Geovisualização Multivariada, Temporal e de Incerteza

28 visualizações

Publicada em

Aula de Informática Aplicada ao Planejamento Territorial, UFABC, 26 de Novembro de 2016
Apresentação disponível em: https://youtu.be/cf-zfc4MMx0

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

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
28
No SlideShare
0
A partir de incorporações
0
Número de incorporações
0
Ações
Compartilhamentos
0
Downloads
0
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Geovisualização Multivariada, Temporal e de Incerteza

  1. 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. 2. O que nós já vimos na última aula • Visualização Extrínseca e Intrínseca • Teoria das cores para geovisualização multivariada • Mapas bivariados
  3. 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. 4. Sistemas HSV e CMY Sistema HSV (Hue - Saturation - Value) Sistema Subtrativo (CMY)
  5. 5. Representação Bivariada Martin E. Elmer. Symbol considerations for bivariate thematic mapping. Diploma thesis, University of Wisconsin-Madison, 2012.
  6. 6. Conteúdo • Mapas com 3 ou mais variáveis • Mapeamento temporal • Visualização de incerteza • Análise Exploratória de Dados Espaciais
  7. 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. 8. Mapas coropléticos trivariados Legenda Triangular (Subtrativo - CMY) https://thesocietypages.org/graphicsociology/2011/04/05/reading-writing-earning-bad-good-graphic/
  9. 9. Sistema Aditivo Aplicado para sistemas que trabalham com emissão de luz Conversível ao HSV e CMY
  10. 10. RGB no Sensoriamento RemotoVermelhoVerdeAzul Combinação RGB Campus da UFABC SBC
  11. 11. Relação de coordenadas entre os sistemas
  12. 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. 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. 14. Prática de Visualização Multivariada • No ArcMap, abra o arquivo “ufaedes_utm.shp” • “ArcToolbox” -> “Conversion Tools” -> “To Raster” -> Polygon to Raster”
  15. 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. 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. 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. 18. Prática de Visualização Multivariada Dengue Ausência de Casos Interprete os padrões espaciais do mapa Visualização aditiva (RGB)
  19. 19. Prática de Visualização Multivariada Dengue Ausência de Casos Comparação O que cada mapa permite analisar com mais facilidade ou dificuldade?
  20. 20. Prática de Visualização Multivariada • Duplo clique na camada raster • Aba “Symbology” -> Marque “Invert” -> “Apply”
  21. 21. Prática de Visualização Multivariada Dengue Ausência de Casos Dengue Ausência de Casos Visualização subtrativa (CMY)
  22. 22. RGB em Mapas Trivariados Dorling, D. (1991) The Visualization of Spatial Structure, PhD Thesis, Department of Geography, University of Newcastle upon Tyne
  23. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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
  42. 42. http://www.socialwatch.org/sites/default/files/statistics05/en/Mapa2005/ing-flash/index.html
  43. 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. 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. 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. 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
  47. 47. https://www.e-education.psu.edu/geog486/sites/www.e-education.psu.edu.geog486/files/Arabspring.png Coroplético Bivariado + Gráfico temporal + Símbolos Proporcionais + hachuras
  48. 48. Cubo Espaço-Tempo CARLSTEIN, T. et al. Human Activity and Time Geography, editor: Edward Arnold, London. 1978
  49. 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. 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
  51. 51. Mapeamento Temporal Rotas de GPS Simulação de Crimes http://geotime.com/
  52. 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. 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. 54. Mapa da Napoleão de Minard Kraak, M. J. (2003). Geovisualization illustrated. ISPRS journal of photogrammetry and remote sensing, 57(5), 390-399.
  55. 55. Mapa da Napoleão de Minard https://youtu.be/laXh2cgE2g0
  56. 56. Mapa da Napoleão de Minard https://youtu.be/laXh2cgE2g0
  57. 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.
  58. 58. Quando ocorreu a explosão?
  59. 59. Quem é pode ter colocado a bomba? Movimentação antes da explosão da bomba
  60. 60. Quem não conseguiu fugir? Explosão com a bomba 2º incidente?
  61. 61. Quem não conseguiu fugir? 2º incidente
  62. 62. 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.
  63. 63. 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.
  64. 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. 65. 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
  66. 66. 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.
  67. 67. 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.
  68. 68. 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.
  69. 69. 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
  70. 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 Granulação indicando incerteza Bipolar: Incerteza azul: mais certo roxo: mais incerto Saturação: teor de nitrogênio
  71. 71. 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.
  72. 72. 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).
  73. 73. Informação mapeada Incerteza dos dados Cedilnik, A., & Rheingans, P. (2000, October). Procedural annotation of uncertain information. In Visualization 2000. Proceedings (pp. 77-84). IEEE.
  74. 74. Grade de Incerteza Cedilnik, A., & Rheingans, P. (2000, October). Procedural annotation of uncertain information. In Visualization 2000. Proceedings (pp. 77-84). IEEE.
  75. 75. 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
  76. 76. 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.
  77. 77. 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
  78. 78. 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:
  79. 79. • 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
  80. 80. • Pluviometria • Variância Prática de Geovisualização de Incerteza
  81. 81. • 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
  82. 82. • Visualização Prática de Geovisualização de Incerteza
  83. 83. • 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
  84. 84. • Visualização Prática de Geovisualização de Incerteza
  85. 85. • “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
  86. 86. • Visualização Prática de Geovisualização de Incerteza
  87. 87. • 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
  88. 88. • Duplo clique na camada shapefile de classes de variância • Aba “Estilo” -> “Categorizado” • “Classifica” Prática de Geovisualização de Incerteza
  89. 89. • 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
  90. 90. • Clique duplo na camada shapefile de variância -> Aba “Symbology” • “Categories” -> “Unique values” -> “Add All Values…” Prática de Geovisualização de Incerteza
  91. 91. • Clique na categoria de número 1 Prática de Geovisualização de Incerteza • “10% Ordered Stipple”-> “Edit Symbol” • Marque “Background Collor” como “no color”
  92. 92. • Na categoria 2, escolha “10% Simple hatch” • Na categoria 3, escolha “10% Simple hatch” -> “Edit Symbol” -> “Separation” = 2.5 Prática de Geovisualização de Incerteza
  93. 93. Prática de Geovisualização de Incerteza Formatando as legendas e demais itens
  94. 94. • Compare as três formas de visualização de incerteza Prática de Geovisualização de Incerteza
  95. 95. 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
  96. 96. Linked Micromaps Disponível em: https://gis.cancer.gov/tools/micromaps/ Plugin em R: https://cran.r-project.org/web/packages/micromapST/micromapST.pdf
  97. 97. 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
  98. 98. Prática no Geovista • Inicialize o aplicativo “Configurar Java” • Aba “Segurança” -> “Edit site list” • “Adicionar” -> “http://www.geovista.psu.edu”
  99. 99. 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”
  100. 100. 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
  101. 101. 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
  102. 102. 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
  103. 103. 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
  104. 104. Prática no Geovista • Na janela “Variable Picker”, escolha selecione as variáveis ao lado e clique em “Send Selection”
  105. 105. Prática no Geovista • Na janela “Parallel Plot”, clique no botão “min-max(abs) scale” para colocar todas as variáveis na mesma escala
  106. 106. 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
  107. 107. 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
  108. 108. 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”
  109. 109. 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”
  110. 110.  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
  111. 111. 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

×