UNIVERSIDADE DE BRASÍLIA

INSTITUTO DE GEOCIÊNCIAS

CURSO DE ESPECIALIZAÇÃO EM GEOPROCESSAMENTO

TRATAMENTO DE DADOS VETORIAS NA

COMPOSIÇÃO DO BANCO DE DADOS DO

CADASTRO RURAL BRASILEIRO DO

ESTADO DE GOIÁS E DO DISTRITO FEDERAL

Judson Magno da Silva Matos

Orientador: Prof. MSC. Henrique Roig

MONOGRAFIA DE CONCLUSÃO DO CURSO DE ESPECIALIZAÇÃO

RESUMO

Utilizando a maior quantidade de dados vetoriais relativos aos imóveis rurais dos Estados de Goiás e Distrito Federal, o projeto de tratamento destes dados foi elaborado com o objetivo de compor as bases do cadastro rural brasileiro.

Os estados citados possuem uma área total aproximada de 36 milhões de hectares. Dentro desta área os imóveis foram classificados em três grupos levando-se em consideração a qualificação e quantificação dos dados, em uma escala de 1 a 3, sendo: dados de alta precisão posicional (1), dados precisos (2) e dados de baixa precisão (3). Esta classificação foi realizada após o tratamento de todos os arquivos, independente das extensões originais. Em seguida foram armazenados em um ambiente de SGBD e disponibilizados em um serviço de web map server utilizando padrões open Gis. Consequentemente, os dados com alta precisão posicional poderão ser utilizados na composição de novas cartas em escalas cadastrais superiores a 1/25000, em virtude do controle de qualidade que estes dados foram submetidos, seguindo pré-requisitos rígidos definidos pela norma técnica de certificação dos imóveis rurais do Incra, muito dos quais já com marcos homologados pelo IBGE. Os imóveis classificados como precisos georreferenciados e imóveis com baixa precisão posicional permitirão um conhecimento mais apurado da malha fundiária brasileira. O conjunto de todos os imóveis dentro da escala de classificação possibilita análises mais precisas de ocupação, favorecendo desde a gestão ambiental até a arrecadação fiscal.

Palavras chaves: cadastro rural, imóveis rurais, qualificação e quantificação dos dados, disponibilização dos dados.

v

ABSTRACT:

A vast amount of vector data from the rural real estate in the states of Goiás and Distrito Federal was processed in order to draw up a database of Brazilian countryside.

Those states have an approximately total area of 36 million hectares. Within this area the properties were classified in three groups taking into account the qualitative and quantitative data on a scale from 1 to 3: data with high positional accuracy (1), accurate data (2) and low precision data (3). This classification was done after treatment of all files, regardless of the original land extensions. After that, they were stored in a DBMS (Database Management System) environment and made available on a web map server using open GIS standards.

Consequently, the data with high positional accuracy can be used in the composition of new registration maps at scales greater than 1/25000, due the quality control these data are submitted to, following strict requirements defined in Incra technical standards for rural properties certification, many of them with landmarks set by IBGE. The properties classified as accurate georeferenced and the properties classified as low positional precision will allow a better knowledge of the Brazilian land mesh. The set of all properties within the rating scale provides a more detailed analysis of occupation, that can be used with many purposes: from improving environmental management to tax collection.

vi

LISTAS

Listas de Figuras:

Figura 1 - Arquitetura de sistemas de informação geográfica 3

Figura 2 - Paradigma dos quatros universos 3

Figura 3 - Paradigma dos quatros universos – simplificação 4

Figura 4 - Arquitetura dual e arquitetura integrada 5

Figura 5 - Representação das classes 5

Figura 8 - Diagrama de Classe 6

Figura 9 - Diagramas de Transformação 7

Figura 10- Diagramas de apresentação 7

Figura 11- Arquitetura de três camadas 8

Figura 12- Serviços wms e wfs no MapServer 11

Figura 13- Classificação não supervisionada 14

Figura 14- Fluxograma simplificado para certificação do Imóvel Rural 14

Figura 15- Fluxograma análise cadastral 14

Figura 16- Etapas da Análise Técnica 15

Figura 17- Fluxograma geral para certificação do imóvel 15

Figura 18- Fluxograma Geral usando os critérios de classificação estabelecidos 16

Figura 19- Adaptado de Gonçalves (2008)- generalização e epecificação 18

Figura 20- Diagrama de Classe – simplificado para os imóveis rurais 19

Figura 21- Modelo lógico para criação do banco 20

Figura 22- Resultado de áreas certificadas dentro do municípios 25

Figura 23- Municípios com áreas acima de 10.000ha 26

Figura 24- Municípios com áreas entre 5.000 e 10.000 ha 27

Figura 25- Municípios com imóveis superiores a 15.000ha 27

Figura 26- Geração de mapas temáticos usando o I3geo 28

Figura 27- Principais transformações que ocorrem com o imóvel rural 29

Figura 28- Transversalidade do geoprocessamento 30

vii

Listas de Quadros

Quadro 1 - Criando as tabelas do banco 20

Quadro 2 - Inserindo dados no banco 21

Quadro 3 - Exemplo de XML com metadados do imóveis certificados 22

Quadro 4 - Criação de layer no mapscript 23

Quadro 5 - Geração de serviços wms e wfs através do mascript 24

Quadro 6 - Validando geometrias 25

Quadro 7 - Indexando tabelas 25

Quadro 8 - Criação de chaves estrangeiras 25

Quadro 9 - Calculando áreas certificadas dentro dos municípios 25

Quadro 10- Selecionando municípios com áreas certificadas superiores a 10.000ha 25

Quadro 11- Criação de view para munícipios com áreas certificadas acima de 15.000ha 26

viii

Agradeço a minha Lu e Luísa pelo amor e paciência.

Aos professores Paulo, Henrique, Tati, PH, Tatiana,

Nuno, entre outros por dividirem o conhecimento de

maneira tão brilhante.

Ao Serjão, Vilson e a todos que nos auxiliaram durante o

Curso.ix

SUMARIO

RESUMO v

ABSTRACT vi

Listas de Figuras vii

Listas de Quadros viii

1.INTRODUÇÃO 1

2.REVISÃO DA LITERATURA 2

2.1 Breve Histórico 2

2.2 Sistema de Informação Geográfico 2

2.3 Arquitetura de Banco de Dados 4

2.3.1 Tipos de Bancos espacial 4

2.3.2 Arquiteturas de Bancos 5

2.4 Modelagem de Dados Espaciais – modelo de dados OMT-G 5

2.5 Representação dos mapas utilizando ferramentas de WEB 7

2.5.1 Padrões OpenGis que se destacam 8

3. OBJETIVOS 12

4. MATERIAIS E METODOS 13

4.1 Etapa inicial do trabalho 13

4.2 Modelagem conceitutal do banco de dados 17

4.3.1 Principais conceitos e mecanismos de abstração 17

4.3 Modelo Lógico de banco de dados 20

4.4 Geração de metadados 21

4.5 Criação do serviço de mapas (web map server) 23

5. RESULTADOS 25

6. DISCUSSÕES 29

7. CONCLUSÃO 32

8. BIBLIOGRAFIA 33

1. INTRODUÇÃO

As bases cartográficas brasileiras tiveram investimentos somente nas décadas de 60 e 70 do século passado e alguns trabalhos realizados na década de 80 em escalas não cadastrais. Tal fato fez com a dinâmica de ocupação das regiões brasileiras no meio rural não fossem registrados de maneira adequada, ocasionando problemas como: ocupações irregulares, grilagem de terras e crimes ambientais, impedindo, desta forma, um ordenamento fundiário adequado que facilitaria a ações de gestão, fiscalização e controle na esfera do Estado brasileiro.

Necessitando dos limites de imóveis rurais na construção da malha fundiária brasileira para o conhecimento real das ocupações e uso do meio rural foram definidos critérios de classificação em relação a qualidade dos dados, sendo os dados certificados do Instituto Nacional de Colonização e Reforma Agrária – Incra – através do sistema de certificação são classificados como: dados de alta precisão posicional, em virtude da Lei nº. 10.267/2001 e a Norma Técnica de Certificação de Imóveis Rurais, que determina no levantamento do perímetro do imóvel rural que as coordenadas dos seus vértices devem atender a precisão posicional de 0,50 m, conforme estabelecido na portaria Incra nº. 954/2001 que define a precisão.

O dados classificados como precisos têm a metodologia de levantamento conhecida, que pode ser realizada com GPS topográfico, geodésico ou levantamentos topográficos tradicionais, utilizando instrumentos como teodolitos, estação total e fotogrametria, atendendo ou não a norma de certificação do Incra.

Os dados com baixa precisão posicional, não possuem metodologia de levantamento conhecida ou são medidos com baixa precisão posicional, utilizando GPS1 sem correção diferencial e ou de navegação, que não é permitida, por não atender a precisão posicional de 0,50 m ou outra técnica que não caracterize vetorialmente o imóvel de maneira precisa quando comparado com a descrição que consta no memorial descritivo da área.

Com intuito de obter a maior quantidade de dados na composição da bases no sistema de informação geográfica para os estados de Goiás e Distrito Federal foram utilizadas imagens de satélites landsat sensor TM, com resolução espacial de 30 m e cbers sensor CCD, com resolução espacial de 20 m, compondo desta forma as feições retiradas de imagens multifontes. Convertendo e armazenando os dados dados espaciais recepcionados em extensões dwg, dgn (seguindo e padrões definidos pelo Conselho Nacional de Cartografia segundo as especificações técnicas para estruturação de dados geospaciais vetoriais - EDVG).

Os dados, após quantificados e qualificados, são armazenados em um ambiente de sistema de banco espacial e serão disponibilizados usando ferramentas de web map server, seguindo os padrões da OGC (Open Geospatial Consortiun), onde permitirá a interoperabilidade deste dados com os de outras instituições produtoras de dados cartográficos.

O sistema é de relevante interesse, pois permitirá interações com dados de diferentes escalas desde o mapeamento sistemático inferiores as escalas de 1/25000 até 1/250000 e escalas maiores de levantamentos com dados cadastrais maiores que 1/25000.

1

2. REVISÃO DA LITERATURA

2.1. Breve Histórico

No início da civilização humana já existia a necessidade da representação de entes cartográficos para demonstrar a posição das fortificações, cidades e rios. Os primeiros exemplares de mapas foram encontrados grafados em pedras, tal fato também registrado em mapas antigos do início da colonização brasileira e que são encontrados em arquivos, alguns em péssimo estado de conservação, assim como os arquivos de cartórios que, em virtude de armazenamento inadequado, estão se perdendo, como a história do mercado de terras brasileiro.

Historicamente, devido aos enlaces da colonização, ao descontrole quase total relacionado ao verdadeiro proprietário da terra, às políticas públicas ineficientes e à falta de zelo com os arquivos históricos, gerou-se no Brasil uma insegurança jurídica muito grande no meio rural permitindo grandes conflitos, ocasionados, hora pela falta de importância dada ao cadastro de terra brasileiro, hora pela legislação se sobrepondo a outras legislações e permitindo lacunas totalmente prejudiciais dentro do contexto do ordenamento fundiário brasileiro.

Loch (2007) cita as fragilidades do Incra quanto a falta de profissionais habilitados para demarcação das terras brasileiras em virtudes das suas dimensões continentais e também a não preocupação da instituição com o título de registros de imóveis que passaram a ser de responsabilidade exclusiva dos cartórios, que por séculos eram concessões que passaram a ser direito hereditário. Contudo, estes cartórios jamais exigiram medições para titulações e registros de imóveis rurais que passou a ser uma das maiores fontes de fraudes de terra no Brasil.

Além dos aspectos citados acima o que agravou mais a situação fundiária brasileira em relação as fraudes foram uma série de titulações realizadas pelos Estados brasileiros via Institutos de terras sem nenhum controle formando andares de títulos verdadeiros, mas sem terra suficiente para todos, encaixados sem critérios em áreas não reclamadas ou de maior interesse devido a fragilidade das peças técnicas que não tinham componentes geográficos que permitissem um posicionamento preciso dos títulos.

Com a publicação da Lei nº. 10.267/2001 o governo federal colocou sobre a égide do Incra e da Receita Federal as informações do meio rural e determinou no seu artigo 2° a criação do cadastro nacional de imóveis rurais – CNIR – um passo importante na gestão e controle das propriedades rurais dos imóveis.

A norma de georreferenciamento de imóveis balizou como os profissionais deveriam atuar na medição dos imóveis rurais e como deveriam proceder para atingir os parâmetros de precisão de 0.5 m previsto na portaria do Incra nº. 954/2002, enfocando mais as técnicas modernas que utilizam a rede de satélite para posicionamento global GNSS.

Com isto foi possível criar um sistema de certificação de imóveis rurais, onde o imóvel passa por um análise criteriosa relativa ao cadastro e se os parâmetros de precisão posicional foram atingidos, evitando desta forma memoriais que citavam árvores como vértices precisos, ou braços de rios que poderiam ser facilmente alterados.

2.2. Sistema de Informação Geográfico

O avanço da ciência e tecnologia propiciou uma representação dos entes cartográficos de maior complexidade através de abstrações feitas de modelos reais, tornando possível apresentá-los através de mapas e cartas analógicos e digitais com coordenadas precisas e atingindo padrões de acurácia aceitáveis diminuindo a possibilidade de fraudes.

Fazendo referência ao mapa digital que já faz parte do contexto atual e que consiste em uma base de dados computacional finita e discreta, tornando-se necessário converte a realidade geográfica complexa em um número finito de registros de acordo com um modelo de estruturas de dados (Goodclhild, 1993).

2

Seguimos para representação precisa dos imóveis rurais e toda a malha fundiária usando os meios digitais hoje existentes. Para isto existem dois tipos básicos de representação do meio físico através do modelo computacional raster ou matricial e do vetorial representado por ponto, linha e polígono que, agregado as informações literais, qualificam os dados das propriedades rurais brasileiras.

Para tanto é necessário construir um sistema de informação geográfico que integre todas as informações do meio rural brasileiro. Segundo Camara (1995) há de se fazer uma distinção entre um sistema de informação convencional e um sistema de informação geográfica que além dos atributos literais armazena, também, as geometrias associadas.

Tal estrutura permite análises geométricas rápidas do meio físico real, seja ela no campo geográfico ou estático, recuperação rápida dos dados e possível visualização das relações de vizinhança que compõem os entes do mundo real dentro de um ambiente computacional.

Representação computacional do dados geográficos

Figura 1 – Arquitetura de sistemas de informação geográfica

Para representar de forma adequada os objetos geográficos é necessário utilizar o paradigma dos quatros universos, definidos inicialmente por Gomes e Velho(1995) com adaptação realizada por Câmara (2006).

Universo Universo Universo Universo

Ontológico Formal Estrutural Implementa

Figura 2- Paradigma dos quatros universos

1- No universo ontológico são definidos quais classes e entidades são necessárias para definir a realidade Smitth (2003);

2 - No universo formal são descritores matemáticos que definiram o meu objeto do mundo ontológico;

3 - No universo Estrutural ocorre o mapeamento das estruturas de dados geométricos e alfanuméricos, que permitem operações:

4 - No Universo de implementação completa a representação dos entes geográficos dentro de um ambiente computacional.

3

Simplificadamente representando abaixo:

1 2 3 4

Figura 3- Paradigma dos quatros universos - simplificação

Dentro dos aspectos relevantes na concepção de um sistema de dados geográfico devemos levar em consideração qual o modelo a adotar que venha atender suas necessidades, no caso especial tratando fronteiras bens definidas ou limites fechados, o modelo a ser adotado é do espaço absoluto, levando em consideração o conceito de geo-campos representados por limites contínuos, onde as fronteiras não são bem definidas, como por exemplo florestas; e o geo-objetos onde os limites são identificáveis, dentro de uma fronteira fechada, exemplo imóvel rural, Câmara (2005). Obviamente para este modelo não são levadas em consideração a topologia denominado polígonos sem topologia, cada objeto guarda suas coordenadas e ocorrendo adjacência replica para outro objeto quando dentro de um SGBD.

2.3. Arquitetura de Banco de Dados

Relativo ao armazenamento, a evolução das estruturas de banco dados foi primordial no arquivamento de dados cartográficos digitais, permitindo compor todas as estruturas capazes de representar o meio físico. As Principais arquiteturas estão descritas abaixo.

2.3.1. Tipos de bancos espacialExistem hoje as seguintes tecnologias de armazenamento de dados SGBDs, SGBDs

Relacionais (SGBD-R) e SGBDs Objeto-Relacionais (SGBD-OR), e alguns SGBDs Orientados-a-Objeto (SGBD-OO).

Os SGBD-R seguem o modelo relacional de dados, em que um banco de dados é organizado como uma coleção de relações, cada qual com atributos de um tipo específico, concebidos para atender as necessidades de aplicações manipulando grandes volumes de dados convencionais. De fato, tais sistemas não oferecem recursos para atender as necessidades de aplicações não convencionais. A mera simulação de tipos de dados não convencionais em um SGBD-R pode ter efeitos colaterais, como queda de desempenho, dificuldade de codificação e posterior manutenção da aplicação (Stonebraker, 1996).

Os SGBD-OR estendem o modelo relacional, entre outras características, com um sistema de tipos de dados rico e estendível, oferecendo operadores que podem ser utilizados na linguagem de

4

consulta. Possibilitam ainda a extensão dos mecanismos de indexação sobre os novos tipos. Essas características reduzem os problemas ocorridos na simulação de tipos de dados pelos SGBD-R, tornando os SGBD-OR uma solução atrativa para aplicações não convencionais (Ferreira, et al, 2006).

2.3.2. Arquiteturas de BancoExistem basicamente duas principais formas de integração entre os SIGs e os SGBDs, que

são a arquitetura dual e a arquitetura integrada.

A arquitetura dual, armazena as componentes espaciais dos objetos separadamente. A componente convencional, ou alfanumérica, é armazenada em um SGBD relacional e a componente espacial é armazenada em arquivos com formato proprietário.

Figura 4 – Arquitetura dual e arquitetura integrada

A arquitetura integrada consiste em armazenar todos os dados em um SGBD, ou seja, tanto a componente espacial quanto a alfanumérica. Sua principal vantagem é a utilização dos recursos de um SGBD para controle e manipulação de objetos espaciais, como gerência de transações, controle de integridade, concorrência e linguagens próprias de consulta. Sendo assim, a manutenção de integridade entre a componente espacial e alfanumérica é feita pelo SGBD.

2.4. Modelagem de Dados Espaciais - modelo de dados OMT_G

O modelo OMT_G define as primitivas necessárias para a modelar a geometria e a topologia dos dados geográficos, oferecendo suporte a estruturas topológicas “todo-parte”, estruturas de rede, múltiplas representações de objeto e especificações de objetos e relacionamentos espaciais (Borges, Jr, Laender, 2006).

O modelo OMT-G trabalha com três conceitos principais: classes, relacionamentos e relações de integridade espacias. Classes e relacionamentos permitem criar esquema estáticos de aplicação. São realizadas três formas básicas de diagramas: uma mais simples, o diagrama de classes e relacionamento; uma segunda com maior complexidade, o diagrama de transformação, quando ocorre a derivação de uma classe e que pode ser definido por partes; o último é o diagrama de apresentação, para definir o modo de apresentação.

As classes podem ser compostas por classes convencionais (não espaciais) e classes georreferenciadas que representam objetos (contínuos, discretos), ou geo-campos e geo-objetos definidos por Câmara (1995).

Classes convencionais Classes georreferenciadas

Figura 5- representação das classes 5

Nome da classe

atributos

Nome da classe

atributos

No modelo OMT-G são definidas cinco classes para o geo-campos representadas na figura abaixo:

Figura 6- classses geo-campos

No caso do geo-objetos são definidos três representações possíveis: ponto, linha e polígono e geo-objetos com topologia que podem ser observadas abaixo.

Figura 7- Geo-objetos sem e com topologia

Abaixo a representação dos diagramas utilizados na modelagem OMT-G:

Figura 8 - Diagrama de Classe

6

Figura 9 - Diagramas de Transformação

Figura 10 - Diagramas de apresentação

7

2.5. Representação dos mapas utilizando ferramentas de WEB

A melhoria das tecnologias hardaware, software e web, permitiu que representações de elementos cartográficos fossem cada vez mais utilizados, através de representações estáticas, facilmente implementada por código html, ou representações dinâmicas utilizando servidores de mapas ou web map server, propiciando uma integração maior entre os vários produtores de dados cartográficos do país.

Dentre as diversas arquiteturas que se destacam, permitindo a interoperabilidade de dados, estão a do cliente servidor, onde uma máquina armazena os dados em um SGBD, dando acesso outras máquinas da rede, de fácil implantação, porém com menor escalabilidade a medida que aumenta o número de clientes. O modelo com três camadas torna os sistemas mais seguros e com maior escalabilidade e é constituído por cliente, servidor intermediário (web) e um servidor primário (banco de dados).

Figura 11 - Arquitetura de três camadas adaptada de (Elmari e Navathe, 2004)

O fato do grande volume de dados cartográficos sendo produzidos torna imprescindível a interoperabilidade dos dados, até mesmo os grandes desenvolvedores de software proprietários estão utilizando padrões open GIS para atingir maior flexibilidade. Tamsbacia, et al (2009) retrata que a definição de padrões abertos para SIG, principalmente pelo OpenGeospatialConsortium (OGC), tem possibilitado não apenas a interoperabilidade entre sistemas no sentido de comunicação e troca de dados, mas também arquiteturas semelhantes para diversos SIG.

2.5.1. Padrões OpenGIS que se destacam

a - Simple Features (SFS) O objetivo da especificação Simple Features for SQL (SFS) é definir um esquema no padrão SQL que suporte o armazenamento, recuperação, consulta e atualização de coleções de objetos (features) geo-espaciais através de uma API ODBC. Um objeto simples (simple feature) possui, segundo a definição da especificação OpenGIS, atributos espaciais e não-espaciais. Atributos espaciais possuem valor geométrico e uma simple feature é baseada em uma geometria bidimensional com interpolação linear entre os vértices.

8

b - Geography Markup Language (GML) GML é uma codificação XML para o transporte e armazenamento de informações geográficas, incluindo tanto as propriedades espaciais quanto as não espaciais de objetos geográficos, também chamados de feições geográficas (geographicfeatures). Feição geográfica é uma representação abstrata dos fenômenos do mundo real e está associada a uma localização relativa à Terra.

c - Filter Encoding (Filter) A especificação OGC Filter Encoding define um vocabulário XML para a construção de filtros. Um filtro é uma estrutura utilizada para descrever restrições, formadas por propriedades alfanuméricas e espaciais dos objetos, com o propósito de identificar um subconjunto de um determinado tipo de objeto (feature type).

d - Styled Layer Descriptor (SLD) A especificação Styled Layer Descriptor (SLD) considera dois aspectos distintos, que envolvem uma linguagem para representação de estilos e layers e interfaces necessárias para utilização destes conceitos em um servidor de mapas (WMS). O padrão SLD define um esquema XML para representação de layers e estilos.

e - Web Feature Services (WFS) A especificação Web Feature Services define interfaces para que dados de um servidor de objetos espaciais (features) possam ser acessados. As requisições e respostas devem ser feitas utilizando-se HTTP. Esquema GML e XML são utilizados para representação de meta-informação e dados, respectivamente. O padrão OGC FilterEncoding é utilizado para representação de consultas. Estes serviços podem ser requisitados por uma aplicação cliente utilizando, respectivamente, as seguintes interfaces definidas pela especificação WFS: GetCapabilities, DescribeFeatureType e GetFeature.

f - Transaction WFS (WFS-T) Um servidor de features transacional (WFS-T) implementa todas as interfaces de um servidor

Basic WFS e acrescenta suporte a transações, permitindo que features sejam modificadas no servidor.

g - Cliente WFS Um cliente WFS é qualquer aplicativo que se comunica com um ou mais servidores WFS utilizando as interfaces definidas no padrão WFS. A partir destas interfaces, é possível criar aplicações para consultar e modificar as features do servidorWFS.

h - Web Map Services (WMS) A especificação Web Map Services padroniza interfaces que devem ser utilizadas por clientes para requisitar os mapas aos servidores e o modo como estes servidores devem descrever e retornar estes mapas. É capaz de gerar mapas georreferenciados (como uma imagem ou um conjunto de objetos gráficos), retornar informações sobre objetos apresentados no mapa e descrever quais mapas ele pode produzir e quais podem ou não ter seus objetos consultados, para que um cliente deste servidor saiba quais mapas podem ser solicitados.

i - WMS SLD - Enabled O comportamento de um servidor WMS pode ser estendido permitindo que o estilo seja informado na requisição GetMap, dando ao usuário a opção de definir com que aparência os objetos (features) armazenados no servidor devem ser desenhados no mapa. A descrição deste estilo é feita utilizando a linguagem SLD definida pelo OGC na especificação Styled Layer Descriptor, ou seja, um servidor WMS SLD - Enabled recupera as features de um servidor WFS e aplica a definição de estilo, fornecido em formato SLD, gerando um mapa.

j - Cliente WMS Um cliente WMS é qualquer aplicação que se comunica com um ou mais servidores de mapas

9

através das interfaces definidas pela especificação WMS. Assim, uma das questões que deve ser tratada por um cliente WMS é organizar as imagens (layers) retornadas pelas requisições GetMap, compondo o mapa.k - WMS Cascade WMS Cascading é um WMS que disponibiliza acesso a vários outros WMS em um único servidor. Este nível de abstração torna mais simples alterações na configuração dos servidores: sem o conhecimento do cliente, servidores WFS e WMS podem ser adicionados e removidos. Em alguns casos, um WMS Cascading supre algumas deficiências de outros WMS que não podem, por exemplo, publicar dados em determinada projeção ou formato. Um WMS Cascading atua como um cliente para os demais servidores WMS e um servidor para o cliente. l - Web Map Context (WMC)

A especificação WMS especifica como um determinado servidor de mapas descreve e fornece seus mapas. A especificação OGC Web Map Context (WMC) define como um conjunto de um ou mais mapas provenientes de um ou mais servidores WMS pode ser descrito em um formato independente de plataforma para armazenamento e transmissão. Para isto, é definido um documento XML denominado Context. Um documento Context inclui informações como: servidores que fornecem as layers que compõe o mapa, área geográfica (extent) que deve ser apresentada, sistema de coordenadas de visualização e tamanho do mapa.

Atualmente uma das ferramentas mais utilizadas na web como servidor de mapas é o map server desenvolvido pela Universidade de Minessota em conjunto com Nasa é um software open source constituído por outros sistemas open source como: Shapelib, FreeType, Proj.4, GDAL e LibTIFF. Possui uma API em C e uma linguagem chamada MapScript que permite interação com linguagens como TCL, Perl, Python e Java. Há também módulos PHP/MapServer e Perl/MapServer, além da possibilidade de desenvolver aplicações através de JavaScript. A comunidade de software livre também participa ativamente do desenvolvimento do MapServer, além de desenvolver ferramentas para auxiliar na construção de softwares baseados em MapServer.

A CGI-BIN MapServer, de acordo com as bibliotecas opcionais incorporadas, oferece suporte a: formatos vector como ESRI shapefiles e ESRI ArcSDE; formatos raster como TIFF/GeoTIFF, GIF, PNG, ERDAS, JPEG e EPPL7; indexação espacial através de Quadtree; construção de mapas temáticos utilizando expressões lógicas ou regulares; consultas a bancos de dados como Oracle e sua extensão Oracle Spatial e PostgreSQL com sua extensão PostGis; protocolos OGC WMS (cliente/servidor), WFS (cliente/servidor) não transacional, WCS (servidor), WMC , SLD, GML, Filter Encoding[4], SFS (com PostGIS); e suporte a dimensão temporal emWMS.

Em geral, o MapServer é executado como uma aplicação CGI de um servidor HTTP. Entretanto, em aplicações mais avançadas, pode-se utilizar o MapScript para acessar a API do MapServer diretamente.

O seu uso se baseia em uma fonte de dados, em um ou mais arquivos map (mapfile). Os arquivos map possuem uma sintaxe onde se definem as layers, formatação, labels, incorporação de imagens raster, dentre outras características, hierarquicamente organizados. Em resumo, os arquivos map dizem para o MapServer como exibir os dados da fonte.

Dentro os aplicativos que se destacaram na customização do MapServer cito o chameleon, maplab, cartoweb, e no Brasil tivemos a customização com o software I3geo, hoje um dos software para customização do MapServer com o maior número de ferramentas e que graças ao esforço de Edmar Morretti e outros desenvolvedores continua em pleno avanço.

10

Figura 12 - Serviços wms e wfs no MapServer

Destacamos também ao Geoserver, baseado em Java da especificação OGC WFS com suporte completo a transações e um WMS integrado, permitindo que dados sejam recuperados tanto no formato GML (através do WFS) como em imagens (através do WMS). Utiliza a biblioteca Geotools para implementação das interfaces definidas pelo OGC, como por exemplo bibliotecas para representação de features, feature type, filtros, estilo em SLD e acesso a diversas fontes de dados.

11

3. OBJETIVOS

Com aumento da população brasileira, a necessidade de ocupação de novas fronteiras gerou um fator de aceleração no país de novos vetores cartográficos e, consequentemente, novos dados de ocupação. Tais dados encontram-se fragmentados pelo país, não permitindo desta forma a interoperabilidade e disponibilização destes dentro de uma escala cadastral adequada.

As evoluções da tecnologia no campo dos software de sistemas de informações geográficos, sistema de banco de dado dados geográficos e da internet permitiram de forma efetiva a organização e interoperabilidade dos dados espaciais, antes disponíveis apenas em cartas e plantas. Desta forma há a necessidade de implementação de um ferramenta que possibilite a disponibilização dos dados após sua qualificação topológica e quantificação, permitindo desta maneira a composição da malha fundiária dentro do mapeamento cadastral que possam ser inseridas as novas cartas produzidas.

Com o Decreto nº. 6666/2008 criando a Infra-Estrutura de Dados Espaciais, tornou-se notória a necessidade de organização dos dados espaciais e o compartilhamento das bases que irão compor o SIG Brasil, portanto se faz necessário:

a - criar mecanismos de controle na recepção dos dados espaciais (plantas e projetos entregue por empresas ou por execução própria);

b - qualificar e quantificar as informações cadastrais brasileiras;

c - permitir o compartilhamento das informações cadastrais (vetoriais) com órgãos ou setores que tenham interesse nestas informações através de padrão de dados OGC como o wms e wfs.

d - expor os resultados alcançados e permitir tratamentos estáticos das informações; e

e - possibilitar que os dados venha a compor a base de dados cartográficos brasileiros em uma escala cadastral em virtude da sua precisão posicional.

12

4. MATERIAIS E MÉTODOS

4.1. Etapa Inicial do Trabalho

Durante o trabalho foram utilizados os softwares de processamento de imagens spring 4.2, envi 4.3, arcgis 9.3., hypercube, geomedia 5.1, progecad, Dbdesigner force, Arcocasogeo, qgis, e postgre 8..3 com o modulo postgis, apache, mapserver com I3geo 4.1. As ferramentas propiciaram desde o tratamento dos dados, modelagem do banco e publicação dos resultados utilizando ferramentas de publicação na web.

O primeiro passo foi definir todas as feições que compõem o meio rural no Estado de Goiás e no Distrito Federal que possuem áreas significativas e que pudessem ser um confrontante, ou que se sobrepõe aos imóveis rurais em virtude da natureza desta feições, exemplo áreas de títulos minerários emitidos dentro da área dos imóveis devido a definição constitucional de bens da união, no caso subsolo, que garante a exploração de minerais. Destaque para as principais feições na tabela abaixo:

1 Terras indígenas Funai

2 Unidades de Conservação Federal Chico Mendes

3 Unidades de Conservação Estadual Ministério do Meio Ambiente

4 Territórios Quilombolas Incra

5 Estradas SIEG

6 Rios SIEG

7 Agrovilas Idago

8 Assentamentos Incra

9 Perímetros Urbanos ano base 2001 SIEG

10 Títulos Minerários Dnpm

Tabela 01- Principais feições do meio rural

Em seguida foi trabalhado cada feição de órgãos diversos adequando as tabelas para facilitar a entrada de dados dentro do SBDG. Todavia, é importante ressaltar que estes dados são de diversas fontes.

Somente para as áreas de perímetros urbanos foi realizada uma classificação não supervisionada das imagens landsat TM ano 2008 das banda 3, banda 4 e banda 5 com o georrefereciamento realizado imagem a imagem do Landcover e após este trabalho foi realizado o no software Spring 4.2 e após a classificação análise visual das imagens para vetorização das novos perímetros comparativamente com a classificação realizada com imagens landsat sensor TM, banda 3, banda 4 e banda 5, 2000/2001, mosaico realizado pelo Embrapa e utilizado do sistema de informação geográfica do estado de Goiás com os devidos ajustamentos de poligonais em virtude dos deslocamentos existentes nos vetores das áreas urbanas, além de um aumento significativo das áreas urbanas, na região do Distrito Federal, ocasionado pelo avanço dos condomínios irregulares e novas áreas de expansão urbana.

Para as imagens do satélite cbers também foi gerado o mosaico RGB do sensor CCD e realizado o recorte da área de interesse aplicando transparência ao background da imagem em seguida convertida em png para aplicação no mapserver.

13

Figura 13- Classificação não supervisionada

Como também os imóveis rurais presentes na base do Instituto Nacional de Colonização – Incra apresentavam características distintas foi definido o critério de classificação da qualidade dos dados onde imóveis certificados, em virtude dos critérios técnicos bem definidos impõem uma condição próxima da ideal para dados com elevada precisão e acurácia posicional. Para entendermos melhor os critérios para certificação dos imóveis é importante observar abaixo com todos os processos envolvidos:

Figura 14 – fluxograma simplificado para certificação do Imóvel Rural

Figura 15 – fluxograma análise cadastral

14

PROTOCOLO DO REQUERIMENTO DE CERTIFICAÇÃO

FORMALIZAÇÃODO PROCESSO ADMINISTRATIVO DE CERTIFICAÇÃO

ANÁLISE CADASTRAL ANÁLISE TÉCNICA

ANÁLISE DE SOBREPOSIÇÃO

TRANSMISSÃO DO PERÍMETRO DO IMÓVEL PARA INCRA/SEDE

EMISSÃO DA CERTIFICAÇÃO

ANÁLISE CADASTRAL

ANÁLISE DOMINIAL ANÁLISE DE USO E OCUPAÇÃO

DILIGÊNCIA

RE-ANÁLISE

ATUALIZAÇÃO CADASTRAL

N S

CCIR

DADOS

CONSISTENTES

N SDADOS

CONSISTENTES

ANÁLISE TÉCNICA

1° Análise Cadastral

Figura 16- Etapas da Análise Técnica

Figura 17- Fluxograma geral para certificação do imóvel

Observando, então, estes critérios classificamos o imóvel certificado como muito preciso.

Para o imóvel georreferenciado foi levado em consideração a forma de levantamento e época do levantamento, geralmente imóveis rurais que constam da base do Incra em virtude de cadastramento de imóveis rurais e que não seguiam as exigências das normas, mesmo utilizando técnicas adequadas de levantamentos topográficos.

15

ANÁLISE TÉCNICA

DOCUMENTAÇÃO PRECISÃO

POSICIONAL

PEÇAS TÉCNICAS

- REQUERIMENTO DE CERTIFICAÇÃO;

- MATRÍICULAS/TRANSCRIÇÕES;

- RELATÓRIO TÉCNICO;

- DECLARAÇÕES DE RECONHECIMENTO DE LIMITES;

- ANOTAÇÃO DE RESPONSABILIDADE TÉCNICA;

- RELATÓRIOS E PLANILHAS DE PROCESSAMENTO.

2° - Análise Técnica

- PROCESSAMENTO DOS DADOS DO TRANSPORTE DE COORDENADAS;

- PROCESSAMENTO DOS DADOS DE OBSERVAÇÕES DO PERÍMETRO DO IMÓVEL;

- PROCESSAMENTO DOS DADOS DE OBSERVAÇÕES DE TOPOGRAFIA

CONVENCIONAL DO PERÍMETRO DO IMÓVEL;

- DETERMINAÇÃO DE VÉRTICES VIRTUAIS;

- ANÁLISE DE RESÍDUOS.

- ANÁLISE DE CONSISTÊNCIA DA PLANTA TOPOGRÁFICA;

- ANÁLISE DE CONSISTÊNCIA DO MEMORIAL DESCRITIVO.

ANÁLISE TÉCNICA

DOCUMENTAÇÃO PRECISÃO PEÇAS TÉCNICAS

CONSISTÊNCIA

DILIGÊNCIA

RE-ANÁLISE

CONSISTÊNCIA

VALIDAÇÃO DA ANÁLISE

N

N

S

S

CONSISTÊNCIA

DILIGÊNCIA

RE-ANÁLISE

CONSISTÊNCIA

VALIDAÇÃO DA ANÁLISE

N

N

S

S

CONSISTÊNCIA

DILIGÊNCIA

RE-ANÁLISE

CONSISTÊNCIA

VALIDAÇÃO DA ANÁLISE

N

N

S

S

ANÁLISE DE SOBREPOSIÇÃO

SOBREPÕE

ÁREA

PUBLICA

S N

S

CERTIFICAÇÃO INDEFERIDA

PROCURADORIA JURÍDICA

TRANSMISSÃO DOPERIMETRO INCRA/SEDE

EMISSÃO DA CERTIFICAÇÃO

N

FLUXOGRAMA CERTIFICAÇÃO GERAL

SOBREPÕEÁREA

PARTICULAR

Para o imóvel com baixa precisão posicional foi definido como critério a metodologia de levantamento utilizando levantamentos com gps de navegação que não atingem a precisão posicional previsto na norma (geralmente imóveis de vistorias preliminares) ou usando técnicas para demarcação do imóvel utilizando imagens de satélite com baixa resolução espacial.

N

S

S

N

S

Figura 18 - Fluxograma Geral usando os critérios de classificação estabelecidos

16

INÍCIO

RECEBE DADOS

VETORIAIS

ARMAZENADADOS

DISPONIBILIZAMAPAS, WMS,METADADOS

DADOS DE ALTA PRECISÃOCERTIFICADOS

CLASSIFICAÇÃODOS DADOS

FIM

DADO APROVADO

ANÁLISETOPOLÓGICAE ESPACIAL

(VALIDAÇÃO)

DADOREJEITADOGEORREFE-RENCIADO

CLASSIFICAÇÃO DOS DADOS:DADOS DE ALTO PRECISÃO-

CERTIFICADO<=0.5M PRECISÃO POSICIONAL

DADOS PRECISOS LEVANTAMENTOSTOPOGRÁFICOS NÃO CERTIFICADOS

DADOS COM POUCA PRECISÃOGPS NAVEGAÇÃO, DADOS

RETIRADOS DE CARTASE IMAGENS DE BAIXA RESOLUÇÃO.

DADOS PRE-CISOS NÃO

CERTIFICADOS

DADOS COMBAIXA

PRECISÃO

Definidos os critérios supracitados foram utilizados software de sig, tanto o geomedia , quando arcmap 9.3 para tratamento dos dados vetoriais.

Para o tratamento das imagens de satélite foi utilizado inicialmente imagens landcorver para o georreferenciamento imagem a imagem do satélite landsat, no software spring 4.2, a mesma técnica utilizada para as imagens do satélite cbers.

Foram utilizadas também imagens SRTM para o Estado de Goiás e para o Distrito Federal. Todas as imagens foram recortadas inicialmente no envi 4.3 e aplicada transparência no background e convertidas para extensão png para serem utilizadas em ambiente de web.

4.2. Modelagem Conceitual do Banco de Dados

Modelagem de dados é o processo de abstração onde somente os elementos essenciais da realidade observada são enfatizadas descartando-se os elementos não essenciais. O processo de modelagem conceitual de bancos de dados compreende a descrição dos possíveis conteúdos de dados, além de estruturas e regras aplicáveis Lisboa Filho(2002).

4.2.1.Principais conceitos e mecanismos de abstração

a - Associação

Segundo Lisboa Filho (2000), a associação é um tipo de de abstração através do qual os relacionamentos entre os objetos pode ser identificados ou especificados. A multiplicidade ou cardinalidade indica quantos objetos pode ter relacionamento através dessa associação.

Exemplo: Uma classe assentamento está associada a uma classe lote com cardinalidade de 1:n, destacamos então, uma classe assentamento e composta por vários lotes.

b - Agregação

Segundo Lisboa Filho (2000), a agregação é um tipo especial de associação que descreve relacionamentos como é “parte de”, onde um objeto complexo pode ser dividido e representando como um agregação de seu objetos componentes.

Exemplo: uma classe complexa pode ser divida e representada por agregações de objetos, segundo Gonçalves (2008), a classe infra-estrutura pode ser dividida e representada por agregações dos seus objetos, como classe tipo pavimento, rede de água.

c - Classificação

Definida por Lisboa Filho (2000) como o processo de abstração através do qual os objetos que representam elementos semelhantes têm suas propriedades que podem ser estáticas ou dinâmicas, descritas em uma única classe.

Segundo Gonçalves (2008) as propriedades estáticas são definidas como uma instância da classe, como o objeto. Já as propriedades dinâmicas refletem as operações realizadas na classe.

Como exemplo podemos citar os imóveis rurais, que representam características e atributos comuns entre si, como o nome, área, perímetro.

d - Especialização e Generalização

Segundo Gonçalves (2008) a especialização é o processo de detalhar classes a partir de classes mais abrangentes, do imóvel rural ao imóvel rural certificado.

Já a generalização definida por Gonçalves (2008), onde deve-se definir classes mais abrangentes a partir de classes mais específicas, como no exemplo abaixo:

17

Imóveis certificados Imóveis georreferenciados Imóveis rurais

Especificação Generalização

Figura 19- Adaptado de Gonçalves (2008)

Após identificação dos principais entes dentro do universo ontológico para o meio rural foi definido e montado o modelo conceitual para o OMT-G simplificado para o projeto dentro da ferramenta argocasegeo software desenvolvido pelo Departamento de Informática Universidade Federal de Viçosa, uma ferramenta case que permite gerar esquemas lógicos de banco de dados em formato de shapefile, Terralib e Oracle Spatial. Explorando esta ferramenta e os conceitos envolvidos para um melhor entendimento entre as relações envolvidas dentro do SGBD.

18

Figura 20- Diagrama de Classe – simplificado para os imóveis rurais 19

IMO

VE

L_R

UR

AL

imov

el_c

ertif

icad

o

cd_i

dim

ovel

cert

ifica

do

Imov

el_g

eorr

efer

enci

ado

cd_i

dim

ovel

geor

refe

reci

ado

Imov

el_b

aixa

prec

isao

cd_i

dim

ovel

bpre

cisa

o

MU

NIC

IPIO

S_I

BG

E

AS

SE

NT

AM

EN

TO

S

lote

s

cd_l

otes

: in

t

expl

orac

ao_c

olet

iva

cd_c

olet

iva

area

surb

anas

cd_a

reau

rban

a

AR

EA

S_P

RE

SE

RV

AC

AO

ucfe

dera

l

cd_i

ducf

eder

al

uces

tadu

al

cd_u

cest

adua

l

AR

EA

S_E

SP

EC

IAIS

app

cd_i

dapp

rese

rva

lega

l

cd_i

dres

erva

Ter

ra In

dige

na

cd_t

i : in

t

asse

ntam

ento

s

cd_a

ssen

tam

ento

: in

t

mun

icip

ios

cd_m

unic

ipio

HID

RO

GR

AF

IA

MA

SS

A D

ÁG

UA

cd_m

assa

dagu

a

TR

EC

HO

DE

MA

SS

A D

AG

UA

cd_r

ios

RO

DO

VIA

S

RO

DO

VIA

S

AR

EA

S_C

OLE

TIV

AS

Agr

ovila

s

cd_a

grov

ilas

Ter

ritor

ios

quilo

mbo

las

cd_q

uilo

mbo

las

area

_com

unita

ria

cd_c

omun

itaria

: in

t

0..*

1..*

1..*

1..*

1..*

1..*

1..*

1..*

1..*

0..*

0..*

1..*

0..*

0..*

0..*

0..*

0..*

0..*

1..*

0..*

0..*

4.3. Modelo Lógico de Banco de Dados

Para o desenvolvimento e armazenamento do SGDE foi utilizado o software de modelagem de banco de dados DbdesignerFork um software livre desenvolvido para modelagem lógica de bancos com MYSQL, ORACLE e SQLITE, onde é possível modelar também utilizando ODBC, o postgreSQL com o módulo espacial Postgis, após os devidos ajustes para conexão e definição de tipos utilizados pelo postgreSQL. Definidos todos os entes cartográficos do modelo para o meio rural são gerados dois tipos arquivos: um arquivo xml que define todo o projeto e outro que é gerado quando concluído o projeto de modelagem sql script para geração de todas as tabelas e relacionamentos definidos no modelo lógico.

Figura 21- Modelo lógico para criação do banco

Após a geração sql script para montagem das estruturas do banco, o passo seguinte da modelagem pode ser realizado diretamente dentro do DbdesignerForce ou utilizando a ferramenta Pgadmin do postgreSQL, após os devidos ajustes no Sql para não gerar erros durante a criação das tabelas.

CREATE TABLE tab_estados (

cd_estados INTEGER NOT NULL ,

cd_uf VARCHAR(2) NOT NULL ,

nm_uf VARCHAR(2) ,

nr_areaha DOUBLE ,

nr_peremitrom DOUBLE ,

the_geom INTEGER ,

PRIMARY KEY(cd_id, cd_uf))CREATE TABLE tab_municipio (

tab_estados_cd_uf VARCHAR(2) NOT NULL ,

tab_estados_cd_id INTEGER NOT NULL ,

cd_municipio INTEGER NOT NULL ,

cd_id INTEGER NOT NULL ,

tab_municipio_tab_estados_cd_id INTEGER NOT NULL ,

tab_municipio_tab_estados_cd_uf VARCHAR(2) NOT NULL ,

tab_municipio_cd_municipio INTEGER NOT NULL ,

nm_municipio VARCHAR(50)

Quadro 1 - Criando as tabelas do banco 20

Dentro da sequência para o desenvolvimento do trabalho, com o levantamento de todos os dados cadastrais relativos a imóveis rurais independente do formato encontrado (shapefile, dwg, dgn) e o devido tratamento destes dados dentro de software de sig para geração dos shapes é então dada entrada dos arquivos dentro do banco de dados, podendo ser efetuado por softwares que conectem diretamente ao banco como o gvsig, arcmap 9.3 utilizando o módulo SDE para conexão e entrada no banco ou através da biblioteca presente no postgreSQL que converte os arquivos shapefiles em arquivos sql, denominada libconv-2.dll e o executável shp2pgsql como mostra o quadro abaixo:

C:/shp2pgsql -s 4291 -a imoveiscertificados.shp tab.imoveiscertificados > certificados.sql

onde, -s é o sistema de referência no caso 4291 geográfica Datum sad69, e -a permite

que se insira dados em uma tabela existente dentro do banco, desde que tenha os mesmos

campos. SQL gerado para entrada dos dados:

BEGIN;CREATE TABLE "tab_imovelcerti" (gid serial PRIMARY KEY,AddGeometryColumn('','tab_imovelcerti','the_geom','4291','MULTIPOLYGON',2);INSERT INTO "tab_imovelcerti" ("cod_uf","nome","areato_km...........................)...

Quadro 2 - Inserindo dados no banco

4.4. Geração dos metadados

Antes de iniciarmos a publicação e devido ao volume e a facilidade de difusão dos dados cartográficos atualmente que apresentam diversas metodologias e escalas de levantamentos torna-se primordial para o geoprocessamento o metadado. A partir de um conceito simplificado o metadado pode ser definido como um dado sobre o dado, seguindo os padrões da Concar para metadados que visa identificar o produtor e a responsabilidade técnica de produção; padronizar a terminologia utilizada; garantir o compartilhamento e a transferência de dados e viabilizar a integração das informações entre outras funções, estabelecendo um padrão sintetizador entre as diversas instituições e garantido os requisitos mínimos de disponibilização.

A norma ISO 19115:2003 combinou vários padrões de metadados, visando um padrão universal para o armazenamento e distribuição de metadados geoespaciais. Visando exemplificar o padrão de metadados foi utilizado o perfil sumarizado (fonte CONCAR), que tem uma série de pré-requisitos que devem ser preenchidos e que estão demonstrado no quadro abaixo:

Tabela 02 – Perfil de metadados sumarizado

21

Por exemplo, após a geração do XML temos a seguinte informações sobre os dados

(Exemplo parcial e simplificado) realizado no software ArcCatalog 9.3:<SyncOnce>FALSE</SyncOnce>

<SyncDate>20091204</SyncDate>

<SyncTime>15272900</SyncTime>

<ModDate>20091204</ModDate>

<ModTime>15274100</ModTime>

</Esri>

<idinfo>

<native Sync="TRUE">Microsoft Windows XP Version 5.1 (Build 2600) Service Pack 3; ESRI

ArcCatalog 9.3.0.1770</native>

<descript>

<langdata>pt</langdata>

<abstract>Imoveis Certificados do Estado de Goiás e Distrito Federal</abstract>

<purpose>Imóveis Rurais Certificados pelo Instituto Nacional de Colonização - alta precisão

Posicional, levantamentos realizados em escala cadastral superiores a 1/25000</purpose>

</descript>

<citation>

<citeinfo>

<origin>Dados do Sistema de Certificação Incra</origin>

<pubdate>04/12/2009</pubdate>

<title Sync="TRUE">tab_imovelcertificado</title>

<ftname Sync="TRUE">tab_imovelcertificado</ftname>

<geoform Sync="TRUE">vector digital data</geoform>

<onlink Sync="TRUE">\\NBSB174767\F$\dadosgoiascompletofinal\tab_imovelcertificado.shp</onlink>

<pubtime>08:00</pubtime>

</citeinfo>

</citation>

<timeperd>

<current>publication date</current>

<timeinfo>

<sngdate>

<caldate>04/12/2009</caldate>

<time>08:00am</time>

</sngdate>

</timeinfo>

</timeperd>

<status>

<progress>em execução</progress>

<update>Diario</update> …

Quadro 3 - Exemplo de XML com metadados do imóveis certificados 22

4.5. Criação do serviço de mapas (web map server)

Criado o banco e dada a carga de dados partiremos para outra etapa do projeto que é a geração dos serviços de mapas dinâmicos utilizando o servidor de serviços internet apache trabalhando com o servidor de mapas web map server. Neste caso optou-se pela I3geo, um software livre brasileiro com excelente nível de desenvolvimento que utiliza java script e php para o desenvolvimento das ferramentas. Além disto, o mapsever permite a geração de serviços wms e wfs e também proporciona a visualização de imagens com extensões tiff, png, jpg entre outras.

Para geração do serviço é necessário fazer o desenvolvimento do mapscript do mapsever, para visualização dos diferentes layer dentro de uma página na internet, utilizando os diversos browser hoje existente, desde o internet explorer, mozila firefox. Exemplo de mapscrit para os imóveis certificados no quadro abaixo:

SYMBOLSET ../symbols/simbolos.sym

FONTSET "../symbols/fontes.txt"

LAYER

NAME CERTIFICADOS

TYPE POLYGON

CONNECTIONTYPE POSTGIS

CONNECTION"user=postgres host=localhost dbname=Posunb

password=postgres port=5432"

DATA "the_geom FROM tab_imovelcertificado using unique cd_id using srid=4291"

STATUS OFF

TRANSPARENCY 100

METADATA

"CLASSE" "SIM"

"ITENS" "cd_id,cd_municip"

"ITENSDESC" "identificador,codigo do municipio"

"DOWNLOAD" "NAO"

"TEMA" "Imóveis Rurais certificados"

"TITULO" "IMOVEIS RURAIS CERTIFICADOS"

END

CLASS

NAME "IMOVEIS RURAIS CERTIFICADOS"

OUTLINECOLOR 0 0 0

COLOR 184 134 11

END

END

END

Quadro 4- Criação de layer no mapscript

23

Utilizando a mesma ferramenta para geração de serviço de mapa dinâmico na web, podemos gerar também os serviços wms e wfs de disponibilização dos dados como presente no código fonte, também desenvolvido em mapscript demonstrado no quadro:WMS WFS

MAPEXTENT... WEB IMAGEPATH "c:\ms4w\tmp\ms_tmp\certificadoimg/" IMAGEURL "/ms_tmp/certificadoimg/" METADATA "wms_srs" "EPSG:4291" "wms_onlineresource" "http://minha.pag.com.br/cgi-bin/mapserv.exe?map=c:/Unbgeowms.map&" "wms_title" "UNB" END QUERYFORMAT text/html LEGENDFORMAT text/html BROWSEFORMAT text/html TEMPLATE "none.htm" ENDLAYERCONNECTION "user=postgres host=localhost dbname=Posunb password= postgres port=5432"CONNECTIONTYPE POSTGISDATA "the_geom FROM tab_imovelcertificado using unique gid using srid=4291"DUMP TRUETRANSPARENCY 100 METADATA"wms_srs" "EPSG:4291" "CLASSE" "SIM" "WMS_INCLUDE_ITEMS" "all" "ITENSDESC" "identificador,codigo do imovel,data da certificação,número da certificação,nome do imovel,área ha,perimetro m" "wms_name" "Imóveis Rurais certificados" "TITULO" "IMOVEIS RURAIS CERTIFICADOS" "DOWNLOAD" "NAO" "ITENS" "gid,cd_imovel_,dt_certifi,nr_certifi,nm_imovel,nr_area_ca,nr_per_pec" "TEMA" "Imóveis Rurais certificados" "gml_include_items" "all" "wms_title" "Imóveis Rurais certificados" END NAME "CERTIFICADOS" STATUS OFF TEMPLATE "none.htm" OPACITY 100 TYPE POLYGON UNITS METERS CLASS

NAME "IMOVEIS RURAIS CERTIFICADOS"COLOR 184 134 11OUTLINECOLOR 0 0 0

SYMBOL 0 END ENDEND

MAPEXTENT...WEBIMAGEPATH "c:\ms4w\tmp\ms_tmp\"IMAGEURL "/ms_tmp/"METADATA"wfs_title" "GeoprocessamentoUNB""wfs_onlineresource" "http://minha.pag.com.br/cgi-bin/mapserv.exe?map=C:\wfsGeoUNB.map&""wfs_srs" "EPSG:4291"

ENDQUERYFORMAT text/htmlLEGENDFORMAT text/htmlBROWSEFORMAT text/htmlTEMPLATE “”END

LAYERNAME CERTIFICADOSTYPE POLIGONCONNECTION "user=postgres host=localhost dbname=Posunb password= postgres port=5432"CONNECTIONTYPE POSTGISDATA "the_geom FROM tab_imovelcertificado using unique gid using srid=4291"DUMP TRUEMETADATA"CLASSE" "SIM""ITENS" "gid,cd_imovel_,dt_certifi,nr_certifi,nm_imovel,nr_area_ca,nr_per_pec""ITENSDESC" "identificador,codigo do imovel,data da certificação,número da certificação,nome do imovel,área ha,perimetro m" "DOWNLOAD" "SIM""TEMA" "Imóveis Rurais certificados""TITULO" "IMOVEIS RURAIS CERTIFICADOS"

"wfs_title""IMOVEIS RURAIS CERTIFICADOS""gml_featurid" "gid""gml_include_items" "all"ENDCLASS NAME "Imóveis Certificados"STYLEOUTLINECOLOR 0 0 0COLOR 255 20 80 ENDENDEND

Permiti visualizar dados e identificação de atributos. Permiti visualizar os dados e salvar como shapefile

Quadro 5 - geração de serviços wms e wfs através do mascript 24

5. RESULTADOS

Após todos os levantamentos e tratamentos dos dados dos imóveis rurais do Estado de Goiás e do DF e o tratamento de de todas informações levantadas para a região relativa aos imóveis rurais e seus respectivos confrontantes que caracterizam a malha fundiária, com a modelagem do SGBD e armazenamento, em seguida foram testados os dados contidos no banco que apresentavam consistência utilizando o seguinte comando:

select isvalid("the_geom") from "tab_imovelcertificado";

Quadro 6- validando geometrias

Retornando como resposta o resultado boleano verdadeiro ou falso para as geometrias após analizadas (t) (f)

Na sequência as tabelas do banco de dados Postregres foram indexadas utilizando o comando em sql abaixo:

CREATE INDEX index_certificado ON tab_imovelcertificado USING gist (the_geom);

Quadro 7- Indexando tabelas

Esta indexação melhora a performasse do banco em consultas que envolvam geometrias.

Geração das chaves estrangeiras para cada tabela como no modelo abaixo:

CREATE INDEX fki_fkestrcertificado ON tab_imovelcertificado USING btree (cd_municip);

Quadro 8- Criação de chaves estrangeiras

Finalizado está etapa começamos a obter os primeiros resultados relativos aos imóveis rurais dentro dos municípios, como no exemplo abaixo, onde é calculada a soma das áreas de imóveis certificados dentro de cada município:

select cd_municip,sum(nr_area_ca) from tab_imovelcertificado group by cd_municip;

Quadro 9- calculando áreas certificadas dentro dos municípios

Figura 22- resultado de áreas certificadas dentro do municípios

No segundo exemplo descrito pelo comando sql abaixo destacamos todos os imóveis com áreas superiores a 10.000 hectares dentro do estado de Goiás e do DF.

select nm_imovel,nr_area_ca from tab_imovelcertificado

where nr_area_ca > 10000 order by nm_imovel desc;

Quadro 10- Selecionando municípios com áreas certificadas superiores a 10.000ha 25

Figura 23- municípios com áreas acima de 10.000ha

No terceiro exemplo, inicia-se a geração de views para implementação do map server:

CREATE VIEW tab_grandesimoveis AS select tab_municipio.*

from tab_municipio, tab_imovelcertificado

where tab_municipio.cd_municip=tab_imovelcertificado.cd_municip

and tab_imovelcertificado.nr_area_ca > 15000;

Quadro 11- Criação de view para munícipios com áreas certificadas acima de 15.000ha

Atingido objetivo relativo a consistência do banco de dados e o relacionamento entre as tabelas dos entes cartográficos criado no postgreSQL com o módulo postigis iniciou-se o tratamento dos dados para geração de informações relativas aos imóveis rurais brasileiros e dos serviços propostos para região de estudo.

Classe imóvel rural Área_ha Perímetro_m Área média_ha N° de Imóveis

Imóveis certificados 3182991,24 39788716,57 2148,2 1984

Imóveis georreferenciado 1802140,03 15865475.5354 6862,05 596

Imóveis baixa precisão posicional

516835.0281 5139015.9610 2939,99 197

Total 4985131,27 2777

Área Estado ha 36127623.74

Percentual áreaimóveis/areaestado

13,79%

Tabela 3- áreas totais dos imóveis rurais para o Estado de Goiás e Distrito Federal

Os dados foram levantados até dia 30/10/2009 e demonstram uma destinação de 15% para imóveis rurais dentro da região. Todavia, em virtude da necessidade de demonstrar a metodologia de classificação dos dados foram mantidas as sobreposições nos imóveis certificados, com os de baixa precisão posicional, permitindo visualizar através da base gerada os erros mais comuns cometidos nos levantamentos, como o erro das geometrias dos imóveis e deslocamentos. Portanto, deve-se considerar apenas um percentual de 13% de conhecimento da malha fundiária dos Estados, 26

relativos aos imóveis rurais. Com isto, ressalta-se a importância de levantamentos precisos e com acurácia para composição das bases cartográficas cadastrais brasileiras.

Demonstrando o tratamento adequado dentro do banco foi gerado uma view determinando quais os municípios possuem imóveis entre 5.000 e 10.000 hectares e implementado no I3geo a visualização, representados na cor verde, totalizando 68 municípios com imóveis certificados dentro do intervalo determinado.

Figura 24- municípios com áreas entre 5.000 e 10.000 ha

Em uma nova consulta realizada para municípios com imóveis certificadas com áreas superiores a 15.000 ha obtêm-se um total de sete municípios, mostrando uma grande concentração de terras dentro destas áreas sobre domínio de poucas pessoas ou empresas.

Figura 25- municípios com imóveis superiores a 15.000ha

O controle de qualidade destes dados agregados a publicação permite análises em diversos campos, desde o de natureza social até meio ambiente.

27

Acrescentando informações de outros dados de natureza continua, como geo-campos (geomorfologia e solos), para permitir uma visão da importância da interoperabilidade de dados de multifontes trabalhando com escalas distintas, desde que estas sejam conhecidas e que sejam levadas em consideração como critério para composição de mapas temáticos de uma área. Por exemplo, uma mapa associando informações dos imóveis com imagens de satélite cbers do sensor CCD em uma composição RGB, acrescida da informação do tipo de solo, escala 1/1.000.000, gerada no servidor de mapas.

Figura 26- Geração de mapas temáticos usando o I3geo

28

6. DISCUSSÕES

Durante a execução do trabalho foi possível ter um conhecimento de 13% da área do Estado de Goiás e do Distrito Federal, ocupada por imóveis rurais, agregando estes dados aos de terra indígena, unidade de conservação, territórios quilombolas, assentamentos rurais, agrovilas e áreas urbanas, proporcionando um conhecimento mais apurado da dinâmica de ocupação dentro dos municípios da região.

Deve ser levado em consideração que os dados cartográficos muitas vezes irão se sobrepor, mas que as estes limites deverão ser mantidos para perfeita caracterização das áreas, por exemplo, no caso de Brasília temos áreas urbanas e áreas rurais sobrepostas as áreas de preservação ambiental, Apa do São Bartolomeu. Portanto, estas áreas especiais não constituem um limite físico cartográfico rígido, como um rio, uma área de preservação permanente de uso restrito ou uma estrada existente no modelo, mais que agregam dados e informações de condicionantes ambientais para ocupação da região.

A totalidade da área existente de um estado se caracteriza originalmente como um imóvel rural, e que, com o tempo e com a necessidade de expansão de área urbana, de áreas de preservação e de geração de novos empreendimentos, como uma barragem, o imóvel rural, em sua totalidade ou parcialmente, migrará de uma classe para outra, necessitando dentro do modelo gerar uma classe histórica, dentro de uma sequência lógica, da sua origem ou 1° registro, uma gleba ou quinhão, até sua última destinação, compondo desta forma toda a cadeia dominial do imóvel rural, importante para estudos cartográficos futuros relativos a origem e dominialidade do imóvel.

Classes imóveis rurais particulares e classe das áreas especiais como área de preservação permanente de uso restrito, terra indígena, coexistiram sobrepostas até a total resolução das pendências jurídicas de desapropriação e desintrusão da área, permitindo monitoramento destas áreas. No Brasil o processo de desapropriação pode levar até 15 anos, portanto há necessidade de manter a caracterização vetorial do imóvel dentro destas áreas especiais em virtude da morosidade e falta de metodologias adequadas para destinação e mudança de jurisdição das áreas que geram insegurança jurídica e podem despender longos anos.

Tratando somente do imóvel rural dentro do modelo de banco é importante levar em consideração que dentro de um contexto dinâmico no mercado de terras teremos fusões de imóveis gerando um novo imóvel, desmembramentos e mudanças de destinação, consequentemente com a mudança de classe que dever ser prevista dentro do modelo de SGBD.

+ =

venda ou

doação

A Interesse Reserva Biológica ambiental

Figura 27- principais transformações que ocorrem com o imóvel rural

29

A B AB

AB AB C D

A integração de geo-campos dentro do modelo como imagem de satélite de alta resolução permite a caracterização em escalas cadastrais de entes cartográficos, como rios e estradas. Machado e Batista (2003) avaliaram a geração de cartas topográficas utilizando de imagens Ikonos na geração de cartas 1/25.000 ou menores, um uso importante do sensoriamento remoto na produção de cartas básicas, onde são limitados os investimentos. Silveira, et al (2005) realizou trabalhos também com imagens Ikonos, atingindo padrão de exatidão cartográfico PEC A para cartas de áreas urbanas na escala de 1/50.000 com pontos de controle de campo. O enfoque dado a este tipo de trabalho é necessário, pois na caracterização dos imóveis rurais certificados, entes como rios e estradas que são limites necessitam ser bem caracterizados, principalmente em regiões de difícil acesso. Este tipo de ferramenta é importante na caracterização destes limites, diminuindo o custo e o tempo de trabalho, desde que sigam critérios bem definidos e com com pontos controle de campo.

Segundo Loch (2007), a grande diferença do mapeamento cadastral em relação aos mapeamentos tradicionais, é que o cadastro identifica cada parcela imobiliária, o que exige escalas adequadas que permitam mostrar o detalhamento necessário para caracterizar desde as grandes propriedades até aquelas da ordem de centenas de metros quadrados. A abordagem do uso de imagem de alta resolução é necessária, pois estava previsto a utilização de imagens do satélite cbers sensor HRC (pancromático) comparativamente com os limites de campo dos imóveis certificados que serão avaliados em um outro momento.

Atualmente, a forma de armazenamento utilizada com objetos cartográficos, sistema de informação geográfico, modelagem e formas de publicação dos dados é extremamente relevante já que o volume de dados dentro do meio rural brasileiro atinge grandes proporções, e, uma estrutura robusta é primordial para o armazenamento. Todavia, a publicação tem uma importância extrema para futuras análises, composição do cadastro nacional de imóveis e defesa do patrimônio nacional.

O desenvolvimento e a adequação de ferramentas de geoprocessamento, como SGBD, ferramentas de publicação na web é fundamental para gestão do meio rural brasileiro na composição do cadastro nacional de imóveis rurais. Os resultados aqui apresentados mostram que é plenamente possível adequar tais ferramentas para um melhor controle dos limites, gestão ambiental, arrecadação e controle de riscos. Para que isto ocorra é necessário uma transversalidade, citada, por Uchoa (2009), do geoprocessamento com outras instituições, não sendo esta uma área isolada, envolvendo Incra, Receita Federal, Institutos de terras e Cartórios de imóveis, compondo um sistema integrado permitindo interoperabilidade dos dados cartográficos e não cartográficos para composição do Cadastro Nacional.

Incra Receita Institutos Cartórios

CARTOGRAFIA CADASTRAL E GEOPROCESSAMENTO

CADASTRO NACIONAL

DE IMÓVEIS

Figura 28- transversalidade do geoprocessamento

30

Seguindo esta lógica para total caracterização do meio rural dos estados é necessário, além do critério de classificação, aqui sugerido, o compartilhamento de dados, além de levantamentos e digitalização do acervo presente nos Institutos de Terra e levantamentos cartoriais dos livros de registros de imóveis para caracterização total do imóvel dentro do município, rompendo as inconsistências existentes na gestão de terras dos estados brasileiros.

31

7. CONCLUSÃO

Atualmente, a evolução tecnológica favoreceu a integração de dados da cartografia tradicional em um ambiente digital. O volume de dados aumentou exponencialmente e a possibilidade da interoperabilidade de dados tornou-se fundamental à integração de diversas áreas do conhecimento: cartografia, sensoriamento remoto, geoprocessamento e geomática, dentro de um ambiente integrador de dados. Para que isto ocorra é necessário organização e sistematização dos dados dentro de um SGBD conectado ao ambiente de publicação dentro de um ambiente de três camadas: banco, servidor de web e cliente.

No entanto, é importante que ocorra uma sistematização dos dados usando critérios lógicos de classificação para uma utilização mais criteriosa. Como os dados cartográficos dos imóveis rurais brasileiros têm um peso expressivo dentro das bases de dados cartográficos, esta estruturação é fundamental para o conhecimento da realidade do meio rural brasileiro e para a composição do cadastro nacional. Levando em consideração somente o Estado de Goiás e o Distrito Federal, temos 36 milhões de hectares no total, os quais aproximadamente 33 milhões são considerados áreas rurais, que devem ser mapeadas reconhecendo a dominialidade, garantindo o direito de propriedade e permitindo uma melhor gestão desta região no âmbito ambiental, jurídico e de desenvolvimento humano. Isto só será possível com o envolvimento dos diversos atores e utilização do geoprocessamento, cartografia, sensoriamento remoto e conhecimentos de geomática para composição precisa das bases cartográficas cadastrais.

32

8- BIBLIOGRAFIA

ALVES, C. D.; PEREIRA, M. N.; FLORENZANO, T.G. Mapeamento das novas forma de ocupação urbana por meio da análise orientada a objeto. Estudo de caso: Aglomeraração Urbana de Piracicaba. In. SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 14 (SBSR) 25-30 abr. 2009, Natal. Anais ... São José dos Campos: INPE, 2005, Artigos, p. 596-576.

CÂMARA, Gilberto. Modelos, linguagens e arquitetura para bancos de dados geográficos. São José do Campos , SP, 1995. (Tese de Doutorado).

CASANOVA, M.; CÂMARA, G.; DAVIS, C.; LÚBIA, V.; QUEIROZ, G.R. Banco de dados geográficos . MundoGeo, Curitiba, 2005.

COMISSÃO NACIONAL DE CARTOGRAFIA. Especificações Técnicas para estruturação dos de dados geoespaciais digitais vetoriais. Versão 2.0. 2007.

ELSMARI, R.; NAVATHE, S. Fundamentals of Database Systems. Pearson Education, 2004.

FORBELLONE, A. L. V.; EBERSPÄCHER, H. F.. Lógica de Programação – A Construção de Algoritmos e Estrutura de Dados. São Paulo: Makron Books, 1993.

GOMES, J., VELHO,L. Abstraction Paradigms for Computer Graphics. The visual Computer, v.11, n.5, p. 227-239, 1995.

GONÇALVES, R.P. Modelagem Conceitual de bancos de dados geográficos para cadastro técnico multifinalitário em municípios de pequeno e médio porte. Dissertação Pós-graduação em Engenharia civil, para obtenção do título de Magister Scientiae, Universidade de Viçosa, 2008.

GOODCHILD,M.F. The state of GIS for environmental problem-solving. In: Goodchil, M; Parks, B.O.; Steyaert, L.T. Environmental modelling with GIS, New York, Oxford University Press, 488p, 1993.

INSTITUTO NACIONAL DE COLONIZAÇÃO E REFORMA AGRÁRIA. Norma Técnica para georreferenciamento de imóveis rurais . Aplicada à Lei 10267/2001e Decreto 4449/2002, 2003.

JUNIOR, C. A . D. Múltiplas Representações em Sistema de Informação Geográficos.2000.115f. Dissertação de Doutorado. Ciência da Computação do Instituto de Ciências Exatas. Universidade Federal de Minas Gerais, Belo Horizonte, 2000.

LISBOA FILHO, J. Projeto Conceitual de Banco de Dados Geográficos através de Reutilização de Esquemas, utilizando padrões de análise e framework conceitual. 2000 212 f. Tese (Doutorado em Ciência da Computação). Universidade Federal do Rio Grande Do Sul, Porto Alegre-RS.

LISBOA FILHO, J. Projeto de banco de dados para sistemas de informação geográfica. II Escola Regional de Informática, 2002. Vitória -ES, Faesa, 2002. 39p.

LOCH, C. Anais XIII Simpósio Brasileiro de Sensoriamento Remoto. Florianópolis: INPE, 2007.

MACHADO E SILVA , A.J.F.; SILVA,M.V.D da; SANTINI, D. Mapeamento topográfico usando imagens Ikonos. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 11., 5-10 abr. 2003, Belo Horizonte . Anais …. São José dos Campos: Inpe , 2003. p 297- 302.

MOREIRA, A. M. Fundamentos do Sensoriamento Remoto e Metodologias de Aplicação. São José dos Campos INPE, 2001. p. 215 a 239.

NAZARENO, N.R.X.; FERREIRA,N.C.; MACEDO,F. C. Avaliação da exatidão cartográfica da ortoimagem quickbird e da ortofoto digital do município de Goiânia. In. SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 14 (SBSR) 25-30 abr. 2009, Natal. Anais ... São José dos Campos: INPE, 2005, Artigos, p. 1771-1778.

NOGUEIRA, R. E. Cartografia – Representação, Comunicação e Visualização de Dados Espacial. 2ª Ed., Florianópolis: UFSC, 2008.

NOVO, E.M.L, Sensoriamento remoto princípios e aplicações. 3ª Ed. São Paulo, Blucher 2008. pg. 327. 33

SILVA, A. J.de. O da; GONÇALVES, E. S; CRUZ, C.B.M. Modelagem espectral para mapeamento da ocupação urbana através de classificação orientada a objetos – uma análise comparativa entre Landsat e CBERS. In. SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 14 (SBSR) 25-30 abr. 2009, Natal. Anais ... São José dos Campos: INPE, 2005, Artigos, p. 7151-7158.

SILVA, R. L.; RIBEIRO,J.R. Sigweb para disponibilização de uma mapoteca de dados geoespaciasis vetoriais.In. SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 14 (SBSR) 25-30 abr. 2009, Natal. Anais ... São José dos Campos: INPE, 2005, Artigos, p. 4977-4983.

SILVEIRA,G. C. da; SASSAKI, A.S.A.;NEVES, C.E.; SILVA, E.A. da; ISHIKAWA, M.I. Escala máxima de uso do produto Ikonos-Geo: Estudo de caso para Araçoiaba da Serra. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 12. (SBSR), 16-21 abr. 2005, Goiânia. Anais … São José dos Campos: INPE, 2005, Artigos, p. 2589-2596.

SMITH, B., 2003. Ontology an Information Systems. In: ZALT, E.N, ED., The Stanford Encyclopedia of Philosophy. The Metaphysics Research Lab, Center for the Study of Languagem an d Information.:Stanford, Stanford University.

STONEBRAKER, M. Object-relational DBMSs: the next great wave. San Francisco: Morgam Kaufmann, 1996.

TAMBASCIA, C. A;LI,L. T.; TEIXEIRA, M. D; CUBA, R.M; GATTI,S.D. Software livre na área de sig: ficcão ou realidade? In:Artigo apresentado no fórum de software livre 2009.

UCHOA, H. Palestra ministrada no encontro de opengis abr. 2009. Brasília – DF.

Lei ° 10267/2001. Disponível em: http://www.planalto.gov.br/ccivil_03/Leis/LEIS_2001/L10267.htm.

Acessado em 22 de Abril de 2009.

Decreto n°6666/2008. Disponível em: http://www.planalto.gov.br/ccivil_03/_Ato2007-2010/2008/Decreto/D6666.htm. Acessado em 22 de abril de 2009.

PostgreSQL. Disponível em: http://www.postgresql.org/ . Acessado em 21 de abril de 2009.

PostGIS. Disponível em: http://www.postgis.org/. Acessado em 21 de abril de 2009.

MapServer. Disponível em: http://mapserver.gis.umn.edu/. Acessado em 21 de abril de 2009.

I3geo. Disponível em: http://mapas.mma.gov.br/download/arquivos/. Acessado em 10 de junho de 2009.

Ferramentas de Gis. Disponível em: http://map.tool.org/. Acessado em 10 de junho de 2009.

Dados Vetoriais de Goiás. Disponível em: http://www.sieg.go.gov.br/. Acessado em 15 de junho 2009.

Dados Matriciais. Disponível em: http://www.inpe.br/. Acessado em 20 de agosto de 2009.

34