dados que construíram o conjunto de dados.

Coeficientes de Concordância para a avaliação da acurácia total.

Coeficientes de Concordância para avaliação da acurácia para classes individuais


Consistência Lógicao Consistência de formato – Nível de armazenamento em acordo com a

estrutura física do conjunto de dados.

o Consistência topológica - Características topológicas dos dados.

o Consistência de domínio – Conformidade com os valores de domínio dos dados.

Acurácia temporalo Exatidão das medidas do tempo – Correção na medida temporal.

o Consistência temporal – Correção de eventos ordenados ou em sequencia, caso registrada.

o Validade temporal – Validade dos dados em relação ao tempo (atualização).


Qualidade temáticao Correção da classificação – Comparação da classe associada á feições

ou seus atributos em relação a um conjunto de dados de controle.

o Verificação dos atributos não qualitativos.

o Exatidão dos atributos quantitativos.

Completudeo Comissão – Excesso de dados no conjunto, tanto para as feições

como para seus atributos.

o Omissão - Dados faltantes no conjunto.

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)

0,36Erro de

Omissão

-641892314TOTAL

(1 – 7/8) 0,1387100

Variável (4)

(1 - 8/17) 0,53

175831Variável

(3)

(1 - 20/23) 0,13

2620204Variável

(2)

(1 - 9/13) 0,31

134009Variável

(1)

Erro de ComissãoTOTAL

Variável (4)

Variável (3)

Variável (2)

Variável (1)

Map

a In

terp

reta

do

Mapa Real

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).

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.

Exemplo para verificar a completitude

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(y)

RMS(x)

Enquadramento original do mapa

Enquadramento feito pela mesa

N

i

i

N

xx

1

21

RMS (x): erro médio quadrático, eixo x

N

i

i

N

yy

1

21

RMS (y): erro médio quadrático, eixo y

22 )()()( yRMSxRMStRMS RMS (t): erro médio quadrático total

1/50 polegadas para mapas com escalas 1:20.000 ou menores1/60 polegadas para mapas com escalas maiores que 1:20.000.

• 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:

m 64,41,64

m/pol 0254,0*000.15* 50

1

pol

RMS permitido

Se tivermos um mapa com escala de 1:25.000:

m 45,61,64

m/pol 0254,0*000.25* 60

1

pol

RMS permitido

avaliador: prof. dr. alexandre rosa dos santos captura e estruturas de dados espaciais capítulo 6...

Documents