Este documento apresenta uma aula sobre análise de pontos no ambiente R. Ele discute medidas centrográficas como centro médio e distância padrão, e mostra como calculá-las e visualizá-las usando pacotes como aspace e spatstat. Também fornece referências sobre livros e tutoriais online para aprendizado adicional sobre análise espacial de dados.
1) O documento introduz o uso de dados espaciais no R para estudos ambientais, apresentando os principais formatos, conversões e visualizações de dados espaciais no R.
2) É ensinado como importar, projetar e visualizar dados espaciais vetoriais e de malha no R, utilizando pacotes como sf, rgdal e raster.
3) Também é mostrado como relacionar dados espaciais com tabelas de atributos usando juntas no pacote dplyr.
Aula da disciplina de Uso de dados espaciais para estudos ambientais. Abril de 2019, Universidade Federal do ABC, Santo André - SP.
Base de dados disponível em: https://app.box.com/s/kqwpbxgvagtl9ygsodaat380nqjn1mp2
Gravação de aula disponível em: https://youtu.be/te1VN9iVFcM
Análise exploratória estatístico-espacial, Mapas de Kernel e Proximidade - QG...Vitor Vieira Vasconcelos
O documento apresenta uma introdução ao uso do software QGIS para análises multicritérios espaciais. Inclui preparação de dados espaciais e atributos, análise exploratória de dados, estatísticas descritivas, distribuições de frequência, estatísticas por categorias e correlação entre variáveis para inferência estatístico-espacial.
Análise de Eventos Pontuais - Distância padrão, Agregação, Mapas de Kernel, P...Vitor Vieira Vasconcelos
O documento discute técnicas de análise espacial de eventos pontuais, incluindo cálculo de centro médio e distância padrão, análise de padrões de agregação, funções K de Ripley e análise de lacunaridade. Vários exemplos e aplicações são apresentados para ilustrar como essas técnicas podem ser usadas para entender a distribuição espacial de fenômenos.
Este documento apresenta uma introdução aos métodos de interpolação e geoestatística no software R. Após uma breve introdução, o documento descreve métodos como vizinho mais próximo, inverso da distância, superfícies de tendência, funções de base radial e krigagem. Referências bibliográficas e tutoriais online são fornecidos para apoiar o aprendizado destes métodos espaciais.
O documento discute análise de agrupamentos, um método estatístico para classificar observações em grupos homogêneos com base em suas similaridades. Aborda medidas de similaridade, métodos de agrupamento como hierárquico e k-médias, e práticas no SPSS e QGIS para visualizar os resultados espacialmente.
Este documento descreve a prática de regressão espacial no software GeoDa e GWR. Inicialmente, é realizada uma regressão clássica no GeoDa para identificar problemas de autocorrelação espacial. Em seguida, são estimados modelos de regressão espacial ("Spatial Error" e "Spatial Lag") para lidar com essa autocorrelação. Por fim, é estimado um modelo de regressão geograficamente ponderada (GWR) no software GWR para capturar a heterogeneidade espacial.
1) O documento introduz o uso de dados espaciais no R para estudos ambientais, apresentando os principais formatos, conversões e visualizações de dados espaciais no R.
2) É ensinado como importar, projetar e visualizar dados espaciais vetoriais e de malha no R, utilizando pacotes como sf, rgdal e raster.
3) Também é mostrado como relacionar dados espaciais com tabelas de atributos usando juntas no pacote dplyr.
Aula da disciplina de Uso de dados espaciais para estudos ambientais. Abril de 2019, Universidade Federal do ABC, Santo André - SP.
Base de dados disponível em: https://app.box.com/s/kqwpbxgvagtl9ygsodaat380nqjn1mp2
Gravação de aula disponível em: https://youtu.be/te1VN9iVFcM
Análise exploratória estatístico-espacial, Mapas de Kernel e Proximidade - QG...Vitor Vieira Vasconcelos
O documento apresenta uma introdução ao uso do software QGIS para análises multicritérios espaciais. Inclui preparação de dados espaciais e atributos, análise exploratória de dados, estatísticas descritivas, distribuições de frequência, estatísticas por categorias e correlação entre variáveis para inferência estatístico-espacial.
Análise de Eventos Pontuais - Distância padrão, Agregação, Mapas de Kernel, P...Vitor Vieira Vasconcelos
O documento discute técnicas de análise espacial de eventos pontuais, incluindo cálculo de centro médio e distância padrão, análise de padrões de agregação, funções K de Ripley e análise de lacunaridade. Vários exemplos e aplicações são apresentados para ilustrar como essas técnicas podem ser usadas para entender a distribuição espacial de fenômenos.
Este documento apresenta uma introdução aos métodos de interpolação e geoestatística no software R. Após uma breve introdução, o documento descreve métodos como vizinho mais próximo, inverso da distância, superfícies de tendência, funções de base radial e krigagem. Referências bibliográficas e tutoriais online são fornecidos para apoiar o aprendizado destes métodos espaciais.
O documento discute análise de agrupamentos, um método estatístico para classificar observações em grupos homogêneos com base em suas similaridades. Aborda medidas de similaridade, métodos de agrupamento como hierárquico e k-médias, e práticas no SPSS e QGIS para visualizar os resultados espacialmente.
Este documento descreve a prática de regressão espacial no software GeoDa e GWR. Inicialmente, é realizada uma regressão clássica no GeoDa para identificar problemas de autocorrelação espacial. Em seguida, são estimados modelos de regressão espacial ("Spatial Error" e "Spatial Lag") para lidar com essa autocorrelação. Por fim, é estimado um modelo de regressão geograficamente ponderada (GWR) no software GWR para capturar a heterogeneidade espacial.
Aula da disciplina de Cartografia e Geoprocessamento Aplicada ao Planejamento Territorial, UFABC, março de 2017.
Gravação da aula disponível em: https://youtu.be/2kuHpSv6mmM
O documento discute técnicas de interpolação espacial e geoestatística, especificamente:
1) Revisa diferentes métodos de interpolação como krigagem, superfícies de tendência polinomiais e spline;
2) Explica conceitos-chave como variograma e dependência espacial isotrópica e anisotrópica;
3) Fornece exemplos práticos de interpolação usando krigagem ordinária, universal e indicativa.
Aula da disciplina de Epidemiologia de Doenças Transmissíveis, Universidade Federal do Maranhão, novembro de 2020.
Gravação de aula disponível em: https://youtu.be/luaLQzok59U
Este documento apresenta uma introdução ao uso de dados espaciais no programa R, abordando tópicos como formatos de dados espaciais, conversão entre formatos, reprojetação de sistemas de coordenadas, junção de dados tabulares e espaciais, visualização de dados espaciais e exportação de mapas. O documento também fornece referências bibliográficas e tutoriais online sobre análise espacial em R.
Este documento discute a análise de regressão espacial. A regressão é uma técnica estatística que analisa a relação entre variáveis, onde uma variável resposta pode ser explicada por outras variáveis preditoras. Quando se trabalha com dados espaciais, é importante verificar se há dependência espacial entre as observações, pois isso pode violar pressupostos dos modelos de regressão tradicionais. Existem várias abordagens para incorporar efeitos espaciais nos modelos de regressão, como modelos globais com parâmetros espaciais ou modelos
Aula da disciplina de Métodos e Técnicas de Análise da Informação para o Planejamento, Universidade Federal do ABC (UFABC), São Bernardo do Campo - SP, agosto de 2019
Gravação de aula disponível em: https://youtu.be/x7vZc-juuVY
Bases de dados disponíveis em: https://app.box.com/s/04py9qq5e2yumx6f2ivx5dpkddeotn0w
Webinar apresentado dia 3 de Julho de 2015 sobre Conceitos em Mapas de Kernel e suas Aplicações. Explica o que são e o potencial deste tipo de mapa para a análise espacial.
Este documento apresenta informações sobre interpolação e geoestatística no QGIS para análise multicriterial. Ele introduz o professor Vitor Vasconcelos e seus contatos, apresenta os objetivos e conteúdos da aula sobre interpolação, incluindo métodos como triangulação, vizinho natural, inverso da distância e regressão polinomial.
O documento discute conceitos de sistemas de informações geográficas e geoprocessamento, incluindo definições, modelagem de dados espaciais, projeções cartográficas e representações computacionais de mapas. Aborda também os diferentes universos de dados espaciais e como eles são representados em sistemas de geoprocessamento.
Representação de dados espaciais
Dados espaciais como modelos
Dependência espacial
Inferência espacial
Estruturação de bases de dados espaciais
Prática no QGIS
Portais de dados espaciais
Gravação de aula disponível em: https://youtu.be/5ac-zciebgE
1) O documento discute modelagem variográfica e geoestatística, que quantifica a autocorrelação espacial entre pontos de amostragem e como isso pode ser usado para estimar valores em pontos não amostrados.
2) A geoestatística se baseia na hipótese de que pontos mais próximos estão mais relacionados do que pontos distantes, e o variograma descreve matematicamente essa relação entre variância e distância.
3) A krigagem usa a autocorrelação espacial representada no variograma para estim
Aula de Cartografia e Geoprocessamento aplicados ao Planejamento Territorial, UFABC, abril de 2017
Gravação da aula disponível em: https://youtu.be/w43_HIZ1xoU
Bases de dados disponíveis em: https://www.dropbox.com/s/xo4qkkvrag0mdxv/15%2616_SR_Dados.zip?dl=0
O documento descreve o Projeto de Fortalecimento da Vigilância em Saúde em Minas Gerais, que tem como objetivos descentralizar ações para os municípios e fortalecer a vigilância no estado. O projeto prevê incentivo financeiro aos municípios, estrutura gestora nas regiões de saúde, ferramentas de trabalho como painel de monitoramento, e processos de formação contínua de profissionais. Após alguns anos de implementação, o projeto apresentou avanços como ampla adesão dos municípios,
Este documento discute mapeamento participativo e coremática. Resume conceitos como cartografia social, mapeamento colaborativo e insurgente. Explica como coremática usa formas geométricas para interpretar qualitativamente territórios. Descreve como coremática pode ser usada em mapeamentos participativos para expressar dinâmicas espaciais. Finalmente, relata uma atividade prática de mapeamento colaborativo online usando ferramentas digitais.
Aula de Métodos e Técnicas de Análise da Informação para Planejamento, UFABC, Jullho de 2017
Apresentação disponível em: https://youtu.be/Lo7wr_tqiK4
Bases de dados disponíveis em: https://app.box.com/s/2p9mw751ld2u9rz0ueglf49p1v94e8pv
QGIS 2.4: Sistemas de Referência de Coordenadas (SRC)Jorge Santos
Este documento discute sistemas de referência de coordenadas (SRC) no QGIS 2.4, incluindo sistemas de coordenadas geográficas e planas, modelos da Terra, e códigos EPSG utilizados no Brasil. O documento explica como trabalhar com projeções no QGIS e resolver problemas relacionados a falta de referência espacial.
Este documento resume uma dissertação de mestrado sobre a colaboração entre bibliotecários e professores para promover a leitura nas bibliotecas dos Institutos Federais do Rio Grande do Sul. A pesquisa investigou como a colaboração contribui para a promoção da leitura e elaborou um guia de orientações para bibliotecários. Os principais achados foram que bibliotecas que colaboram com professores desenvolvem mais atividades de leitura e que metade das bibliotecas pesquisadas não possuem práticas colaborativ
Este documento apresenta o uso da linguagem R para aplicações em planejamento territorial, incluindo a criação de mapas temáticos e faces de Chernoff para visualização de dados multivariados.
Aula de Informática Aplicada ao Planejamento Territorial - IPT, UFABC, 4 de novembro de 2016.
Apresentação disponível em: https://youtu.be/-Jf9OFglDiI
Bases de dados disponíveis em: https://app.box.com/s/0v7yjizlgacyyjcturb4s9yu1kzormgb
Aula da disciplina de Uso de dados espaciais em estudos ambientais, Universidade Federal do ABC (UFABC), março de 2020.
Gravação de aula disponível em: https://youtu.be/ap7IcO2Icgs
Base de dados disponíveis em: https://app.box.com/s/qf2hsg4b2uontvrawbk3el4fg9cxjufg
Aula da disciplina de Cartografia e Geoprocessamento Aplicada ao Planejamento Territorial, UFABC, março de 2017.
Gravação da aula disponível em: https://youtu.be/2kuHpSv6mmM
O documento discute técnicas de interpolação espacial e geoestatística, especificamente:
1) Revisa diferentes métodos de interpolação como krigagem, superfícies de tendência polinomiais e spline;
2) Explica conceitos-chave como variograma e dependência espacial isotrópica e anisotrópica;
3) Fornece exemplos práticos de interpolação usando krigagem ordinária, universal e indicativa.
Aula da disciplina de Epidemiologia de Doenças Transmissíveis, Universidade Federal do Maranhão, novembro de 2020.
Gravação de aula disponível em: https://youtu.be/luaLQzok59U
Este documento apresenta uma introdução ao uso de dados espaciais no programa R, abordando tópicos como formatos de dados espaciais, conversão entre formatos, reprojetação de sistemas de coordenadas, junção de dados tabulares e espaciais, visualização de dados espaciais e exportação de mapas. O documento também fornece referências bibliográficas e tutoriais online sobre análise espacial em R.
Este documento discute a análise de regressão espacial. A regressão é uma técnica estatística que analisa a relação entre variáveis, onde uma variável resposta pode ser explicada por outras variáveis preditoras. Quando se trabalha com dados espaciais, é importante verificar se há dependência espacial entre as observações, pois isso pode violar pressupostos dos modelos de regressão tradicionais. Existem várias abordagens para incorporar efeitos espaciais nos modelos de regressão, como modelos globais com parâmetros espaciais ou modelos
Aula da disciplina de Métodos e Técnicas de Análise da Informação para o Planejamento, Universidade Federal do ABC (UFABC), São Bernardo do Campo - SP, agosto de 2019
Gravação de aula disponível em: https://youtu.be/x7vZc-juuVY
Bases de dados disponíveis em: https://app.box.com/s/04py9qq5e2yumx6f2ivx5dpkddeotn0w
Webinar apresentado dia 3 de Julho de 2015 sobre Conceitos em Mapas de Kernel e suas Aplicações. Explica o que são e o potencial deste tipo de mapa para a análise espacial.
Este documento apresenta informações sobre interpolação e geoestatística no QGIS para análise multicriterial. Ele introduz o professor Vitor Vasconcelos e seus contatos, apresenta os objetivos e conteúdos da aula sobre interpolação, incluindo métodos como triangulação, vizinho natural, inverso da distância e regressão polinomial.
O documento discute conceitos de sistemas de informações geográficas e geoprocessamento, incluindo definições, modelagem de dados espaciais, projeções cartográficas e representações computacionais de mapas. Aborda também os diferentes universos de dados espaciais e como eles são representados em sistemas de geoprocessamento.
Representação de dados espaciais
Dados espaciais como modelos
Dependência espacial
Inferência espacial
Estruturação de bases de dados espaciais
Prática no QGIS
Portais de dados espaciais
Gravação de aula disponível em: https://youtu.be/5ac-zciebgE
1) O documento discute modelagem variográfica e geoestatística, que quantifica a autocorrelação espacial entre pontos de amostragem e como isso pode ser usado para estimar valores em pontos não amostrados.
2) A geoestatística se baseia na hipótese de que pontos mais próximos estão mais relacionados do que pontos distantes, e o variograma descreve matematicamente essa relação entre variância e distância.
3) A krigagem usa a autocorrelação espacial representada no variograma para estim
Aula de Cartografia e Geoprocessamento aplicados ao Planejamento Territorial, UFABC, abril de 2017
Gravação da aula disponível em: https://youtu.be/w43_HIZ1xoU
Bases de dados disponíveis em: https://www.dropbox.com/s/xo4qkkvrag0mdxv/15%2616_SR_Dados.zip?dl=0
O documento descreve o Projeto de Fortalecimento da Vigilância em Saúde em Minas Gerais, que tem como objetivos descentralizar ações para os municípios e fortalecer a vigilância no estado. O projeto prevê incentivo financeiro aos municípios, estrutura gestora nas regiões de saúde, ferramentas de trabalho como painel de monitoramento, e processos de formação contínua de profissionais. Após alguns anos de implementação, o projeto apresentou avanços como ampla adesão dos municípios,
Este documento discute mapeamento participativo e coremática. Resume conceitos como cartografia social, mapeamento colaborativo e insurgente. Explica como coremática usa formas geométricas para interpretar qualitativamente territórios. Descreve como coremática pode ser usada em mapeamentos participativos para expressar dinâmicas espaciais. Finalmente, relata uma atividade prática de mapeamento colaborativo online usando ferramentas digitais.
Aula de Métodos e Técnicas de Análise da Informação para Planejamento, UFABC, Jullho de 2017
Apresentação disponível em: https://youtu.be/Lo7wr_tqiK4
Bases de dados disponíveis em: https://app.box.com/s/2p9mw751ld2u9rz0ueglf49p1v94e8pv
QGIS 2.4: Sistemas de Referência de Coordenadas (SRC)Jorge Santos
Este documento discute sistemas de referência de coordenadas (SRC) no QGIS 2.4, incluindo sistemas de coordenadas geográficas e planas, modelos da Terra, e códigos EPSG utilizados no Brasil. O documento explica como trabalhar com projeções no QGIS e resolver problemas relacionados a falta de referência espacial.
Este documento resume uma dissertação de mestrado sobre a colaboração entre bibliotecários e professores para promover a leitura nas bibliotecas dos Institutos Federais do Rio Grande do Sul. A pesquisa investigou como a colaboração contribui para a promoção da leitura e elaborou um guia de orientações para bibliotecários. Os principais achados foram que bibliotecas que colaboram com professores desenvolvem mais atividades de leitura e que metade das bibliotecas pesquisadas não possuem práticas colaborativ
Este documento apresenta o uso da linguagem R para aplicações em planejamento territorial, incluindo a criação de mapas temáticos e faces de Chernoff para visualização de dados multivariados.
Aula de Informática Aplicada ao Planejamento Territorial - IPT, UFABC, 4 de novembro de 2016.
Apresentação disponível em: https://youtu.be/-Jf9OFglDiI
Bases de dados disponíveis em: https://app.box.com/s/0v7yjizlgacyyjcturb4s9yu1kzormgb
Aula da disciplina de Uso de dados espaciais em estudos ambientais, Universidade Federal do ABC (UFABC), março de 2020.
Gravação de aula disponível em: https://youtu.be/ap7IcO2Icgs
Base de dados disponíveis em: https://app.box.com/s/qf2hsg4b2uontvrawbk3el4fg9cxjufg
Aula da disciplina de Cartografia e Geoprocessamento Aplicada ao Planejamento Territorial, Universidade Federal do ABC (UFABC), fevereiro de 2024. Gravação: https://youtu.be/oRZpD3khaFA
Este documento fornece uma introdução aos conceitos básicos do ArcGIS e como organizar e trabalhar com dados no ArcMap. Ele explica os principais formatos de arquivos reconhecidos pelo ArcGIS, como organizar dados no ArcCatalog e as ferramentas básicas do ArcMap, incluindo como adicionar e simbolizar camadas, selecionar dados, criar mapas temáticos e georreferenciar arquivos.
O documento discute conceitos fundamentais de geotecnologias, incluindo planejamento, gestão e ciências associadas como topografia, cartografia e sensoriamento remoto. Também aborda aplicações de geotecnologias em áreas como recursos hídricos, gestão ambiental e agronegócio, além de conceitos como sistemas de coordenadas, escalas e projeções cartográficas.
Assistente de passo a passo para realização de tarefas comuns.
Entrada e Edição de arquivos
Abrir o ArcCatalog
No menu Arquivo > Abrir > Pasta
Selecione a pasta ...:\temp\00ProjetoGeo
Clique duas vezes sobre os arquivos .dbf gerados no Excel para visualizá-los no ArcCatalog.
No ArcCatalog, clique com o botão direito sobre os arquivos .dbf > Propriedades.
Observe que aparecem as colunas e seus tipos.
Abrir o ArcMap
No menu Arquivo > Novo > Projet
Apresentado por Jesus P Mena-Chalco Professor doutor em Ciência da Computação da Universidade Federal do ABC (UFABC), atuando nas áreas de Ciência da Computação e Ciência da Informação no I Simpósio Internacional Network Science em Nov/2017 no Rio de Janeiro
Documento Disponível para acesso em https://www.researchgate.net/publication/320919659_ScriptLattes_Extracao_de_conhecimento_e_visualizacao_de_dados_da_Plataforma_Lattes?channel=doi&linkId=5a025d79aca2720df3ca66e6&showFulltext=true
Disciplina de Dados Espaciais para Estudos Ambientais, UFABC, Santo André, fevereiro de 2019.
Dados de aula disponíveis em: https://app.box.com/s/05wzmkktgy73ps23h8j9su14e5pm8fy7
1. O documento descreve o processo de regionalização usando o método Skater no software TerraView.
2. Inclui etapas como correção topológica, escolha de atributos, execução do algoritmo e comparação dos resultados para anos de 1980 e 1991.
3. Também apresenta análises alternativas usando população mínima por região como critério de agregação.
TDC Conn 2022_ O Esqueleto de um Projeto de Dados (2).pdfFernandoIto8
O documento fornece um guia sobre as etapas, competências e ferramentas essenciais para projetos de ciência de dados. Ele discute planejamento, raspagem, wrangling, pesquisa, modelagem, MLOps, implantação e análise como componentes principais de um projeto de dados, fornecendo exemplos de ferramentas para cada etapa. O documento também fornece um exemplo de como essas etapas podem ser aplicadas para um projeto de análise de sentimento de tweets sobre o Big Brother Brasil.
Apresentação da dissertação de mestrado titulado: Clusterização e Visualização Espaço-Temporal de dados georreferenciados adaptando o algoritmo Marker Clusterer – Um caso de uso em Curitiba. UTFPR 2016
Este documento apresenta uma dissertação de mestrado sobre clusterização baseada em algoritmos fuzzy. O trabalho propõe duas novas distâncias adaptativas para o algoritmo fuzzy c-means e avalia seu desempenho em comparação com outras abordagens. Os resultados experimentais indicam que as novas versões do algoritmo fuzzy c-means com distâncias adaptativas geralmente apresentam melhor desempenho do que métodos similares disponíveis na literatura.
Este documento apresenta o software ArcGIS e suas ferramentas básicas para análise espacial. Detalha os principais formatos de arquivos reconhecidos, como organizar dados no ArcCatalog e utilizar ferramentas no ArcMap, incluindo adicionar layers, simbologia, seleção de dados e criação de mapas.
Este documento apresenta as ferramentas básicas do software ArcGIS para análise de dados geoespaciais, incluindo formatos de arquivos reconhecidos, organização de dados no ArcCatalog, interface e ferramentas do ArcMap, criação de mapas temáticos e georreferenciamento.
Este documento fornece um resumo da programação de um curso sobre Geoprocessamento ministrado pela professora Cristiane Nunes Francisco na Universidade Federal Fluminense. O curso aborda conceitos como geoprocessamento e sistemas de informação geográfica, modelos de representação de dados geográficos, levantamentos de dados e aplicações de geoprocessamento.
Este documento descreve uma disciplina de Sistemas de Informação Geográfica II lecionada no 3o ano. Os alunos aprenderão técnicas avançadas de SIG, como geoprocessamento, análises espaciais, interpolação e lógica fuzzy. A disciplina combina fundamentos teóricos e aplicações práticas através de aulas, exercícios e projetos para que os alunos desenvolvam habilidades com ferramentas SIG.
Disciplina de Cartografia e Geoprocessamento para o Planejamento Territorial, Universidade Federal do ABC (UFABC), março de 2024. Gravação: https://youtu.be/P3nOQ4J4FX8
Aula da disciplina de Cartografia e Geoprocessamento aplicados ao Planejamento Territorial, Universidade Federal do ABC (UFABC), fevereiro de 2024. Gravação: https://youtu.be/N4ByQ6xT9IY
Tutorial de econometria espacial utilizando o stataRicardo Schuch
1) O documento apresenta um tutorial sobre econometria espacial utilizando o software Stata. 2) Ele explica como instalar pacotes, importar shapefiles, gerar matrizes de pesos espaciais, testar dependência espacial e realizar regressões espaciais. 3) São apresentados diversos modelos de regressão espacial como SAR, SEM, SAC e SDM.
Relationships among socioeconomic affluence, yard management, and biodiversityVitor Vieira Vasconcelos
1) The study examined the relationships between socioeconomic factors, yard management practices, and biodiversity in residential yards in Gainesville, Florida.
2) A survey of 102 homeowners found that higher socioeconomic affluence (e.g. larger house size, value, land area) increased natural resource consumption like water and fertilizer use in yards.
3) However, yard biodiversity did not clearly increase with socioeconomic affluence and seemed more related to yard maintenance styles and cultural preferences. Professional yard maintenance was linked to lower reported plant diversity in back yards.
4) Spatial patterns in neighborhoods partially overlapped with socioeconomic patterns and influenced yard biodiversity and management.
O documento apresenta o jogo Fishbanks, uma simulação de gerenciamento de pesca. O jogo coloca os participantes no papel de empresas pesqueiras que competem entre si explorando três áreas de pesca (porto, águas costeiras e profundas) sujeitas a variações nas populações de peixes e capturas. O objetivo é maximizar o patrimônio líquido no fim do jogo por meio de estratégias de aquisição de barcos, alocação entre áreas e gestão dos custos e receitas da pesca.
Este documento discute regimes de apropriação de recursos naturais e bens de uso comum no Brasil. Ele explica que regimes de propriedade refletem as relações humanas com a natureza e podem ser sustentáveis ou não. O documento também descreve casos relevantes de bens de uso comum no Brasil, incluindo pesca, unidades de conservação, terras devolutas e terras indígenas.
O documento discute recursos comuns e a tragédia dos comuns. Apresenta o conceito de recursos comuns como aqueles que pertencem a todos os usuários e são de difícil controle de acesso. Explica a "tragédia dos comuns" como a situação em que o interesse individual de cada usuário leva ao esgotamento do recurso comum, contrariando o interesse coletivo de longo prazo. Discute estratégias como propriedade privada, regulação coletiva e valoração econômica para evitar esse problema.
Este documento discute as interações entre sistemas naturais e sociais por meio da ecologia humana, do conceito de capital natural e da modelagem de sistemas. Apresenta diferentes abordagens como a escola de ecologia humana de Chicago e a economia ecológica, além de tipos de capital como natural, humano e social. Explora também a modelagem sistêmica de relações ecológicas e o uso sustentável de recursos comuns.
Disciplina da Planejamento e Política Ambiental. Universidade Federal do ABC - UFABC, setembro de 2020.
Gravação de aula disponível em: https://youtu.be/KZOpbdhA-6A
Disciplina de Planejamento e Política Ambiental. Universidade Federal do ABC - UFABC. Setembro de 2020.
Gravação de aula disponível em: https://youtu.be/zFWhgfCITFI
Este documento apresenta as bases teóricas e conceituais do planejamento e política ambiental. Aborda a história destas áreas desde a Grécia Antiga, conceitos como ecologia, ecossistema e teoria dos sistemas, e marcos do pensamento ambiental como a Conferência de Estocolmo. Também define os conceitos de política, gestão, planejamento e gerenciamento ambiental e discute onde ocorre o planejamento ambiental.
O documento discute conceitos e abordagens de planejamento territorial, apresentando: 1) Os objetivos e escalas de atuação do planejamento territorial, como definir onde investir recursos de forma a reduzir desigualdades; 2) Os diferentes métodos e ferramentas de planejamento, como zoneamento ambiental e planos diretores; 3) A importância da participação social no processo de planejamento.
O documento discute cartografia social e mapeamento participativo, comparando cartografias oficiais e sociais em diferentes casos como planejamento de ocupação do solo, manejo de recursos naturais, disputas territoriais e formação de identidades. Apresenta exemplos de mapeamentos colaborativos em favelas e assentamentos e cartografias insurgentes que contestam grupos dominantes.
Aula da disciplina de Território e Sociedade, Universidade Federal do ABC - UFABC, São Bernardo do Campo - SP, maio de 2020.
Gravação de aula disponível em: https://youtu.be/LXI3hpxYYIw
O documento discute os conflitos fundiários no Brasil, abordando tópicos como a geração de escassez artificial de terras, os conceitos de direito de propriedade, a reforma agrária e os movimentos de habitação urbana e rural. Apropriação indevida de terras, grilagem e falta de cumprimento da função social da propriedade são apontados como causas de conflitos que envolvem movimentos sociais como o MST e o MTST.
Este documento discute conflitos territoriais no Brasil, abordando conceitos como transterritorialidade, territórios de exceção e ondas de difusão espacial. Apresenta exemplos de disputas por território entre facções criminosas no Rio de Janeiro e analisa como grandes eventos esportivos impactaram a ocupação do solo urbano. Explora também relações territoriais de povos indígenas e a evolução da economia e do uso da terra ao longo da história brasileira.
Este documento descreve a história da Chácara da Baronesa, localizada entre Santo André e São Bernardo do Campo. A área foi originalmente um haras no século XX, mas passou por diferentes usos desde então, incluindo um conjunto habitacional planejado. Atualmente, a área é um parque estadual, porém existem conflitos sobre ocupações irregulares e questões ambientais. O documento analisa as relações de poder sobre este território ao longo do tempo.
O documento discute os conceitos de território, povo, nação, soberania e nacionalismo. Aborda exemplos como a situação de Puerto Rico, os povos curdos e palestinos, e os conflitos étnicos na África. Argumenta que as abordagens de governo baseadas em redes, ao invés de fronteiras, podem promover mais cooperação entre cidades no futuro.
O documento discute padrões de segregação e interação territorial em três dimensões: 1) Segregação territorial em diferentes escalas espaciais como bairros, cidades e estados; 2) Desenvolvimento desigual e combinado no capitalismo gerando assimetrias regionais; 3) Expansão urbana e processos de segregação e gentrificação nas cidades.
Aula da disciplina de Território e Sociedade, Universidade Federal do ABC (UFABC), São Bernardo do Campo, março de 2020.
Gravação de aula disponível em: https://youtu.be/T-ZMro0pOW0
1) O documento discute conceitos relacionados a território, sociedade, ambiente e representações de espaço.
2) Aborda a relação entre seres humanos e ambiente, assim como conceitos de paisagem, lugar, região e não-lugar.
3) Discutem-se representações e sentimentos ligados a paisagens, como a do Cristo Redentor no Rio de Janeiro.
Este documento discute conceitos fundamentais sobre espaço e território. Apresenta definições de termos como espaço geográfico, região, regionalização e território. Também aborda a interpretação do espaço com base em atributos como tamanho, forma, padrão e estrutura. Por fim, reflete sobre a constelação de conceitos relacionados ao espaço e território.
Aula da disciplina de Território e Sociedade, Universidade Federal do ABC, fevereiro de 2020
Gravação de aula disponível em: https://youtu.be/6_OTkqStTRE
Atividade letra da música - Espalhe Amor, Anavitória.Mary Alvarenga
A música 'Espalhe Amor', interpretada pela cantora Anavitória é uma celebração do amor e de sua capacidade de transformar e conectar as pessoas. A letra sugere uma reflexão sobre como o amor, quando verdadeiramente compartilhado, pode ultrapassar barreiras alcançando outros corações e provocando mudanças positivas.
Educação trabalho HQ em sala de aula uma excelente ideia
Análise de Pontos em R
1. Análise de
Pontos em RÂngela Terumi Fushita
Vitor Vieira Vasconcelos
Introdução ao uso de dados espaciais para estudos ambientais
Programa de Pós-Graduação em Ciência e Tecnologia Ambiental
Universidade Federal do ABC
Abril, 2019
Santo André - SP
4. Conteúdo
•Centro médio e distância padrão
•Análise de agrupamento
•Mapas de kernel
•Mapas de proximidade
5. Materiais de aula disponíveis em:
Baixar os dados em: D:/R_CTA/aula7/
https://app.box.com/s/7uptxj9qkl3akccd322fj1fxujtobvga
6. Leitura Prévia
Capítulos
2 - Análise de Eventos Pontuais
3 - Análises de Superfícies por Geoestatística Linear
DRUCK, S.; CARVALHO, M. S.; CÂMARA, G.;
MONTEIRO, A.V.M (eds). Análise Espacial de Dados
Geográficos. Brasília: EMBRAPA, 2004. Disponível
em: http://www.dpi.inpe.br/gilberto/livro/analise/
7. Livros de Referência
Baddeley, A., Rubak, E. and Turner, R., 2015. Spatial point
patterns: methodology and applications with R. Chapman
and Hall/CRC.
PDF: https://yadi.sk/i/rdC4-6m-XpjvPQ
Site de apoio: http://book.spatstat.org/
Conteúdos:
●
Formato espacial ppp (pacote spatstat)
●
Análise de agrupamento
●
Mapas de kernel
8. Livros de Referência
Bivand, Roger. S., Pebesma, E. J., Gomez-Rubio, V., &
Pebesma, E. J. (2013). Applied spatial data analysis with R.
New York: Springer..
https://app.box.com/s/uti6bqyiscqpoqu2dsmd06yk5xw5m9qw
Site de apoio: https://asdar-book.org/
●
Conteúdo de referência
– Dados vetoriais e raster (formato sp)
– Interpolação e Geoestatística
– Autocorrelação espacial
9. Livros de Referência
Gimond, Manuel. Intro to GIS and Spatial Analysis. Colby Arts
College, 2019 . https://mgimond.github.io/Spatial/index.html
●
Conteúdo:
– Análise de padrões pontuais
– Autocorrelação espacial
– Interpolação e geoestatística
Lansley, Guy; Chesire, James. (2016) An introduction to spatial data
analysis and visualisation in R. Consumer Data Research Centre.
http://www.spatialanalysisonline.com/An%20Introduction%20to%20Spatial%20Data%20Analysis%20in%20R.pdf
●
Conteúdo:
– Mapas de kernel
– Autocorrelação espacial
– Interpolação
11. Principais pacotes para análise de pontos em R
●
Centro médio e distância padrão
– aspace
●
Análise de agrupamentos
– spatstats
●
Mapas de kernel
– spatstats
– adehabitatHR (distribuição de utilização)
●
Mapas de distância
– spatstat
– gdistance
12. Bases de dados pontuais
- Ocorrência de Espécies (Global)
◦ http://www.gbif.org/occurrence/search
- Queimadas (América do Sul)
◦ http://www.inpe.br/queimadas/bdqueimadas/
- Cavernas (Nacional)
◦ http://www.icmbio.gov.br/cecav/canie.html
- Dados de poços – SIAGAS (Nacional)
◦ http://siagasweb.cprm.gov.br/layout/pesquisa_complexa.php
- Lançamentos imobiliários, escolas e equipamentos de saúde
(Região Metropolitana de São Paulo)
◦ http://www.fflch.usp.br/centrodametropole/716
- Infraestrutura Urbana e Áreas Contaminadas
(Município - São Paulo)
http://geosampa.prefeitura.sp.gov.br/
http://dados.prefeitura.sp.gov.br/ca/dataset/areas-contaminadas/resource/93908e9d-002e-461b-bdb8-3fab485b3302
13. Construção de Bases de dados pontuais
• Geocodificação de bases de dados com
endereços
§ geocode( ) - pacote ggmap
• Centróide de polígonos
st_centroid( ) - pacote sf
14. Conteúdo
•Centro médio e distância padrão
•Análise de agrupamento
•Mapas de kernel
•Mapas de proximidade
15. 15
Medidas centrográficas espaciais
n Incêndios florestais em
2003 em San Diego
n Perguntas
q Onde é a localização
media dos incêndios?
q Quão dispersos eles são?
q Onde você colocaria uma
estação de combate a
incêndios florestais?
Li, A. 2015. Spatial Statistics and Analysis Methods. GEOG 104. San Diego University. Em: http://slideplayer.com/slide/5777801/
17. (0,0)
Centro médio
q Calcular o centro médio
● Centro médio de X:
● Centro médio de Y:
X
#6 (300,250)
#7(550,200)
#5 (500,350)
#4 (400,500)
#2 (380,650)
#3 (480,620)
#1 (580,700)
Y
n
y
Y
n
x
X
C
C
14,467
7
)200250350500620650700(
71,455
7
)300550500400480380580(
C
C
Y
X
(600, 0)
(0, 763)
(456,467)
Centro médio
Li, A. 2015. Spatial Statistics and Analysis Methods. GEOG 104. San Diego University. Em: http://slideplayer.com/slide/5777801/
19. Distância Padrão
(0,0)
X
#6 (300,250)
#7(550,200)
#5 (500,350)
#4 (400,500)
#2 (380,650)
#3 (480,620)
#1 (580,700)
Y
(600, 0)
(0, 763)
(456,467)Centro médio
SD=208.52
Li, A. 2015. Spatial Statistics and Analysis Methods. GEOG 104. San Diego University. Em: http://slideplayer.com/slide/5777801/
20. Centro médio e distância padrão
ponderados
q E se os incêndios de maior área tivessem maior
influência no centro médio?
i
ii
wc
f
Xf
X
i
ii
wc
f
Yf
Y
)()(
)()(
2
2
2
2
22
wc
i
ii
wc
i
ii
WD
i
wciiwcii
WD
Y
f
Yf
X
f
Xf
S
f
YYfXXf
S
Definição
Computação
Li, A. 2015. Spatial Statistics and Analysis Methods. GEOG 104. San Diego University. Em: http://slideplayer.com/slide/5777801/
21. Distância Ponderada
(0,0)
X
#6 (300,250)
#7(550,200)
#5 (500,350)
#4 (400,500)
#2 (380,650)
#3 (480,620)
#1 (580,700)
Y
(600, 0)
(0, 763)
(456,467)Centro médio
Distância padrão
=208.52
Distância padrão
ponderada =202.33
(476,428)Centro médio
ponderado
Li, A. 2015. Spatial Statistics and Analysis Methods. GEOG 104. San Diego University. Em: http://slideplayer.com/slide/5777801/
22. 22
Análise Final
(0,0)
X
#6 (300,250)
#7(550,200)
#5 (500,350)
#4 (400,500)
#2 (380,650)
#3 (480,620)
#1 (580,700)
Y
(600, 0)
(0, 763)
(456,467)Centro médio
Distância padrão
= 208.52
Distância padrão
ponderada = 202.33
(476,428)Centro médio
ponderado
Li, A. 2015. Spatial Statistics and Analysis Methods. GEOG 104. San Diego University. Em: http://slideplayer.com/slide/5777801/
23. The Pennsylvania State University (2007). Geography 586 Geographic Information
Analysis. Point Pattern Analysis, Lesson 4, Project 4. The Pennsylvania State
University World Campus Certificate Program in GIS.
Elipse de Distância Padrão
26. ●
Criar um novo script de
programação
●
Abrir o script aula7.R
27. ●
Configurar o diretório de trabalho
●
Exemplo de código:
setwd("D:/R_CTA/aula7")
●
Confirmando o diretório de trabalho
getwd()
28. ●
É sempre recomendável verificar
atualizações nos pacotes instalados antes
de começar a trabalhar
Comando:
update.packages(ask=FALSE)
Pacotes básicos:
install.packages("raster")
install.packages("sf")
install.packages("rgdal")
library(raster)
library(sf)
library(rgdal)
29. ## outros pacotes que vamos usar ao longo da aula
#install.packages("aspace")
#install.packages("spatstat")
#install.packages("maptools")
#install.packages("adehabitatHR")
#install.packages("tmap")
#library(aspace)
#library(spatstat)
#library(maptools)
#library(adehabitatHR)
#library(tmap)
31. Medidas centrográficas
Pacote “aspace”
●
Medidas centrais:
Centro médio
Centro mediano
Ponto central
Centro de menor distância
●
Medidas de dispersão
Círculo de distância padrão
Retângulo (box) de distância padrão
Elipse de distância padrão
32. Medidas centrográficas
Pacote “aspace”
●
Arquivos de entrada:
– Tabela (data.frame) com coordenadas x e y
– Vetor com um atributo numérico com o
mesmo número de pontos (opcional)
●
Articulação com o pacote “shapefiles”
– Montar shapefiles a partir de “tijolinhos” de
informação
– É possível montar arquivo “sf” a partir desses
“tijolinhos”
33. Adicionar dados de entrada
mun <- st_read("mun_abc.shp")
pocos <- st_read("pocos_abc.shp")
cetesb <- st_read("cetesb.shp")
plot(st_geometry(mun))
plot(st_geometry(pocos), pch=20, cex=0.4, col=4, add=TRUE)
plot(cetesb, pch=17, col=2, add=TRUE)
Poços do sistema SIAGAS
Escritório da CETESB no ABC
Municípios do ABC
Poços do sistema SIAGAS
Escritório da CETESB no ABC
Municípios do ABC
Bola Tamanho Azul
Triângulo Vermelho
34. Preparar dados de entrada
●
Instalar o pacote aspace
install.packages("aspace")
library(aspace)
●
Criar data.frame com coordenadas dos poços
pocos_xy <- st_coordinates(pocos)
View(pocos_xy)
36. Centro Médio e Distância padrão
dev.new()
plot_sdd(centre.pch=18,centre.col=6,sdd.col=7,titletxt="Pocos")
plot(st_geometry(mun), add=TRUE)
plot(cetesb, pch=17, col=2, add=TRUE)
Losângulo Círculo
amarelo
Rosa Título
37.
38. Centro Médio e Elipse padrão
calc_sde(points = pocos_xy)
plot_sde(centre.pch=18,centre.col=6,sde.col=7,titletxt="Pocos")
plot(st_geometry(mun), add=TRUE)
plot(cetesb, pch=17, col=2, add=TRUE)
39. Medidas ponderadas
●
Vamos usar apenas os poços com dados de vazão
pocos_vazao<-subset(pocos, is.na(pocos$vazao_esta)==FALSE)
View(pocos_vazao)
View(pocos)
Verifica se o valor do
atributo não é nulo (NA)
< 200m de áreas
contaminadas
Vazão Estática:
Vazão que o poço consegue
manter de maneira constante
43. Converter para Simple Features
Pacote sf
sfg
Geometria de um objeto
sfg
Geometria de um objeto
sfg
Geometria de um objeto
sfc
Lista de geometrias de
objetos
Simple feature geometry
Simple feature column
sf
data.frame de
atributos e sfc
Simple feature
44. Converter para Simple Features
centro_medio <- st_as_sf(sdeatt, coords=c("CENTRE.x","CENTRE.y"), crs=st_crs(pocos))
Base
de
dados
Coordenadas Projeção
coordenadas_elipse <- sdeloc[2:3]
View(coordenadas_elipse)
elipse_sfg <- st_polygon(list(as.matrix(coordenadas_elipse)))
elipse_sfc <- st_sfc(elipse_sfg, crs=st_crs(pocos))
elipse_sf <- st_sf(elipse_sfc)
50. Padrões de Agregação
Estacionário: pontos distribuídos de forma homogênea
(regular ou aleatória)
Não-estacionário: pontos se concentram em uma região do mapa
Isotrópico: pontos são distribuídos em todas as direções do mapa
Elipse de distância padrão = círculo pefeito no centro do mapa
Exemplo: pode rodar o mapa que o padrão não muda
Não isotrópico: pontos se concentram em uma direção
56. Função K de Ripley
Ripley, B.D. Modelling spatial patterns. J. R. Stat. Soc. Series B Stat. Methodol. 1977; 39: 172–192
d = distância
A = área de estudo
K(i,j) = peso -> se a distância < “d”, então peso é um, senão o peso é zero
n = número total de pontos na área de estudo
Mais robusto que o método do
Vizinho mais Próximo
58. Função K de Ripley
ESRI. How Multi-Distance Spatial Cluster Analysis: Ripley's k-function (Spatial Statistics) works
Simulado
Real
Pense no
monitoramento de cães
selvagens
- Escala micro: os cães
da mesma matilha
estão próximos
- Escala macro: as
matilhas se
mantém em
territórios
regularmente
espaçados
59. Análise de Lacunaridade
Plotnick, R. E., Gardner, R. H., & O'Neill, R. V. (1993). Lacunarity indices as measures of
landscape texture. Landscape ecology, 8(3), 201-211.
60. Plotnick, R. E., Gardner, R. H., & O'Neill, R. V. (1993). Lacunarity indices as measures of
landscape texture. Landscape ecology, 8(3), 201-211.
Aleatório
diferentes
padrões de
lacunas
Análise de Lacunaridade
61. Plotnick, R. E., Gardner, R. H., & O'Neill, R. V. (1993). Lacunarity indices as measures of
landscape texture. Landscape ecology, 8(3), 201-211.
Análise de Transectos Lineares
62. Extendendo os padrões de agregação
Padrões de agregação em
§ 3 dimensões (cubo)
§ 4 ou mais dimensões
Ø Espaciais, mistas ou não-espaciais
63. Formatos do Pacote spatstat
●
ppp (point process pattern)
– coordenadas + extensão
– marks (marca) = atributo
●
owin (observation window)
– área de interesse
●
im (image)
– raster
64. Criando um objeto ppp
arquivo_ppp <- ppp(x, y, xrange, yrange, marks=m)
Exemplo:
arquivo_ppp <- with(fp, ppp(x, y, c(-5,5), c(-8,2), marks=diameter))
Coordenadas
Atributos
(vetor ou tabela)
Área de
interesse
Área de
interesse
65. Conversões de formato
● Função “as” do pacote “maptools”
● sf para sp
arquivo_sp <- as(arquivo_sf, “Spatial”)
● sp para ppp
arquivo_ppp <- as(arquivo_sp, “ppp”)
● sp para sf
arquivo_sf <- st_as_sf(arquivo_sp)
73. Conteúdo
•Centro médio e distância padrão
•Análise de agrupamento
•Mapas de kernel
•Mapas de proximidade
74. Mapas de Kernel
Mapa de Pontos de Focos de Queimada Mapa de kernel de Focos de Queimada
Kazmierczak, M. 2015. Queimadas em Cana-de-Açúcar: Monitoramento e Prevenção. MundoGeo. Em:
http://mundogeo.com/blog/2015/09/28/queimadas-em-areas-de-cana-de-acucar-monitoramento-e-prevencao-2/
75. Mapas de Kernel
CÂMARA, Gilberto; CARVALHO, Marilia Sá. Análise espacial de eventos. Em: Análise espacial de dados
geográficos. Embrapa Cerrados, Planaltina, p. 53-122, 2004.
76. Mapas de Kernel
ODDI, G. 2014. Mapa de calor: como atuam os candidatos ao meio-campo ofensivo da seleção de Felipão. ESPN. Em:
http://espn.uol.com.br/post/388493_mapa-de-calor-como-atuam-os-candidatos-ao-meio-campo-ofensivo-da-selecao-de-felipao
77. Mapas de Kernel
Concentração de Incêndios urbanos
Concentração de Hidrantes
Comparação de Zonas Quentes e Frias
SANTOS, L.S. 2014. Geoprocessamento aplicado a gestão e análise das ocorrências de incêndios urbanos no
centro histórico de Belém-PA - 2009 a 2011. Faculdade Internacional de Curitiba.
78. Mapas de Kernel
ØQuando vale a pena utilizá-los?
•Quando a concentração de pontos em uma mapa
faz com que sua visualização fique confusa
Ex: Mapa de pontos de queimada
•Para estimar a possibilidade de encontrar um certo
evento no espaço, dada uma amostra de pontos
inicial
Ex: Como Neymar deve ser comportar no próximo jogo?
79. Mapas de Kernel
Tipos de resposta mapeada
• Densidade:
§ focos de queimada / km2
• Probabilidade:
§ chance (%) do Neymar se encontar em um ponto do campo
• Qualitativa: Baixa / Média / Alta
§ Esconde informações do leitor Densidade
Qualitativa
Probabilidade
5-10 hab/km2
1-5 hab/km2
0.1-1 hab/km2
Alta
Média
Baixa
50%
50 a 90%
90 a 100%
80. Mapas de Kernel
Pixel do raster peso do ponto para o pixel do raster
Ponto distância do do pixel do raster até o ponto
81. Mapas de Kernel
Amberg, B. 2008. A Range of Different Kernels. Em: https://commons.wikimedia.org/wiki/File:Kernels.svg
82. Mapas de Kernel
BERGAMASCHI, R. B. SIG Aplicado a segurança no trânsito - Estudo de Caso no município de Vitória – ES.
Universidade Federal do Espírito Santo – UFES, 2010.
86. Diferentes Raios
para o Kernel
Fowler, H.G. 2013. Amostragem por pontos. Ecologia de Populações.
Em: http://pt.slideshare.net/popecologia/amostragem-pontual
87. E então, qual raio de Kernel escolher?
●
1ª abordagem: Que padrão você quer analisar?
– Transições graduais Raios maiores
– Pequenos agrupamentos Raios menores
●
2ª abordagem: Você quer um mapa informativo
– O raio que mostre a maior diferenciação espacial entre as áreas
– Um bom início seria testar um raio igual à distância padrão
– Mapas de Kernel Adaptativo
●
3ª abordagem: Você quer um mapa válido
– Caso sejam adicionados mais dados, o padrão deve ficar semelhante
– Métodos de Estimação de Kernel
Mapa de Kernel
88. Mapas de kernel no R
pocos_kernel_1000 <- density(pocos_ppp, sigma = 1000)
plot(pocos_kernel_1000)
plot(st_geometry(mun), add=TRUE)
Raio
Intensidade:
Ocorrência de
poços por
metro quadrado
89. Mapas de kernel no R
persp(pocos_kernel_1000, theta = 320, phi=40,
colmap=terrain.colors(128), shade=0.2)
Orientação do cubo
Cores Sombra de
iluminação
90. Exercício 3
●
Fazer mapas de kernel com raio de 500
metros e de 2000 metros, e comparar os
resultados
91. Estimação de Kernel
Validação Cruzada:
Escolher a distância H
que minimize:
onde ĝ−1 ( si ) é a estimativa de g( si ) construída com o
valor de banda h usando todos os dados com exceção do
par (si, zi)
Loader, C. (1999) Local Regression and Likelihood. Springer, New York.
92. Estimação de Kernel
Probabilidade de roubos comerciais em Vancouver
Couch, Paul (2007), Crime Geography and GIS:
A Break and Enter Crime Analysis of Ottawa,
Ontario Using CrimeStat, Crime GIS
93. Estimação de kernel
●
Estimação por validação cruzada
raio_otimo <- bw.ppl(pocos_ppp)
raio_otimo
plot(raio_otimo)
sigma
828.4746
Raio de kernel
Eficiênciadavalidaçãocruzada
94. Estimação de kernel
pocos_kernel <- density(pocos_ppp, sigma = raio_otimo, se=TRUE)
pocos_kernel
Mapa de
incertezaRaio de kernel
$estimate
real-valued pixel image
128 x 128 pixel array (ny, nx)
enclosing rectangle: [333650, 368600] x [7362300, 7388600] units
$SE
real-valued pixel image
128 x 128 pixel array (ny, nx)
enclosing rectangle: [333650, 368600] x [7362300, 7388600] units
96. Mapa de incerteza (erro padrão)
plot(pocos_kernel$SE)
plot(st_geometry(mun), add=TRUE)
97. Adaptado de: Fotheringham, A.S., Brunsdon, C., and Charlton, M.E., 2002, Geographically Weighted Regression: The
Analysis of Spatially Varying Relationships, Chichester: Wiley.
Mapa de Kernel
Kernel adaptativo por número de vizinhos
98. Raio maior
Raio adaptativo
Raio menor
Yuan, K., Chen, X., Gui, Z., Li, F. and
Wu, H., 2019. A quad-tree-based fast
and adaptive Kernel Density
Estimation algorithm for heat-map
generation. International Journal of
Geographical Information Science.
99. Mapa de kernel adaptativo
raio_adaptativo <- bw.abram(pocos_ppp, at="pixels")
plot(raio_adaptativo)
plot(st_geometry(mun), add=TRUE)
Abramson, I. (1982) On bandwidth variation in kernel estimates — a square root law. Annals of Statistics, 10(4), 1217-1223
Método de
Abramson (1982)
Fazer raster com
raio para cada
pixel
100. Mapa de kernel adaptativo
pocos_adaptativo <- adaptive.density(pocos_ppp, method="kernel")
plot(pocos_adaptativo)
plot(st_geometry(mun), add=TRUE)
Abramson, I. (1982) On bandwidth variation in kernel estimates — a square root law. Annals of Statistics, 10(4), 1217-1223
Método de
Abramson (1982)
101. Exercício 4
Fazer mapas com estimação de kernel e
com kernel adaptativo para as áreas
contaminadas do ABC
102. Mapa de kernel ponderado
Copeland, H.E., Pocewicz, A., Naugle, D.E., Griffiths, T., Keinath, D., Evans, J. and Platt, J.,
2013. Measuring the effectiveness of conservation: a novel framework to quantify the benefits
of sage-grouse conservation policy and easements in Wyoming. PLoS One, 8(6), p.e67261.
Pontos com atributo
quantitativo:
●
Quantidade de eventos
●
Intensidade de uma
característica
Kernel ponderado da população de Wyoming
103. ●
Preparando os dados
pocos_vazao_sp <- as(pocos_vazao, "Spatial")
pocos_vazao_ppp <- as(pocos_vazao_sp,"ppp")
●
Rodando o algoritmo
pocos_densidade_vazao <-
Smooth.ppp(pocos_vazao_ppp, sigma=bw.smoothppp)
Mapa de kernel ponderado
Estimador ponderado
por validação cruzada
pontos com valores
marcados
104. Mapa de kernel ponderado
plot(pocos_densidade_vazao$vazao_esta)
plot(st_geometry(mun), add=TRUE)
Densidade:
uso de água
por metro
quadrado
105. Distribuição de Utilização
Área de
Vida da
Leoa Tata
95%
50%
MACFARLANE, K. 2014. Lioness HF012 “Tata”. Kalahari Lion Research. Em:
http://www.kalaharilionresearch.org/2014/07/23/lioness-hf012-tata/
106. 95%
50%
95%
50%
Área de vida e territórios de espécimes e espécies de peixes
95%
50% 95%
50%
Recife de
Coral Lover’s Point,
Monterey peninsula,
Califórnia
FREIWALD, J. 2009. Causes and consequences of the movement of
temperate reef fishes. PhD dissertation. University of California
Distribuição de Utilização
112. Mapas de Razão de Kernel
Assaltos a carros em Baltimore em 1996
LEVINE, N. 2013. CrimeStat IV. The National Institute of Justice. Washington DC.
113. Mapas de Razão de Kernel
População em Baltimore em 1990
LEVINE, N. 2013. CrimeStat IV. The National Institute of Justice. Washington DC.
114. Mapas de Razão de Kernel
Razão entre Assaltos a Carro e População
LEVINE, N. 2013. CrimeStat IV. The National Institute of Justice. Washington DC.
Assaltos
População
115. Mapa de kernel
●
Selecionar só os pocos com risco de contaminação
pocos_contaminados<-subset(pocos_ppp, pocos_ppp$marks$contamina == 1)
View(pocos_contaminados$marks)
●
Atribui área mapeada igual a do arquivo original
Window(pocos_contaminados) <- Window(pocos_ppp)
●
Faz a densidade de kernel usando o mesmo raio do mapa de poços total
pocos_kernel_contaminados <- density(pocos_contaminados, sigma=raio_otimo)
Poços a menos de 200 metros de
áreas contaminadas
116. Mapa de razão de kernel
par(mfrow=c(1,2))
plot(pocos_kernel_contaminados)
plot(st_geometry(mun), add=TRUE)
plot(pocos_kernel$estimate)
plot(st_geometry(mun), add=TRUE)
par(mfrow=c(1,1))
Conjunto total de poçosPoços com risco de
contaminação
117. Mapa de razão de kernel
razao_kernel <- pocos_kernel_contaminados / pocos_kernel$estimate
mun_sp <- as(mun,"Spatial")
mun_owin <- as.owin(mun_sp)
plot(razao_kernel, clipwin=mun_owin)
plot(st_geometry(mun), add=TRUE)
Converte os polígonos de municípios para sp
Converte de sp para janela do formato ppp
Visualiza na janela
118. Pacote sparr
●
Kernel adaptativo ponderado
●
Análise de risco por razão de kernel
●
Kernel 3D (espaço-temporal)
Davies, T.M., Marshall, J.C. and Hazelton, M.L., 2018. Tutorial on kernel estimation of continuous
spatial and spatiotemporal relative risk. Statistics in medicine, 37(7), pp.1191-1221.
119. Teste espacial Scan
●
Teste estatístico se os pontos dentro do kernel são
mais agrupados lá dentro se comparado com o
padrão de pontos gerados aleatoriamente
Yiqun Xie and Shashi Shekhar. A Nondeterministic Normalization based Scan Statistic (NN-scan) towards Robust Hotspot Detection: A
Sumamry of Results. Accepted at: SIAM International Conference on Data Mining (SDM'19), Calgary, Canada, May. 2019
Kulldorff, M. (1997) A spatial scan statistic. Communications in Statistics — Theory and Methods 26, 1481–1496
120. Mapa de agrupamento SCAN
pocos_cluster <- scanLRTS(pocos_ppp, r=bw.ppl(pocos_ppp))
plot(pocos_cluster)
plot(st_geometry(mun), add=TRUE)
Otimização do raio
122. Conteúdo
•Centro médio e distância padrão
•Análise de agrupamento
•Mapas de kernel
•Mapas de proximidade
•Interpolação
123. Mapas de Proximidade
Pontos Linhas Polígonos
Innovative GIS. 2005. Calculating Effective Distance and Connectivity. Em: http://www.innovativegis.com/basis/mapanalysis/topic25/topic25.htm
124. Mapas de Proximidade
Proximidade com
Barreiras Absolutas
Proximidade com Barreiras
Relativas (atrito)
Proximidade com Barreiras
Relativas e Absolutas
Innovative GIS. 2005. Calculating Effective Distance and Connectivity. Em: http://www.innovativegis.com/basis/mapanalysis/topic25/topic25.htm
125. Mapa de Proximidade
Distância a
serviços urbanos
CUPOLO, S. 2010. Law Enforcemet:
Washington DC. Module 8.
http://seancgeoginfosyst.blogspot.com.br/2010/07/module-8-law-enforcemet-washington-dc.html
126. Mapa de Proximidade
Distância a serviços urbanos
UNICEF. 2015. Doro Camp, Distance from School. Em:
http://reliefweb.int/map/south-sudan/south-sudan-maban-county-upper-nile-state-doro-camp-distance-school-december-2015
Distância a escolas
127. Mapas de Proximidade
Distância da Mancha Urbana Distância da Malha Viária
Modelagem de mudanças no uso do solo
ALMEIDA, R.M. 2016. Inferência espacial usando QGIS. Em: http://qgisnapratica.blogspot.com.br/
128. Mapa de Proximidade ou de Kernel?
Ø Visualmente semelhantes
§Distância e densidade estão inversamente relacionadas
§Ambas são adequados para análise exploratória
Mapa de Kernel Mapa de Proximidade
Foco em densidade (ocorrência/km2) Foco em distância (km2)
Mais flexibilidade
(ajuste de kernel e raio)
Mais simples
(menos suposições sobre o fenômeno)
Pode ser calibrada para previsões Pode ser ajustada para atrito
ØDiferenças:
129. Mapa de distâncias
●
Alterando a extensão do mapa para todo o ABC
pocos_ppp_abc <- pocos_ppp
Window(pocos_ppp_abc) <- mun_owin
●
Algoritmo de mapa de proximidade
distancia_pocos <- distmap(pocos_ppp_abc, eps=30)
Resolução de
pixel, em
metros
131. Convertendo o raster de ppp para outros formatos
distancia_pocos_sgdf <- as(distancia_pocos, "SpatialGridDataFrame")
pocos_distancia_raster <- raster(distancia_pocos_sgdf)
plot(pocos_distancia_raster)
plot(st_geometry(mun), add=TRUE)
writeRaster(pocos_distancia_raster,"pocos_distancia_raster.tif")
132. Pacote gdistance
Etten, J.V., 2017. R package gdistance: distances and routes on geographical grids. Journal of statistical software 76(13)
Gimond, Manuel. Intro to GIS and Spatial Analysis. Colby Arts College, 2019 .
https://mgimond.github.io/Spatial/index.html
Distância com
barreiras / atrito
Caminho mais curto
133. Exercício 6
●
Faça um mapa de distância das áreas
contaminadas do ABC, na extensão dos
municípios