modelo matricial introdução aos aula 5 · – todo o local no interior da área de estudo é...
TRANSCRIPT
1
Introdução aos
Sistemas de Informação Geográfica
Alexandre Gonçalves
DECivil - IST [email protected]
Aula 5
Modelo matricial
Modelo matricial
1. Resolução
2. Tipos de valores e dados
3. Compatibilização
4. Álgebra de mapas: funções locais, focais,
zonais e globais
5. Interpolação
6. Conversão vetorialmatricial
7. Vetorial versus matricial
Modelo matricial
Divide a área de estudo numa grelha regular de
células numa sequência específica formando
uma tesselação ou pavimentação
– cada célula tem um valor numérico associado
– todo o local no interior da área de estudo é
preenchido com uma célula
Modelo matricial
As células não têm de ser quadradas.
Quais os polígonos regulares que formam
tesselações (pavimentações)?
com pentágonos
não dá
Resolução espacial
5
Tipos de valores e dados
• Valores – Inteiros (pode ser uma grandeza
medida ou codificar algo)
– Reais
• Dados – Funções contínuas (ex. temperatura,
altitude)
– Dados categóricos (ex. uso do solo)
• Cada célula só tem um valor – muitas vezes inadequado: uma fronteira pode passar a meio de uma
célula
• tem de haver alguma regra de decisão de classificação (ver
conversão vetorialmatricial, no fim)
– onde não há dados, há o valor Sem valor / No Data / Null
No Data / NULL
6 (valor de um
dos atributos
desta layer
vetorial)
6 aqui não há
nada
vetorial matricial
6
2
Estrutura de uma matriz
7
Zonas são grupos de
células com o mesmo valor
– Cada zona está associada
a uma linha da tabela de
atributos da matriz
Regiões são zonas
contíguas
– O número de regiões varia
consoante a definição de
contiguidade de células
4
0 4 4 11
0 4 4 11
0 0 4 11
4
4
0
0
4
4
Null 11
4 11 11
11
Estrutura: Zonas e Regiões
Nesta matriz há ___
zonas e ___ regiões
8
Quando se georreferencia uma imagem ou se
transformam coordenadas é necessário “mover”
e “alterar” um CDG matricial
• O valor da célula na imagem/grelha corrigida
é o valor da célula mais próximo na
imagem/grelha original, independentemente
do desvio existente.
• Vantagens
– Computacionalmente simples
– Não altera os valores originais
– Aplicável a escalas nominais
• Desvantagens
– Objetos sofrem desvio de até meia célula
– Estruturas lineares ficam com aspeto zigzag
Compatibilização pelo método vizinho
mais próximo
Imagem/
grelha
corrigida
9
Compatibilização pelo método da
interpolação bilinear
• O valor da célula na matriz corrigida é
uma média ponderada do valor das 4
células mais próximas na matriz
original.
• Vantagens
– Adequado a funções contínuas…
• Desvantagens
– Pode suavizar demasiado os valores…
– Altera os valores das células para
valores que não existiam na matriz
original, pelo que não serve para dados
nominais
Imagem/grelha original
Imagem/
grelha
corrigida
10
Álgebra de mapas (análise espacial
matricial) • Funções locais
Usam o valor da célula na mesma posição na matriz(es) de entrada
• Funções focais Usam os valores das células num foco de forma fixa
• Funções zonais Usam os valores das células definidas segundo zonas
• Funções globais Todas as restantes funções de álgebra de mapas
Funções locais
Populacao2010 Populacao2000 VarPop
_ =
Designam-se por funções locais as funções obtidas
por combinação dos valores de uma ou mais matrizes
com a mesma posição na matriz.
169 3 99 35 87 2 94 24 94 1 5 11
Null 62 46 19 Null 32 39 13 Null 30 7 6
Null 74 156 38 Null 74 89 35 Null 0 75 3
52 100 34 123 48 69 22 100 4 31 12 23
12
3
Funções locais
VarPop=((Pop2010–Pop2000)/(Pop2000))*100
169 3 99 35 87 2 94 24
Null 62 46 19 Null 32 39 13
Null 74 156 38 Null 74 89 35
52 100 34 123 48 69 22 100
0 0 0 0 94 50 5 46
Null 0 0 0 Null 94 18 46
Null 0 0 0 Null 0 75 9
0 0 0 0 8 45 55 23
Pop2010 Pop2000
resultado se
se usar a
divisão inteira
(onde 2/3 = 0)
resultado se
se usar a
divisão real
13
Funções locais
Operadores Aritméticos •Os operadores básicos (+,-,*,/) estão geralmente disponíveis.
•Atenção aos problemas de arredondamento e precedência de
operadores.
Operadores Booleanos ou Lógicos •Os operadores básicos (AND, OR, NOT) estão geralmente
disponíveis.
•Output: 0=FALSE, 1=TRUE
•Input: 0=FALSE, ~0=TRUE
AND = 0 3 5 1 Null 0 2 Null Null 0 1 Null
Null 3 1 8 Null 2 0 7 Null 1 0 1
Null 9 5 4 Null 2 3 0 Null 1 1 0
6 5 7 3 0 3 2 1 0 1 1 1
14
Funções locais: Reclassificação
• é uma das operações mais usadas
3 1 [0,2]=0 ]2,6]=1 ]6,9]=2
2
7
6 5
9
1 5
8
0 1 0
1 1
2 2 2
http://giscommons.org
Funções focais
...
6 4 5 9
3 7 5 6
4 5 6 7
...
...
5
...
6
As funções focais têm em consideração não somente
o valor de uma célula isolada mas também os valores
das células situadas numa vizinhança próxima, definida
em geral por uma janela, designada foco.
exemplo: média focal com janela de 3x3
16
Funções focais
Nas funções focais
propriamente ditas há uma
janela móvel, i.e., as
vizinhanças sobrepõem-se.
Nas funções de bloco as vizinhanças
são justapostas.
O valor de output é igual em todas as
células de um dado bloco. 17
Funções focais definição de um foco
O foco pode tomar qualquer forma
vizinhança
circular células incluídas
no foco
célula a
processar
vizinhança
anelar (donut)
células incluídas
no foco
célula a
processar
18
4
Funções focais
© Paul Bolstad, GIS Fundamentals
Exemplos de aplicação:
• Remoção do “ruído” (deteção de
erros/outliers)
• Cálculo de declive e orientação
• Índice de rugosidade
2
,
)( celji
ijcel XXR
19
Funções zonais
• As funções zonais são semelhantes às focais, com a diferença de a vizinhança não ter uma forma fixa, podendo a zona ser definida numa outra matriz.
• Calculam para cada célula uma determinada função ou estatística usando o valor dessa célula e de todas as que pertencem à mesma zona.
• Algumas funções zonais (tipo I) nas quais as zonas são definidas por um valor isolado permitem obter estatísticas ou quantificar as características da geometria das zonas de input.
• Outras funções zonais (tipo II) nas quais as zonas são definidas através de uma segunda matriz permitem obter estatísticas ou preencher zonas específicas com valores da matriz de input.
20
Funções zonais
Exemplos do tipo I:
Área zonal, Perímetro zonal,
Profundidade zonal
Exemplos do tipo I:
Área zonal, Perímetro zonal,
Profundidade zonal
resposta a perguntas do tipo “Qual a área de cada zona”, “Qual o perímetro
de cada zona”, “Qual a distância mínima a que se encontram células de outro
valor?”
21
Funções zonais
A
G A A X
G A A X
G G A X
A
1
1
1
3
A
G
G
A
A
Null X
A X X
X
2 2
0 0
5 6
2 1
0 3
2 4
0 1
2
1 12
2
2
0
1
25
25
25
25
10 25
25 25
Null 14
14 14
10 10
25 10
10 10
25
25 25
14
14
14
14
resultado de uma
soma zonal
layer de zonas layer de valores a agrupar
Exemplos do tipo II:
Maioria, Máximo, Média,
Mediana, Mínimo, Minoria,
Intervalo, Desvio-padrão,
Variância, Soma, Variedade
Funções globais
Caminhos de menor custo
Cálculos hidrológicos
Cartas de visibilidades
Métricas de paisagem
(veremos + tarde)
• As funções globais são todas as que não são nem locais, nem focais, nem zonais. Exemplos:
23
Interpolação
• A interpolação é uma técnica para estimar
valores desconhecidos de uma função a
partir de valores conhecidos da mesma
função x f(x)
a f(a)
b ?
c f(c)
d f(d)
5
Interpolação na conversão de formatos
Necessária na conversão de pontos matriz
Opcional na conversão de matriz pontos
Dois modos de considerar os valores da grandeza representada
por uma matriz: com interpolação usando os valores mais
próximos (esq.) ou usando só o mais próximo (dir.)
3D
la
ttic
e –
su
av
e
3D
gri
d –
po
r b
loc
os
25
Interpolação na reamostragem
• Vizinho mais próximo
– para dados categóricos (discretos)
• Interpolação bilinear
• Convolução cúbica/bicúbica Matriz original
Nova
matriz
Reamostragem é a alteração
da resolução espacial de uma
matriz, ou o recálculo dos
valores das células que é
necessário quando se faz uma
transformação de coordenadas
26
Interpolação na reamostragem
• Vizinho mais próximo
• Interpolação bilinear
– para funções contínuas
• Convolução cúbica/bicúbica Matriz original
Nova
matriz
27
Interpolação na reamostragem
• Vizinho mais próximo
• Interpolação bilinear
• Convolução cúbica/bicúbica
– para funções contínuas
28
Interpolação na reamostragem
ww
w.c
hri
sm
ad
den
.co
.uk
29
Interpolação na reamostragem
Outra maneira, como função focal
30
6
Interpolação
Interpolação linear
(grau 1) Interpolação polinomial
(grau >1)
31
Interpolação
• Splines (regularized / tension) • Utilizam splines baseados nos pontos
de input mais próximos
• Criam superfícies suavizadas de
curvatura mínima
• Exatas nos pontos de input
• Triangulações • A mais simples interp. linear
K
J
I
AOJK AOIJ
AOIK
O
f(x,y) = z = ax + by + c
z1 = ax1 + by1 + c
z2 = ax2 + by2 + c
z3 = ax3 + by3 + c
Interpolação
• IDW – Inverse
Distance Weighted
Parâmetros:
• Potência n
• Número máximo de
vizinhos ou raio de
procura máximo
33
Interpolação
• IDW – quanto maior a potência, maior a
diferença entre células vizinhas
– quanto maior a vizinhança, mais
suave será a superfície
– estima exctamente nos pontos
amostrais
– à medida que se afasta destes, tende
para a média da região
– necessita de boa distribuição das
amostras
Interpolação
• Exemplo de IDW
x y f(x,y)=zi Dist. à obs.
8 = di
wi=
1/ di
(1/di) / (S1/di)
1 61 139 477 4.5 0.2222 0.2088
2 63 140 696 3.6 0.2778 0.2610
3 64 129 227 8.1 0.1235 0.1160
4 68 128 646 9.5 0.1053 0.0989
5 71 140 606 6.7 0.1493 0.1402
6 73 141 791 8.9 0.1124 0.1056
7 75 128 783 13.5 0.0741 0.696
8 65 137 ? 0 0 0
S1/di = 1.0644 1.0
f ^(65,137) = 594.0
pesos
normalizados pesos
Interpolação
• Vizinho mais próximo
7
Interpolação
• Vizinho natural
– a área de cada polígono de
Thiessen dá o peso de cada
ponto/polígono para calcular
o valor
Interpolação
• Raio fixo
Interpolação
• Trend
– Polinómio ajustado por mínimos
quadrados (até grau 12 no ArcGIS)
– Não exata
Interpolação
• Krigagem – baseada na variabilidade espacial, segundo direções e segundo a
distância entre pontos
– considera autocorrelação (relação estatística entre pontos amostrais)
– múltiplos métodos, e cada um usa fórmulas para avaliar a relação
entre a posição dos pontos e os respetivos valores da grandeza a
interpolar
– fornecem ainda medida (e mapa) da incerteza de estimação
Interpolação
• Quantificação de margens de erro
e = f^(x,y) - f(x,y) erro de estimação
e = 1/n S f^(x,y) - f(x,y) erro médio para os n pontos
MAE =e = 1/n S f^(x,y) - f(x,y) erro absoluto
médio
MSE = 1/n S [ f^(x,y) - f(x,y) ]2 erro quadrático
médio
f^(x,y) é o valor estimado; f(x,y) é o valor conhecido
41
Álgebra de mapas: cuidados
© Paul Bolstad, GIS Fundamentals
• As matrizes podem
diferir – Na resolução espacial
– Na orientação dos eixos
– Nas coordenadas dos cantos
– No tipo de valores numéricos
que guardam
– No valor associado a NoData
– ...
42
8
Conversão vetorialmatricial
• só há um valor por célula
• necessidade de regras de atribuição
– maior parte da área (para áreas)
– valor no centro
– presença na célula (para entidades lineares)
– necessidade de preservar algumas entidades “raras”
• escolha da resolução espacial:
é boa prática a regra de escolher
para resolução espacial nunca
mais que ½ do menor
comprimento ou ¼ da área do
menor elemento vetorial não
pontual
43
Conversão vetorialmatricial
44
“Vantagens” do matricial
• Estrutura de dados
simples
• Análise fácil
• A plataforma
computacional não é
exigente
• Dados da deteção
remota são em formato
matricial
• Modelação simples
• Algoritmia geralmente
mais simples
• Inexatidão posicional
• Como cada célula tende à
generalização do
conteúdo, o resultado tem
resolução inferior ao
vetorial.
• Não indica precisamente o
que existe em dado local.
• Cada célula tem de ser
classificada, mesmo que
nada lá exista.
• Grande volume de dados
“Desvantagens” do matricial
“Vantagens” do vetorial
• Mais aproximado aos “mapas”
• Resolução mais elevada
• Maior precisão no posicionamento dos objetos
• Menor volume de dados (em geral)
• Interpretação evidente
• Topologia
• Produtos cartográficos mais “apelativos”
“Desvantagens” do vetorial
• Manipulação mais
“difícil” do que matricial
• Requer processamento
geométrico
• Edição mais demorada