Krigagem e Geovisualização Multivariada

36 visualizações

Publicada em

Aula de Informática Aplicada ao Planejamento Territorial - IPT, UFABC, 18 de novembro de 2016
Apresentação disponível em: https://youtu.be/PLUZ2OMw4iI

Publicada em: Educação
0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
36
No SlideShare
0
A partir de incorporações
0
Número de incorporações
0
Ações
Compartilhamentos
0
Downloads
1
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Krigagem e Geovisualização Multivariada

  1. 1. Geoestatística Geovisualização Multivariada INFORMÁTICA APLICADA AO PLANEJAMENTO TERRITORIAL Vitor Vieira Vasconcelos vitor.vasconcelos@ufabc.edu.br CS3406 - Informática Aplicada ao Planejamento Territorial Novembro de 2016 Aula 7
  2. 2. Conteúdo • Geoestatística – Krigagem • Geovisualização Multivariada
  3. 3. Interpolação - Relembrando • Classificação dos métodos de interpolação • Abruptos vs. Graduais • Exatos vs. Aproximados
  4. 4. Interpolação - Relembrando • Classificação dos métodos de interpolação • Locais vs. Globais • Triangulação vs. Reticulação
  5. 5. Interpolação - Relembrando • Classificação dos métodos de interpolação • Determinísticos: um valor único para cada pixel no espaço • Geoestatísticos: utiliza dados de autocorrelação espacial entre os pontos e gera dados quanto à incerteza de predição (desvio padrão)
  6. 6. Interpolação - Relembrando • Classificação dos métodos de interpolação • Determinísticos: um valor único para cada pixel no espaço • Geoestatísticos: utiliza dados de autocorrelação espacial entre os pontos e gera dados quanto à incerteza de predição (desvio padrão)
  7. 7. Interpolação Métodos discretos Polígonos de Thiessen, Polígonos de Voronoi, Vizinho mais Próximo, Alocação Euclideana d/2 d/2
  8. 8. Interpolação Triangulação LANDIM, P. M. B. (2000). Introdução aos métodos de estimação espacial para confecção de mapas. Rio Claro: UNESP.
  9. 9. Interpolação Médias Móveis MADDEN, M. 2009. Manual of Geographic Information Systems, American Society for Photogrammetry, Bethesda, Maryland, USA
  10. 10. Interpolação Vizinhos naturais ALBRECHT, J. 2005. Geographic Information Science. Em: http://www.geography.hunter.cuny.edu/~jochen/GTECH361/lectures/lecture10/ 1º - Polígonos de Voronoi 2º - Com o novo ponto Ponto a interpolar 3º - Cálculo ponderado
  11. 11. Interpolação Inverso da Distância Wij peso da amostra j no ponto i da grade k é o expoente da distância, dij é o valor de distância da amostra j ao ponto i da grade Exemplo para K=2 CAMARGO, E.C.G., FUCKS, S.D., CÂMARA, G. Análise espacial de superfícies. Em: Análise espacial de dados geográficos. Embrapa Cerrados, Planaltina, 2004.
  12. 12. Interpolação Polinômios – Superfícies de tendência 1ª Ordem: Z = a + bX + cY 2ª Ordem: Z = a + bX + cY + dXY+ eX2+ fY2 3ª Ordem: Z= a + bX + cY + dXY+ eX2+ fY2+gXY2+hX2Y+iX3+jY3 Onde: Z é o valor estimado na célula X e Y são as coordenadas geográficas a…j são os coeficientes que melhor se ajustam aos dados LANDIM, P. M. B. (2000). Introdução aos métodos de estimação espacial para confecção de mapas. Rio Claro: UNESP. DEMPSEY,C. 2013. Statistical surfaces in GIS. Em: https://www.gislounge.com/statistical-surfaces-in-gis/ 1ª ordem 2ª ordem 3ª ordem
  13. 13. Interpolação Spline DEMPSEY,C. 2013. Statistical surfaces in GIS. Em: https://www.gislounge.com/statistical-surfaces-in-gis/
  14. 14. Interpolação Krigagem Permite incorporar três fatores: • Tendências gerais: polinômios • Flutuações locais: autocorrelação espacial • Ruído: mudanças aleatórias independentes do espaço Autocorrelação espacial - Lei de Tobler “No mundo, todas as coisas se parecem, mas coisas mais próximas são mais parecidas que aquelas mais distantes” (Waldo Tobler, 1970) DEMPSEY,C. 2013. Statistical surfaces in GIS. Em: https://www.gislounge.com/statistical-surfaces-in-gis/ TOBLER, W. R. (1970). A computer movie simulating urban growth in the Detroit region. Economic Geography, 46(2): 234-240.
  15. 15. Variograma C = Variância C0 = Efeito Pepita C+C0 = Patamar A = Alcance SANTOS, Carlos Eduardo dos y BIONDI, João Carlos. Utilização de elipsoide de anisotropia variográfica como indicador cinemático em maciços rochosos fragmentados por falhas: o exemplo do depósito de asbestos crisotila cana brava (Minaçu, GO). Geol. USP, 2011, vol.11, n.3, pp. 65-77. CAMARGO, E.C.G., FUCKS, S.D., CÂMARA, G. Análise espacial de superfícies. Em: Análise espacial de dados geográficos. Embrapa Cerrados,
  16. 16. Variograma C = Variância C0 = Efeito Pepita C+C0 = Patamar A = Alcance SANTOS, C. E., BIONDI, J. C. Utilização de elipsoide de anisotropia variográfica como indicador cinemático em maciços rochosos fragmentados por falhas: o exemplo do depósito de asbestos crisotila cana brava (Minaçu, GO). Geol. USP, 2011, vol.11, n.3, pp. 65-77. CRUZ-CARDENAS, G. et al . Distribución espacial de la riqueza de especies de plantas vasculares en México. Rev. Mex. Biodiv., México , v. 84, n. 4, p. 1189-1199, 2013 .
  17. 17. Variograma C0 = Efeito Pepita Variação ao acaso Fatores não relacionados ao espaço Erros de Amostragem A = Alcance Distância até onde ocorre autocorrelação espacial CAMARGO, E.C.G., FUCKS, S.D., CÂMARA, G. Análise espacial de superfícies. Em: Análise espacial de dados geográficos. Embrapa Cerrados, Planaltina, 2004.
  18. 18. Variograma
  19. 19. Variograma Ajustando um variograma http://help.arcgis.com/en/arcgisdesktop/10.0/help/index.html#/Components_of_geostatistical_models/003100000034000000/ As classes de distância (grade) podem ser selecionadas por otimização
  20. 20. Variograma https://www.e-education.psu.edu/geog486/node/1878 Ajustando um variograma
  21. 21. Variograma IDH no Estado de São Paulo Distância Variância Nem todo variograma chega no patamar de estabilização
  22. 22. Dependência espacial ◦ Estacionário: mesma auto-correlação em toda a região estudada Isotrópico mesma autocorrelação em todas as direções Anisotrópico autocorrelação muda de acordo com a direção
  23. 23. Dependência espacial Exemplo de anisotropia Chang, K.T. 2006. Kriging. Using Geostatistical Analyst, ESRI. Introduction to Geographic Information Systems. Em: https://www.yumpu.com/en/document/view/21394397/kriging/31
  24. 24. Interpolação Krigagem Isotrópica Variância da Krigagem Teor de argila nos solos da Fazenda Chanchim CAMARGO, E.C.G., FUCKS, S.D., CÂMARA, G. Análise espacial de superfícies. Em: Análise espacial de dados geográficos. Embrapa Cerrados, Planaltina, 2004.
  25. 25. Interpolação Krigagem Anisotrópica Variância da Krigagem Teor de argila nos solos da Fazenda Chanchim CAMARGO, E.C.G., FUCKS, S.D., CÂMARA, G. Análise espacial de superfícies. Em: Análise espacial de dados geográficos. Embrapa Cerrados, Planaltina, 2004.
  26. 26. Interpolação Vizinho mais próximo Médias móveis Inverso do Quadrado da Distância Teor de argila nos solos da Fazenda Chanchim CAMARGO, E.C.G., FUCKS, S.D., CÂMARA, G. Análise espacial de superfícies. Em: Análise espacial de dados geográficos. Embrapa Cerrados, Planaltina, 2004.
  27. 27. Interpolação Co-Krigagem ◦ Utiliza uma amostragem de pontos correlacionada para ajudar na interpolação ◦ Exemplo: dados de elevação do terreno para ajudar a estimar a elevação do nível freático LANDIM, P. M. B., STURARO, J. R., & MONTEIRO, R. C. (2002). Exemplos de aplicação da cokrigagem. Rio Claro: UNESP.
  28. 28. Interpolação Co-Krigagem ◦ Utiliza uma amostragem de pontos correlacionada para ajudar na interpolação ◦ Exemplo: dados de elevação do terreno para estimar a elevação do nível freático LANDIM, P. M. B., STURARO, J. R., & MONTEIRO, R. C. (2002). Exemplos de aplicação da cokrigagem. Rio Claro: UNESP.
  29. 29. Interpolação Krigagem Universal - Usa um polinômio para detectar a tendência geral - Faz a krigagem sobre o resíduo do polinômio Como decidir entre krigagem ordinária ou universal?  Menor desvio padrão  Usar validação cruzada Coordenada X (ou Y) Valordoatributo Superfícies de Tendência
  30. 30. Interpolação Krigagem da temperatura em Western Cape, África do Sul Khuluse, S., Dowdeswell, M., Debba, P., & Stein, A. (2010). Mapping the N-year design rainfall-a case study for the Western Cape. In South African Statistical Journal, Proceedings of the 52nd Annual Conference of the South African Statistical Association for 2010 (SASA 2010): Congress 1 (pp. 91- 100). Sabinet Online. Ordinária Universal
  31. 31. Comparando técnicas Inverso da DistânciaVizinhos naturais Spline Krigagem ESRI. Surface creation and analysis. Em: http://resources.esri.com/help/9.3/arcgisengine/java/gp_toolref/geoprocessing/surface_creation_and_analysis.htm
  32. 32. Comparando as técnicas Pontos Polígonos de Thiessen Inverso da distância Polinômio de 1º grau Polinômio de 2º grau Krigagem Universal de 1º grau GILMOND, M. 2016. Intro to GIS and Spatial Analysis. ES2014. Em: https://mgimond.github.io/Spatial/
  33. 33. Contaminação por Cádmio Pontos de amostragem Triangulação linear Inverso do quadrado da distância Polinômio de 1º Grau Polinômio de 2º Grau Krigagem Ordinária LANDIM, P. M. B. (2000). Introdução aos métodos de estimação espacial para confecção de mapas. Rio Claro: UNESP.
  34. 34. Contaminação por Cádmio LANDIM, P. M. B. (2000). Introdução aos métodos de estimação espacial para confecção de mapas. Rio Claro: UNESP. http://help.arcgis.com/en/arcgisdesktop/10.0/help/index.html#/Understanding_thresholds/00310000004p000000/ Krigagem Indicativa: usa o desvio-padrão para calcular a probabilidade de um determinado valor
  35. 35. Krigagem Ordinária Desvio- Padrão da Krigagem Krigagem Indicativa Chance de estar abaixo de 7,95ppm Contaminação por Cádmio LANDIM, P. M. B. (2000). Introdução aos métodos de estimação espacial para confecção de mapas. Rio Claro: UNESP. Krigagem Indicativa: usa o desvio-padrão para calcular a probabilidade de um determinado valor
  36. 36. Interpolação Vantagensda Krigagem ◦ Incorpora a autocorrelação espacial ◦ Valores estatísticamente robustos ◦ Gera mapa de “incerteza” (variância ou desvio padrão) ◦ Pode orientar novas campanhas de coleta ◦ Diversas variantes (ordinária, universal, indicativa, co-krigagem) Desvantagens: ◦ Método pode ser complexo para os leitores do mapa Quando não usar a krigagem ◦ Menos de 30 amostras -> difícil calibrar o variograma ◦ Efeito pepita muito grande -> pouca autocorrelação espacial LANDIM, P. M. B. (2000). Introdução aos métodos de estimação espacial para confecção de mapas. Rio Claro: UNESP.
  37. 37. Estudos comparativos Em geral, a comparação entre os métodos mostra a seguinte ordem de eficácia: • 1º - Krigagem • 2º - Spline (com suposições mais simples que a krigagem) • 3º - Estimadores locais • 4º - Superfícies de Tendência
  38. 38. Prática de Interpolação Superfícies de Tendência por Regressão Polinomial •No Qgis, abra os arquivos “pluviometricas_sbc_utm.shp” e “sbc_setores_2010_pop.shp” • Menu Processar -> Caixa de Ferramentas • SAGA -> Geostatistics -> Polynomial Regression
  39. 39. Prática de Interpolação • “Points” -> “Pluviométricas_sbc_utm” • “Attribute” -> “Isoietas_P” • “Polynom” -> “Simple planar surface” • “Output extent” -> “Use camada/ extensão da tela” • Escolha um nome e pasta para os arquivos de resíduos e para o raster (Grid) a ser gerado Z = a + bX + cY
  40. 40. Prática de Interpolação • Clique com o botão direito sobre a camada de pontos de resíduos, e mande exibir a tabela de atributos
  41. 41. Prática de Interpolação • “Points” -> “Pluviométricas_sbc_utm” • “Attribute” -> “Isoietas_P” • “Polynom” -> “Quadratic surface” • “Output extent” -> “Use camada/ extensão da tela” • Escolha um nome e pasta para os arquivos de resíduos e para o raster (Grid) a ser gerado Z = a + bX + cY + dXY+ eX2+ fY2
  42. 42. Prática de Interpolação • Dê dois cliques sobre a camada raster de tendência quadrática e escolha a aba “Estilo • “Tipo de Renderização” -> “Banda Simples Falsa Cor” • 5 Classes • “Classificar”, “Aplicar’, e “OK”
  43. 43. Prática de Interpolação
  44. 44. Prática de Interpolação • Abra a tabela de atributos da camada de pontos com os resíduos da superfície de tendência quadrática • Clique no ícone “Abrir Calculadora de Campo” • Crie um campo de nome “Nome”, tipo “Texto”, com a expressão ‘chuva’ (com aspas simples)
  45. 45. Prática de Interpolação • Clique em Salvar e depois feche o modo de Edição
  46. 46. Prática de Interpolação • Clique com o botão direito sobre a camada de pontos com os resíduos quadráticos e salve como CSV • Verifique se a geometria está como “AS_XY” e o separador como “COMMA” • Salve seu projeto e saia do QGis
  47. 47. Prática de Interpolação • Abra o SADA e escolha “Create a new File” • Escolha um nome para seu projeto • Menu “Data” -> Import sampled data”
  48. 48. Prática de Interpolação • “Name” -> Nome • “Values” -> Isoietas_P • Easting -> X • Northing -> Y • Selecione cada informação opcional como “(None)”
  49. 49. Prática de Interpolação • Selecione “Adjust the boundaries to the data for me” • Selecione “Snap boundaries to all data sets”
  50. 50. Prática de Interpolação
  51. 51. Prática de Interpolação • Janela “Steps” -> “3. Set GIS overlays” • “Add” -> “abc_paulista_utm”
  52. 52. Prática de Interpolação • Selecione a opção “Interpolate my data” • “Steps” -> “4. Set grid specs” • “Size” -> 250 por 250 • “Show Grid
  53. 53. Prática de Interpolação • “OK”
  54. 54. Prática de Interpolação • “5. Interpolation methods” -> “Natural Neighbor” (Vizinhos naturais) • “6. Show the results” –> “Show the results”
  55. 55. Prática de Interpolação
  56. 56. Prática de Interpolação • “5. Interpolation methods” -> “Ordinary Kriging” • “6. Correlation Modeling” o“Explore Experimental Semi- variogram” -> “Recommend” o “Model Semi-variography Values” -> “Recommend”
  57. 57. Prática de Interpolação
  58. 58. Prática de Interpolação • Em “Correlation Autofit”, selecione os modelos “Spherical”, “Exponential” e “Gaussian” e aperte “OK” • Analise o Semivariograma
  59. 59. Prática de Interpolação • “Steps”-> “7. Search Neighborhood” • “Default” • Modifique “Maximum Number of Sampled Data” para 7 o Esse valor obteve os melhores resultados na validação cruzada
  60. 60. Prática de Interpolação • “Steps”-> “8. Show the results” • “Show the results” -> “Continue”
  61. 61. Prática de Interpolação • “Steps”-> “13. Export to File” • “Export to File” • Selecione a pasta, o nome com extensão “.asc” e o formato “ESRI ASCII Grid”
  62. 62. Prática de Interpolação • “Steps”-> “11. Cross Validation” • “Cross Validate”
  63. 63. • “Draw a probability map” •“Steps”-> “9. Show the Results” • “Show the results” • “User defined decision goal” = 1800 Prática de Interpolação
  64. 64. Prática de Interpolação • Mapa de probabilidade
  65. 65. Prática de Interpolação • “Steps”-> “13. Export to File” • “Export to File” • Selecione a pasta, o nome com extensão “.asc” e o formato “ESRI ASCII Grid” •Salve o seu projeto
  66. 66. Prática de Interpolação • Reinicie o SADA e escolha “Create a new File” • Escolha um nome para seu projeto • Menu “Data” -> Import sampled data”
  67. 67. Prática de Interpolação • “Name” -> Nome • “Values” -> Residual • Easting -> X • Northing -> Y • Selecione cada informação opcional como “(None)”
  68. 68. Prática de Interpolação • Selecione “Adjust the boundaries to the data for me” • Selecione “Snap boundaries to all data sets”
  69. 69. Prática de Interpolação
  70. 70. Prática de Interpolação • Selecione a opção “Interpolate my data” • “Steps” -> “4. Set grid specs” • “Size” -> 250 por 250 • “Show Grid
  71. 71. Prática de Interpolação • “OK”
  72. 72. Prática de Interpolação • “5. Interpolation methods” -> “Ordinary Kriging” • “6. Correlation Modeling” o“Explore Experimental Semi- variogram” -> “Recommend” o “Model Semi-variography Values” -> “Recommend”
  73. 73. Prática de Interpolação • Em “Correlation Autofit”, selecione os modelos “Spherical”, “Exponential” e “Gaussian” e aperte “OK” • Analise o Semivariograma
  74. 74. Prática de Interpolação • “Steps”-> “7. Search Neighborhood” • Default • Modifique “Maximum Number of Sampled Data” para 10 o Esse valor obteve os melhores resultados na validação cruzada
  75. 75. Prática de Interpolação • “Steps”-> “8. Show the results” • “Show the results” -> “Continue”
  76. 76. Prática de Interpolação • “Steps”-> “13. Export to File” • “Export to File” • Selecione a pasta, o nome com extensão “.asc” e o formato “ESRI ASCII Grid”
  77. 77. Prática de Interpolação • “Steps”-> “11. Cross Validation” • “Cross Validate” Resíduos Valores Totais
  78. 78. Prática de Interpolação • “Draw a Variance Map” •“Steps”-> “8. Show the Results” • “Show the Results”
  79. 79. Prática de Interpolação Mapa de Variância
  80. 80. Prática de Interpolação • “Steps”-> “13. Export to File” • “Export to File” • Selecione a pasta, o nome com extensão “.asc” e o formato “ESRI ASCII Grid” •Grave o seu projeto e saia do SADA
  81. 81. Prática de Interpolação • Abra o seu projeto novamente no QGIS • Adicione a camada raster com a interpolação do resíduo • Clique com o obtão direito sobre a camada e escolha Propriedades • Na aba Geral, mude o Sistema de Referência para SAD69 / UTM 23S
  82. 82. Prática de Interpolação • Menu “Raster” -> “Calculadora Raster” • Some a “superfície quadrática” + “krigagem dos resíduos” • Escolha um nome (extensão tif) e pasta para gravar o resultado
  83. 83. Prática de Interpolação • Dê dois cliques sobre a camada raster de tendência quadrática e escolha a aba “Estilo • “Tipo de Renderização” -> “Banda Simples Falsa Cor” • 5 Classes • “Classificar”, “Aplicar’, e “OK”
  84. 84. Prática de Interpolação
  85. 85. Geovisualização Multivariada
  86. 86. O que nós já vimos até agora • Cartografia temática • Padrões espaciais • Teoria das Cores • Métodos de Classificação • Mapas: • Coropléticos • Símbolos Proporcionais • Densidade de Pontos • Fluxos • Cartogramas • Kernel • Proximidade • Análise de padrões pontuais • Interpolação
  87. 87. Geovisualização Multivariada • Conceitos • Teoria das cores para geovisualização multivariada • Mapas bivariados • Mapas com 3 ou mais variáveis • Mapeamento temporal • Visualização de incerteza
  88. 88. • Mapas para Ver  GPS de carro  Panfletos  Mapas para crianças • Mapas para Ler  Artigos e livros  Projetos Técnicos  Mapas para pessoas mais velhas Visualização rápida Menos elementos (comunicação seletiva) Boa memorização Cores Saturadas Cores Quentes Relembrando Exploração de dados Mais classes, elementos, informações Pior memorização Cores Pastéis Cores Frias ou Neutras Visualização Multivariada
  89. 89. Que mapas multivariados nós já vimos? Símbolos Proporcionais Multivariados HARRIES, K. Mapping Crime: Principle and Practice, December 1999. In: https://www.ncjrs.gov/html/nij/mapping/toc.html
  90. 90. Que mapas multivariados nós já vimos? Coroplético + Símbolos Proporcionais Proporção de pessoas sem instrução ou que completaram menos de um ano de estudo (%) Total de pessoas sem instrução ou que completaram menos de um ano de estudo População com Insuficiência Alimentar Maia, Alexandre Gori, and Antonio Marcio Buainain. "Pobreza objetiva e subjetiva no Brasil." Confins. Revue franco-brésilienne de géographie/Revista franco-brasilera de geografia 13 (2011).
  91. 91. Que mapas multivariados nós já vimos? Densidade de Pontos + Classes por Cor
  92. 92. Que mapas multivariados nós já vimos? Fluxos + Coroplético Miro (2014) Imigrantes Brasileiros: principais fluxos atuais. Em: http://outroverde.blogspot.com.br/2014/06/imigrantes-brasileiros-principais.html
  93. 93. Cartograma + Coroplético Henning, B.D. (2009) Mapping a (un)happy humanity: a new perspective on our planet’s well-being. http://www.viewsoftheworld.net/data/2009_CWIPP_Poster.pdf Que mapas multivariados nós já vimos?
  94. 94. Um mapa com várias variáveis? Vs. Vários mapas lado a lado? (pequenos múltiplos) GELMAN, A. 2009. Hard sell for Bayes. Statistical Modeling, Causal Inference, and Social Science. Em: http://andrewgelman.com/2009/07/15/hard_sell_for_b/
  95. 95. Geovisualização Multivariada Combinação • Extrínsica o Percebidas de formas distintas o Comparar diferentes padrões • Intrínseca o Percebidas de forma conjunta o Comparar relação entre as variáveis População com Insuficiência Alimentar Slocum, T. A., McMaster, R. B., Kessler, F. C., & Howard, H. H. (2009). Thematic cartography and geovisualization. New Jersey, NJ: Prentice Hall
  96. 96. Combinação Intrínseca Slocum, T. A., McMaster, R. B., Kessler, F. C., & Howard, H. H. (2009). Thematic cartography and geovisualization. New Jersey, NJ: Prentice Hall Hachura Bivariada Pode ser adicionada a uma camada coroplética (3ª variável)
  97. 97. Prática de Visualização Multivariada • No ArcMap, adicione a camada “ufaedes_utm.shp” • Dê um duplo clique na camada, e clique na aba “Simbology” • “Quantities” -> “Graduated colors” • “Fields” -> “Value” = Dengue “Normalization” = pop2016 • “Classify” -> Escolha a classificação de Quantil por 3 classes
  98. 98. Prática de Visualização Multivariada • Clique no símbolo da primeira classe (menor densidade) e escolha “10% Simple hatch” • Clique em “Edit Symbol”
  99. 99. Prática de Visualização Multivariada • “Angle” = 0 • “Separation” = 10 • Repita o mesmo procedimento para as demais classes do mapa, mas dividindo por 2 o valor de “separation” progressivamente para cada classe (5 para a segunda e 2,5 para a Terceira)
  100. 100. Prática de Visualização Multivariada • Visualização
  101. 101. Prática de Visualização Multivariada • Clique com o botão direito sobre a camada e selecione “Copy” • Clique com o botão direito sobre “Layers” e selecione “Paste Layer(s)”
  102. 102. Prática de Visualização Multivariada • Faça mude a variável para Chikungunha normalizada por população • Classificação por Quantil de 3 classes • Simbolização gradual por Hachuras Verticais (Angle = 90)
  103. 103. Prática de Visualização Multivariada • Que padrões espaciais podemos reconhecer neste mapa?
  104. 104. Prática de Visualização Multivariada • Copie e cole a camada novamente para criar uma terceira camada • Faça um mapa coroplético de Zica normalizada por população com três classes de quantil
  105. 105. Prática de Visualização Multivariada Quais padrões espaciais podemos perceber neste mapa?
  106. 106. Prática de Visualização Multivariada Compare os dois mapas
  107. 107. Slocum, T. A., McMaster, R. B., Kessler, F. C., & Howard, H. H. (2009). Thematic cartography and geovisualization. New Jersey, NJ: Prentice Hall Combinação Intrínseca Glifos Bivariados Pode ser adicionado a uma camada coroplética (3ª variável)
  108. 108. Combinação Intrínseca Slocum, T. A., McMaster, R. B., Kessler, F. C., & Howard, H. H. (2009). Thematic cartography and geovisualization. New Jersey, NJ: Prentice Hall Retângulos Bivariados • Facilidade: o Interpretar correlação positiva ou negativa entre as variáveis o Tendência geral ao longo do mapa (2 variáveis juntas) • Dificuldade: o Comparação entre variação de uma única variável entre regiões o Confunde com mapa de simbolos proporcionais de área
  109. 109. Combinação Intrínseca Gráfico de Estrelas •Facilidade: ◦ Comparação entre variáveis em um único elemento ◦ Noção de redução ou aumento geral entre elementos • Dificuldade ◦ Comparação entre variação de uma único variável entre regiões Friendly, M. (2007). A.-M. Guerry's" Moral Statistics of France": Challenges for Multivariable Spatial Analysis. Statistical Science, 368-399. Em: http://projecteuclid.org/DPubS/Repository/1.0/Disseminate?view=body&id=pdfview_1&handle=euclid.ss/1199285037
  110. 110. Combinação Intrínseca Agregação interescalar multivariada Medianas e quartis Friendly, M. (2007). A.-M. Guerry's" Moral Statistics of France": Challenges for Multivariable Spatial Analysis. Statistical Science, 368-399. Em: http://projecteuclid.org/DPubS/Repository/1.0/Disseminate?view=body&id=pdfview_1&handle=euclid.ss/1199285037
  111. 111. Combinação Extrínseca Círculos Proporcionais: Evaporação Precipitação: Isolinhas Temperatura: Coroplético Slocum, T. A., McMaster, R. B., Kessler, F. C., & Howard, H. H. (2009). Thematic cartography and geovisualization. New Jersey, NJ: Prentice Hall
  112. 112. Sistema HSV (Hue - Saturation - Value) Cores Saturadas Cores pasteis
  113. 113. Sistema Subtrativo Aplicado a objetos sujeitos a absorção e reflexão de comprimentos de onda Exemplo: mapas impressos
  114. 114. Sistema Subtrativo
  115. 115. Mapas Coropléticos Bivariados Stevens, J. (2015) Bivariate Choropleth Maps: A How-to Guide. http://www.joshuastevens.net/cartography/make-a-bivariate-choropleth-map/ Sistema Subtrativo Unipolar
  116. 116. Mapas Coropléticos Bivariados Sistema Subtrativo Esquema Divergente/Sequencial BREWER, C. A. (1994). Color use guidelines for mapping. Visualization in modern cartography, 123-148.
  117. 117. Mapas Coropléticos Bivariados Esquema Divergente/Divergente (Sistema HSV) BREWER, C. A. (1994). Color use guidelines for mapping. Visualization in modern cartography, 123-148.
  118. 118. Esquema Qualitativo/Sequencial http://www.nytimes.com/interactive/2009/03/10/us/20090310-immigration-explorer.html?_r=
  119. 119. Mapas Coropléticos Bivariados BREWER, C. A. (1994). Color use guidelines for mapping. Visualization in modern cartography, 123-148.
  120. 120. Legendas bivariadas como diagramas de dispersão Leonowicz A.M., 2007. Choropleth maps as a method of representing geographical relationship. Phd dissertation. Warsaw: Institute of Geography and Spatial Organization, Polish Academy of Sciences. Em: http://www.geo.unizh.ch/~annal/Choropleth%20maps.html
  121. 121. • Mapas bivariados com diagramas de dispersão no SIG online Indie Mapper (http://indiemapper.com/) Legendas bivariadas como diagramas de dispersão % de UCs Marinhas %deUcsTerrestres Porcentagem do Território Nacional com Unidades de Conservação
  122. 122. Mapas coropléticos bivariados Hidasi-Neto, J. (2015) Bivariate Maps: "bivariate.map" Function. R Functions. Em: http://rfunctions.blogspot.com.br/2015/03/bivariate-maps-bivariatemap-function.html Sistema Aditivo Contínuo
  123. 123. Mapas coropléticos bivariados % de UCs Marinhas %deUCsTerrestres • Mapas bivariados contínuos com diagramas de dispersão no SIG online Indie Mapper (http://indiemapper.com/) Porcentagem do Território Nacional com Unidades de Conservação
  124. 124. Prática de Mapas Bivariados • No ArcMap, abra os shapefiles “para_eleicoes.shp” e “legenda_bivariada_para.shp” • O shapefile de legenda foi criado desenhando quadrados e depois convertendo em shapefile: “Drawing”->”Convert Graphics to Features”…, como fizemos na legenda de mapas de pontos
  125. 125. Prática de Mapas Bivariados • Abra as tabelas de cada um dos shapefiles 5000 15000 500000 TotaldeVotos % de Votos para Dilma 0.1 0.5 0.9
  126. 126. Prática de Mapas Bivariados • Clique duplo na camada “para_eleicoes”-> Aba “Symbology” • “Quantities”-> “Graduated colors” • “Value” -> “perc_dilma” • “Classes” = 3 • Clique em cada item em “Symbol” e escolha Azul, “50% Gray” e Vermelho fortes • Clique nos 2 primeiros itens em “Range” e escolha os limites “0.4”” e “0.6”
  127. 127. •Aba “Display” -> Transparent: “50%” • Duplo clique na camada “legenda_bivariada_para” -> Aba “Symbology” • Ícone “Import” -> Selecione o layer “para_eleicoes” e OK • “Value Field” = “perc_dilma” • Aba “Display” -> “Transparent” = “50%” Prática de Mapas Bivariados Legenda Bipolar
  128. 128. • Clique com o botão direito na camada “eleicoes_para” -> “Copy” • Clique em Layers -> “Paste layer(s)” • Renomeie a nova camada para “eleicoes_para_total” • Copie e cole também a camada “legenda_bivariada_para” e renomeie para “legenda_bivariada_para_total” • Rearraje as camadas na ordem ao lado Prática de Mapas Bivariados
  129. 129. Prática de Mapas Bivariados • Clique duplo na camada “para_eleicoes_total”-> Aba “Symbology” • “Value” -> “total voto” • Clique em cada item em “Symbol” e escolha Preto, “50% Gray” e Branco • Clique nos 2 primeiros itens em “Range” e escolha os limites “10000” e “20000” • Aba “Display” -> Transparent: “50%” Legenda Sequencial
  130. 130. • Duplo clique na camada “legenda_bivariada_para_total” -> Aba “Symbology” • Ícone “Import” -> Selecione o layer “para_eleicoes_total” e OK • “Value Field” = “total_voto” • Aba “Display” = “Transparent”: “50%” Prática de Mapas Bivariados Legenda Bipolar LegendaSequencial
  131. 131. Prática de Mapas Bivariados
  132. 132. Prática de Mapas Bivariados Após edição gráfica da legenda e demais elementos
  133. 133. Mapas Bivariados Plugins experimentais para mapas bivariados: • ArcGis https://blogs.esri.com/esri/arcgis/2015/09/15/making-bivariate-choropleth-maps-with-arcmap/ • QGis https://github.com/webgeodatavore/bivariate_legend
  134. 134. Representação Bivariada Martin E. Elmer. Symbol considerations for bivariate thematic mapping. Diploma thesis, University of Wisconsin-Madison, 2012.
  135. 135.  Geoestatística • Exercício individual • Selecione um tema à sua escolha e analise as variáveis com a técnica de krigagem e geovisualização multivariada • Utilize o QGis, SADA, ArcGis e/ou outros programas • Faça um relatório textual de no mínimo 1 página, de acordo com o modelo de trabalho e atividades explicado na primeira aula • Entrega até 25 de novembro (Sexta-Feira) Exercícios
  136. 136. Modelo de Trabalho e Atividades Introdução ◦ Apresentação do problema de pesquisa ◦ Artigos ou livros que já trataram sobre o assunto (método e conclusões) ◦ Objetivos ◦ Conceitos teóricos Metodologia ◦ Área de estudo ◦ Variáveis estudadas ◦ Técnicas utilizadas ◦ Produtos gerados Resultados e discussão ◦ Mapas, gráficos e tabelas ◦ Interpretação textual Conclusões Referências

×