O documento discute técnicas de geovisualização multivariada para representar múltiplas variáveis espaciais. Apresenta sistemas de cores aditivos e subtrativos para mapeamento bivariado e trivariado. Demonstra mapas coropléticos trivariados usando sistemas HSV e CMY. Discute também mapas de rostos de Chernoff, mapas quadrivariados, glifos multivariados, mapas de colar e anel para representação de múltiplas variáveis.
PROJETO DE EXTENSÃO - EDUCAÇÃO FÍSICA BACHARELADO.pdf
Geovisualização Multivariada, Temporal e de Incerteza
1. Geovisualização Multivariada
INFORMÁTICA APLICADA AO
PLANEJAMENTO TERRITORIAL
Vitor Vieira Vasconcelos
vitor.vasconcelos@ufabc.edu.br
3406 - Informática Aplicada ao Planejamento Territorial Novembro de 2016
2. O que nós já vimos na última aula
• Visualização Extrínseca e Intrínseca
• Teoria das cores para geovisualização multivariada
• Mapas bivariados
3. 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
4. Sistemas HSV e CMY
Sistema HSV
(Hue - Saturation - Value)
Sistema Subtrativo (CMY)
5. Representação Bivariada
Martin E. Elmer. Symbol considerations for bivariate thematic mapping. Diploma thesis, University of
Wisconsin-Madison, 2012.
6. Conteúdo
• Mapas com 3 ou mais variáveis
• Mapeamento temporal
• Visualização de incerteza
• Análise Exploratória de Dados Espaciais
7. 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%
8. Mapas coropléticos trivariados
Legenda Triangular (Subtrativo - CMY)
https://thesocietypages.org/graphicsociology/2011/04/05/reading-writing-earning-bad-good-graphic/
12. 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
13. 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
14. Prática de Visualização Multivariada
• No ArcMap, abra o arquivo
“ufaedes_utm.shp”
• “ArcToolbox” -> “Conversion Tools”
-> “To Raster” -> Polygon to Raster”
15. Prática de Visualização Multivariada
• “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”
16. Prática de Visualização Multivariada
• ArcToolbox -> “Data Management Tools” -> “Raster” ->
“Raster Processing” -> “Composite Bands”
• Adicione os raster, na ordem da figura
• Grave em um arquivo de extensão “.tif”
17. Prática de Visualização Multivariada
•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)
18. Prática de Visualização Multivariada
Dengue
Ausência de Casos
Interprete os
padrões espaciais
do mapa
Visualização
aditiva (RGB)
19. Prática de Visualização Multivariada
Dengue
Ausência de Casos
Comparação
O que cada mapa permite analisar com mais facilidade ou dificuldade?
20. Prática de Visualização Multivariada
• Duplo clique na camada raster
• Aba “Symbology” -> Marque “Invert” -> “Apply”
22. RGB em Mapas
Trivariados
Dorling, D. (1991) The Visualization of Spatial Structure, PhD Thesis,
Department of Geography, University of Newcastle upon Tyne
23. RGB em Mapas
Trivariados
Dorling, D. (1991) The Visualization of Spatial Structure, PhD Thesis,
Department of Geography, University of Newcastle upon Tyne
Cartograma de População
+
Divisão dos Votos (RBG)
24. RGB em Mapas
Trivariados
Dorling, D. (1991) The Visualization of Spatial Structure, PhD Thesis,
Department of Geography, University of Newcastle upon Tyne
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
25. 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
26. 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
27. 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
28. 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
29. Rostos de Chernoff
• Plugin Aplpack para
mapas de Rostos de
Chernoff em R
https://cran.r-project.org/web/packages/aplpack/aplpack.pdf
30. ANDRESEN, R. 2011. Global map of social networking. Globalwebindex. Em:
http://mapdesign.icaci.org/wp-content/uploads/2014/03/MapCarte71_andresen_large.png
31. 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
32. 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.
33. 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.
34. 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.
35. 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.
36. 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
37. 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.
38. Mapas de Anel
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.
Ocorrência de
Diabetes em
norte-americanos
brancos ou
afrodescendentes
em South
Carolina - 2009
39. Ocorrência de
Diabetes em
norte-americanos
afrodescententes
em South
Carolina – 2009,
por critérios
multivariados
Mapas de Anel
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.
40. 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.
41. 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
43. 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.
44. Mapas de Kernel + Fluxos
Migração
intra-urbana
em Glascow
Mapa de
Kernel do
total de
imigrantes
em cada
distrito
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.
45. Balanço líquido de migração
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.
Interpolação
do balanço
líquido de
imigrantes
em cada
distrito
46. Mapeamento Temporal
Slocum, T. A., McMaster, R. B., Kessler, F. C., & Howard, H. H. (2009). Thematic cartography and geovisualization. New Jersey, NJ: Prentice Hall
49. 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
50. 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
52. 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
53. 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
54. Mapa da Napoleão de Minard
Kraak, M. J. (2003). Geovisualization illustrated. ISPRS journal of photogrammetry and remote sensing, 57(5),
390-399.
57. 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.
63. 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.
64. Visualizando Incerteza
Nelson, Elisabeth S. and Laura D, Edwards (2001) Visualizing Data Uncertainty: A Case Study using Graduated Symbol
Maps, Cartographic Perspectives, no. 38: 19-36.
65. Visualizando Incerteza
Nelson, Elisabeth S. and Laura D, Edwards (2001) Visualizing Data Uncertainty: A Case Study using Graduated Symbol
Maps, Cartographic Perspectives, no. 38: 19-36.
66. 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
67. Visualizando Incerteza
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.
68. Incerteza
(variância):
◦ Hachura
Visualizando Incerteza
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.
69. Atributo:
◦ Coroplético
Incerteza
(variância):
◦ Hachura
Visualizando Incerteza
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.
70. 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.
Concentração de Nitrogênio
na baía de Chesapeake Incerteza devido à Interpolação
71. 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.
Concentração de Nitrogênio
na baía de Chesapeake
Granulação indicando
incerteza
Bipolar: Incerteza azul: mais certo
roxo: mais incerto
Saturação: teor de nitrogênio
72. Visualizando Incerteza
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.
73. Visualizando Incerteza
Roth RE, AW Woodruff, and ZF Johnson. 2010. Value-by-alpha Maps: An alternative technique to the
cartogram. The Cartographic Journal. 47(2).
75. Grade de Incerteza
Cedilnik, A., & Rheingans, P. (2000, October). Procedural annotation of uncertain information. In Visualization
2000. Proceedings (pp. 77-84). IEEE.
76. 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
77. 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.
78. 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
79. 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:
80. • 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”
Prática de Geovisualização de Incerteza
82. • 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
Prática de Geovisualização de Incerteza
84. • 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
Prática de Geovisualização de Incerteza
86. • “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
Prática de Geovisualização de Incerteza
88. • 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
Prática de Geovisualização de Incerteza
89. • Duplo clique na camada shapefile de classes de variância
• Aba “Estilo” -> “Categorizado”
• “Classifica”
Prática de Geovisualização de Incerteza
90. • 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”
Prática de Geovisualização de Incerteza
91. • Clique duplo na camada shapefile de variância -> Aba “Symbology”
• “Categories” -> “Unique values” -> “Add All Values…”
Prática de Geovisualização de Incerteza
92. • Clique na categoria de número 1
Prática de Geovisualização de Incerteza
• “10% Ordered Stipple”->
“Edit Symbol”
• Marque “Background Collor” como
“no color”
93. • Na categoria 2, escolha “10% Simple hatch”
• Na categoria 3, escolha “10% Simple hatch” -> “Edit Symbol” ->
“Separation” = 2.5
Prática de Geovisualização de Incerteza
95. • Compare as três formas de visualização de incerteza
Prática de Geovisualização de Incerteza
96. 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
97. Linked Micromaps
Disponível em: https://gis.cancer.gov/tools/micromaps/
Plugin em R: https://cran.r-project.org/web/packages/micromapST/micromapST.pdf
98. 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
99. Prática no Geovista
• Inicialize o aplicativo
“Configurar Java”
• Aba “Segurança” -> “Edit site list”
• “Adicionar” ->
“http://www.geovista.psu.edu”
100. Prática no Geovista
• 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”
101. 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
102. Prática no Geovista
• 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
103. Prática no Geovista
• 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
104. 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
105. Prática no Geovista
• Na janela “Variable Picker”,
escolha selecione as variáveis ao
lado e clique em “Send Selection”
106. Prática no Geovista
• Na janela “Parallel Plot”, clique no botão “min-max(abs) scale” para
colocar todas as variáveis na mesma escala
107. Prática no Geovista
• 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
108. Prática no Geovista
• 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
109. 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”
110. Prática no Geovista
• 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”
111.
112. 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
113. 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