Geovisualização Multivariada, Temporal e de Incerteza

Geovisualização Multivariada
INFORMÁTICA APLICADA AO
PLANEJAMENTO TERRITORIAL
Vitor Vieira Vasconcelos
vitor.vasconcelos@ufabc.edu.br
3406 - Informática Aplicada ao Planejamento Territorial Novembro de 2016

O que nós já vimos na última aula
• Visualização Extrínseca e Intrínseca
• Teoria das cores para geovisualização multivariada
• Mapas bivariados

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

Sistemas HSV e CMY
Sistema HSV
(Hue - Saturation - Value)
Sistema Subtrativo (CMY)

Representação Bivariada
Martin E. Elmer. Symbol considerations for bivariate thematic mapping. Diploma thesis, University of
Wisconsin-Madison, 2012.

Conteúdo
• Mapas com 3 ou mais variáveis
• Mapeamento temporal
• Visualização de incerteza
• Análise Exploratória de Dados Espaciais

Mapas coropléticos trivariados
100% Agricultura
100% Floresta100% Urbano
ROBINSON, A.H. et al. 1995. Elements of Cartography. 6th edition. Willey.
BREWER, C. A. (1994). Color use guidelines for mapping. Visualization in modern cartography, 123-148.
Legenda Triangular (HSV)
Funciona para três variáveis que, somadas, sempre chegam a 100%

Mapas coropléticos trivariados
Legenda Triangular (Subtrativo - CMY)
https://thesocietypages.org/graphicsociology/2011/04/05/reading-writing-earning-bad-good-graphic/

Sistema Aditivo
Aplicado para sistemas
que trabalham com
emissão de luz
Conversível ao HSV e CMY

RGB no Sensoriamento RemotoVermelhoVerdeAzul
Combinação RGB
Campus da UFABC SBC

Relação de coordenadas entre os sistemas

Vasconcelos, V. V., Koontanakulvong, S., Suthidhummajit, C., Junior, P. P. M., & Hadad, R. M. (2014). Analysis of spatial–temporal patterns of water table
change as a tool for conjunctive water management in the Upper Central Plain of the Chao Phraya River Basin, Thailand. Applied Water Science, 1-18

Vasconcelos, V. V., Koontanakulvong, S., Suthidhummajit, C., Junior, P. P.
M., & Hadad, R. M. (2014). Analysis of spatial–temporal patterns of water
table change as a tool for conjunctive water management in the Upper
Central Plain of the Chao Phraya River Basin, Thailand. Applied Water
Science, 1-18

Prática de Visualização Multivariada
• No ArcMap, abra o arquivo
“ufaedes_utm.shp”
• “ArcToolbox” -> “Conversion Tools”
-> “To Raster” -> Polygon to Raster”

• “Input Features” ->
ufaedes_utm
• “Value Field” -> deng_hab
• Escolha o raster de saída
(extensão .tif) e a pasta
• “OK”
• Repita o procedimento
para exporter rasters para
“chik_hab” e “zica_hab”

• ArcToolbox -> “Data Management Tools” -> “Raster” ->
“Raster Processing” -> “Composite Bands”
• Adicione os raster, na ordem da figura
• Grave em um arquivo de extensão “.tif”

•Dê um clique duplo na camada gera
• Aba “Symbology”, em “Stretch”-> “Type”, selecione “Histogram Equalize”
(análogo à classificação de Quantil”, mas por área no raster)

Dengue
Ausência de Casos
Interprete os
padrões espaciais
do mapa
Visualização
aditiva (RGB)

Dengue
Ausência de Casos
Comparação
O que cada mapa permite analisar com mais facilidade ou dificuldade?

• Duplo clique na camada raster
• Aba “Symbology” -> Marque “Invert” -> “Apply”

Prática de Visualização
Multivariada
Dengue
Ausência de Casos
Dengue
Ausência de Casos
Visualização
subtrativa (CMY)

RGB em Mapas
Trivariados
Dorling, D. (1991) The Visualization of Spatial Structure, PhD Thesis,
Department of Geography, University of Newcastle upon Tyne

RGB em Mapas
Trivariados
Cartograma de População
+
Divisão dos Votos (RBG)

RGB em Mapas
Trivariados
Cartograma de População
+
Divisão dos Votos (RBG)
A cor é a composição em 1987, e a
seta aponta para onde ocorreu a
mudança de composição de 1983
para 1987

Mapas de Rostos de Chernoff
NÚÑEZ, R., JESÚS, J. Ideas for the use of chernoff faces in school cartography. Proceedings of the 24th International Cartographic Conference. Santiago
de Chile, Chile, 15–21 November 2009. Em: http://icaci.org/files/documents/ICC_proceedings/ICC2009/html/nonref/29_1.pdf

Manley, E.J., Donald, N. An Investigation into the Factors
Affecting Fear of Crime in a Geographical Area. ENV06
Visualization Conference (2006). Em:
http://www.comp.leeds.ac.uk/kwb/ENV/ENV06/Group7.pdf
Rostos de
Chernoff

TURNER, Eugene; DOSS, Richard E. Life
in Los Angeles. Los Angeles Community
Analysis Bureau, 1977. Em:
http://mapdesign.icaci.org/tag/multivariate/
Rostos de
Chernoff

Dorling, D. (1991) The Visualization of Spatial Structure, PhD Thesis, Department of
Geography, University of Newcastle upon Tyne
Rostos de
Chernoff
Cartograma
de População
+
Divisão dos
Votos (RBG)
+
Faces de
Chernoff

Rostos de Chernoff
• Plugin Aplpack para
mapas de Rostos de
Chernoff em R
https://cran.r-project.org/web/packages/aplpack/aplpack.pdf

ANDRESEN, R. 2011. Global map of social networking. Globalwebindex. Em:
http://mapdesign.icaci.org/wp-content/uploads/2014/03/MapCarte71_andresen_large.png

ANDRESEN,R. 2011. Global map of social networking. Globalwebindex. Em:
http://mapdesign.icaci.org/wp-
content/uploads/2014/03/MapCarte71_andresen_large.png
Usuários ativos (milhões)
Enviadores de
mensagens e emails
Compartilhadores de
contatos
Criadores e participantes
de grupos

Mapas Quadrivariados
Granulação Grossa:
Foco alternado em cada cor
Miller, J. R. (2007). Attribute blocks: Visualizing multiple continuously defined
attributes. IEEE Computer Graphics and Applications, 27(3), 57-69.

Mapas Quadrivariados
Granulação Fina:
Percepção misturada das cores
Miller, J. R. (2007). Attribute blocks: Visualizing multiple continuously defined
attributes. IEEE Computer Graphics and Applications, 27(3), 57-69.

Glifos Multivariados
Padrões de micro textura
na imagem final
Pickett R. M., & Grinstein G. G. (1988). Iconographic Displays
for Visualizing MultidimensionalData. Proc. IEEE Conf. on
Systems, Man and Cybernetics, Piscataway, NJ, 514-519.

Mapas multivariados lineares
Criminalidade nas ruas – por cerdas e coresCriminalidade nas ruas – por largura e cores
Kim, S., Maciejewski, R., Malik, A., Jang, Y., Ebert, D.S. and Isenberg, T., 2013. Bristle Maps: A multivariate abstraction technique for
geovisualization.IEEE transactions on visualization and computer graphics, 19(9), pp.1438-1454.

Mapas de Colar
Importação de energia em relação ao consumo
energético em 2007
Usuários de Internet na África em
2002, por mil habitantes
Speckmann, Bettina, and Kevin Verbeek. 2010. Necklace maps. IEEE Transactions on Visualization and Computer
Graphics, 16(6), pp.881-889.
Identificação por:
• Cor
• Sigla
• Localização

Mapas de Anel
Ocorrência de
Diabetes em
norte-americanos
afrodescendentes
em South Carolina
- 2009
Stewart, J.E., Battersby, S.E., Lopez-De Fede, A., Remington, K.C., Hardin, J.W. and Mayfield-Smith, K., 2011. Diabetes and the socioeconomic
and built environment: geovisualization of disease prevalence and potential contextual associations using ring maps. International journal of health
geographics, 10(1), p.1.

Mapas de Anel
Ocorrência de
Diabetes em
norte-americanos
brancos ou
afrodescendentes
em South
Carolina - 2009

Ocorrência de
Diabetes em
norte-americanos
afrodescententes
em South
Carolina – 2009,
por critérios
multivariados
Mapas de Anel

Mapas de Anel
Estatus epidemiológico
em Washington D.C. por
24 meses em cada setor
censitário
Huang, Guilan, Sergio Govoni, Jae Choi, David M. Hartley, James M. Wilson, "Geovisualizing Data with Ring Maps," ArcUser
vol. 10 no. 2, 2008: pp. 54–55.

Mapas de Anel
Plugins experimentais para mapas de anel
• ArcGis: RingMap toolbox:
http://www.esri.com/~/media/Files/zips/news/arcuser/1013/ringmap.zip
Tutoriais:
http://www.esri.com/esri-news/arcuser/fall-2013/looking-at-temporal-changes
https://www.youtube.com/watch?v=P6tAsUTC17s
• Qgis:
https://github.com/mapplus/qgis-scripts/blob/master/scripts/Create%20Ring%20Maps.py

http://www.socialwatch.org/sites/default/files/statistics05/en/Mapa2005/ing-flash/index.html

Classes de distância
de fluxo
Kernel
de
fluxos
Rae, A., 2009. From spatial interaction data to spatial interaction information? Geovisualisation and spatial structures of migration
from the 2001 UK census. Computers, Environment and Urban Systems, 33(3), pp.161-178.

Mapas de Kernel + Fluxos
Migração
intra-urbana
em Glascow
Mapa de
Kernel do
total de
imigrantes
em cada
distrito

Balanço líquido de migração
Interpolação
do balanço
líquido de
imigrantes
em cada
distrito

Mapeamento Temporal
Slocum, T. A., McMaster, R. B., Kessler, F. C., & Howard, H. H. (2009). Thematic cartography and geovisualization. New Jersey, NJ: Prentice Hall

https://www.e-education.psu.edu/geog486/sites/www.e-education.psu.edu.geog486/files/Arabspring.png
Coroplético Bivariado + Gráfico temporal
+ Símbolos Proporcionais + hachuras

Cubo Espaço-Tempo
CARLSTEIN, T. et al. Human Activity and Time Geography, editor: Edward Arnold, London. 1978

Cubo Espaço-Tempo
CARLSTEIN, T. et al. Human Activity and Time Geography, editor: Edward Arnold, London. 1978
KRAAK, M. J. (2003). The space-time cube revisited from a geovisualization perspective. In Proc. 21st International Cartographic Conference, p. 1988-1996
Caminhos Espaço-Temporais Prismas Espaço-Temporais

Cubo Espaço-
Tempo
MARK, D. M. 1997. Cognitive perspectives on spatial and spatio-temporal reasoning. In Craglia, M., and Couclelis, H., Geographic Information Research Bridging the
Atlantic, London: Taylor and Francis, pp. 308-319
KIM, Hyun-Mi; KWAN, Mei-Po. Space-time Accessibility Measures: A Geocomputational Algorithm with a Focus on the Feasible Opportunity Set and Possible Activity
Duration. Journal of Geographical Systems, 5(1):71-91. 2003

Mapeamento
Temporal
Rotas de GPS
Simulação de
Crimes
http://geotime.com/

Mapeamento Temporal
ArcScene
Substituir informação de elevação
por tempo
Petrenko, A. (2011). Visualization of suspension patterns in human movement. Master Thesis. Wageningen University.
Paradas de visitantes com cachorros e
crianças em um parque

Mapeamento Temporal
ArcScene
Substituir informação de elevação
por tempo
Petrenko, A. (2011). Visualization of suspension patterns in human movement. Master Thesis. Wageningen University.
Caminhos de visitantes com cachorros e
crianças em um parque

Mapa da Napoleão de Minard
Kraak, M. J. (2003). Geovisualization illustrated. ISPRS journal of photogrammetry and remote sensing, 57(5),
390-399.

Mapa da Napoleão de Minard
https://youtu.be/laXh2cgE2g0

Análise de Caso
• Um grupo terrorista explodiu uma bomba explodiu no
prédio, que foi seguida de um incêndio
• Depois da explosão, as pessoas procuraram as saídas de
emergência
• Vamos investigar os padrões de movimento das pessoas
• Exemplo no software Geospatial Visual Analytics
Andrienko, N., & Andrienko, G. (2008, October). Evacuation Trace Mini
Challenge Award: Tool Integration Analysis of Movements with Geospatial
Visual Analytics Toolkit. In Visual Analytics Science and Technology, 2008.
VAST'08. IEEE Symposium on. IEEE.

Quem é pode ter colocado a bomba?
Movimentação antes da explosão da bomba

Quem não
conseguiu fugir?
Explosão
com a
bomba
2º incidente?

Quem não conseguiu fugir?
2º incidente

Visualizando Incerteza
• Importância da incerteza na tomada de decisão
o Posso confiar nesse mapa?
• Fontes de incerteza nas informações cartográficas:
o Incerteza dos valores
 Imprecisão de coleta
 Tamanho da amostra (pequenas amostras têm resultados instáveis)
 Modelos de estimação
 Dispersão em torno do valor (desvio padrão, variância)
o Incerteza da localização
o Incerteza metodológica
 Importância de uma legenda completa
MacEachren, A. M., Robinson, A., Hopper, S., Gardner, S., Murray, R., Gahegan, M., & Hetzler, E. (2005). Visualizing geospatial information
uncertainty: What we know and what we need to know. Cartography and Geographic Information Science, 32(3), 139-160.

Nelson, Elisabeth S. and Laura D, Edwards (2001) Visualizing Data Uncertainty: A Case Study using Graduated Symbol
Maps, Cartographic Perspectives, no. 38: 19-36.

Nelson, Elisabeth S. and
Laura D, Edwards (2001)
Visualizing Data Uncertainty:
A Case Study using Graduated
Symbol Maps, Cartographic
Perspectives, no. 38: 19-36.
1º 2º
3º4º
Ordem
de
Eficiência

Atributo:
Coroplético
Francis, J., Tontisirin, N.,
Anantsuksomsri, S., Vink, J., &
Zhong, V. (2015). Alternative
strategies for mapping ACS
estimates and error of estimation.
In Emerging Techniques in
Applied Demography (pp. 247-
273). Springer Netherlands.

Incerteza
(variância):
◦ Hachura

Atributo:
◦ Coroplético
Incerteza
(variância):
◦ Hachura

Concentração de Nitrogênio
na baía de Chesapeake Incerteza devido à Interpolação

Concentração de Nitrogênio
na baía de Chesapeake
Granulação indicando
incerteza
Bipolar: Incerteza azul: mais certo
roxo: mais incerto
Saturação: teor de nitrogênio

Mortalidade por
Câncer Cervical
Confiabilidade
dos Dados
Chen, J., Roth, R.E., Naito, A.T., Lengerich, E.J. and MacEachren, A.M., 2008. Geovisual analytics to enhance spatial scan statistic
interpretation: an analysis of US cervical cancer mortality. International journal of health geographics, 7(1), p.1.

Roth RE, AW Woodruff, and ZF Johnson. 2010. Value-by-alpha Maps: An alternative technique to the
cartogram. The Cartographic Journal. 47(2).

Informação
mapeada
Incerteza dos
dados
Cedilnik, A., & Rheingans, P. (2000, October). Procedural
annotation of uncertain information. In Visualization 2000.
Proceedings (pp. 77-84). IEEE.

Grade de Incerteza
Cedilnik, A., & Rheingans, P. (2000, October). Procedural annotation of uncertain information. In Visualization
2000. Proceedings (pp. 77-84). IEEE.

Incerteza nas Bordas
Berry, J. K. (1996). Spatial reasoning for effective GIS. John
Wiley & Sons
Exemplo do mapa de probabilidade na
prática de interpolação
Limite de 1800mm de precipitação

Incerteza da Direção de Fluxos
WITTENBRINK, Craig M.; PANG, Alex T.; LODHA, Suresh K. Glyphs for visualizing uncertainty in vector fields. IEEE transactions
on Visualization and Computer Graphics, v. 2, n. 3, p. 266-279, 1996.

MacEachren, A.M. 2004. Em: Visual Representation of Data Uncertainty. https://www.e-education.psu.edu/geog486/node/1891
Analise os padrões espaciais destacados neste mapa

Prática de Geovisualização de Incerteza
• No Qgis, abra as camadas geradas na prática de krigagem:
o “pluviometria_krigagem_universal.tif”
o “pluviometria_krigagem_residuos_variancia.tif”
o “pluviometricas_sbc_utm.shp”
• Ordene as camadas na seguinte posição:

• Dê dois cliques sobre a camada
“pluviometria_krigagem_universal.tif”
e escolha a aba “Estilo
• “Tipo de Renderização” ->
“Banda Simples Falsa Cor”
• 5 Classes
• “Classificar”, “Aplicar’, e “OK”

• Pluviometria
• Variância

• Dê dois cliques sobre a
camada
“pluviometria_krigagem_resi
duos variancia.tif” e escolha
a aba “Estilo”
• “Renderização da Cor” ->
“Adição” e clique em
“Aplicar”
• Arraste a barra de rolagem
de “Brilho” e teste “Aplicar”
para mudar a vizualização

• Visualização

• Dê dois cliques sobre a camada
“pluviometria_krigagem_residu
os variancia.tif” e escolha a aba
“Estilo”
• “Gradiente de cores” ->
“Branco para Preto”
•“Renderização da Cor” ->
“Multiplicar” e clique em
“Aplicar”
• Arraste a barra de rolagem de
“Brilho” e teste “Aplicar” para
mudar a vizualização

• “Caixa de Ferramentas” ->
“Comandos Grass Gis 7” ->
“Raster” -> “r.reclass”
• “Input raster layer” =
“pluviometria_krigagem_residuos_variancia”
•“File containing reclass rules” =
“variancia_reclass.txt”
• “Reclassified” = escolha um
nome (extensão “.tif”) e pasta
para gravar o resultado

• Menu “Raster” -> “Converter” -> “Raster para vetor (poligonizar)”
• “Arquivo de entrada (raster)” -> o arquivo raster reclassificado
• Selecione um nome (extensão “.shp”) e pasta para o resultado

• Duplo clique na camada shapefile de classes de variância
• Aba “Estilo” -> “Categorizado”
• “Classifica”

• No ArcMap, abra os arquivos ““pluviometria_krigagem_universal.tif” e
o shapefile gerado com as classes de variância
• Clique duplo na camada raster -> aba “Symbology”
• Em “Color Ramp”, escolha uma rampa gradual de três cores
• Em “Stretch Type”,
escolha “Minimum-
Maximum”

• Clique duplo na camada shapefile de variância -> Aba “Symbology”
• “Categories” -> “Unique values” -> “Add All Values…”

• Clique na categoria de número 1
• “10% Ordered Stipple”->
“Edit Symbol”
• Marque “Background Collor” como
“no color”

• Na categoria 2, escolha “10% Simple hatch”
• Na categoria 3, escolha “10% Simple hatch” -> “Edit Symbol” ->
“Separation” = 2.5

Formatando
as legendas e
demais itens

• Compare as três formas de visualização de incerteza

Análise Exploratória da Dados Espaciais
• ESDA – Exploratory Spatial Data Analysis
• Interação entre mapas e gráficos
• Grandes volumes de dados e variáveis
• Contraste entre abordagens:
Leu, E., Joost, S., & Häberling, C. (2009). Geovisualisation Tools Applied to Landscape Genetics. Em:
http://www.ika.ethz.ch/teaching/bachelor_leu_bericht.pdf
Abordagens Características
Confirmação de
hipóteses
Parte de uma hipótese inicial e procura testá-la
Análise Exploratória Constrói a hipótese a partir da interação do usuário
Mineração de
Dados
Procura extrair padrões automaticamente de grandes
volumes de dados

Linked Micromaps
Disponível em: https://gis.cancer.gov/tools/micromaps/
Plugin em R: https://cran.r-project.org/web/packages/micromapST/micromapST.pdf

Prática no Geovista
• Arquivo: “brasil_esda.shp”
• Variáveis por Unidade Federativa:
• Area em km2
• Casos de dengue, chikungunha e zika por habitante
• Índice de Gini (desigualdade de renda)
• Índice de Desenvolvimento Humano
• % de domicílios sem saneamento básico adequado
• Porcentagem de população rural
• Temperatura média
• Precipitação anual média

• Inicialize o aplicativo
“Configurar Java”
• Aba “Segurança” -> “Edit site list”
• “Adicionar” ->
“http://www.geovista.psu.edu”

• Abra o Geoviz Toolkit, versão 0.8.5
(arquivo “example_head.jnlp”,
disponível em
http://www.geovista.psu.edu/grants/CDCESDA/software/example_head.jnlp )
• Menu “File” ->
“Load Shapefile from disk” ->
“brasil_esda.shp”
• Na janela “Variable Picker”, escolha
selecione as variáveis ao lado e clique
em “Send Selection”

Prática no
Geovista
• Janela Geomap:
Mapa coroplético
Bivariado
• Escolha duas
variáveis, a
quantidade de
classes, método de
classificação e
gradação de cores
• Passe o mouse
sobre o mapa para
visualizar os valores
por estado

• Janela Single Histogram
• Selecione uma das variáveis de seu mapa coroplético, uma
quantidade de classes para o histograma
• Clique nas barras e visualize os estados no Mapa

• Janela Paralel Plot: cada linha vertical é uma variável e cada linha
vertical é um Estado
• Selecione
“Zica_hab” e
escolha número
de classes,
método de
classificação e
cores
• Passe o mouse
sobre as linhas
para ver os
valores e localizar
o Estado no mapa

Prática no
Geovista
• Janela Starplot Map:
mapa coropletico
bivariado com
diagramas de estrela
• Escolha as variáveis
para mapa bivariado,
e para colorir os
gráficos de estrela
• Passe o mouse sobre
os Estados para
analisar os valores do
diagrama de estrela

• Na janela “Variable Picker”,
escolha selecione as variáveis ao
lado e clique em “Send Selection”

• Na janela “Parallel Plot”, clique no botão “min-max(abs) scale” para
colocar todas as variáveis na mesma escala

• Árvore de Extensão Mínima (Minimum Spanning Tree)
• Contecta os pontos de
menor distância, até
conseguir conectar
todos os pontos
• Definição: árvores
com a menor
distância de ligação
possível entre os nós
Hardisty, F. (2009). The geoviz toolkit: Making Geographic Visualization Accessible WAURISA Conference. The Urban & Regional Information Systems
Association, Washington. Em: http://www.waurisa.org/conferences/2009/presentations/Tues/OpenSourceWebModelingAndVisualization_Tues_Hardisty_PennStateU.pdf

• Árvore de Extensão Mínima (Minimum Spanning Tree)
O mesmo raciocínio pode ser
extendido para 3 variáveis
(cubo tridimensional) ou mais
de 3 variáveis
(multidimensional)
Badri, T.N. (2009) Steiner Tree Applications. Em: http://pt.slideshare.net/tbadri/steiner-minimal-trees

Prática no
Geovista
• Menu “Add Tool” -> “LinkGraph”
• “ Variables” -> selecione
“deng_hab”, “chik_hab” e
“zica_hab” -> “Select”
• Colora o gráfico por IDH,
alterando cores e método de
classificação
• Clique em São Paulo, no mapa
bivariado
• Passe o mouse sobre os vizinhos
na árvore e veja os estados no
mapa bivariado
• Selecione “Locality” e arraste a
barra de rolagem
• Faça o mesmo para “Zoom”

• Feche todas as janelas anteriores e
deixe apenas a de nome “Variable
Picker”
•Na janela “Variable Picker”, escolha
selecione as variáveis ao lado e
clique em “Send Selection”
• Menu “Add tool” ->
“Map and Scatterplot Matrix”

 Geovisualização multivariada
• Exercício individual
• Selecione um tema à sua escolha e analise as variáveis com as
técnicas de visualização multivariada
• Utilize o QGis, ArcGis, Geoviz 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 2 de dezembro (Sexta-Feira)
Exercícios

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

Geovisualização Multivariada, Temporal e de Incerteza

Recomendados

Recomendados

Mais conteúdo relacionado

Mais procurados

Mais procurados (20)

Destaque

Destaque (20)

Semelhante a Geovisualização Multivariada, Temporal e de Incerteza

Semelhante a Geovisualização Multivariada, Temporal e de Incerteza (20)

Mais de Vitor Vieira Vasconcelos

Mais de Vitor Vieira Vasconcelos (20)

Último

Último (20)

Geovisualização Multivariada, Temporal e de Incerteza