Home

Manual do Usuário - Ecologia da UFRGS

1. Figura 2 Agora vamos pensar na parte do problema referente disponibilidade h drica Na introdu o ao problema a disponibilidade h drica foi definida como a raz o entre a precipita o e a evapora o Centro de Recursos Idrisi Brasil 108 IDRISI for Windows Exerc cios tutoriais introdut rios potencial Sabemos que iremos necessitar de uma imagem de cada uma dessas duas vari veis para produzir MOISTAVL Esses elementos est o adicionados ao modelo cartogr fico na Figura 3 J temos uma imagem da precipita o pronta NRAIN no conjunto de dados dispon veis mas n o temos a imagem da evapora o potencial EVAPO Temos entretanto uma publica o t cnica com a rela o entre altitude e evapora o potencial Como j temos o modelo digital de eleva o NRELIEF podemos derivar a imagem da evapora o potencial usando esta rela o definida Como antes n o sabemos os passos exatos requeridos para produzir EVAPO antes de examinarmos a equa o Por ora indicaremos que h uma ou mais opera es necess rias usando a linha tracejada para nosso modelo cartogr fico final na Figura 4 correla o derivada Eleva o das esta es meteorol gicas e dados de temperatura Figura 3 N correla o TEMPZONE TEMPERA le ET i proposta correla o derivada A Eleva o das esta es meteorol gicas e dados de temperatura Figura 4 Agora que temos n
2. 2 O que voc pode afirmar sobre o potencial desta regress o em explicar os valores de repasse de pre os na Eti pia Qual a propor o da varia o no repasse dos pre os vari vel dependente n o explicada reporte se ao par grafo sobre R e R abaixo Resultados da regress o m ltipla Equa o de Regress o YIPRICE 87 0431 0 0992 X 1 DIST 0 0253 X2RAIN 0 2424 X30XEN Estat stica da Regress o R 0 630161 R 0 397102 R ajustado 0 600469 R ajustado 0 360563 F 3 32 7 02566 Tabela de regress o ANOVA Graus de liberdade soma dos quadrados desvio quadrado TIA AI 2581 47 11757 90 367 43 19502 31 ESSA 23 O valor para pixels que n o s o mercado zero e isto tamb m retornar um valor no arquivo de valores Isto n o tem nenhuma relev ncia para a an lise e por isso necessita ser exclu do da vari vel dependente Use EDIT para editar o arquivo de valores MKTINTEG e exclua a linha 0 0 Caso queira voc pode executar a regress o m ltipla usando os arquivos prontos fornecidos juntamente com este exerc cio 2 Se voc visualizar a imagem AVGRAIN voc poder ver a escassez de dados Esta imagem foi derivada de uma imagem com pixels de 111x111 km a resolu o atual de aproximadamente 6 km Isso foi feito em fun o da inexist ncia de dados melhores que fossem comparav s ao longo do espa o e do tempo Centro de Recursos Idrisi Brasil 216 IDRISI for Windows Exerc cios tu
3. Com fotografias a reas o processo mais complexo N o existem somente distor es sistem ticas relacionadas ao balan o e varia o de altitude da aeronave A varia o topogr fica do relevo leva a distor es muito irregulares que n o podem ser removidas atrav s de procedimentos de transforma o do tipo rubber sheet como os usados nas imagens orbitais Nestas condi es necess rio usar restitui o fotogram trica para remover estas distor es e propiciar medidas de mapa mais exatas Fotogrametria a ci ncia de fazer medi es espaciais a partir de fotografias a reas Para obter uma restitui o plena necess rio ter imagens estereosc picas fotografias que se sobrep em o suficiente p ex 60 na dire o da linha e 10 entre as linhas de v o para proporcionar duas imagens independentes de cada parte da paisagem Usando estes pares estereosc picos e pontos de controle no terreno com posi o e altitude conhecidas poss vel recriar inteiramente a geometria das condi es de visada e atrav s disso n o apenas retificar medidas dessas imagens como tamb m derivar medidas de altitude do terreno As fotografias retificadas s o chamadas de ortofotos As medidas de altitude podem ser usadas para produzir modelos digitais de eleva o A retifica o fotogram trica requer hardware e software especializados que s o tradicionalmente muito caros Todavia existem atualmente alguns produtos fotogram tricos
4. Comparado com seus similares raster os sistemas vetoriais n o t m uma ampla gama de fun es para an lise sobre um espa o cont nuo Eles levam vantagem entretanto em problemas que envolvem movimentos sobre uma rede e podem empreender a mais fundamental das opera es de SIG que ser esbo ada abaixo Para muitos a simples fun o de gerenciamento de banco de dados e as excelentes possibilidades de mapeamento que tornam sistemas vetoriais atraentes Por causa da forte afinidade entre a l gica da representa o vetorial e a produ o tradicional de mapas um plotter de pena pode ser usado para produzir um mapa muito parecido com aqueles produzidos por meios tradicionais Como resultado sistemas vetoriais s o muito populares em aplica es municipais onde predominam quest es de produ o de mapas para engenharia e gerenciamento de bancos de dados Sistemas raster e vetoriais t m cada um seus pontos fortes O IDRISI for Windows incorpora elementos de ambas as t cnicas de representa o Embora seja um sistema anal tico raster o IDRISI for Windows emprega a estrutura de dados vetorial como uma das principais formas de visualiza o e interc mbio de dados de mapas Aspectos fundamentais de gerenciamento de banco de dados vetorial est o tamb m presentes no IDRISI Conceitos geogr ficos de banco de dados Organiza o Independente da l gica usada para a representac o espacial raster ou vetorial come amos a ver que um
5. l Porque todas as AWRAJAS s o visualizadas com o s mbolo 255 verde Examine os valores no campo POPULATION do banco de dados Esses valores situam se entre 39 073 e 1 711 686 voc pode verificar isso usando Documentar banco de dados como no passo d Nossa visualiza o entretanto limitada a 256 s mbolos numerados de O a 255 Quando um valor maior que 255 encontrado ele exibido com o s mbolo 255 Para conseguir visualizar adequadamente os dados de popula o necessitamos autoescalonar os valores para que coincidam com o intervalo de 256 s mbolos Para autoescalonar os dados de popula o volte ao menu Liga o Fixar par metros de liga o visualiza o Ligue Escalonar campo para visualizar e mantenha 256 como o n mero de n veis Pressione OK Os valores de popula o campo POPULATION foram escalonados para visualiza o em um intervalo de O a 255 ajustando se agora aos c digos no arquivo de s mbolos Conv m alertar que os novos valores calculados est o armazenados somente na mem ria e s o usados para fins de visualiza o os valores originais de popula o no banco de dados n o foram alterados A opera o de autoescalonamento que acabamos de fazer o mesmo procedimento que o Lan ador de visualiza o usa quando voc visualiza uma imagem com autoescalonamento Ele simplesmente um ajuste linear que divide o intervalo original de valores em um n mero espec fico de classes de m
6. Figura 2 Dispomos agora de todos os dados de entrada para calcular DECOMP exceto a temperatura m dia anual AVGTEMP Esse dado n o existe no banco de dados ETHIOPIA nem h mapas de temperatura dispon veis para a Eti pia Entretanto existem dados de temperatura que s o coletados em esta es meteorol gicas espalhadas pelo pa s N s tamb m sabemos a altitude de cada uma dessas esta es Assim como verificado no Exerc cio 9 a rela o entre eleva o e temperatura no leste da frica muito forte Da mesma forma que fizemos no Exerc cio 9 com as 9 esta es meteorol gicas do Qu nia derivamos uma equa o expressando a rela o entre a altitude e a temperatura m dia anual para 35 esta es meteorol gicas da Eti pia e a utilizamos para criar uma imagem de temperatura a partir de uma imagem de altitudes A imagem de temperatura que foi criada chama se TEMPSURF e est no nosso conjunto de dados do diret rio EXERCISE A equa o utilizada para criar TEMPSURF tem um coeficiente de correla o r de 0 9478 e a seguinte Y 30 388041 0 006171X Onde Y a temperatura em graus Celsius e X a eleva o em metros x Visualize TEMPSURF com a tabela de cores IDRIS256 Voc pode adicionar o arquivo AWRAJAS com o arquivo de s mbolos padr o As regi es mais altas t m temperaturas mais baixas mostradas em azul e vermelho enquanto as eleva es mais baixas apresentam temperaturas mais elevadas mostradas em to
7. Uma alternativa para o uso do filme colorido agrupar v rias c meras em uma mesma instala o numa aeronave cada uma com filme preto e branco e um filtro espec fico para isolar um intervalo espec fico de comprimentos de onda A vantagem deste arranjo que as bandas ficam acess veis de forma independente e podem ser fotograficamente real adas Se uma composi o colorida for desejada poss vel cri la mais tarde a partir das bandas individuais E evidente que as fotografias n o est o em um formato que pode ser imediatamente usado em an lise digital Entretanto poss vel escanear fotografias com um scanner de mesa comum e criar conjuntos de Centro de Recursos Idrisi Brasil Introdu o ao sensoriamento remoto e processamento de imagens 25 dados multiespectrais tanto pelo escaneamento das imagens em bandas individuais quanto de uma imagem colorida e posterior separa o e suas bandas V rios sistemas SIG e ou de processamento de imagens oferecem essa possibilidade Adicionalmente tamb m pode ser adquirido um software especial para retificar imagens de baixa altitude atrav s de t cnicas fotogram tricas V deo Gravadores videocassete em formato Super VHS podem ser usados com pequenas c meras de v deo CCD para produzir v deos a reos coloridos de alta qualidade Usando v rias c meras simultaneamente cada uma com um filtro para isolar um intervalo espec fico de comprimentos de onda poss vel isolar imag
8. o entre os dois sistemas de coordenadas 4 Usando essa equa o o IDRISI for Windows converte o arquivo para o novo sistema de refer ncias atrav s do que denominado uma transforma o do tipo rubber sheet Neste exerc cio n s iremos georreferenciar uma imagem LANDSAT Thematic Mapper da folha de Paxton uma rea a oeste de Howe Hill no centro de Massachusetts N s reamostraremos a imagem chamada PAXTON para o sistema de coordenadas UTM a Visualize a imagem PAXTON com a op o de autoescalonamento e a tabela de cores Tons de cinza 256 Esta a banda do infravermelho Mova o cursor sobre a imagem e observe que as posi es de coluna correspondem s coordenadas X Esse sistema de refer ncia foi criado pela atualiza o da documenta o do arquivo imagem com coordenadas m nimas X e Y iguais a O e coordenadas m ximas X e Y iguais a 512 o n mero exato de linhas e de colunas na imagem Execute DESCRIBE em PAXTON para ver o sistema de refer ncia no arquivo documenta o Feche a caixa de di logo de DESCRIBE quando tiver terminado A raz o pela qual esse sistema de refer ncia arbitr rio usado ser explicada no final desse exerc cio quando considerarmos o erro de posi o introduzido durante a reamostragem 1 Por que as posi es de linha e a coordenada Y n o coincidem O primeiro passo no procedimento de reamostragem encontrar pontos que possam ser facilmente identific veis tanto na imagem como no mapa
9. o espacial e a resolu o espectral A resolu o espacial refere se ao tamanho da rea no terreno que resumida por cada valor de dado nas imagens Trata se do campo de visada instant neo IFOV descrito anteriormente A resolu o espectral refere se ao n mero e largura das bandas espectrais que o sensor do sat lite detecta Adicionalmente quest es referentes ao custo e disponibilidade das imagens tamb m devem ser consideradas na escolha LANDSAT O sistema LANDSAT de sat lites para sensoriamento remoto operado pela Earth Observation Satellite Company EOSAT que vende dados digitais e fotogr ficos Cenas inteiras ou um quarto delas s o disponibilizadas atrav s de v rios meios de distribui o como os produtos fotogr ficos de cenas MSS e TM em falsa cor e em preto e branco Existem seis sat lites LANDSAT o primeiro deles lan ado em 1972 O LANDSAT 6 foi perdido no lan amento mas o LANDSAT 5 continua em opera o O LANDSAT carrega dois sensores multiespectrais O primeiro deles o scanner multiespectral multispectral scanner MSS que obt m as imagens em quatro bandas espectrais azul verde vermelho e infravermelho pr ximo O segundo o mapeador tem tico Thematic mapper TM que coleta 7 bandas azul verde vermelho infravermelho pr ximo duas no infravermelho m dio e uma no infravermelho termal O MSS tem uma redu o espacial de 80 metros e o TM de 30 metros Ambos os sensores recobrem uma
10. o para facilitar seu exame 2 Para a maioria dos pixels que t m alguma incerteza de pertencer classe floresta dec dua que outra s classe s o classificador percebe que podem estar presentes 3 O que s o as probabilidades a posteriori de todas as classes diferentes de zero na c lula localizada na coluna 326 e linha 43 Como voc interpreta estes dados considere todas as classes em sua resposta 4 Como a resolu o da imagem de 20 metros cada pixel representa 0 04 hectares Para a c lula na coluna 326 e linha 43 quantos hectares de floresta dec dua voc imagina existirem neste pixel A segunda sa da adicional produzida por BAYCLASS a imagem de incerteza na classifica o BAYCLU neste caso Caso voc ainda n o tenha feito leia sobre este t pico no cap tulo Classifica o de imagens de sensoriamento remoto Visualize ent o a imagem denominada BAYCLU Observe que ela foi inclu da no arquivo de grupo de imagens BAY Por isso caso voc examinar a imagem com o modo de consulta do cursor ativado voc obter uma tabela gr fico da incerteza neste local mais a probabilidade a posteriori de cada classe de cobertura a Examine as c lulas na coluna 325 e linha 43 e na coluna 326 e linha 43 Quais s o os valores de incerteza nestes locais O que explica a diferen a entre eles 6 Examine a c lula na coluna 333 e linha 37 Observe que as probabilidades s o quase regularmente distribu das entre tr s c
11. p Execute um realce linear com STRETCH em BELINT_S para transformar os valores para o intervalo de O a 255 A seguir a partir do menu An lise Apoio decis o execute RANK ordem de classifica o descendente sobre o resultado do realce Denomine de RANK a imagem ordenada de sa da Visualize a imagem Como uma rea muito grande de BELINT S tem valores iguais a 1 pixels que tecnicamente t m igual hierarquia s o ordenados de acordo com a ordem de leitura pelo programa do topo para a base e da esquerda para a direita q Execute RECLASS para classificar os primeiros 50 pixels e crie uma imagem CHOICE1 na qual o valor de 1 atribu do a todas as c lulas cujos valores v o de 1 a 51 e o valor de zero atribu do a todas as c lulas com valores maiores do que 51 Visualize o resultado Observe que CHOICE1 cont m reas com valores de intervalo de confian a elevados Observe que reas com alto potencial para um s tio arqueol gico representam poss veis escolhas para futura coleta de informa o Todavia devido grande por o dos dados originais com intervalo de confian a igual a 1 esta reclassifica o apenas seleciona aqueles que foram arbitrariamente ordenados sobre os demais Muito provavelmente mais vari veis ou outro conhecimento especialista necess rio para futuramente reduzir o conjunto de possibilidades para a ocorr ncia de s tios arqueol gicos Conclus o A caracteriza o simult nea do que sabemos e do
12. 2 Execute RECLASS e especifique MCEWLC como imagem de entrada e MCEWLCH para reas mais aptas como imagem de sa da Reclassifique MCEWLC de modo que todas as reas com escore de aptid o superior a 175 recebam um novo valor de 1 e todas as demais reas um novo valor igual a 0 Para explorar este resultado mais tarde Centro de Recursos Idrisi Brasil 190 IDRISI for Windows Exerc cios tutoriais avan ados adicione MCEWLCH ao arquivo de grupo MCEWLC usando EDIT e examine cada um dos novos grupos de alta aptid o com o cursor Finalmente use o mesmo esquema de agrupamento discutido anteriormente para isolar reas cont guas maiores que 20 hectares Salve sua imagem de reas cont nuas maiores que 20 hectares como HT20WLC Visualize esta imagem e adicione o arquivo vetorial WESRDS usando o arquivo de s mbolos Qualitativa 16 Estas s o as mesmas reas do que as do exerc cio de MCE Booleana Por que n o Quais os grupos que possuem o grau m dio de aptid o mais elevado E o mais baixo Que fatores podem explicar esta diferen a Sugest o use os m dulos GROUP e EXTRACT e explore sua imagem resultante adicionando a ao arquivo de grupo MCEWLC 10 Avalia o por crit rios m ltiplos M dia ponderada ordenada O ltimo m todo de agrega o de crit rios em nossa MCE a M dia Ponderada Ordenada Ordered Weighted Average OWA Esta t cnica similar WLC vista h pouco uma vez que os crit rios s o padro
13. IDRISI for Windows Exerc cios tutoriais avan ados A solu o para o problema de objetivos m ltiplos e o uso de MOLA requer que tenhamos criado mapas de aptid o para cada objetivo Vamos examinar os dois mapas de aptid o Usaremos o mapa produzido com MCEFINAL no exerc cio anterior Usaremos tamb m o mapa de aptid o industrial INDSUIT produzido usando as mesmas t cnicas de pondera o e de avalia o tratadas aqui N s o fornecemos pronto a voc para este exerc cio Usando o Lan ador de visualiza o visualize ambos os mapas com a tabela de cores padr o Idrisi 256 e coloque os lado a lado Voc pode ainda adicionar o arquivo vetorial de cursos d gua e rodovias em cada um 1 Que reas parecem ter melhor aptid o para desenvolvimento residencial Que reas parecem ter melhor aptid o para desenvolvimento industrial Caso fosse apenas um problema com um nico objetivo ou se estiv ssemos considerando cada um dos objetivos por si s a solu o seria relativamente simples A solu o seria ordenar cada mapa de aptid o e ent o selecionar as melhores reas ou as c lulas que possuem a hierarquia mais elevada at atingirmos nosso objetivo de 1600 ou 600 hectares Podemos fazer isso se ordenarmos hierarquicamente os mapas de aptid o e ent o selecionarmos aquelas c lulas com a ordem hier rquica mais alta que satisfazem nosso objetivo em rea Usaremos a combina o dos m dulos RANK e RECLASS para realizar este conj
14. b Use o Lan ador de visualiza o para examinar uma imagem chamada DSOILS Escolha a tabela de cores Qualitativa 16 comt tulo e legenda vis veis Este o mapa de solos da rea de estudo Na determina o de como proceder com o projeto da barragem os planejadores necessitam saber qual ser o prov vel impacto que o projeto ter Uma informa o importante a rea total em hectares de solos pr prios ao cultivo recessional de sorgo Caso a maior por o inundada seja constitu da de solos impr prios o incremento esperado na produ o de sorgo ser m nimo e talvez seja necess rio identificar outro local para o projeto Em contrapartida se grande parte da rea de inunda o tiver solos argilosos ent o o projeto poder resultar em um grande impacto no incremento da produ o de sorgo Nossa tarefa um tanto simples fornecer essa informa o Vamos mapear e calcular a rea em hectares de todas as regi es aptas ao cultivo recessional de sorgo Esta uma consulta cl ssica ao banco de dados e envolve uma condi o composta necessitamos encontrar todas as reas que est o i localizadas na regi o normal de inunda o AND e ii com solos argilosos Para construir um modelo cartogr fico para esse problema vamos iniciar por especificar o resultado final desejado no lado esquerdo do modelo No final desejamos um n mero simples que represente a rea apta ao cultivo recessional de sorgo em hectares Par
15. baixa TMIL2S TM2L25 TM3L25 TM4L25 Figura 2 Para examinar os valores de reflect ncia em todas as quatro imagens iremos utilizar a consulta expandida do cursor que possibilita consultar simultaneamente todas as imagens cujos nomes estejam inclu dos em um arquivo de grupo de imagens j Para criar um arquivo de grupo de imagens execute EDIT a partir do menu Entrada de dados Escolha editar um arquivo de grupo de imagens e digite o nome TMGRP Escolha a op o Usar editor de arquivo de grupo para adicionar ao arquivo de grupo os nomes das quatro bandas originais HOW87TM1 a HOW87TM4 e a imagem real ada TM4L25 Salve o arquivo e saia de EDIT k Abra as Prefer ncias de visualiza o a partir do menu Visualiza o e verifique se a op o Usar modo expandido de consulta do cursor est ligada Selecione a op o Arquivo de grupo de imagens e digite o nome do arquivo de grupo de imagens TMGRP rec m criado Esses passos instruem o IDRISI for Windows para que sempre que o modo de consulta do cursor for acionado em um dos arquivos contidos no arquivo de grupo de imagens TMGRP todas as imagens cujo nome estiver contido nesse arquivo ser o consultadas e os resultados mostrados isso n o interfere na consulta normal em uma imagem que n o faz parte do grupo D Selecione a imagem TM4L25 clicando na barra superior de sua janela de visualiza o e ative o modo de consulta do cursor Movimente o cursor por sobre a imagem TM4L25 buscando tr s ou
16. mais especificamente um m dulo de transforma o entre sistemas de refer ncia Um sistema de refer ncia consiste de um datum que define a forma da Terra atrav s de um elips ide de refer ncia e o ajuste espec fico deste elips ide forma real irregular da Terra geralmente definido por um conjunto de tr s constantes conhecidas como constantes de Molodensky uma proje o consistindo do seu nome e todos os par metros necess rios para ajustar esta proje o ao datum um sistema de grade consistindo de uma origem real e uma falsa origem de onde a numera o inicia al m das unidades de medida espec ficas PROJECT capaz de transformar arquivos imagem e vetoriais sempre que qualquer um destes par metros for modificado Assim se desejamos apenas alterar o datum mantendo a mesma proje o n s usamos o m dulo PROJECT a Execute PROJECT a partir do menu Reformata o Escolha o tipo de arquivo vetorial e especifique STREAMS como arquivo de entrada O sistema de refer ncia para STREAMS US27TM16 D STREAM83 como arquivo de sa da e US83TM16 como arquivo de refer ncia para o resultado b Visualize STREAM83 com o arquivo de s mbolos STREAMS que voc criou no exerc cio anterior Adicione ent o o plano STREAMS com o arquivo de s mbolos padr o Quando o Lan ador de visualiza o alerta para o fato dos sistemas de refer ncia n o coincidirem opte por adicionar o plano assim mesmo A diferen a causada
17. mas tamb m incluem v rios procedimentos de medi o e an lise estat stica A principal caracter stica que distingue esse tipo de an lise que n o conseguimos obter do sistema nada al m do que colocamos nele Apesar de podermos extrair combina es que nunca examinamos antes o sistema n o nos fornece nova informa o estamos simplesmente fazendo uma retirada de um banco de dados que previamente constru mos Uma das principais atividades na consulta ao banco de dados a procura de padr es Geralmente estamos procurando padr es espaciais nos dados que podem nos levar a criar hip teses sobre relacionamentos entre vari veis Mapeamento derivativo Com mapeamento derivativo n s combinamos componentes selecionados de nosso banco de dados para construir novos planos derivados Por exemplo podemos tomar nossos dados de eleva o digital para derivar gradientes de declividade e ent o tomar nossos dados de declividade e combin los com informa o do tipo de solo e regime pluviom trico para produzir um novo mapa de potencial de eros o Esse novo mapa se torna um acr scimo ao nosso crescente banco de dados Como podemos criar novos dados a partir de dados j existentes Diferente da consulta ao banco de dados onde simplesmente extra mos informa o que j estava no banco de dados com mapeamento Centro de Recursos Idrisi Brasil Introdu o a sistemas de informa o geogr fica SIG 17 derivativo n s tomamos i
18. quele do nosso exemplo de WLC onde nosso n vel de risco situou se exatamente entre AND e OR nosso n vel de compensa o pleno e no qual os pesos dos fatores s o usados plenamente teremos que especificar os seguintes pesos de ordena o N vel m dio de risco compensa o plena Pesos de ordena o 0 16 0 16 0 16 0 16 0 16 0 16 Ordem 1 Za 3 4 5 6 No exemplo acima o peso distribu do regularmente entre todos os fatores independente de sua posi o ordenada do m nimo ao m ximo para qualquer local Eles n o tendem nem em dire o ao m nimo opera o AND nem em dire o ao m ximo opera o OR Como no procedimento WLC nosso resultado estar exatamente no meio em termos de ANDness e de risco Adicionalmente como todas as posi es de ordem hier rquica recebem o mesmo peso nenhuma posi o ordenada ter maior influ ncia sobre a outra no resultado final Haver compensa o plena entre fatores permitindo que os pesos dos fatores sejam plenamente usados Para ver o resultado de um esquema de pondera o destes e um intervalo de outras solu es poss veis para nosso problema de desenvolvimento residencial urbano usaremos novamente o m dulo MCE a Execute MCE e selecione a opera o M dia ponderada ordenada Recupere seu arquivo de par metros dsf salvo durante o procedimento WLC chamado RESDEV Adicionalmente aos par metros salvos anteriormente um novo conjunto de pesos pesos de ordena
19. rea em hectares destas reas pr prias em BESTSORG Isto pode ser feito com o m dulo AREA Execute AREA a partir do menu An lise Consulta ao banco de dados indique BESTSORG como a imagem de entrada selecione formato de sa da tabular e calcule a rea em hectares 5 Quantos hectares encontram se na rea de inunda o em solos argilosos Qual o significado da outra rea relatada na figura Adicionar o nome dos m dulos ao modelo cartogr fico da Figura 3 produz o modelo cartogr fico completo para a an lise acima mostrado na Figura 4 RECLASS 4 area em hectares Figura 4 O resultado que produzimos envolveu consultas por atributo nico para cada uma das condi es especificadas na defini o de aptid o Depois utilizamos os produtos dessas consultas para executar uma consulta por atributos m ltiplos que identificou os locais que satisfazem a todas as condi es Apesar de analiticamente muito simples este tipo de an lise um dos mais comuns efetuados com SIG A capacidade de desempenhar consultas base de dados baseado n o somente em atributos mas tamb m na localiza o desses atributos o que distingue um SIG de um software de gerenciador de banco de dados convencional A rea que acabamos de calcular representa o n mero total de hectares para todas as regi es que satisfazem nossas condi es Observe que h algumas regi es distintas que s o fisicamente separadas das demais Como devemos pro
20. H alguma outra banda que se pare a com a banda 4 H87TM4 Qual dela s b Execute agora PCA An lise de componentes principais a partir do grupo Transforma es do menu An lise Processamento de imagens Indique que voc deseja calcular as covari ncias Centro de Recursos Idrisi Brasil c d 13 An lise de componentes principais 131 diretamente que voc deseja usar sete bandas e quer extrair sete novas componentes Indique H87 como o novo prefixo para as imagens de sa da Especifique que voc quer vari veis n o padronizadas e a forne a os nomes das sete bandas H87TM1 a H87TM7 PCA ir proceder ao c lculo das equa es de transforma o e criar os arquivos com as novas componentes com nomes que variam de H87CMP1 a H87CMP7 Quando o m dulo PCA tiver conclu do o processamento os resultados ir o aparecer na tela como tabelas de sum rio Selecione o cone de impress o direita do quadro caso queira ter um relat rio impresso das tabelas com os resultados 2 Examine a matriz de correla o Voc encontra muita correla o entre as bandas Que bandas se correlacionam mais com a banda 4 Como isto se compara sua resposta pergunta 1 Mova agora a barra de rolagem para baixo para examinar a tabela sum rio das componentes onde os autovalores eigenvalues e os autovetores eigenvectors para cada componente s o mostrados O autovalores expressam a quantidade de vari ncia explicada por cada compo
21. Neste caso voc pode clicar sobre o cone de ligar desligar as barras de rolagem no menu principal Isso ir alternar entre a visualiza o e a n o visualiza o das mesmas Fatores de expans o Zoom Janela Como voc j deve ter deduzido barras de rolagem anexadas moldura do mapa aparecem toda vez que esta moldura pequena demais para conter toda a imagem O redimensionamento pode ser uma das causas disto acontecer Isto tamb m pode ocorrer como resultado de uma opera o de zoom ou da extra o de uma janela ou ainda como resultado do uso de um fator de expans o que fa a a imagem ficar maior do que a tela k D Feche qualquer janela de mapa que ainda estiver aberta clicando duas vezes na caixa de controle no canto superior esquerdo de cada janela Use a seguir o Lan ador de visualiza o para chamar BRAZILFC novamente com a tabela Composi o colorida 256 mas desta vez opte por um fator de expans o igual a 2 Note como a barra de rolagem anexada automaticamente Note que caso voc tivesse tentado reduzir por um fator de dois teria sido necess rio indicar um fator de expans o igual a 2 Remova BRAZILFC da tela mais uma vez e traga a novamente com o fator de expans o normal O fator de expans o normal automaticamdnte calculado para ajustar a imagem completa aos limites da tela com o maior tamanho poss vel Fatores de expans o diferentes podem resultar da configura o de diferentes resolu es do si
22. O ponto 21 um tanto especial Note que na imagem PAXTON a rodovia que desce desde o norte parece cruzar a rodovia principal e seguir ao longo do Kettlebrook Reservoir N 4 antes de terminar Na Figura 3 entretanto n s vemos que a rodovia que desce desde o norte est de fato mais para a direita que a rodovia que segue para sul ao longo do reservat rio 2 Quais s o as coordenadas X e Y novas e antigas dos pontos de controle 21 e 22 O segundo passo no processo de reamostragem gravar as coordenadas dos pontos de controle no arquivo de correspond ncia f Execute EDIT e indique que voc quer editar um arquivo de correspond ncia chamado PAXCOR A primeira linha no arquivo de correspond ncia especifica o n mero de pontos ou pares de coordenadas no arquivo Logo abaixo os pontos s o listados na ordem segiencial g Para adicionar seus dois novos pontos de controle ao arquivo comece modificando a primeira linha de modo a atualizar para o novo n mero de pontos de controle 22 V ent o ao final do arquivo e adicione o novo conjunto de coordenadas As duas colunas da esquerda s o as coordenadas X Y antigas da imagem de sat lite e as da direita s o as novas coordenadas do arquivo vetorial Ap s finalizar salve o arquivo e saia Agora estamos prontos para come ar o terceiro passo que ser calcular a equa o de melhor ajuste entre os dois sistemas de refer ncia h Execute RESAMPLE a partir do m
23. Visualize WORCWEST com legenda e com a tabela de cores personalizada WORCWEST N s iremos repetir o primeiro passo que fizemos e comparar os agrupamentos derivados com os tipos de cobertura do solo existentes Para efeito did tico usaremos o mapa WORCWEST em vez de trabalho de campo Use CROSSTAB a partir do menu An lise Estat stica para comparar WORCWEST com FINE e para ver como as categorias em FINE foram reagrupadas e reclassificadas para criar WORCWEST Indique WORCWEST como a primeira imagem de entrada e FINE como a segunda Especifique uma tabela completa de classifica o cruzada como sa da e aceite as demais op es padr o Depois que o resultado for exibido desloque se para baixo para visualizar toda a tabela Voc tamb m pode imprimir a tabela para facilitar o trabalho de examin la Descubra agora como as 24 categorias em FINE podem ser reagrupadas para corresponder s 14 categorias de WORCWEST Observe que alguns agrupamentos foram particionados entre duas categorias de uso do solo Crie ent o um arquivo de valores com EDIT que possibilite um reagrupamento similar ao mapa de uso do solo No caso em que agrupamentos s o particionados entre duas categorias escolha a categoria que abarca o maior n mero de pixels do agrupamento Na realidade esta decis o deve ser feita com base tamb m em outras considera es como trabalho de campo adicional Em particular evidente que o agrupamento 24 est dividido em duas grande
24. a Por exemplo na imagem PRNEWS a rea externa cidade tem uma prioridade a priori de 0 18 o que representa simplesmente a probabilidade destas reas serem novas reas residenciais em 1992 Entretanto as probabilidades a priori de car ter espacial atingem 0 70 em qualquer outro lugar dependendo da cobertura do solo existente em 1985 Execute MAXLIKE novamente Repita os mesmos passos feitos anteriormente mas desta vez indique um arquivo de probabilidades a priori para cada assinatura Indique junto a cada assinatura o seu mapa de probabilidades a priori correspondente Denomine este novo mapa de SPMAX2 Visualize SPMAX2 com a tabela de cores SPMAX e com legenda Adicione o arquivo vetorial WESTBND com o bot o Adicionar Plano da janela de Composi o Este arquivo mostra os limites da cidade 2 Descreva as classes nas quais ocorreram mudan as mais evidentes como resultado da inclus o de probabilidades a priori Use CROSSTAB para criar um mapa de classifica o cruzada e uma tabela de tabula o cruzada das diferen as entre SPMAX1 e SPMAX2 Chame o mapa da classifica o cruzada de MAXIMAX2 Visualize MAXIMAX usando a tabela de cores QUAL256 Para facilitar o exame das reas que apresentam modifica o em fun o da introdu o de probabilidades a priori use a edi o interativa da legenda modificando para preto cada categoria que n o foi alterada Coloque o plano vetorial WESTBND sobre seu mapa para facilitar o exam
25. aproxima muito da arquitetura dos computadores digitais Como resultado sistemas raster tendem a ser muito r pidos na avalia o de problemas que envolvem v rias combina es matem ticas de dados em m ltiplos planos Por isso ele s o excelentes para a avalia o de modelos ambientais como a eros o potencial do solo e o manejo de florestas Adicionalmente como as imagens de sat lite empregam uma estrutura raster a maioria dos sistemas raster pode facilmente incorporar esses dados e alguns oferecem plena capacidade de processamento de imagens Enquanto sistemas raster s o predominantemente orientados para a an lise os sistemas vetoriais tendem a ser mais orientados para o gerenciamento de bancos de dados Sistemas vetoriais s o muito eficientes no armazenamento de dados de mapas porque armazenam apenas os limites das fei es e n o o que est dentro desses limites Em fun o da representa o gr fica das fei es estar diretamente ligada ao banco de dados de atributos os sistemas vetoriais geralmente permitem o deslocamento em torno do visualizador gr fico com o mouse e a consulta dos atributos associados fei o visualizada tais como a dist ncia entre pontos ou ao longo de linhas as reas de regi es definidas na tela e assim por diante Al m disso eles podem produzir mapas tem ticos simples de consultas a banco de dados como todas as se es de linhas de esgoto com mais de um metro de di metro instaladas antes de 1940
26. as que ocorreram na rea entre 1980 e 1990 A esta o pluviom trica mais pr xima est na cidade de Mbout localizada fora da imagem na dire o leste A esta o mediu aproximadamente 200 mm de chuva em 1980 e 240 mm em 1990 Al m disso uma represa para irriga o foi construida em 1985 na se o m dia do rio Gorgol 8 Como essa informa o pode ajudar a explicar as mudan as que voc observa Neste exerc cio abordamos a an lise de mudan as atrav s de an lise visual No IDRISI for Windows h muitos outros m todos quantitativos dispon veis Entretanto a seguir apenas cobriremos rapidamente um deles na an lise final Outros m todos de an lise de mudan as s o detalhados no livro de trabalho do UNITAR Change and Time Series Analysis Eastman amp McKendry 1991 no cap tulo sobre ndices de vegeta o esse livro est dispon vel para aquisi o no Projeto IDRISI junto Clark University Como uma an lise final determinaremos se os modelos de ndice de vegeta o usados produzem resultados estatisticamente similares Essa quest o pode ser facilmente respondida aplicando se uma an lise de regress o linear simples sobre as imagens de ndices de vegeta o ou sobre arquivos de valores extra dos dessas imagens Neste exerc cio extrairemos um arquivo de valores de cada uma das imagens de ndice de vegeta o e executaremos o m dulo REGRESS i O processo de cria o de um arquivo de valores a partir de
27. controle Voc notar que alguns pontos t m altos res duos em compara o com outros Isso n o inesperado nem incomum Como vimos anteriormente nem sempre f cil saber que pixel escolher como ponto de controle ou se devemos usar o centro da c lula ou uma de suas bordas Felizmente podemos omitir pontos ruins do arquivo e calcular uma nova equa o facilmente Antes de omitir pontos entretanto n s devemos lembrar duas quest es importantes mencionadas anteriormente a manuten o de uma boa distribui o dos pontos e a reten o daqueles pontos em que voc tem maior confian a Pontos com um alto RMS tendem a terem pouco valor mas nem sempre assim Alguns poucos pontos ruins em uma parte da imagem podem for ar a equa o e fazer um bom ponto parecer ruim Nesse momento voc deve consultar o seu croqui e o n vel de confian a anotado em cada ponto Voc pode escolher remover primeiro os pontos mais question veis ou alternativamente reexaminar suas coordenadas X Y de posi o e recome ar o processo de reamostragem N s faremos considera es sobre cada uma dessas quest es medida que procedermos com a reamostragem n Avalie os erros residuais dos pontos de controle 21 e 22 Se eles s o maiores que 0 46 e 0 92 respectivamente voc precisar recalcular a sua localiza o eles est o em posi es importantes na imagem Dois pontos pr ximos ao ponto 21 s o considerados de baixa confian a de forma que
28. d Com isto a ltima rea de treinamento digitalizada ser exclu da Retorne a imagem para seu tamanho normal e ent o amplie uma janela em torno da sua pr xima rea de treinamento tomando como refer ncia a Figura 5 Selecione novamente o cone de digitaliza o na tela Digite um identificador para a nova rea Mantenha o mesmo identificador caso voc queira digitalizar outro pol gono em torno de uma rea de igual tipo de cobertura que a anterior Caso contr rio indique outro identificador Qualquer n mero de reas de treinamento ou de pol gonos com o mesmo identificador podem ser criados para cada tipo de cobertura De modo geral entretanto eles deveriam ser amostras de pixels adequadas para cada tipo de cobertura com vistas sua caracteriza o estat stica Via de regra o n mero de pixels de cada conjunto de treinamento i e todas as reas de treinamento para uma nica classe de cobertura do solo n o deveria ser menor do que dez vezes o n mero de bandas Assim neste exerc cio onde usaremos sete bandas n s dever amos ter pelo menos 70 pixels por conjunto de treinamento c Continue at que voc tenha digitalizado reas de treinamento para cada classe de cobertura Pressione ent o o seguinte cone Isto armazenar o arquivo vetorial TRSITES e o recolocar na tela Depois de ter o arquivo vetorial de reas de treinamento voc est pronto para o terceiro passo do processo a cria o dos a
29. dividir diferentes planos de dados pra produzir um resultado composto Esta terceira opera o simplesmente outra forma de sobreposi o sobreposi o matem tica diferente da sobreposi o l gica de consulta ao banco de dados Para ilustrar isso considere um modelo para derretimento da neve em reas densamente florestadas M 0 19T 0 17D onde M a taxa de derretimento em cm dia T a temperatura do ar e D a temperatura do ponto de Equa o tomada de Dune T Leopold L B 1978 Water in Environmental Planning W H Freeman and Co San Francisco 480p 14 IDRISI for Windows Manual do usu rio orvalho Tendo planos de temperatura do ar e ponto de orvalho para uma regi o desse tipo poder amos facilmente produzir um mapa de taxa de derretimento da neve Para tanto seria necess rio multiplicar o plano de temperatura por 0 19 uma opera o escalar o plano do ponto de orvalho por 0 17 outra opera o escalar e ent o empregar uma opera o de sobreposi o para adicionar aos dois resultados Apesar de simples em conceito esta possibilidade de tratar planos de mapas como vari veis em f rmulas alg bricas extremamente poderosa Solos Limites il Reclassifica o Cruzamento Figura 2 4 Operadores de dist ncia O terceiro grupo de ferramentas oferecidas por um SIG consiste de Operad
30. e ruas streets c Queremos extrair somente as rodovias routes estradas roads ruas streets e fei es de revis o fotogr fica photorevised features Escolha cada linha que representa um destes tipos clicando na caixa correspondente N o escolha quaisquer s mbolo alfanum ricos n meros ou fei es coincidentes Voc deve escolher cinco tens Pressione OK para sair da listagem e retorne caixa de di logo principal Quando escolhemos combina es espec ficas de c digos principais e secund rios seus valores individuais foram automaticamente transferidos para a rea Fei es a extrair da caixa de di logo Pressione a seta esquerda para ver os valores que foram indicados Por defini o o novo identificador ID introduzido id ntico ao c digo secund rio original Neste caso ao inv s de manter os valores do c digo secund rio mude os novos valores de ID para os seguintes chame novamente a lista de c digos caso voc n o lembre dos c digos correspondentes a cada elemento Deve tamb m ser observado que o formato DLG se tornou um padr o para interc mbio de dados entre sistemas de forma que o m dulo DLG tamb m pode ser usado para importar dados de outros software Arc Info p ex al m de importar dados do USGS 40 a A a A Para maiores informa es sobre arquivos de par metros de sistema de refer ncia datums e outras quest es veja o cap tulo Georreferenciamento no Manual do us
31. juntamente com alguma informa o espec fica na legenda Entretanto poss vel embora na maioria dos casos n o recomendado considerar os identificadores dos elementos como atributo Nestes casos um arquivo de valores n o precisaria ser ligado a um arquivo vetor para visualiza o 0 Para ilustrar esta diferen a execute o Lan ador de visualiza o e indique que voc deseja visualizar um arquivo vetorial Especifique ent o o nome CLARKBLK e que deve ser usado o arquivo de s mbolos Idrisi 256 IDRIS256 um arquivo de s mbolos para pol gonos que corresponde ao arquivo tabela de cores IDRIS256 para imagens Neste caso as cores das quadras urbanas s o resultado de seus pr prios identificadores isto os identificadores s o tratados como se fossem c digos de s mbolos Entretanto neste caso n s simplesmente queremos ver esta camada de dados como refer ncia geogr fica para outra informa o a ser mostrada sobre ela Por este motivo vamos modificar o arquivo de s mbolos associado a este plano de informa o p Clique sobre o bot o Propriedades na Composi o e mude o arquivo de s mbolos a ser usado para IDRPOLY Este o nome do arquivo de s mbolos pr definido para pol gonos assim como IDRPTS o padr o para pontos IDRLINE o padr o para linhas e IDRTEXT o padr o para texto O arquivo de s mbolo padr o para pol gonos consiste de pol gonos vazios com uma borda preta para todos os ndices
32. m mostraram o desflorestamento tende a iniciar na borda de florestas existentes e assim quanto mais pr ximo da borda de uma floresta maior a probabilidade de vir a ser desflorestado A quarta vari vel dist ncia dos cursos d gua parece n o ter uma signific ncia clara para a altera o florestal a inclu mos na an lise de regress o para determinar a signific ncia desta vari vel Primeiro faremos uma regress o log stica para altera o florestal entre 1971 e 1985 Neste caso necessitamos utilizar 1971 como ano base para criar quatro imagens de dist ncia as vari veis independentes e uma imagem de probabilidade a vari vel dependente Criando imagens de probabilidade para a vari vel dependente Como estamos examinando dois tipos de eventos isto floresta permanece floresta e floresta altera para outros tipos de cobertura do solo necessitaremos criar uma imagem de probabilidades para cada evento Voc pode usar um procedimento similar para analisar outros tipos de altera o incluindo reas florestas que se modificam para floresta Para criar uma imagem de probabilidades para o primeiro tipo de evento floresta continua floresta usaremos o seguinte procedimento a Visualize as imagens LU71 e LU85 com a tabela de cores Qualitativa 256 legenda e t tulo Use o modo de consulta do cursor sobre a rea em marrom claro floresta em ambas as imagens o valor tr s para ambas Reclassifique usando RECLASS as
33. negativa ou inversa Este o caso dos nossos dados pois medida que a altitude aumenta a temperatura diminui O coeficiente de correla o pode variar de 1 0 rela o fortemente negativa para O nenhuma rela o at 1 0 rela o fortemente positiva No nosso caso o coeficiente de correla o 0 9652 indicando uma rela o inversa muito forte entre a altitude e as temperaturas para as nove esta es meteorol gicas l Qual a equa o Caso voc esteja tendo problemas com a nota o a f rmula de uma regress o linear Y a bX onde a o ponto intercepto do eixo das ordenadas Y e b a declividade da reta X a vari vel independente e Y a vari vel dependente Centro de Recursos Idrisi Brasil 110 IDRISI for Windows Exerc cios tutoriais introdut rios A equa o a express o matem tica da reta Neste exemplo voc deveria ter chegado com arredondamentos seguinte equa o Y 26 985 0 0016X De fato esta equa o est dizendo que voc pode estimar a temperatura em qualquer local dentro desta regi o se voc tomar a altitude em p s multiplic la por 0 0016 e adicionar 26 985 ao resultado Este o nosso modelo d Este modelo pode ser desenvolvido com SCALAR a partir do menu An lise Operadores matem ticos Primeiro use SCALAR com NRELIEF como arquivo de entrada para produzir um arquivo de sa da tempor rio chamado TMP Escolha a opera o de multipli
34. o aparece na base da caixa de di logo de OWA As defini es padr o para estes pesos s o iguais para todos compensa o plena e risco m dio Denomine a imagem de sa da MCEAVG para opera o OWA de risco m dio Salve os par metros com o nome MCEAVG Pressione OK Visualize a nova imagem MCEAVG e o resultado de WLC anteriormente criado MCEWLC Estas imagens s o id nticas Use EDIT com o arquivo de grupo MCEWLC utilizado anteriormente para consulta expandida do cursor Adicione MECAVG ao arquivo de grupo e salve o com o novo nome MCEOWA A explora o de cada imagem mostrada deve revelar que elas s o iguais cada uma 12 4 du so E x E importante lembrar que a ordem hier rquica para um conjunto de fatores para um dado local pode n o ser a mesma de outro local pesos de ordena o s o espec ficos da hierarquia e n o dos fatores 13 x A 7 A 4 Sugerimos que voc sempre salve um arquivo de par metros dsf com o mesmo nome da sua imagem de sa da toda vez que executar o m dulo OWA 10 Avalia o por crit rios m ltiplos M dia ponderada ordenada 193 possuindo o mesmo n vel de compensa o e de risco Adicionalmente caso queiramos identificar as reas mais aptas ao desenvolvimento residencial com mais de 20 hectares teremos um resultado igual ao do nosso exemplo de WLC Como vimos a t cnica WLC um subconjunto da t cnica OWA Execu o de OWA Baixo risco e nenhuma compensa o Caso quis ssemos
35. o por sua vez ligados ao arquivo de s mbolos de texto N s queremos primeiro introduzir os passos do processo para depois procedermos cria o de nosso plano de texto com os nomes das prov ncias Os passos na cria o de um plano de texto s o os seguintes n o tente execut los o texto dos tens a seguir isto apenas uma explica o Criar um arquivo vetorial de pontos para a localiza o dos s mbolos Acionar a Oficina de banco de dados e selecionar a op o para criar um plano de texto no menu Arquivo A Oficina de banco de dados perguntar pelo nome do arquivo de pontos e por um nome para o pr ximo arquivo a criar o nome pode ser o mesmo se voc quiser Centro de Recursos Idrisi Brasil 60 IDRISI for Windows Exerc cios tutoriais introdut rios O banco de dados rec m criado ir conter tr s campos colunas um com os identificadores dos pontos digitalizados chamado IDR ID um com o nome do arquivo de texto seguido de um sufixo SYM e um terceiro com o nome do arquivo de texto seguido de um sufixo TEXT O primeiro estar ajustado para o O padr o e o ltimo estar em branco Sua pr xima tarefa ser entrar com os caracteres de texto no campo TEXT e o c digo dos s mbolos no campo _SYM J que a Oficina de banco de dados sempre salva seus dados para o disco voc pode terminar este passo simplesmente saindo deste m dulo No final desse processo voc ir ter os seguintes arqu
36. o pode ser especificada em n vel de pixel individual Entretanto na pr tica mais prov vel que se queira especificar a associa o classe em n vel de uma rea de treinamento inteira motivo pelo qual este procedimento foi escolhido como ilustra o 2 Desenvolvimento de assinaturas fuzzy 157 d e 8 h Para verificar se o procedimento acima transcorreu apropriadamente use a Visualiza o para examinar cada uma das imagens de associa o aos conjuntos fuzzy Execute a seguir FUZSIG exatamente do mesmo modo que fez com MAKESIG no exerc cio anterior salvo para as modifica es nos nomes das assinaturas Existem 11 assinaturas derivadas das 3 bandas SPWEST1 SPWEST2 e SPWEST3 As assinaturas deveriam ser especificadas com seus nomes levemente modificados usando o sufixo X OLDRSX NEWRSX INDCMX ROADSX WATERX AGPASX DECIDX WETLNX GOLFGX CONIFX SHALWX FUZSIG buscar automaticamente as imagens de associa o a conjuntos fuzzy ao formar a mesma l gica de uni o de nomes considerada anteriormente isto procurar por FZOLDRSX FZNEWRSX etc Agora que as assinaturas fuzzy foram criadas execute MAXLIKE com probabilidades a priori iguais e especifique 11 assinaturas fuzzy OLDRSX NEWRSX INDCMX ROADSX WATERX AGPASX DECIDX WETLNX GOLFGX CONIFX SHALWX Denomine o resultado de SPMAX3 Visualize a imagem SPMAX3 com a tabela de cores SPMAX e legenda Compare a com SPMAX1 3 Que diferen
37. o primeiro ponto de inflex o onde a curva come a a decrescer abaixo do m ximo de aptid o ser nosso valor m nimo de declividade 0 enquanto nosso segundo ponto de controle ser a declividade de 15 a aptid o m nima l Execute FUZZY e especifique SLOPES como a imagem de entrada selecione uma fun o monotonicamente decrescente e indique o valor zero para o ponto de controle c e o valor 15 para o ponto de controle d Ajuste o formato dos dados de sa da para byte e chame o resultado de SLOPFAC 2 Desenhe e legende o gr fico que mostra os pontos extremos da curva que descreve essa fun o sigmoidal para o fator SLOPFAC Fator dist ncia de reas j urbanizadas Finalmente nosso ltimo fator importante para os ambientalistas ser tamb m reescalonado usando se uma fun o de decr scimo linear com a dist ncia reas pr ximas a locais j urbanizados ser o mais aptas do que reas mais distantes destas isto a aptid o decrescer com a dist ncia f Execute FUZZY com DEVLDIST como imagem de entrada e especifique uma fun o linear Ajuste para fun o monotonicamente decrescente j que a aptid o decresce com a dist ncia Use o valor m nimo de dist ncia como o primeiro ponto de controle e o m ximo como o segundo Ajuste o formato dos dados de sa da para byte 0 255 e denomine o arquivo de sa da DEVLFAC Pondera o de fatores Uma das vantagens do m todo WLC a capacidade de dar diferentes pesos r
38. para ver todos os arquivos no diret rio de dados cujo nome inicia com as letras WEST ES a Agora que temos o diret rio de trabalho indicado adequadamente aquele que cont m os dados obter informa o mais detalhada sobre este arquivo clique sobre o cone do m dulo DESCRIBE situado imediatamente direita do cone LIST na barra de ferramentas Localize ent o a imagem BRAZILFC na lista de imagens e selecione a mesma para visualizar seu arquivo documento na caixa de di logo principal Voc deve navegar para baixo e para a direita com o aux lio das barras de rolagem para ver toda a informa o do documento E b Selecione Imagem e verifique que a imagem BRAZILFC est em nosso diret rio de dados Para Como voc pode ver nesta descri o a imagem BRAZILFC uma imagem composi o colorida Centro de Recursos Idrisi Brasil 42 IDRISI for Windows Exerc cios tutoriais introdut rios em falsa cor Composi es em falsa cor s o imagens coloridas produzidas originalmente a partir de tr s imagens independentes em tons de cinza As imagens s o chamadas de composi es em falsa cor sempre que contiverem informa o espectral fora do intervalo sens vel ao olho humano Neste caso os coment rios no arquivo documento indicam que a imagem foi composta a partir dos canais verde vermelho e infravermelho pr ximo bandas 4 5 e 7 do Multi Spectral Scanner escanerizador multi espectral
39. produzam a opera o m nimo conforme ilustrado na tabela acima Salve os par metros para MCEMIN e ent o execute o m dulo Adicione a imagem com o resultado ao seu arquivo de grupos MCEOWA voc j pode remover MCEWLC visualize o resultado e explore a imagem usando seu cursor Que fator teve maior influ ncia no resultado final para cada local na imagem Que influ ncia tiveram os pesos dos fatores nesta opera o Por que c Para compara o visualize seu resultado Booleano MCEBOOL ao lado de MCEMIN Como poss vel ver claramente estas imagens t m muitas reas em comum Explique por que h reas de alta aptid o que n o correspondem ao resultado Booleano Uma diferen a importante entre o resultado m nimo de OWA e o resultado Booleano evidente em reas em que a aptid o elevada em ambas as imagens Diferente do resultado Booleano as reas escolhidas como aptas na opera o OWA t m graus vari veis de aptid o d Execute OVERLAY e multiplique MCEBOOL por MCEMIN denominando o resultado RANGE A imagem resultante ir mostrar um intervalo cont nuo de aptid o dentro de reas aptas da nossa an lise Booleana original Apesar de ambas serem resultados de risco extremamente baixo MCEMIN oferece mais informa o que pode ser importante para a sele o de reas residenciais e Agora crie uma imagem denominada MCEMAX que represente a opera o de m ximo usando o mesmo conjunto de fatores e restri es Qu
40. quatro pixels representativos de cada tipo de cobertura e clique sobre os mesmos para conferir seus valores Observe que imediatamente uma pequena janela abre do lado inferior direito de seu v deo e mostra os valores de reflect ncia para os pixels consultados em todas as cinco imagens do grupo Determine o valor de reflect ncia para os pixels de gua floresta e urbano em cada uma das quatro bandas originais Preencha o gr fico que voc desenhou no passo 1 para cada tipo de cobertura plotando os valores dos pixels Voc acabou de fazer um esbo o do que chamado de padr es de resposta espectral para os tr s tipos de cobertura do solo Com esses gr ficos voc pode ver que diferentes tipos de cobertura refletem diferentes quantidades de energia nos v rios comprimentos de onda Nos pr ximos exerc cios iremos classificar imagens de sat lite em categorias de uso do solo com base no fato de que os tipos de cobertura do solo t m padr es de resposta espectral singulares Isto constitui a chave para desenvolver mapas de cobertura do solo a partir de imagens de sensoriamento remoto Iremos agora retornar a duas excelentes quest es que foram mencionados anteriormente mas ainda n o foram esclarecidas Em primeiro lugar vamos reconsiderar a forma do histograma de HOW87TM4 Figura 1 Observe novamente a sua estrutura bimodal 5 Agora que voc viu como diferentes bandas ou comprimentos de onda eletromagn ticas de uma imagem interagem d
41. residenciais e um c digo O para todos os outros casos O plano resultante conhecido como plano Booleano uma vez que mostra apenas aquelas aquelas reas que preenchem a condi o 1 verdadeiro residencial e aquelas que n o preenchem 0 falso n o residencial Planos Booleanos s o tamb m chamados planos l gicos uma vez que eles mostram apenas a rela o verdadeiro falso Eles s o algumas vezes chamados bin rios pois cont m apenas zeros e uns mas evitaremos usar este termo porque ele tamb m descreve um tipo particular de formato armazenamento de dados Neste texto n s chamaremos estes planos de planos Booleanos Uma vez tendo sido criado o plano residencial um plano de geologia ent o tamb m reclassificado para criar um plano Boleano mostrando reas com rochas associadas com altos n veis de g s rad nio A partir deste ponto podemos combinar as duas condi es usando uma opera o de sobreposi o tamb m chamada de overlay figura 2 4 Como mencionado anteriormente sobreposi o a marca registrada dos SIG na qual somente um SIG pode combinar condi es como estas que envolvem fei es com diferentes geografias Tipicamente uma opera o de sobreposi o em SIG permitir a produ o de novos planos com base em algumas combina es l gicas ou matem ticas de dois ou mais planos de entrada No caso de consulta ao banco de dados as opera es l gicas principais de maior interesse s o os operadores reala
42. s mbolos personalizado chamado PAXTXT Esses s o os identificadores dos pontos de controle com indica o de sua cur cia de posicionamento relativa As novas coordenadas dos pontos de controle foram tomadas do mapa impresso em papel usando uma mesa digitalizadora e um software de digitaliza o O uso da mesa digitalizadora garante a coleta de coordenadas de posi o precisas As coordenadas antigas dos mesmos pontos de controle s o encontradas com o cursor na imagem PAXTON Muitas dessas coordenadas novas dos pontos de controle podem tamb m ser obtidas no arquivo vetorial PAXROADS que foi digitalizado a partir do mapa em papel E isso que voc far para encontrar a localiza o das novas coordenadas dos pontos de controle 21 e 22 e Encontre as intersec es das rodovias que servir o como os pontos de controle 21 e 22 no arquivo vetorial PAXROADS olhando na Figura 3 Amplie uma janela bem pr xima da 15 Georreferenciamento de imagens usando reamostragem intersec o da rodovia do ponto 21 no arquivo vetorial Essas mesmas inteserc es est o marcadas com os c rculos azuis e os identificadores 21 e 22 em PAXTON Amplie uma janela muito pr xima da intersec o da rodovia do ponto de controle 21 na imagem PAXTON Copie as coordenadas X e Y novas e antigas dessa intersec o do arquivo vetorial novas e da imagem antigas Repita o mesmo procedimento no ponto de controle 22
43. s categorias de uso do solo dadas na Tabela 1 e depois use EDIT para criar um arquivo de valores chamado FRICTION o qual ser usado para atribuir os valores de atrito s categorias de uso do solo de WORCWEST Especifique o tipo de dado do arquivo de valores a editar como real A seguir use ASSIGN para criar uma imagem de sa da chamada FRICTION com WORCWEST como a imagem de defini o de fei es e FRICTION como o arquivo de valores Isso completa a cria o da nossa superf cie de atrito A outra vari vel necess ria para COST a fei o a partir da qual as dist ncias de custo devem ser calculadas COST requer isso na forma de uma imagem n o como um arquivo vetorial Em fun o disso precisamos criar uma vers o raster do arquivo vetorial NEWPLANT c A partir do menu Reformata o escolha Convers o raster vetor e selecione POINTRAS Digite NEWPLANT como o nome do arquivo vetorial de pontos No IDRISI for Windows a convers o de vetor para raster feita atrav s da atualiza o de uma imagem existente com a informa o do arquivo vetorial NEWPLANT Digite NEWPLANT como o nome da imagem a ser atualizada Usaremos as op o padr o Modificar c lulas pelo identificador dos pontos Pressione OK Como a imagem NEWPLANT ainda n o existe responda sim quando perguntado se quer acionar INITIAL para cri la N s desejamos uma imagem do mesmo tamanho de WORCWEST portanto indique que voc quer copiar os par metros espaciais dela E
44. sitio Fregii ncia de fragmentos SHARD S sitio Voc poder modificar a informa o associada com qualquer linha de evid ncia pressionando Modificar Ver evid ncia selecionada Toda a informa o acima introduzida na interface de BELIEF pode ser salva em um arquivo de Base de conhecimento com extens o IKB Ap s voc ter conclu do a entrada de toda a informa o selecione Arquivo Salvar base de conhecimento atual e salve a base de conhecimento como ARCH k No m dulo BELIEF selecione An lise Construir base de conhecimento O programa combina toda as evid ncias e cria as atribui es de probabilidade b sica BPA resultantes para cada uma das hip teses Uma vez conclu do escolha Extrair sum rio a partir do menu An lise e crie os arquivos com a CONFIAN A PLAUSIBILIDADE e INTERVALO DE CONFIAN A para a hip tese Escolha extrair os arquivos da confian a da plausibilidade e do intervalo de confian a para a hip tese SITE e denomine os respectivamente de BEL S PLAUS Se BELINTS D Visualize cada uma das imagens rec m criadas usando a tabela de cores Idrisi 256 Explore visualmente os padr es nestes resultados Adicione o arquivo vetorial dos s tios existentes SITES para auxili lo na interpreta o visual m Para facilitar esta explora o posteriormente usaremos o modo expandido de consulta do cursor com um arquivo de grupo de imagens Para tal usaremos EDIT Selecione Arquivo de grupo de imagens e indique com
45. tarde use EDITSIG para recalcular os m nimos e m ximos originais A outra op o de PIPED que usa unidades de desvio padr o ao inv s de valores M n M x tenta resolver este problema atenuando os efeitos dos extremos Assim n o neces rio usar EDITSIG para editar os valores das assinaturas exceto para obter suas estat sticas e visualizar seus histogramas Execute PIPED novamente com a op o de definir paralelep pedo por Escores Z usando o arquivo de grupo de assinaturas SIGS novamente e denomine esta nova imagem de PIPEDST Digite um t tulo e mantenha todas as bandas para a an lise 5 Como a classifica o por paralelep pedo foi afetada pelo fato de voc ter usado desvios padr o ao inv s de valores m ximos e m nimos Compare cada uma das classifica es que voc criou MAX RAW MINSTD PIPEORIG e PIPEDST Para fazer isso visualize todas as imagens com a tabela de cores Qualitativa 256 Voc pode usar um fator de expans o menor que o sugerido pelo Lan ador de visualiza o para poder dispor todas na rea do seu monitor ao mesmo tempo Como uma observa o final considere o seguinte caso suas reas de treinamento forem muito boas o classificador por m xima verossimilhan a deve produzir o melhor resultado Entretanto quando reas de treinamento n o s o bem definidas o resultado geralmente muito pobre Nestes casos o classificador por dist ncias m nimas com a op o de dist ncias do desvio p
46. temporariamente a faixa de autoescalonamento conforme for necess rio Feche a janela do mapa ETDEM Pressione o cone da Oficina de tabelas de cores O cone aquele que se parece com um arco ris Quando a caixa de di logo da Oficina de tabelas de cores mostrada ela est automaticamente ajustada para iniciar a defini o de uma nova tabela de cores Definiremos uma tabela de cores de 16 cores simplesmente porque ser mais f cil de ver o que acontece Para ilustrar o uso da fun o Misturar v at a caixa da cor n mero 1 e selecione a Use as barras de rolagem e mova o bot o do vermelho para a quantidade m xima Isto ir produzir uma cor vermelha na caixa da cor 1 V para a cor 15 e mova o bot o azul para o valor m ximo Agora v para a rea da Fun o de mistura da tabela e especifique os pontos de ncora como sendo 1 Valor m nimo e 15 Valor m ximo e pressione ent o o bot o Misturar Descreva a natureza das cores produzidas atrav s desta mistura A fun o Misturar funciona muito bem mas em muitos casos necess rio ter v rias s ries diferentes de misturas para obter a seq ncia de cores necess ria Neste caso n s usaremos a fun o Misturar por m com dois pontos intermedi rios Al m disso n s definiremos a primeira e a ltima cor separadamente c d A primeira cor que queremos definir a cor 0 que ser preta Felizmente ela j assim por defini o de forma que podemos
47. vermelho e do infravermelho pr ximo proporcionam boas oportunidades para medir intera es da superf cie terrestre sem interfer ncia relevante por parte da atmosfera Adicionalmente estas regi es fornecem ind cios importantes a respeito da natureza de muitos materiais da superf cie terrestre Os comprimentos de onda do vermelho vis vel por exemplo s o fortemente absorvidos pela clorofila enquanto os comprimentos de onda do infravermelho pr ximo fornecem ind cios importantes da estrutura das folhas das plantas Como resultado o maior volume de imagens de sensoriamento remoto usadas em tarefas relacionadas a SIG s o adquiridas nessas regi es Nas regi es do infravermelho m dio e termal v rias boas janelas podem ser encontradas Os comprimentos de onda mais longos do infravermelho m dio mostraram grande utilidade em aplica es geol gicas enquanto as regi es do termal provaram ser muito teis para o monitoriamento n o somente dos casos bvios de distribui o espacial do calor da atividade industrial mas de um amplo conjunto de aplica es desde o monitoriamento do fogo e estudos de distribui o animal at as condi es de umidade do solo Depois do infravermelho termal a pr xima rea de maior import ncia no sensoriamento remoto ambiental est na regi o das microondas Existem v rias janelas importantes nesta regi o que s o de particular interesse para o uso do imageamento ativo por Radar A textura dos materiai
48. 3 para ajudar voc na orienta o Encontre o local com o nome Kettlebrook Reservoir No 4 na fotoc pia do mapa impresso em papel e na imagem PAXTON A seguir identifique a rodovia imediatamente ao sul do reservat rio em PAXROADS e em PAXTON Amplie uma janela nessa rea se necess rio Para ilustrar como os pontos de controle s o encontrados volte novamente a janela para a imagem inteira e a seguir amplie uma janela no canto superior esquerdo da imagem aproximadamente desde a coluna 90 e linha 155 at a coluna 155 e linha 255 Olhe para o pixel que define a intersec o das estradas entre os dois reservat rios Essa intersec o corresponde intersec o encontrada na posi o X 254150 Y 4692590 em PAXROADS Note como dif cil determinar a localiza o precisa da intersec o em PAXTON por causa da resolu o do pixel Esse o motivo da reamostragem ser uma tarefa que requer tempo e exatid o Duas quest es s o cr ticas durante essa fase do processo a obten o de uma boa distribui o dos pontos de controle e a acur cia de posicionamento Primeiro os pontos devem estar distribu dos por toda a imagem uma vez que a equa o que descreve o ajuste espacial entre os dois sistemas de refer ncia desenvolvida a partir desses pontos Se os pontos de controle est o agrupados em alguma rea da imagem a equa o descrever somente o ajuste espacial dessa pequena rea e o resto da imagem n o estar acuradamente po
49. 68 125 x temperatura n Usando estas duas rela es determine o mapa das novas zonas agroclim ticas e as reas aptas ao cultivo de piretro Use a seguir a opera o de subtra o em OVERLAY seguida de AREA para determinar o n mero de hectares afetados por esta mudan a clim tica Finalmente use a opera o cover em OVERLAY para criar uma imagem mostrando as reas pr prias ao cultivo de piretro sob ambos os regimes clim ticos isto aquelas reas n o afetadas pela mudan a de temperatura 8 Qual a rea em hectares que mant m se apta ao cultivo de piretro sob ambos os regimes clim ticos N s n o iremos usar nenhuma das imagens criadas neste exerc cio em exerc cios posteriores de forma ue voc poder excluir todas se desejar exceto os arquivos de dados originais NRAIN e NRELIFF Centro de Recursos Idrisi Brasil 10 Oficina de banco de dados Um sistema de gerenciamento de bancos de dados SGBD oferece um conjunto valioso de ferramentas para as aplica es de SIG permitindo an lises sobre a informa o tabular armazenada em um arquivo de banco de dados N o h nenhuma componente espacial nas opera es efetuadas em um SGBD Para incluir essa componente torna se necess rio integrar o SGBD com um SIG Quando utilizado dentro de um SIG um SGBD habilita a informa o contida em um banco de dados a ser ligada a arquivos de defini o geogr fica em formato raster ou vetorial Essa liga o possibilita a p
50. 9 e a coluna da direita os dados de atributo c Quando voc tiver conclu do a cria o dos arquivos de valores execute REGRESS a partir do menu An lise Estat stica Indique que deseja fazer uma regress o entre arquivos de valores A seguir voc deve especificar o nome do arquivo contendo a vari vel independente A vari vel independente aquela que pensamos ser a causa da rela o Neste caso dizemos que a altitude causa a altera o da temperatura Outra forma de explicar isto dizer que a vari vel dependente depende da vari vel independente A temperatura a nossa vari vel dependente porque ela depende da altitude Indique ELEV como a vari vel independente e TEMPER como a vari vel dependente REGRESS ir exibir um gr fico da rela o e a sua equa o O gr fico nos mostra v rias coisas Primeiro ele mostra os dados da amostra como um conjunto de s mbolos de ponto Lendo os valores de X e de Y para cada ponto n s podemos ver a combina o da altitude com a temperatura em cada esta o A reta de tend ncia da regress o mostra o melhor ajuste da rela o linear entre os dados para esta amostra de esta es Quanto mais pr ximos os pontos estiverem da reta de regress o mais forte a rela o O coeficiente de correla o r pr ximo da equa o nos diz o mesmo numericamente Caso a reta esteja inclinada para baixo da direita para a esquerda r ter valor negativo indicando uma rela o
51. As categorias restantes agricultura pecu ria florestas e campo aberto manter o seus identificadores originais Denomine a imagem resultante LANDAVAL Centro de Recursos Idrisi Brasil 178 IDRISI for Windows Exerc cios tutoriais avan ados Fator dist ncia de rodovias A dist ncia de rodovias um importante fator em nossa MCE pois um dos custos b sicos levados em considera o pelos incorporadores Edifica es distantes de rodovias s o proibitivamente caras Necessitamos criar agora uma imagem de dist ncias a partir de rodovias Entretanto como n o temos uma vers o raster de nosso mapa de rodovias temos que rasterizar o arquivo vetorial de rodovias sobre uma nova imagem de rodovias e O primeiro passo executar LINERAS a partir do arquivo WESRDS Execute LINERAS especificando WESRDS como o arquivo vetorial de linhas e WESRDS como a imagem a ser atualizada Como a imagem WESRDS ainda n o foi criada LINERAS automaticamente inicializar esta imagem para voc atrav s do m dulo INITIAL Na caixa de di logo de INITIAL escolha copiar os par metros espaciais da imagem WESTLUSE A imagem resultante j estar sendo denominada de WESRDS D um t tulo a ela e acione OK Finalmente execute a rotina DISTANCE sobre a imagem WESRDS Indique o nome da imagem de fei es como sendo WESRDS e o nome da imagem de sa da como ROADDIST A imagem resultante ter em cada pixel um valor que representa a sua dist ncia em metr
52. Claude Collet Ounifr ch Fax 41 37 29 97 46 Nota especial O corpo deste material dedicado a uma s rie de t picos avan ados O tratamento dado aqui necessariamente mais acad mico e temos tentado oferecer a voc um conjunto gen rico de refer ncias para estabelecer o contexto adequado pesquisa Caso seja iniciante em SIG voc poder achar estes materiais um tanto desafiadores Entretanto a maior parte dos temas cobertos tornar se o muito significativos quando voc tiver adquirido uma maior familiaridade no uso de SIG como ferramenta de desenvolvimento de bancos de dados anal ticos e espaciais Como sempre os coment rios sobre este produto e a respeito da dire o de nossa pesquisa s o bem vindos Esperamos que o sistema IDRISI for Windows represente um acr scimo produtivo ao seu conjunto de ferramentas para a explora o e o gerenciamento de fen menos geogr ficos Centro de Recursos Idrisi Brasil Introdu o 9 Pref cio com satisfa o que apresentamos a voc a tradu o da Introdu o do Manual do usu rio e dos Exerc cios tutoriais introdut rios e Exerc cios tutoriais avan ados do IDRISI for Windows v 2 0 Sempre no intuito de acompanhar a evolu o do software o Centro de Recursos Idrisi sente se gratificado pela crescente procura do material em portugu s Isto deve se ao aumento do n mero de usu rios de geoprocessamento em pa ses de l ngua portuguesa mas tamb m evidencia o quanto i
53. Especifique tamb m uma rea de toler ncia de 500 Isto permitir que o procedimento pare quando ele estiver dentro dos 20 hectares da solu o desejada A seguir especifique o nome de cada objetivo o peso a atribuir a cada objetivo os mapas de aptid o ordenados associados a cada objetivo e as reas a serem definidas para cada um Voc pode especificar qualquer nome para o objetivo Para o primeiro objetivo d o nome de Residencial com um peso de 0 5 peso igual para dois objetivos use a imagem RESRANK para o mapa de ordena o e especifique um requisito em rea de 40000 c lulas 1600 hectares Pressione o bot o com uma seta direita para especificar o segundo objetivo o desenvolvimento industrial Especifique o nome do objetivo como Industrial atribua tamb m um peso de 0 5 indique INDRANK como o nome do mapa de ordena o e especifique um requisito em rea de 15000 c lulas Finalmente d um t tulo e pressione OK MOLA ir agora buscar uma solu o iterativa e resolver qualquer conflito l Quantas itera es foram feitas por MOLA para encontrar a solu o Qual foi a rea definida para cada objetivo Por que este n mero diferente da solu o exata especificada para os objetivos A solu o apresentada em FINAL mostra apenas uma das solu es poss veis para os dois objetivos Al m disso n o h limite para o n mero de objetivos que podem ser resolvidos O usu rio estimulado a experimentar com v ri
54. Que outra t cnica voc poderia ter usado para obter o mesmo resultado A condi o que resta atender que os locais aptos devem ter rea igual ou superior a 10 hectares At agora entretanto n s n o temos nenhum s tio para o qual possamos calcular a rea N s temos tr s imagens Booleanas separadas para cada uma das condi es pr vias Antes de nos atermos ao crit rio rea devemos combinar estas tr s imagens Booleanas para obter os locais que preenchem os tr s crit rios anteriores D Use OVERLAY para criar uma imagem Booleana composta mostrando as reas que preenchem as primeiras tr s condi es que especificamos Para fazer isto voc ter que combinar duas imagens e criar um resultado intermedi rio o qual ser ent o combinado com a terceira para produzir o resultado final Chame este resultado final de COMBINED 5 Que opera o de OVERLAY voc usou para produzir COMBINED Esquematize um modelo cartogr fico que ilustre os passos seguidos na gera o de COMBINED a partir de SLOPEBL BUFFERBL e FORESTBL COMBINED 6 Operadores de dist ncia e de contexto 83 m Examine COMBINED usando uma tabela de cores qualitativa Existem v rias reas cont guas na imagem que mostram s tios potenciais para o nosso prop sito O ltimo passo determinar quais deles preenchem a condi o de rea m nima de 10 hectares n Produza um mapa mostrando todos os s tios de COMBINED que possuem 10 hectares ou mais
55. Use novamente EDIT e ASSIGN para alterar o valor das classes na imagem WESTLUSE de tal modo que reas aptas tenham o valor 1 e reas inaptas o valor 0 Use a tabela para orientar sua reclassifica o e denomine a imagem resultante LUSECON Voc tamb m pode usar RECLASS para realizar essa tarefa Uma vez tendo desenvolvido nossas restri es Booleanas podemos agora dirigir nossa aten o ao desenvolvimento de nossos mapas de fatores Dos cinco fatores a seguir os primeiros tr s s o referentes aos custos de constru o enquanto os dois restantes t m rela o com a preserva o de habitats Fator uso do solo Os incorporadores apontaram reas de agricultura e de pecu ria como de alto custo de aquisi o florestas s o menos caras e oferecem retorno com o valor comercial da madeira das reas desmatadas sendo as reas de campo aberto as mais baratas embora menos atrativas que as reas com floresta Eles ordenaram estes quatro usos em termos de custos globais e retorno na seguinte sequ ncia das reas mais aptas s menos aptas campo aberto florestas pecu ria e agricultura d Para desenvolver este crit rio isolaremos todas as reas que s o pr prias para o desenvolvimento urbano Entretanto diferente de nossa imagem LUSECON conservaremos os c digos das diferentes classes de uso do solo Use RECLASS para reclassificar as classes de uso do solo impr prias para o valor 0 isto todos os valores da imagem superiores a 4
56. a Terra se move abaixo dele A geometria da imagem est portanto constantemente sofrendo altera es Finalmente o sinal necessita ser telemetrado de volta Terra e subsegiientemente recebido e processado para produzir os dados finais que recebemos Consegiientemente uma variedade de dist rbios sistem ticos e aparentemente aleat rios podem se combinar para degradar a qualidade da imagem que recebemos no final A corre o de imagens procura remover estes efeitos de degrada o A corre o de imagens pode ser subdividida nas sub reas de corre o geom trica e de corre o radiom trica Corre o radiom trica A corre o radiom trica refere se remo o ou diminui o de distor es no grau n vel de energia eletromagn tica registrado por cada detector V rios agentes podem causar distor es nos valores registrados para as c lulas de uma imagem Algumas das distor es mais comuns para as quais existem procedimentos de corre o incluem valores elevados uniformemente devido nebulosidade da atmosfera que espalha principalmente bandas de comprimento de onda curto particularmente os comprimentos de onda do azul listras faixas devido descalibra o dos detectores ru dos aleat rios devido imprevisibilidade e performance n o sistem tica do sensor ou da transmiss o dos dados perda de linhas de varredura devido perda de sinal de detectores espec ficos Conv m tamb m inc
57. ados Como na maioria dos mapas as eleva es s o medidas com rela o ao n vel m dio do mar uma abordagem comum para simular inunda o ou um novo n vel do mar subtrair um valor referente ao n vel estimado da gua de todas as altitudes de um modelo digital de eleva o reas que possuem um valor resultante dessa subtra o igual ou inferior a O s o consideradas como sendo inundadas Isto no entanto um pouco problem tico pois n o leva em considera o a incerteza nas medidas das altitudes do modelo de eleva o e da proje o do n vel do mar Incorporando incerteza no banco de dados Nossa tarefa avaliar tanto o erro de medida quanto o de proje o e seus erros combinados em termos de risco de decis o As estimativas do n vel do mar variam Seguindo as taxas atuais de aumento do n vel do mar a estimativa projetada de mudan a por volta do ano 2100 de 0 21 metros As estimativas entretanto s o maiores para condi es de aquecimento global acelerado relacionado a emiss es de gases de efeito estufa Elas oscilam entre 0 32 e 0 64 metros Uma estimativa do n vel m dio portanto seria 0 48 metros com um desvio padr o de 0 08 metros O desvio padr o de 0 08 metros pode ser diretamente aplicado como uma estimativa de incerteza para a proje o do aumento do n vel do mar O valor uma express o do afastamento dos valores estimados de seu valor verdadeiro o desvio padr o dos erros Em dados quantitati
58. algumas desigualdades permanecer o De acordo com a Teoria da Informa o a imagem da equaliza o do histograma deveria carregar mais informa o porque ela cont m a maior varia o para qualquer n mero de classes N s veremos mais tarde neste exerc cio entretanto que informa o n o o mesmo que significado Primeiramente vamos continuar a explorar o que estas imagens significam h Visualize as quatro imagens originais HOW87TM1 a HOW87TM4 ao mesmo tempo usando a tabela de cores Tons de cinza 256 Voc necessitar visualiz las com um fator de expans o menor que o sugerido pelo Lan ador de visualiza o Organize as imagens pr ximas umas das outras na tela de forma que voc possa visualizar todas as quatro ao mesmo tempo Como o contraste baixo em todas as imagens visualize tamb m TM4L25 N s iremos usar essa imagem real ada para localizar reas espec ficas para consultar mas estamos interessados de fato nos valores dos dados dos arquivos originais H tr s tipos de cobertura do solo que s o facilmente identific veis na imagem reas urbanas florestas e gua N s vamos agora estudar como esses tipos diferentes de cobertura do solo refletem em cada um dos intervalos de comprimento de onda registrados nas quatro bandas originais i Desenhe tr s gr ficos como o da Figura 2 e d lhes o nome de gua floresta e urbano 11 Explora o de imagens 119 alta o Be o o hmon D
59. ao banco de dados para produzir a imagem de classifica o cruzada denominada CONFLICT Visualize o resultado usando a tabela de cores Qualitativa 16 e use a legenda 1 Que classe mostra reas que s o as mais aptas para desenvolvimento residencial Que classe mostra reas que s o melhores para desenvolvimento industrial Que classe mostra aquelas reas que est o em conflito de objetivos A imagem CONFLICT ilustra a natureza do problema de objetivos m ltiplos com objetivos conflitantes que competem entre si Como esta solu o provis ria n o soluciona conflitos n s ainda temos que identificar reas para atingir nossos objetivos de 1 600 hectares para desenvolvimento residencial e 600 hectares para desenvolvimento industrial Este conflito necessita ser resolvido e ir requerer uma t cnica espec fica para o problema de objetivos que competem entre si MOLA do mesmo modo uma t cnica que emprega uma heur stica de decis o para encontrar as melhores reas para qualquer objetivo dado Mas antes de podermos usar objetivos que competem entre si neste procedimento eles devem ser padronizados de modo a tornarem se compar veis Este passo j foi dado atrav s do uso da opera o de hierarquiza o com o m dulo RANK Para completar o processo de decis o com objetivos m ltiplos execute o m dulo MOLA a partir do submenu An lise Apoio decis o Especifique o n mero de objetivos como dois e o nome do arquivo de sa da como FINAL
60. apenas este crit rio pode representar uma excelente rea em todos os demais aspectos N s poder amos por isso consider la apta em algum grau 0 Como uma an lise final usando o resultado da MCE Booleana identificaremos aquelas reas que possuem 20 hectares ou mais Ao examinar a imagem MCEBOOL podemos verificar que existem v rias reas de aptid o cont guas Entretanto a maioria parece ser muito pequena para um projeto de desenvolvimento residencial Use uma combina o dos m dulos GROUP e AREA e encontre as reas do resultado final da an lise MCE Booleana que tem 20 hectares ou mais Salve a sua imagem de reas cont guas maiores que 20 hectares como HT20BOOL Visualize esta imagem com o arquivo vetorial WESRDS usando o arquivo de s mbolos Qualitativa 16 4 Quantas reas aptas cont guas maiores que 20 hectares existem em seu resultado 9 Avalia o por crit rios m ltiplos Combina o linear ponderada Nosso segundo m todo de agrega o por crit rios m ltiplos denominado de Combina o Linear Ponderada Weighted Linear Combination WLC Neste m todo os fatores n o s o reduzidos a simples restri es Booleanas Ao inv s disso eles s o padronizados para uma escala cont nua de aptid o de O menos apto a 255 mais apto Reescalonar os fatores para uma escala cont nua permite nos compar los e combin los como no caso Booleano Entretanto no caso cont nuo evitaremos as decis es Booleanas r gidas
61. banco de dados geogr fico um banco de dados completo para uma dada regi o organizado de maneira similar a uma colec o de mapas figura 2 3 Sistemas vetoriais podem chegar mais pr ximo desta l gica com o que conhecido como Coverages cole es similares a mapas que cont m as defini es geogr ficas de um conjunto de fei es e suas tabelas de atributos associadas Entretanto eles 3 fuso E E 3 RE A estrutura b sica de dados de sistemas vetoriais pode ser melhor descrita como uma rede Como resultado n o surpresa o fato de sistema vetoriais terem excelente capacidade para a an lise de redes Assim a diferen a entre raster e vetorial menor em termos de habilidades inerentes do que nos tipos de espa o que eles descrevem Centro de Recursos Idrisi Brasil Introdu o a sistemas de informa o geogr fica SIG 11 diferem dos mapas em duas coisas Primeiro cada uma conter informa o de apenas um nico tipo de fei o como parcelas de propriedades pol gonos de solos e outros temas Segundo eles podem conter um conjunto completo de atributos que pertencem a essas fei es como um conjunto de informa es de censo para v rios setores da cidade Estradas Eleva o Figura 2 3 Sistemas raster tamb m usam essa l gica parecida com a de um mapa mas geralmente dividem os conjuntos de dados em planos unit rios Um plano cont m todos os dados para um nico atributo Dessa maneira pode h
62. classe de cobertura do solo mudou com rela o a cada uma das outras classes no per odo 1978 1985 Estas freq ncias relativas s o conhecidas como probabilidades de transi o e s o a base subjacente para a previs o de uma Corrente de Markov de previs o de futuras transi es Caso seja assumido que as for as direcionais e trajet rias de mudan a subjacentes permaneceram est veis poss vel estimar a probabilidade com a qual cada classe de cobertura pode modificar para qualquer outra Usando como base as classes de cobertura do solo de 1985 as probabilidades de transi o foram aplicadas a esta base para produzir um conjunto de mapas de probabilidade que expressam a confian a pr via de como cada uma das classes de cobertura ir ocorrer em 1992 Estes mapas t m os seguintes nomes PROLDRS PRNEWRS PRINDCM PRROADS PRWATER PRAGPAS PRDECID PRWETLN PRGOLFG PRCONIF PRSHALW Centro de Recursos Idrisi Brasil 154 8 h IDRISI for Windows Exerc cios tutoriais avan ados Visualize um destes mapas de probabilidades a priori PRNEWRS p ex usando a tabela de cores IDRISI 256 Observe que estas defini es espaciais de probabilidades a priori somente s o v lidas dentro dos limites da cidade Fora deles a probalilidade a priori foi expressa como uma probabilidade de transi o n o espacial de modo similar com o que se especificaria tradicionalmente no uso do procedimento Bayesiano de m xima verossimilhan
63. com autoescalonamento e com a tabela de cores Tons de cinza 256 Visualize tamb m H87CMP2 e H87CMP3 com autoescalonamento e com atabela de cores Tons de cinza 256 para ambos Tente arranjar todas estas imagens na tela ao mesmo tempo escolhendo as op es em cascata ou lado a lado no menu Janela Voc tamb m pode moviment las em torno da tela clicando sobre a barra superior da janela de cada imagem e arrastando as 7 Qu o similares parecem ser a componente 1 e a imagem do infravermelho Qu o similares parecem ser a componente 2 e a imagem do vermelho Agora examine a componente 7 H87CMP7 com a op o de autoescalonamento 8 Qu o correlacionada est esta componente com as sete bandas originais use a tabela de valores de correla o para determinar isso Julgando a partir do que voc v o que voc imagina estar contido na componente 7 Quanta informa o ser perdida caso Centro de Recursos Idrisi Brasil 132 IDRISI for Windows Exerc cios tutoriais introdut rios voc descarte esta componente As rela es que vemos neste exemplo n o ser o as mesmas em todas as paisagens Entretanto isto n o algo incomum Caso voc tenha que escolher apenas uma banda para trabalhar frequentemente a banda do infravermelho pr ximo banda 4 carregar a maior quantidade de informa o Depois desta geralmente a banda do vermelho vis vel que carrega a segunda maior propor o de informa o Entretanto as bandas do ver
64. como voc pode ver um recurso muito eficiente para fazer com que a propor o de pixels saturados n o seja muito grande geralmente menor do que 5 Sempre que a imagem de entrada estiver no formato byte o STRETCH incorpora uma forma de efetuar estes passos automaticamente sem ser necess rio examinar o histograma utilizando o tipo de realce de contraste Linear com satura o Com esta op o n s especificamos a porcentagem de pixels que devem ser saturados em cada extremo do histograma Ele far seus pr prios c lculos no histograma e ir saturar exatamente este total Vamos experimentar isso t Acione STRETCH especifique BRAZIL2 como a imagem de entrada e escolha a op o tipo de contraste linear com satura o Chame a imagem de sa da de SAT e especifique o grau de satura o de 2 5 isto 2 5 em cada extremo para um total de 5 Veja o resultado usando a tabela de cores Tons de cinza 256 O m dulo STRETCH ser melhor explorado no Exerc cio 11 importante frisar aqui que as imagens por n s produzidas com STRETCH foram dirigidas somente para a visualiza o Elas n o devem ser usadas para an lise em an lises use sempre a imagem original e n o aquelas que tenham sido processadas para a visualiza o Al m disso note que normalmente s recorremos ao uso de STRETCH nos casos onde queremos ter maior controle sobre os processos de aumento de contraste Em outros casos o processo de autoescalonamento da Vi
65. cont nuas e n o delimitadas Algumas suposi es embasam o uso de regress o linear m ltipla tais como i As observa es s o feitas independentemente da popula o e a vari vel dependente tem distribui o normal ii O n mero de observa es deve ser maior do que o n mero de vari veis independentes iii N o existe uma rela o linear exata ou pr xima da linear entre as vari veis independentes A regress o log stica um caso especial de regress o m ltipla na qual a vari vel dependente discreta tal como tipos de cobertura do solo por exemplo florestas pastagem urbano etc Caso a vari vel dependente seja dicot mica Y leva apenas dois valores em considera o 1 e 0 Na predi o de mudan as nas florestas Y 1 representa o caso das florestas terem sido modificadas e Y 0 representa o caso das florestas terem permanecido inalteradas Centro de Recursos Idrisi Brasil 214 IDRISI for Windows Exerc cios tutoriais avan ados No caso de tr s vari veis independentes a equa o da regress o log stica pode ser expressa como logit p In p 1 p a b x1 b2 x2 b3 Xx3 onde p a vari vel dependente expressando a probabilidade de Y 1 Os outros componentes t m o mesmo significado da equa o linear m ltipla acima A rela o entre a vari vel dependente e as vari veis independentes segue a curva log stica A transforma o logit da equa o acima lineariza o modelo fazendo com que a vari ve
66. da maior signific ncia para o processamento de imagens em computador como a an lise de misturas avalia o de evid ncia em suporte s classes envolvidas reconhecimento de conhecimento incompleto e presen a de classes desconhecidas Veja o cap tulo Classifica o de imagens de sensoriamento remoto na se o T PICOS ESPECIAIS para acompanhar uma discuss o detalhada das t cnicas tradicionais versus novas t cnicas de classifica o Transforma o de imagens O processamento digital de imagem oferece uma gama ilimitada de poss veis transforma es em dados de sensoriamento remoto S o mencionadas aqui especificamente duas por causa de sua import ncia em aplica es em monitoriamento ambiental Indices de vegeta o H uma variedade de ndices de vegeta o que t m sido desenvolvidos para auxiliar no monitoriamento da vegeta o A maior parte est baseada em intera es entre a vegeta o e a energia eletromagn tica 34 IDRISI for Windows Manual do usu rio nos comprimentos de onda do vermelho e do infravermelho pr ximo Vamos voltar temporariamente ilustra o 3 4 que inclui um padr o de resposta espectral mais geral para vegeta o verde de folhas grandes Como pode ser visto a reflect ncia na regi o do vermelho cerca de 0 6 0 74 baixa devido absor o pelos pigmentos das folhas principalmente clorofila A regi o do infravermelho aproximadamente 0 8 0 9 u entretanto mostra caracteris
67. dados original mas foi derivado com base nos dados existentes e num conjunto de relacionamentos especificados Assim o potencial anal tico de um Sistema de an lise geogr fica e de um SGBD t m um papel importante em ampliar o banco de dados atrav s da adi o de conhecimento dos relacionamentos entre fei es Enquanto overlay a marca registrada de um SIG a an lise geogr fica em computador amadureceu enormemente durante a ltima d cada Um cap tulo em separado explorar isso com maior detalhe 8 IDRISI for Windows Manual do usu rio Entretanto por enquanto estas observa es s o suficientes para verificar que este componente geogr fico distinto que d ao SIG sua identidade No IDRISI for Windows estas fun es s o amplas e s o a raz o da cria o deste sistema de software Sistema de processamento de imagens Em adi o a esses elementos essenciais a um SIG um sistema de visualiza o cartogr fica um sistema de digitaliza o de mapas um sistema de gerenciamento de banco de dados e um sistema de an lise geogr fica alguns sistemas de software incluem tamb m a possibilidade de analisar imagens de sensoriamento remoto e oferecem an lises estat sticas espec ficas O IDRISI for Windows um sistema deste tipo Software de processamento de imagens permitem tomar uma imagem de sensoriamento remoto tal como imagens de sat lite LANDSAT ou SPOT e convert las em dados interpretados na forma de mapa de a
68. de classes Todas essas t cnicas acrescentam maior controle da incerteza no desenvolvimento de cada assinatura ou no est gio de final classifica o Todas as t cnicas de classifica o relativa produzem uma superf cie de incerteza na classifica o para auxiliar o usu rio na determina o de fontes e tipos de incerteza que ocorrem durante o processo de classifica o Classifica o supervisionada Com a classifica o supervisionada n s identificamos exemplos das classes de informa o isto tipos de cobertura do solo de interesse na imagem Estes exemplos s o chamados reas de treinamento O sistema de processamento de imagens ent o usado para desenvolver uma caracteriza o estat stica das reflect ncias para cada classe de informa o Este est gio fregiientemente chamado an lise de assinaturas e pode envolver o desenvolvimento de uma caracteriza o t o simples quanto a m dia ou o intervalo de reflect ncias em cada banda ou t o complexo como an lises detalhadas da m dia vari ncias e covari ncias em todas as bandas Uma vez que a caracteriza o estat stica tiver sido obtida para cada classe de informa o a imagem ent o classificada atrav s do exame das reflect ncias de cada p xel para decidir com qual das assinaturas ele mais se parece H v rias t cnicas para tomar estas decis es e elas s o com fregii ncia denominadas de classificadores A maior parte dos software de processamento de ima
69. de defini o de uma rea em particular como absolutamente apta ou n o apta Com WLC usaremos o conceito relativo ou fuzzy para definir aquelas reas que s o aptas e para definir o limite entre o apto e o inapto para os nossos fatores Nossas restri es manter o seu car ter Booleano r gido Como veremos WLC permite n o apenas reter toda a variabilidade dos nossos dados cont nuos mas oferece tamb m a possibilidade de nossos fatores compensarem se uns com os outros Um escore de aptid o baixo em um fator para uma rea qualquer pode ser compensada por um escore alto de aptid o em outro fator A forma como ocorre a compensa o de um fator com o outro ser determinada por um conjunto de pesos dos fatores que indica a import ncia relativa de cada fator Adicionalmente este procedimento de agrega o afasta a an lise do extremo de avers o ao risco da opera o AND Como veremos WLC uma t cnica baseada nas m dias e que coloca nossa an lise exatamente a meio caminho das opera es AND m nimo e do OR m ximo isto nenhum risco extremo e nenhum extremo de avers o ao risco Padroniza o de fatores Fuzzy O procedimento de padroniza o de WLC um pouco mais complexo que no caso Booleano Os fatores n o s o apenas reclassificados em O e 1 mas reescalonados de acordo com alguma fun o para um intervalo particular comum Para usar fatores fuzzy com o m dulo MCE eles devem ser padronizados para um intervalo em n
70. de forma permanente a imagem OPENWATR com os dados dos cursos d gua execute LINERAS com o arquivo vetorial WESSTRM e a imagem OPENWATR como a imagem a ser atualizada Visualize o resultado para certificar se de que a imagem agora cont m os corpos d gua e os cursos d gua A seguir visualize a imagem dos banhados denominada WESTWETL usando a tabela de cores Qualitatival6 2 Qual o valor de atributo das reas de banhado Qual a opera o de OVERLAY que voc pode usar para combinar WESTWETL com OPENWATR Execute OVERLAY com OPENWATR como a primeira imagem WESTWTL como segunda imagem WATRWETL como imagem de sa da e escolha a op o de sobreposi o adequada O resultado deveria ser uma imagem dos corpos d gua dos cursos d gua e dos banhados onde os tr s elementos t m o valor de 1 e as reas restantes o valor 0 Finalmente para calcular uma faixa tamp o de reas protegidas em WATRWETL execute o m dulo BUFFER Especifique WATRWETL como a imagem de fei es WATRPROT como imagem de sa da e uma faixa tamp o de 50 metros de largura Para tornar a imagem de sa da um mapa Booleano de reas invi veis para o desenvolvimento imobili rio especifique o valor 1 para as reas originais 1 para a faixa tamp o e O para as reas al m da faixa tamp o A imagem resultante est praticamente no formato apropriado para uma restri o Ela uma imagem Booleana onde o 1 representa corpos d gua cursos d gua e banhados com u
71. diretamente com o sistema de visualiza o Existem v rias outras a es interativas de visualiza o que podem ser utilizadas a maioria delas envolvendo a digitaliza o na tela e que ser o temas cobertos mais tarde O nico elemento adicional que n s necessitamos introduzir aqui o modo de consulta interativa com o cursor do mouse O processo de composi o de mapa ser tratado no pr ximo exerc cio Com o modo de consulta interativa via cursor voc pode mover o cursor do mouse at um determinado ponto de uma imagem e solicitar o valor do dado armazenado naquele local n Para experimentar isso visualize ETDEM uma vez mais com a tabela de cores Idrisi 256 Clique sobre o cone do modo de consulta do cursor na barra de ferramentas Mova a seguir o cursor do mouse para qualquer local e clique com o bot o esquerdo do mouse O valor z discriminado na barra de status inferior indica a altitude neste local Observe que este modo permanecer ativo enquanto voc estiver com a janela ativa ou clicar o bot o de consulta via cursor uma segunda vez Se a imagem que voc est consultando tem categorias de legenda no seu arquivo de documenta o o texto da legenda e o valor z para a localiza o consultada ir aparecer na barra de status Centro de Recursos Idrisi Brasil 48 IDRISI for Windows Exerc cios tutoriais introdut rios A consulta expandida do cursor possibilita o usu rio a consultar simultaneamente a mesma localiza
72. do IDRISI procure por SURFACE e depois veja o item Comando macro deste m dulo A informa o se parece com o seguinte Comando macro de SURFACE A execu o deste m dulo em modo batch requer os seguintes par metros 1 x para indicar que o modo batch est sendo usado n mero da opera o I Declividade 2 Orienta o 3 Declividade e orienta o 4 Sombreamento anal tico nome do arquivo de entrada a imagem a partir da qual ser o feitos os c lculos nome do arquivo de sa da a nova imagem a ser criada com SURFACE Nome do segundo arquivo se a op o foi Declividade e orienta o se foi outra op o medida de declividade d graus p percentagem fator de convers o opcional converte eleva es para unidades de refer ncia N NAUAN p ex surface x 1 relief slope d surface x 3 relief slope aspect p Para a opera o Sombreamento anal tico os par metros 5 e 6 requerem 5 azimute do sol em graus eleva o angular do sol em graus Para executar o primeiro passo da noss an lise criar uma imagem de declividades a partir do modelo digital de eleva o iremos usar o seguinte comando macro surface x 1 relief slopes d b O pr ximo m dulo que usamos foi RECLASS para criar uma imagem Booleana de declividades menores que 2 5 a partir de nossa imagem de declividades Novamente procure pelo comando macro de RECLASS no sistema de ajuda on line Dadas
73. dulo DISTANCE usando um arquivo vetorial de cursos d gua rasterizado WESTSTRM como a imagem de fei es Centro de Recursos Idrisi Brasil 222 IDRISI for Windows Exerc cios tutoriais avan ados Resultados da regress o m ltipla Equa o da Regress o Logit ffprobl 1 969488 0 000808 fordis71 0 0000192 urbdis71 0 0001973 westrdds 0 0000464 westsmds Estat stica da regress o R aparente 0 247129 R aparente 0 061073 R ajustado 0 247023 R ajustado 0 061020 F 4 53727 873 671509 Coeficientes de regress o individuais Estes resultados correspondem regress o linear transformada Como usado um m todo de m nimos quadrados ponderados para estimar os par metros o uso de R como uma medida de bondade do ajuste para a regress o log stica question vel Entretanto um valor alto de R geralmente indica uma predi o melhor do que um valor baixo Da mesma forma o teste t para cada vari vel independente tamb m question vel e deveria ser usado apenas para compara o entre vari veis Como a probabilidade transformada e as observa es ponderadas os coeficientes dos par metros positivos ou negativos na equa o n o s o indicadores de uma rela o positiva ou negativa entre a probabilidade e as vari veis independentes Quando fazemos uma regress o de imagens necessitamos lembrar que existe uma autocorrela o espacial entre pixels vizinhos Em alguns casos poderemos
74. em mapas Um aspecto que diferencia os v rios sistemas de informa o geogr fica existentes a forma com a qual os componentes de software mencionados acima s o combinados Entretanto uma distin o ainda mais fundamental se refere a como eles representam dados de mapas em forma digital Um sistema de informa o geogr fica armazena dois tipos de dados que s o encontrados em um mapa as defini es geogr ficas das fei es da superf cie da Terra e os atributos ou qualidades que essas fei es possuem Nem todos os sistemas usam a mesma l gica para fazer isto mas quase todos usam uma ou a combina o das duas t cnicas fundamentais de representa o de mapas vetorial e raster Vetorial Com a representa o vetorial os limites ou o curso das fei es s o definidos por uma s rie de pontos que quando unidos com linhas retas formam a representa o gr fica de cada fei o Os pr prios pontos s o codificados com um par de n meros representando as coordenadas X e Y em sistemas como latitude longitude ou a grade de coordenadas Universal Transversa de Mercator Os atributos das fei es s o ent o armazenadas num software de gerenciamento de banco de dados tradicional SGBD Por exemplo um mapa vetorial de parcelas de propriedades rurais pode ser vinculado a um banco de dados Centro de Recursos Idrisi Brasil Introdu o a sistemas de informa o geogr fica SIG 9 de atributos de informa es contendo o end
75. esta informa o pode ser inserida na documenta o do arquivo e ent o posteriormente usada no m dulo PCLASS para calcular a probabilidade das terras estarem abaixo do n vel do mar dadas as altitudes do modelo de eleva o e o n vel combinado de incerteza d Caso voc ainda n o tenha feito feche todos os arquivos Execute DOCUMENT em LEVELIA Indique 0 31 como o erro dos valores e pressione OK e Execute PCLASS a partir do menu An lise Apoio decis o Indique LEVEL1 como a imagem de entrada e PROBL1 como a imagem de sa da Calcule a probabilidade das altitudes estarem abaixo do valor limite de O e visualize o resultado com a tabela de cores Idrisi 256 Examine os valores de z usando o modo de consulta do cursor reas que aparecem em preto t m uma probabilidade de ser inundadas igual a 0 enquanto aquelas que est o em verde aproximam se de uma probabilidade igual a 1 Existe um intervalo de cores entre esses extremos onde os valores de probabilidade s o menos precisos Um valor de 0 45 por exemplo indica uma probabilidade de que a c lula tem 45 de chance de ser inundada ou inversamente 55 de chance de continuar acima da gua Um mapa de probabilidades expressa a probabilidade de cada pixel estar inundado se algu m quisesse afirmar que ele n o estaria Isto uma express o direta do risco na decis o E poss vel agora estabelecer um limite de risco um limiar acima do qual o risco de inunda o muito alto para se
76. exemplo se uma c lula tem o valor 1 0 como resultado isto indica que existe um balan o exato entre precipita o e evapora o 3 O que pode indicar um valor superior a 1 4 O que pode indicar um valor inferior a 1 Neste ponto temos toda informa o que necessitamos para criar nosso mapa de zonas agroclim ticas ACZONES O governo do Qu nia usa as classes espec ficas de temperatura e de disponibilidade h drica listadas na Tabela 1 para formar as v rias zonas de aptid o agr cola Nosso pr ximo passo portanto dividir nossas superf cies de temperatura e de disponibilidade h drica nestas classes espec ficas e encontrar as v rias combina es existentes para o distrito de Nakuru g Primeiro use a rotina RECLASS do menu An lise Consulta ao banco de dados para dividir o mapa de disponibilidade h drica nos intervalos indicados na Tabela 1 Esta uma classifica o personalizada com MOISTAVL como arquivo de entrada e MOISZONE como arquivo de sa da h Mude a tabela de cores de MOIZONE para NDVI16 em vez da tabela qualitativa padr o 5 Quantas zonas de disponibilidade h drica existem na imagem Por que isto diferente do n mero de zonas informadas na Tabela 1 Caso voc tenha problemas em responder pergunta voc pode visualizar o histograma de MOISTAVL usando HISTO A informa o que temos sobre as zonas publicada para uso em todas as regi es do Qu nia Entretanto nossa rea de estudo apenas um
77. fatores foram compensados entre si O mapa final de aptid o cont nua para desenvolvimento residencial MCEWLC foi o resultado de uma opera o que est exatamente no meio do caminho entre as opera es AND e OR ela n o foi nem totalmente aversa ao risco nem aceitou um risco exagerado Adicionalmente permitiu se que todos os fatores pudessem ser totalmente compensados Qualquer fator poderia compensar qualquer outro de acordo com o seu peso Assim os procedimentos de MCE que usamos nos dois exerc cios anteriores situam se ao longo de um cont nuo entre o AND e o OR O m todo Booleano nos d acesso aos extremos enquanto a WLC coloca a opera o exatamente no meio desses extremos Em ambos os extremos do cont nuo n o poss vel uma compensa o mas no meio existe um potencial para compensa o total A OWA entretanto nos dar um controle tanto sobre as posi es da MCE ao longo de um cont nuo como sobre o n vel global de compensa o Isto ela nos permitir controlar o n vel de risco ANDness que desejamos assumir em Centro de Recursos Idrisi Brasil 192 IDRISI for Windows Exerc cios tutoriais avan ados nossa MCE e o grau com que os pesos dos fatores pesos de compensa o ir o influenciar o mapa final de aptid o A OWA oferece uma variedade de solu es poss veis para nosso problema de desenvolvimento residencial O controle sobre o n vel de risco e sobre a compensa o feito especificando se um co
78. hip tese s tio n o s tio Declividades elevadas por outro lado indicam uma alta probabilidade de que um local N O um s tio Assim estas declividades sustentam a hip tese n o s tio Em muitos casos a evid ncia que temos apenas sustenta a plausibilidade ou nega o da hip tese prim ria de interesse Isto significa que a evid ncia sustenta as hip teses s tio n o s tio ou n o s tio ao inv s de s tio Nosso conhecimento sobre uma hip tese maior quando o suporte para a hip tese pela evid ncia indistingu vel do suporte para outras hip teses Da mesma forma se a evid ncia somente sustenta o complemento da hip tese o contr rio tamb m verdadeiro Freqiientemente a evid ncia mais clara e forte que temos sustenta apenas a nega o da hip tese de interesse Mesmo com nosso corpo total de conhecimento m o podemos produzir apenas imagens de evid ncia que estabelecem uma falta de evid ncia geral para sustentar a hip tese de interesse Isto entretanto n o significa que esta informa o n o seja til De fato significa justamente o contr rio Ao produzir estas imagens de evid ncia procuramos refinar a hip tese do local em que um fen meno espacial tem probabilidade de ocorrer atrav s da aplica o da evid ncia que reduz a probabilidade de que o fen meno N O ir existir Agregando diferentes fontes de informa o da probabilidade podemos diminuir o intervalo de probabilidades para a hip te
79. inv s de reas largas de bordas de reas florestadas s o mostradas g Execute DISTANCE usando FOREDG71 como a imagem de fei es e denomine a imagem de sa da FORDIS71 para dist ncias da borda de florestas existentes A seguir criaremos uma imagem mostrando dist ncias de reas urbanas h Execute RECLASS sobre a imagem LUY71 para criar uma imagem Booleana URBANTI na qual o valor 1 representa reas urbanas e 0 o restante Execute DISTANCE usando URBAN71 como a imagem de fei es e denomine o resultado URBDIS71 Esta imagem representa dist ncias de reas urbanas 15 Vari veis dicot micas e regress o log stica 221 Para ganhar tempo preparamos imagens para as outras duas vari veis independentes dist ncia de estradas WESTRDDS e dist ncia dos cursos d gua W ESTSMDS D A Em LOGITREG usaremos FOR71 como uma m scara para incluir apenas reas com floresta em 1971 Para tal execute CONVERT para converter FOR71 em uma imagem Byte Bin ria este formato requerido pelo m dulo LOGITREG Use o mesmo nome para a imagem de sa da Agora temos todas as quatro imagens para as vari veis independentes bem como a imagem de probabilidades para a vari vel dependente estamos prontos para executar a regress o log stica Observe que podemos usar o resultado da regress o para fazer novas predi es em uma s rie temporal se tivermos vari veis independentes para os novos per odos de tempo Das quatro vari
80. j georreferenciado As coordenadas X Y desses pontos no mapa georreferenciado ser o o novo par de coordenadas enquanto as coordenadas do sistema de refer ncias arbitr rio da imagem ser o o par de coordenadas antigas Locais que oferecem bons pontos de controle incluem intersec es de estradas e de rios represas pistas de aeroportos edif cios proeminentes topos de montanhas ou qualquer outra fei o f sica perfeitamente identific vel b Visualize o arquivo vetorial PAXROADS usando o arquivo de s mbolos padr o mas coloque o como um arquivo separado ao lado da imagem PAXTON n o em sobreposi o Esse arquivo vetorial das principais rodovias foi digitalizado da carta Paxton e distribu do pelo USGS United States Geological Survey Servi o Geol gico dos Estados Unidos como um arquivo vetorial de linhas no formato DLG digital line graph Esse arquivo digitalizado e uma janela do mapa original do qual ele foi extra do s o mostrados na Figura 3 Enquanto o mapa Centro de Recursos Idrisi Brasil 137 138 IDRISI for Windows Exerc cios tutoriais introdut rios impresso em papel apresenta georreferenciamento Lat Long e UTM PAXROADS foi digitalizado no sistema UTM que o sistema de refer ncia ao qual PAXTON ser reamostrado neste exerc cio c Para orientar na imagem raster PAXTON e o arquivo vetorial PAXROADS um com o outro procure intersec es de estradas que possam ser encontradas em ambos Use a Figura
81. lise geogr fica Adicionalmente a produ o de mapas de qualidade com o prop sito de ilustra o e s vezes persuas o muito importante Como consequ ncia o IDRISI for Windows oferece um extenso sistema para a visualiza o em tela e para a composi o gr fica de diversos planos de mapas em mapas finais que podem ser impressos Neste primeiro exerc cio da segii ncia n s daremos uma r pida olhada nos elementos fundamentais da visualiza o de planos de mapas J no segundo exerc cio n s examinaremos os meios atrav s dos quais uma composi o mais complexa de mapa criada salva e impressa Finalmente no ltimo exerc cio da sequ ncia de visualiza o veremos um t pico importante sobre a cria o e o uso de s mbolos e tabelas de cores Conhecendo as imagens dispon veis LIST e DESCRIBE dos exerc cios tutoriais clique sobre o cone LIST o segundo da esquerda para a direita Como o nome sugere este m dulo lista os arquivos de dados no diret rio de trabalho O m dulo LIST tem como op o padr o mostrar os arquivos imagem Entretanto voc perceber que qualquer outro dos muitos tipos de arquivos de dados que o IDRISI usa pode ser listado Voc perceber que para alguns tipos de arquivos como imagens vetoriais e arquivos de valores o m dulo LIST mostra tamb m o t tulo dos mesmos A op o M scara possibilita listagens mais espec ficas Para ilustrar selecione a op o M scara e digite WEST
82. localiza se no Great Rift Valley na Africa oriental e cont m v rios lagos que s o o habitat de imensos bandos de flamingos cor de rosa a Visualize a imagem NRELIEF com a tabela de cores Idrisi 256 Este um modelo digital de eleva o para a rea O Rift Valley aparece nas cores preto e azul escuro e suas encostas com eleva es maiores s o mostradas em tons de verde 33 a ati A aa E k es aus Para este exerc cio certifique se de que as Prefer ncias de visualiza o no menu Visualiza o est o com a configura o original pressionando o bot o Padr es do sistema Ligue tamb m a op o de Legenda vis vel e pressione OK Centro de Recursos Idrisi Brasil 106 IDRISI for Windows Exerc cios tutoriais introdut rios Um mapa de zonas agroclim ticas um meio b sico para definir a aptid o clim tica de reas geogr ficas para v rias alternativas de cultivo O procedimento ilustrado aqui muito simples e foi adaptado do mapa de zonas agroclim ticas do Qu nia em escala 1 1 000 000 Kenya Soil Survey Ministry of Agriculture 1980 Ele reconhece que os principais aspectos do clima que afetam o crescimento das plantas s o a disponibilidade h drica e a temperatura A disponibilidade h drica um ndice do balan o entre a precipita o e a evapora o e calculada usando se a seguinte equa o Disponibilidade h drica precipita o m dia anual evapora o potencial Embora
83. m dia Assim que tivermos dados compar veis poderemos executar uma regress o m ltipla usando estas vari veis c Visualize a imagem ETRDCOST com a tabela de cores Idrisi 256 Esta uma superf cie de dist ncias de custo derivada para cada um dos pixels em rela o ao seu mercado central correspondente Adicione o arquivo vetorial MARKETS com o arquivo de s mbolos MARKETS Esses s o os pontos para os quais extrairemos valores de cada uma das vari veis Execute EXTRACT usando MARKETS como imagem de defini o de fei es e ETRDCOST como a imagem a ser processada Aceite a op o MIN Denomine o arquivo de valores de sa da de DISTANCE De modo similar extraia valores punctuais de mercados a partir de MKTINTEG AVGRAIN e OXENOWN e crie tr s arquivos de valores com os mesmos nomes l Se tiv ssemos que extrair informa o em n vel de Awraja pol gonos de limites administrativos de terceiro n vel para os mesmos quatro planos de informa o como far amos isso J criamos os quatro arquivos de valores necess rios para executarmos a regress o m ltipla YIPRICE vari vel dependente e X1DIST X2RAIN e X30XEN vari veis independentes d Execute MULTIREG a partir do menu An lise Estat stica Escolha a op o arquivos de valores e selecione YIPRICE como vari vel dependente e XIDIST X2RAIN e X30XEN como vari veis independentes Denomine o arquivo de predi o de sa da de PREDICT e o arquivo de res duos de RESID
84. muito al m do que este ou qualquer pacote de software pode oferecer Defini o de SIG Um SIG um sistema auxiliado por computador para a aquisi o armanezamento an lise e visualiza o de dados geogr ficos Atualmente uma variedade de ferramentas de software est dispon vel para auxiliar nesta atividade muitas das quais definem a si pr prias como um SIG Entretanto elas podem diferir significativamente umas das outras em parte pela maneira como representam e trabalham com dados geogr ficos em parte pela nfase dada s v rias opera es Neste cap tulo estudaremos estas diferen as para entender as caracter sticas especiais do sistema IDRISI for Windows Introdu o a sistemas de informa o geogr fica SIG 5 Componentes de um SIG Embora imaginemos um SIG como uma pe a de software nica ele composto de uma variedade de elementos distintos A figura 2 1 d uma vis o geral dos componentes encontrados num SIG Nem todos os sistemas t m todos esses elementos mas para ser um verdadeiro SIG um grupo essencial deve estar presente Banco de dados espacial e de atributos No centro do sistema est o banco de dados uma cole o de mapas e informa es associadas na forma digital Como o banco de dados trata fei es da superf cie terrestre ele compreende dois elementos um banco de dados espacial descrevendo a geografia forma e posi o das fei es e um banco de dados de atributos descrevendo as
85. multiplicadas entre si para produzir uma imagem nica de aptid o Este procedimento equivalente a uma opera o l gica AND e pode ser tamb m realizada usando uma s rie de opera es de multiplica o da rotina OVERLAY D Abra MCE no submenu An lise Apoio decis o Selecione a op o Booleana Especifique a seguir que voc usar oito restri es e indique os nomes dos arquivos refira se lista abaixo Chame o arquivo de sa da de MCEBOOL e selecione OK Crit rios de restri o LUSECON WATRCON LUSECOST ROADBUFF TOWNBUFF BESTSLOP PROTBUFF DEVLBUFF Compararemos o resultado com os arquivos de entrada usando o modo expandido de consulta do cursor Isto nos permitir consultar uma imagem MCEBOOL usando o cursor para visualizar o valor z de v rias imagens nossos crit rios no mesmo local Um arquivo de grupo de imagens igf criado usando EDIT no IDRISI for Windows m Execute EDIT e especifique que voc quer criar um novo arquivo de grupo de imagens Denomine o MCEBOOL e selecione para usar o editor de arquivos de grupo Pressione OK Adicione os oito crit rios de restri o e o pr prio resultado de MCE adicione a lista a seguir marcando cada arquivo no editor e selecionando Adicionar MCECBOOL IGF LUSECON WATRCON LUSECOST ROADBUFF TOWNBUFF BESTSLOP PROTBUFF DEVLBUFF Centro de Recursos Idrisi Brasil 182 IDRISI for Windows Exerc cios tutoriais avan ados n Para acionar o modo expan
86. n s consultamos pela localiza o que tipo de uso da terra existe neste local Em outros casos consultamos por atributo que reas possuem alto n vel de g s rad nio 4 2 a E e r Dus Conv m explicar aqui que o ret ngulo envolvente definido pela regi o de estudo de interesse e n o se refere s coordenadas m nimas e m ximas reais no arquivo de dados 5 m A pa E ESP E A E Raison d tre do franc s a pr pria raz o de ser ou existir express o emprestada do franc s para refor ar certas afirma es e usado com regularidade no ingl s Centro de Recursos Idrisi Brasil Introdu o a sistemas de informa o geogr fica SIG 13 Algumas vezes efetuamos consultas simples como estas que acabamos de ilustrar e outras vezes fazemos uma combina o complexa de condi es mostre me todas as reas sujeitas inunda o maiores que 1 hectare e que estejam pr ximas a reas industriais Na maioria dos sistemas incluindo o IDRISI for Windows essas opera es de consulta s o efetuadas em dois passos O primeiro passo chamado de reclassifica o cria uma novo plano para cada condi o individual de interesse figura 2 4 Por exemplo se algu m estivesse procurando por reas residenciais sobre rochas associadas a altos n veis de g s rad nio o primeiro passo seria criar um plano de reas residenciais reclassificando todos os c digos de uso da terra em apenas dois um c digo 1 para reas
87. na imagem para os registros do banco de dados Na parte seguinte deste exerc cio iremos estabelecer uma liga o do banco de dados para a janela de mapa Assim estaremos aptos a visualizar os atributos do banco de dados na forma de mapas Parte 3 Visualiza o de atributos do banco de dados Freq entemente desejamos visualizar os atributos contidos num campo de um banco de dados na forma de um mapa de maneira a poder examinar sua distribui o espacial Nesta parte do exerc cio seguiremos passo a passo os procedimentos para fazer essa visualiza o Como primeiro exemplo criaremos um mapa de popula o 1 Nesta vers o do IDRISI for Windows a visualiza o de atributos do banco de dados somente pode ser feita com planos vetoriais Visualize o plano vetorial AWRAJAS usando o arquivo de s mbolos IDRISI256 N s iremos usar este plano vetorial que cont m a defini o geogr fica das nossas fei es as awrajas para visualizar os dados de atributos do banco de dados usando os c digos de cores do arquivo de s mbolos escolhido Neste ponto as cores representam os identificadores das awrajas A maioria dos valores s o superiores a 255 e por isso s o visualizados com o s mbolo 255 verde Quando ligamos a visualiza o ao banco de dados as 35 E z ME Para criar uma imagem raster a partir de um arquivo vetorial veja o t pico Convers o raster vetor no sistema de ajuda on line Centro de Recursos Idrisi Br
88. naturais invariavelmente as incluam em qualquer sistema multiespectral particular A inclus o de outras bandas depende da gama de aplica es pretendidas Muitos sistemas incluem a banda do verde vis vel porque ele pode ser usado juntamente com outros dois para produzir uma composi o falsa cor tradicional uma imagem em cor plena derivada das bandas do verde vermelho e infravermelho em oposi o s bandas do azul verde e vermelho de imagens em cor natural Este formato tornou se comum com o advento da fotografia infravermelha colorida e conhecida de muitos especialistas do campo do sensoriamento remoto Al m disso a combina o destas tr s bandas funciona bem na interpreta o da paisagem alterada e de superf cies naturais e com vegeta o Contudo cada vez mais comum incluir outras bandas especificadamente direcionadas para a diferencia o dos materiais da superf cie Por exemplo a banda 5 LANDSAT TM est colocada entre duas bandas de absor o da gua e tem sido muito til na determina o de diferen as de umidade do solo e das folhas De forma similar a Banda 7 LANDSAT TM est direcionada para a detec o de zonas de altera o hidrotermal em superf cies de rocha exposta Ao contr rio do sistema LANDSAT o sistema AVHRR da s rie de sat lites NOAA inclui v rios canais termais para o sensoriamento da temperatura de nuvens Em adi o s imagens multiespectrais tradicionais alguns novos sistemas experiment
89. o autom tica de resultados anal ticos ser ilustrada no exerc cio 5 e a consulta extendida do cursor ser ilustrada no exerc cio 11 Isto completa este exerc cio Voc pode excluir PERS1 e PERS2 e qualquer outra imagem ORTHO que voc eventualmente produziu at aqui Para fazer isso use a op o Excluir da Manuten o de arquivos a partir do menu Arquivo Centro de Recursos Idrisi Brasil 3 Composi o de mapas O exerc cio anterior deu uma no o das possibilidades que o sistema de visualiza o do IDRISI for Windows oferece Neste exerc cio exploraremos de forma mais completa a natureza do processo de composi o de mapas e as formas como as composi es de mapas podem ser gravadas visualizadas e impressas a Limpe sua tela de todas as janelas de mapas que possam estar abertas Use ent o o Lan ador de visualiza o para visualizar uma imagem chamada WESTBORO Use a tabela de cores definida pelo usu rio chamada WESTBORO Al m disso especifique que voc deseja ver uma legenda e um t tulo Esta uma imagem de uso cobertura do solo de Westboro em 1985 Utilizaremos esta imagem como um plano b sico para uma composi o com m ltiplos planos que incluem informa es de rios e estradas assim como alguns textos e uma variedade de componentes acess rios do mapa b c d Pressione a op o Adicionar plano da Composi o e adicione o arquivo vetorial chamado WESTLULC usando o arquivo de s mbolos p
90. o de 1 Visualize o resultado caso voc esteja com o m dulo de visualiza o autom tico ativado isto acontecer automaticamente Westboro uma pequena cidade que passou por um desenvolvimento substancial nos ltimos anos devido sua localiza o estrat gica em uma das regi es de maior desenvolvimento de alta tecnologia nos Estados Unidos Tamb m uma rea com ocorr ncia significativa de banhados um tipo de cobertura do solo de particular interesse ambiental b Usando a op o Adicionar Plano da janela de Composi o visualize um arquivo vetorial denominado SPTRAIN Este plano cont m um conjunto de reas de treinamento para os seguintes tipos de cobertura Centro de Recursos Idrisi Brasil 1 Teorema de Bayes e classifica o por m xima verossimilhan a 153 l Residencial antiga OLDRS 2 Residencial nova NEWRS 3 Industrial comercial INDCM 4 Estradas ROADS 5 gua WATER 6 Agricultura pecu ria AGPAS 7 Floresta dec dua DECID 8 Banhados WETLN 9 Pistas de golfe gramados GOLFG 10 Floresta de con feras CONIF 11 gua rasa SHALW A ltima coluna desta lista cont m os nomes de assinaturas sugeridos que ser o usados nesta e nas demais se es deste conjunto de exerc cios c Use MAKESIG para criar um conjunto de assinaturas para as reas de treinamento do arquivo vetorial SPTRAIN Indique que as 3 bandas SPOT denominadas SPWEST1 SPWEST2 e SPWEST3 devem ser usadas As assinaturas devem ser iden
91. o do pensamento anal tico O sistema n o tem respostas inerentes apenas aquelas do analista somente uma ferramenta assim como a estat stica uma ferramenta uma ferramenta para pensar Investir em SIG requer mais que um investimento em hardware e software De fato em muitos momentos este o ltimo item a se pensar A maioria das pessoas lembra tamb m que um investimento substancial necessita ser direcionado para o desenvolvimento da base de dados Entretanto um dos investimentos menos considerados embora dos mais importantes relaciona se aos analistas que ir o usar o sistema O sistema e o analista n o podem ser separados um simplesmente uma extens o para o outro Al m disso o processo de incorpora o de um SIG em uma institui o requer um investimento em educa o e treinamento a longo prazo e envolvendo toda a organiza o Em muitos casos aprender SIG envolve aprender a pensar aprender a pensar sobre padr es sobre espa o e sobre processos que atuam no espa o Como voc aprendeu sobre procedimentos espec ficos eles ir o frequentemente ser encontrados no contexto de exemplos espec ficos Eles tamb m frequentemente ter o nomes que sugerem sua aplica o t pica Mas aten o resista tenta o de categorizar essas rotinas A maioria dos procedimentos tem aplica es muito mais gerais e pode ser usada de muitas formas novas e inesperadas Explore Desafie o que voc v O que voc aprender vai
92. o o ter amos percebido se n o tiv ssemos estabelecido a liga o do banco de dados tabular visualiza o espacial Vamos continuar nossa explora o da consulta ao banco de dados por atributo executando uma consulta por atributos m ltiplos No Exerc cio 5 utilizamos lgebra Booleana com OVERLAY e um par de imagens para produzir a condi o l gica AND e Na Oficina de banco de dados utilizamos SQL para esse prop sito Aqui n s vamos usar SQL para produzir o AND l gico para o seguinte problema Identificar todas as awrajas onde a popula o exceda 300 000 habitantes AND e o n mero de cabe as de gado exceda 300 000 t Primeiro selecione Remover filtro do menu Consulta para retornar ao banco de dados completo Depois escolha Criar filtro e complete a declara o WHERE da seguinte forma WHERE POPULATION gt 300000 AND CATTLE gt 300000 N o esque a que na visualiza o do resultado se voc usar o modo cont nuo ver cores que significam somente popula o j que esse o campo escolhido para visualiza o de atributos Neste caso particular mais razo vel visualizar o resultado da nossa consulta por atributos m ltiplos no modo Booleano u Remova o filtro atual e execute uma consulta por atributos m ltiplos para aquelas awrajas onde POPULATION CATTLE e SHEFP sejam superiores a 300 000 2 Quantos awrajas satisfazem a essas tr s condi es Quais s o seus nomes Os recursos de SQL oferecidos na O
93. o para este problema reescalonarmos os valores de forma a concentrarmos as cores dispon veis no maior volume dos dados Podemos fazer isso escalonando n o entre os valores m nimos e m ximos originais mas entre dois pontos que envolvam o volume dos dados Analisando se visualmente isto parece estar entre 3 e 22 N s podemos usar essa informa o com o m dulo STRETCH para criar um resultado melhor O m dulo STRETCH usado para aumentar o contraste de uma imagem na sua visualiza o de forma que as caracter sticas da imagem possam ser mais facilmente distingu veis Algumas vezes isso referido como aplica o de um realce do contraste De forma mais geral pode ser pensado como uma rotina de reescalonamento s Feche a janela do mapa BRAZIL2 Acione STRETCH pelo menu Visualiza o ou clicando no respectivo cone na barra de ferramentas Indique que a imagem de entrada BRAZIL e que a imagem de sa da deve ser chamada LINEAR Use o tipo de contraste linear padr o e ajuste um novo m nimo de 3 e um novo m ximo de 22 Aceite o indicado para os demais par metros Quando terminar use o Lan ador de visualiza o para visualizar LINEAR usando a tabela de cores Tons de cinza 256 5 Como a imagem aparece agora O que aconteceu que todos os pixels com valor 3 ou menores receberam a cor mais baixa preto enquanto aqueles com valor 22 ou maior receberam o ndice de cor mais alto branco Isto chamado de satura o e
94. ou independente Voc pode querer fazer uma tabela de 3 colunas para acomodar o relat rio do arquivo de combina o e os valores r e r Repare que r expresso em percentagem e indica quanto da vari vel dependente explicado pela vari vel independente Por exemplo um valor de 95 significa que os dois modelos de ndice de vegeta o s o estatisticamente equivalentes a Eastman J R McKendry J E 1991 Change and time series analysis Worcester UNITAR 85p 7 An lise de vegeta o em ambientes ridos 173 9 Quais modelos de ndice de vegeta o t m relacionamentos estat sticos fortes Nosso exemplo de an lise de ndice de vegeta o termina aqui mas poss vel fazer muito mais Leia o cap tulo Indices de vegeta o para maiores informa es e detalhes sobre outras an lises como a an lise de componentes principais Centro de Recursos Idrisi Brasil 8 Avalia o por crit rios m ltiplos An lise Booleana Os pr ximos quatro exerc cios ir o explorar o uso de SIG como sistema de apoio decis o Embora a an lise apresentada ir discutir t cnicas que podem real ar os processos de apoio decis o em geral ser dada nfase no uso de SIG para a decis o de destina o de recursos Estas decis es podem ser auxiliadas por ferramentas de SIG porque fregiientemente envolvem uma variedade de crit rios que podem ser representados como planos de dados geogr ficos A avalia o por crit rios
95. outros fatores importantes para a agricultura como dura o e intensidade da esta o seca e chuvosa e variabilidade anual n o sejam levados em considera o neste modelo esta metodologia oferece uma ferramenta b sica para fins de planejamento nacional Este exerc cio difere dos exerc cios 5 e 6 de uma forma importante Nos Exerc cios 5 e 6 n s identificamos e diferenciamos reas aptas de todas as outras reas Nossas imagens finais foram imagens Booleanas No presente caso na imagem final cada pixel ter o valor da pr pria zona agroclim tica qual ele pertence em fun o dos crit rios estabelecidos Pode se imaginar os exerc cios 5 e 6 como um problema de sele o enquanto este exerc cio pode ser entendico como um problema de classifica o As zonas agroclim ticas s o definidas como combina es espec ficas de zonas de disponibilidade h drica e zonas de temperatura Os valores para estas zonas variam conforme a Tabela 1 Zona de disponibilidade Intervalo de h drica disponibilidade h drica lt 10 Zonas de Intervalo de temperatura temperatura C E E eq esses E S O O o2s o40 a E a e D E er 22 24 ES TA 24 30 Tabela 1 Para o distrito de Nakuru a rea mostrada na imagem NRELIEF est o dispon veis tr s conjuntos de dados do Manual de Gerenciamento de Propriedades Agr colas do Qu nia Kenya Farm Management Handbook para nos auxiliar na produ o do mapa de zonas agroclim ti
96. padr o IDR_ID como o Campo contendo os identificadores de fei es Isso instrui a Oficina de banco de dados a localizar o registro da tabela que possui o mesmo valor no campo IDR_ID que o valor obtido pela consulta com o cursor na imagem AWRAJAS Isto completa tudo que necess rio para fazer consultas por localiza o Pressione OK j Agora redimensione a janela da Oficina de banco de dados e mude a sua posi o e a posi o da janela de visualiza o de forma que voc possa ver ambas ao mesmo tempo k Clique na barra superior da janela de mapa para ativ la Selecione o modo de consulta do cursor na barra de ferramentas e consulte algumas posi es na janela de mapa awrajas Veja como a cada vez que voc consulta uma localiza o o ponteiro no banco de dados se move e real a o registro da awraja correspondente Voc pode ent o navegar por todos os atributos da localiza o consultada usando a barra de rolagem horizontal da janela da Oficina de banco de dados Se voc consultar uma awraja que n o possuir registro no banco de dados uma mensagem com esse aviso ir aparecer Quando voc tiver terminado de consultar o banco de dados feche a janela de mapa AWRAJAS mas mantenha a Oficina de banco de dados aberta com a tabela Ethiopia Ainda que muito simples esse tipo de consulta por localiza o pode constituir uma ferramenta muito valiosa para explora o dos dados Aqui n s estabelecemos a liga o dos locais consultados
97. pela altera o de datum de NAD27 para NAD83 nesta regi o bastante grande particularmente na dire o norte sul Centro de Recursos Idrisi Brasil 17 Altera o do sistema de refer ncia com PROJECT 149 c Agora use PROJECT com os outros arquivos vetoriais ROADS e WATERBOD transformando o sistema de refer ncia de US27TM16 para US83TM16 Visualize DEMC com a tabela de cores BLKEARTH e coloque sobre ela os arquivos vetoriais rec m convertidos com seus arquivos de s mbolos correspondentes Nos Estados Unidos o sistema de refer ncia Universal Transverso de Mercator UTM usado no mapeamento topogr fico Suas caracter sticas de erro n o servem para as necessidades de planejamento dos governos locais Neste contexto o erro n o deveria exceder 1 10 000 1 parte em 10 000 e o sistema UTM com zonas de 6 graus tem um erro em seu centro que pode ser de at 1 25 000 Assim ele n o usado para os prop sitos de engenharia pelos governos locais Nos Estados Unidos tem sido adotado um sistema de coordenadas planas estadual State Plane Coordinate System SPCS tendo cada estado o seu sistema particular Ele baseado na proje o Transversa de Mercator n o confundir com UTM ou na C nica Conforme de Lambert Na maioria dos estados s o necess rias v rias zonas para que se tenha um erro abaixo do limite de 1 10 000 O conjunto de dados de Black Earth com o qual estamos trabalhando cai no sistema Wisconsin State Plane 1983
98. pesos de ordena o e denomine o resultado com risco m dio e sem compensa o de MCEART Visualize o resultado juntamente com MCEAVG e adicione o ao arquivo de grupo MCEOWA Estas imagens s o visivelmente bastante diferentes uma da outra mesmo tendo n veis de risco id nticos Sem compensa o a solu o com risco m dio MCEARNT est pr xima da mediana ao inv s da m dia ponderada como em MCEAVG e MCEWLC Como voc pode ver ela contrasta significativamente da tend ncia suave de AND para OR que exploramos anteriormente Variar a compensa o independentemente do risco aumenta o n mero de sa das poss veis bem como o potencial de modificar an lises para contemplar situa es espec ficas h Finalmente como nas se es anteriores estamos interessados em reas de alta aptid o cuja rea seja de pelo menos 20 hectares a rea m nima a ser considerada para uso residencial Como Centro de Recursos Idrisi Brasil 196 IDRISI for Windows Exerc cios tutoriais avan ados antes examinaremos os histogramas para determinar limites de alta aptid o para nossas imagens resultantes reclassificaremos nosso mapa de aptid o para este limite com RECLASS agruparemos as imagens de alta aptid o com GROUP calcularemos a superf cie de cada grupo de pixels independente com AREA e usaremos RECLASS novamente para reclassificar apenas os grupos com mais de 20 hectares l Examine os histogramas de MCEMIDA e MCEARNT Execute HISTO com um v
99. produza os ndices baseados na dist ncia PVI PVII TSAVII e WDVI Para cada ndice leia a se o Determinando valores de declividade e intercepto no t pico VEGINDEX do sistema de ajuda para determinar quais par metros da linha de solo usar em cada ndice de vegeta o Olhe para as imagens de sa da e visualize tamb m a sa da de TASSCAP para o ano selecionado A qualidade da imagem de sa da um importante elemento na an lise A visualiza o o nico meio que podemos usar para avaliar a performance de certos modelos de ndice de vegeta o em termos de separa o do padr o da vegeta o verde e de distin o dessa vegeta o do solo que est sob ela Em outras palavras essa a forma de produzir um mapa de cobertura vegetal a partir de imagens digitais de sat lite Isso tamb m permite a avaliar visualmente varia es no estoque de biomassa verde Tudo isso essencial para prote o ambiental ou para esquemas de reabilita o bem como para o monitoramento de atividades agropecu rias 3 Quais dos modelos usados incluindo TASSCAP apresentam o melhor desempenho 4 Quais modelos voc n o recomendaria 5 D notas para cada um dos modelos na escala de 1 a 5 muito pobre pobre moderado bom muito bom Esses modelos de ndices de vegeta o tamb m s o usados como uma medida quantitativa da biomassa da vegeta o N s podemos fazer isso pela verifica o manual dos valores dos ndices Como regra g
100. produzir um resultado com baixo risco para nosso problema de desenvolvimento residencial algo pr ximo ao AND m nimo no nosso cont nuo de ANDness dar amos maior peso de ordena o aos fatores mais pr ximos do valor m nimo De fato caso atribu ssemos peso total ao fator individual com o escore de aptid o m nimo nosso resultado seria muito parecido com o obtido na opera o AND usada em nossa MCE Booleana Adicionalmente tal pondera o resultaria em nenhuma compensa o Os pesos de fatores desenvolvidos por n s anteriormente simplesmente n o teriam influ ncia em nossa sa da final Os pesos de ordena o que usar amos para essa opera o AND seria os seguintes Baixo n vel de risco nenhuma compensa o Pesos de ordena o 1 0 0 0 0 0 Ordem 1 Za 3 4 5 6 Neste exemplo de opera o AND todo o peso dado primeira posi o hier rquica o fator com o escore de aptid o m nimo para um dado local Nitidamente este conjunto de pesos de ordena o est deslocado em dire o a AND o fator com o valor m nimo ganha todo o peso Adicionalmente como n o dado qualquer peso a nenhuma outra posi o de ordem hier rquica al m do m nimo n o pode haver compensa o entre fatores o fator m nimo sozinho determina o resultado final b Execute MCE usando a opera o OWA e recupere o arquivo de par metros MCEAVG Denomine o arquivo de sa da MCEMIN modifique os pesos de ordena o de tal forma que eles
101. qual a imagem ser transformada A reamostragem uma transforma o do tipo rubber sheet que estende e deforma uma imagem para adequ la a um sistema particular de refer ncia Esse processo introduz distor o espacial Alguns sistemas de refer ncia e as proje es a eles associadas introduzem mais distor o espacial que outros para a mesma rea Ao escolher fazer voc mesmo a reamostragem voc pode optar pelo sistema de refer ncia que introduz menos distor o espacial para referenciar seus dados de modo a coincidirem com o sistema de refer ncia de outros dados j em uso no seu trabalho O procedimento de reamostragem feito da seguinte forma 1 O usu rio identifica as coordenadas X Y de dois pares de pontos que representam o mesmo lugar no antigo e no novo sistema de coordenadas Figura 1 As coordenadas do novo sistema podem ser obtidas de um mapa de uma imagem j georreferenciada de um arquivo vetorial ou atrav s de levantamentos em campo com instrumentos tradicionais ou com GPS Global Positioning System Sistema de Posicionamento Global Centro de Recursos Idrisi Brasil 15 Georreferenciamento de imagens usando reamostragem ANTIGO NOVO Y Y A t X X Figura 1 gt 2 O usu rio cria um arquivo de correspond ncia que cont m esses pares de coordenadas n pontos Xantigo Yantigo Xnovo Ynovo Xantigo Yantigo Xnovo Ynovo 3 O IDRISI for Windows resolve uma equa o que descreve a rela
102. quatro ndices Qual dos ndices praticamente n o apresenta informa o alguma 2 Somente uma das imagens interpretada como uma imagem de ndice de vegeta o Qual delas d O m dulo VEGINDEX cont m 19 modelos diferentes de ndice de vegeta o que podem ser agrupados em ndices baseados na declividade ndices baseados na dist ncia e ndices de vegeta o de transforma o ortogonal Execute VEGINDEX e produza uma imagem para tr s destes modelos NDVI TVI e TTVI Esses modelos baseados na declividade s o combina es lineares simples que requerem somente o nome das bandas vermelha e infravermelha de entrada e um nome de arquivo de sa da Examine cada uma das imagens de sa da Os ndices baseados na dist ncia baseiam se no conceito de uma linha de solo Uma linha de solo uma equa o linear que descreve o relacionamento entre valores de reflect ncia na banda vermelha e infravermelha para pixels de solo exposto Essa linha produzida efetuando uma regress o linear simples entre a banda vermelha e infravermelha em uma amostra de pixels de solo exposto Uma vez conhecido o relacionamento todos os pixels desconhecidos em uma imagem que possuem a mesma rela o nos valores de reflect ncia no vermelho e infravermelho s o assumidos como solo exposto 7 An lise de vegeta o em ambientes ridos 171 Pixels desconhecidos que distanciam se da linha de solo por terem valores de reflect ncia maiores na banda infra
103. que a probabilidade desse evento foi de 100 De fato ele pode ter sido de 60 ou 80 por exemplo Pela forma como obtivemos a imagem de probabilidades usando o m dulo FILTER o resultado representa mudan as passadas Mesmo que uma rea n o tenha tido altera o florestal no passado isto n o significa que a probabilidade de mudan a seja de 0 Do mesmo modo para reas que sofreram altera o n o significa que sua probabilidade de 100 Se voc estabelecesse uma confian a de 100 voc excluiria reas que n o experimentaram um evento destes no passado de terem esta possibilidade no futuro Para contemplar a incerteza de eventos futuros sugerimos que vo estabele a um n vel de confian a menor do que 1 0 Neste exerc cio usaremos um n vel de confian a de 0 8 representando uma probabilidade de que 80 dos eventos futuros seguir o exatamente o mesmo padr o do passado Opte por produzir uma nova predi o com as vari veis independentes seguintes FORDIS85 URBDIS85 WESTRDDS eWESTSMDS e denomine a nova imagem de predi o de NFFPR91 Ap s o final da execu o do m dulo devemos ter a probabilidade de predi o de floresta permanecer floresta para 1985 e 1991 LOGITREG tamb m produz uma tabela sum rio ap s a regress o ter sido executada 2 Esta imagem foi criada com o m dulo DISTANCE usando um arquivo vetorial de estradas rasterizado WESTRDS como a imagem de fei es 20 Esta imagem foi criada com o m
104. que n o conhecemos Os arquivos de dados para este exerc cio consistem de SITES arquivo vetorial contendo s tios arqueol gicos conhecidos WATER arquivo imagem com gua permanente SHARD SS imagem de probabilidade em suporte hip tese s tio derivada da frequ ncia de fragmentos contados SLOPE NS imagem de probabilidade em suporte hip tese n o s tio derivada das declividades Primeiro necessitamos derivar para cada linha de evid ncia imagens de probabilidade para as hip teses que a evid ncia sustenta Decidir qual hip tese sustentar dada uma evid ncia nem sempre est muito claro Fregiientemente a distin o da hip tese que a evid ncia sustenta muito sutil Para cada linha de evid ncia que desenvolvemos devemos decidir onde reside nosso conhecimento sobre a rela o entre a evid ncia e as hip teses Isto determina em parte qual hip tese a evid ncia sustenta bem como a forma como desenvolvemos valores de probabilidade para cada hip tese sustentada No caso das declividades por exemplo estamos menos seguros sobre como as declividades atraem povoamentos do que sobre quais declividades s o inabit veis Declividades suaves parecem sustentar a hip tese de que exista um s tio Entretanto como declividades suaves s o apenas uma condi o necess ria mas n o suficiente para que um s tio exista eles constituem apenas uma plausibilidade e n o uma confian a para s tio Portanto eles sustentam a
105. que n o sabemos permite nos entender os riscos relativos que tomamos nas decis es que fazemos sobre recursos Uma vantagem adicional de caracterizar vari veis como confian as a oportunidade de incorporar v rios tipos diferentes de informa o incluindo conhecimento especialista conhecimento informal probabilidades e dados de sat lite classificados entre outros tipos de dados 13 Incerteza no banco de dados e risco na decis o Os exerc cios anteriores sobre Apoio decis o trataram basicamente da incerteza na decis o Neste exerc cio iremos enfocar a incerteza nos dados e mais especificamente na regra de decis o A incerteza em qualquer plano de dados ir se propagar atrav s da an lise e se combinar com outras fontes de erro incluindo a rela o incerta do plano de dados em quest o com o conjunto de decis o final Este exerc cio aborda a propaga o do erro de mensura o atrav s de uma regra de decis o Em particular estudaremos uma simula o do aumento do n vel do mar e estabeleceremos decis es sobre os impactos modelados A principal quest o de interesse como dar reconhecimento pleno para o risco na decis o gerado por duas incertezas incerteza no dado e incerteza na regra de decis o propriamente dita neste caso a estimativa do n vel do mar aplicada Aumentos antecipados do n vel do mar associados com aquecimento global levaram algumas na es a estimar impactos e a desenvolver estrat gias de adapt
106. rea de 185km x 185km e o sat lite passa s 09 45 da hora local e retorna mesma rea a cada 16 dias 28 IDRISI for Windows Manual do usu rio SPOT O SPOT Sist me Pour L Observation de la Terre foi lan ado e vem sendo operado por um cons rcio franc s desde 1985 O SPOT carrega dois sensores de varredura High Resolution Visible HRV que operam em modo multiespectral ou pancrom tico No modo multiespectral o sensor coleta tr s bandas uma banda verde uma banda vermelha e uma banda no infravermelho pr ximo com uma resolu o espacial de 20 metros No modo pancrom tico o sensor coleta uma nica imagem com uma resolu o espacial de 10 metros Ambos os modos cobrem uma faixa de 60km de largura O sensor SPOT pode ser direcionado para imagear ao longo de faixas de varredura adjacentes Isto permite ao instrumento adquirir imagens repetidas de qualquer rea at 12 vezes durante seu per odo orbital de 26 dias A capacidade de direcionamento faz do SPOT o nico sistema de sat lite que pode adquirir imagens estereosc picas A SPOT Image Inc comercializa v rios produtos incluindo imagens digitais e produtos fotogr ficos Imagens existentes podem ser compradas mas a aquisi o de novas imagens necessita ser solicitada Os clientes podem solicitar que o sat lite seja apontado para uma dire o particular para as novas aquisi es NOAA AVHRR O Advanced Very High Resolution Radiometer AVHRR encontra se a bordo
107. s o necess rios mais pontos com alta confian a na rea Cancele o processo de reamostragem encontre coordenadas melhores use EDIT para atualizar o arquivo de correspond ncia e ent o recomece a partir do passo i deste exerc cio Localize voc mesmo os pontos ou para ganhar tempo indique as seguintes coordenadas 21 348 185 259666 5 4687351 0 22 391 5 88 260295 8 4684403 0 0 Com as coordenadas atualizadas dos pontos 21 e 22 o seu RMS total para os 22 pontos de Centro de Recursos Idrisi Brasil 142 p IDRISI for Windows Exerc cios tutoriais introdut rios controle deve estar por volta de 0 85 Com rela o aos outros o ponto 7 alto e por ele estar muito pr ximo a outros dois pontos e ter uma baixa confian a n s o omitiremos Selecione o ponto 7 na caixa central escolha omitir o ponto e recalcule a equa o Note que os res duos de todos os pontos assim como o RMS total mudam Uma nova equa o foi calculada com os 21 pontos remanescentes Agora omita os pontos 18 20 e 14 Todos esses pontos s o de baixa confian a e n o est o espacialmente isolados Recalcule a equa o O RMS total ainda maior que desejamos O ponto de controle com o pr ximo res duo mais alto provavelmente o ponto 22 dependendo das coordenadas que voc usou Ele foi bastante dif cil de localizar na imagem e n o est espacialmente isolado ent o omita este ponto tamb m O ponto 9 tamb m tem res duo elevado e d
108. sa da de BESTCALC daremos um nome diferente para podermos comparar o resultado com a imagem BESTSORG produzida h pouco Agora entre com a express o usando os bot es da Calculadora para imagens reproduzindo a express o mostrada a seguir Note que voc pode pressionar o bot o Inserir imagem para escolher um arquivo da lista de arquivos dispon veis cujo nome ficar automaticamente entre colchetes 5 Consulta ao banco de dados 77 BESTCALC DRELIEF lt 9 AND DSOILS 2 Pressione Processar express o e quando o c lculo estiver conclu do compare o resultado com aquele obtido anteriormente chamado BESTSORG voc deve mudar a tabela de cores para QUAL256 Note que n o podemos concluir completamente nossa an lise apenas com a Calculadora para imagens porque ela n o inclui as fun es GROUP e AREA Note tamb m que no desenvolvimento de nosso modelo muito mais f cil identificar erros no processo se fizermos cada passo individual com o m dulo apropriado e examinarmos cada resultado Embora o uso da Calculadora para imagens nos permita ganhar tempo ela n o nos fornece as imagens intermedi rias para verificarmos nosso progresso l gico Em fun o disso em muitos dos exerc cios restantes iremos optar por usar os m dulos individuais Neste ponto voc pode apagar todos os arquivos que foram criados neste exerc cio A fun o Excluir pode ser encontrada na Manuten o de arquivos do menu Arquivo Apenas n o apague
109. selecionar diretamente a cor 1 Clique na caixa n mero 1 e use os bot es de rolagem para ajustar um RGB de 136 222 64 Clique na caixa 3 e use as barras de rolagem para ajustar em RGB 255 232 123 Agora use a fun o de mistura para misturar as cores 1 a 3 Isso ir interpolar um valor para a cor 2 Agora selecione a cor 7 e ajuste os valores para RGB 255 188 76 e misture as cores entre 3 e 7 Ap s isso selecione a cor 14 e ajuste um RGB de 180 255 255 Misture as cores entre 7 e 14 Finalmente ajuste a cor 15 para 255 255 255 Agora que estabelecemos nossa tabela de cores precisamos ter certeza que a faixa de autoescalonamento est ajustada apropriadamente Como temos cores definidas somente para ndices entre O e 15 ajuste o m nimo e o m ximo de Autoescalonar limites respectivamente para 0 e 15 Finalmente podemos gravar nossa tabela de cores Escolha a op o Salvar como no menu Arquivo da Oficina de tabelas de cores e denomine o resultado de TERRAIN Voc pode usar as op es padr o de grava o para ter a tabela de cores salva como um arquivo smp do IDRISI for Windows em seu diret rio de trabalho Depois de salvar a tabela de cores feche a Oficina de tabelas de cores 19 TARF A E A 5 Ao inv s de escrever o n mero de cada cor ncora para a mistura voc pode selecionar a caixa da primeira cor da mistura e clicar duas vezes na caixa de di logo da primeira ncora Valor m nimo Ap s fa a o m
110. trechos ferrovi rios e deriva es ferrovi rias Um livreto detalhado deste esquema de c digos assim como um guia para o usu rio dos produtos DEM e DLG est o dispon veis no USGS Centro de Recursos Idrisi Brasil 16 Bases de dados cartogr ficos digitais 145 N s extrairemos do arquivo DLG de rodovias os elementos denominados como rodovias routes estradas roads e ruas streets Extrairemos tamb m informa o acerca dos rios streams banhados marshes lagos lakes e a udes ponds do plano de hidrografia a Escolha a op o Importa o Exporta o do menu Arquivo e execute o m dulo DLG a partir do menu Importar Formato do Governo dos EUA Ag ncias do m dulo de importa o e exporta o Este programa l e converte especificamente dados no formato opcional Digital Line Graph DLG do USGS para o formato vetorial do IDRISI for Windows A primeira fei o que extrairemos s o as rodovias routes estradas roads e ruas streets Especifique BE RD como o nome do arquivo DLG a ser usado O m dulo ir ler a informa o do cabe alho do arquivo DLG e preencher automaticamente as coordenadas da janela a extrair as coordenadas do arquivo resultante e o sistema de refer ncia Os valores padr o das coordenadas s o especificados de forma que as fei es do ret ngulo inteiro sejam extra das e mantenham suas coordenadas originais Isto exatamente o que queremos neste caso de forma que manteremos os valores pa
111. uso do solo de Westboro de 1971 1985 e 1991 bem como dados de cursos d gua e estradas para analisar estas altera es Os seguintes dados est o dispon veis para este exerc cio LU71 Imagem de cobertura do solo em 1971 LU85 Imagem de cobertura do solo em 1985 LU91 Imagem de cobertura do solo em 1991 WESTSMDS Imagem de dist ncia dos cursos d gua WESTRDDS Imagem de dist ncia das estradas WESTRDS Arquivo vetorial de estradas WESTSTRM Arquivo vetorial dos cursos d gua Dois planos de dados adicionais foram criados e inclu dos no conjunto inicial de dados para an lise no final FORCHG2A Altera o na rea florestal no per odo 1985 1991 exclu das altera es na gua e nos banhados FCAREA2A reas de altera o florestal estimadas para 1991 usando 1985 como ano base Nosso objetivo usar estes dados para analisar a altera o florestal bem como para prever tend ncias futuras Nosso questionamento sobre os processos de altera o florestal na rea revelaram que as vari veis que influenciam s o as seguintes proximidade de reas urbanas existentes proximidade de Centro de Recursos Idrisi Brasil 15 Vari veis dicot micas e regress o log stica 219 estradas dist ncia da borda das florestas existentes e dist ncia dos cursos d gua Experi ncia anterior mostrou que quanto mais pr ximo estiver um local de reas urbanas e estradas mais prov vel seu desflorestamento Experi ncias tamb
112. valores negativos ou se os valores excedem 255 o autoescalonamento 4 Tabelas de cores s mbolos e autoescalonamento 63 ser imediatamente acionado Se os valores caem na faixa 0 255 assumido que o autoescalonamento n o se faz necess rio j que de fato os valores cabem no intervalo padr o 0 255 das tabelas de cores Todavia voc pode encontrar situa es onde deseja usar o autoescalonamento e poder acion lo intencionalmente p Use o Lan ador de visualiza o para examinar a imagem chamada BRAZIL2 com a tabela de cores Tons de cinza 256 esta uma imagem da Banda 5 do sensor MSS LANDSAT mais tarde conhecida como Banda 2 MSS 3 Como a imagem aparece N o n o h nada errado q Feche a janela do mapa e visualize BRAZIL2 novamente por m desta vez especificando o uso de autoescalonamento 4 Como ela aparece agora De fato sua apar ncia n o boa mesmo com o autoescalonamento ligado embora at possamos enxergar alguma coisa Quando a comparamos com ETDEM que se mostrou visualmente boa n s temos que concluir que o autoescalonamento nem sempre funciona bem Normalmente o uso do autoescalonamento para tornar uma imagem vis vel d bons resultados mas BRAZIL ilustra claramente um caso onde isso n o verdade Felizmente h uma solu o para isso r Para entender porque o autoescalonamento n o funcionou bem na exibi o de BRAZIL2 acione o m dulo chamado HISTO Este m dulo pode ser encontra
113. vertical um intervalo til oscila entre 0 5 e 2 0 Como voc caracterizaria a a o destes dois par metros t Como considera o final sobre o ORTHO o uso de uma imagem de cobertura pode real ar sensivelmente o impacto visual da sua imagem em perspectiva Use o Lan ador de visualiza o para examinar uma imagem chamada AFSURF usando a tabela Tons de cinza 16 Esta imagem foi criada com ORTHO e usa uma imagem de cobertura que foi criada usando a op o sombreamento anal tico do m dulo SURFACE Com a op o de sombreamento anal tico de SURFACE voc pode indicar a dire o e a altura angular do Sol para o programa determinar a quantidade de ilumina o em cada ponto da superf cie Como voc v ele capaz de produzir modelos do relevo muito bons Voc tamb m pode querer explorar o m dulo ILLUMINATE para a cria o de imagens de cobertura Ele possibilita combinar os efeitos do sombreamento anal tico do relevo com a tabela de cores de uma imagem Voc pode fechar agora a janela de mapa AFSURF Prefer ncias de visualiza o Neste exerc cio voc ir ver como visualizar planos de informa o com uma tabela de cores ou arquivo de s mbolos espec fico elementos do mapa como t tulos e legendas al m de outros poss vel configurar certos par metros de visualiza o de forma que eles se tornem a sua configura o padr o Por exemplo voc pode achar que na maioria das vezes gostaria de ter um t tulo exibido na vi
114. 2 com a tabela de cores QUAL256 Visualize tamb m SUITABLE com a mesma tabela de cores e posicione a de tal forma que voc possa visualizar ambas as imagens simultaneamente 1 As imagens s o iguais Que opera o poderia ser usada para determinar se as imagens s o exatamente as iguais g Abra a macro com EDIT e modifique a de forma que as declividades inferiores a 4 graus sejam consideradas aptas Pressione os bot es Salvar e depois Sair Execute a macro e compare os resultados SUITAB2 com SUITABLE h Use EDIT para mudar a macro uma vez mais de forma a n o incluir as diagonais no processamento de GROUP Mude tamb m o nome da imagem final para SUITAB3 2 Descreva as diferen as entre SUITABLE SUITAB2 e SUITAB3 e explique o que causou estas diferen as Comandos macro s o efetivamente uma ferramenta muito poderosa na an lise em SIG Uma vez criados eles permitem uma avalia o r pida de varia es numa mesma an lise Exatamente a mesma an lise pode ser executada rapidamente tamb m para outra rea de estudo simplesmente alterando se os nomes dos arquivos de entrada originais Como vantagem adicional os arquivos macro podem ser salvos ou impressos juntamente com o modelo cartogr fico correspondente Isso fornecer um registro detalhado para verificar poss veis fontes de erro em uma an lise ou para a repeti o do estudo Nota O IDRISI for Windows salva no seu diret rio de programas todos os comandos que voc execu
115. 5 12 CLASSIFICA O SUPERVISIONADA 131 13 AN LISE DE COMPONENTES PRINCIPAIS 130 14 CLASSIFICA O N O SUPERVISIONADA 133 15 GEORREFERENCIAMENTO DE IMAGENS USANDO REA MOSTRAGEM 136 16 BASES DE DADOS CARTOGR FICOS DIGITAIS 144 17 ALTERA O DO SISTEMA DE REFER NCIA COM PROJECT 148 4 IDRISI for Windows Manual do usu rio EXERC CIOS TUTORIAIS AVAN ADOS 151 1 TEOREMA DE BAYES E CLASSIFICA O POR M XIMA VEROSSIMILHAN A 152 2 DESENVOLVIMENTO DE ASSINATURAS FUZZY 155 3 CLASSIFICADORES RELATIVOS I BAYCLASS 159 4 DISCRETIZADORES 162 5 CLASSIFICADORES RELATIVOS II BELCLASS 164 6 DEMPSTER SHAFER MODIFICADO 166 7 AN LISE DE VEGETA O EM AMBIENTES RIDOS 169 8 AVALIA O POR CRIT RIOS M LTIPLOS AN LISE BOOLEANA 174 DESENVOLVIMENTO DE DADOS E CRIT RIOS 175 MCE USANDO OPERADORES BOOLEANOS 179 9 AVALIA O POR CRIT RIOS M LTIPLOS COMBINA O LINEAR PONDERADA 183 10 AVALIA O POR CRIT RIOS M LTIPLOS M DIA PONDERADA ORDENADA 191 11 TOMADA DE DECIS O COM OBJETIVOS M LTIPLOS 199 12 MODELAGEM DE PESO DE EVID NCIA COM BELIEF 202 Centro de Recursos Idrisi Brasil Introdu o 5 13 INCERTEZA NO BANCO DE DADOS E RISCO NA DECIS O 209 14 REGRESS O M LTIPLA EM SIG 213 15 VARI VEIS DICOT MICAS E REGRESS O LOG STICA 218 INTRODU O O Projeto IDRISI O IDRISI um sistema de informa o geogr fica e um software para processamento de imagens desenvolvido p
116. 5007 CEP 91 501 970 Porto Alegre RS Brasil Tel 051 316 6909 Fax 55 51 319 1568 E mail cridrisi ecologia ufrgs br http www ecologia ufrgs br cridrisi Eastman J R IDRISI for Windows Introdu o e Exerc cios tutoriais J Ronald Eastman Editores da vers o em portugu s Heinrich Hasenack e Eliseu Weber Porto Alegre UFRGS Centro de Recursos Idrisi 1998 240p 45 figuras 10 tabelas Palavras chave 1 Sistemas de informa o geogr fica 2 Geoprocessamento 3 GIS 4 SIG I Eastman J R H T tulo Todos os direitos reservados Reprodu o mesmo parcial proibida sob qualquer forma ou meio sem autoriza o por escrito do editor IMPRESSO NO BRASIL PRINTED IN BRAZIL Centro de Recursos Idrisi Brasil Introdu o 3 O software descrito neste documento fornecido sob licen a e pode ser usado ou copiado somente de acordo com os termos desta licen a veja os termos da licen a no Guia de instala o O IDRISI pretende ser basicamente um ve culo de baixo custo para o ensino e a pesquisa acad mica Em conformidade com esta inten o um grande n mero de licen as para pesquisa acad micas e para estudantes j est o dispon veis GARANTIA Este software vendido tal qual e a informa o contida neste manual est sujeita a modifica es sem pr via notifica o Al m disso a Graduate School of Geography da Clark University n o assume responsabilidade por quaisquer erros que possam
117. 56 Exerc cio opcional Use a Oficina de banco de dados para criar uma janela de visualiza o mostrando a densidade de gado por awraja cabe as km Centro de Recursos Idrisi Brasil 11 Explora o de imagens Com este exerc cio iniciamos uma extensiva explora o de imagens de sensoriamento remoto e de t cnicas de processamento de imagens Como as imagens de sensoriamento remoto s o uma fonte usual de dados para analistas em SIG e t m uma estrutura raster muitos sistemas de geoprocessamento oferecem algumas ferramentas para processamento de imagem Caso voc ainda n o tenha lido o cap tulo Introdu o ao sensoriamento remoto e ao processamento de imagens fa a o antes de continuar com este exerc cio Exploraremos diferentes caminhos para aumentar o contraste de imagens de sensoriamento remoto para auxiliar a interpreta o visual um processo conhecido como realce de imagem N s introduzimos este t pico no Exerc cio 4 mas iremos revis lo e ampliar a discuss o aqui j que este um aspecto muito importante do processamento de imagens Tamb m aprenderemos sobre a natureza das imagens de sat lite e a informa o que carregam Usaremos dados de sensoriamento remoto de uma regi o imediatamente a oeste de Worcester Massachusets chamada Howe Hill Para esta pequena rea voc possui 4 bandas de uma imagem LANDSAT Thematic Mapper TM adquirida pelo sat lite em 10 de setembro de 1987 Elas s o chamadas de HOW87
118. AC 0 09 WATRFAC 0 11 ROADFAC 0 32 SLOPFAC 0 32 DEVLFAC 0 11 Execu o de MCE WLC Um dos procedimentos mais comuns de agrega o de dados a Combina o Linear Ponderada Weighted Linear Combination WLC No IDRISI for Windows isto feito multiplicando se cada fator padronizado pelo seu peso correspondente em nosso caso pesos derivados atrav s do m dulo WEIGHT mas de nenhum modo limitados a essa nica t cnica e somando se a seguir todos os fatores Uma vez somados os fatores o ltimo passo no WLC multiplicar nossas restri es Booleanas em nosso exemplo LUSECON e WATRCON para eliminar as reas que n o s o aptas em grau algum A imagem final uma medida de aptid o agregada com valores entre O e 255 Este procedimento pode parecer tedioso mas executado facilmente atrav s do m dulo MCE Embora assuma se que o leitor esteja familiarizado com estas t cnicas uma revis o sobre WLC no cap tulo Apoio decis o ser bastante til O procedimento WLC permite uma completa compensa o entre todos os fatores O grau com que um fator pode compensar outro entretanto determinado pelo seu peso Em nosso exemplo um alto escore de aptid o em SLOPFAC pode facilmente compensar um baixo escore de aptid o de LANDFAC em um mesmo local Na imagem resultante este local ter uma aptid o elevada No cen rio inverso um alto escore de aptid o em LANDFAC pode compensar um baixo escore de aptid o em SLOPFAC O grau com qu
119. AY produz um AND e l gico quando s o usadas imagens Booleanas enquanto a opera o de cobertura produz um OR ou l gico N s tamb m vimos como uma imagem Booleana pode ser usada em uma opera o de OVERLAY para manter alguns valores e mascarar os demais atrav s da atribui o do valor zero aos mesmos Em tais casos a imagem Booleana pode ser tomada como uma m scara Booleana ou simplesmente como uma imagem m scara extremamente importante entender a l gica da reclassifica o e da sobreposi o de imagens com OVERLAY porque elas constituem o centro de muitas an lises que usam SIG A melhor forma de conseguir esse entendimento efetuando cada opera o e examinando o resultado para verificar se ele se parece com o esperado Entretanto O IDRISI for Windows oferece um atalho que possibilita aos usu rios executar v rias opera es individuais a partir de uma nica caixa de di logo A CALCULADORA PARA IMAGENS A Calculadora para imagens permite a entrada de express es l gicas ou matem ticas usando constantes ou imagens como vari veis Ela oferece muitas das fun es de RECLASS OVERLAY SCALAR e de TRANSFORM em uma caixa de di logo r Para ver como a cria o de BESTSORG neste exerc cio pode ser feita com a Calculadora para imagens acione a a partir do menu An lise Consulta ao banco de dados e escolha o tipo de opera o Express o l gica estamos procurando o AND l gico de dois crit rios Chame a imagem de
120. Ap s a imagem ter sido visualizada amplie uma janela no canto extremo direito de nossa rea de estudo Voc ver nitidamente um perfil indicando o car ter sigmoidal dos dados rec m escalonados Na base da curva vis vel mostrada em preto e em azul escuro estamos a menos de 100 metros do corpo d gua mais pr ximo enquanto no topo da curva mostrado em verde escuro estamos al m dos 800 metros do corpo d gua mais pr ximo Quais s o os valores no topo e na base da curva O que eles representam Os que os valores intermedi rios a eles representam Fator dist ncia das rodovias Da mesma forma que o nosso fator de dist ncia de corpos d gua a dist ncia das rodovias um fator cont nuo a ser reescalonado de O a 255 Nas opera es anteriores os incorporadores identificaram apenas reas a menos de 400 metros de rodovias como aptas Entretanto dada a possibilidade de determinar um intervalo de aptid o eles identificaram reas a at 50 metros de rodovias como as mais aptas e reas al m dos 50 metros como tendo um decr scimo cont nuo de aptid o que se aproxima de 0 Esta fun o descrita adequadamente por um curva decrescente em forma de J veja figura abaixo d 255 o meme gt 50 P Dist ncia Para reescalonar nosso fator dist ncia das rodovias para esta curva em forma de J usaremos novamente o m dulo FUZZY Execute FUZZY com ROADDIST como imagem de entrada e selecione uma fun o monotonicamente d
121. As emiss es de metano relacionadas aos rebanhos derivam de duas fontes da fermenta o ent rica emiss o por parte do animal vivo e da decomposi o do esterco O total das emiss es de metano por parte dos rebanhos pode ser ent o expressa pela seguinte equa o Total das Emiss es Componente Fermenta o Componente Decomposi o de Metano kg Ent rica kg do Esterco kg 10 Oficina de banco de dados 111 As equa es para ambas as componentes s o estabelecidas em material de suporte produzido pela ONU para os signat rios d UNFCCC Estas equa es s o as seguintes Fermenta o Ent rica kg n total de animais em cada rebanho x constante do rebanho CATTLE x 32 SHEEP x 5 GOATS x 5 Decomp Esterco kg n total de animais em cada rebanho x fun o do rebanho CATTLE SHEEP x 0 047 0 005 x T GOATS x 0 057 0 0055 x T Onde T temperatura m dia anual graus Celsius A equa o da componente de fermenta o ent rica muito simples e praticamente direta Baseado em dados emp ricos sabido que um animal de cada tipo de rebanho emite um total m dio anual de metano Esse total m dio simplesmente utilizado como constante que multiplicada pelo n mero de animais de cada rebanho A equa o para a componente de decomposi o do esterco mais complexa O esterco de cada cabe a de gado bovino produz um quilograma de metano por ano Para ovelhas e caprinos entret
122. C decrescendo novamente para nenhuma compensa o em OR Nossa an lise colocada no gr fico abaixo em termos de compensa o e ANDness moveu se ao longo do lado externo ao per metro do tri ngulo Entretanto caso tiv ssemos variado a Andness independente da compensa o poder amos ter posicionado nossa an lise em qualquer lugar no interior do tri ngulo o Espa o de estrat gia de decis o MCEAVG 1 C o m P e n S a g a o MAX 0 1l ANDness 0 Avers o a risco Aceita o de risco Pode ter sido imposs vel harmonizar a compensa o entre fatores com rela o a custos de desenvolvimento e fatores relacionados a preocupa es ambientais Por exemplo nenhum n vel de aptid o para dist ncia de rodovias poderia compensar uma dist ncia inadequada dos corpos d gua e banhados etc Entretanto as posi es sem compensa o que vimos o m nimo e o m ximo n o s o apropriadas em termos de risco Em uma situa o como esta os planejadores urbanos querem uma solu o sem compensa o mas que ainda mantenha um n vel m dio de risco 2 Que conjunto de pesos de ordena o poderiam produzir um risco m dio sem compensa o observe que com um n mero par de fatores definindo pesos de ordena o para absolutamente nenhuma compensa o imposs vel na posi o de risco m dio Onde uma an lise destas estaria localizada em nosso espa o de estrat gia de decis o g Execute MCE com este conjunto de
123. Chame a este mapa final de SUITABLE Observe que h v rias maneiras de fazer isto todas elas aceit veis Voc poder achar til ler a descri o dos m dulos AREA e GROUP no Sistema de ajuda on line Caso voc usar GROUP fa a o com diagonais 6 Quantos s tios aptos foram identificados Esquematize um modelo cartogr fico mostrando como voc criou SUITABLE a partir de COMBINED SUITABLE Voc esquematizou modelos cartogr ficos para cada passo em separado desta an lise Um modelo combinando todos os passos mostrado na Figura 1 Observe que alguns dos passos que voc usou podem ser diferentes daqueles do modelo RECLASS SURFACE OVERLAY multiplica o BUFFERBL RECLASS ASSIGN DISTANCE ASSIGN er GROUP com EDI diagonais imagem RECLASS reter gt 10 OVERLAY SITEAREA multiplica o Figura 1 0 Finalmente para completar este exerc cio crie uma imagem ORTHO que superponha a imagem com reas aptas ao mapa de relevo Para evitar uma visualiza o que apresente os locais aptos suspensos no ar voc ter que especificar um valor maior do que O para o fundo de SUITABLE Use SCALAR ou ASSIGN para criar um novo mapa chamado SUIT2 a partir de SUITABLE tal que tanto o fundo quanto as reas aptas tenham valores diferentes de O Depois use ORTHO com RELIEF como imagem de relevo e SUIT2 como imagem de cobertura Este exerc cio introduziu duas classes de fun
124. DSAT 4 Em fun o da poca de aquisi o das duas imagens ser pr xima poss vel se fazer uma an lise temporal da cobertura vegetal H oito imagens que ser o usadas para esse exerc cio quatro de cada ano M801W M802W M803W M804W de 1980 M901W M902W M903W e M904W de 1990 Elas correspondem respectivamente s bandas MSS do verde vis vel vermelho vis vel infravermelho pr ximo e infravermelho pr ximo com comprimento de onda um pouco maior respectivamente Como essas imagens foram obtidas em duas datas diferentes uma deve ser registrada outra para an lise Essa tarefa j foi feita para voc a Visualize M803W com a tabela de cores Grey 256 e com a op o de autoescalonamento da imagem J tendo sido uma rea relativamente mida um persistente d ficit h drico desde o final dos anos 60 vem tornando o Sahel cada vez mais semi rido Grande parte da vegeta o mudou de savana para estepe Relictos de vegeta o de savana s o encontrados somente ao longo dos vales dos rios sobre solos argilosos areno argilosos e argilo arenosos O incremento da press o antropog nica que resultou dos esfor os de adapta o s condi es de seca cont nua e a principal causa da degrada o da cobertura vegetal Um dos desafios no processamento digital de imagens isolar a cobertura vegetal de baixa densidade que caracteriza terras ridas e semi ridas tais como as encontradas no sul da Maurit nia Centro de Recursos
125. I for Windows um arquivo de texto ASCII com 2 colunas 24 4 nur E z P a A sa da de RECLASS sempre de valores inteiros de forma que valores reais ser o arredondados na imagem de sa da Isto n o afeta nossa an lise porque estamos reclassificando para valores inteiros 0 e 1 Centro de Recursos Idrisi Brasil 712 IDRISI for Windows Exerc cios tutoriais introdut rios de dados separadas por um ou mais espa os A coluna da esquerda lista as classes da imagem existente usando n meros inteiros como identificadores das fei es A coluna da direita lista os valores a serem atribu dos quelas fei es No nosso caso as fei es s o os tipos de solo aos quais atribuiremos novos valores Para criar este arquivo de valores podemos usar um m dulo chamado EDIT Para praticar o uso de ASSIGN criaremos um mapa com o grau de adequa o de uso que ilustre a aptid o vari vel do solo ao cultivo recessional de sorgo Sabemos que os solos argilosos s o os mais aptos portanto atribuiremos a eles um grau 5 Os piores s o os solos pedregosos aos quais atribuiremos um grau 1 As classes argila pesada argilo arenoso e dique receber o respectivamente graus 2 3 e 4 Vamos usar EDIT para criar o arquivo de dados que contenha essa informa o Su Para ajudar a tornar clara a reclassifica o preencha o quadro a seguir com as 5 classes de solo Classe de solo n mero Classifica o de aptid o do solo h Execute ED
126. IDRISI Os scanners tamb m podem ser usados para digitalizar dados como fotografias a reas por exemplo O resultado uma imagem gr fica ao contr rio das linhas de contorno de fei es que s o criadas com uma 6 IDRISI for Windows Manual do usu rio mesa digitalizadora O software para escanear normalmente oferece aos usu rios uma variedade de formatos padr o de arquivos gr ficos para exporta o Estes arquivos podem ser importados para um SIG O IDRISI for Windows permite a entrada de formatos de arquivos gr ficos TIF e BMP Os software do tipo Computer Assisted Design CAD e Coordinate Geometry COGO s o dois exemplos de programas que possibilitam adicionar informa o digitalizada de mapas ao banco de dados al m de oferecerem possibilidades de visualiza o cartogr fica Imagens Sistema de processamento de imagens Relat rios ua estat sticos Mapas Sistema de an lise estat stica Sistema de geogr fica banco de de dados tabular Sistema de visualiza o cartogr fica Mapas Figura 2 1 Componentes de um SIG Sistema de gerenciamento de banco de dados O pr ximo componente l gico de um SIG um sistema de gerenciamento de banco de dados SGBD Tradicionalmente este termo se refere a um tipo de software que usado para entrada gerenciamento e an lise de dados de atributo Ele tamb m usado neste sentido aqui embora neces
127. IT a partir do menu Entrada de Dados e indique que voc deseja criar um arquivo de valores chamado SOILRATE Ele lhe dar a informa o de que voc est criando um novo arquivo ao perguntar lhe pelo tipo de dado Como estamos atribuindo novos valores inteiros entre 1 e 5 escolha o tipo de dado inteiro D um t tulo ao arquivo de valores e digite classifica o de aptid o como unidade A seguir aparecer uma janela de edi o Voc pode usar o sistema de ajuda de EDIT para orient lo mas EDIT muito simples Digite os valores no arquivo em 2 colunas como a seguir EU AUAN Quando voc tiver terminado salve e saia i Agora execute ASSIGN a partir do menu An lise Consulta ao banco de dados Digite DSOILS como a imagem de defini o de fei es j que o mapa de solos define as classes s quais atribuiremos novos valores Indique SOILRATE como o nome do arquivo de valores de atributo Para a imagem de sa da especifique o nome SORGSUIT A seguir d um t tulo para a imagem de sa da j Quando ASSIGN tiver conclu do o processamento SORGSUIT ser automaticamente visualizada Os valores dos dados agora n o representam mais classes de solo mas sim uma classifica o de aptid o para o cultivo recessional de sorgo Pressione o bot o Propriedades da Composi o para mudar a tabela de cores para NDVI16 Observe como ASSIGN bem mais r pido do que RECLASS Embora ASSIGN e RECLASS possam ser usados frequentemente pa
128. Idrisi Brasil 170 IDRISI for Windows Exerc cios tutoriais avan ados Um dos objetivos desse exerc cio avaliar qual dos modelos de ndice de vegeta o propostos mais eficiente em distinguir a vegeta o verde de seu substrato o que ajudar a isolar a cobertura vegetal de baixa densidade A rea coberta pelas imagens desse exerc cio est pr xima da fronteira Senegal Maurit nia e cont m parte da v rzea do rio Senegal assim como a se o inferior da v rzea do rio Gorgol parcialmente vis vel no canto noroeste das imagens Esse o ltimo tribut rio afluente do rio Senegal Essas se es dos dois rios s o cobertas por vegeta o ciliar dominada pela esp cie Acacia nilotica utilizada para a produ o de lenha Outras esp cies lenhosas como Borassius flabelifer e Iphaene tebaica s o usadas como material de constru o A agricultura recessional nas reas de v rzea e a cria o de gado tamb m s o praticadas nessa regi o Enquanto TASSCAP um m dulo individual usado para calcular o ndice de Kauth e Thomas o m dulo VEGINDEX oferece a possibilidade de usar at 19 diferentes modelos de ndices de vegeta o N s usaremos somente sete desses modelos juntamente com o ndice TASSCAP para extrair os ndices de vegeta o das imagens de 1980 e 1990 Os resultados ser o usados para a an lise da modifica o entre as duas datas e para a avalia o estat stica das rela es entre os modelos de ndic
129. M4 a banda do infravermelho pr ximo como o eixo X Deixe ligado a op o Sobrepor gr fico de assinatura e especifique SIGS como o nome do arquivo de grupo de assinaturas D o nome de SCAT para o arquivo de sa da e mantenha o Logaritmo do n mero de pixels como o Tipo de visualiza o Pressione OK Quando a composi o de mapa resultante for visualizada mova o cursor em torno do diagrama de espalhamento Observe que as coordenadas X e Y mostradas na barra de status s o as coordenadas X e Y do diagrama de espalhamento Os eixos X e Y est o sempre configurados para o intervalo O 255 Amplie o canto inferior esquerdo para ver melhor o diagrama e os contornos das assinaturas Para visualizar as freqii ncias de posi o dos pixels em duas bandas selecionadas SCATTER usa cores mais claras para mostrar densidades maiores log da frequ ncia de pixels e cores as Figuras 1 4 foram adaptadas de Lillesand amp Kiefer 1979 Remote Sensing and Image Interpretation First edition New York Chichester Brisbane and Toronto John Wiley amp Sons Centro de Recursos Idrisi Brasil 136 IDRISI for Windows Exerc cios tutoriais introdut rios escuras para densidades menores Ret ngulos superpostos mostram reas onde diferentes assinaturas t m valores similares SCATTER til para avaliar a qualidade das nossas assinaturas Algumas assinaturas se superp em devido natureza inadequada da defini o das classes de cobertura do so
130. Manual do usu rio Vers o dig Introdu o Exerc cios tutoriais J Ronald Eastman v A Centro de Recursos Idrisi Bras Idrisi for Windows vers o 2 Manual do usu rio Introdu o Exerc cios tutoriais J Ronald Eastman Clark Labs forCartographic Technology andAnalysis Editores da vers o em portugu s Heinrich Hasenack Eliseu Weber Porto Alegre 1998 Centro de Recursos Idrisi Brasil 1998 by Graduate School of Geography Clark University Este texto parte integrante de EASTMAN J R 1997 IDRISI for Windows Users s Guide version 2 0 Introduction Worcester MA Graduate School of Geography Clark University p 1 1 to 3 19 EASTMAN J R 1997 IDRISI for Windows Users s Guide version 2 0 Tutorial Exercises Worcester MA Graduate School of Geography Clark University 192 p Tradu o Eliseu Weber lvio Giasson Fernando Jos de Fran a Heinrich Hasenack Rodrigo Agra Balbueno Revis o t cnica e editora o Heinrich Hasenack Eliseu Weber Agradecimentos Ao Prof Robin Thomas Clarke do Instituto de Pesquisas Hidr ulicas da UFRGS pelo aux lio na tradu o e adapta o para o portugu s de termos relativos estat stica de dados espaciais Realiza o Universidade Federal do Rio Grande do Sul Instituto de Bioci ncias Centro de Ecologia Centro de Recursos Idrisi Solicita es UFRGS Centro de Ecologia Centro de Recursos Idrisi Caixa postal 1
131. No m dulo BELIEF execute An lise Extrair sum rio e escolha extrair confian a BEL NS plausibilidade PLAUS NS e intervalo de confian a BELINT NS para a hip tese n o s tio Crie outro arquivo de grupo com EDIT denominado EVID2 Indique os mesmos nomes de arquivos de evid ncia anteriores mas altere os arquivos de confian a plausibilidade e intervalo de confian a correspondentes para aqueles rec m extra dos Visualize estas tr s imagens e use o modo expandido de consulta do cursor para explorar a rela o existente entre elas e entre os resultados e a evid ncia O que voc deveria observar imediatamente que a imagem BEL S cont m a probabilidade agregada para s tio de s tios conhecidos e contagens de fragmentos e representa a probabilidade m nima de consenso para esta hip tese s tio A confian a maior ao redor de pontos onde existe evid ncia dando suporte A imagem PLAU S por outro lado mostra reas mais extensas ao longo de corpos d gua permanentes que t m alta probabilidade Esta imagem representa a maior probabilidade poss vel para s tio se toda a probabilidade associada com esta hip tese demonstra sustentar a hip tese A imagem BELINT S mostra a probabilidade de potenciais quanto maior a probabilidade mais valor ter a informa o adicional em um dado local A imagem tamb m insinua o valor de coletar mais informa o e tem assim potencial para identificar reas para pesquisa adicional
132. Quando a convers o estiver conclu da a imagem DEM ser automaticamente visualizada Feche o utilit rio de Importa o Exporta o neste momento ele est minimizado 3 Por que h reas em preto contornando as bordas do DEM e por que elas t m esta forma peculiar 4 Por que apenas a por o superior da tabela de cores usada na visualiza o Sugest o qual o valor m nimo na imagem Qual a eleva o m nima 16 Bases de dados cartogr ficos digitais 147 j Para produzir uma visualiza o melhor do DEM podemos aplicar um ralce Execute STRETCH a partir do menu Visualiza o e selecione realce Linear Especifique DEM como imagem a ser real ada e DEMC como nome da imagem de sa da Escolha excluir os zeros pois neste caso eles n o representam um valor de altitude e sim um valor de fundo Realce para 256 n veis e atribua um valor igual a 1 para o menor valor que n o o de fundo Isto nos permitir distinguir o fundo da menor altitude O valor mais alto ser 255 k Visualize DEMC com a tabela de cores Idrisi 256 Agora estamos usando toda a tabela de cores O nico problema restante a dificuldade que temos em distinguir o fundo que est sendo mostrado com cor zero das menores altitudes na imagem mostradas com cor um Para remediar isto execute Oficina de tabelas de cores e abra a tabela de cores IDRIS256 recuperando a da biblioteca permanente Selecione a cor n mero zero alterando a para branco Use Sa
133. South Zone de acordo com uma folha topogr fica recente Arquivos REF foram fornecidos em separado para todas as zonas SPC para o datum NAD27 e o datum NAD83 como explicado em detalhe no Ap ndice 3 Arquivos de par metros de sistema de refer ncia fornecidos O que necessitamos para a nossa rea o SPC83W13 Vamos converter ent o nossos arquivos de dados ao sistema State Plane d Execute PROJECT e indique que voc quer transformar o arquivo de entrada denominado DEM o qual usa o sistema de refer ncia US83TM16 para produzir um arquivo de sa da denominado SPCDEM usando o sistema de refer ncia SPC83WI3 Observe que existem alguns par metros adicionais nesta caixa de di logo comparada quela da ltima vez em que rodamos PROJECT porque desta vez estamos projetando um arquivo imagem H refer ncia ao valor de fundo e ao tipo de reamostragem a usar Essas quest es s o id nticas s encontradas em RESAMPLE no Exerc cio 15 e por uma boa raz o O processo de proje o de um arquivo imagem essencialmente id ntico ao processo usado por RESAMPLE apenas as f rmulas usadas para as transforma es geom tricas s o diferentes Voc pode usar o valor padr o zero para o fundo O tipo de reamostragem deve ser por Vizinho mais pr ximo para dados qualitativos e Bilinear para dados quantitativos Entretanto o processo Bilinear um pouco lento e caso voc queira escolher a rotina mais r pida selecione Vizinho mais pr ximo j qu
134. TMI HOW87TM2 HOW87TM3 e HOW87TM4 e correspondem respectivamente s bandas de comprimento de onda do azul vis vel do verde vis vel do vermelho vis vel e do infra vermelho pr ximo Iniciaremos nossa investiga o de realce de imagem estudando o modo de ampliar seu contraste visual Ao trabalhar com imagens de sat lite na maioria dos casos necessitamos usar uma tabela de cores de tons de cinza para a visualiza o Esta op o de tabela de cores assim como outros aspectos da visualiza o podem ser automatizados na configura o das Prefer ncias de visualiza o a Selecione Prefer ncias de visualiza o a partir do menu Visualiza o Verifique se a op o de Visualizar automaticamente as sa das dos m dulos anal ticos est ligada e especifique a tabela de cores quantitativa a usar como GREY256 Isto far com que os resultados de todos os m dulos anal ticos que executarmos seja automaticamente visualizado com a tabela de cores de 256 tons de cinza Al m disso na rea de Padr es de mapa ligue a op o de T tulo vis vel e especifique GREY256como Tabela de cores padr o Isto far com que a tabela de cores de 256 tons de cinza e o t tulo do mapa sejam automaticamente carregados sempre que o Lan ador de visualiza o for utilizado a Visualize a imagem HOW87TMA4 observe que a tabela de cores Tons de cinza 256 e o t tulo j est o selecionados Observe o tom cinza m dio ou contraste baixo em toda a imagem A t
135. TRANSFORMA O DE IMAGENS 33 CONCLUS ES 35 EXERCICIOS TUTORIAIS INTRODUTORIOS 35 1 O AMBIENTE DO IDRISI FOR WINDOWS 37 2 O SISTEMA DE VISUALIZA O 41 CONHECENDO AS IMAGENS DISPON VEIS LIST E DESCRIBE 41 VISUALIZA O B SICA DE IMAGEM LAN ADOR DE VISUALIZA O 42 UMA INTRODU O COMPOSI O DE MAPAS 43 TABELAS DE CORES 43 LEGENDAS 45 DIMENSIONANDO A LEGENDA E A MOLDURA DO MAPA 45 FATORES DE EXPANS O ZOOM JANELA 46 OUTROS ELEMENTOS INTERATIVOS DE VISUALIZA O 47 VISUALIZA O DE VETOR B SICO 48 VISUALIZA O DE RELEVO EM PERSPECTIVA E IMAGENS DE COBERTURA 49 PREFER NCIAS DE VISUALIZA O 50 3 COMPOSI O DE MAPAS 53 4 TABELAS DE CORES S MBOLOS E AUTOESCALONAMENTO 57 OFICINA DE TABELAS DE CORES 57 OFICINA DE S MBOLOS 59 CRIANDO PLANOS DE TEXTO E ARQUIVOS DE S MBOLOS DE TEXTO 59 AUTOESCALONAMENTO 62 INTRODU O MODELAGEM CARTOGR FICA 65 Centro de Recursos Idrisi Brasil Introdu o 3 5 CONSULTA AO BANCO DE DADOS 67 6 OPERADORES DE DIST NCIA E DE CONTEXTO 79 7 AUTOMA O DE AN LISES COM MACROS 85 8 DIST NCIAS DE CUSTO E CAMINHOS DE MENOR CUSTO 89 9 LGEBRA COM MAPAS 105 10 OFICINA DE BANCO DE DADOS 104 PARTE 1 EXPLORA O DOS DADOS 105 PARTE 2 CONSULTA AO BANCO DE DADOS POR LOCALIZA O 106 PARTE 3 VISUALIZA O DE ATRIBUTOS DO BANCO DE DADOS 107 PARTE 4 CONSULTA AO BANCO DE DADOS POR ATRIBUTO FILTRO 109 PARTE 5 LGEBRA COM MAPAS CALCULAR 110 11 EXPLORA O DE IMAGENS 11
136. USTER CLUSTER efetua a classifica o de imagens compostas que combinam as bandas de informa o mais teis importante reconhecer entretanto que os agrupamentos que a classifica o n o supervisionada produz n o s o classes de informa o mas categorias espectrais isto eles agrupam fei es pixels com padr es de reflect ncia similares Geralmente o analista necessita reclassificar as classes espectrais em classes de informa o Por exemplo o sistema pode identificar classes diferentes para asfalto e cimento que o analista deve agrupar posteriormente para criar uma classe de informa o chamada de pavimento A classifica o n o supervisionada est se tornando muito popular em ag ncias envolvidas na manuten o de bases de dados de longo per odo para SIG principalmente por que atualmente h sistemas que usam procedimentos de agrupamento extremamente r pidos e que necessitam poucos par metros operacionais Dessa forma tem sido poss vel treinar analistas de SIG com pouca familiaridade com o sensoriamento remoto a executar classifica es que satisfazem os padr es de exatid o t picos de mapas Com procedimentos adequados de trabalho de campo e avalia o de exatid o essa ferramenta pode representar uma maneira r pida e eficaz de produzir dados confi veis de cobertura do solo de forma cont nua Al m das duas t cnicas mencionadas acima dois m dulos unem as classifica es supervisionada e n o supervisi
137. a o a mudan as no uso do solo e na popula o Para ilustrar usaremos dados da vizinhan a do estu rio de Cua Lo pr ximo a Vinh no centro norte do Vietnam a Execute ORTHO usando o modelo de eleva o VINHDEM Especifique a imagem de cobertura como VINH345 e use a tabela de cores Composi o colorida 256 Denomine a imagem de sa da de ORTHO1 Escolha a resolu o de sa da mais apropriada para seu monitor e aceite os demais valores padr o A imagem de composi o colorida do sat lite foi criada a partir das bandas 3 4 e 5 do sensor Thematic Mapper do sat lite LANDSAT para enfatizar varia o relativa em biomassa e n veis de umidade As grandes reas de plan cie s o ocupadas por agricultura de arroz irrigado que um produto de exporta o de valor econ mico consider vel E O estudo de caso descrito aqui parte do material preparado para o Spatial Information Systems for Climate Change Analysis Vietnamese National Workshop Hanoi Vietnam 18 22 de setembro de 1995 Uma descri o adicional de como o modelo foi desenvolvido para projetar modifica es no uso do solo como resultado de mudan as ambientais est em Spatial Information Systems and Assessment of the Impacts of Sea Level Rise J Ronald Eastman e Stephen Gold United Nations Institute for Training and Research Palais des Nations CH 1211 Geneva 10 Switzerland Centro de Recursos Idrisi Brasil 210 IDRISI for Windows Exerc cios tutoriais avan
138. a o ao conjunto isto sua associa o ao conjunto de reas locacionais para desenvolvimento imobili rio o conjunto de decis o Este exerc cio ir explorar como crit rios s o desenvolvidos e como estes crit rios podem ser padronizados para MCE Para maiores detalhes sobre estes t picos veja o volume IV da s rie de livros Explorations in Geographic Information Systems Technology do UNITAR GIS and Decision Making 1993 Worcester MA Clark University Centro de Recursos Idrisi Brasil 8 Avalia o por crit rios m ltiplos An lise Booleana 175 Para demonstrar os diferentes modos como os crit rios podem ser desenvolvidos bem como a variedade de procedimentos de MCE dispon veis os primeiros tr s exerc cios estar o concentrados em um problema de aptid o simples O objetivo encontrar as melhores reas para expans o residencial na cidade de Westboro Massachusetts EUA A cidade est localizada muito pr xima a duas reas metropolitanas e um local priorit rio para expans o residencial semi rural a Visualize a imagem WESTLUSE com a tabela de cores WESTLUSE Escolha por visualizar a legenda e o t tulo a partir dos componentes do mapa Adicione tamb m os arquivos vetoriais WESRDS e WESSTRM usando o arquivo de s mbolos Qualitativa 16 para ambos Como voc v a cidade de Westboro e sua vizinhan a imediata s o bem variados O uso de SIG tornar a identifica o de reas apropriadas melhor gerenci
139. a Naquele exerc cio trabalhamos com uma imagem de solos DSOILS e com um modelo digital de eleva o DRELIEF Caso desej ssemos saber o tipo de solo e a eleva o em uma mesma localiza o necessitar amos visualizar ambas as imagens e fazer a consulta separadamente ou criar um arquivo de grupo para as duas imagens e usar a consulta expandida do cursor com o mesmo Neste exerc cio ser poss vel fazer consultas para atributos m ltiplos armazenados no banco de dados por localiza o simplesmente usando o modo de consulta do cursor na imagem Podemos fazer isso porque toda a informa o de atributo no banco de dados est armazenada para cada awraja e portanto todos os atributos t m a mesma geografia em outras palavras as fei es que os atributos descrevem t m a mesma posi o e forma Depois de estabelecer uma liga o entre a janela de visualiza o e o banco de dados estaremos habilitados a consultar uma awraja e conhecer todos os atributos armazenados no seu registro do banco de dados nome popula o n mero de cabe as de gado etc Quando v rios atributos forem coletados para as mesmas fei es muito eficiente estoc los num banco de dados e ligar esse banco a um arquivo de defini o de fei es Podemos realizar consultas por localiza o de m ltiplos atributos com esse banco de dados porque toda a informa o de atributo foi coletada e estocada no banco de dados para a mesma unidade geogr fica as awr
140. a frica Use ent o a barra de rolagem que aparecer para deslocar o campo de vis o para o leste da frica A pr pria janela de mapa pode ser redimensionada movendo se o cursor sobre qualquer borda da janela at aparecer uma seta e ent o arrastando se a borda at a posi o desejada Voc tamb m pode aumentar a janela de mapa e aumentar a legenda dando um clique duplo na legenda e arrastando a barra de dimensionamento de forma que as descri es mais longas da legenda possam ser completamente visualizadas e a barra de rolagem horizontal da legenda desapare a Observe que assim como eles podem ser dimensionados os elementos do mapa tamb m podem ser deslocados Para fazer isso simplesmente coloque o mouse sobre o elemento em quest o e segure o bot o esquerdo do mouse acionado enquanto move o mapa para uma nova posi o Mova a janela menor de AFFAOSOL para o canto superior esquerdo da janela de mapa imediatamente abaixo do t tulo Desloque a seguir a legenda para o seu lado e torne a similar em tamanho Mova a seguir a moldura da janela do mapa para um tamanho confort vel suficiente para englobar estes elementos para fazer isso mova o cursor do mouse para o limite da janela at voc poder enxergar uma das setas de dimensionamento empurre ent o a borda para sua nova posi o Existem momentos em que voc ap s ter alterado o tamanho da moldura do mapa ou da legenda n o deseja ver as barras de rolagem a elas associadas
141. a 150 e linha 245 e verifique por que existem inconsist ncias p Refira aos passos n e o para criar NFCAREA que cont m reas estimadas de altera o florestal a partir das novas previ es NFCPR91 Sugest o o n mero total de pixels que mudaram deveria ser 3906 Use CROSSTAB para comparar este resultado com FORCHG2A altera es nas florestas durante 1985 1991 excluindo altera es para gua e banhados que j foi criada para voc 7 A mesma regress o log stica de 1971 1985 v lida para o per do de 1985 a 1991 Isto pode ser analisado olhando se o ndice Kappa de concord ncia para a categoria altera o florestal Como alternativa para as probabilidade previstas para 1991 voc pode usar dados de 1985 para executar duas outras regress es log sticas respectivamente com a probabilidade de altera o florestal e com a probabilidade de floresta permanecer floresta como a vari vel dependente Para tal voc necessitar repetir os passos a at k usando dados de 1985 e 1991 Observe que neste caso 1985 o ano base Use as mesmas quatro vari veis independentes dist ncia da borda das reas florestadas dist ncia das estradas dist ncia dos cursos d gua e dist ncia das reas urbanas Observe que a dist ncia da borda das reas florestadas e a dist ncia das reas urbanas s o diferentes em 1985 e em 1971 e portanto voc necessita criar novas imagens FORDIS85 e URBDIS85 Como n o temos novos dados para
142. a Extrair sum rio estat stico da imagem a partir do menu Liga o da Oficina de banco de dados Use AWRAJAS como a imagem com defini o de fei es TEMPSURF como a imagem a processar IDR_ID como o campo de defini o de fei es e AVGTEMP como o campo para o sum rio estat stico Escolha o c lculo da m dia no sum rio estat stico e pressione OK Examine os valores armazenados no campo AVGTEMP Z Agora dispomos de todos os campos de dados necess rios para efetuar o c lculo ilustrado na Figura 2 Adicione outro campo chamado DECOMP ao banco de dados com dados do tipo real Escolha Calcular a partir do menu Modifica o e digite o comando que ir calcular os valores para o novo campo 3 Que comando SET voc usou para calcular o campo DECOMP Para finalizar necessitamos ainda combinar as contribui es da fermenta o ent rica FERMENT e da decomposi o do esterco DECOMP para obter o total da emiss o de metano por awraja Os valores que temos para cada componente est o em quilogramas mas os totais precisam estar em toneladas m tricas uma tonelada m trica corresponde a 1000 kg aa Modifique o banco de dados para adicionar um campo final do tipo real chamado TOTMET e digite o comando SQL para calcular as emiss es de metano totais em toneladas m tricas 4 Que comando SET voc executou bb Na caixa de di logo de Liga o Fixar par metros de liga o visualiza o escolha TOTMET como o campo conte
143. a de custo Como os incorporadores est o mais interessados nas reas a menos de 10 minutos de tempo ao volante at o centro da cidade estimamos que isto equivale a aproximadamente 400 c lulas na imagem de dist ncia de custo Reclassificaremos a superf cie de dist ncia de custo de tal modo que qualquer local apto se estiver a 10 minutos ou 400 c lulas do centro da cidade Aqueles locais situados al m de 400 c lulas do centro da cidade n o s o aptos Fator declividade Devido ao fato de que declividades suaves tornam a constru o de casas e rodovias mais barata reclassificaremos nosso mapa de declividades de modo que qualquer rea com declividade igual ou inferior a 15 ser considerada apta e com declividade superior a 15 ser considerada n o apta Fator dist ncia da gua Como o len ol fre tico local est amea ado pela polui o oriunda do sistema s ptico e do escoamento superficial os ambientalistas ressaltam que reas distantes de corpos d gua e banhados s o mais aptas do que aquelas mais pr ximas Embora os corpos d gua e banhados j sejam protegidos por uma faixa tamp o de 50 metros os ambientalistas gostariam de ver esta rea expandida em mais 50 metros Neste caso reas aptas para o desenvolvimento urbano ter o que estar no m nimo 100 metros afastadas de qualquer corpo d gua ou banhado isto 50 metros al m das reas j protegidas atualmente Fator dist ncia de reas j urbanizadas Finalm
144. a imagem de sa da Exploraremos abaixo cada um destes realces f Execute STRETCH a partir do menu Visualiza o Use a op o de realce linear com satura o especifique 2 5 de satura o e indique HOW87TM1 como a imagem de entrada e TMIL25 como a imagem de sa da D um t tulo nova imagem e indique valores de ndice de cor para as unidades dos novos valores Use as configura es sugeridas para as demais op es A imagem de sa da ser automaticamente visualizada com a tabela de cores Tons de cinza 256 N o fa a autoescalonamento n o necess rio autoescalonar imagens real adas Execute ent o HISTO sobre TM1125 aceitando todas as op es sugeridas pelo programa Centro de Recursos Idrisi Brasil 118 IDRISI for Windows Exerc cios tutoriais introdut rios 4 Desenhe ou imprima o histograma de TMIL25 e identifique o eixo horizontal como anteriormente Compare a imagem TMIL25 e seu histograma com a imagem HOW87TM1 mostrada com autoescalonamento e seu histograma i e aceitando valores m nimos e m ximos sugeridos Voc tamb m pode dispor na tela ambas as imagens com seus histogramas para examin las de uma s vez Preste aten o nas diferen as de contraste evidentes na visualiza o Feche todas as janelas depois que voc tiver terminado g Visualize HOW87TM4 com a tabela de cores Tons de cinza 256 Execute os seguintes realces em HOW87TM4 chame as imagens de sa da como indicado abaixo e compare
145. a muito complexo ele de fato tem tr s tipos de detectores separados que podem ser considerados como capazes de responder s regi es de comprimento de onda do verde vermelho e azul Estas s o as cores prim rias aditivas e o olho responde sua misturas para produzir uma sensa o de outros tons Por exemplo a cor percebida pelo terceiro padr o de resposta espectral na figura 3 3 seria um amarelo resultado da mistura do vermelho e do verde Entretanto importante reconhecer que esta simplesmente nossa percep o fenomenol gica de um padr o de resposta espectral Considere por exemplo a quarta curva Aqui n s temos reflect ncia em ambas as regi es do azul e do vermelho do espectro vis vel Esta uma distribui o bimodal tecnicamente n o um tom espec fico no espectro Todavia perceber amos isto visualmente como sendo p rpura P rpura n o existe na natureza isto como tom de cor um comprimento de onda dominante muito real em nossa percep o mas p rpura simplesmente nossa percep o de um padr o bimodal envolvendo um par de tons prim rios n o adjacentes No in cio das pesquisas com sensoriamento remoto acreditava se na verdade esperava se que cada material da superf cie da Terra tivesse um padr o de resposta espectral distinto que lhe permitiria ser detectado com seguran a por meios visuais ou digitais Entretanto como nossa experi ncia simples com cores sugere na realidade isto n o fr
146. a obter este n mero entretanto n s necessitamos primeiro gerar uma imagem que diferencie os locais aptos dos demais e depois calcular a rea que considerada apta N s chamaremos esta imagem de BESTSORG Seguindo as conven es descritas no item Introdu o modelagem cartogr fica da se o EXERCICIOS TUTORIAIS B SICOS nosso modelo cartogr fico do problema pode ser representado como na Figura 1 Z area propia BESTSORG em hectares Figura 1 A descri o do problema estabelece que existem duas condi es que tornam uma rea apta ao cultivo recessional de sorgo uma que a rea deve ser inund vel e a outra que os solos sejam argilosos Cada uma destas condi es deve ser representada por uma imagem individual N s denominaremos estas imagens de FLOOD e BESTSOIL BESTSORG ent o o resultado da combina o destas duas imagens atrav s de alguma opera o tal como reter apenas as reas que preencham ambas as condi es 5 Consulta ao banco de dados 69 Se adicionarmos estes elementos ao modelo cartogr fico da Figura 1 teremos a Figura 2 propria BESTSORG em hectares BESTSOIL Figura 2 Como BESTSORG o resultado de uma consulta por atributos m ltiplos ela define a localiza o que preenche mais de uma condi o FLOOD e BESTSOIL s o o resultado de uma consulta por atributo simples pois ela define os locais que preenchem apenas uma condi o O caminho mais comum para resol
147. a pequena parte do Qu nia motivo pelo qual algumas zonas n o est o representadas em nosso resultado i A seguir procederemos de forma similar para criar um mapa de zonas de temperatura Antes disso entretanto vamos primeiro verificar os valores m nimos e m ximos em TEMPERA para evitar qualquer passo de classifica o sup rfluo Use a rotina Descrever do menu Arquivo para verificar os valores m nimos e m ximos em TEMPERA Finalmente use RECLASS dentro dos intervalos de classe da Tabela 1 para criar TEMPZONE Novamente mude a tabela de cores para NDVI16 Agora que temos as imagens das zonas de temperatura e de disponibilidade h drica n s podemos combin las para criar zonas agroclim ticas Cada zona agroclim tica resultante deve ser o resultado de uma combina o nica de zonas de temperatura e de umidade 6 Anteriormente j usamos OVERLAY para combinar duas imagens Dado o crit rio para a imagem final por que n o podemos usar OVERLAY para este passo final Centro de Recursos Idrisi Brasil 112 IDRISI for Windows Exerc cios tutoriais introdut rios h A opera o que atribui um novo identificador a cada combina o distinta de classes de entrada conhecida como classifica o cruzada No IDRISI for Windows isto oferecido no m dulo CROSSTAB do menu An lise Consulta ao banco de dados Execute CROSSTAB e especifique TEMPZONE como a primeira imagem e MOISZONE como a segunda imagem Escolha Imagem de clas
148. abela Centro de Recursos Idrisi Brasil 116 IDRISI for Windows Exerc cios tutoriais introdut rios de cores Tons de cinza 256 vai de preto cor 0 at branco cor 255 mas parece n o haver nenhum pixel branco ou cinza claro na visualiza o Para ver por que isto acontece clique duas vezes no nome de HOW87TMA4 na lista de arquivos da Composi o Isto aciona a liga o r pida com DESCRIBE Observe que o valor m nimo da imagem O e o m ximo 190 Isso explica porque a imagem parece escura as cores mais claras da tabela de cores 191 255 n o est o sendo utilizadas b Para entender melhor como o intervalo de valores dos dados afeta a visualiza o execute HISTO a partir do menu Visualiza o Selecione HOW87TM4 como imagem de entrada mantenha o intervalo de classe igual a 1 produza um a sa da gr fica e altere os valores m ximos e m nimos para 0 e 255 Ao terminar mova o histograma para o lado para permitir a visualiza o da imagem e do histograma ao mesmo tempo O eixo horizontal do histograma pode ser interpretado como se fosse a tabela de cores de 256 tons de cinza Um valor de reflect ncia igual a zero mostrado como preto uma reflect ncia igual a 255 como branco e todos os demais valores entre estes extremos s o mostrados em tons vari veis de cinza O eixo vertical mostra quantos pixels na imagem tem o valor que est sendo mostrado por aquela cor Figura 1 Observe tamb m a estrutura bimodal do hi
149. abertas como campos de cultivo Dado este custo b sico a Tabela 1 mostra os custos relativos de constru o da linha de alimenta o transpondo cada um dos demais tipos de uso do solo nos sub rbios de Worcester Agricultura Floresta dec dua as rvores necessitam ser desgalhadas removidas e vendidas Floresta de 5 esta madeira n o possui o mesmo valor das madeiras de lei das dec duas con feras n o permitindo cobrir todo custo 1000 um custo muito alto virtualmente uma barreira 1000 um custo muito alto virtualmente uma barreira um custo muito elevado virtualmente uma barreira Moradores n o querem linhas de alta tens o afetando a vista dos lagos e reservat rios pedregoso Tabela 1 Voc notar que alguns destes atritos s o muito altos Eles atuam essencialmente como barreiras Entretanto n o desejamos proibir totalmente caminhos que cruzem estes tipos de uso apenas evit los atrav s de um custo elevado Por isso n s simplesmente definimos o grau de dificuldade com valores extremamente altos Isso tamb m nos permite usar o algoritmo de custo bem mais r pido chamado COSTPUSH Esfor o de custo esse algoritmo n o permite o uso de barreiras absolutas verdadeiras b Clique duas vezes no plano WORCWEST na lista de arquivos da Composi o para acionar a descri o da sua informa o de documenta o Determine os identificadores para cada uma das categorias de uso do solo em WORCWEST Associe os
150. ada de decis o com objetivos m ltiplos no Manual do Usu rio do IDRISI for Windows O primeiro passo na resolu o do problema com objetivos m ltiplos estabelecer mapas de aptid o para cada objetivo Recorde os v rios mapas de aptid o residencial que foram produzidos usando v rios procedimentos OWA no exerc cio 10 Usaremos o mapa de aptid o m dia MCEFINAL Obviamente qualquer n mero de poss veis mapas de aptid o pode ser usado dependendo primeiramente da estrat gia global de decis o O segundo objetivo que a cidade de Westboro est considerando a identifica o de reas que s o aptas ao desenvolvimento industrial Para os planejadores urbanos e para a comunidade o zoneamento para estas reas em associa o com o desenvolvimento residencial mutuamente exclusivo Assim a tarefa n o constitui apenas identificar reas que s o mais aptas para cada objetivo mas tamb m identificar aquelas reas que maximizem a aptid o para cada objetivo atrav s de uma solu o de consenso Encontrar a solu o que contemple essas tarefas ser facilitada com o uso do m dulo MOLA O objetivo dos planejadores urbanos constituir identificar 1600 hectares para desenvolvimento residencial juntamente com 600 hectares para expans o industrial Para melhor entender o problema de objetivos m ltiplos necessitamos antes ter uma id ia daquelas reas que ser o conflitantes Centro de Recursos Idrisi Brasil 200 a b c d
151. ades a priori nosso pr ximo passo criar um conjunto de representa es espaciais destes graus de associa o fuzzy Felizmente isto facilmente feito na Oficina de banco de dados Use a opera o ASSIGN no menu Liga o para criar um conjunto de imagens de associa o de classes fuzzy Para tal especifique SPTRAIN como o nome da imagem de defini o de fei es D a seguir um nome para a imagem de sa da usando o prefixo fz no nome da assinatura Caso o nome resultante exceda 8 caracteres especifique apenas os 8 primeiros Neste exerc cio usaremos nomes um pouco diferentes para as assinaturas de modo a distingui las do conjunto criado no exerc cio 6643 anterior Assim adicionaremos tamb m um x no final do nome de cada assinatura resultando nos seguintes nomes para as imagens de associa o fuzzy FZOLDRSX FZNEWRSX FZINDCMX FZROADSX FZWATERX FZAGPASX FZDECIDX FZWETLNX FZGOLFGX FZCONIFX FZSHALWX Em cada caso o campo de defini o de fei es deve ser indicado como IDR ID e o campo dos dados indicado de acordo com a classe apropriada 45 Caso voc n o tenha feito o exerc cio anterior ou caso tenha exclu do os resultados execute INITIAL para criar uma imagem vazia em formato byte bin rio denominada SPTRAIN com valor inicial de zero Execute a seguir POLYRAS para rasterizar os pol gonos vetoriais do arquivo vetorial SPTRAIN sobre a imagem SPTRAIN 46 Teoricamente esta informa
152. adr o IDRLINE Este simplesmente um arquivo com os limites dos pol gonos para fornecer um limite n tido para o mapa Agora pressione a caixa Propriedades da Composi o Escolha o bot o Modificar componentes Isto vai gerar uma nova caixa de di logo que tamb m pode ser chamada pelo Lan ador de visualiza o para facilitar a adi o de componentes marginais do mapa Caso voc ainda n o tenha feito isto sensato ler o t pico de Ajuda desta caixa de di logo Usando o guia gr fico para componentes do mapa pressione a op o T tulo e modifique o t tulo para que ele fique em negrito it lico e em azul escuro Voc pode deixar todos os outros ajustes com seus valores correntes Escolha a op o Texto e ajuste a para ser vis vel clicando na caixa Quadro de texto vis vel Indique que o nome do arquivo de texto WESTBORO ou selecione WESTBORO TXT da lista de arquivos quando uma extens o n o indicada automaticamente assumida a extens o txt Escolha tamb m a cor azul escuro para o texto Novamente voc deve deixar os outros ajustes com seus valores correntes Selecione as op es Barra de escala e Seta Norte e ajuste as para serem vis veis na composi o clicando respectivamente nas caixas Escala vis vel e Norte vis vel A seguir selecione a op o Logotipo clique em Logotipo vis vel e escolha o nome de arquivo MASSGIS WMF Pressione OK Centro de Recursos Idrisi Brasil 54 IDRISI for Windows Ex
153. adr o frequentemente produz resultados bem melhores O classificador por paralelep pedos com a op o de desvios padr o Escores Z tamb m produz bons resultados e o mais r pido dos classificadores que acabamos de considerar Voc pode eliminar os arquivos MAX RAW MINSTD PIPEORIG e PIPEDST 12 Classifica o supervisionada 139 rea urbana ruas Con feras gua profunda Dec duas rea urbana ni TE R E gt Dec duas aeroporto desativado MR O que gua Es profunda B Con feras Figura 5 Areas de treinamento para classifica o supervisionada Centro de Recursos Idrisi Brasil 13 An lise de componentes principais Em imagens de sat lite comum encontrar se um elevado grau de correla o entre bandas multiespectrais Caso exista correla o por exemplo se as reflect ncias forem altas em algum local particular em uma banda elas tamb m tenderiam a ser elevadas em outra Num caso extremo se duas bandas fossem perfeitamente correlacionadas elas descreveriam a mesma informa o N o incomum encontrar se em uma imagem com 7 bandas tal como as do LANDSAT Thematic Mapper menos do que 7 bandas de informa o verdadeira Pergunta se portanto porque apenas algumas bandas possibilitam uma adequada caracteriza o de reflect ncias da superf cie da Terra Para responder a isso vamos explorar as caracter sticas da informa o contida em imagens LANDSAT atrav s de an lise de c
154. agem opcional e chamada de imagem de cobertura A imagem de cobertura uma imagem que n s colocamos sobre o modelo de eleva o Pode ser uma imagem de sat lite por exemplo ou talvez um mapa de cobertura do solo Deve ser uma imagem em formato byte bin rio e por isso voc necessita prepar la previamente antes de poder sobrep la ao DEM esse t pico tratado em maior profundidade no Exerc cio 4 r Feche as janelas que voc ainda tiver abertas e execute ORTHO Voc pode fazer isso a partir do menu Visualiza o ou clicando sobre o cone correspondente ilustrado esquerda Indique o nome RELIEF como o nome do DEM e indique que o arquivo de sa da deve ser denominado PERS1 Clique simplesmente OK para aceitar todas as indica es padr o Como voc provavelmente j deve ter percebido os m dulos do IDRISI for Windows sempre possuem um conjunto de par metros pr definidos Voc provavelmente tamb m percebeu que o Lan ador de visualiza o chamado no processo de cria o da visualiza o Como resultado a imagem que n s vemos pode ser examinada novamente em um momento posterior simplesmente usando o Lan ador de visualiza o Neste caso uma tabela de cores especial chamada BW foi usada Esta tabela colore os valores O de branco e qualquer outro valor colorido de preto Sem uma imagem de cobertura o resultado visual do ORTHO fica melhor se existir algum espa o entre a linhas dos perfis i e en
155. ainda assim muitas vezes insuficiente para a interpreta o visual e Visualize HOW87TMI com autoescalonamento e a tabela de cores Tons de cinza 256 Observe como ela est escura Execute HISTO e mantenha as op es oferecidas Como alternativa voc pode acionar Histograma da imagem a partir do bot o propriedades da Composi o 3 O que voc observa com rela o forma do histograma Por que o autoescalonamento n o melhora muito o contraste N s podemos alcan ar contrastes melhores realizando um realce na imagem Quando fazemos uma opera o de realce criamos um novo arquivo com novos valores de dados Existem tr s formas diferentes de realce que podem ser feitos em uma imagem Contraste linear Este realce funciona de modo similar ao autoescalonamento mas voc pode especificar como valores m nimos e m ximos valores diferentes dos m nimos e m ximos da imagem al m de poder estabelecer o n mero de n veis para a imagem de sa da Contraste linear com satura o Este realce atribui uma porcentagem indicada pelo usu rio p ex 2 5 de pixels em cada extremidade do histograma para serem agrupados num mesmo valor e ent o aplica um realce linear aos valores restantes entre eles Equaliza o de histograma O realce tende a agrupar o mesmo n mero de pixels em cada n vel de dados com a restri o de que os pixels que na imagem original pertencem mesma classe n o podem ser divididos em mais do que uma categoria n
156. ais como AVIRIS e EOS MODIS t m a capacidade de adquirir dados hiperespectrais Esses sistemas cobrem um intervalo de comprimentos de onda similar mas em bandas muito mais estreitas o que aumenta sensivelmente o n mero de bandas dispon veis para a classifica o de imagens O grande potencial de detectar assinaturas distintas ao longo de um grande n mero de bandas torna poss vel classificar dados usando bibliotecas de curvas espectrais de diferentes materiais da Terra Sistemas de sensores multiespectrais Como feito o sensoriamento multiespectral A forma mais antiga a fotografia colorida que ainda muito usada atualmente Entretanto para fins de interpreta o auxiliada por computador os sistemas de imageamento de estado s lido s o agora mais comumente usados Fotografia colorida As fotografias normais s o produzidas a partir de uma composi o de tr s camadas do filme com filtros intercalados que atuam isolando os comprimentos de onda do vermelho do verde e do azul Com o filme infravermelho colorido estes comprimentos de onda s o deslocados para os comprimentos de onda mais longos para produzir uma composi o que isola os comprimentos de onda das regi es do verde vermelho e infravermelho pr ximo Todavia como o olho humano n o enxerga o infravermelho uma composi o em falsa cor produzida fazendo os comprimentos de onda do verde aparecerem em azul do vermelho aparecerem em verde e do infravermelho em vermelho
157. ais quanto maneira como eles concebem o espa o 16 IDRISI for Windows Manual do usu rio Independente da forma como a dist ncia avaliada por dist ncia em linha reta ou por dist ncia de custo outra ferramenta geralmente dispon vel a distribui o Com a distribui o n s atribu mos locais mais pr xima de um conjunto de fei es determinadas Por exemplo devemos estabelecer um conjunto de postos de sa de e ent o distribuir residentes seu posto mais pr ximo onde pr ximo pode ser expresso em dist ncia linear ou dist ncia de custo como tempo de viagem por exemplo Operadores de contexto Finalmente a maioria dos sistemas de informa o geogr fica prov uma variedade de operadores de contexto tamb m conhecidos como operadores de vizinhan a ou operadores locais Com os operadores de contexto poss vel criar novos planos com base na informa o de um mapa existente e no contexto no qual ele se encontra Um dos exemplos mais simples disso a an lise de superf cie onde um modelo digital de eleva o usado para produzir um plano de declividades atrav s da avalia o da altitude de um local em compara o com a altitude dos locais vizinhos De forma similar a orienta o ou aspecto a dire o da m xima declividade tamb m pode ser avaliada Um segundo bom exemplo de operador de contexto um filtro digital Filtros digitais operam mudando os valores de acordo com o car ter dos valores v
158. ajas Isto completamente diferente da informa o de atributo contida nas imagens DSOILS e DRELIEF Naquele caso tipos de solo e eleva es t m distribui es geogr ficas que n o est o relacionados entre si As fei es contendo os pol gonos dos tipos de solo n o t m fei es correspondentes na imagem de relevo De fato n o h outras fei es al m dos pr prios pixels individuais na imagem de relevo Se tivermos informa es sobre v rias outras vari veis como precipita o densidade de popula o e uso do solo cada uma com sua pr pria geografia necessitaremos de uma imagem separada para cada uma delas na nossa base de dados a natureza dos dados e a forma como foram coletados e armazenados no SIG que determina a l gica segundo a qual as consultas podem ser executadas No caso dos dados das awrajas da Eti pia temos atributos m ltiplos para as mesmas fei es Vamos continuar agora com a consulta por localiza o usando a Oficina de banco de dados e Nesta vers o do IDRISI for Windows a consulta por localiza o poss vel apenas com arquivos imagem Para simplificar nossa explora o da Oficina de banco de dados use a Composi o para remover o plano vetorial AWRAJAS da visualiza o mantendo apenas o plano raster AWRAJAS Para executar consultas por localiza o deve ser primeiro estabelecida uma liga o entre a janela de mapa e o banco de dados f Para estabelecer a liga o selecione Fixar pa
159. aliza o de pelo menos 8 bits por pixel 256 cores Embora o sistema fisicamente possa funcionar erm sistemas de 4 bits 16 cores a qualidade de visualiza o de cores pode ser imprevis vel e freq entemente pobre Centro de Recursos Idrisi Brasil 44 IDRISI for Windows Exerc cios tutoriais introdut rios perfeitas de 256 cores ao mesmo tempo Por isso o Windows permite janela de imagem ativa determinar a tabela de cores a usar por esta raz o que todas janelas que n o est o ativas chamadas de janelas de fundo repentinamente assumem a tabela de cores daquela que est ativa Para compensar o Windows permite qualquer imagem de fundo o uso de suas respectivas tabelas de cores dentre aquelas cores j selecionadas pela janela anterior junto com o conjunto padr o de 20 cores que o Windows reserva para si pr prio Esta a corre o que voc v ap s esta modifica o Neste caso a combina o de duas tabelas de cores envolvidas Composi o colorida 256 e NDVI 16 n o representou maiores problemas para o Windows Embora possamos ver o sistema trocar a tabela de cores e processar o ajuste ele faz isso com relativo sucesso Entretanto para ilustrar como este problema pode ser dif cil use o Lan ador de visualiza o para trazer uma imagem denominada ETDEM tela mantendo as outras imagens tamb m na tela Neste caso use a tabela Idrisi 256 e uma legenda e clique OK Esta imagem cont m um modelo digital d
160. alor m nimo igual a 1 para cada imagem Observe a mudan a na frequ ncia no valor 100 para MCEMIDA e um pouco menos n tido no valor 230 para MCEARNT Estes pontos ser o nossos valores de limiar de alta aptid o 2 Execute RECLASS em cada imagem de modo que todos as reas com um escore de aptid o acima dos respectivos valores de limiar recebam um novo valor igual a 1 e todas as demais reas recebam um valor igual a 0 Use ent o o mesmo esquema de agrupamento discutido anteriormente para isolar reas cont guas maiores que 20 hectares Salve suas novas imagens de reas cont guas maiores que 20 hectares como HT2OMIDA e HT20ARNT Visualize estas imagens juntamente com HT20BOOL e HT20WLC usando a tabela de cores Qualitativa 256 e adicionando o arquivo vetorial WESRDS com o arquivo de s mbolos Qualitativa 16 3 Compare HT20MIDA com HT20BOOL e HT20WLC Observe que existem reas de alta aptid o em comum nos resultados Booleano e WLC O que pode explicar esta mistura de reas com alta aptid o Booleana e WLC 4 Compare HT20ARNT com HT20WLC e observe como os resultados s o diferentes mesmo ambos compartilhando o mesmo n vel de risco De fato o resultado de risco m dio e nenhuma compensa o muito diferente de todos os demais resultados O que pode explicar esta diferen a Agrupamento de fatores de acordo com a compensa o Nossa an lise at agora tem levado em considera o que todos os fatores devem compensar se de acordo
161. amento A fotografia a rea vertical adquirida olhando diretamente para baixo As imagens resultantes mostram fei es do terreno em forma plana e s o facilmente comparadas com mapas As fotos a reas verticais s o sempre altamente desej veis mas s o particularmente teis para levantamentos de recursos em reas onde n o h mapa dispon veis Fotos a reas mostram fei es como padr es de campo e vegeta o que s o frequentemente omitidas em mapas Compara es entre fotos a reas antigas e mais recentes podem tamb m evidenciar as mudan as dentro de uma rea ao longo do tempo Fotos a reas verticais cont m deslocamentos sutis devido ao relevo inclina o e balan o da aeronave e distor es das lentes As imagens verticais podem ser tomadas com sobreposi o geralmente com cerca de 60 por cento ao longo da linha de v o e pelo menos de 20 por cento entre linhas A sobreposi o de imagens pode ser vista com um estereosc pio para criar uma vis o tridimensional chamada de modelo estereosc pico Fotografia de grande formato Empresas comerciais de levantamentos a reos usam aeronaves mono ou bimotores equipadas com c meras de grande formato para mapeamento As c meras de grande formato como a WILD RC 10 usam filme de 23cm x 23cm que est dispon vel em cartuchos A companhia Kodak entre outras fabrica v rios tipos de pel culas de filmes especialmente destinadas ao uso em fotografias a reas Um filme negativo emp
162. amento pode ser comparado a colocar um alfinete atravessando esse ret ngulo em uma posi o especificada o ponto de justifica o e mover o alfinete para o ponto de localiza o As coordenadas de 21 4 z O ponto uma medida especial usada para letras Existem 72 pontos em uma polegada e 28 35 pontos em um cent metro Centro de Recursos Idrisi Brasil 62 IDRISI for Windows Exerc cios tutoriais introdut rios alinhamento 0 0 colocam o ponto de justifica o no canto inferior esquerdo dos caracteres do texto Da mesma forma as coordenadas de alinhamento 100 100 colocam o ponto de justifica o no canto superior direito No nosso caso colocaremos o ponto de justifica o em 50 50 que o centro do conjunto de caracteres do texto Como nossos pontos de localiza o est o no centro de cada prov ncia o texto deve ficar centralizado dentro de cada prov ncia n Agora olhe o resultado usando o bot o Adicionar plano da Composi o para acrescentar o arquivo de texto chamado PROVTEXT usando o arquivo de s mbolos tamb m chamado PROVTEXT 0 Voc notar que todos os textos est o centralizados como era esperado No entanto um deles Gamo Gofa muito longo para ser ajustado dentro dos limites da prov ncia Use a Oficina de banco de dados para mudar o c digo do s mbolo para esta prov ncia para 2 e ent o use a Oficina de s mbolos para mudar a especifica o do s mbolo 2 para ser o mesmo que o s mbolo 1 exc
163. aminhos e trilhas da Eti pia MARKETS representa os mercados usados na an lise de dados de pre o Use o modo de consulta do cursor para examinar os valores na Eti pia especialmente ao longo das rodovias principais linhas espessas A interpola o foi feita para melhorar a interpreta o visual Observe que a maioria dos valores de integra o elevados ocorrem ao longo das principais rodovias linhas espessas ligando Addis Abeba com Asmara e Djibuti Aparentemente a rede vi ria tem um papel importante na integra o dos mercados Compreendendo se a real contribui o do fator dist ncia das rodovias baseado na rede vi ria podemos fazer conclus es acerca dos custos e benef cios da constru o de novas estradas e seu efeito no melhoramento dos n veis de integra o dos mercados Incluiremos tamb m na regress o duas outras vari veis para explicar melhor a natureza global da integra o dos mercados uma vari vel de riqueza propriedade de bois e outra de precipita o b Visualize a composi o de mapa OXNOWN Examine a porcentagem de propriedade de bois nos pol gonos administrativos usando o modo de consulta do cursor Como este mapa foi criado a partir de dados de distritos administrativos de terceiro n vel os dados referem se a informa es em n vel destes pol gonos N o podemos executar uma regress o m ltipla diretamente sobre arquivos imagem usando a propriedade de bois como uma das vari veis por
164. ante de servi o ao cliente Kristin Schneider USA Analista de pesquisa Laurie Canavan USA Diretor assistente de opera es Maggie Parry USA Assistente de pesquisa K 12 Maggie Robertson USA Especialista em assist ncia t cnica Mahadevan Ramachandran ndia Pesquisador associado Marianna Pavlovskaya R ssia Assistente de pesquisa Mathilde Snel Holanda Vice coordenador de treinamento Michele Fulk USA Diretor assistente para programas Nancie Consolie USA Assistente de servi o ao cliente Nick Haan USA Vice coordenador de treinamento Rita Young USA Assistente de servi o ao cliente Rhonda Davis USA Testes Ron Eastman Canad Diretor programador Sandra Johnson USA Testes Sarah Williams USA Assistente de servi o ao cliente estudante Srinivas Emani ndia Pesquisador associado Stephanie Hulina USA Assistente de pesquisa Stephanie Wood USA Assistente de pesquisa Tammy Woodard USA Programadora gerente do laborat rio de desenvolvimento de sistemas Thomas Gabrielle USA Analista de sistemas de informa o Ying Li China Assistente de pesquisa Yelena Ogneva Himmelberger R ssia Assistente de pesquisa Os Centros de Recursos IDRISI ustria Salzburg University Dept of Geography Hellbrunnerstrasse 34 A 5020 Salzburg Contato Drs Josef Strobl Eric J Lorup Email Idrisi geo sbg ac at http www edvz sbg ac at geo idrisi irchome htm Fax 43 662 8044 525 Brasil U
165. antes do ponto de vista ambiental s o aqueles que determinar o a qualidade do terreno que ir permanecer como habitat natural Para os ambientalistas a cria o de novas reas residenciais deve ocorrer longe de corpos d gua e banhados e devem localizar se o mais pr ximo poss vel de reas constru das j existentes Centro de Recursos Idrisi Brasil 176 IDRISI for Windows Exerc cios tutoriais avan ados J come amos a desenvolver a linguagem usada para MCE Para resumir os crit rios acima s o de dois tipos barreiras limita es absolutas restri es e fatores limitantes limita es relativas fatores Restri es s o aqueles crit rios Booleanos que cerceiam ou limitam nossa an lise a regi es geogr ficas espec ficas Neste caso as restri es diferenciam reas ou alternativas que podemos considerar aptas para desenvolvimento residencial ou alternativas que n o s o aptas sob condi o alguma Fatores por outro lado s o crit rios que definem algum grau de aptid o para todas as regi es geogr ficas Eles definem reas ou alternativas em termos de uma medida cont nua de aptid o real ando ou diminuindo a import ncia de uma alternativa em considera o naquelas reas fora das restri es impostas pelos crit rios Booleanos isto proximidade de rodovias cursos d gua ou declividades ngremes Em nosso exemplo temos duas restri es e seis fatores a desenvolver com nosso conjunto original de dados Di
166. anto a rela o com a temperatura m dia anual precisa ser incorporada Emiss es de metano dessas duas fontes t m correla o positiva com a temperatura do ar circundante ou seja com o aumento da temperatura emitido mais metano pela decomposi o do esterco Assim como fizemos em exerc cios anteriores agora que definimos o problema vamos criar um modelo cartogr fico mostrando os passos necess rios para confeccionar o produto final Neste caso a maior parte dos nossos dados de entrada s o campos espec ficos do banco de dados Na simbologia apresentada na Introdu o Modelagem Cartogr fica campos do banco de dados s o representados em modelos cartogr ficos pelos seus nomes em letra mai scula e sublinhados Para simplificar vamos construir modelos cartogr ficos separados para cada uma das duas componentes Fermenta o Ent rica e Decomposi o do Esterco O modelo com os passos necess rios para criar o novo campo FERMENT onde ser o armazenados a contribui o total da fermenta o ent rica muito mostrado na Figura 1 Todas as vari veis de entrada est o presentes no banco de dados CATTLE x 32 Calcular SQL FERMENT SHEEP x 5 GOATS x 5 Figura 1 v Antes de come ar precisamos remover o filtro anteriormente executado para restaurar todos os registros no banco de dados Para fazer isso escolha Remover filtro do menu Consulta w O pr ximo passo adicionar um novo campo para receber nossos va
167. aparecer neste documento ou no software que ele descreve A Graduate School of Geography da Clark University d uma garantia pelo per odo de 30 dias a partir da data da compra sobre os disquetes ou CD ROM atrav s dos quais este software distribu do de que eles est o livres de defeitos no material ou na m o de obra No caso de notifica o e devolu o dos disquetes ou CD ROM defeituosos no per odo de garantia a Graduate School of Geography da Clark University os substitui Em nenhuma outra circunst ncia haver reposi o ou devolu o A GRADUATE SCHOOL OF GEOGRAPHY CLARK UNIVERSITY DESCONSIDERA QUALQUER OUTRA GARANTIA EXPL CITA OU IMPL CITA INCLUINDO MAS N O LIMITADA A GARANTIAS IMPL CITAS DE MERCABILIDADE E AJUSTE PARA FINS PARTICULARES COM RELA O A DEFEITOS NOS DISQUETES E OU NA DOCUMENTA O E A LICEN A DO PROGRAMA CONCEDIDA AQUI EM PARTICULAR E SEM OPERA O LIMITANTE DO PROGRAMA LICENCIADO COM RESPEITO A QUALQUER APLICA O USO OU PROP SITO PARTICULAR EM NENHUM CASO A GRADUATE SCHOOL OF GEOGRAPHY CLARK UNIVERSITY DEVE SER RESPONS VEL POR QUALQUER PERDA DE LUCRO OU QUALQUER OUTRO DANO COMERCIAL INCLUINDO E N O RESTRINGINDO SE APENAS A DANOS ESPECIAIS ACIDENTAIS CONSEQUENTES OU OUTROS PREJU ZOS MARCA REGISTRADA O Windows uma marca registrada da Microsoft Corporation Todos os outros nomes mencionados neste volume podem ser marcas registradas ou marcas registradas em suas respectivas companhias e
168. ar o arquivo vetorial WESTSTRM a uma imagem produzida a partir de CROSSTAB sobre reas com florestas em 1985 e reas com florestas em 1991 Observe que as probabilidade para os dois eventos acima isto floresta permanece floresta e floresta mudou devem somar 1 Portanto necessitamos padronizar os resultados para 1985 e 1991 de modo que eles preencham esta condi o D Ative a Calcuradora para imagens na barra de cones e execute as seguintes equa es SUMPR 5 FFPR 5 FCPR 5 FFPRST 85 FFPR 5 SUMPR85 FOR71 FCPRST 85 FCPR 5 SUMPR 5 FOR71 Observe que voc necessita multiplicar FOR71 pela raz o de cada probabilidade soma de modo que apenas reas que foram floresta em 1971 sejam consideradas para an lise posterior Realize a mesma opera o para as novas imagens NFFPR91 e NFCPR91 para produzir as probabilidades padronizadas NFPRST91 e NCPRST91 Certifique se de usar FOR85 para definir as reas florestadas 4 Visualize FCPROB1 e FCPRST85 e compare as duas imagens Onde voc encontrou a maior inconsist ncia entre as duas imagens Qual foi a transforma o na cobertura do solo para esta rea Por que h inconsist ncia Observe que na rea em torno da coluna 110 e linha 210 foi calculada uma alta probabilidade de altera o da rea florestal em FCPROBI e na realidade toda a rea alterou de floresta para outra classe Na imagem de predi o FCPRST85 entretanto esta rea tem uma baixa pr
169. ar outros arquivos de dados ou combina es de arquivos como substitutos Nos diagramas sempre iniciaremos com o produto final no lado esquerdo do modelo e desenvolveremos o restante para a direita Certas conven es quanto simbologia devem ser mantidas com fidelidade para que se mantenha a consist ncia Voc pode adotar estas conven es ou desenvolver as suas pr prias para efetuar o seu trabalho Centro de Recursos Idrisi Brasil 66 IDRISI for Windows Exerc cios tutoriais introdut rios Os arquivos de dados s o representados como mostra a Figura 1 Os arquivos de imagens s o representados por ret ngulos horizontais os arquivos vetoriais por tri ngulos os arquivos de valores por elipses e os dados tabulares por ret ngulos verticais N s identificamos campos individuais num banco de dados com o nome do campo sublinhado Os nomes de arquivos s o escritos com letras mai sculas dentro do s mbolo NOME DO CAMPO ARQUIVO ARQUIVO BET ARQUIVO campo de banco arquivos imagem arquivos vetoriais arquivos de valores dados tabulares de dados Figura 1 As opera es s o indicadas escrevendo se o nome dos m dulos acima ou abaixo das setas que conectam os arquivos de dados de entrada e de sa da Os nomes dos m dulos s o escritos em letra mai scula it lica Quando uma opera o requer a entrada de dois arquivos os dois s o unidos com linhas e uma seta simples os une ao resultado Nestes casos o nome d
170. as o primeiro m todo de agrega o de crit rios que examinaremos uma abordagem MCE Booleana simples Esta abordagem largamente utilizada e a base de muitas an lises centradas em SIG Muitas vezes denominada de mapeamento de restri es ela vista aqui como um caso especial de MCE Entretanto antes que os crit rios possam ser combinados e comparados entre si em qualquer MCE eles necessitam ser padronizados para alguma escala de aptid o Centro de Recursos Idrisi Brasil 180 IDRISI for Windows Exerc cios tutoriais avan ados Padroniza o de fatores o caso Booleano Padroniza o no caso Booleano significa reduzir todos os fatores a imagens Booleanas com reas aptas e n o aptas essencialmente transformando todos os nossos fatores em restri es Reduzir todos os crit rios a imagens Booleanas com valores de 1 e 0 nos permitir facilmente agreg los em uma solu o final usando lgebra Booleana b sica O m todo mais comum de combina o a opera o AND m nimo Esta t cnica deve ser muito familiar a qualquer usu rio de SIG Usaremos os mapas de restri es que criamos LUSECON e WETLCON tal como est o Entretanto temos que reduzir nossos fatores a mapas Booleanos isto a restri es Para converter os mapas de fatores iremos estender o roteiro apresentado acima para sua cria o e tomar decis es r gidas para reas aptas ao desenvolvimento urbano As regras de decis o para nossos crit rios
171. as Prefer ncias de visualiza o e acione tamb m a op o Mostrar gr fico Examinando os resultados deve estar claro a voc que reas com aptid o similar n o possuem necessariamente a mesma combina o de escores de aptid o para cada fator O fatores compensam uns aos outros atrav s da imagem Qual o fator mais determinante do car ter do mapa de aptid o resultante Por que Como no exemplo anterior de MCE Booleana estamos mais interessados nas reas de aptid o elevada que possuem um tamanho superior a 20 hectares a rea m nima a ser considerada para desenvolvimento residencial urbano Necessitamos identificar primeiro aquelas reas que t m maior aptid o Um dos v rios m todos que existem consiste em segmentar arbitrariamente o nosso mapa de aptid o de tal modo que apenas reas com a maior aptid o permane am dispon veis para considera o Posteriormente temos que agrup las tal como foi feito no exemplo Booleano para encontrar as reas com 20 hectares ou mais Usaremos o histograma de MCEWLC para determinar o valor de limiar para a segmenta o do mapa de aptid o Poder amos tamb m usar o m dulo RANK para ordenar o mapa de aptid o e ent o reclassificar esta imagem para alguma percentagem arbitr ria dos pixels de ordem hier rquica mais elevada 1 Execute HISTO com MCEWLC como imagem de entrada com um valor m nimo igual a 1 Observe a mudan a na freq ncia no valor 175 Este ponto ser nosso valor de limiar
172. as curvas Solucionando para RMS ent o RMS C 3 29 i e RMS 0 30C Portanto o erro RMS pode ser estimado tomando se 30 da equidist ncia entre as curvas No caso das baixas altitudes de VINHDEM o RMS 0 30 metros Embora seja poss vel obter uma estimativa mais detalhada para altitudes inferiores a 1 metro aplicaremos neste caso um RMS de 0 30 para todas as altitudes do modelo digital de eleva o Simulando o novo n vel do mar Antes de simular a inunda o por aumento do n vel do mar incorporando a incerteza come aremos do modo mais usual Devemos subtrair um aumento estimado do n vel do mar de todas as altitudes do modelo digital de eleva o c Use SCALAR para subtrair um valor de 0 48 metros de VINHDEM e denomine a imagem resultante de LEVEL1 Visualize o resultado com a tabela de cores Idrisi 256 Selecione o modo de consulta do cursor na barra de cones para examinar o valor z das reas mais baixas reas que possuem uma diferen a menor ou igual a O s o consideradas inund veis por nossa estimativa inicial Como esta imagem foi derivada tanto do modelo de eleva o quanto do aumento projetado do n vel do mar ele possui incertezas de ambos No caso da subtra o os procedimentos propaga o padr o produzem um novo n vel de incerteza como V 0 30 0 08 0 31 Como descrito no t pico Gerenciamento de incertezas do cap tulo Apoio decis o da se o T PICOS ESPECIAIS do Manual do Usu rio
173. as de refer ncia sejam convertidos a um sistema comum Com a possibilidade de gerenciar diferen as de escala proje o e sistema de refer ncia os planos podem ser fundidos com facilidade eliminando um problema que tem tradicionalmente dificultado o planejamento de atividades com mapas em papel importante observar entretanto que a quest o da resolu o da informa o nos planos de dados permanece Embora fei es digitalizadas de um mapa mundial em escala pequena possam ser combinadas em um SIG com fei es digitalizadas a partir de um mapa local de escala grande como um mapa de ruas de uma cidade isto normalmente n o deveria ser feito O n vel de exatid o e detalhe do dado digital pode ser apenas t o bom quanto o dos mapas originais Georreferenciamento Todos os arquivos de dados espaciais em um SIG s o georreferenciados O georreferenciamento refere se localiza o de um plano ou coverage no espa o definida por um sistema refer nciamento de coordenadas Com imagens raster uma forma comum de georreferenciamento indicar o sistema de refer ncia p ex latitude longitude as unidades de refer ncia p ex graus e as coordenadas das bordas esquerda direita superior e inferior da imagem O mesmo v lido para os arquivos de dados vetoriais embora as bordas esquerda direita superior e inferior se refiram ao que comumente chamado de Ret ngulo envolvente da coverage um ret ngulo que define os limites da
174. as importantes do sistema de Composi o que a tela n o est tica Voc pode n o apenas mover os elementos mas tamb m escond los temporariamente Para esconder um plano clique na caixa esquerda do nome desse plano na lista de arquivos da Composi o Isso far com que ele desapare a Clicando novamente na caixa o plano reaparece k Tente isto com um dos planos Clique para faz lo desaparecer e reaparecer Por defini o a Composi o trabalha em modo Autom tico significando que ele implementa uma mudan a assim que ela especificada No modo Manual ele armazena as modifica es mas n o as implementa at que o bot o Refazer seja clicado Se voc tiver um conjunto de modifica es a fazer pode ser mais eficiente mudar para o modo Manual D Para fazer isto pressione o bot o na parte superior da Composi o para mudar para o modo Manual Pressione nas caixas de exibir omitir de todos os planos exceto para o plano base na verdade n o poss vel remover o plano base Voc ir perceber que nada acontece Ent o pressione o bot o Refazer e perceba como todos eles desaparecem Clique em todos os planos novamente e em Refazer Voc pode achar o modo manual muito til em casos onde voc tem v rios planos altamente detalhados que levam um longo tempo para serem redesenhados e voc est envolvido com uma opera o que exige muito movimento de molduras de planos como amplia o prepara o de janelas ou d
175. as s o opera es aritm ticas simples Por exemplo podemos usar OVERLAY para subtrair uma imagem de outra visando examinar suas diferen as Como ilustrado na Tabela 1 se usarmos OVERLAY para multiplicar FLOOD e BESTSOIL o nico caso no qual n s obteremos um valor 1 na imagem de sa da BESTSORG quando os pixels correspondentes em ambos mapas de entrada contiverem o valor 1 OVERLAY pode ser usado para produzir uma variedade de opera es Booleanas Por exemplo a op o de cobertura Primeira cobre a Segunda se diferente de 0 em OVERLAY produz um OR ou l gico A imagem de sa da de uma opera o de cobertura tem o valor um na posi o em que ambas as imagens de entrada t m valor um 4 Construa uma tabela similar Tabela 1 para ilustrar a opera o OR e ent o sugira uma opera o OVERLAY diferente de cobertura que possa ser usada para produzir o mesmo resultado Centro de Recursos Idrisi Brasil 74 IDRISI for Windows Exerc cios tutoriais introdut rios m Execute OVERLAY a partir do menu An lise Consulta ao banco de dados para multiplicar FLOOD e BESTSOIL e criar uma nova imagem chamada BESTSORG D um t tulo imagem e especifique Boolean para as unidades de valor Examine o resultado mude a tabela de cores para QUAL256 se estiver dif cil de enxergar BESTSORG mostra todos os locais que est o dentro da zona normal de inunda o AND e possuem solos argilosos n Nosso pr ximo passo calcular a
176. as voc observa entre as duas imagens Execute MAXLIKE novamente usando as assinaturas fuzzy acima mas especifique que ser o usadas imagens de probabilidade a priori Especifique as juntamente com o nome das imagens Por exemplo OLDRSX e PROLDRS NEWRSX e PRNEWRS INDCMX e PRINDCM ROADSX e PRROADS WATERX e PRWATER AGPASX e PRAGPAS Centro de Recursos Idrisi Brasil 158 DECIDX WETLNX GOLFGX CONIFX SHALW vo ooo PRDECID PRWETLN PRGOLFG PRCONIF PRSHALW Denomine o resultado de SPMAX3 IDRISI for Windows Exerc cios tutoriais avan ados 4 Como voc descreveria o efeito de ter as assinaturas fuzzy e a defini o espacial das probabilidades a priori Use a t cnica CROSSTAB empregada no exerc cio anterior para ajudar a formular sua resposta 3 Classificadores relativos l BAYCLASS Neste exerc cio vamos introduzir o conceito de classificador relativo Um classificador relativo aquele que avalia o grau com que cada pixel pertence a cada uma das classes de cobertura do solo Assim ao inv s de tomar uma decis o r gida isto Booleana sobre a associa o de cada pixel a uma determinada classe o classificador relativo gera como sa da uma imagem em formato de n meros reais para cada classe a qual expressa a associa o ao conjunto numa escala de O a 1 O IDRISI for Windows oferece um grupo de classificadores relativos dos quais o m dulo BAYCLASS o mais acess vel a Use EDIT para criar um arquivo d
177. asil 108 m n 0 p q IDRISI for Windows Exerc cios tutoriais introdut rios cores passam a representar os atributos do campo que escolhemos para visualizar Iremos ver agora como escalonar os atributos em um intervalo que pode ser plenamente visualizado usando s mbolos que v o de 0 a 255 Para dar uma melhor defini o visualiza o adicione o plano vetorial AWRAJAS2 com o arquivo de s mbolos Padr o usual Agora que preparamos a visualiza o vamos lig la com o banco de dados Novamente v para o menu Liga o Fixar par metros de liga o visualiza o da Oficina de banco de dados e selecione a janela de mapa AWRAJAS Note que n o h plano raster imagem dispon vel para a consulta com o cursor AWRAJAS j est selecionado como plano Vetorial para visualizar atributos pois ele o nico plano existente na janela de mapa O Campo contendo identificadores de fei es novamente IDR_ID Cada pol gono em AWRAJAS tem um identificador que corresponde a um registro em IDR_ID O Campo contendo c digos de visualiza o POPULATION Escolha POPULATION pressionando a seta ao lado da caixa de di logo para Campo contendo c digos de visualiza o e selecionando POPULATION da lista Pressione OK Mude a visualiza o de modo Booleano configura o padr o para modo cont nuo clicando no cone semelhante a um tabuleiro de xadrez o quinto da esquerda para a direita na Oficina de banco de dados
178. aso o pixel 1 ser classificado como dec dua d enquanto deveria provavelmente ser classificado como milho c Al m disso as caixas freq entemente se superp em Pixels com valores que caem nesta superposi o s o atribu dos ltima assinatura seguindo a ordem na qual os nomes das assinaturas foram introduzidos no m dulo banda do vermelho banda do infravermelho Figura 4 n Execute PIPED e indique o nome do arquivo de grupo de assinaturas como anteriormente Escolha a op o de definir paralelep pedo por M n M x e chame a imagem PIPEORIG digitando um t tulo para a mesma Pressione o bot o Continuar e mantenha todas as bandas para a an lise Observe os pixels com valor O na imagem de sa da Esses pixels n o se enquadraram no intervalo M n M x de nenhum conjunto de treinamento e por isso foram atribu dos a uma categoria 0 Centro de Recursos Idrisi Brasil 138 n 0 q IDRISI for Windows Exerc cios tutoriais introdut rios Antes EDITSIG foi usado em conjunto com o procedimento de classifica o por paralelep pedo para redefinir os valores m ximos e m nimos para cada assinatura excluindo os valores extremos de cada assinatura j que o classificador bastante sens vel aos valores m ximos e m nimos registrados em cada assinatura Observe que EDITSIG recalcula a estat stica das assinaturas ap s edit las Caso voc for experimentar qualquer dos outros classificadores mais
179. assagem da informa o entre o componente SGBD do SIG e outros componentes como o sistema de an lise geogr fica e o sistema de visualiza o cartogr fica No IDRISI for Windows essa possibilidade oferecida no m dulo Oficina de Banco de Dados Caso voc ainda n o tenha feito leia o cap tulo sobre a Oficina de banco de dados na se o FUNDAMENTOS DO SISTEMA do Manual do usu rio antes de prosseguir com o exerc cio Ao contr rio dos outros m dulos do IDRISI for Windows a Oficina de banco de dados na verdade um programa completo adicionado ao IDRISI Ele possui seus pr prios menus cones e comandos e pode executar uma variada gama de opera es Neste exerc cio aprenderemos o b sico para utilizar o m dulo Oficina de banco de dados fazendo especificamente o seguinte explorar a base de dados executar consultas por localiza o ao banco de dados visualizar atributos do banco de dados na forma de mapas executar consultas por atributos simples e m ltiplos ao banco de dados solucionar um problema envolvendo lgebra com mapas Neste processo tamb m iremos considerar as similaridades e diferen as entre a forma de execu o dessas opera es no m dulo Oficina de banco de dados e em tarefas similares executadas nos exerc cios 5e9 Centro de Recursos Idrisi Brasil 10 Oficina de banco de dados 105 Parte 1 Explora o dos dados No Exerc cio 4 utilizamos as altitudes do terreno e os limites d
180. asso a passo at chegar nos dados existentes Isso nos protege contra a tend ncia de fazermos com que os dados d em o formato ao produto final O procedimento inicia com a defini o do produto final Que valores ele ter O que tais valores significar o N s ent o perguntamos que dados ser o necess rios para produzir o produto final definimos cada um desses dados e como eles podem ser extra dos O seguinte exemplo ilustra o processo Suponha que n s queremos produzir um produto final que mostre as reas com declividade maior que 20 graus H v rias quest es que nos surgem que dados ser o necess rios para produzir tal imagem Para produzir uma imagem de declives maiores que 20 graus n s primeiro necessitaremos de uma imagem de todos os declives Existe uma imagem de todos os declives em nosso banco de dados Se n o existir n s damos um passo atr s e fazemos mais perguntas que dados ser o necess rios para produzir um mapa com todos os declives Uma imagem de altitudes do terreno pode ser usada para criar o mapa de declives Existe uma imagem de altitudes do terreno em nosso banco de dados Se n o que dados ser o necess rios para produzi la O processo continua at chegarmos nos dados existentes Os dados existentes podem j estar na forma digital ou podem estar na forma de papel ou tabelas que necessitar o ser digitalizadas Caso os dados necess rios n o estejam dispon veis voc poder desenvolver uma forma de us
181. ato com ele Nossos olhos s o um excelente exemplo de um dispositivo de sensoriamento remoto Somos capazes de reunir informa es sobre o que nos rodeia julgando a quantidade e a natureza da reflect ncia da energia da luz vis vel proveniente de alguma fonte externa como o Sol ou uma l mpada conforme ela reflete de objetos em nosso campo visual Um exemplo do contr rio disto um term metro que precisa estar em contato com o fen meno que ele est medindo e por isso n o um dispositivo de sensoriamento remoto Dadas estas defini es mais gerais o termo sensoriamento remoto vem sendo associado mais especificamente com a indica o de intera es entre os materiais da superf cie terrestre e a energia eletromagn tica Contudo qualquer tentativa de uma defini o mais espec fica se torna dif cil uma vez que n o sempre o ambiente natural que analisado p ex aplica es na conserva o de arte o tipo Introdu o ao sensoriamento remoto e processamento de imagens 19 de energia n o sempre eletromagn tica p ex sonar e alguns m todos medem emiss o de energia natural p ex infravermelho termal em vez de intera es de energia proveniente de uma fonte independente Considera es fundamentais Fonte de energia Os sensores podem ser divididos em dois grandes grupos passivos e ativos Sensores passivos medem n veis de fontes de energia existentes enquanto os sensores ativos t m sua pr pria fon
182. aturas fuzzy Uma das principais suposi es da abordagem Bayesiana para classifica o de imagens que as reas de treinamento representam amostras puras das classes que representam Entretanto como mencionado no cap tulo Classifica o de imagens de sensoriamento remoto da se o T PICOS ESPECIAIS do Manual do Usu rio isto raramente ocorre Por exemplo prov vel que mesmo um talh o muito uniforme de pinus tenha alguns elementos de fundo afetando os dados A presen a destas impurezas conduz a vari ncias elevadas e a n o normalidades na distribui o multivariada de reflect ncias as quais por sua vez degradam o poder de discrimina o das assinaturas Para tratar este problema o IDRISI for Windows implementou um procedimento para o desenvolvimento de assinaturas fuzzy baseado na pesquisa de Wang 1990 fundamentada no conceito de conjuntos fuzzy Neste caso consideramos que cada pixel tem potencialmente algum grau de associa o a mais de um conjunto classe de acordo com o grau com que misturas destas classes existem dentro do pixel Assim por exemplo se um pixel coberto em 60 por esp cies de con feras e 40 por dec duas ele seria considerado como tendo uma associa o fuzzy de grau 0 60 no conjunto con feras e um grau de associa o 0 40 no conjunto dec duas O m dulo FUZSIG uma modifica o do procedimento MAKESIG mais tradicional de modo que ele efetivamente pondera as m dias vari nc
183. aver um plano de solos um plano de estradas e um plano de uso da terra Em alguns sistemas raster como no IDRISI for Windows tamb m poss vel ligar um plano identificador de fei es um plano que cont m os identificadores das fei es localizadas em cada c lula de grade com tabelas de atributos Mais comumente existir o planos separados para cada atributo a partir dos quais isolados ou em combina o ser o feitas visualiza es em tela ou mapas em papel Embora haja diferen as sutis para todas as tentativas e prop sitos planos raster e coverages vetoriais podem ser entendidas simplesmente como diferentes manifesta es do mesmo conceito a organiza o do banco de dados em mapas tem ticos elementares Planos e coverages diferem dos mapas comuns e tradicionais em um aspecto importante Quando dados de um mapa s o codificados em forma digital digitaliza o diferen as de escala s o removidas O dado digital pode ser visualizado ou impresso em qualquer escala Mais importante ainda planos de dados digitais derivados de mapas de papel de diferentes escalas mas cobrindo a mesma rea geogr fica podem ser combinados 12 IDRISI for Windows Manual do usu rio Adicionalmente muitos SIG incluindo o IDRISI for Windows oferecem utilit rios para mudar o sistema de proje o cartogr fica e de refer ncia de planos digitais Isto permite que m ltiplos planos digitalizados a partir de mapas com v rias proje es e sistem
184. bvio a partir dos resultados deste conjunto de dados que nossa ignor ncia foi maior onde n o t nhamos informa o amostral Decidir onde seria melhor concentrar recursos para novas escava es arqueol gicas iria depender do risco relativo que desejar amos aceitar Podemos decidir por continuar a selecionar reas pr ximas dos rios onde a probabilidade de encontrar um s tio maior Por outro lado caso acreditemos que por raz es n o representadas em nossa an lise os s tios possam ocorrer em toda a regi o podemos decidir termos a necessidade de entender mais sobre s tios que est o afastados de rios e expandir nossa base de conhecimento antes de aceitar nossas predi es poss vel examinar uma linha de evid ncia de cada vez para revisar os efeitos de cada linha de evid ncia sobre a confian a final e o n vel de ignor ncia Para fazer isso necess rio adicionar uma linha de evid ncia de cada vez e reconstruir a base de dados antes de extrair as novas imagens de sum rio Desta forma BELIEF torna se uma ferramenta para explorar for as e fragilidades individuais de cada evid ncia em combina o com as outras linhas de evid ncia Passo opcional Considere que necessitamos selecionar 5 km para coletar mais evid ncia Como a resolu o do pixel de 100 metros por 100 metros dever amos selecionar 50 pixels para constituir 5 km Centro de Recursos Idrisi Brasil 208 IDRISI for Windows Exerc cios tutoriais avan ados
185. c dever usar a opera o de amplia o de janela descrita a seguir A opera o de amplia o de janela permite a voc selecionar uma sub rea da uma imagem para visualiza o Ela ir expandir a sub rea da imagem original automaticamente tanto quanto poss vel dentro dos limites do n mero total de expans es dentro da rea original da moldura do mapa Quando isso ocorre apenas essa por o da imagem fica retida na mem ria ao contr rio do zoom que ret m a imagem inteira na mem ria m Tente ampliar uma janela de BRAZILFC Clique sobre o cone de amplia o de janela na barra de ferramentas principal esquerda do cone de Zoom Mova o cursor para o canto superior esquerdo da regi o que voc deseja ampliar a janela segure o bot o esquerdo do mouse acionado e mova o mouse para criar um caixa ao redor da regi o a ser expandida Quando voc soltar o bot o a janela ir aparecer Observe que voc pode maximizar o tamanho da regi o selecionada expandindo as bordas da janela do mapa e ent o aumentando a moldura do mapa para depois selecionar uma janela do mesmo para ampliar Para visualizar toda imagem novamente clique sobre o cone de amplia o de janela coloque o cursor sobre a imagem e clique o bot o direito do mouse Feche a janela de mapa BRAZILFC Outros elementos interativos de visualiza o Mover redimensionar expandir reduzir e ampliar janelas s o meios atrav s dos quais voc pode interagir
186. ca o indicando o valor 0 0016 como o valor escalar pelo qual multiplicar Use SCALAR novamente agora com TMP para produzir TEMPERA adicionando 26 985 D um t tulo a esta imagem e graus Celsius calculados como a unidade dos novos valores A imagem resultante deveria ser muito similar ao mapa do relevo exceto pelo fato de que os valores s o invertidos altas temperaturas s o encontradas no Rift Valley enquanto baixas temperaturas s o encontradas em altas altitudes Para verificar isso visualize NRELIEF novamente e diminua as imagens de modo a poder visualizar simultaneamente ambas as imagens na tela 2 A seguir aparecem os passos que deixamos de lado no modelo cartogr fico da Figura 4 Preencha nas caixas tracejadas sobre as setas o nome dos m dulos que faltam e nas caixas tracejadas dos ret ngulos e elipses os nomes de arquivos ausentes Vari vel independente Y 26 985 0 0016X Vari vel dependente Agora que temos nosso mapa de temperaturas necessitamos criar um segundo mapa necess rio para o nosso zoneamento agroclimatico um mapa de disponibilidade h drica Como afirmado anteriormente a disponibilidade h drica pode ser estimada dividindo se a precipita o m dia anual de pela m dia anual da evapora o potencial N s j temos a imagem da precipita o NRAIN mas necessitamos criar a imagem da evapora o A rela o entre altitude e evapora o potencial foi desenvolvida e publicada por Wood
187. caixas de di logo quando voc pressionar o bot o Continuar Escolha classificar todos os pixels e opte por pesos iguais i e usar probabilidades iguais para cada classe Chame o resultado de MAX Pressione o bot o Continuar e digite um t tulo para a imagem de sa da Pressione Continuar novamente e escolha manter todas as bandas e pressione OK A m xima verossimilhan a a mais lenta das t cnicas dispon veis no IDRISI mas se as reas de treinamento forem boas representativas ela tende a ser mais acurada Finalmente examinaremos o classificador por paralelep pedo Este classificador cria caixas usando unidades de desvio padr o escores Z ou valores de reflect ncia m nimos e m ximos dentro de cada rea de treinamento Caso um determinado pixel caia numa caixa de assinatura ou espa o de banda ele atribu do quela categoria Este o classificador mais r pido e a op o com valores M n M x foi usada como classificador para visualiza o r pida quando a velocidade e capacidade de processamento dos computadores ainda era uma s ria limita o tecnol gica Ele fadado entretanto a classifica es incorretas Devido correla o da informa o nas bandas espectrais os pixels tendem a agrupar se em nuvens na forma de charuto ou de Zeppelim Como ilustrado na Figura 4 as caixas se ajustam de uma forma tal que tomam pixels que provavelmente deveriam ser atribu dos a outras classes Neste c
188. caracter sticas ou qualidades dessas fei es Podemos por exemplo ter uma propriedade rural definida no banco de dados espacial e qualidades como seu uso do solo propriet rio avalia o e outros no banco de dados de atributos Em alguns sistemas os bancos de dados espacial e de atributos s o rigidamente separados um do outro enquanto em outros est o integrados em uma nica entidade por isso a linha se estendendo apenas meio caminho atrav s do c rculo central da figura 2 1 O IDRISI for Windows do tipo que integra estes dois componentes em um Entretanto ele tamb m oferece a op o de manter separados alguns elementos do banco de dados de atributos Isto ser explorado mais adiante quando examinarmos t cnicas para a representa o digital de dados de mapas Sistema de visualiza o cartogr fica Circundando o banco de dados central temos uma s rie de componentes de software O mais b sico deles o sistema de visualiza o cartogr fica O sistema de visualiza o cartogr fica permite a partir de elementos selecionados do banco de dados produzir mapas de sa da na tela ou em alguns dispositivos de sa da em meio s lido como uma impressora ou plotter A varia o de possibilidades de produ o cartogr fica entre software SIG bastante grande A maioria oferece apenas uma sa da cartogr fica muito b sica e recomenda o uso de software de editora o de alta qualidade para satisfazer necessidades de produ o ma
189. cas 1 uma imagem com o total m dio anual da precipita o denominada NRAIN ii um modelo digital de eleva o denominado NRELIEF iii tabelas com dados de temperatura m dia anual e altitude para nove esta es meteorol gicas Adicionalmente a esses dados n s possu mos uma equa o estabelecida pela pesquisa relacionando a evapora o potencial com a altitude no Qu nia Vamos ver como estas pe as se encaixam no modelo cartogr fico ilustrando como n s produziremos as zonas agroclim ticas Sabemos que queremos como produto final um mapa de zonas agroclim ticas para este distrito e sabemos tamb m que estas zonas s o baseadas em zonas de temperatura e de disponibilidade h drica conforme a Tabela 1 Dessa forma necessitamos imagens representando as 34 x Shikai a F POE z O termo evapora o potencial indica o total de evapora o que ocorreria caso a umidade fosse ilimitada A evapora o efetiva pode ser bem inferior a essa uma vez que podem ocorrer per odos de seca durante os quais simplesmente n o existe umidade para ser evaporada 10 Oficina de banco de dados 107 zonas de temperatura a qual n s chamaremos de TEMPZONE e as zonas de disponibilidade h drica MOISZONE A seguir precisamos combin las de tal forma que cada combina o nica de TEMPZONE com MOISZONE tenha um valor nico no resultado ACZONES Para produzir as imagens com as zonas de temperatura e de disponibilidade h drica necessita
190. ceder se desejarmos calcular o n mero de hectares de cada uma dessas reas potenciais para o cultivo de sorgo separadamente Quando voc visualiza uma imagem capaz de interpretar pixels cont guos com o mesmo identificador como uma fei o maior nica tal como um pol gono de solo Na imagem BESTSORG por exemplo voc pode distinguir tr s locais aptos separados Entretanto em sistemas raster como o IDRISI for Windows a nica fei o definida o pixel individual Todavia como cada regi o distinta em BESTSORG tem o mesmo atributo 1 o IDRISI for Windows as interpreta como sendo a mesma fei o n o possibilitando calcular a rea de cada regi o em separado A nica forma de calcular a rea dessas regi es espacialmente distintas primeiro atribuir a cada regi o um nico identificador Isso conseguido com o m dulo GROUP GROUP projetado para encontrar e identificar grupos espacialmente cont guos de pixels de mesmo valor Ele atribui novos valores a esses grupos de pixels iniciando no canto superior esquerdo da imagem e processando da esquerda para a direita e do topo para a base da mesma associando ao primeiro grupo o valor zero O valor de um determinado pixel comparado com o de seus vizinhos 5 Consulta ao banco de dados 75 cont guos Caso ele tenha o mesmo valor recebe o mesmo identificador de grupo que os pixels vizinhos Se o valor for diferente o pixel recebe um novo identificador de grupo A def
191. cia em torno da m dia criando isolinhas de desvio padr o Ele atribui ent o a um dado pixel uma categoria em termos de desvio padr o Podemos ver na Figura 2 que o pixel 2 seria corretamente atribu do categoria urbana u porque ele est a menos de dois desvios padr o da m dia dessa categoria enquanto est a pelo menos tr s desvios padr o da m dia da areia s banda do vermelho banda do infravermelho Figura 2 D Para ilustrar este m todo execute MINDIST novamente Escolha o tipo de dist ncia Normalizada e chame o resultado de MINSTD Digite o t tulo para a imagem a ser criada 4 Compare os dois resultados Como voc descreveria o efeito da normaliza o das dist ncias com o classificador de dist ncia m nima m dia O pr ximo classificador que utilizaremos o classificador por m xima verossimilhan a Aqui a distribui o dos valores de reflect ncia em uma rea de treinamento descrita por uma fun o de densidade de probabilidade desenvolvida com base na estat stica Bayesiana Figura 3 Este classificador avalia a probabilidade de um determinado pixel pertencer a uma categoria e classifica o pixel para a categoria qual ele tem a maior probabilidade de associa o 12 Classifica o supervisionada 137 banda do vermelho banda do infravermelho Figura 3 m Execute MAXLIKE Indique o nome do arquivo de grupo de assinaturas SIGS Assim como em MINDIST seus nomes ir o aparecer nas
192. cionais AND e OR tamb m conhecidos respectivamente como as opera es de INTERSEC O e UNI O Aqui estamos procurando por casos de reas residenciais AND e alto n vel de g s rad nio a intersec o l gica de nossos dois planos Booleanos lgebra com mapas O segundo conjunto de ferramentas que um SIG geralmente oferece destina se a combinar matematicamente planos de mapas A modelagem requer a possibilidade de combinar planos de acordo com v rias equa es matem ticas Por exemplo podemos ter uma equa o que prediz a temperatura m dia anual em fun o da altitude Como outro exemplo temos tamb m a possibilidade de criar um mapa de eros o potencial do solo com base em fatores de erodibilidade do solo de gradiente de declividade e de intensidade pluviom trica Para isso necessitamos modificar os valores dos dados em nossos planos de mapa atrav s de v rias opera es e transforma es matem ticas e combinar fatores matematicamente para produzir o resultado final As ferramentas de lgebra com mapas geralmente possibilitam tr s diferentes tipos de opera es 1 modificar aritmeticamente valores de dados de atributos sobre o espa o por uma constante isto aritm tica escalar 2 transformar matematicamente valores de dados de atributos por uma opera o padr o como fun es trigonom tricas transforma es logar tmicas e assim por diante 3 combinar matematicamente como adicionar subtrair multiplicar
193. com o mesmo n vel prescrito por um conjunto de pesos de ordena o Entretanto conforme discutido anteriormente neste exemplo nossos fatores s o de dois tipos distintos fatores relevantes ao custo do empreendimento e fatores relevantes s preocupa es ambientais Estes dois conjuntos n o t m necessariamente o mesmo n vel de compensa o Fatores relevantes aos custos de empreendimento claramente podem compensar se plenamente Onde o custo financeiro senso comum uma economia nos custos de desenvolvimento em um fator pode compensar altos custos em outro Fatores relevantes aos ambientalistas por outro lado n o se compensam t o facilmente Manter a fauna silvestre longe de novos loteamentos n o compensa facilmente o runoff escoamento superficial da gua e a preocupa o com a contamina o Para lidar com esta discrep ncia trataremos nossos fatores como dois conjuntos distintos com diferentes n veis de compensa o especificados por dois conjuntos de pesos de ordena o Isto ir gerar dois mapas de aptid o intermedi rios um com o resultado da combina o de todos os fatores financeiros e o outro com o resultado da combina o dos fatores ambientais Combinaremos ent o estes resultados intermedi rios usando uma terceira opera o MCE Para combinar o primeiro conjunto de fatores aqueles relevantes ao custo usaremos o procedimento WLC j que queremos um resultado de compensa o plena e risco m dio Existem quatro
194. cordo com v rios procedimentos de classifica o O IDRISI for Windows oferece um amplo conjunto de ferramentas para a interpreta o de dados de sensoriamento remoto com o computador da maior import ncia como t cnica de aquisi o de dados particularmente nos pa ses em desenvolvimento Sistema de an lise estat stica Para a an lise estat stica o IDRISI for Windows oferece procedimentos estat sticos tradicionais como tamb m algumas rotinas espec ficas para a descri o de dados espaciais em parte pelo car ter especial dos dados espaciais mas tamb m porque os dados espaciais colocam problemas especiais com rela o a infer ncias descritas a partir de procedimentos estat sticos Sistema de apoio decis o Enquanto o apoio decis o uma das mais importantes fun es de um SIG as ferramentas desenhadas especialmente para este fim existem em n mero relativamente pequeno na maior parte dos software de SIG Contudo o IDRISI for Windows inclui v rios m dulos especialmente desenvolvidos para auxiliar no processo de tomada de decis o S o m dulos que incorporam o erro no processo ajudam na constru o de mapas de aptid o atrav s de crit rios m ltiplos e atendem decis es sobre localiza o quando objetivos m ltiplos est o envolvidos Usados em conjunto com outros componentes do sistema estes m dulos oferecem uma ferramenta poderosa para tomadores de decis o na aloca o de recursos Representa o de dados
195. cumulado Podem haver casos em que os atritos n o afetem o custo do movimento da mesma forma em todas as dire es Em outras palavras eles atuam anisotropicamente Um exemplo disso o movimento atrav s de uma paisagem onde os atritos dependem da declividade Subir uma rampa ngreme resultaria em um custo mais alto do que descer esta mesma rampa A dire o do movimento atrav s do atrito importante e deve ser levado em conta no desenvolvimento da superf cie de atrito O IDRISI for Windows prov m dulos para modelar esse tipo de superf cie de custo que est explicada em detalhe no cap tulo An lise anisotr pica de custo na se o T PICOS ESPECIAIS do Manual do usu rio Dado o conceito de uma superf cie de custo os sistemas de informa o geogr fica usualmente tamb m oferecem an lise de caminho de menor custo outra importante opera o de dist ncia Como o nome sugere nosso objetivo avaliar o caminho de menor custo entre dois locais a superf cie de custo que d a informa o necess ria a essa avalia o figura 2 8 4 h pi Figura 2 5 Figura 2 6 Figura 2 7 Figura 2 8 7 PE 5 r j ai Conv m esclarecer aqui que uma superf cie de custo somente pode ser avaliada com um sistema raster Para sistemas vetoriais o equivalente mais pr ximo poderia ser as dist ncias avaliadas sobre uma rede N s vimos uma simples mas eficaz ilustra o das diferen as entre sistemas raster e vetori
196. da como mostrado na Tabela 1 Esta l gica pode ser estendida a qualquer n mero de condi es desde que cada condi o seja representada por uma imagem Booleana FLOOD BESTSOIL BESTSORG 0 x 0 0 0 x 1 0 1 x 0 E 0 1 x 1 1 Tabela 1 A imagem Booleana FLOOD mostrar reas inundadas num evento de cheia normal isto aquelas reas com eleva es inferiores a 9 m Em fun o disso para produzir FLOOD n s necessitaremos o modelo de eleva o DRELIEF j mostrado anteriormente Para criar FLOOD a partir de DRELIEF n s alteraremos todas as eleva es inferiores a 9 metros para um valor de um e todas as eleva es iguais ou superiores a 9 metros para um valor igual a zero De forma similar para criar a imagem Booleana BESTSOIL partiremos da imagem com todos os tipos de solos DSOILS e ent o isolaremos apenas os solos argilosos Para fazer isto alteraremos os valores da 23 apesar da palavra bin ria ser comumente usada para descrever uma imagem desta natureza somente 1s e 0s usaremos o termo Booleana daqui em diante para evitar confus o com o termo bin rio como refer ncia a um formato de armazenamento de dados O nome Booleana derivado do nome de George Boole 1815 1864 um dos pais da L gica Matem tica O nome tamb m apropriado porque as opera es que executaremos nestas imagens s o conhecidas como lgebra Booleana Centro de Recursos Idrisi Brasil 70 IDRISI for Windows Exerc cios tutoriais intro
197. dados geogr ficos Eles v o desde o georreferenciamento e mudan as de proje o at rotinas de convers o de formato raster vetorial O menu Entrada de Dados como o pr prio nome sugere acessa um conjunto de m dulos destinados entrada de dados Voc pode observar que a digitaliza o uma opera o independente que requer um programa espec fico o qual por esse motivo n o est listado aqui A vers o corrente do IDRISI for Windows inclui uma c pia livre de um programa for DOS para digitaliza o e edi o de vetores chamado TOSCA que pode ser usado para criar arquivos vetoriais compat veis com o IDRISI H tamb m alguns outros programas de digitaliza o que funcionam muito bem com o sistema IDRISI for Windows As duas ltimas op es do menu s o razoavelmente parecidas com as de outros programas para Windows O menu Janela possibilita simplificar o arranjo e o acesso a v rias janelas O menu Ajuda j foi por n s examinado Entretanto um menu ao qual voc retornar com fregii ncia conforme for utilizando os aplicativos do IDRISI for Windows 2 O sistema de visualiza o Nos pr ximos tr s exerc cios ser explorado o sistema de visualiza o do IDRISI for Windows O IDRISI for Windows est mais para um sistema de an lise de dados cartogr ficos e de dados de sensoriamento remoto do que para um programa de constru o de mapas Entretanto a an lise visual um ingrediente importante de qualquer an
198. das Veja o cap tulo Georreferenciamento na se o T PICOS ESPECIAIS do manual para acompanhar uma discuss o mais aprofundada sobre como isso est implementado no IDRISI for Windows Realce de imagens O realce de imagens diz respeito modifica o de imagens para torn las mais apropriadas s capacidades da vis o humana Independente da extens o da interven o digital a an lise visual invariavelmente desempenha um papel muito importante em todos os aspectos do sensoriamento remoto Embora a gama das t cnicas de realce de imagens seja ampla as seguintes quest es fundamentais formam a espinha dorsal nesta rea Amplia o de contraste Os sensores digitais t m um amplo intervalo de valores de sa da para acomodar os valores altamente vari veis de reflect ncia que podem ser encontrados em diferentes ambientes Entretanto em qualquer ambiente simples fregientemente apenas um intervalo estreito de valores ocorre na maior parte das reas e a distribui o dos n veis de cinza tende a ser muito distorcida Procedimentos de manipula o de contraste s o ent o essenciais para a maior parte das an lises visuais Gera o de composi es Para an lise visual as composi es coloridas fazem melhor uso das capacidades do olho humano Dependendo dos sistemas gr ficos em uso a gera o de composi es varia da simples sele o das bandas a serem usadas a procedimentos mais avan ados de combina o de bandas e amplia
199. de Na maioria dos casos eventos s o espacialmente autocorrelacionados significando que se um pixel permaneceu floresta os pixels adjacentes tender o a permanecer tamb m floresta devido a suas condi es similares Neste caso para cada pixel consideraremos seus pixels vizinhos como seus pontos de amostragem e calcularemos a probabilidade para esta amostra O m dulo FILTER pode ser usado para esta tarefa c Use EDIT para criar um arquivo filtro personalizado FILTER FIL selecione a op o outro arquivo no diret rio de dados com os valores a seguir Centro de Recursos Idrisi Brasil 220 IDRISI for Windows Exerc cios tutoriais avan ados 9 9 111111111 111111111 111111111 111111111 111111111 111111111 111111111 111111111 111111111 Este um filtro de m dias 9x9 Execute FILTER a partir do menu An lise Operadores de contexto e use FORFOR1 como arquivo de entrada Escolha a op o personalizada e especifique FILTER FIL como o arquivo filtro Selecione a op o Normalizar para que a soma dos valores no kernel do filtro totalize 1 uma condi o requerida para c lculos de probabilidade Denomine a imagem resultante FFPROB1 Esta imagem de probabilidades usou 81 pixels como amostra aproximada para o pixel central do kernel do filtro Neste caso o tamanho da amostra 81 Um kernel de filtro 9x9 foi selecionado com base no entendimento de que ele reflete varia o suficiente nas reas vizinhas de um pixel Depen
200. de custo relativamente baixo entrando no mercado e que podem propiciar retifica o de alta qualidade com investimentos menores Apesar disso a retifica o permanece sendo uma atividade especializada e requer a experi ncia de um profissional adequadamente treinado Processamento digital de imagens Como resultado de scanners multiespectrais de estado s lido e de outros dispositivos raster temos atualmente dispon veis imagens raster digitais com dados de reflect ncia espectral A grande vantagem de ter estes dados na forma digital a possibilidade de utilizar as t cnicas de an lise em computador para os dados das imagens um campo de estudo chamado de processamento digital de imagens O processamento digital de imagens est fortemente direcionado a quatro opera es b sicas corre o das imagens realce das imagens classifica o das imagens transforma o das imagens 30 IDRISI for Windows Manual do usu rio A corre o diz respeito corre o e calibra o das imagens de forma a obter uma representa o da superf cie da Terra o mais fiel poss vel realidade uma considera o fundamental para todas as aplica es O realce est predominantemente voltado modifica o das imagens para otimizar sua apar ncia para o sistema visual A an lise visual um elemento chave mesmo no processamento digital de imagens e os efeitos das t cnicas de realce podem ser significativos A classifica o refer
201. de exemplo mova o mouse sobre os cones da barra de ferramentas e observe a barra de status na parte inferior esquerda do seu v deo Ainda que deseje memorizar o mais depressa poss vel o que cada um desses cones representa voc pode conseguir saber isso simplesmente posicionando o cursor do mouse sobre o cone em quest o Observe que alguns dos cones aparecem em cor cinza Eles est o desligados porque s podem ser usados em certas circunst ncias tal como quando um mapa est sendo visualizado mas aparecer o coloridos quando estiverem ativos Mova agora o cursor para o cone mais esquerda da barra de ferramentas e clique sobre o mesmo com o bot o esquerdo do mouse Como a barra de status informa isso abre o m dulo ENVIRON ENVIRON o mais b sico dos m dulos no qual definido o diret rio de trabalho Normalmente os usu rios do IDRISI for Windows criam diferentes subdiret rios para os diversos projetos em que trabalham necessitando por isso trocar de diret rio frequentemente Este o prop sito do m dulo ENVIRON motivo pelo qual o primeiro cone da barra de ferramentas Caso isso ainda n o tenha sido feito defina o diret rio de trabalho como aquele onde est o armazenados os dados dos exerc cios tutoriais p ex chexercise Observe que voc tem duas maneiras de fazer isso Uma digitar o nome do diret rio dentro da caixa de di logo e pressionar o bot o OK Todavia voc pode tamb m selecionar o d
202. de s mbolos Pressione OK Agora todos os pol gonos s o tratados identicamente independente dos seus valores de ndices q Clique agora em Adicionar plano para adicionar um arquivo de nome CLARKBLD mas neste caso indique que voc deseja usar um arquivo de valores chamado BLDGUSE e escolha o arquivo de s mbolos Idrisi 16 este arquivo de s mbolos para pol gonos corresponde ao arquivo de tabela de cores Idrisi 16 para imagens Indique tamb m que voc deseja uma legenda e clique OK Use ent o Adicionar plano mais uma vez para adicionar o plano de informa o e Cada op o de arquivo de tabela de cores e de s mbolos na caixa de di logo possui um arquivo correspondente que pode ser selecionado da lista de arquivos Idrisi 256 e Qualitativa 16 na caixa de di logo por exemplo correspondem aos arquivos Idris256 e quall6 na lista de arquivos 2 O sistema de visualiza o 49 denominado CLARKBD usando o arquivo de s mbolo padr o Isto simplesmente acrescenta linhas pretas em torno de cada edifica o Caso a janela da composi o estiver ocultando parte da sua visualiza o ative a janela de mapa para traz la para a frente Perceba como as cores dos edif cios n o possuem significado Neste caso n o estamos considerando os identificadores e sim os atributos que estes elementos possuem 4 Agora que observamos a visualiza o de um arquivo vetorial como voc compararia a maneira pela qual a visualiza o mostrada
203. de sa da A sa da de BELCLASS com essa op o constitui uma s rie de imagens de plausibilidade de Dempster Shafer PLSOLDRS PLNEWRS PLINDCM etc Os valores em cada uma representam a plausibilidade estimada uma forma de probabilidade que expressa a maior probabilidade potencial de cada pixel pertencer a uma classe Examine essas imagens de plausibilidade usando a Visualiza o com a tabela de cores padr o IDRISI 256 Tamb m examine a imagem de incerteza na classifica o PLSCLU note que a imagem PLSCLU a mesma que BELCLU Enquanto a confian a indica o grau de suporte r gido para uma hip tese a plausibilidade expressa o grau com que essa hip tese n o pode ser desacreditada isto expressa o grau com que h uma car ncia de evid ncias contra a hip tese l Examine PLSDECID e compare com BELDECID Como voc descreveria a plausibilidade em dec dua comparada com a confian a em dec dua Qual a natureza dessa plausibilidade nas reas em que BELDECID alta Compare PLSDECID com BAYDECID no exerc cio 2 Como PLSDECID se compara a BAYDECID em reas onde BAYDECID alta Use OVERLAY para subtrair BELDECID de PLSDECID isto PLSDECID BELDECID Chame o resultado de BINDECID Visualize esse resultado usando a tabela de cores IDRISI 256 Essa imagem mostra o que denominado de intervalo de confian a Um intervalo de confian a a diferen a entre a plausibilidade e a confian a para uma determinada classe
204. de simula o de impactos adicional com tais dados tamb m aumenta a precis o dessas decis es 14 Regress o m ltipla em SIG No exerc cio 9 exploramos o conceito de regress o linear bivariada para estimar temperaturas a partir da altitude Naquela an lise apenas duas vari veis foram envolvidas Neste exerc cio e no pr ximo iremos explorar regress o linear m ltipla e regress o log stica que s o duas t cnicas importantes para an lise das rela es entre m ltiplas vari veis Em ambos os casos existem diversas vari veis explicativas ou independentes que auxiliam na predi o da vari vel de interesse a vari vel dependente Na regress o m ltipla assumido existir uma regress o linear entre a vari vel dependente e as vari veis independentes No caso de tr s vari veis independentes por exemplo a equa o da regress o linear m ltipla pode ser escrita como a b x1 b2 x2 b3 Xx3 onde Y a vari vel dependente x1 x e x s o as vari veis independentes a o intercepto e bi b2 e bs s o os coeficientes das vari veis independentes x x gt x3 O intercepto representa o valor de Y quando os valores das vari veis independentes forem O e o par metro coeficientes indica a mudan a em Y para um incremento de uma unidade na vari vel independente correspondente As vari veis independentes podem ser cont nuas p ex intervalo raz o ou ordinal ou discretas mas as vari veis dependentes devem ser
205. de uma imagem em torno de Howe Hill imediatamente a noroeste do aeroporto que vimos em HOW87TM1 4 no exerc cio anterior A Figura 5 no final deste exerc cio mostra os resultados de um trabalho de campo nesta rea As reas de treinamento criadas neste exerc cio ser o baseadas no conhecimento dos tipos de cobertura do solo identificados durante esta visita Para cada tipo de cobertura do solo conhecido ser atribu do um nico identificador inteiro e ser identificada uma ou mais reas de treinamento a Escreva uma lista com todos os tipos de cobertura do solo identificados na Figura 5 juntamente com um identificador espec fico para representar cada tipo de cobertura Embora as reas de treinamento possam ser digitalizadas em qualquer ordem elas n o deveriam omitir nenhum n mero na s rie Dessa forma se voc tiver dez classes de cobertura do solo diferentes seus identificadores dever o ir de 1 a 10 A ordem sugerida para melhor ajustar as classes tabela de cores qualitativa padr o da visualiza o autom tica I gua rasa 2 gua profunda 3 Agricultura 4 rea urbana 5 Floresta dec cua 6 Floresta de con feras b Visualize a imagem chamada H874S usando a tabela de cores Tons de cinza 256 Use o modo de digitaliza o na tela do IDRISI for Windows para digitalizar pol gonos em torno de suas reas de treinamento Isto feito do seguinte modo Amplie uma janela de imagem em torno do lago com guas prof
206. de uma s rie de sat lites operados pela U S National Oceanic and Atmosferic Administration NOAA Ele adquire dados ao longo de uma faixa de 2400km diariamente O AVHRR coleta cinco bandas uma no vermelho duas no infravermelho pr ximo uma no infravermelho m dio e uma no infravermelho termal A resolu o espacial do sensor 1 1 km e este dado chamado de cobertura de rea local Local Area Coverage LAC Para o estudo de reas muito grandes tamb m est dispon vel uma vers o reamostrada com resolu o de aproximadamente 4 km denominado cobertura de rea global Global Area Coverage GAC O AVHRR pode ter alta resolu o para aplica es meteorol gicas mas as imagens retratam apenas os padr es mais extensos e apresentam pouco detalhe para uso em estudos terrestres Todavia eles t m uma alta resolu o temporal mostrando grandes reas em uma base di ria O AVHRR tem se tornado uma escolha popular para o monitoriamento de grandes reas As imagens AVHRR s o usadas por v rias organiza es engajadas com a previs o da fome e uma parte importante de muitas atividades de alerta de risco As imagens do AVHRR est o dispon veis na NOAA a menos de 100 d lares por imagem ERS 1 O European Remote Sensing Satellite ERS 1 um novo sistema desenvolvido pela ag ncia espacial europ ia At o momento desta publica o ela ainda estava operando em modo experimental O sistema propicia complemento interessante pa
207. de vis vel banda 2 TM e do infravermelho m dio banda 5 TM s o duas boas candidatas para uma terceira banda a ser considerada Voltando nossa quest o original est claro que tr s bandas podem carregar uma grande quantidade de informa o Adicionalmente n s tamb m podemos ver que as bandas que s o usadas na composi o tradicional em falsa cor verde vermelho e infravermelho s o muito bem escolhidas elas nitidamente carregam a ess ncia da informa o do conjunto completo de dados Assim para os prop sitos da classifica o n o supervisionada que faremos no pr ximo exerc cio faz sentido usarmos apenas tr s bandas da imagem para fazer nossa classifica o de imagem Voc pode agora excluir as sete imagens das componentes principais H87CMP1 7 14 Classifica o n o supervisionada A classifica o n o supervisionada outra t cnica de classifica o de imagem No m todo n o supervisionado os padr es de resposta espectral dominantes que ocorrem em uma imagem s o extra dos e essas classes de informa o s o identificadas atrav s de confirma o no terreno verdade de campo No IDRISI for Windows a classifica o n o supervisionada oferecida atrav s dos m dulos denominados CLUSTER e ISOCLUST Este exerc cio utilizar o m dulo CLUSTER CLUSTER usa uma t cnica de sele o pelo pico do histograma Isto equivale a buscar os picos em um histograma unidimensional onde um pico definido como
208. dendo da resolu o dos seus dados e do prop sito de sua an lise voc poder escolher outros tipos de filtros e ou tamanhos de filtros d Use a mesma opera o FILTER com FILTER FIL para criar uma imagem de probabilidades FCPROBI a partir de FORCHGI Valores nesta imagem resultante representam a probabilidade de um pixel mudar de floresta para outro tipo de cobertura do solo 2 Visualize FFPROB1 e FCPROBI com a tabela de cores Idrisi 256 e compare as respectivamente com FORFOR1 e FORCHG1 O que voc pode dizer sobre a rela o entre os dois conjuntos de imagens Criando imagens para as vari veis independentes Inicialmente criaremos uma imagem mostrando a dist ncia borda das reas com floresta e Execute PATTERN a partir do menu An lise Operadores de contexto em FOR71 e escolha CVV Centro versus vizinhos e um tamanho de janela 3x3 Denomine o resultado FORPATT71 Visualize o resultado com a tabela de cores Qualitativa 256 e ative o modo de consulta do cursor Os valores na imagem resultante mostram o n mero de pixels que possuem valores diferentes do pixel central da janela m vel 3x3 na imagem FOR71 Voc pode observar que apenas reas nas bordas das florestas t m valores diferentes de zero f Execute OVERLAY com a op o de multiplica o com as imagens FORPAT71 e FOR71 e denomine o resultado FOREDG71 Visualize o resultado com a tabela de cores Qualitativa 256 Observe que agora apenas as bordas estreitas ao
209. dente da dire o em que se viaja A superf cie da estrada possui caracter sticas pavimenta o lama etc que tornam o movimento mais f cil baixo valor de atrito ou mais dif cil alto valor de atrito N s trabalharemos com este tipo de superf cie de atrito neste exerc cio O m dulo COST do IDRISI for Windows considera efeitos de atrito isotr picos Aqueles atritos que variam em intensidade dependendo da dire o do movimento s o conhecidos como atritos anisotr picos Um exemplo pode ser o movimento em rela o a um vento predominante Um movimento contra o vento causaria um aumento do custo enquanto que viajar a favor do vento auxiliaria o movimento talvez at causando uma acelera o De modo a efetivamente modelar tais efeitos de atrito anisotr pico duas superf cies de atrito s o necess rias uma imagem contendo informa o sobre a magnitude do atrito e outra contendo informa o sobre a dire o do efeito de atrito O m dulo VARCOST usado para modelar este tipo de superf cie de custo Para maiores informa es veja o cap tulo An lise anisotr pica de custo no Manual do Usu rio do IDRISI for Windows Neste exerc cio n s trabalharemos apenas com atritos isotr picos e portanto com o m dulo COST COST oferece dois algoritmos distintos para calcular superf cies de custo O primeiro Esfor o de custo mais r pido e trabalha bem quando as superf cies de atrito n o s o complexas ou do tipo rede O seg
210. dialmente Heinrich Hasenack Eliseu Weber Editores Centro de Recursos Idrisi Brasil ndice INTRODU O 1 O PROJETO IDRISI 1 ESTRUTURA DO MANUAL DO IDRISI FOR WINDOWS INTRODU O A SISTEMAS DE INFORMA O GEOGR FICA SIG 4 DEFINI O DE SIG COMPONENTES DE UM SIG BANCO DE DADOS ESPACIAL E DE ATRIBUTOS SISTEMA DE VISUALIZA O CARTOGR FICA SISTEMA DE DIGITALIZA O DE MAPAS SISTEMA DE GERENCIAMENTO DE BANCO DE DADOS SISTEMA DE AN LISE GEOGR FICA SISTEMA DE PROCESSAMENTO DE IMAGENS SISTEMA DE AN LISE ESTAT STICA SISTEMA DE APOIO DECIS O REPRESENTA O DE DADOS EM MAPAS VETORIAL RASTER RASTER VERSUS VETORIAL CONCEITOS GEOGR FICOS DE BANCO DE DADOS ORGANIZA O GEORREFERENCIAMENTO AN LISE EM SIG FERRAMENTAS ANAL TICAS OPERA ES ANAL TICAS INTRODU O AO SENSORIAMENTO REMOTO E AO PROCESSAMENTO DE IMAGENS DEFINI O CONSIDERA ES FUNDAMENTAIS FONTE DE ENERGIA oo 0 0000 N DAMUN A 18 18 19 19 Centro de Recursos Idrisi Brasil 2 IDRISI for Windows Manual do usu rio COMPRIMENTO DE ONDA 19 MECANISMOS DE INTERA O 20 PADR ES DE RESPOSTA ESPECTRAL 21 SENSORIAMENTO REMOTO MULTIESPECTRAL 23 SISTEMAS DE SENSORES MULTIESPECTRAIS 24 SISTEMAS PLATAFORMA SENSOR 26 FOTOGRAFIA A REA 26 SISTEMAS DE SAT LITES 27 GEORREFERENCIAMENTO DE IMAGENS E FOTOGRAMETRIA 29 PROCESSAMENTO DIGITAL DE IMAGENS 29 CORRE O DE IMAGENS 30 REALCE DE IMAGENS 31 CLASSIFICA O DE IMAGENS 31
211. dido de consulta do cursor v ao submenu Visualiza o Prefer ncias de visualiza o e especifique que voc deseja usar o modo expandido Especifique o arquivo de grupo de imagens denominado MCEBOOL Finalmente visualize MCEBOOL com a tabela de cores Qualitativa 16 Esta imagem tem o valor 1 nas reas aptas em todos os crit rios e o valor zero para reas que n o s o aptas em pelo menos um crit rio Selecione o modo de consulta do cursor a partir do cone correspondente na barra de ferramentas e explore a imagem clicando em v rios locais Deve estar claro que um valor de 1 apenas poss vel nas reas em que os oito crit rios tiveram valor 1 e o resultado um valor O se numa dada posi o a c lula recebeu o valor O em pelo menos um dos crit rios Aptid o em um crit rio n o pode compensar a aus ncia de aptid o em qualquer outra imagem Adicionalmente por ser a an lise MCE Booleana uma opera o l gica AND m nimo ela muito conservadora em termos de risco Por satisfazer todos os crit rios o resultado a melhor localiza o poss vel para o desenvolvimento urbano residencial Estas propriedades de n o compensa o e avers o ao risco podem ser apropriadas para muitos projetos mas no nosso caso podemos imaginar que nossos crit rios deveriam compensar uns aos outros e que n o estamos somente interessados em evitar riscos extremos Por exemplo um local distante do centro urbano n o apropriado quando considerado
212. do no menu Visualiza o ou pode ser acessado pelo seu cone na barra de ferramentas ilustrado esquerda Como alternativa h um acesso direto para o m dulo HISTO a partir da visualiza o que iremos experimentar agora Pressione o bot o Propriedades da Composi o e ent o o bot o Histograma da imagem Quando voc usar este acesso r pido automaticamente assumido que a imagem a ser usada com HISTO aquela em destaque na lista da Composi o Histogram of brazil Class width 1 0000 Display minimum 1 0000 Display maximum 78 0000 Actual minimum 1 0000 f Actual maximum 78 0000 Mean 7 8873 Stand Deviation 3 7550 df 262143 o did o 0 00 7 80 1560 2340 3120 3900 4680 54 60 6240 7020 78 00 Como voc pode ver neste histograma BRAZIL tem uma distribui o extremamente distorcida Por causa da l gica do autoescalonamento isto tamb m representa a distribui o dos tons de cinza com o preto situado no extremo esquerdo do eixo X e o branco no extremo direito e cinzas m dios no meio da escala Como podemos ver a maior parte dos pixels apresenta se muito escura uma vez que seus valores s o muito baixos comparados com a varia o total de 1 at um m ximo de 78 A frequ ncia muito pequena de objetos altamente reflexivos brilhantes causou a predomin ncia de pixels em cinza escuro Centro de Recursos Idrisi Brasil 64 IDRISI for Windows Exerc cios tutoriais introdut rios A solu
213. do sat lite LANDSAT O arquivo documento cont m adicionalmente s informa es descritivas uma variedade de par metros muito importantes usados pelo IDRISI for Windows na visualiza o e na an lise do plano de informa o Ele indica por exemplo o tipo de dados e o tipo de arquivo usado para armazenamento o n mero de linhas e de colunas o sistema de georreferenciamento e o intervalo de coordenadas geogr ficas abrangidas em sua extens o O m dulo que permite a voc editar um arquivo documento Documentar Entretanto esses detalhes espec ficos referentes a tamanho localiza o e formato de armazenamento normalmente n o deveriam ser modificados Visualiza o b sica de imagem Lan ador de visualiza o c Para visualizar a imagem BRAZILFC clique sobre o cone do Lan ador de visualiza o o quinto da esquerda para a direita O Lan ador de visualiza o o primeiro de v rios componentes importantes do sistema de visualiza o Ele apresenta uma caixa de di logo na qual uma nova janela de mapa pode ser visualizada ao se trazer para a tela uma imagem um arquivo vetorial ou ainda a composi o completa de um mapa a composi o de mapas ser tratada no pr ximo exerc cio Para visualizar uma imagem n s necessitamos indicar o seguinte e o tipo de arquivo a ser visualizado a indica o padr o um arquivo imagem e o nome da imagem veja a nota especial que segue e a tabela de cores a qual por defi
214. do se alguma fun o matem tica reescalonar dados discretos para dar um determinado ndice subjetivo para cada categoria deve se basear em algum conhecimento Neste caso a ordem hier rquica foi especificada pelos incorporadores a Na escala de O a 255 atribuiremos o ndice de aptid o 255 para os campos 200 para reas com floresta 125 para reas de pecu ria e 75 para reas de agricultura Use EDIT e ASSIGN para alterar os identificadores das classes na imagem de fei es WETLUSE para os novos escores de aptid o relativa atribuindo zero a todas as demais categorias Denomine de LANDFAC o mapa de fatores padronizados derivado do mapa de uso do solo Fator dist ncia at o centro da cidade A fun o de reescalonamento mais comum toma um intervalo original de dados e efetua um realce linear simples Por exemplo medidas de dist ncia relativa do centro da cidade um determinante importante de lucro para os incorporadores ser o reescalonadas para um ndice de aptid o onde a maior dist ncia possui o menor escore de aptid o 0 e a menor dist ncia de custo tem o maior escore de aptid o 255 Uma fun o de decr scimo linear simples apropriada para este crit rio isto medida que a dist ncia de custo do centro da cidade aumenta a aptid o diminui veja a figura abaixo 255 Ona ca gt Dist ncia de custo Dist ncia de custo m nima TOWNDIST m xima b Para reescalonar nosso fator dist ncia de custo u
215. do usu rio do IDRISI for Windows para obter mais informa es Como uma introdu o ao m dulo este exerc cio ir demonstrar como avaliar evid ncia amostral para a qual a aplica o de conhecimento especialista importante e ent o derivar superf cies de probabilidade de forma a demonstrar esse conhecimento Este exerc cio tamb m ir demonstrar como combinar evid ncia para predizer a confian a em um fen meno ocorrendo sobre uma superf cie raster completa O usu rio ir avaliar a evid ncia existente usando conhecimento especialista para transformar a evid ncia em probabilidades para sustentar certas hip teses que representadas como superf cies de probabilidade ser o ent o agregadas no m dulo BELIEF O objetivo avaliar a probabilidade com que um s tio arqueol gico pode ser encontrado em cada pixel de uma superf cie representando o Canyon Pi on localizado no sudoeste dos Estados Unidos Dado o conhecimento sobre s tios arqueol gicos existentes e dado o conhecimento especialista sobre a cultura cada linha de evid ncia transformada em um plano de informa o representando a probabilidade de ocorr ncia de um s tio A evid ncia agregada produz resultados que s o usados para predizer a presen a de s tios arqueol gicos avaliar o impacto de cada linha de evid ncia no corpo total de conhecimento e identificar reas para pesquisa adicional 14 x f 3 P Kenneth Kvamme Department of Archaeology of Boston U
216. dr o como eles s o sugeridos O sistema de refer ncia US27TM16 mostrado porque havia informa o suficiente no cabe alho do arquivo DLG sobre o datum e o n mero da zona UTM para que o sistema selecionasse um arquivo de par metros do sistema de refer ncia espec fico Caso tal informa o n o estivesse presente o sistema de refer ncia padr o plano teria sido introduzido b Estaremos extraindo elementos de linha escolha portanto Linhas para o tipo de dado e entre ROADS como nome do arquivo de sa da Se j soub ssemos os c digos num ricos dos elementos que desejamos extrair poder amos indic los agora na caixa de di logo Em v rios aspectos o procedimento de extra o de fei es DLG assemelha se a RECLASS onde novos identificadores s o atribu dos para um c digo ou para um intervalo de c digos de atributo DLG Como n o sabemos os c digos das rodovias routes estradas roads e ruas streets escolha Escanear dados na caixa de di logo no canto inferior direito para visualizar a lista dos tipos de elementos de linha no arquivo DLG Voc pode deslocar se para a frente ou para tr s ao longo da lista pressionando as setas Observe como o m dulo DLG lista os c digos principais e os c digos secund rios associados a cada fei o As descri es correspondentes s o lidas no dicion rio de atributos DLG que acompanha o IDRISI for Windows 1 Qual o c digo principal para rodovias routes estradas roads
217. dulos que podem facilitar a an lise da mistura de classes MAXSET e MIXCALC A interface para MAXSET a mesma que para MAXLIKE BAYCLASS e BELCLASS Execute MAXSET e indique que voc quer usar as assinaturas contidas no arquivo de grupo de assinaturas WESTSIGS Use novamente probabilidades a priori iguais e denomine o resultado de WESTMIX Visualize o resultado usando a tabela de cores Qual 256 e legenda Repare que WESTMIX cont m tanto classes puras quanto mistura de classes Isso necessita ser interpretado A teoria de Dempster Shafer reconhece a possibilidade de que uma determinada evid ncia possa sustentar diversas classes sem ter condi es de distinguir entre elas Por exemplo ela reconhece a possibilidade de que a evid ncia possa dar suporte conclus o de que um pixel floresta dec dua ou de con feras sem estar apta a informar qual delas MAXSET Centro de Recursos Idrisi Brasil 168 8 IDRISI for Windows Exerc cios tutoriais avan ados avalia o grau de suporte para todos os conjuntos que podem ser criados para as classes individuais Nesse caso h 11 classes individuais principais para 2048 conjuntos poss veis MAXSET ent o atribui a cada pixel o conjunto para o qual existe o m ximo suporte 6 MAXSET apenas informa sobre aqueles conjuntos de misturas n o separ veis que foram identificados na imagem Entretanto muitos desses conjuntos ser o muito pequenos em extens o Use AREA para determinar as reas a
218. dut rios imagem DSOILS de modo a substituir os valores de solo argiloso pelo valor um e os valores dos demais tipos de solo pelo valor zero A adi o destes passos ao nosso modelo cartogr fico gera a Figura 3 DRELIEF area r pria prop BESTSORG em hectares BESTSOIL Figura 3 N s chegamos agora a um ponto na modelagem cartogr fica em que temos todos os dados necess rios A tarefa restante determinar exatamente que m dulos do IDRISI for Windows utilizar para realizar as opera es desejadas atualmente indicadas com pontos de interroga o na Figura 3 N s os substituiremos pelo nome do m dulo medida que trabalharemos o problema com SIG Primeiro criaremos uma imagem FLOOD isolando todas as reas na imagem DRELIEF com eleva es inferiores a 9 metros Para isso usaremos o m dulo RECLASS c N s j visualizamos DRELIEF anteriormente Deixe nos agora examinar as caracter sticas deste arquivo Se a visualiza o ainda estiver aberta clique duas vezes no nome da imagem DRELIFF na lista de arquivos da Composi o para ver seu arquivo de documenta o Se voc j fechou a janela de DRELIEF voc pode acessar as informa es usando Descrever do menu Arquivo ou da barra de ferramentas terceiro cone da esquerda para a direita 1 Quais os valores m nimos e m ximos de eleva o na imagem d Antes de executarmos qualquer an lise configure as Prefer ncias de visualiza o para que os
219. e expressa uma medida de incerteza sobre o estado de conhecimento dessa classe Centro de Recursos Idrisi Brasil d e 6 Dempster Shafer modificado 167 2 Crie imagens de intervalos de confian a similares para con feras e reas midas Chame os resultados de BINCONIF e CINWETLN Qu o similares essas imagens s o de BINDECID Visualize a imagem PLSCLU Essa a mesma imagem que BELCLASS criou quando calculamos os valores de confian a chamada BELCLU ela inclu da como uma imagem de sa da para uso em casos onde n o foram produzidos valores de confian a l Qu o similar PLSCLU s imagens de incertezas individuais BINDECID BINCONIF e BINWETLN As imagens BELCLU e PLSCLU criadas por BELCLASS expressam uma forma muito espec fica de incerteza conhecida na teoria de Dempster Shafer como ignor ncia Ignor ncia diferente de um intervalo de confian a no sentido que um intervalo de confian a espec fico de uma categoria enquanto a ignor ncia aplica se ao estado de conhecimento como um todo Ignor ncia expressa o grau com o qual o estado de conhecimento incapaz de distinguir entre as classes Em BELCLASS n s modificamos a teoria de Dempster Shafer para incluir implicitamente uma classe adicional que chamamos OUTRA ao admitir a possibilidade de um pixel pertencer a uma classe para a qual n s n o fornecemos reas de treinamento Logo a ignor ncia expressa o grau com que somos inaptos a dizer a que classe
220. e movimento combinado permite compor uma imagem raster completa do ambiente Uma t cnica simples de escaneamento usar um espelho rotativo que possa varrer o campo de visada na dire o oeste para leste de forma consistente O campo de visada interceptado com um prisma que pode dispersar a energia oriunda do IFOV em seus componentes espectrais Detectores fotoel tricos da mesma natureza que aqueles encontrados em medidores de exposi o luminosa comumente dispon veis xo Lillesand T amp Kiefer R 1987 Remote Sensing and Image interpretation New York Wiley 26 IDRISI for Windows Manual do usu rio em c meras fotogr ficas s o ent o dispostos no caminho deste espectro para fornecer medi es el tricas da quantidade de energia detectada em v rias partes do espectro eletromagn tico Conforme a varredura vai de oeste para leste estes detectores coletam um conjunto de leituras ao longo da mesma Essas leituras formam as colunas ao longo de uma linha de um conjunto de imagens raster uma para cada detector O movimento do sat lite de norte para sul posiciona ent o o sistema para detectar a pr xima linha processo cujo final resulta na produ o de um conjunto de imagens raster com um registro da reflect ncia ao longo de um intervalo de bandas espectrais Sistemas plataforma sensor Em fun o dos recentes desenvolvimentos em sensores existem atualmente v rias plataformas dispon veis para a capta o de dados de
221. e a posteriori usando a Visualiza o e a tabela de cores padr o Idrisi 256 l Compare as imagens BAYDECID e BAYCONIF Como voc caracteriza a habilidade do classificador em indicar se um pixel pertence classe floresta dec dua ou se pertence classe floresta de con feras Para facilitar a compara o destas imagens o BAYCLASS cria duas sa das adicionais A primeira um arquivo de grupo de imagens com o prefixo que voc indicou para os arquivos de sa da BAY IGF neste caso V para Prefer ncias de visualiza o no menu Visualiza o e especifique que deseja usar o modo avan ado de consulta do cursor com o arquivo de grupo de imagens denominado BAY Saia da caixa de di logo Prefer ncias de visualiza o e clique sobre a barra superior da imagem BAYDECID para assegurar se de que ela a imagem ativa Observe pr ximo ao topo da imagem a floresta distinta que inclui a c lula da coluna 324 e linha 59 Use a op o de sele o de janela para ampliar uma janela deste talh o Observe que existe uma quantia comparativamente maior de incerteza sobre muitos destes pixels em compara o com outros talh es de floresta dec dua Ative novamente o bot o de consulta com o cursor e consulte v rios destes pixels Voc perceber que uma janela especial se abrir listando as probabilidades a posteriori para cada uma das classes em cada pixel consultado Ative a op o de mostrar gr fico do valor z nas Prefer ncias de visualiza
222. e baixa confian a Como temos os pontos 8 e 13 pr ximos ao ponto 9 ambos com n vel de confian a bom vamos omitir o ponto 9 e recalcular o RMS 4 Qual o erro RMS Embora o resultado esteja um pouco mais alto que o padr o de acur cia de mapas dos Estados Unidos est bastante pr ximo Al m disso o ponto com o pr ximo res duo mais alto o ponto 1 tem uma posi o relativamente isolada e importante na imagem Ele foi considerado bom com rela o ao n vel de confian a na determina o das coordenadas de posi o N o ser vantajoso omitir esse ponto Continuaremos com o processo de reamostragem com este conjunto de pontos de controle q Pressione OK para continuar o processo de reamostragem O computador est executando o quarto e ltimo passo do processo de reamostragem A imagem inteira est sendo transformada para o novo sistema de refer ncia de acordo com a equa o r s t Quando a reamostragem estiver completa a equa o atual ser mostrada junto com as coordenadas dos pontos de controle e os res duos individuais Voc pode imprimir esse arquivo de texto selecionando o cone de impress o Visualize a nova imagem PAXRESAM com a tabela de cores Tons de cinza 256 e com autoescalonamento Use a Composi o para sobrepor o plano vetorial PAXROADS com o arquivo de s mbolos padr o e examine o grau com que as informa es vetoriais e raster coincidem Visualize a imagem original PAXTON e note
223. e cores Tons de cinza 256 mas desta vez use o autoescalonamento Observe que o contraste aumenta Certifique se do efeito de autoescalonamento mostrando a mesma imagem HOW87TMA4 com e sem autoescalonamento lado a lado Agora execute HISTO novamente mas desta vez mantenha os valores m nimos e m ximos fornecidos que s o na verdade os valores m nimos e m ximos da imagem Voc tamb m pode usar a liga o r pida Histograma da imagem acionando o bot o Propriedades da Composi o para ver o histograma da imagem ativa com os valores fornecidos pelo programa 2 Fa a um desenho esquem tico similar ao da Figura 1 do histograma de HOW87TM4 com autoescalonamento Se voc estiver conectado a uma impressora pode tamb m pressionar o cone de Imprimir na janela do histograma Identifique o eixo horizontal com valores dos dados nos pontos extremos e com uma descri o da tabela de cores ao longo do eixo p ex preto cinza e branco A diferen a entre os dois histogramas ilustra os efeitos do autoescalonamento Os pontos extremos do segundo histograma agora alcan am o extremo do eixo horizontal O valor m nimo igual a zero mostrado em preto e o valor m ximo de 190 mostrado em branco com os valores m dios tendo tons vari veis de cinza O autoescalonamento n o altera os valores armazenados no arquivo ele apenas modifica o intervalo de cores que mostrado Embora o autoescalonamento geralmente melhore o contraste o resultado
224. e dos efeitos do esquema de probabilidades a priori 3 Voc observou qualquer mudan a significativa que n o era bvia na quest o 2 acima 4 Como voc descreveria o padr o de reas que est o al m dos limites da cidade e sofreram mudan a em compara o com aquelas que mudaram no interior da rea urbana 5 O que pode ser conclu do sobre o valor do uso de defini o espacial de probabilidades a priori versus uma defini o n o espacial A defini o espacial de probabilidades a priori oferece uma ajuda poderosa ao processo de classifica o Embora um interesse consider vel tenha sido dirigido para a possibilidade de uso de SIG como uma entrada no processo de classifica o os progressos t m sido um pouco lentos em grande parte devido inabilidade de especificar probabilidades a priori de modo espacial O procedimento ilustrado aqui oferece uma liga o muito importante e abre a porta para uma ampla gama de modelos em SIG tal como o procedimento da Corrente de Markov ilustrado aqui que podem auxiliar neste processo 42 EAD du i i Para usar a edi o interativa da legenda coloque o cursor sobre a caixa de legenda da classe a ser editada Mantenha acionada a tecla Shift e clique o bot o direito do mouse Voc poder ent o mudar a cor e o nome desta classe Voc ter ainda a chance de salvar esta nova tabela de cores quando a janela de visualiza o do mapa for fechada 2 Desenvolvimento de assin
225. e eleva o da Eti pia Como voc j fez anteriormente mude a janela ativa para um outro mapa 2 O que aconteceu com as tabelas de cores das imagens de fundo Com que qualidade o Windows funcionou para compor suas tabelas ao mesmo tempo que a da janela de mapa ativa importante reconhecer que este problema de ajuste de tabela de cores desaparece completamente se voc tiver um adaptador gr fico de 15 bits ou mais mem ria de visualiza o Entretanto atualmente muitos de n s possuem sistemas gr ficos de 8 bits assim melhor reconhecer este fato e levar em considera o as seguintes sugest es i Com tabelas de 16 cores os problemas s o menos prov veis Por exemplo a raz o do Windows ter sido capaz de fazer adequadamente a combina o de BRAZILFC com DEC88C porque a tabela NDVI 16 possui apenas 16 cores al m disso a tabela Composi o colorida 256 cont m uma gama de escolha de cores bem mais ampla Algumas vezes voc encontrar dificuldades em perceber uma tabela de cores verdadeira de 256 cores mesmo se sua placa gr fica capaz de mostrar tantas cores Windows reserva sempre 20 cores para assegurar que ele tenha as cores necess rias para mostrar seus elementos b sicos Como resultado voc tem controle verdadeiro sobre apenas 236 cores No caso de sua tabela de cores usar as 20 cores que o Windows usa sua tabela pode aumentar at o total de 256 Entretanto para algumas tabelas esta tarefa quase impo
226. e essa compensa o ir impactar o resultado final muito limitado pelo seu baixo peso Em termos de risco relativo vimos anteriormente como uma MCE Booleana que usa a opera o AND essencialmente uma opera o muito conservadora ou contr ria a riscos e que a opera o OR aceita riscos Estes s o os extremos de um cont nuo de aceita o de risco ANDness A WLC entretanto est exatamente no meio deste cont nuo sendo caracterizada portanto por uma compensa o plena e risco m dio veja a figura a seguir h 9 Avalia o por crit rios m ltiplos Combina o linear ponderada 189 MCEWLC 1 e C o m P e n S a a o 0 1 Aceita o de risco 0 Execute MCE usando a op o de Combina o Linear Ponderada Recupere o arquivo de par metros dos seis fatores e seus respectivos pesos chamado RESDEV que voc criou no item anterior Especifique ainda o uso de duas restri es LUSECON e WATRCON Denomine a imagem resultante de MCEWLC e salve novamente o arquivo de par metros Mais uma vez iremos comparar o resultado com os arquivos de entrada usando a consulta expandida do cursor Use EDIT e escolha criar um novo arquivo de grupo de imagens chamado MCEWLC Adicione ao grupo os sete arquivos a seguir MCEWLC IGF MCEWLC LANDFAC WATRFAC ROADFAC TOWNFAC SLOPFAC DEVLFAC Visualize MCEWLC e use a consulta expandida do cursor para explorar a imagem Assegure se de ter redefinido o arquivo de grupo n
227. e estamos realizando este processo apenas com prop sitos ilustrativos e did ticos Pressione Continuar PROJECT perguntar ent o o n mero de colunas e de linhas e as coordenadas m nimas e m ximas de X e Y para a rea a ser projetada Voc poder usar as op es sugeridas j que queremos no resultado a mesma rea com a resolu o espacial inerente Quando PROJECT tiver terminado visualize o resultado com autoescalonamento e Para confirmar se nossa transforma o funcionou execute PROJECT novamente e transforme o arquivo vetorial denominado STREAMB3 para o sistema de refer ncia SPC83WI3 voc pode denominar o resultado de SPCSTRM Adicione ent o este resultado como outro plano na Visualiza o de SPCDEM Voc pode transformar tamb m os outros arquivos vetoriais se desejar Aqui vemos ent o nossos arquivos no sistema State Plane Desta vez embora n o tenhamos mudado o datum n s alteramos tanto a proje o de Transversa de Mercator para C nica Conforme de Lambert quanto o sistema de grade j que eles tem origens falsas e verdadeiras diferentes 41 2 o 2 PPRP PRA kit Atualmente n o h uma grande diferen a entre as duas op es quando o dado quantitativo e a resolu o n o for significativamente alterada A op o Bilinear produz uma superf cie mais suavizada mas altera os valores dos seus n veis originais O Vizinho mais pr ximo n o altera qualquer valor mas produz um resultado m
228. e grupo de assinaturas para as 11 assinaturas criadas no exerc cio 1 Quando solicitado indique que voc deseja usar o editor de arquivos de grupo e denomine o de WESTSIGS Adicione a seguir cada uma das seguintes assinaturas na ordem indicada OLDRS Residencial antiga NEWRS Residencial nova INDCM Industrial comercial ROADS Estradas WATER gua AGPAS Agricultura pecu ria DECID Floresta dec dua WETLN Banhados GOLFG Pistas de golfe gramados CONIF Floresta de con feras SHALW gua rasa b Execute agora o m dulo BAYCLASS Voc perceber que a interface para este m dulo quase igual de MAXLIKE Indique que voc deseja usar o arquivo de grupo de assinaturas denominado WESTSIGS Selecione probabilidades a priori iguais e use o prefixo BAY para as imagens de sa da 47 r ede gareg ini Rr A ordem na qual as assinaturas s o introduzidas n o de fato importante Esta ordem simplesmente usada para que se possa utilizar mais tarde a tabela de cores pr elaborada denominada SPMAX Centro de Recursos Idrisi Brasil 160 c d e IDRISI for Windows Exerc cios tutoriais avan ados A sa da de BAYCLASS na forma de uma s rie de mapas de probabilidade a posteriori uma para cada classe BAYOLDRS BAYNEWRS BAYINDCM etc Os valores nelas armazenados representam a probabilidade de cada pixel pertencer classe correspondente Examine essas imagens de probabilidad
229. e imagens NDVI ou um ndice similar submetida an lise uma vis o muito detalhada das mudan as ambientais e tend ncias pode ser obtida Neste caso a primeira componente mostrar o NDVI t pico sobre a s rie completa enquanto cada componente sucessiva ir ilustrar eventos de mudan a em uma sequ ncia com import ncia ordenada Examinando se estas imagens juntamente com gr ficos da sua correla o com as bandas individuais na s ries original pode ser obtida uma percep o importante da natureza das mudan as e tend ncias sobre a s rie temporal Centro de Recursos Idrisi Brasil Introdu o ao sensoriamento remoto e processamento de imagens 35 Conclus es Dados de sensoriamento remoto s o importantes para uma grande variedade de disciplinas Essa import ncia certamente aumentar com a maior disponibilidade de dados prometida por um crescente n mero de sistemas operacionais A disponibilidade destes dados associada ao software necess rio para analis los oferece oportunidades para planejadores e estudantes da rea ambiental particularmente nas reas de mapeamento de uso do solo e detec o de mudan as das quais n o se ouvia falar h poucas d cadas atr s A estrutura raster inerente aos dados de sensoriamento remoto os torna prontamente compat veis com os SIG raster e v rios incluindo o IDRISI for Windows s o projetados para desempenharem tarefas de processamento de imagens e para facilitar a incor
230. e modo distinto com diferentes tipos de Centro de Recursos Idrisi Brasil 120 IDRISI for Windows Exerc cios tutoriais introdut rios cobertura do solo qual voc pensa ser o tipo de cobertura do solo que est causando o pequeno pico de pixels com valores baixos na banda do infravermelho Em segundo lugar vamos retornar rapidamente s nossas imagens submetidas ao processo de realce e pensar como imagens real adas podem aumentar o contraste e desta forma a informa o mas sem acrescentar na verdade nenhum significado m Realce HOW87TM1 com equaliza o de histograma e 256 n veis Chame o resultado TMIHE Visualize tamb m TMIL25 Observe como essas imagens s o diferentes A vers o da banda 1 com equaliza o de histograma certamente tem muita varia o mas n s perdemos a no o de que a maior parte da cobertura nesta imagem floresta absorve muita energia nesta banda devido umidade e aos pigmentos das folhas melhor evitar a t cnica de equaliza o de histograma sempre que voc quiser ter no resultado uma no o visual das caracter sticas de absor o reflect ncia de tipos de cobertura do solo De fato na maioria das vezes um realce linear com satura o melhor Lembre que imagens real adas servem apenas para visualiza o Como elas foram manipuladas n o s o confi veis para an lise Use apenas dados originais ou brutos para an lise a n o ser que voc tenha uma raz o muito espec
231. e pesos de ordena o voc usou Que n vel de compensa o existe em sua opera o de m ximo Que n vel de risco Os resultados de m nimo e m ximo est o localizados nos pontos extremos de nosso cont nuo de ANDness mas compartilham a mesma posi o de n o compensa o Centro de Recursos Idrisi Brasil 194 IDRISI for Windows Exerc cios tutoriais avan ados MCEAVG 1 J C o m P e n S a o MCEMIN MCEMAX 0 o 1 ANDness 0 Avers o a risco Aceita o de risco Execu o de OWA Variando n veis de risco e compensa o Est claro que a t cnica OWA pode produzir resultados que s o muito similares aos resultados de AND OR e WLC De certo modo eles s o todos subconjuntos de OWA Entretanto como podemos alterar os pesos de ordena o em termos de seu deslocamento e dispers o podemos produzir uma s rie quase infinita de solu es poss veis para nosso problema de desenvolvimento residencial isto solu es que situem se em qualquer lugar ao longo de um cont nuo entre AND e OR e que possui n veis vari veis de compensa o Por exemplo em nosso problema de desenvolvimento residencial os planejadores urbanos podem estar interessados em uma solu o conservadora ou de baixo risco para identificar reas pr prias para uso residencial Entretanto eles tamb m sabem que suas estimativas de como os fatores podem ser compensados com os demais tamb m s o importantes e deveriam ser co
232. e prov ncias da Eti pia para ilustrar o uso de arquivos de texto em composi es de mapa Neste exerc cio tamb m utilizaremos dados da Eti pia mas com as v rias unidades administrativas que constituem as prov ncias no arquivo chamado awrajas Come aremos examinando os planos de dados espaciais que definem as awrajas a Para este exerc cio desligue a op o Visualizar automaticamente as sa das dos m dulos anal ticos nas Prefer ncias da visualiza o Desligue tamb m as op es T tulo vis vel e Legenda vis vel e quaisquer outros componentes do mapa que voc eventualmente tenha ligado Durante este exerc cio n s vamos explicitar aquilo que queremos visualizar Visualize a imagem AWRAJAS utilizando a tabela de cores personalizada denominada ETHIOPIA e a op o de autoescalonamento Adicione o arquivo vetorial AWRAJAS utilizando o arquivo de s mbolos Padr o usual Use o modo de consulta do cursor para examinar alguns dos valores da imagem Os valores contidos na imagem AWRAJAS s o identificadores de fei es Cada awraja possui um nico identificador Como voc provavelmente percebeu alguns possuem valores elevados e o sistema de numera o n o aparenta ser sequencial v rios valores s o deixados de fora De fato os identificadores indicam tanto as prov ncias quanto a awraja Por exemplo awrajas 401 402 403 e 404 pertencem todos mesma prov ncia aquela que chamamos de Gamo Gofa no Exerc cio 4 e s o todas mos
233. e se interpreta o de imagens auxiliada por computador uma opera o vital para uso em SIG Finalmente a transforma o de imagens refere se deriva o de novas imagens atrav s de algum tratamento matem tico das bandas das imagens brutas Para compreender as opera es listadas nesta se o necess rio ter acesso a um software de processamento de imagens Entretanto como j foi afirmado anteriormente muitos sistemas raster oferecem atualmente uma mistura de ferramentas de SIG e de processamento de imagens No IDRISI for Windows os m dulos encontrados no menu de An lise Processamento de imagens permitir o a voc realizar todos os procedimentos descritos a seguir Corre o de imagens Imagens de sensoriamento remoto do meio ambiente s o usualmente captadas a grande dist ncia da superf cie da Terra Como consequ ncia h um percurso atmosf rico substancial que a energia eletromagn tica precisa atravessar antes de chegar ao sensor Dependendo dos comprimentos de onda envolvidos e das condi es atmosf ricas a energia que atinge o sensor pode ser substancialmente modificada O pr prio sensor pode interferir uma vez que pode combinar uma variedade de componentes mec nicos ticos e el tricos que servem para modificar ou mascarar a energia radiante medida Al m disso durante o per odo em que a imagem est sendo adquirida o sat lite segue uma faixa que est sujeita a pequenas varia es ao mesmo tempo em que
234. ecrescente em forma de J O primeiro ponto de controle o valor no qual a aptid o come a a declinar do valor m ximo e o segundo ponto de controle o valor estimado do ponto de inflex o na curva ou o ponto intermedi rio at a base da curva onde a associa o ao conjunto come a a se aproximar de zero No nosso caso o primeiro ponto de controle c ser 50 e o segundo d ser 400 metros Ajuste o 9 Avalia o por crit rios m ltiplos Combina o linear ponderada 187 formato dos dados de sa da para byte e especifique ROADFAC como nome da imagem de sa da Voc poder visualizar o resultado usando ORTHO Para tal siga os mesmos passos utilizados para essa finalidade nos passos 2 e 3 do item c indicando como imagem de relevo ROADFAC e como nova imagem de cobertura ROADFACD deve ser copiada antes de executar ORTHO 2 Em que a curva em forma de J difere da curva sigmoidal Sugest o Observe tanto na Visualiza o das imagens quanto nos produtos de ORTHO que n o existem valores representando reas absolutamente inaptas Fator declividades Sabemos das nossas discuss es anteriores que reas com declividades inferiores a 15 s o as de melhor efici ncia de custo Entretanto as declividades mais baixas s o as melhores e qualquer declividade acima de a 15 igualmente inapta Usaremos novamente a fun o sigmoidal para reescalonar nossos dados para o intervalo de O a 255 e Ao executar FUZZY neste caso
235. egiiente Por exemplo duas esp cies de rvores podem ter uma colora o bastante diferente em uma poca do ano e muito similar em outra 22 IDRISI for Windows Manual do usu rio 4 Encontrar padr es de resposta espectral distintos a chave para a maior parte dos procedimentos de interpreta o de imagens de sensoriamento remoto auxiliada por computador Esta tarefa n o trivial Al m do mais o analista precisa encontrar a combina o de bandas espectrais e a poca do ano em que padr es distintos possam ser encontrados para cada uma das classes de informa o de interesse Por exemplo a figura 3 4 mostra um padr o de resposta espectral t pico para vegeta o juntamente com os de gua e de solo exposto seco A forte absor o pelos pigmentos da folha particularmente clorofila nas regi es do azul e do vermelho da por o vis vel do espectro conduz apar ncia verde caracter stica da vegeta o saud vel Entretanto enquanto esta assinatura bem diferente das superf cies sem vegeta o ela n o muito capaz de distinguir entre esp cies a maioria ter uma cor verde similar na idade madura No infravermelho pr ximo todavia n s encontramos um retorno muito maior das superf cies com vegeta o devido ao espalhamento dentro da camada mesof lica das folhas Os pigmentos das plantas n o absorvem energia nesta regi o de forma que a dispers o combinada com o efeito multiplicador de um dossel completo de fo
236. ela Graduate School of Geography da Clark University Ele foi projetado para ser um instrumento para pesquisa geogr fica profissional baseado no baixo custo e sem fins lucrativos Desde sua introdu o em 1987 o IDRISI vem crescendo e se tornando o SIG raster e de processamento de imagens para microcomputadores de maior difus o no mercado Este sistema vem sendo usado em cerca de 120 pa ses em todo o mundo em uma ampla gama de pesquisas em rg os p blicos no planejamento local como fonte de gerenciamento e em institui es educacionais Hoje o IDRISI sustentado por uma equipe dedicada em tempo integral ao seu desenvolvimento ao apoio t cnico e ao atendimento ao usu rio profissional nos Clark Labs for Cartographic Technology and Geographic Analysis George Perkins Marsh Institute Clark University Durante seu desenvolvimento inicial houve apoio parcial do Programa das Na es Unidas para o Meio Ambiente Banco de Dados sobre Recursos Globais UNEP GRID do Instituto das Na es Unidas para Treinamento e Pesquisa UNITAR e da Ag ncia para Desenvolvimento Internacional dos Estados Unidos USAID Hoje todo o apoio vem da venda do software mas rela es estreitas com estas e outras ag ncias de desenvolvimento ainda s o mantidas na tentativa de prover um custo acess vel aos instrumentos de an lise geogr fica O IDRISI l der na funcionalidade anal tica raster cobrindo todo o espectro de necessidades de SIG e de sensoriam
237. elativos para cada um dos fatores no processo de agrega o Os pesos dos fatores algumas vezes chamados de pesos de compensa o s o atribu dos a cada fator eles indicam a import ncia relativa de cada fator em rela o aos demais e controlam como os fatores ir o compensar se uns aos outros No caso da WLC onde os fatores se compensam totalmente fatores com aptid o elevada em um local podem compensar outros fatores com baixa aptid o neste mesmo local O grau com que um fator pode compensar o outro determinado pelo seu fator ou peso de compensa o No IDRISI for Windows o m dulo WEIGHT utiliza uma t cnica de compara o pareada para desenvolver um conjunto de pesos de fatores As compara es referem se import ncia relativa dos dois fatores na determina o de sua aptid o para o objetivo determinado O m dulo informa os novos pesos juntamente com uma raz o de consist ncia A raz o de consist ncia tem a inten o de instruir o usu rio sobre quaisquer inconsist ncias ocorridas durante o processo de compara o pareada O m dulo permite um processo iterativo de explora o onde o usu rio ou grupo de usu rios pode experimentar uma variedade de esquemas de pondera o atribui o de pesos Centro de Recursos Idrisi Brasil 188 IDRISI for Windows Exerc cios tutoriais avan ados g Execute WEIGHT e especifique que voc quer usar o arquivo de compara o pareada pcf RESDEV existente em seu diret rio de
238. elho verde e azul necess rias para produzir a cor desejada Este um sistema aditivo prim rio RGB que exige algum esfor o para aprender a us lo Por exemplo misturando se vermelho e verde produz se amarelo e misturando se todas as tr s cores na mesma quantidade produz se algumas formas de cinza branco ou preto dependendo das quantidades quanto mais das tr s cores mais claro A quantidade de cada cor prim ria medida por unidades que v o de O aus ncia at 255 m ximo Voc usa as barras de rolagem das cores para produzir estas misturas Uma fun o extremamente til ao desenvolvimento de tabelas de cores para dados quantitativos a fun o Misturar Para us la defina as duas cores para os dois extremos de uma segii ncia Centro de Recursos Idrisi Brasil 58 b IDRISI for Windows Exerc cios tutoriais introdut rios Depois especifique estes ndices como as ncoras superior e inferior na fun o de mistura da tabela e pressione o bot o Misturar Isto far com que a Oficina de tabelas de cores interpole os valores intermedi rios para todas as caixas entre as duas cores ncora A faixa de autoescalonamento define a faixa de cores que ser usada quando a imagem autoescalonada voc ver mais sobre isso no pr ximo exerc cio Caso voc escolha reverter a tabela de cores somente as cores dentro da faixa de autoescalonamento ser o revertidas Se voc quiser reverter cores fora da faixa mude
239. em os dois resultados intermedi rios 2 Que conjunto de fatores e pesos de ordena o poder o nos dar este resultado Execute MCE e escolha a opera o OWA Especifique LUSECON e WATRCON como as restri es INTERCOST e INTRENV como dois fatores indique os pesos dos fatores e de ordena o apropriados e denomine o resultado MCEFINAL Como ltimo passo nesta an lise iremos isolar novamente reas com 20 hectares ou mais que t m alto escore de aptid o final O valor limite que usaremos para alta aptid o o valor de 145 veja o histograma da imagem MCEFINAL Use o mesmo conjunto de passos das se es anteriores e salve sua imagem de rea cont guas com mais de 20 hectares como HT20FIN Visualize esta imagem e adicione o arquivo vetorial WEARDS usando o arquivo de s mbolos Qualitativa 16 1 Quantas reas aparecem ap s esta ltima an lise Por que n o existem mais reas com pelo menos 20 hectares Centro de Recursos Idrisi Brasil 198 IDRISI for Windows Exerc cios tutoriais avan ados 2 Compare este resultado final com os resultados anteriores especialmente HT20BOOL e HT20WLC Que resultados anteriores t m a mesma rea de alta aptid o Por que OWA oferece uma ferramenta extraordinariamente flex vel para MCE Como as t cnicas WLC tradicionais ela nos permite combinar fatores com pesos de fatores vari veis mas prossegue com outro passo permitindo controlar o grau de compensa o entre fatores e o n vel de
240. em rela o a um arquivo raster Por que isso acontece Visualiza o de relevo em perspectiva e imagens de cobertura Todos os mapas que produzimos at agora t m tido a vis o ortogonal tradicional i e n s os olhamos verticalmente sobre o mapa Entretanto o IDRISI for Windows tamb m oferece a possibilidade de mostrar dados em perspectiva O m dulo que cria estas visualiza es ORTHO uma abrevia o do termo ortographic ortogr fico porque o tipo de perspectiva utilizado conhecido como ortographic perspective perspectiva ortogr fica ORTHO trabalha tomando informa es de uma ou duas imagens que se deseja visualizar em perspectiva para criar um nova imagem raster que contenha essa vis o em perspectiva Entretanto como se assume que voc deseja visualizar o resultado imediatamente o Lan ador de visualiza o automaticamente chamado para permitir que voc fa a isso Como consegii ncia ele tamb m perguntar a voc a tabela de cores a usar assim como os par metros da perspectiva Como j foi mencionado ORTHO solicitar informa es acerca de uma ou de duas imagens A primeira imagem a que cont m os dados de eleva o e a que ser mostrada em perspectiva Esta uma imagem raster comumente conhecida como Digital Elevation Model Modelo Digital de Eleva o DEM que pode conter qualquer tipo de n mero byte inteiro ou real e n o necessariamente representar dados de altitude A segunda im
241. em rela o ao que seria normal para qualquer outra rea A an lise dos res duos nos remete a quest es interessantes tais como que outras vari veis poderiam influenciar tais prov ncias Por exemplo mercados em Welo mostram altos res duos negativos i e o repasse real dos pre os menor do que o valor estimado Isto pode estar relacionado inseguran a devido guerra civil colapso do sistema de mercados durante a fome de 1984 ou outras causas ainda n o estudadas Embora nenhuma an lise formal tenha sido feita nesta frente o potencial para ampliar nossa compreens o sobre a vari vel dependente aumentou a partir da an lise dos res duos Centro de Recursos Idrisi Brasil 15 Vari veis dicot micas e regress o log stica Neste exerc cio ilustraremos o uso de regress o log stica Como discutido anteriormente a regress o log stica aplic vel quando a vari vel dependente discreta e sua rela o com as vari veis independentes segue uma curva log stica Para resolver a regress o log stica no IDRISI for Windows refira se aos procedimentos documentados no sistema de ajuda on line do m dulo LOGITREG Este exerc cio explora o uso da regress o log stica para analisar e predizer altera es em florestas A cidade de Westboro em Massachusetts EUA experimentou altera es na cobertura do solo nas ltimas d cadas e altera es na cobertura florestal s o assunto de particular interesse Obtivemos dados de
242. enado hierarquicamente qualquer n mero das melhores c lulas pode ser identificado usando RECLASS No nosso caso queremos identificar os melhores 1 600 hectares para desenvolvimento residencial Entretanto como RESRANK tem valores que indicam ordem hier rquica necessitamos converter esta rea em n mero de c lulas Nosso conjunto de dados tem resolu o de 20 metros ou 0 4 hectares por c lula um hectare cont m 10 000 metros quadrados Como resultado 1 600 hectares equivalem a 40 000 c lulas Agora execute RECLASS com a imagem de entrada RESRANK Selecione a reclassifica o personalizada Indique que voc quer atribuir um novo valor de 1 a todas as c lulas de hierarquia 1 at 40000 e o valor O para aquelas que v o de 40000 at 999999 todos os demais valores acima de 40000 Denomine o arquivo de sa da de BESTRES Quando o processamento houver terminado voc poder visualizar o resultado usando a tabela de cores Qualitativa 16 Agora use os mesmos procedimentos RANK e RECLASS para produzir um mapa com as melhores reas para desenvolvimento industrial Crie INDRANK a partir de INDSUIT descendente usando MCEFINAL ascendente como a imagem de classifica o secund ria A seguir use RECLASS para criar a partir de INDRANK o mapa BESTIND que identifica as 11 Tomada de decis o com objetivos m ltiplos 201 melhores 15000 c lulas o equivalente a 600 hectares Finalmente use CROSSTASB encontrado no submenu An lise Consulta
243. endente para a vari vel dependente A signific ncia do coeficiente expressa na forma de um t estat stico O t estat stico verifica a signific ncia das vari veis partindo do zero isto nenhum efeito No nosso caso o t estat stico n o excedeu os seguintes valores cr ticos para que nenhuma vari vel independente fosse considerada significante 27 7 E pe aus Reveja qualquer texto introdut rio sobre estat stica para uma explica o detalhada de R teste F e teste t 28 a P T ia zia f P Tabelas do F estat stico e do t estat stico est o dispon veis no final da maioria dos livros de estat stica 14 Regress o m ltipla em SIG 217 n vel de signific ncia de 99 com 32 graus de liberdade 2 45 n vel de signific ncia de 85 com 32 graus de liberdade 1 055 O coeficiente da dist ncia tem um t estat stico de 2 54 o t estat stico da precipita o 3 04 e o t estat stico de propriedade de bois 1 41 Isso indica que as vari veis de dist ncia e de precipita o s o altamente significantes 09 enquanto a propriedade de bois tem uma signific ncia relativa menor 85 O t estat stico e o F estat stico combinados s o os testes mais comuns usados para estimar o sucesso relativo do modelo e para adicionar e excluir vari veis independentes de um modelo de regress o A sa da tamb m produz dois arquivos de valores denominados PREDICT e RESID Eles s o o modelo de regress o dos valores de repasse de
244. enos cont nuo Centro de Recursos Idrisi Brasil 150 IDRISI for Windows Exerc cios tutoriais introdut rios O IDRISI for Windows oferece mais de 400 arquivos de sistema de refer ncia Entretanto existem possibilidades quase infinitas e perfeitamente poss vel que o sistema que voc necessita para seu trabalho n o esteja dispon vel nesta lista Neste caso a melhor forma de proceder copiar um arquivo existente que possua proje o similar que voc deseja e usar EDIT para atualizar esta c pia com os par metros corretos Os detalhes sobre estes par metros podem ser encontrados no cap tulo Georreferenciamento do Manual do usu rio do IDRISI for Windows Antes de terminar este exerc cio vale a pena observar aqui a diferen a entre PROJECT e RESAMPLE que n s usamos no Exerc cio 15 Eles s o similares em alguns aspectos mas muito diferentes em outros RESAMPLE um meio para transformar um sistema de refer ncia desconhecido e possivelmente irregular para um conhecido PROJECT por outro lado transforma de um sistema conhecido para outro tamb m conhecido Adicionalmente PROJECT usa f rmulas espec ficas para suas transforma es enquanto RESAMPLE usa uma equa o de melhor ajuste baseada em um conjunto de pontos de controle EXERC CIOS TUTORIAIS AVAN ADOS Os exerc cios nesta se o oferecem a oportunidade de explora o de uma variedade de t picos avan ados em Sistemas de Informa o Geogr fica e Proces
245. ens de bandas multiespectrais que podem ser usadas individualmente ou combinadas na forma de uma composi o colorida Para uso em an lise digital placas gr ficas especiais conhecidas como frame grabbers podem ser usadas para congelar qualquer quadro de uma seq ncia cont nua de v deo e convert lo para formato digital geralmente em um dos mais populares formatos de interc mbio como TIF ou TARGA Scanners multiespectrais A fotografia provou ser um importante dispositivo para a interpreta o visual e para a produ o de mapas anal gicos Entretanto o desenvolvimento de plataformas em sat lites e a necessidade de telemetrar imagens na forma digital assim como o desejo por imagens altamente consistentes deram impulso ao desenvolvimento de scanners de estado s lido como formato principal para a capta o de dados de sensoriamento remoto Os aspectos espec ficos dos diferentes sistemas variam Na discuss o que segue apresentado um esquema representativo dos sistemas atualmente em uso Campo de visada total FOV Movimento do Figura 3 6 Configura es operacionais do sistema Landsat TM Lillesand amp Kiefer 1987 adaptado A l gica b sica de um sensor de escaneamento o uso de um mecanismo para varrer um pequeno campo de visada conhecido como instantaneous field of view IFOV ou campo de visada instant neo na dire o oeste para leste ao mesmo tempo em que o sat lite est se movendo de norte para sul Est
246. ente as reas num raio de at 300 metros de dist ncia das reas j constru das s o consideradas as melhores para novo desenvolvimento pelos ambientalistas interessados na preserva o de habitats de vida selvagem isolados Criando mapas dos fatores Booleanos k Dos mapas de fatores criados anteriormente use qualquer combina o de RECLASS ou EDIT e ASSIGN para criar um novo conjunto de imagens de fatores Booleanos D a elas os nomes de 8 Avalia o por crit rios m ltiplos An lise Booleana 181 sa da indicados na tabela a seguir D para todas as reas aptas o valor 1 e s reas n o aptas o valor 0 Mapa de fator Mapa de fator Booleano LANDAVAL LUSECOST ROADDIST ROADBUFF TOWNDIST TOWNBUFF SLOPE BESTSLOP PROTDIST PROTBUFF DEVLDIST DEVLBUFF A abordagem Booleana para MCE Regra de decis o Florestas e campos num raio de 400 m de rodovias a 10 min ou menos do centro da cidade 400 c lulas declividades inferiores a 15 afastadas mais de 50 m de reas tamp o j existentes a menos de 300 m de reas j constru das Agora que todos os nossos fatores foram transformados em imagens Booleanas podemos combin las no m dulo MCE MCE permite a voc escolher entre tr s procedimentos MCE diferentes Booleano Combina o linear ponderada e M dia ponderada ordenada Para esta parte do exerc cio usaremos a op o Booleana Esta op o permite a entrada de qualquer n mero de restri es que ser o
247. ento de dados espaciais e de atributo poss vel realizar an lises na Oficina de banco de dados e ent o imediatamente aplicar os resultados ao dado espacial correspondente visualizando os resultados na forma de um mapa Os software que oferecem visualiza o cartogr fica digitaliza o de mapas e capacidades de consulta ao banco de dados s o freq entemente chamados de sistemas AM FM Automated Mapping and Facilities Management Sistema de an lise geogr fica At este ponto descrevemos um conjunto abrangente de fun es a digitaliza o de dados espaciais e a liga o de atributos s fei es armazenadas a an lise deste dados baseados nestes atributos e a visualiza o dos resultados na forma de mapa Existe no mercado uma gama de sistemas que t m exatamente estas possibilidades muitos dos quais n s denominamos de SIG Embora estas fun es sejam teis tal conjunto de fun es n o constitui necessariamente um SIG O componente que falta a possibilidade de analisar dados baseado em suas caracter sticas espaciais reais Para isso necessitamos de um Sistema de an lise geogr fica Com um sistema de an lise geogr fica ampliamos as possibilidades de consulta a bancos de dados tradicionais para incluir a possibilidade de analisar dados baseados em sua posi o geogr fica Talvez o exemplo mais simples disto considerar o que acontece quando estamos envolvidos com a ocorr ncia concomitante de fei es com distr
248. ento remoto desde consulta a banco de dados e modelagem espacial at realce e classifica o de imagens Facilidades especiais est o inclu das para monitoramento ambiental e gerenciamento de recursos naturais incluindo an lise de s ries temporais mudan as apoio decis o por crit rios m ltiplos e por objetivos m ltiplos an lise de incerteza incluindo an lises Bayesianas Dempster Shafer e de conjuntos fuzzy e modelagem de simula o incluindo modelagem de for a e an lise de atrito anisotr pico Apesar da natureza altamente sofisticada destas fun es o sistema muito f cil de usar Hoje o IDRISI est dispon vel nas vers es para MS DOS e Windows Embora as duas vers es sejam muito similares em sua funcionalidade anal tica o IDRISI for Windows oferece amplos recursos de an lise em Bancos de dados Este manual descreve a vers o 2 0 for Windows O IDRISI for Windows consiste de uma programa de interface principal contendo o menu e o sistema de barra de ferramentas e uma cole o de mais de 150 m dulos de programas que oferecem fun es para a entrada a exibi o e a an lise de dados geogr ficos Veja o cap tulo M dulos do IDRISI for Windows para uma vis o geral da estrutura de menus e uma listagem de todos os m dulos e suas capacidades Informa es detalhadas sobre cada m dulo assim como uma variedade de outras informa es t cnicas podem ser encontradas no Sistema de ajuda on line IDRISI
249. enu Reformata o e indique o arquivo PAXTON como o arquivo de entrada a ser reamostrado PAXRESAM como arquivo de sa da e PAXCOR como o arquivo de correspond ncia Ent o selecione o arquivo de par metros de sistema de refer ncia US27TM19 US27TM19 o nome do arquivo com os par metros do sistema de refer ncia que corresponde Proje o Universal Tranversa de Mercator na Zona 19 que cobre o centro de Massachusetts baseada no Datum NAD27 Essa informa o foi encontrada na carta Paxton do USGS Uma discuss o mais completa dos arquivos de par metros de sistema refer ncia feita no Exerc cio 17 sobre mudan a do sistema de refer ncia com PROJECT assim como no cap tulo Georreferenciamento do Manual do usu rio do IDRISI for Windows i Mantenha os valores padr o para as unidades de refer ncia unidades de dist ncia e para o valor de fundo Um valor de fundo necess rio porque ap s ajustarmos a imagem a uma proje o a forma atual sofrer uma rota o Nesse caso algum valor necessita ser colocado como valor de fundo para preencher a grade no exterior da nova imagem O valor zero a escolha mais comum Isso ilustrado na Figura 2 Centro de Recursos Idrisi Brasil 139 140 IDRISI for Windows Exerc cios tutoriais introdut rios nova orienta o da imagem RESAMPL orienta o antiga da imagem zeros de fundo necessitam ser preenchidos na grade F
250. eol gicos Na lista de classes desejamos indicar os elementos b sicos da rede de discernimento s tio e n o s tio Na caixa de lista de classes indique a palavra SITIO e ent o pressione o bot o Adicionar A seguir indique a palavra NAOSITIO e pressione o bot o Adicionar novamente T o logo voc tiver entrado ambos os elementos uma lista de hip teses hierarquizada ser criada automaticamente na lista de hip teses Neste exemplo temos tr s hip teses s tio n o s tio e s tio n o s tio Agora necessitamos introduzir informa o para cada linha de evid ncia j Pressione o bot o Adicionar nova linha de evid ncia Indique a legenda Dist ncia da gua e entre o nome da imagem WATER NS Escolha naositio como a hip tese sustentada Pressione ent o o bot o Adicionar Observe que o nome do arquivo e sua hip tese sustentada ser o mostrados na caixa Hip tese Imagem Caso voc tivesse mais imagens probabilidade para outra hip tese sustentada diferente da ignor ncia desta linha de evid ncia voc as indicaria aqui juntamente com a sua hip tese sustentada Mas em nosso caso uma vez que esta a nica imagem que necessitamos indicar pressione OK para completar a entrada Observe que a legenda mostrada na caixa do Estado de conhecimento atual Fa a o mesmo com as outras tr s linhas de evid ncia Legenda Nome da imagem Hip tese sustentada Declividades SLOPE NS naositio S tios conhecidos SITE S
251. er Como voc interpreta essa rea Teria sido poss vel descobrir esta s classe s se voc tivesse usado o m dulo MAXLIKE compare com SPMAX 1 Explique a raz o de sua resposta Centro de Recursos Idrisi Brasil 4 Discretizadores No exerc cio anterior produzimos uma s rie de imagens que expressam a probabilidade a posteriori de pertencer a um conjunto de classes de cobertura do solo na regi o de Westboro Isso uma caracter stica de todos os classificadores relativos Todos eles adiam o resultado de tomar uma decis o sobre a classe de cobertura do solo de um pixel Mais precisamente eles simplesmente revelam o estado do conhecimento que temos desses pixels N s podemos entretanto for ar uma decis o usando um discretizador um m dulo que implementa uma l gica de decis o simples a Execute o m dulo MAXBAY que encontra se no grupo Discretizadores do menu Processamento de imagens Esse um discretizador apropriado para ser usado com o produto de BAYCLASS Especifique que voc quer usar um arquivo de grupo de imagens chamado BAY Voc perceber que esse procedimento faz com que MAXBAY preencha a caixa de texto do n mero de imagens de entrada com o n mero 12 e os nomes das 12 imagens nas caixas de entrada onde esses nomes s o requeridos Um desses arquivos o arquivo de incerteza da classifica o o arquivo chamado BA YCLU neste caso Como esse sempre o ltimo arquivo no grupo vamos fazer MAXBAY ignor l
252. eral quanto menor a densidade ou quanto menor a biomassa sobre uma dada rea o pixel no nosso caso menor o valor do ndice g Use o modo de consulta do cursor para ver os valores dos ndices em cada uma da imagens produzidas e determine quais as imagens que cont m valores negativos e positivos e quais delas t m apenas valores positivos Voc tamb m pode usar o m dulo DESCRIBE para esse fim 6 Baseado nos valores das imagens de 1980 e 1990 localize as reas de densidade de vegeta o ou biomassa densa moderada e baixa Agora que nos familiarizamos com as imagens de ndice de vegeta o de ambas as datas podemos prosseguir com an lises mais aprofundadas Nos concentraremos na identifica o daquelas reas onde Centro de Recursos Idrisi Brasil 172 IDRISI for Windows Exerc cios tutoriais avan ados ocorreram mudan as significativas entre 1980 e 1990 Um dos maiores problemas ambientais do Sahel a r pida degrada o dos recursos naturais como resultado do aumento da press o humana em combina o com fatores naturais desfavor veis como o d ficit de chuva h Uma forma de avaliar as mudan as no per odo de 10 anos analisar visualmente cada uma das imagens Feche todas as janelas que estiverem abertas com exece o de TTVI80 e TTVI90 pondo as lado a lado Tente identificar visualmente aquelas reas de modifica o na cobertura vegetal corpos d gua e solo 7 Descreva em detalhes a natureza das mudan
253. erc cios tutoriais introdut rios E normal a necessidade de algum rearranjo dos componentes marginais do mapa Neste caso a forma irregular dos limites oferece v rias oportunidades para a coloca o dos componentes do mapa sem que o tamanho do mapa tenha de ser aumentado Voc pode tentar o seguinte mova a seta de norte para o espa o livre no canto inferior esquerdo lembre se que para mover um objeto voc s precisa colocar o cursor do mouse sobre ele e manter acionada o bot o esquerdo enquanto o estiver movendo redimensione o logotipo para torn lo t o largo quanto a legenda e com uma altura que fa a com que as letras tenham uma propor o adequada Para fazer isto pressione duas vezes o logotipo e mova as barras de dimensionamento Mova o para uma posi o logo abaixo da legenda redimensione a moldura de texto um duplo clique sobre a mesma seguido do arraste das barras de dimensionamento para uma largura tal que na primeira linha se possa ler Land use Land cover data interpreted from 1 40 000 Dimensione a altura para que todo o texto encaixe Coloque a moldura de texto no canto inferior direito e Em seguida selecione Adicionar plano e adicione o arquivo vetorial WESTSTRM usando o arquivo de s mbolos chamado BLUE Como o nome sugere o arquivo de s mbolos BLUE ajusta todos os s mbolos para linhas azuis f Agora vamos adicionar o plano de estradas Aqui n s usaremos um truque para criar um estilo de lin
254. ere o nome do propriet rio avalia o da propriedade e uso da terra A liga o entre estes dois arquivos de dados pode ser um simples n mero identificador que dado a cada fei o no mapa figura 2 2 Raster A segunda maior forma de representa o conhecida como raster Com sistemas raster a representa o gr fica das fei es e os atributos que elas possuem s o fundidas em arquivos de dados unificados Na verdade n s n o definimos fei es de fato Ao contr rio a rea de estudo subdividida em uma fina malha de c lulas de grade nas quais registramos a condi o ou o atributo da superf cie terrestre naquele ponto figura 2 2 A cada c lula dado um valor num rico que pode representar tanto um identificador da fei o quanto um c digo de atributo qualitativo ou um valor de atributo quantitativo Por exemplo uma c lula pode ter o valor 6 para indicar que ela pertence ao distrito 6 identificador de fei o que coberta por tipo de solo 6 atributo qualitativo ou que est 6 metros acima do n vel do mar valor de atributo quantitativo Vetorial Raster Figura 2 2 Representa o de dados nos formatos vetorial e raster Embora os dados que armazenamos nestas c lulas de grade n o necessariamente correspondam a um fen meno que possa ser visto no ambiente as grades de dados podem ser pensadas elas pr prias como imagens imagens de algum aspecto do ambiente ou como planos cada
255. eresse 10 i i i o Para usar a op o flash da legenda mova o mouse sobre a categoria de interesse na caixa de legenda Comprima a tecla shift e aperte o bot o esquerdo do mouse A categoria selecionada mudar de cor Quando voc solta o bot o esquerdo a categoria volta sua cor normal 7 An lise de vegeta o em ambientes ridos Nesse exerc cio exploraremos o uso de diferentes modelos de c lculo de ndice de vegeta o dispon veis nos m dulos VEGINDEX e TASSCAP para analisar a cobertura vegetal e as suas mudan as no espa o e no tempo Assume se que o leitor j leu ou revisou o terceiro item do cap tulo ndices de vegeta o na se o T PICOS ESPECIAIS do manual do IDRISI for Windows A cobertura vegetal desde cedo foi um foco de pesquisa no manejo de recursos naturais usando imagens de sensoriamento remoto especialmente com o lan amento dos sat lites para aplica es em recursos naturais conhecidos como LANDSAT a partir de 1972 As informa es geradas pelos sat lites LANDSAT SPOT e NOAA oferecem imagens peri dicas que s o amplamente usadas para monitorar e avaliar o estado da vegeta o em n vel global regional nacional e local Nesse exerc cio voc ter a oportunidade de avaliar a cobertura vegetal e as suas mudan as em uma rea do sul da Maurit nia usando imagens do scanner multiespectral MSS do LANDSAT Essas imagens foram obtidas em 10 de outubro de 1980 e 12 de outubro de 1990 pelo LAN
256. ertence ao Senegal e n o foi digitalizada Com o prop sito de apenas preencher a rea com dados foi dada a ela uma altitude arbitr ria de 10 m Nossa an lise enfocar somente o lado do rio que cai na Maurit nia Esta regi o est sujeita a inunda es peri dicas a cada ano durante a esta o das chuvas Como a regi o 4 4 normalmente muito seca os agricultores locais praticam o que conhecido como agricultura Centro de Recursos Idrisi Brasil 68 IDRISI for Windows Exerc cios tutoriais introdut rios recessional cultivando as reas que foram inundadas ap s o recuo da gua A principal cultura explorada nestas condi es o sorgo Foi proposto um projeto para construir uma represa ao longo da margem norte na por o mais setentrional desta curva do rio A inten o que as guas da enchente entrem nesta rea como de h bito mas que a represa possa ret las por mais tempo permitindo assim que um volume maior de gua penetre no solo para se obter maiores rendimentos no cultivo de sorgo De acordo com dados de lin metro a cota normal de inunda o nesta rea de 9 metros Al m da disponibilidade de gua o tipo de solo uma considera o importante na agricultura recessional de sorgo porque alguns solos ret m melhor a umidade do que outros e alguns s o mais f rteis do que outros Na regi o a analisar apenas os solos argilosos s o altamente apropriados para este tipo de agricultura
257. es de SIG importantes operadores de dist ncia e operadores de contexto Em especial n s vimos como o m dulo DISTANCE pode ser usado para criar uma superf cie cont nua de dist ncias a partir de um conjunto de fei es Tamb m vimos como Centro de Recursos Idrisi Brasil 84 IDRISI for Windows Exerc cios tutoriais introdut rios SURFACE como operador de contexto usa os valores de pixels vizinhos para calcular a declividade de cada pixel da imagem Vimos ainda como a lgebra Booleana efetuada com o m dulo OVERLAY pode ser usada para tr s ou mais imagens atrav s do uso de imagens tempor rias Finalmente usamos o m dulo ORTHO de forma exaustiva para visualizar nossos dados em uma perspectiva tridimensional N o exclua SUITABLE nem as imagens originais LANDUSE e RELIEF Voc necessitar de todas elas no pr ximo exerc cio onde usaremos uma macro para automatizar o processo de mapeamento de aptid o desenvolvido neste exerc cio 7 Automa o de an lises com macros Suponha que os planejadores que estabeleceram os quatro crit rios do estudo de aptid o no Exerc cio 6 decidiram posteriormente que declividades at 4 graus ao inv s de 2 5 graus deveriam ser consideradas aptas para o prop sito desejado Embora fosse bastante simples repetir o procedimento usando o novo crit rio especialmente por termos desenhado o modelo cartogr fico para o processo seria tamb m tedioso Al m disso eles talvez queiram testar al
258. es de vegeta o Assim como todos os m dulos anal ticos do IDRISI for Windows TASSCAP e VEGINDEX podem ser usados interativamente ou com linhas de comando macro b Antes de iniciar nossa explora o dos ndices de vegeta o acione a visualiza o autom tica das sa das dos m dulos anal ticos nas Prefer ncias de visualiza o do menu Visualiza o Especifique a tabela de cores NDVI256 como tabela quantitativa e como tabela de cores padr o e ligue tamb m a op o de t tulo vis vel c Ap s ler sobre TASSCAP e VEGINDEX no sistema de ajuda on line execute TASSCAP tanto nas imagens de 1980 como nas de 1990 Escolha usar MSS como tipo das imagens de entrada e especifique M801W M802W M803W e M804W nessa ordem para 1980 e M901W M902W M903W e M904W para 1990 Para cada ano use 80 e 90 como o prefixo de sa da TASSCAP produzir quatro imagens para cada conjunto de imagens correspondendo aos seguintes quatro ndices Soil Brightness Index SBI Green Vegetation Index GVD Yellow Vegetation Index YVI e non such index NSI TASSCAP gera uma imagem para cada um desses ndices Seus nomes s o respectivamente bright green yellow e non such precedido pelo prefixo de dois caracteres que voc determinou Ap s executar TASSCAP visualize cada resultado usando a tabela de cores ndvi256 Como voc logo ir perceber as imagens 80GREEN e 90GREEN s o as mais teis 1 Que elementos do terreno s o mostrados em cada um dos
259. es espectrais muito grosseiras na imagem Os n veis de generaliza o Grosseiro e fino usam diferentes regras de decis o ao avaliar os picos do histograma de fregii ncias Na generaliza o ampla uma classe deve conter uma fregii ncia maior que todos os seus vizinhos n o diagonais c Use CLUSTER novamente para criar uma imagem chamada FINE com TMFC como arquivo de composi o colorida Desta vez use o n vel de generaliza o Fino e novamente opte por eliminar os agrupamentos n o significativos O resultado ser visualizado com legenda e com a tabela de cores Qualitativa 256 Como voc pode ver a generaliza o fina produz um n mero muito maior de agrupamentos Desloque se legenda abaixo ou aumente o tamanho da caixa de legenda para ver quantos agrupamentos foram identificados A classifica o fina permite a um vizinho n o diagonal possuir freq ncia superior Isto acomoda picos verdadeiros que de outra forma seriam perdidos porque picos vizinhos de maior magnitude obscureceriam o vale usual entre os picos Este conceito ilustrado em um espa o unidimensional na Figura 1 Agrupamentos grosseiros s o divididos apenas nos vales Agrupamentos finos s o divididos tanto nos vales quanto nos picos F Grosseiro r ellos oo ean Fino q u n c i a Valores de reflect ncia Figura 1 a Histogramas da imagem nos permitem ver as diferen as na distribui o dos pixels entre as classes em fun o do n vel de general
260. ese n o s tio Ela indica ignor ncia probabilidade para a hip tese s tio n o s tio que calculada internamente pelo m dulo BELIEF Para a evid ncia representando contagens de fragmentos usamos um racioc nio similar aquele usado para a evid ncia de s tios conhecidos e derivamos a imagem SHARD S como suporte da hip tese s tio A imagem representa a probabilidade de um s tio ocorrer em dado local em fun o da fregi ncia de fragmentos descobertos Da mesma forma que fizemos para a evid ncia declividades derivamos uma imagem de probablidade chamada SLOPE NS a qual sustenta a hip tese n o s tio Esta linha de evid ncia representa a probabilidade de um s tio n o ocorrer dada uma declividade elevada N s j criamos estas duas imagens para voc 15 x P a i 5 dm E s Voc tamb m pode usar a op o personalizada do m dulo FUZZY para produzir resultados similares e para realizar os dois passos de f e g em um passo apenas caso voc possa definir pontos de controle suficientes para a curva fuzzy com intervalo entre 0 e 0 8 Centro de Recursos Idrisi Brasil 206 IDRISI for Windows Exerc cios tutoriais avan ados Agregando linhas diferentes de evid ncia Agora que temos todas as imagens de probabilidade para cada linha de evid ncia retornamos ao m dulo BELIEF para agreg las 1 Execute o m dulo BELIEF a partir do submenu Apoio decis o Substitua o t tulo Knowledge base por S tios arqu
261. esmo intervalo Neste caso o intervalo original dos valores de popula o foi dividido em 256 classes s quais foram atribu dos os valores 0 255 r Uma vez estabelecida a liga o a informa o contida nos outros campos do banco de dados pode ser facilmente visualizada V para o menu Liga o Fixar par metros de liga o visualiza o e selecione o campo CATTLE para visualiza o Pressione OK Os valores do campo CATTLE s o automaticamente escalonados e a visualiza o atualizada Examine o resultado e depois siga o mesmo procedimento para os campos SHEEP e GOATS Observe que o cone de liga o visualiza o pode ser usado como atalho para selecionar outro campo para visualiza o 36 r z a PEE RER O autoescalonamento aplica um ajuste linear aos valores originais dos dados de forma que eles se ajustem a um novo intervalo de valores Para uma maior explana o veja como o autoescalonamento foi usado no exerc cio 4 10 Oficina de banco de dados 109 Nesta parte do exerc cio aprendemos a estabelecer a liga o entre o banco de dados e a janela de visualiza o para visualizar os atributos armazenados em um banco de dados na forma de mapa Em alguns casos ao inv s de visualizar todas as fei es podemos selecionar um subconjunto de acordo com alguma condi o Isto significa consultar o banco de dados por atributo e o objeto da pr xima parte do exerc cio Parte 4 Consulta ao banco de dados p
262. esmo para a segunda ncora Valor m ximo 20 As tabelas de cores tamb m podem ser salvas no diret rio do programa IDRISI for Windows Neste caso elas s o consideradas parte da biblioteca permanente e n o de um projeto espec fico Na busca por tabelas de cores o IDRISI for Windows sempre pesquisa nos dois diret rios 4 Tabelas de cores s mbolos e autoescalonamento 59 f Agora acione o Lan ador de visualiza o e visualize a imagem chamada ETDEM mas desta vez use a tabela de cores TERRAIN Oficina de s mbolos g A pr xima tarefa que faremos adicionar um arquivo vetorial com as linhas dos limites das prov ncias imagem de eleva es Use Adicionar plano na Composi o e adicione o arquivo chamado ETPROV com o arquivo padr o de s mbolos Como voc pode ver a linha padr o fina inteira e preta muito escura para a delicada tabela de cores que n s criamos Por isso vamos criar um novo arquivo de s mbolos usando linhas cinza h Acione a Oficina de s mbolos atrav s do sistema de menus ou clicando em seu cone ao lado do cone da Oficina de tabelas de cores A Oficina de s mbolos est automaticamente ajustada para criar um arquivo de linhas Ela usa uma l gica similar Oficina de tabelas de cores por m com mais op es Como n o conhecemos muito sobre a natureza dos identificadores para os limites das prov ncias e queremos que todos os limites sejam semelhantes o procedimento mais f cil criar u
263. essa a rela o de evid ncia o conhecimento pr vio e a probabilidade de que uma determinada hip tese seja verdadeira Infelizmente e surpreendentemente a possibilidade de incorpora o de conhecimento pr vio pouco utilizada Geralmente os analistas n o fazem considera o alguma sobre a probabilidade relativa de encontrar se classes de cobertura do solo de interesse antes de considerar a evid ncia e assim assumir que cada classe possui igual probabilidade Em casos de forte evid ncia isto causar pouco dano Entretanto no caso de fraca evid ncia que o conhecimento pr vio pode ter contribui o importante O IDRISI for Windows uma exce o ao oferecer um valioso conjunto de op es para a inclus o de conhecimento pr vio no processo de classifica o Em particular ele oferece a capacidade especial de incorporar conhecimento pr vio na forma de imagens de probabilidade de modo que a probabilidade a priori de qualquer classe pode variar de um local para outro Como ser visto neste exerc cio isso um melhoramento significativo no procedimento de classifica o a Examine as tr s imagens multiespectrais SPOT XS denominadas SPWESTI SPWEST2 e SPWEST3 Elas correspondem s bandas verde vermelho e infravermelho pr ximo do sensor SPOT HRV para a rea de Westboro Massachusetts Construa uma composi o colorida em falsa cor destas bandas denominando a SPWESTFC e usando o m dulo COMPOSTT e realce linear com satura
264. estar tratando com dados interpolados onde a autocorrela o espacial inerente Portanto um tamanho de amostra v lido desconhecido Por isso usamos R aparente e graus de liberdade aparentes k Execute LOGITREG novamente mas desta vez use FCPROB1 como vari vel dependente e as mesmas vari veis independentes usadas no passo j para produzir FCPR85 e FCRES85 como imagens de predi o e de res duos Adicionalmente escolha por produzir uma nova predi o usando as mesmas vari veis independentes para a nova predi o como no passo j e denomine a nova imagem de predi o NFCPR91 Sua tabela sum rio deveria se parecer com esta Resultados da regress o m ltipla Equa o da regress o Logit feprob 6 274255 0 000969 fordis 71 0 0000342 urbdis71 0 0000383 westrdds 0 0000934 westsmds Estat stica da regress o R aparente 0 379565 R aparente 0 144069 R ajustado 0 379502 R ajustado 0 144021 F 4 53727 2260 817139 15 Vari veis dicot micas e regress o log stica 223 Coeficientes de regress o individuais Voc tem agora a probabilidade de predi o de que florestas mudaram para outros tipos de cobertura do solo para 1985 e 1991 3 Baseado nos resultados da regress o dos passos j e k a dist ncia dos cursos d gua uma vari vel significante se comparada com as outras tr s vari veis Por que ou por que n o Observa o para compara o visual voc pode adicion
265. estradas e cursos d gua assumiremos que a dist ncia s estradas e a dist ncia aos cursos d gua n o alteraram e usaremos as mesmas imagens WESTRDDS e WESTSMDS Use o mesmo n vel de confian a 80 Se desejar pular estes passos e olhar os resultados visualize FCAREA a altera o florestal estimada baseada nestas regress es e FORCHG2A altera es reais entre 1985 1991 excluindo altera es por gua e banhados as quais est o inclu das neste conjunto de dados 8 Compare FORCHG2A usando CROSSTAB Qual a acur cia desta predi o Compare ela com a predi o anterior baseada nas altera es de 1971 a 1985 Qual delas a melhor predi o para altera es florestais em 1991 Por que
266. eto pelo tamanho diminuindo o o suficiente para encaixar o texto dentro dos limites da prov ncia 2 Que tamanho voc necessita estabelecer para o s mbolo 2 de forma a fazer o texto encaixar bem Autoescalonamento No caso dos s mbolos de texto e de linhas est bem clara a maneira como dada uma apresenta o gr fica espec fica Se o elemento tem um atributo 2 ele desenhado com o s mbolo 2 Assim quando criamos gr ficos envolvendo arquivos vetoriais os valores dos atributos mostrados s o na realidade c digos de s mbolos no intervalo de 0 a 255 No entanto os valores nem sempre est o nesse intervalo por exemplo representa o de popula o Como conseq ncia necessitar amos empreender um passo anal tico para produzir um conjunto de c digos de s mbolos para esses dados antes de visualiz los por exemplo adequar a representa o da popula o dentro de um intervalo de no m ximo 256 classes de popula o A mesma l gica aplica se a imagens rasterizadas Caso uma c lula contenha um valor de 6 a ela dada a cor 6 da tabela de cores de cores No entanto no caso que temos na tela sabemos que os valores caem bem fora do intervalo permiss vel para os ndices da tabela de cores 0 255 Sabemos que as c lulas cont m alturas e que essas alturas s o em alguns casos maiores que 4 200 metros Nada foi feito ainda para modificar esta imagem e mesmo assim esses valores ca ram em uma faixa de 0 255 ou as
267. exerc cios Especifique tamb m que voc deseja produzir um arquivo de apoio decis o de sa da com o mesmo nome RESDEV Pressione a seguir o bot o Continuar A segunda caixa de di logo mostra uma matriz de compara o pareada que cont m a informa o armazenada no arquivo pcf RESDEV Esta matriz indica a import ncia relativa de qualquer fator em rela o aos demais Ela o resultado de longas discuss es entre planejadores urbanos e seus parceiros Entretanto deve se observar que muito dif cil cotejar fatores relevantes para os ambientalistas com aqueles relevantes para os incorporadores Trataremos desse tema no Exerc cio 10 Ap s a matriz estar completa os pesos dos fatores podem ser calculados acionando se a op o Calcular pesos Voc pode fazer isto v rias vezes sempre retornando matriz de compara o pareada ajustando os escores e calculando pesos at que uma raz o de consist ncia aceit vel seja alcan ada Conv m observar que voc pode aceitar a compara o pareada a qualquer momento independente da raz o de consist ncia obtida e ent o usar os pesos resultantes para ponderar seus fatores Optaremos por aceitar a matriz de compara o pareada tal como foi desenvolvida Pressione OK Os pesos resultantes devem coincidir com os da tabela abaixo Voc pode sempre retornar ao m dulo de pondera o e tentar alterar qualquer das compara es pareadas j feitas Fator Peso do fator LANDFAC 0 06 TOWNF
268. f 205 f Execute FUZZY a partir do menu An lise Apoio decis o Use WATDIST como a imagem de entrada escolha a fun o sigmoidal com curva monotonicamente crescente Entre 800 e 2000 como pontos de controle a e b respectivamente Escolha dados de sa da reais e denomine o resultado WATERTMP Visualize o resultado WATERTMP cont m as probabilidades para a hip tese n o s tio A imagem mostra que quando a dist ncia da gua permanente de 800 metros a probabilidade para n o s tio come a a crescer seguindo uma curva de forma sigmoidal at 2000 metros quando a probabilidade atinge 1 H entretanto um problema com esta avalia o de probabilidade Quando a probabilidade alcan a 1 para a hip tese n o s tio ela n o deixa nenhum espa o para a ignorancia de outros tipos de corpos d gua tais como gua subterr nea e gua n o permanente Para incorporar esta incerteza iremos reescalonar a probabilidade para baixo g Execute SCALAR a partir do menu An lise Operadores matem ticos e multiplique WATERTMP por 0 8 para produzir um resultado denominado WATER NS Na imagem WATER NS o intervalo de probabilidade est entre O e 0 8 em suporte hip tese n o s tio Ela continua sendo uma fun o sigmoidal mas a associa o fuzzy reduzida ou achatada A evid ncia restante 1 WATER NS produz as probabilidades que sustentam a hip tese s tio n o s tio Isto conhecido como ignor ncia e calculado automa
269. fatores de custo a considerar o uso atual do solo a dist ncia at o centro da cidade a dist ncia de rodovias e a declividade O procedimento WLC permite que os pesos dos fatores influenciem plenamente o resultado e que os fatores de custo j tenham sido ponderados junto com os fatores ambientais de modo que os pesos dos seis fatores originais somem 1 Entretanto necessitaremos criar novos pesos para os quatro fatores de custo de modo que a soma dos pesos totalize 1 sem os fatores ambientais Para este exemplo ao inv s de ponderar nossos quatro fatores novamente simplesmente reescalonaremos os pesos previamente calculados para que somem 1 10 Avalia o por crit rios m ltiplos M dia ponderada ordenada 197 Pesos originais Pesos reescalonados LANDFAC 0 0620 0 0791 TOWNFAC 0 0869 0 1108 ROADFAC 0 3182 0 4057 SLOPFAC 0 3171 0 4044 Execute MCE e escolha a op o WLC Especifique que voc quer usar duas restri es e quatro fatores Indique as restri es LUSECON e WATRCON e os quatro fatores bem como seus pesos reescalonados listados acima Denomine a imagem intermedi ria resultante de INTRCOST Para o segundo conjunto de fatores aqueles relevantes s preocupa es ambientais usaremos um procedimento OWA que ir produzir um resultado com baixo risco e nenhuma compensa o H dois fatores a considerar a dist ncia de corpos d gua e de banhados e a dist ncia de reas j urbanizadas Novamente reescalonaremos os pe
270. ficina de banco de dados podem ser usados para executar consultas bastante sofisticadas ao banco de dados Podem tamb m ser empregados para criar filtros de opera es l gicas como OR ou e NOT n o em adi o ao AND e l gico que fizemos Na pr xima parte deste exerc cio vamos utilizar SQL para atender outro prop sito Ao inv s de selecionar um subconjunto do banco de dados de acordo com crit rios especificados atrav s de um filtro com uma declara o WHERE n s iremos calcular valores para novos campos utilizando a op o Calcular SQL e um comando SET Parte 5 lgebra com mapas Calcular No Exerc cio 9 n s usamos os m dulos SCALAR e OVERLAY para desenvolver e aplicar equa es nas quais imagens eram as vari veis N s mesmos desenvolvemos uma das equa es utilizando o m dulo REGRESS Para a parte final deste exerc cio iremos executar lgebra de mapas dentro da Oficina de banco de dados com a finalidade de avaliar uma s rie de equa es que modelam as emiss es de metano por parte dos rebanhos O contexto deste exerc cio vem da UNFCCC United Nations Framework Convention On Climate Change Conven o da Rede das Na es Unidas sobre Mudan a Clim tica Os Pa ses signat rios dessa rede s o requisitados a relatar anualmente a emiss o nacional de gases do efeito estufa A emiss o de metano relacionada aos rebanhos um dado que precisa ser inclu do N s vamos calcular isto para as awrajas da Eti pia
271. fricano a cada dez dias Veja o cap tulo ndices de vegeta o na se o T PICOS ESPECIAIS para uma discuss o detalhada de uma variedade de c lculos potenciais An lise de componentes principais A an lise de componentes principais PCA uma t cnica de transforma o linear relacionada com an lise fatorial Para um conjunto de bandas de imagem a t cnica PCA produz um novo conjunto de imagens conhecidas como componentes que est o decorrelacionadas umas com as outras e que s o ordenadas em termos da vari ncia do conjunto de bandas original que explicam A PCA tem sido tradicionalmente usada no sensoriamento remoto como um meio de compacta o de dados Para um conjunto t pico de bandas de imagem multiespectral comum descobrir que as primeiras duas ou tr s componentes s o capazes de explicar virtualmente toda a variabilidade original nos valores de reflect ncia As ltimas componentes tendem a ser dominadas por efeitos de ru do Rejeitando estas ltimas componentes o volume de dados reduzido sem perda apreci vel de informa o Recentemente a PCA tem mostrado ter aplica o especial para o monitoriamento ambiental Nos casos onde imagens multiespectrais est o dispon veis para duas datas as bandas de ambas as imagens s o submetidas PCA como se todas elas viessem da mesma imagem Nestes casos mudan as entre as duas datas tendem a aparecer nos ltimos componentes Mais nitidamente se uma s rie temporal d
272. gens oferece mais de um classificador O IDRISI for Windows oferece tr s classificadores r gidos supervisionados comumente usados por paralelep pedo m nima dist ncia s m dias e por m xima verossimilhan a Cada um deles emprega uma l gica diferente para atribuir pixels a classes Adicionalmente um novo grupo de classificadores r gidos foi inclu do especificamente para o processamento de imagens hiperespectrais Eles incluem os classificadores por mapeamento de ngulo espectral e por dist ncia m nima s m dias hiperespectrais Classifica o n o supervisionada Em contraste com a classifica o supervisionada onde informamos ao sistema o car ter isto assinatura das classes de informa o pelas quais estamos procurando a classifica o n o supervisionada n o requer qualquer informa o pr via sobre as classes de interesse Ela examina os dados e os divide nos agrupamentos espectrais naturais predominantes presentes na imagem O analista ent o identifica esses agrupamentos como classes de cobertura do solo atrav s de uma combina o de sua familiaridade com a regi o estudada e visitas para levantamento de verdade de campo Centro de Recursos Idrisi Brasil Introdu o ao sensoriamento remoto e processamento de imagens 33 4 A l gica com a qual a classifica o n o supervisionada trabalha conhecida como an lise de agrupamento ou cluster e fornecida pelo IDRISI for Windows atrav s do m dulo CL
273. goria 15 Neste caso podemos nos deslocar pela legenda usando a barra de rolagem vertical para ver outras categorias Entretanto independente do n mero total de categorias h momentos em que desejamos menos ou mais categorias de legenda de uma vez na tela Isto pode ser alcan ado atrav s da op o de dimensionamento Muitos dos elementos do mapa no IDRISI for Windows podem ser dimensionados Para proceder assim clique sempre duas vezes sobre o elemento desejado Uma linha correspondente caixa de controle aparecer com barras e marcas de dimensionamento ao longo de seus Centro de Recursos Idrisi Brasil 46 IDRISI for Windows Exerc cios tutoriais introdut rios limites Escolha qualquer uma destas barras de dimensionamento usando o bot o esquerdo do mouse i e colocando o cursor do mouse sobre a barra acionando o bot o esquerdo do mouse e mantendo o acionado O cursor ir mudar para setas duplas e voc poder ent o puxar ou empurrar a barra para alterar o tamanho Tente isso com a legenda e altere apenas sua extens o vertical Tente a seguir rolar novamente pela legenda Tente o mesmo com a janela dos dados A janela do dados o ret ngulo cujos limites cont m os planos de informa o do mapa Voc pode clicar sobre ele duas vezes para alterar seu tamanho a imagem ir desaparecer at voc come ar a redimensionar o ret ngulo Tente fazer a moldura pequena o suficiente para englobar apenas a regi o leste d
274. gumas variantes destes crit rios N s podemos automatizar nossas an lises atrav s do uso de macros Uma macro algumas vezes definida como um metaprograma uma vez que ela de fato um programa que executa um conjunto de programas No IDRISI for Windows uma macro um arquivo ASCII que lista em ordem cada m dulo a ser usado e todos os par metros necess rios para sua execu o Todo conjunto de m dulos pode ser executado simplesmente indicando o nome do arquivo macro na caixa de di logo da fun o Executar Macro acionada a partir do menu Arquivo Se tiv ssemos criado uma macro para nossa an lise de aptid o poder amos facilmente trocar qualquer par metro de qualquer m dulo usando EDIT p ex mudar de 2 5 para 4 0 no passo da reclassifica o das declividades e a executar todo o processo novamente Para cada m dulo do IDRISI for Windows que pode ser usado em um arquivo macro existe um formato espec fico conhecido como formato de comando macro Esta estrutura pode ser encontrada na descri o dos m dulos no sistema de Ajuda on line O formato sempre inicia com o nome do m dulo seguido por um X para indicar que par metros devem ser tomados do arquivo e n o da caixa de di logo Depois disso s o dados todos os par metros necess rios para a execu o dos m dulos em uma ordem e formato espec ficos Estes par metros suprem toda a informa o que voc indicaria nas caixas de di logo caso estivesse usando os m dulos i
275. guntado se deseja salvar as altera es Agora que o arquivo de texto est finalizado necess rio criar um arquivo de s mbolos para ele Acione a Oficina de s mbolos e escolha a op o Novo no menu Arquivo Indique que o novo arquivo ser um arquivo de s mbolos de texto chamado PROVTEXT novamente usaremos o mesmo nome embora neste caso seja somente para facilitar a identifica o Ser apresentada ent o uma caixa de di logo modificada para a especifica o de s mbolos de texto Selecione o ndice lna caixa de s mbolos Use ent o os comandos para fazer as seguintes modifica es ajuste a fonte para Times New Roman ajuste o tamanho para 10 pontos ajuste a forma para negrito it lico ajuste o alinhamento em X para 50 ajuste o alinhamento em Y para 50 ajuste o RGB para 127 0 0 vermelho m dio Ent o escolha a op o Salvar do menu Arquivo para salvar este arquivo Feche em seguida a Oficina de s mbolos O IDRISI for Windows capaz de mostrar qualquer fonte True Type ou PostScript No entanto voc deve estar consciente de que quando o tamanho inferior a 6 pontos o Windows usa um procedimento especial para desenhar o texto na tela o que far com que todas as fontes tenham uma apar ncia similar A propriedade de alinhamento diz respeito a como o texto posicionado em rela o ao seu ponto de localiza o Se imaginarmos um ret ngulo delimitando os caracteres do texto o processo de alinh
276. h Execute o m dulo SURFACE Especifique WESTELEV como modelo digital de eleva o de entrada e escolha calcular declividades Selecione o c lculo em porcentagem e um fator de convers o igual a 1 uma vez que as unidades j s o metros Denomine a imagem de sa da de SLOPES A nova imagem uma superf cie cont nua de declividades em porcentagem Fator dist ncia da gua Os ambientalistas est o preocupados com a contamina o do len ol fre tico pelos sistemas s pticos e outras fontes n o puntuais de polui o dom stica Embora n o tenhamos dados sobre a gua subterr nea podemos usar os corpos d gua os banhados e os cursos d gua como informa o A dist ncia destas fei es ir constituir um dos nossos dois fatores restantes ambos relevantes do ponto de vista ambiental Para desenvolver este crit rio usaremos a imagem WATRPROT criada anteriormente Ambientalistas insistem que novas reas residenciais deveriam estar o mais afastadas poss vel de reas de banhados e de corpos d gua j protegidos Por isso calcularemos a dist ncia a partir de reas protegidas em torno de corpos d gua e reas de banhado i Execute DISTANCE especifique WATRPROT como a imagem de fei es e denomine a imagem resultante de PROTDIST O resultado final PROTDIST ter um valor no qual cada pixel representa a dist ncia em metros das reas protegidas que circundam a gua Fator dist ncia de reas j urbanizadas O ltimo dos nos
277. ha Composi o de mapa como o tipo de arquivo a visualizar e especifique WESTMAP Voc deve ver sua composi o reaparecer Note que ao contr rio de uma captura de tela o processo de composi o de mapas recria completamente a composi o usando seus planos componentes Como resultado voc pode continuar a elaborar uma composi o a partir do ponto em que parou importante ressaltar que o arquivo de composi o de mapa WESTMAP que voc acabou de criar cont m todas as instru es para efetuar a visualiza o da composi o mas n o cont m os arquivos de planos de informa o tabelas de cores e arquivos de s mbolos usados na composi o Eles permanecem como arquivos independentes no nosso diret rio de dados e s o chamados pela composi o de mapa quando voc quiser visualiz la Se voc estiver movendo ou copiando sua composi o de mapa voc precisa mover ou copiar o arquivo de composi o de mapa propriamente dito e todos os arquivos que comp em essa composi o DESCRIBE pode ser usado para ver uma listagem de todos os arquivos usados em uma composi o de mapa 3 Composi o de mapas 55 j Escolha Descrever a partir do menu Arquivo acione a op o Composi o de mapa e selecione WESTMAP poss vel que seja necess rio usar a barra de rolagem vertical para ver a lista completa de todos os arquivos usados na composi o WESTMAP Ap s examinar a lista feche a janela de DESCRIBE Uma das caracter stic
278. ha que n o est no repert rio do Windows um estilo de linha dupla com o centro preenchido este estilo normalmente conhecido no contexto de cartografia como road casings Para fazer isso n s iremos na verdade desenhar duas linhas uma linha preta com tr s pixels de largura e outra linha centralizada sobre ela como um preenchimento colorido neste caso branco com um pixel de largura Os dois arquivos de vetores s o chamados WESTRDS e WESTRDS2 Use Adicionar plano para adicionar o primeiro com o arquivo de s mbolos chamado BLAKMASK e a seguir use Adicionar plano novamente para adicionar o segundo com o arquivo de s mbolos chamado WHITE g Agora adicione o plano final o plano de texto chamado WESTTEXT Para isso voc deve usar o arquivo de s mbolos de mesmo nome WESTTEXT Note que uma barra de rolagem aparece agora na Composi o j que h mais planos do que podem ser ajustados em sua lista A Composi o permitir at 16 planos simult neos em uma nica composi o mas como voc pode ver apenas seis planos j fornecem muitos detalhes h A composi o est pronta Tenha certeza de que todos os elementos est o arranjados da forma que voc quer e ent o grave a composi o usando a op o Salvar composi o na janela de Composi o Escolha a sub op o adequada para salvar como um arquivo MAP e grave ele com o nome WESTMAP 1 Agora remova a janela do mapa e acione o Lan ador de visualiza o Escol
279. head 1968 Studies of Potential Evaporation in Kenya EAAFRO Nairobi e constitui a seguinte equa o Evapora o potencial mm 2422 0 109 x altitude p s Conhecendo essa rela o podemos usar a imagem do relevo e derivar o total m dio anual de evapora o potencial e Poder amos aplicar esta equa o usando SCALAR duas vezes como fizemos para produzir TEMPERA Todavia desta vez usaremos a Calculadora para imagens para chegar ao mesmo resultado Acione a Calculadora para imagens a partir do menu An lise Operadores matem ticos Iremos efetuar uma opera o matem tica Digite EVAPO como o nome do 10 Oficina de banco de dados 111 arquivo de sa da e depois entre com a seguinte express o a processar lembre que voc pode pressionar o bot o Inserir imagem para chamar uma lista de arquivos que podem ser selecionados diretamente 2422 0 109 NRELIEF Pressione o bot o Processar express o f Temos agora as duas pe as necess rias produ o do mapa de disponibilidade h drica Use OVERLAY a Calculadora para imagens para dividir NRAIN por EVAPO e chame o resultado de MOISTAVL A imagem resultante tem valores que n o possuem unidade de medida j que dividimos precipita o em mm por evapora o potencial que tamb m em mm Quando o resultado for visualizado examine alguns dos valores usando o modo de consulta do cursor Os valores em MOISTAVL indicam o balan o entre precipita o e evapora o Por
280. iais complexos sempre que uma caixa de di logo for removida Mudar os modos de exibi o r pido Esteja livre para mudar o modo de exibi o de uma janela de mapa tantas vezes quantas voc julgar necess rio Finalmente agora que voc montou e salvou sua composi o voc pode imprim la A impress o no IDRISI for Windows feita atrav s da Oficina de Impress o acess vel no menu Arquivo Se voc tiver uma impressora compat vel com Windows no seu computador pode tentar fazer o seguinte Centro de Recursos Idrisi Brasil 56 IDRISI for Windows Exerc cios tutoriais introdut rios m Escolha Oficina de impress o a partir do menu Arquivo e selecione WESTMAP como a composi o a imprimir As margens padr o est o configuradas no limite da rea de impress o para a impressora espec fica A Oficina de impress o automaticamente faz sua composi o t o grande quanto o poss vel e coloca a centrada entre as margens O gr fico mostra como sua composi o de mapa rea em preto se ajusta na p gina e onde sua janela de mapa ret ngulo amarelo est posicionada na composi o de mapa A extens o da janela no terreno fornece a dist ncia em metros coberta pela largura da janela de mapa da composi o Isso calculado usando informa o do arquivo de documenta o do plano de informa o n Mude todas as margens para uma polegada Uma mensagem de erro a respeito da escala ir aparecer quando voc mudar a primei
281. ial e tecnicamente justificada para usar dados real ados 12 Classifica o supervisionada No exerc cio anterior desenhamos em um gr fico os padr es de resposta espectral para tr s tipos de cobertura do solo urbano floresta e gua Dissemos que as assinaturas desses tipos de cobertura do solo eram singulares Tipos de cobertura do solo ent o s o identificados ou diferenciados uns dos outros pelo seu padr o de resposta espectral singular Esta a l gica por tr s da classifica o de imagens Muitos tipos de mapas incluindo os de cobertura do solo mapas de solos e os mapas batim tricos podem ser constru dos a partir da classifica o de imagens de sensoriamento remoto Existem dois m todos de classifica o de imagem classifica o supervisionada e classifica o n o supervisionada Na classifica o supervisionada o usu rio define as assinaturas espectrais de categorias conhecidas tais como urbano e florestas e ent o o programa associa cada pixel da imagem assinatura mais similar Na classifica o n o supervisionada o programa agrupa pixels em categorias de assinaturas parecidas e o usu rio identifica que tipo de cobertura efetivamente aquelas categorias representam Os passos para a classifica o supervisionada podem ser resumidos nos seguintes 1 Localizar exemplos representativos de cada tipo de cobertura que pode ser identificado na imagem chamadas reas de treinamento 2 Digitalizar pol g
282. ialmente cont nua das dist ncias No nosso caso os reservat rios d gua ser o as fei es a partir das quais calcularemos uma superf cie de dist ncias A superf cie de dist ncias resultante pode ent o ser reclassificada em duas classes aqueles pixels que est o a mais de 250m dos reservat rios aptos e aqueles que est o a menos de 250m dos reservat rios impr prios f Visualize a imagem LANDUSE usando a tabela de cores personalizada LANDUSE e uma legenda Determine o identificador inteiro dos reservat rios e use ent o RECLASS ou ASSIGN para criar uma imagem Booleana de reservat rios denominada RESERV g Execute DISTANCE a partir do menu An lise Operadores de dist ncia e especifique RESERV como a imagem de fei es e RESDIST como a imagem de sa da Centro de Recursos Idrisi Brasil 82 IDRISI for Windows Exerc cios tutoriais introdut rios h Examine os valores individuais dos dados em RESDIST usando o modo de consulta do cursor Observe como os valores de dist ncia variam continuamente Para confirmar que RESDIST realmente uma superf cie suave visualize a com ORTHO sem imagem de cobertura Neste caso estamos olhando os dados de dist ncia como uma superf cie anteriormente hav amos usado os dados de altitude como superf cie Como esperado as dist ncias aumentam a superf cie fica mais elevada medida que nos afastamos dos reservat rios i Use RECLASS para criar uma imagem Booleana e atribua valo
283. ias e covari ncias calculadas pelo grau de associa o ao conjunto fuzzy das classes envolvidas O efeito o de diminuir a import ncia da rea de treinamento no desenvolvimento da assinatura para uma classe caso ela ocupe uma por o muito pequena deste pixel Isto tamb m implica em que uma simples rea de treinamento possa oferecer entradas em mais do que uma classe de cobertura do solo Como prepara o para este exerc cio leia cuidadosamente o item Assinaturas amb guas fuzzy na classifica o no cap tulo Classifica o de imagens de sensoriamento remoto N s seguiremos aqui os mesmos passos que foram delineados naquele item a O primeiro passo no uso deste procedimento a defini o das reas de treinamento Diferente dos procedimentos tradicionais entretanto n o necess rio que estas reas de treinamento 43 sa n y j Wang F 1990 Fuzzy supervised classification of remote sensing images IEFE Transactions on Geoscience and Remote Sensing 28 2 194 201 44 Ani Neste contexto o termo conjunto e classe podem ser usados como sin nimos Centro de Recursos Idrisi Brasil 156 b IDRISI for Windows Exerc cios tutoriais avan ados sejam homog neas Tamb m diferente dos procedimentos tradicionais o processo simplificado se criamos uma vers o raster destas reas de treinamento antes de iniciar FUZSIG Normalmente isto seria feito com INITIAL e POLYRAS Entretanto caso voc tenha com
284. ibui o espacial diferente Por exemplo suponha que desejamos encontrar todas as reas residenciais sobre tipos de rocha associados com altos n veis de gas rad nio Este um problema que um SGBD tradicional n o pode solucionar porque tipos de rocha e divis es do uso do solo n o compartilham os mesmos limites geogr ficos As consultas aos SGBD tradicionais funcionam bem enquanto tratamos de atributos associados s mesmas fei es Quando as fei es s o diferentes isso n o poss vel Para tal necessitamos um SIG De fato a possibilidade de comparar fei es diferentes baseadas em sua ocorr ncia espacial comum a marca registrada dos SIG Esta an lise realizada pelo processo de overlay sobreposi o assim denominada por ser id ntica em car ter sobreposi o de mapas transparentes dos dois tipos de entidades Assim como o SGBD o Sistema de an lise geogr fica visto Fig 2 1 como tendo duas formas de intera o com o banco de dados o processo distinto anal ticamente e quanto ao car ter Assim enquanto ele acessa dados do banco de dados ele pode contribuir de modo a oferecer os resultados desta an lise como um novo acr scimo ao banco de dados Por exemplo podemos ter como objetivo determinar reas que simultaneamente tenham declividades acentuadas e solos suscet veis eros o sob uso agr cola e denominar o resultado como um mapa de risco de eros o do solo Este mapa de risco n o existia no banco de
285. ida juntamente com dados de declividade tipo de solo e precipita o Esses pontos de amostragem s o ent o usados para desenvolver uma equa o relacionando a eros o do solo a essas vari veis A equa o pode depois ser usada para avaliar o potencial de eros o do solo sobre uma regi o muito maior Modelagem de processos Consulta ao banco de dados e mapeamento derivativo formam o conjunto das an lises de SIG efetuadas atualmente Entretanto h uma terceira rea que oferece incr vel potencial modelagem de processos e simula o Com a modelagem de processos n s tamb m trazemos algo novo para o banco de dados conhecimento dos processos O termo processo refere se corrente causal pela qual algum evento acontece Por exemplo um modelo simples para satisfazer a demanda de madeira para combust vel pode funcionar do seguinte modo 1 tome toda a madeira que voc necessita ou pode da sua localiza o atual 2 se sua demanda foi satisfeita ou se voc andou mais de 10km de casa v para o passo 4 3s se sua demanda n o foi satisfeita mova se para um local imediatamente adjacente ainda n o visitado e repita o passo 1 4 pare A modelagem de processos uma perspectiva particularmente estimulante para SIG Ela se baseia na no o de que num SIG nosso banco de dados n o apenas representa um ambiente ele um ambiente um ambiente poss vel de ser medido manipulado e sobre o qual agem processos espaciais e tempo
286. iferentes dire es Estas ferramentas s o experimentais mas oferecem oportunidades para a modelagem de fen menos din micos como o fluxo de gua subterr nea o deslocamento do fogo nas florestas o derramamento de leo e assim por diante No cap tulo de Produ o cartogr fica uma considera o especial feita aos procedimentos de produ o cartogr fica e acerca do trabalho de pr impress o O cap tulo Cria o de macros especialmente til para aqueles que repetidamente usam segi ncias de comandos A macro um procedimento que pode ser chamado para recriar uma segii ncia Este cap tulo cont m informa es sobre a estrutura do arquivo macro a cria o e a execu o de comandos macro Os Exerc cios tutoriais s o destinados ao aprendizado do IDRISI for Windows dos instrumentos b sicos usados em SIG e no processamento de imagens Eles foram desenhados em formato adequado para sala de aula assim como para a instru o auto did tica Temos literalmente milhares de usu rios que t m aprendido os conceitos b sicos de SIG por meio destes exerc cios A se o Ap ndices cont m informa o detalhada dos t picos apresentados nos cap tulos preliminares Os mais importantes s o aqueles com as tabelas contendo as constantes usadas para transforma o entre datums de mapas sim em geod sia o plural de datum datums e n o data Nesta se o voc tamb m encontrar o Gloss rio Como parte adicional do v
287. ificativo em nosso caso F 3 32 com 99 de intervalo de confian a 6 94 O valor F nesta regress o 7 03 maior que o valor F dado na tabela e portanto a regress o global significativa Caso nosso valor F fosse menor necessitar amos repensar nossa sele o de vari veis independentes Tabela ANOVA An lise de Vari ncia Uma regress o simples de duas vari veis pode ser entendida como a linha de melhor ajuste entre duas vari veis plotadas em um gr fico XY A diferen a entre o valor estimado para um ponto e o valor real para este ponto sobre a linha de melhor ajuste o res duo para este ponto ou a varia o n o explicada Isto elevado ao quadrado para resolver tanto os desvios positivos quanto os negativos A soma dos res duos quadrados subtra do da soma total dos quadrados nos d a parte explicada da regress o ou aquilo que chamado de soma dos quadrados da regress o Voc poderia tamb m calcular a soma dos quadrados da regress o e ent o subtra la do total para obter a soma dos quadrados dos res duos A parte explicada dividida pela soma total dos quadrados resulta no R A regress o m ltipla apenas amplia a mesma id ia para um cen rio de vari veis m ltiplas a linha de melhor ajuste em um espa o multidimensional Coeficiente de regress o individual Como mencionado no par grafo anterior sobre equa o de regress o os coeficientes expressam a contribui o individual de cada vari vel indep
288. igitaliza o Nestes casos til clicar no modo manual fazendo desaparecer os planos e continuar a opera o Com o modo Manual sempre que caixa de di logo ou janela de mapa cobrir a composi o qualquer plano vetorial que ficar abaixo da mesma ir desaparecer at que Refazer seja pressionado Para evitar isso h um terceiro modo na Composi o o modo Congelar Esse modo congela a janela de mapa exatamente como ela aparece quando o bot o Congelar for pressionado Entretando os elementos do mapa n o podem ser movidos e as fun es interativas do sistema de visualiza o como o zoom e a consulta do cursor s o desligadas Abaixo seguem algumas sugest es sobre o uso dos modos de exibi o da Composi o Para composi es simples use o modo Auto Este o modo mais f cil e possibilita acesso completo ao sistema de Composi o Para composi es complexas use o modo Manual Isso evitar repeti es necess rias na exibi o dos planos de informa o enquanto voc faz ajustes Uma vez conclu da a composi o mantenha em modo Manual e pressione o bot o Refazer ou o bot o Congelar quando a visualiza o estiver exatamente como voc deseja Em casos em que voc tiver muitas janelas de mapa abertas cada uma com v rios planos de informa o vetoriais congele cada uma das janelas de mapa com as quais voc n o necessita interagir com fregii ncia Isto previne o Windows de redesenhar arquivos vetor
289. igura 2 j Indique os seguintes X e Y m nimos e m ximos Min X 253000 Max X 262000 Min Y 4682000 Max Y 4695000 Esse o ret ngulo que delimita o novo arquivo que ser criado Qualquer ret ngulo de delimita o pode ser indicado e comum selecionar se uma janela de estudo menor do auq a imagem inteira durante esse processo O pr ximo conjunto de par metros a determinar o n mero de colunas e linhas da imagem de sa da O n mero de colunas do novo arquivo calculado pela seguinte equa o MaxX MinX n de colunas Resolu o PAXTON uma imagem LANDSAT TM que possui uma resolu o de 30 metros Essa a resolu o que n s desejamos manter na imagem de sa da A equa o portanto 262000 253000 de col 300 n de colunas 30 3 Qual a equa o para a determinar o n mero de linhas k Indique 300 colunas e 433 linhas e escolha uma reamostragem do tipo bilinear O processo de reamostragem como o posicionamento da nova imagem na sua correta orienta o sobre a imagem antiga Os valores s o estimados para cada nova c lula pela busca da c lula correspondente na imagem antiga Duas l gicas b sicas podem ser usadas para a estimativa Na primeira delas a c lula antiga mais pr xima com base na posi o do centro da c lula escolhida para determinar o valor da nova c lula Esse o chamado crit rio do vizinho mais pr ximo Na outra a m dia ponderada pela dist ncia da
290. imagens para FOR71 e FOR85 respectivamente atribuindo um novo valor de 1 para os valores antigos de 3 at 4 e O para todos os demais valores Observe que voc tamb m poderia usar EDIT ASSIGN para fazer isso Use CROSSTASB a partir do menu An lise Estat stica sobre as duas imagens resultantes para criar uma imagem de tabula o cruzada FOR7185 Use a tabela de cores Qualitativa 256 e uma legenda para visualizar FOR7185 Observe que nesta imagem o valor 2 representa reas que sofreram mudan a enquanto um valor igual a 3 representa reas que permaneceram florestadas nesse per odo l Compare as imagens LU71 e FOR7185 Qual a rela o prov vel entre a altera o nas florestas e a dist ncia de um local a reas urbanas e a estradas Nota voc poder adicionar o arquivo vetorial WESTRDS para auxili lo na resposta a esta quest o b Reclassifique FOR7185 para criar duas imagens Booleanas FORFORI na qual reas onde floresta mudou para outros tipos de cobertura do solo t m valor igual a 1 e o resto tem valor 0 Agora que temos uma imagem Booleana para reas onde floresta permaneceu floresta necessitamos criar a imagem de probabilidades correspondente Note que na maioria dos casos a probabilidade obtida da freq ncia de um evento em sua amostra Em nosso caso entretanto temos apenas um caso para cada pixel isto houve altera o ou n o Assim necessitamos usar um m todo alternativo para calcular a probabilida
291. imenta o com a linha de energia existente evidentemente a posi o da nova subesta o transformadora Como voc imagina que PATHWAY determinou que a nova linha de alimenta o deveria encontrar a linha de energia existente neste local ao inv s de qualquer outro ao longo da mesma Leia atentamente a descri o do m dulo PATHWAY no sistema de ajuda on line 3 Qual seria o resultado de PATHWAY caso fosse usado sobre uma superf cie de dist ncias Euclidiana criada com o m dulo DISTANCE com a imagem NEWPLANT como origem e POWERLN como fei o de destino 4 Enquanto os c lculos que efetuamos s o computacionalmente muito intensivos o modelo cartogr fico para a an lise relativamente simples e pode ser visto na Figura 1 Preencha o nome dos m dulos nas caixas tracejadas duas foram feitas para voc e adicione ao modelo os passos que voc usou para chegar de NEWLINE a SOLUTION Neste exerc cio fomos introduzidos a dist ncias de custo como um meio de modelar o movimento atrav s do espa o onde v rios elementos de atrito agem para tornar o movimento mais ou menos dif cil Isto til na modelagem de tempo de viagem e de custos monet rios de movimento N s tamb m vimos como o m dulo PATHWAY pode ser usado com uma superf cie de dist ncias de custo para encontrar o caminho de menor custo que conecte as fei es a partir das quais as dist ncias foram calculadas a outras fei es definidas como destino Adicionalmen
292. ini o de espacialmente cont guo pode ser feita de duas formas Na primeira os pixels s o considerados de um mesmo grupo se forem adjacentes em um ou mais de seus lados esquerda direita topo ou base Na segunda s o considerados de um mesmo grupo se forem adjacentes em seus lados ou tamb m em seus cantos Este caso chamado no IDRISI for Windows de Incluir diagonais A op o a utilizar depende da aplica o que voc pretende desenvolver A Figura 5 ilustra o resultado da execu o de GROUP sobre uma imagem Booleana simples Note a diferen a causada pela inclus o das diagonais O exemplo sem as diagonais produz oito novos grupos identificadores 0 7 enquanto a mesma imagem original com a inclus o das diagonais produz somente tr s novos grupos distintos original sem diagonais incluindo diagonais Figura 5 0 Execute GROUP a partir do menu An lise Operadores de contexto sobre BESTSORG para produzir uma imagem de sa da chamada PLOTS Inclua as diagonais e digite um t tulo para a imagem Quando GROUP tiver terminado examine PLOTS Use o modo de consulta do cursor para examinar os valores dos dados em cada regi o individual Note como agora cada grupo cont guo de pixels de mesmo valor tem um identificador nico diferente dos demais grupos 6 Quantos grupos foram produzidos lembre se de que o primeiro grupo recebeu o valor zero Tr s desses grupos s o nossas regi es aptas para o cultivo de sorgo mas os outros
293. is detalhada sobre COST veja a descri o do m dulo no sistema de ajuda do IDRISI for Windows e no exerc cio com dist ncias de custo dos exerc cios tutoriais introdut rios O resultado ser a dist ncia a partir do centro da cidade em equivalentes de c lulas de grade aqui interpretadas como uma medida de tempo relativo de viagem ao longo de rodovias existentes e potenciais f O primeiro passo para a obten o de um mapa de dist ncias de custo criar uma superf cie de atrito Produziremos uma superf cie de atrito a partir da imagem WESRDS criada h pouco Use EDIT e ASSIGN para criar uma nova imagem derivada de WESRDS chamada TOWNFRIC onde todas as reas al m das rodovias recebem um valor igual a 3 e todas as rodovias existentes um valor igual a 1 g Finalmente execute COST Especifique que voc deseja usar a op o Esfor o de custo especifique WESTCENT o centro da cidade de Westboro como a imagem com fei es de origem e TOWNDIST como a imagem de sa da Quando COST tiver conclu do voc pode visualizar TOWNDIST Use a Composi o para adicionar o arquivo vetorial WESRDS e interprete o resultado 8 Avalia o por crit rios m ltiplos An lise Booleana 179 Fator declividade O ltimo dos nossos fatores relevantes para custos das edifica es a declividade Construir edifica es menos oneroso em declives suaves Declividades s o facilmente calculadas a partir de modelos digitais de eleva o
294. is sofisticadas como a separa o de cores O IDRISI for Windows permite composi o cartogr fica na tela altamente interativa e flex vel incluindo a especifica o de m ltiplos planos de dados o dimensionamento e posicionamento de elementos do mapa como titulo texto barra de escala imagens secund rias e outros bem como configura es de s mbolos e cores As composi es de mapa do IDRISI for Windows podem ser gravadas para visualiza o posterior impressas em dispositivos compat veis com Windows e exportadas em v rios formatos desktop publishing comuns Sistemas de software que oferecem apenas a possibilidade de acessar e visualizar elementos de um banco de dados s o frequentemente citados como Atlas eletr nicos Sistema de digitaliza o de mapas Ap s a visualiza o cartogr fica o pr ximo elemento mais essencial o sistema de digitaliza o de mapas Com um sistema de digitaliza o de mapas pode se converter mapas existentes em papel para uma forma digital desenvolvendo mais o banco de dados No m todo de digitaliza o mais comum o mapa em papel fixado sobre uma mesa digitalizadora tra ando se depois as fei es de interesse com um cursor de acordo com os procedimentos exigidos pelo software Muitos sistemas de digitaliza o de mapas tamb m permitem alguma edi o dos dados digitalizados Existem v rios pacotes de software de digitaliza o independentes que s o compat veis com o formato do
295. is uma imagem esta se parece mais com um mapa Entretanto podemos definir um mapa simplesmente como sendo um ou mais planos de informa o interpretados Aqui a interpreta o fornecida mesmo que num sentido ordinal grosseiro pela legenda g Para agregar qualidade a esse mapa vamos adicionar um segundo plano de informa es os limites dos pa ses Para fazer isso certifique se que DEC88C seja a imagem ativa e clique sobre a op o Adicionar plano da Composi o Isso trar uma outra caixa de di logo que solicitar o nome de um arquivo vetorial a ser colocado sobre a imagem assim como o arquivo de s mbolos correspondente N s exploraremos os arquivos de s mbolos mais detalhadamente no Exerc cio 4 Entretanto por agora compreenda apenas que eles indicam como elementos gr ficos como as linhas neste caso devem aparecer D um clique duplo na caixa de di logo Nome do arquivo selecione o arquivo COUNTRY e a seguir clique no bot o OK para aceitar o arquivo de s mbolos padr o linha preta fina Voc perceber que a Composi o mostra agora a adi o de um segundo plano Voc pode sobrepor at 16 planos em um mesmo mapa Tabelas de cores O pr ximo assunto que precisa ser explorado o das tabelas de cores Caso voc esteja trabalhando com a visualiza o de 15 bits 32 767 cores 16 bits 65 536 cores ou de 24 bits 16 milh es de cores voc n o notar o que ser discutido no item abaixo Entretanto
296. ivos DEM cont m informa o hipsom trica eleva o nas escalas 1 24 000 ou 1 250 000 e est o em formato raster Tanto os arquivos DLG Formato Opcional N vel 3 1 24 000 quanto os arquivos DEM 1 24 000 s o orientados no sistema de coordenadas UTM e est o formatados para proporcionar dados contidos nos limites definidos pelas folhas padr o de uma grade de 7 5 minutos 1 24 000 Os dados com os quais trabalharemos neste exerc cio s o os da folha 1 24 000 de Black Earth Wisconsin Eles incluem dois dos planos DLG e o DEM correspondente Os planos DLG consistem nos arquivos de dados da hidrografia BE HYD DLG e das rodovias BE RD DLG O arquivo DEM denominado BLKEAR DEM Primeiro importaremos os elementos selecionados dos arquivos DLG O USGS separa dados DLG em v rios arquivos cada um com uma informa o espec fica Por exemplo as informa es de estradas e trilhas est o em um arquivo enquanto a informa o sobre a hidrografia est em outro Ferrovias linhas de transmiss o e hipsografia curvas de n vel s o outros planos que tamb m est o dispon veis Em cada arquivo os elementos s o ordenados por tipo n ponto linha ou rea pol gono aos quais s o atribu dos c digos num ricos correspondentes aos valores de um dicion rio de atributos padr o do USGS Em cada DLG do USGS por exemplo um c digo principal igual a 180 indica uma fei o de ferrovia e um c digo secund rio de 201 e 208 indica respectivamente
297. ivos que s o parte do plano de texto um arquivo vec com uma estrutura de arquivo de pontos um arquivo de documenta o dvc que lista o tipo de objeto geogr fico como texto um arquivo de banco de dados mdb com o mesmo nome do arquivo vetorial contendo os tr s campos especialmente projetados voc pode adicionar outros campos se quiser e um arquivo de documenta o dvl para os valores dos atributos no arquivo do banco de dados O exerc cio 10 trata especificamente das muitas caracter sticas da Oficina de banco de dados Todavia por enquanto esta opera o suficientemente simples para que n s possamos us la com uma pequena introdu o Para digitalizar as posi es para os textos tenha certeza de que o mapa ETDEM esteja na tela com o plano dos limites ETPROV A l gica que vamos usar digitalizar um nico ponto no centro de cada prov ncia Depois iremos centralizar o texto neste ponto na verdade j que iremos centralizar o texto em cada regi o voc provavelmente desejar colocar cada ponto no centro da regi o mais larga de cada prov ncia Antes de iniciar o processo de digitaliza o perceba que se voc iniciar na prov ncia mais ao norte e mover no sentido hor rio ao redor do limite voc poder contar 11 prov ncias com duas delas no interior do mapa uma ao norte e outra ao sul Esta a ordem pela qual n s vamos digitalizar n mero 1 para a prov ncia mais ao norte
298. iza o Execute HISTO a partir do menu Visualiza o para criar os histogramas de BROAD e de FINE O agrupamento 1 sempre o que possui a maior frequ ncia de de pixels Ele corresponde ao maior tipo de cobertura do solo detectado durante a classifica o O segundo agrupamento tem um n mero de pixels menor que o primeiro e assim por diante O problema que n s temos agora como interpretar estes agrupamentos Se voc conhece a regi o os agrupamentos grosseiros s o geralmente f ceis de interpretar Os agrupamentos finos entretanto podem exigir um cuidado consideravelmente maior na interpreta o Normalmente s o necess rios mapas fotografias a reas e visitas ao terreno para identificar adequadamente estes agrupamentos finos Adicionalmente n s frequentemente teremos necessidade de juntar certos agrupamentos para produzir nosso mapa final Por exemplo n s podemos encontrar um agrupamento representando floresta em uma encosta sombreada enquanto outra floresta de igual composi o encontra se em encosta ensolarada Para juntar e reatribuir agrupamentos como neste caso podemos usar ASSIGN e A imagem denominada WORCWEST que utilizamos em um exerc cio anterior foi de fato criada atrav s de uma classifica o n o supervisionada com o n vel de generaliza o Fino Ela 8 14 Classifica o n o supervisionada 135 foi ent o reagrupada usando se ASSIGN e depois modificada usando se trabalho de campo e reclassifica o
299. izinhos Por exemplo uma superf cie de altitudes do terreno pode ser suavizada substituindo os valores pela m dia da altitude original e da altitudes vizinhas Filtros digitais t m um grande n mero de aplica es em SIG e sensoriamento remoto desde a remo o de ru do at o realce visual de imagens Por causa da sua estrutura de dados simples e uniforme sistemas raster tendem a oferecer um rico conjunto de operadores de contexto No IDRISI for Windows por exemplo isso inclui an lise de superf cies e filtragem digital identifica o de reas cont guas an lises de bacias hidrogr ficas an lises de reas vis veis uma an lise de todas as reas vis veis a partir de uma ou mais fei es determinadas e um procedimento especial de modelagem de suprimento demanda onde as demandas s o satisfeitas atrav s da tomada de suprimentos de uma forma radial a partir dos locais vizinhos Opera es anal ticas Dadas as ferramentas b sicas uma grande variedade de opera es anal ticas podem ser efetuadas A maior parte delas pode ser classificada em tr s grupos b sicos quais sejam a consulta ao banco de dados o mapeamento derivativo e a modelagem de processos Consulta ao banco de dados Com consulta ao banco de dados n s estamos simplesmente selecionando combina es de vari veis para exame As ferramentas que usamos s o em grande parte as ferramentas de consulta ao banco de dados que discutimos anteriormente por isso o nome
300. l dependente da regress o seja cont nua no intervalo de 0 a 1 No exemplo que segue veremos a t cnica de regress o linear m ltipla H v rias casos em que uma simples vari vel pode ser uma composi o dos efeitos de um conjunto de vari veis No presente exemplo examinaremos estimativas de pre os em mercados agr colas locais da Eti pia como uma fun o de dist ncia ao mercado central precipita o m dia e n mero de bois por propriet tio A superf cie de estimativa de pre os foi computada usando se aproximadamente 100 meses de uma s rie temporal de pre os em 50 mercados da Eti pia Um dos resultados derivados da an lise foi o valor de repasse dos pre os do mercado central aos mercados locais Os valores para os mercados locais variaram de O a 100 Um mercado local com um valor de 65 significa que se houvesse aumento de 100 00 no pre o do mercado central o pre o no mercado local teria um acr scimo de 65 00 Mercados bem integrados valores pr ximos a 100 s o geralmente um indicador de economias eficientes Assim seria de consider vel interesse pol tico compreender as vari veis que influenciam a integra o dos mercados a Visualize a imagem MKTINTEG com a tabela MKTINTEG Esta uma imagem de valores de repasse dos pre os interpolados de 36 mercados Adicione o arquivo vetorial ETRDCLS com o arquivo de s mbolos ETRDCLS e MARKETS com o arquivo de s mbolos BIGPTS ETRDCLS um mapa das principais estradas c
301. lasses Em quantas classes elas estiveram distribu das na coluna 325 e linha 43 Qual foi o efeito sobre o valor de incerteza Por que 7 Olhando a imagem de incertezas BAYCLU como um todo que classes t m as menores incertezas associadas Dado que a categoria dec dua um grupo heterog neo de esp cies por que voc v que o classificador teve a capacidade de ser t o conclusivo sobre esta categoria N o se preocupe muito com sua resposta isto simplesmente 3 Classificadores relativos I BAYCLASS 161 uma possibilidade de especular sobre o porqu A raz o ser explorada com maior profundidade no exerc cio 5 f Use EXTRACT para extrair a incerteza m dia associada a cada uma das classes de cobertura do solo indicadas em SPMAXI1 a imagem classificada por m xima verossimilhan a criada no primeiro exerc cio deste grupo como ela tamb m foi criada usando se probabilidades a priori iguais corresponde exatamente s imagens produzidas em BAYCLASS Especifique SPMAX1 como a imagem de defini o de fei es e BAYCLU como a imagem a ser analisada Solicite sa da tabular dos valores m dios de incerteza 8 Que classes t m a maior incerteza m dia Voc pode explicar o porqu disto O Examine as c lulas na vizinhan a da coluna 408 e linha 287 na imagem BA YCONIF Estas c lulas mostram uma probabilidade intermedi ria de pertencerem classe floresta de con feras A que outra s classe s esses pixels podem pertenc
302. lha arbrit ria as op es padr o podem produzir pequenas diferen as nas reas que sem representa o na classifica o Centro de Recursos Idrisi Brasil 4 Discretizadores 163 BAYMAX2 indica a classe da segunda maior probabilidade enquanto BAYMAX3 e BAYMAX4 indicam respectivamente a terceira e a quarta probabilidades 1 Examine a grande por o de floresta dec dua nas vizinhan as da coluna 583 e linha 307 Compare os resultados em BAYMAX1 e BAYMAX2 Como voc intepreta essas reas onde a segunda maior probabilidade aparece como floresta de con feras banhados ou pistas de golfe gramados Examine as probabilidades associadas com essas classes do exerc cio anterior para desenvolver sua resposta Observe o estriamento que aparece nas imagens de terceiro e quarto n vel BAYMAX3 e BAYMAX4 Por que voc imagina que isso ocorre Note tamb m as distintas mudan as que ocorrem nas vizinhan as da coluna 73 Isso tamb m est relacionado ao mesmo problema do estriamento Centro de Recursos Idrisi Brasil 5 Classificadores relativos ll BELCLASS BELCLASS o segundo do grupo Classificadores relativos e um importante complemento para BAYCLASS Enquanto BAYCLASS baseia se na teoria de probabilidade Bayesiana BELCLASS baseado em uma variante da teoria de probabilidade Bayesiana conhecida como Teoria Dempster Shafer Se voc ainda n o o fez leia sobre BELCLASS no cap tulo Classifica o de imagens de sensoriamen
303. lhas induz alta reflect ncia nesta regi o do espectro Esta reflect ncia fortemente dependente da estrutura interna das folhas Como resultado diferen as significativas entre esp cies podem ser frequentemente detectadas nesta regi o Da mesma forma na regi o do infravermelho m dio vemos uma inclina o significativa no padr o de resposta espectral que est associada umidade da folha Esta outra rea onde diferen as significativas podem surgir entre esp cies maduras Como resultado aplica es que buscam uma diferencia o tima entre esp cies envolvem geralmente tanto a regi o do infravermelho pr ximo quanto do infravermelho m dio e usam imagens obtidas ao longo do ciclo de desenvolvimento Solo seco descoberto Vegeta o R e f r e el ca t t 1 n V ca i a I 04 06 08 10 12 14 16 18 20 22 24 26 Comprimento de onda um Figura 3 4 Assinaturas t picas de solo descoberto vegeta o verde e gua limpa Lillesand amp Kiefer 1987 adaptado Algumas tecnologias de sensoriamento remoto recentes como o AVIRIS produzem imagens hiperespectrais dados adquiridos em dezenas ou centenas de bandas muito estreitas Assinaturas desenvolvidas usando esses dados s o potencialmente muito precisas Al m disso bibliotecas de assinaturas hiperespectrais foram criadas em condi es de laborat rio contendo centenas de assinaturas para diferentes tipos de cobertura do solo incluindo muito
304. lo Superposi o tamb m pode indicar especifica o errada das assinaturas Todavia superposi o tamb m pode ocorrer devido a padr es de reflect ncia semelhantes de certos objetos p ex florestas de madeiras de lei e reas midas florestadas j Todos os classificadores que iremos explorar neste exerc cio podem ser encontrados no grupo Classificadores r gidos do menu An lise Processamento de imagens Para tornar a visualiza o autom tica das imagens de sa da mais informativa abra as Prefer ncias de visualiza po a partir do menu Visualiza o e ligue a op o de Legenda vis vel Execute MINDIST o classificador de dist ncia m nima s m dias e indique que voc quer usar um arquivo de grupo para especificar as assinaturas Digite o nome SIGS e os nomes das assinaturas ir o aparecer nas caixas de di logo correspondentes na ordem especificada no arquivo de grupo Escolha o tipo de dist ncia Bruta e use Infinita como m xima dist ncia de busca Chame a imagem de sa da de RAW e digite um t tulo para a nova imagem Pressione o bot o Continuar para acessar a pr xima tela de MINDIST e mantenha todas as bandas selecionadas para an lise Examine a imagem de cobertura do solo resultante Tentaremos o classificador de dist ncia m nima s m dias novamente mas desta vez usaremos um segundo tipo de c lculo dist ncias Normalizadas Neste caso o classificador ir avaliar o desvio padr o dos valores de reflect n
305. lores calculados Para fazer isso use Modifica o Adicionar campo e crie um novo campo chamado FERMENT O tipo de dado para esse campo precisa ser real uma vez que os valores a armazenar ser o maiores que o intervalo de dois bytes do tipo inteiro Depois escolha Calcular SQL a partir do menu Modifica o Observe que o in cio da express o SQL j est escrita Complete a express o para que fique da seguinte forma UPDATE Ethiopia SET FERMENT CATTLE 32 SHEEP 5 GOATS 5 Centro de Recursos Idrisi Brasil 112 IDRISI for Windows Exerc cios tutoriais introdut rios Isso significa que iremos atualizar o banco de dados ETHIOPIA especificando os valores do campo FERMENT a serem iguais express o dada Pressione Executar Voc ser alertado de que executando este comando estar alterando o conte do do banco de dados em uso e ser questionado se deseja proseguir Escolha Sim Examine os valores armazenados no campo FERMENT Voc necessitar redimensionar a largura da coluna arrastando com o mouse o seu limite direito para a direita O modelo cartogr fico para a segunda componente da emiss o de metano relacionada aos rebanhos Decomposi o do Esterco inicia de modo muito semelhante primeira componente e mostrado na Figura 2 Podemos chamar o novo campo contendo essa informa o de DECOMP CATTLE Calcular SQL DECOMP SHEEP x 0 047 0 0055 x AVGTEMP GOATS x 0 057 0 0055 x AVGTEMP
306. lu o ou na rea coberta por cada foto Por causa das distor es no sistema da c mera fotografias de pequeno formato n o podem ser usadas quando h a necessidade de um mapeamento preciso Al m disso impress es ampliadas de boa qualidade n o podem ser feitas a partir de negativos pequenos Apesar disso fotografias de pequeno formato podem ser muito teis para levantamentos de reconhecimento e podem ser usadas como pontos amostrais Videografia Videoc meras e gravadores leves port teis e de baixo custo podem ser carregadas em v os alugados Algumas companhias de mapeamento a reo oferecem a videografia como uma op o de produto de aerolevantamento a qual consiste em nada menos do que imagens em composi o falsa cor numa grava o cont nua em v deo tape Da mesma forma que a fotografia de pequeno formato o v deo a reo n o pode ser usado para mapeamento detalhado mas propicia uma vis o geral til para levantamentos de reconhecimento e pode ser usado juntamente com amostragem em campo Sistemas de sat lites Existem atualmente v rios sistemas em opera o que coletam imagens subsegiientemente distribu das aos usu rios Alguns dos sistemas mais comuns s o descritos abaixo Cada tipo de dado de sat lite oferece caracter sticas espec ficas que o tornam mais ou menos apropriado para uma aplica o em particular Em geral existem duas caracter sticas que podem ajudar voc na escolha do dado do sat lite a resolu
307. luir aqui procedimentos que s o usados para converter os valores brutos de reflect ncia relativa das bandas originais sem unidades para medidas reais de pot ncia reflexiva Centro de Recursos Idrisi Brasil Introdu o ao sensoriamento remoto e processamento de imagens 31 Veja o cap tulo Corre o de imagens na se o T PICOS ESPECIAIS do Manual do usu rio para uma discuss o mais detalhada sobre corre o radiom trica e como ela pode ser implementada no IDRISI for Windows Corre o geom trica Com imagens de sat lite comerciais como as do LANDSAT e do SPOT a maior parte dos elementos de distor o geom trica associados aquisi o das imagens s o corrigidos pelos distribuidores das imagens Esses elementos incluem corre o de skew deforma o para considerar o fato de que a Terra se move enquanto uma imagem adquirida corre o das distor es do scanner para explicar o fato de que o campo de visada instant neo IFOV cobre mais territ rio no final das linhas de varredura onde o ngulo de vis o mais obl quo do que no meio Parece l gico que dever amos incluir a transforma o do tipo rubber sheet e outros procedimentos de georreferenciamento nesta se o Entretanto com georreferenciamento a quest o n o restaurar as caracter sticas originais dos dados mas modific las atrav s de uma reorienta o e retroproje o da imagem para encontrar as caracter sticas finais deseja
308. lvar como para salvar a nova tabela de cores no diret rio de trabalho com o nome de BLKEARTH Feche a Oficina de tabelas de cores Agora pressione o bot o Propriedades na Janela da Composi o e modifique a tabela de cores para BLKEARTH Pressione OK D Vamos agora criar uma visualiza o especial que ilustra ambos os dados DEM e DLG juntos Adicione os arquivos STREAMS visualiza o de DEMC Quando aparecer o sinal de aten o alertando que o sistema de refer ncia dos dois dados n o o mesmo escolha por adicionar o plano mesmo assim Examine a visualiza o bem de perto Ex Voc percebe algo peculiar nesta composi o de mapa evidente que h algo errado aqui a n o ser que os cursos d gua em Wisconsin realmente fluam ao longo das encostas dos vales O que voc est vendo a diferen a na defini o da posi o dos elementos entre dois sistemas de refer ncia diferentes para isso exatamente que o Lan ador de visualiza o estava alertando Ambos os dados DLG e DEM s o georreferenciados ao sistema UTM mas os arquivos DLG s o baseados no datum North American 1927 NAD 27 enquanto os arquivos DEM est o baseados no datum North American 1983 NAD 83 Veja que diferen a o datum pode fazer Esta diferen a bem vis vel nesta figura porque n s acrescentamos o arquivo de cursos d gua Caso tiv ssemos acrescentado o arquivo de rodovias a discrep ncia n o seria t o bvia Como estas incompatibilidades
309. m ltiplos Multi Criteria Evaluation MCE um m todo muito usado para avaliar e agregar muitos crit rios mas apenas recentemente todo seu potencial foi constatado V rias t cnicas de MCE ser o exploradas m todos Booleanos simples combina o linear ponderada Weighted Linear Combination WLC e M dia ponderada ordenada Ordered Weighted Average OWA Um primeiro passo importante para entender a MCE desenvolver uma linguagem comum para apresentar e compreender tais m todos Caso o leitor ainda n o tenha feito isso deveria revisar o cap tulo Apoio decis o na se o T PICOS ESPECIAIS do Manual do Usu rio do IDRISI for Windows Nestes exerc cios n s identificaremos e combinaremos uma variedade de crit rios de modo a definir reas pr prias para novas reas residenciais Este problema com um simples objetivo ir inicialmente representar nosso quadro de decis o O grupo de defini o de reas espec ficas ser nosso conjunto de decis o isto o conjunto de todos os locais aptos ao desenvolvimento imobili rio residencial No Exerc cio 11 veremos como o quadro de decis o pode ser expandido de modo a incluir mais de um objetivo ou alternativa locacional Antes de combinar crit rios entretanto valores de crit rios devem ser reescalonados para um intervalo num rico comum um processo conhecido com padroniza o Essencialmente este o processo de convers o de valores de crit rios em express es de associ
310. m RECLASS quaisquer valores n o englobados por um intervalo especificado permanecer o com seus valores originais na imagem de sa da Note tamb m que quando um nico valor em vez de um intervalo de valores reclassificado o valor original deve ser digitado duas vezes em a todos valores de e em at imediatamente inferiores a RECLASS o meio mais universal de reclassificar ou atribuir novos valores aos dados de uma determinada imagem H um pre o por esta universalidade de certa forma lento Em alguns casos podemos usar um procedimento bem mais r pido chamado ASSIGN para obter o mesmo resultado ASSIGN atribui novos valores a um conjunto de valores inteiros Diferente de RECLASS a imagem de entrada para ASSIGN deve possuir n meros inteiros ou em byte RECLASS permite imagens do tipo real Em ASSIGN valores de dados n o mencionados na reclassifica o ser o automaticamente substitu dos por O RECLASS deixa dados n o mencionados com seu valor original Isto pode ser particularmente til quando desejamos criar uma imagem Booleana Por ltimo ASSIGN difere de RECLASS no fato de que somente valores inteiros individuais podem ser especificados n o intervalos de valores Para trabalhar com ASSIGN necessitamos primeiro criar um arquivo com valores de atributo chamado de arquivo de valores que liste os novos atributos para os valores de dados existentes A forma mais simples de um arquivo de valores no IDRIS
311. m arquivo de s mbolos de linhas no qual todas os 256 s mbolos descritos sejam iguais A forma mais f cil de fazer isso criar um s mbolo e copi lo para todos os outros 1 Selecione o s mbolo de linha 0 Mude sua mistura de cores RGB para 127 127 127 cinza m dio Ele j deve estar ajustado para ser uma linha s lida de 1 pixel de largura se n o estiver mude o para tal Use a fun o Copiar s mbolo para aplicar esta defini o para todos os s mbolos de 1 a 255 Escolha a op o Salvar como do menu Arquivo e salve o arquivo como GREY use a op o padr o para salvar no diret rio de trabalho Feche a Oficina de S mbolos J Agora selecione ETPROV na lista da Composi o e pressione em seguida o bot o Propriedades Mude ent o o arquivo de s mbolos para aquele que voc rec m criou GREY Para completar nosso mapa vamos adicionar os nomes das prov ncias como um plano de texto Criando planos de texto e arquivos de s mbolos de texto Planos de texto s o uma caracter stica nova no IDRISI for Windows e merecem aten o especial por causa da maneira pela qual s o criados Um plano de texto consiste de dois arquivos b sicos de dados mais seus arquivos de documenta o totalizando quatro arquivos um arquivo vetorial de pontos modificado indica a localiza o dos caracteres de texto e um arquivo de banco de dados associado cont m os caracteres de texto e seus c digos de s mbolos Estes c digos de s mbolos s
312. m fun o do termo imediatamente inferior a f Quando RECLASS tiver conclu do examine a nova imagem denominada FLOOD ela ser automaticamente visualizada se voc seguiu as instru es do passo d Esta uma imagem Booleana conforme descrito acima onde o valor 1 representa reas que atendem condi o especificada e o valor zero representam reas que n o atendem condi o g Agora vamos criar uma imagem Booleana BESTSOIL com todas as reas com solos argilosos O arquivo imagem DSOILS um mapa de solos desta regi o Se voc fechou a janela de DSOILS visualize a novamente usando a tabela de cores Qualitativa 16 o t tulo e a legenda ser o automaticamente exibidos se voc seguiu as instru es do passo d 2 Qual o valor num rico da classe de solos argilosos N s poder amos usar o m dulo RECLASS aqui para isolar esta classe numa imagem Booleana Se o us ssemos o que n o faremos neste caso nossa segii ncia para definir a reclassifica o seria Atribuir um novo valor de 0 a todos valores desde 0 at imediatamente inferiores a 2 Atribuir um novo valor de 1 a todos valores desde 2 at imediatamente inferiores a 2 Atribuir um novo valor de 0 a todos valores desde 3 at imediatamente inferiores a 999 Note que o intervalo de valores que n o t m interesse para n s devem ser explicitamente reclassificados para O enquanto os que interessam solo tipo 2 s o reclassificados para 1 E
313. m hu http geo cslm hu geoinfo idrisi htm Fax 36 22 327 697 Pol nia Jagiellonian University Institute of Geography GIS laboratory 31 044 Krakow Email jkosak arsenal geo uj edu pl Reino Unido Manchester Metropolitan University Dept of Environmental amp Geographic Sciences John Dalton Building Chester St M15GD Manchester Contato Dr Ian Heywood Mr Bruce Carlisle Mr Bruce Carlisle Mr Simon Kenton Email idrisiOmmu ac uk http ehlana mmu ac uk docs Idrisifindex html Fax 44 0161 247 6344 Centro de Recursos Idrisi Brasil Introdu o Rep blica Tcheca administrado em conjunto com o centro de recursos da Eslov quia Mendel University of Agriculture and Forestry Dept of Geomatics Email idrisi mendelu cz Fax 42 5 4521 1422 R ssia Russian Academy of Sciences Institute of Geography Coastal Systems Laboratory Staromonetny per 29 109017 Moscow Contato Dr Anatoly Mandych Mr Andrei Ptichnikov Email idrisi rc g23 relcom ru Fax 7 095 487 6301 Su a cole Polytechnique F d rale de Lausanne Chaire de Syst mes d Information R f rence Spatiale GR Ecublens CH 1015 Lausanne Contato Dr Guillemette Willemin Email Guillemette Willemin dgr epfl ch http dgrwww epfl ch sirs documents idrisi fr html Fax 41 21 693 57 40 administrado em conjunto com University of Fribourg Dept of Geography Perolles Fribourg Contato Dr Claude Collet Email
314. m mais de 100 m dulos a maioria dos quais devotada an lise de dados espaciais Como voc pode observar e Observe que voc corre o perigo de paralisar o sistema se um destes recursos cair abaixo de 10 Voc pode livrar espa o na mem ria fechando outros aplicativos que possam estar abertos ao mesmo tempo que o IDRISI for Windows Adicionalmente voc pode querer consultar seu material do Windows para seguir outros passos visando conservar esses recursos De acordo com nossa experi ncia problemas de recursos s o substancialmente reduzidos no Windows 95 e ausentes no Windows NT 3 5 13 O IDRISI for Windows foi especialmente projetado para facilitar a tradu o para outros idiomas A interface do programa o sistema de ajuda e partes do Manual do Usu rio j foram traduzidas para v rios idiomas incluindo franc s portugu s espanhol chin s russo e alem o Informa es sobre a disponibilidade de tradu es do software podem ser obtidas na p gina do Projeto Idrisi no endere o www idrisi clarku edu ou nos Centros de Recursos dos diferentes idiomas Centro de Recursos Idrisi Brasil 40 IDRISI for Windows Exerc cios tutoriais introdut rios o menu An lise constitu do de uma s rie de grupos anal ticos com conjuntos de m dulos listados como submenus Muitos desses m dulos ser o explorados nos exerc cios a seguir O menu Reformata o apresenta uma s rie de m dulos para alterar a natureza dos arquivos de
315. ma faixa tamp o de 50 metros Estas s o reas que pela legisla o urbana n o est o dispon veis para o desenvolvimento imobili rio Para colocar esta restri o em conformidade com nossa escala 8 Avalia o por crit rios m ltiplos An lise Booleana 177 padr o de restri es inverteremos os valores de tal forma que as reas dispon veis ao desenvolvimento imobili rio tenham o valor 1 e as invi veis o valor 0 Use EDIT e ASSIGN para inverter os valores em WATRPROT e denomine o resultado WATRCON nossa primeira restri o ao desenvolvimento imobili rio Restri o uso do solo Nossa segunda restri o ou barreira com as categorias de uso do solo n o dispon vels para o desenvolvimento residencial derivada do mapa de uso do solo c Visualize WESTLUSE novamente Claramente algumas destas classes s o invi veis ao desenvolvimento residencial Areas que j est o constru das corpos d gua e amplos corredores de transporte n o podem ser considerados como aptos constru o de casas sob hip tese alguma 3 Quais os valores de atributo das classes de uso do solo que s o inaptas ao desenvolvimento imobili rio Use a tabela a seguir reas aptas Atributo reas inaptas Atributo Agricultura J desenvolvidas Pecu ria Residencial multi familiar Floresta Residencial lotes pequenos Campo aberto natural Residencia lotes m dios Residencial lotes grandes Comercial Industrial Transporte Corpos d gua
316. magn tico 0 52 0 60 um Banda 3 regi o do vermelho 0 63 0 69 um Banda 4 regi o do infravermelho pr ximo 0 76 0 90 um Banda 5 regi o do infravermelho m dio 1 55 1 75 um Banda 6 regi o do infravermelho termal 10 4 12 5 um Banda 7 regi o do infravermelho m dio 2 08 2 35 um Figura 3 5 A figura 3 5 ilustra as bandas espectrais do sensor Thematic Mapper TM do LANDSAT O sat lite LANDSAT um sistema comercial que fornece imageamento multiespectral em sete bandas espectrais com uma resolu o espacial de 30 metros 24 IDRISI for Windows Manual do usu rio poss vel demonstrar atrav s de t cnicas anal ticas como a an lise de componentes principais que na maioria dos ambientes as bandas que carregam a maior parte da informa o sobre o ambiente natural s o as dos comprimentos de onda do infravermelho pr ximo e do vermelho A gua absorve fortemente o infravermelho o que a torna f cil de distinguir nessa regi o do espectro Al m disso as esp cies de plantas apresentam as maiores diferen as nesta regi o A regi o do vermelho tamb m muito importante porque a principal regi o de absor o de energia pela clorofila para a fotoss ntese Esta banda a que melhor permite distinguir entre superf cies com vegeta o e sem vegeta o Dada a import ncia das bandas do vermelho e do infravermelho pr ximo n o surpresa que os sistemas de sensores projetados para o monitoramento de recursos
317. manual discute em detalhe esse 18 IDRISI for Windows Manual do usu rio importante uso de SIG e fornece exemplos ilustrativos de casos de aplica o A despeito de sua evidente atra o a modelagem de processos tanto em processos ambientais quanto de tomada de decis o uma atividade ainda bastante nova e pouco comum em SIG A raz o muito simples Apesar de mais e mais ferramentas de modelagem estarem sendo disponibilizadas em diversos software de SIG n o incomum constatar se que o processo de interesse requer uma capacidade n o introduzida no sistema Esses casos requerem a cria o de um novo m dulo de programa Muitos sistemas n o est o muito bem estruturados para a incorpora o de rotinas desenvolvidas pelos usu rios mas o IDRISI for Windows foi desenhado para possibilitar essa incorpora o Programas em qualquer linguagem de computador podem ser inclu dos no sistema e acionados a partir da interface do IDRISI for Windows Centro de Recursos Idrisi Brasil Introdu o ao sensoriamento remoto e ao processamento de imagens Das v rias fontes de dados usadas em SIG uma das mais importantes indubitavelmente representada pelo sensoriamento remoto Atrav s do uso de sat lites existem programas de aquisi o cont nua de dados para o mundo inteiro com intervalos de tempo que abrangem desde de semanas at uma quest o de horas Tamb m muito importante o fato de que temos acesso a imagens de sensores remoto
318. menu Ambiente apenas um dos v rios grupos de m dulos Esse agrupamento de m dulos pode ser til mais tarde para voc explorar o sistema de menus olhando na barra de status para obter informa es gen ricas ou utilizando o sistema de ajuda on line para saber detalhes espec ficos de cada m dulo Imediatamente direita do menu Ambiente est o menu Arquivo Este menu cont m uma s rie de op es para o manuseio de arquivos como Listar Documentar e Descrever e para a Manuten o de arquivos excluir renomear copiar e mover Ele tamb m cont m uma Oficina de impress o e uma s rie de rotinas para a importa o e exporta o de arquivos Pr ximo base do menu Arquivo voc ver uma op o que executa arquivos macro Arquivos macro s o arquivos que cont m segii ncias de opera es do IDRISI for Windows Todas as op es do menu mostradas em letras mai sculas podem ser executadas em modo macro Finalmente caso haja algum aplicativo definido pelo usu rio indicado nas Prefer ncias o nome deste aplicativo aparecer na base do menu Arquivo O menu Visualiza o acessa uma variedade de rotinas para a visualiza o de dados Ele tamb m cont m as prefer ncias de visualiza o que permitem ao usu rio indicar certos par metros de visualiza o para serem usados como padr o A maioria dos elementos deste menu ser estudada no pr ximo exerc cio O menu An lise o mais extenso de todos O IDRISI for Windows cont
319. mos dispor de imagens cont nuas da temperatura e da disponibilidade h drica N s as chamaremos de TEMPERA e MOISTAVL Essas imagens ser o classificadas de acordo com os intervalos da Tabela 1 para produzir as imagens das zonas O in cio do modelo est constru do na Figura 1 Figura 1 Infelizmente nem a imagem de temperatura nem a de disponibilidade h drica est o na lista dos dados dispon veis n s precisaremos deriv las de outros dados A nica informa o dispon vel sobre a temperatura desta rea a das nove esta es meteorol gicas Tamb m temos informa o sobre a altitude de cada esta o meteorol gica Em grande parte da frica oriental inclusive no Qu nia a temperatura e a altitude est o estreitamente correlacionados Podemos avaliar a rela o entre estas duas vari veis para nossos nove pontos e se ela for consistente podemos usar esta rela o para derivar uma imagem com a temperatura TEMPERA a partir da imagem de altitudes dispon vel Esses elementos novos foram adicionados ao modelo cartogr fico mostrado na Figura 2 Como n o sabemos ainda a natureza exata da rela o entre a temperatura e a altitude n s n o podemos preencher os passos para esta parte do modelo Por ora indicaremos que pode haver mais de um passo envolvido usando uma linha tracejada LERTA NRELIEF relacionamento derivado IN Eleva o das esta es meteorol gicas e dados de temperatura
320. mos que nem toda a superf cie do terreno est dispon vel para essa obra De fato nesta rea apenas superf cies cobertas por vegeta o florestal est o dispon veis Resumindo locais adequados ao desenvolvimento devem estar 1 Em terras com declive inferior a 2 5 ii Em reas a mais de 250 m em torno dos reservat rios de gua iii Em terras atualmente cobertas por florestas iv Em rea cont nua superior a 10 ha Voc tem duas imagens desta rea um mapa de relevo denominado RELIEF e um mapa de uso do solo denominado LANDUSE A rea de estudo pequena para acelerar seu progresso neste exerc cio a Para se familiarizar com a rea de estudo execute ORTHO a partir do menu Visualiza o escolhendo RELIEF como a imagem de superf cie e LANDUSE como a imagem de cobertura Aceite o nome ORTHOTMP e os demais par metros padr o para a imagem de sa da Indique que voc quer usar a tabela de cores personalizada LANDUSE e uma legenda e escolha uma resolu o de sa da menor do que a configura o do seu Windows por exemplo se seu monitor est ajustado para 1024 x 768 escolha uma sa da de 800 x 600 Como voc pode ver a rea de estudo dominada por floresta dec dua e tem topografia ondulada Agora iremos resolver o problema da aptid o em quatro passos um para cada crit rio de aptid o O primeiro crit rio listado determina como aptas reas em terrenos cuja declividade inferior a 2 5 Nosso objetivo ne
321. mportante haver material dispon vel na l ngua m e possibilitando aplica es mais efetivas aos prop sitos de seu idealizador o professor Ron Eastman o ensino e a pesquisa de geoprocessamento de qualidade e com pre os acess veis A inclus o da introdu o do manual do usu rio deve se em grande parte s solicita es daqueles que j fizeram uso dos Exerc cios tutoriais da vers o 1 0 para que estes fossem acompanhados de alguns conceitos b sicos de geoprocessamento A bibliografia em portugu s tamb m n o muito ampla Muito interessantes sobretudo s o os Exerc cios tutoriais avan ados Atrav s deles poss vel avan ar sobre temas bastante novos na rea do geoprocessamento Os conceitos existem h algum tempo mas sua implementa o como m dulos de programa pioneira no IDRISI Os nomes originais dos arquivos foram mantidos no texto traduzido para n o criar confus o com rela o a vers es do programa e em especial de dados dos exerc cios importante lembrar tamb m que no texto em portugu s o separador decimal a v rgula mas ao introduzir dados no IDRISI o separador decimal a usar deve ser o ponto Esperamos satisfazer a comunidade usu ria desta ferramenta desejando a todos bons frutos em seu trabalho Continuem a nos estimular contactando nos sobre d vidas e trazendo nos sugest es O Centro de Recursos Idrisi para os pa ses de l ngua portuguesa procurar atend los da melhor maneira poss vel Cor
322. mportantes para os ambientalistas O plano diretor da cidade tem crit rios restritivos que delimitam reas para desenvolvimento imobili rio Para simplificar incluiremos apenas um regulamento na presente an lise nenhum desenvolvimento novo pode ocorrer a menos de 50 metros de corpos d gua banhados ou cursos d gua Adicionalmente a esta limita o legal novos loteamentos n o podem ocorrer em reas j usadas para tal fim nosso segundo crit rio restritivo Tendo determinado os crit rios restritivos o maior desafio para os administradores foi identificar os crit rios que determinariam a aptid o relativa das reas restantes Estes crit rios n o s o uma restri o absoluta ao desenvolvimento mas s o fatores que real am ou diminuem a aptid o relativa de uma rea para o desenvolvimento residencial Para os incorporadores estes crit rios s o fatores que determinam o custo de construir novas casas A viabilidade para o desenvolvimento imobili rio determinada por fatores tais como o tipo de uso atual do solo a dist ncia de rodovias a declividade e a dist ncia at o centro da cidade O custo das novas reas residenciais ser menor em reas em que a limpeza da rea seja mais f cil situem se pr ximas de rodovias e estejam em baixas declividades Adicionalmente altos custos de constru o podem ser compensados pela proximidade ao centro urbano uma rea atrativa aos novos compradores De outro lado fatores import
323. na forma de um gr fico do grau com o qual a energia refletida em diferentes regi es do espectro A maioria das pessoas est muito familiarizada com padr es de resposta espectral uma vez que eles equivalem ao conceito humano de cor Por exemplo a figura 3 3 mostra padr es de resposta espectral t picos para algumas cores na por o vis vel de espectro eletromagn tico assim como para branco e cinza escuro O padr o de reflect ncia vermelho claro por exemplo pode ser aquele produzido por um papel impresso com tinta vermelha Aqui a tinta pensada para alterar a luz branca que brilha sobre ela e absorver os comprimentos de onda do azul e do verde Restam ent o os comprimentos de onda do vermelho que refletem da superf cie do papel para o sistema sensor o olho O alto retorno de comprimentos de onda do vermelho indica um vermelho claro enquanto o baixo retorno de comprimentos de onda do verde no segundo exemplo sugere que ele aparecer bastante escuro B G R B G R B G R Vermelho claro Verde escuro Amarelo B G R B G R B G R P rpura Branco Cinza escuro Figura 3 3 Padr es de resposta espectral para discos selecionados O olho capaz de perceber padr es de resposta espectral porque ele um verdadeiro sensor multiespectral isto ele tem percep o em mais de um local no espectro Embora o verdadeiro funcionamento do olho sej
324. nar os valores de confian a associados com as c lulas nessa rea Quais s o os valores de confian a t picos para floresta dec dua de BELCLASS Quais s o as probabilidades a posteriori t picas de BAYCLASS Centro de Recursos Idrisi Brasil d 5 Classificadores relativos IH BELCLASS 165 3 Note que os valores de confian a ou probabilidades associadas s outras classes s o iguais a zero ou pr ximas de zero em ambos os casos Como ent o BA YCLASS produz probabilidades t o altas e BELCLASS produz valores de confian a t o mais baixos lembre se ambos compartilham a mesma base matem tica 4 O qu voc acha que pode ter causado a varia o na confian a nessa por o da imagem BELCLASS Sugest o considere a quest o da representatividade das reas de treinamento 5 Execute MAXBEL no grupo Discretizadores do menu Processamento de Imagens para aumentar o rigor desses resultados Quanto difere a imagem de primeiro n vel daquela produzida por BAYCLASS 6 Quais s o os valores de confian a e de probabilidade a posteriori na coluna 229 e linha 481 Claramente BAYCLASS e portanto MAXLIKE concluiu indubitavelmente que esse um exemplo de floresta dec dua Entretanto dada a confian a que voc determinou isso razo vel H talvez alguma outra raz o al m daquela que foi dada na resposta quest o 4 qual se possa atribuir a forte diferen a entre esses dois classificadores Sugest o BELCLASS incorp
325. ncionalidade desses tr s m dulos Como j vimos enquanto OVERLAY realiza opera es matem ticas entre duas imagens SCALAR e TRANSFOR atuam sobre um nico mapa SCALAR utilizado para alterar matematicamente todos os pixels em uma imagem atrav s de uma constante Por exemplo com SCALAR n s podemos modificar um mapa de relevo de metros para p s multiplicando cada pixel da imagem por 3 28084 TRANSFOR usado para aplicar uma transforma o matem tica uniforme a cada pixel na imagem Por exemplo TRANSFOR pode ser usado para calcular o rec proco 1 dividido pelo valor do pixel de uma imagem ou para aplicar transforma es logar tmicas ou trigonom tricas Estes tr s m dulos nos oferecem capacidade de modelagem matem tica Neste exerc cio n s trabalharemos primeiramente com SCALAR e OVERLAY Tamb m faremos uso de um m dulo chamado REGRESS que avalia rela es entre imagens ou entre dados tabulares para produzir equa es de regress o Os operadores matem ticos ser o ent o utilizados para avaliar as equa es derivadas Aqueles que n o est o familiarizados com a modelagem da regress o sugere se que estudem a respeito deste importante t pico em um livro de estat stica N s tamb m faremos uso do m dulo CROSSTAB que produz uma nova imagem baseada em todas as combina es de valores de duas imagens Neste exerc cio criaremos um mapa de zonas agroclim ticas para o distrito de Nakuru no Qu nia O distrito de Nakuru
326. nda c smicos televis Raios Infravermelho pr ximo Infravermelho Infravermelho Microondas Figura 3 1 O espectro eletromagn tico Lillesand amp Kiefer 1987 adaptado Comprimento de onda Como j mencionado a maior parte dos dispositivos de sensoriamento remoto fazem uso de energia eletromagn tica Entretanto o espectro eletromagn tico muito amplo e nem todos os comprimentos de onda s o igualmente efetivos para prop sitos de sensoriamento remoto Al m disso nem todos t m intera es significativas com os materiais da superf cie da Terra que nos interessam A figura 3 1 ilustra o espectro eletromagn tico A pr pria atmosfera causa absor o e ou espalhamento significativo dos comprimentos de onda mais curtos Al m disso as lentes de vidro de muitos sensores tamb m causam absor o significativa dos comprimentos de onda mais curtos como os do ultravioleta UV Como resultado a primeira janela significativa i e uma regi o na qual a energia pode significativamente 3 Lillesand T amp Kiefer R 1987 Remote Sensing and Image interpretation New York Wiley 20 IDRISI for Windows Manual do usu rio atravessar a atmosfera localiza se nos comprimentos de onda do v sivel Os comprimentos de onda do azul sofrem substancial atenua o pelo espalhamento atmosf rico e por esse motivo s o frequentemente preteridos nas imagens de sensoriamento remoto Entretanto os comprimentos de onda do verde do
327. ndo os c digos de visualiza o Use o modo de visualiza o cont nuo para ver o resultado 5 Descreva os padr es espaciais que voc percebe para as emiss es de metano na Eti pia O metano um dos componentes do modelo de gases de efeito estufa poss vel que estes dados possam ser combinados com v rios outros arquivos em um modelo mais compreens vel Como alguns dos outros arquivos do modelo podem ser cont nuos ou estar baseados em unidades espaciais outras que n o awrajas ser necess rio transferir tamb m os dados de emiss o total do campo do banco de dados para uma imagem Isso pode ser efetuado pelo m dulo ASSIGN Usamos ASSIGN em um exerc cio anterior para alterar os valores de uma imagem com base em um arquivo de valores ASCII contendo os identificadores No presente caso estamos fazendo praticamente a mesma coisa s que especificando os campos do banco de dados com o identificador e a emiss o total de metano respectivamente como os identificadores de unidades espaciais awrajas neste caso e os novos valores a atribuir cc Escolha Atribuir valores de campo imagem a partir do menu Liga o da Oficina de banco de dados Use AWRAJAS como a imagem de defini o de fei es TOTMET como o nome da imagem de sa da IDR ID como o campo de defini o das fei es e TOTMET como o campo do banco de dados onde est o os dados Visualize sua nova imagem usando o Lan ador de visualiza o com a tabela de cores Idrisi 2
328. ne na barra de ferramentas como ilustrado ao lado Uma vez carregada a Oficina de banco de dados estiver escolha a op o Arquivo do menu do banco de dados para criar um plano vetorial de texto Isto ir fazer surgir uma nova caixa de di logo na qual voc precisar entrar com o nome do arquivo vetorial de pontos que voc digitalizou e o nome para o arquivo de texto a ser criado Neste caso usaremos o mesmo nome 4 Tabelas de cores s mbolos e autoescalonamento 61 para o arquivo de sa da e o de entrada PROVTEXT quando voc clicar em OK ser perguntado se voc realmente quer fazer isso selecione Sim Quando terminar use a op o Abrir do menu Arquivo para abrir o arquivo de banco de dados rec m criado ele tamb m ser chamado PROVTEXT Voc notar que ele cont m tr s campos IDR ID PROVTEXT SYM e PROVTEXT TEXT Usando o mouse ou as teclas de setas coloque um 1 sem as aspas em cada uma das c lulas de PROVTEXT SYM indicando que todos usar o o s mbolo com o c digo 1 Depois entre com os seguintes nomes para as prov ncias em ordem de 1 a 13 no campo PROVTEXT TEXT Tigray Welo Harerge Bale Sidamo Gamo Gofa Kefa Ilubabor Welega Gojam Gonder Shewa Arsi O plano de texto foi criado Voc pode agora salvar o banco de dados usando a op o Salvar banco de dados do menu Arquivo da Oficina de banco de dados ou simplesmente saindo da Oficina de banco de dados e respondendo Sim quando per
329. nem sempre s o bvias essencial que toda informa o sobre o sistema de refer ncia sempre seja determinada para qualquer plano de informa o a incorporar na sua base de dados Caso voc esteja digitalizando seus pr prios planos esta informa o geralmente impressa diretamente nos mapas em papel Se voc estiver recebendo dados digitais de uma fonte como o USGS a informa o fregiientemente inclu da em um cabe alho em um arquivo de acompanhamento ou em documento em papel Caso voc adquira e use dados sem tal documenta o bom estar ciente das consegii ncias De modo a combinar adequadamente os dados DLG e DEM que importamos todos os planos necessitam estar num mesmo sistema de refer ncia No pr ximo exerc cio usaremos o m dulo PROJECT para transformar o datum dos planos DLG de NAD27 para NAD83 para faz los coincidir com os de DEM Salve todos os arquivos que criamos neste exerc cio Voc os usar no pr ximo Centro de Recursos Idrisi Brasil 17 Altera o do sistema de refer ncia com PROJECT No exerc cio anterior importamos dados DLG e DEM do USGS para o formato do IDRISI for Windows Notamos ent o que os arquivos DLG possu am datum diferente do arquivo DEM Neste exerc cio usaremos o m dulo PROJECT para modificar o datum dos arquivos DLG para ajust los ao DEM O m dulo PROJECT tem este nome porque a sua fun o alterar a proje o de uma imagem ou arquivo vetorial Entretanto ele
330. nente e os autovetores s o as equa es de transforma o Observe que isto foi apresentado como o percentual da vari ncia explicada var medida no topo de cada coluna 3 Quanto da vari ncia explicada pelas componentes 1 2 e 3 separadamente Quanto explicado pelas componentes 1 e 2 juntas some a quantidade explicada por ambas Quanto explicado pelas componentes 1 2 e 3 juntas 4 Se voc quisesse de reter apenas as componentes 1 2 e 3 qual a quantidade de informa o que seria retida Quanta informa o seria descartada Qual o volume de dados que seria descartado Agora desloque se para baixo na janela dos resultados e examine o conte do da ltima tabela LOADING Os valores referem se ao grau de correla o entre estas novas componentes as colunas e as bandas originais as linhas 5 Que banda tem a maior correla o com a componente 1 E uma correla o elevada 6 Que banda tem a maior correla o com a componente 2 Se voc n o imprimiu as tabelas n o feche esta janela porque necessitaremos voltar a ela mais tarde Simplesmente minimize a para deixar espa o na tela para a vizualiza o de outras imagens e Visualize agora a componente 1 H87CMP1 com autoescalonamento e com a tabela de cores Tons de cinza 256 Voc pode usar um fator de expans o menor que o sugerido pelo Lan ador de visualiza o reservar espa o para arranjar mais de uma imagem na tela Visualize a seguir tamb m H87TM4
331. nforma o existente e a ela adicionamos algo novo conhecimento de relacionamentos entre elementos do banco de dados Podemos criar um mapa de potencial de eros o do solo usando um plano com um modelo digital de eleva o um plano de solos e um plano de regime pluviom trico mas somente se conhecermos o relacionamento entre esses fatores e o novo mapa que estamos criando Em alguns casos esses relacionamentos devem ser especificados em termos l gicos como a cria o de um mapa de aptid o para localiza o de uma ind stria com a condi o de que ela deve estar em reas de floresta fora de reas de prote o em torno de banhados e em baixas declividades onde usamos nossas ferramentas de consulta ao banco de dados Em outros casos entretanto esses relacionamentos s o especificados em termos matem ticos onde necessitamos empregar intensamente as ferramentas de lgebra com mapas Da mesma forma os relacionamentos que formam o modelo necessitam ser conhecidos Em alguns casos os modelos de relacionamento podem ser derivados de fundamentos l gicos ou te ricos Entretanto em muitos momentos necess rio que os relacionamentos sejam determinados por estudos emp ricos A an lise de regress o por exemplo uma forma muito comum de usar testes emp ricos para desenvolver um relacionamento matem tico entre vari veis Seguindo o exemplo da eros o do solo podemos levantar uma s rie de locais de teste nos quais a eros o med
332. nha de varredura que movido atrav s da cena Centro de Recursos Idrisi Brasil Introdu o ao sensoriamento remoto e processamento de imagens 29 f sicas principalmente a textura do alvo do que pela sua reflex o e padr o espectral necessitando por isso de t cnicas especiais de interpreta o e georreferenciamento Comparado a outros tipos de imagens de sensoriamento remoto o uso de dados de Radar ainda est no in cio mas tem um enorme potencial AVIRIS O AVIRIS um sistema experimental que produz dados hiperespectrais Ele coleta dados em 224 bandas ao longo do mesmo intervalo de comprimentos de onda do LANDSAT Est previsto para 1998 o lan amento de outro sistema o EOS MODIS para coletar dados em 36 bandas que cobrem o mesmo intervalo do sistema AVHRR Georreferenciamento de imagens e fotogrametria Para prop sitos de mapeamento essencial que quaisquer formas de imagens de sensoriamento remoto sejam referenciadas com exatid o ao mapa proposto como base Com as imagens de sat lite a grande altitude das plataformas resulta num deslocamento m nimo devido ao relevo sendo o georreferenciamento normalmente feito atrav s do uso de um processo de transforma o sistem tica que suavemente empena a imagem atrav s de equa es polinomiais com base nas posi es conhecidas de um conjunto de pontos de controle dispersos Esta capacidade est dispon vel no IDRISI for Windows atrav s do m dulo RESAMPLE
333. ni o indicada a um conjunto de 256 cores e se a imagem deve ser real ada automaticamente ele far uma sugest o isto ser tratado de forma mais completa no Exerc cio 4 o fator de expans o ele determinar um automaticamente e qualquer componente auxiliar ao mapa como legenda escala etc Como h indica es padr o para cada item exceto para o nome do arquivo a visualizar isso tudo o que necessitamos indicar Entretanto indicaremos dois elementos o arquivo e a tabela de cores d Para indicar o nome do arquivo a visualizar digite simplesmente o nome na caixa de di logo Existe entretanto um meio mais f cil Simplesmente acione o mouse duas vezes seguidas sobre a caixa de di logo de entrada e ela mostrar uma lista de escolhas que voc pode fazer Isto verdadeiro para praticamente todas as caixas de di logo de entrada que requerem informa o sobre um arquivo de dados Experimente selecionar agora a imagem BRASILFC clicando uma vez para selecion la e uma segunda vez para inseri la na caixa de entrada ou simplesmente clicar duas vezes seguidas para alcan ar o mesmo resultado Clique a seguir na tabela de cores o item Composi o colorida 256 seguida do bot o OK e Neste ponto voc deve ter a imagem BRAZILFC na tela l Mova o cursor do mouse sobre a imagem O que pode ser observado na barra de status barra inferior da tela medida que voc move o cursor sobre ela di Al m d
334. niversidade Federal do Rio Grande do Sul Centro de Ecologia Caixa Postal 15 007 91 501 970 Porto Alegre Contato MSc Heinrich Hasenack MSc Eliseu Weber Email cridrisi ecologia ufrgs br http www ecologia ufrgs br idrisi Fax 55 51 319 1568 China Beijing Normal University College of Resource amp Environmental Science N 19 Xinjieikouwai St 100875 Beijing Contato Dr Yang Ming Chuan Dr Peng Wanglu Dr Shi Peijun Email idrisiQns bnu edu cn Fax 86 10 6220 0667 Costa Rica Universidad Nacional Escuela de Ciencias Geogr ficas Email robinson Oirazu una ac cr http www una ac cr geog Isigae frames irc cr index html Fax 506 261 0028 Eslov quia administrado em conjunto com o centro de recursos da Rep blica Tcheca Technicka Univerzita vo Zvolene Lesnicka Fakulta Email tucek O vsld tuzvo sk Fax 42 855 22654 Espanha Universitat de Girona Servei de SIG Place Ferrater Mora 1 17071 Girona Contato Mr David Comas Ms Irene Compte Email idrisiQ skywalker udg es http www sigte udg es Fax 34 72 418230 administrado em conjunto com Universidad de Alcal Departamento de Geograf a C Colegios 2 Alcal Contato Dr Emilio Chuvieco Dr Javier Salas Email ggecs O geogra alcala es Hungria University of Sopron College of Surveying amp Land Managment P O Box 52 Pirosalma u 1 3 H 8000 Szek esfehervar Contato Dr Bela Markus Mr Andras Dioszegi Email mb geo csl
335. niversity Boston Massachusetts EUA doou estes dados amostrais N s fizemos um exemplo hipot tico a partir deste conjunto de dados Centro de Recursos Idrisi Brasil 12 Modelagem de peso de evid ncia com Belief 203 O interesse da pesquisa nos guia na defini o da rede de discernimento ela inclui dois elementos b sicos s tio e n o s tio A combina o hier rquica de todas as hip teses poss veis inclui portanto s tio n o s tio e s tio n o s tio N s estamos mais interessados nos resultados produzidos para a hip tese s tio A evid ncia existente que usamos no entanto pode sustentar qualquer uma das hip teses poss veis O resultado final produzido para a hip tese s tio dependente de como toda a evid ncia est relacionada entre si no processo de agrega o Mesmo que a evid ncia possa sustentar outras hip teses ela afeta indiretamente a confian a total em s tio N s coletamos evid ncia indireta que est relacionada probabilidade de que um s tio arqueol gico existe Essa evid ncia constitui os s tios conhecidos a fregii ncia de artefatos fragmentos contados a gua permanente e as declividades A evid ncia derivada de diferentes fontes que s o independentes umas das outras Cada linha de evid ncia est associada com as hip teses apenas indiretamente por isso a ignor ncia um fator importante a considerar na an lise Devemos ser expl citos sobre o que conhecemos e o
336. nizados e ponderados do mesmo modo restri es s o m scaras Booleanas e fatores s o mapas cont nuos de aptid o que s o ponderados de acordo com sua import ncia relativa Por isso n o iremos ponderar ou padronizar nossos fatores novamente para este m todo de MCE Entretanto no caso da OWA um segundo conjunto de pesos agora pesos de ordena o ser o aplicados a nossos fatores Pesos de ordena o nos dar o um maior grau de controle sobre o n vel global de compensa o entre fatores assim como do n vel de risco na determina o da aptid o Nosso primeiro m todo de agrega o o m todo Booleano demandou que reduz ssemos nossos fatores a simples restri es que representam decis es r gidas sobre a aptid o O mapa final de aptid o para desenvolvimento residencial foi o produto da opera o l gica AND m nimo isto ela foi uma solu o que evitou o risco n o deixando nenhuma possibilidade para que os crit rios compensem uns aos outros Caso um local n o fosse apto para todos os crit rios este local n o poderia ser apto no mapa final A WLC entretanto permite nos usar todo o potencial de nossos fatores como superf cies cont nuas de aptid o Lembre que ap s identificar os fatores eles foram padronizados usando se fun es fuzzy ponderados e combinados usando a t cnica das m dias Os pesos dos fatores usados expressaram a import ncia relativa de cada crit rio para o objetivo global e determinaram como os
337. njunto de pesos de ordena o para as diferentes posi es de ordem hier rquica dos fatores em cada local pixel Os pesos de ordena o governar o primeiramente o grau com o qual os pesos dos fatores ter o influ ncia no procedimento de agrega o Ap s a aplica o dos pesos dos fatores em algum grau aos fatores originais os resultados s o ordenados da aptid o mais baixa mais elevada em cada local Ao fator com o escore de menor aptid o dado o primeiro peso de ordena o ao fator com o segundo valor mais baixo o segundo peso de ordena o e assim por diante Isto tem o efeito de ponderar fatores com base em sua ordem do valor m nimo ao valor m ximo para cada local O deslocamento relativo em dire o ao m nimo ou ao m ximo dos pesos de ordena o controla o n vel de risco ANDness e o pr prio risco enquanto o grau com o qual os pesos de ordena o est o uniformemente distribu dos ao longo de todas as posi es controla o n vel de compensa o global isto o grau com o qual os pesos dos fatores influenciam O usu rio deve revisar o cap tulo Apoio decis o no Manual do Usu rio do IDRISI for Windows para maiores informa es sobre OWA Execu o de OWA Risco m dio e compensa o plena Em nosso exemplo necessitamos especificar seis pesos de ordena o porque temos seis fatores que ser o ordenados para cada local ap s a aplica o dos pesos dos fatores Caso queiramos produzir um resultado id ntico
338. no limite n mero 2 para aquela na borda seguindo no sentido hor rio e assim por diante finalizando com o n mero 13 para a prov ncia no meio e mais ao sul k Para iniciar a digitalizar certifique se de que a janela de mapa est ativa e pressione o bot o DIGITIZE na barra de ferramentas Voc ser solicitado a fornecer um nome para o arquivo a ser criado e o seu tipo Escolha a op o de arquivo de pontos e especifique o nome como PROVTEXT Voc deve tamb m usar a op o padr o para iniciar com uma ID identidade de 1 e com incremento de 1 Agora digitalize os pontos movimentando o cursor para o centro da regi o mais larga de cada prov ncia e clicando no bot o da esquerda do mouse Mova de uma prov ncia para outra no sentido hor rio finalizando com as duas prov ncias centrais por primeiro a mais ao norte e por ltimo a mais ao sul Se voc cometer um erro poss vel excluir a ltima fei o digitalizada pressionando o bot o de Excluir fei es digitalizadas o bot o com Um X e ent o siga digitalizando como antes Quando voc tiver terminado pressione o bot o direito do mouse Agora pressione o bot o salvar aquele com uma seta curvada para baixo Quando voc tiver completado e gravado seus pontos voc notar que eles aparecem como s mbolos de pontos na tela D Acione a Oficina de banco de dados Ela pode ser encontrada em diversos locais no sistema de menus ou pode ser acessada atrav s de seu co
339. nos de dados para efetuar an lise estat stica em pixels selecionados Ele cria um arquivo com uma extens o IMG mas impr prio para visualiza o Ele apenas lista os valores de pixels extra dos do plano de dados original d Execute QUERY a partir do menu An lise Consulta ao banco de dados O arquivo de entrada do qual extrairemos a consulta WATDIST O arquivo m scara com os pixels para os quais ser extra da a informa o SITES Denomine o arquivo de sa da de SAMPLE aceite o formato padr o do arquivo de sa da e ent o execute QUERY Uma mensagem de aten o aparecer dizendo que este um arquivo de consulta e n o tem finalidade de visualiza o e Execute agora HISTO com o arquivo SAMPLE Observe que o intervalo de classe deve ser modificado j que o intervalo dos valores de dist ncia grande Entre o valor 100 100 representa a resolu o da c lula dos dados para o intervalo de classe Aceite a op o de sa da gr fica O histograma gr fico mostra a fregii ncia com que diferentes valores de dist ncia ocorrem entre os s tios arqueol gicos existentes Uma amostra como esta descreve a rela o entre os valores de dist ncia e a probabilidade com a qual um s tio pode ocorrer Observe que quando a dist ncia maior do que 800 metros raramente h qualquer s tio conhecido Podemos usar esta informa o para derivar probabilidades para a hip tese n o s tio 12 Modelagem de peso de evid ncia com Belie
340. nossas vari veis a pr xima linha de texto no arquivo macro ser reclass x i slopes slopebl 2 1 0 2 5 0 2 5 999 9999 c Execute EDIT e indique que voc quer editar um arquivo macro Selecione o arquivo EXERS A macro j foi criada para voc Cada linha executa um m dulo do IDRISI for Windows usando os mesmos par metros que usamos no exerc cio 6 Como a ltima linha indica a imagem final ser chamada de SUITAB2 em vez de SUITABLE para podermos comparar as duas mais tarde Quando houver terminado de digitar os comandos salve o arquivo e saia Observe que as linhas que iniciam com as letras REM s o consideradas pelo programa como coment rios e n o ser o executadas Esses coment rios s o usados para documentar a macro d Gaste algum tempo comparando a informa o sobre o formato de comando macro do sistema de ajuda com algumas das linhas da macro Voc pode diminuir a janela do sistema de ajuda para t la com a janela de EDIT ao mesmo tempo na tela e Quando tiver terminado de examinar a macro pressione o bot o Sair N o save mudan as que voc possa feito inadvertidamente na macro 7 Automa o de an lises com macros 87 f Escolha Executar Macro a partir do menu Arquivo d EXER6 como nome do arquivo macro e deixe a caixa de di logo de par metros da macro em branco Enquanto a macro roda voc ver um relat rio na tela mostrando qual o passo que est sendo processado Quando a macro terminar visualize SUITAB
341. ns de verde A imagem TEMPSURF uma imagem cont nua da temperatura m dia anual para a Eti pia O que necessitamos para completar nosso c lculo entretanto um campo em nosso banco de dados com um nico n mero para cada awraja Podemos produzi lo com o m dulo EXTRACT que usa um arquivo de defini o de fei es e um arquivo de dados para produzir um sum rio estat stico de cada fei o As op es do sum rio incluem total m dia intervalo desvio padr o m nimo e m ximo Neste caso queremos calcular o valor m dio de temperatura para todos os pixels em cada awraja di Caso voc mesmo queira criar TEMPSURF os arquivos necess rios est o no seu conjunto de dados de exerc cio ELEVMTRS e CELSIUS s o os arquivos de eleva o e temperatura e ETDEM o modelo digital de eleva o Siga a metodologia descrita no Exerc cio 9 10 Oficina de banco de dados 113 EXTRACT pode ser acessado a partir do menu An lise Consulta ao banco de dados do IDRISI for Windows ou alternativamente atrav s da Oficina de banco de dados Como queremos adicionar o sum rio extra do da imagem ao nosso banco de dados adotaremos o segundo procedimento j que ele possibilita importar automaticamente o resultado para o banco de dados y Na Oficina de banco de dados primeiro prepare o banco para receber os novos dados adicionando o campo AVGTEMP com dados do tipo real Com o novo campo pronto estamos aptos agora para utilizar EXTRACT Escolh
342. nsideradas A opera o AND n o permitir considerar nenhuma compensa o e a opera o WLC onde eles teriam uma compensa o plena muito liberal em termos de admiss o de risco Os planejadores procurar o ent o desenvolver um conjunto de pesos de ordena o que lhes d alguma quantia de compensa o mas que mantenha o n vel de risco baixo na solu o 1 Que conjunto de pesos voc pode sugerir aos planejadores urbanos para manter um baixo n vel de risco com alguma compensa o f Execute MCE e escolha recuperar par metros do arquivo de apoio decis o dsf denominado MCEMIDA Observe que este conjunto de par metros tem pesos de ordena o que especificam uma opera o a meio caminho entre o extremo de AND e a posi o de risco m dio de WLC Adicionalmente estes pesos de ordena o definem o n vel de compensa o para ficar a meio caminho entre a situa o de nenhuma compensa o da opera o AND e a situa o de compensa o plena de WLC Estes pesos devem ser similares ao conjusto que voc rec m desenvolveu Agora execute MCE novamente mas use agora o arquivo dsf chamado MCEMIDO e denomine o resultado MCEMIDO 1 Como os resultados de MCEMIDO diferem de MCEMIDA em termos de compensa o e risco O resultado de MCEMIDO atenderia s necessidades dos planejadores urbanos Usando o mesmo gr fico anterior localize as posi es de MCEMIDA e MCEMIDO A seguir visualize MCEMIDA e MCEMIDO juntamente com
343. nterativamente Arquivos macro devem ter a extens o IML Idrisi Macro Language Linguagem Macro do IDRISI Se a macro for criada no m dulo EDIT do IDRISI for Windows a extens o IML ser automaticamente fornecida ao selecionar se a edi o de arquivos macro Observe que alguns m dulos n o possuem uma vers o de comando macro Estes m dulos n o produzem um arquivo como resultado p ex DESCRIBE LIST ou s o m dulos que requerem intera o com o usu rio p ex EDIT Qualquer m dulo que aparece no menu todo em letras mai sculas pode ser usado em uma macro Para informa es mais detalhadas veja o cap tulo Cria o de Macros no Manual do Usu rio Neste exerc cio escreveremos uma macro para toda a an lise feita interativamente no Exerc cio 6 Todos os m dulos usados naquele exerc cio podem ser empregados em macros exceto EDIT Uma vez que Centro de Recursos Idrisi Brasil 86 IDRISI for Windows Exerc cios tutoriais introdut rios EDIT n o est dispon vel para uso em macros n s podemos produzir os arquivos de valores necess rios para uso em ASSIGN antes de executar a macro ou podemos ainda substituir o uso de EDIT e ASSIGN por RECLASS N s faremos este ltimo a Para iniciar vamos olhar os passos que foram necess rios para criar a imagem SLOPEBL a partir do modelo digital de eleva o RELIEF examinando a Figura 1 do exerc cio 6 O primeiro m dulo que usamos foi SURFACE V para o sistema de ajuda
344. o como 4 267 vezes 10 elevado pot ncia 3 ou 4267 Essa nota o sempre usada quando a legenda produzida automaticamente para imagem com n meros reais de forma que ele pode mostrar o mesmo n mero de casas decimais independente do tamanho maior ou menor que o n mero possui Como estas duas imagens ilustram voc pode ter sempre uma legenda para cada imagem Entretanto se desejar um controle completo sobre seu conte do voc necessitar adicionar uma informa o de legenda no arquivo documento de sua imagem Isso feito atrav s do m dulo Documentar o qual permite indicar at 256 categorias de legenda ou interativamente atrav s da visualiza o isso ser ilustrado no pr ximo exerc cio Dimensionando a legenda e a moldura do mapa J Caso desejar voc pode fechar agora todas as janelas de visualiza o abertas antes de prosseguir Cada janela de visualiza o aberta toma recursos da mem ria Para continuar a explora o da legenda use o Lan ador de visualiza o para examinar um arquivo chamado AFFAOSOL Use a tabela de cores chamada Qualitativa 256 e especifique que devem aparecer a legenda e o t tulo Observe novamente que h mais categorias de legenda do que cabem na tela mas desta vez elas vem do arquivo documento ao inv s de terem sido geradas automaticamente Como voc deve ter percebido a legenda mostra automaticamente 16 categorias numeradas de O a 15 a barra de rolagem horizontal esconde a cate
345. o em v rias imagens diferentes que s o especificadas em um arquivo de grupo Isso ser melhor discutido e ilustrado no exerc cio 11 Explora o de imagens Visualiza o de vetor b sico A discuss o feita at agora considerou praticamente apenas imagens raster Existem entretanto pequenas diferen as nos procedimentos no caso de uma visualiza o na qual o plano de informa o b sico de informa o i e a primeira camada um arquivo vetorial Neste caso a caixa de di logo do Lan ador de visualiza o se altera para refletir o fato de que h par metros diferentes que necessitam ser indicados Eles incluem o nome do arquivo vetorial o arquivo de s mbolos a usar se ele deve ser ligado a um arquivo de valores qualquer componente complementar ao mapa com legenda escala etc A natureza do arquivo de s mbolos ser explorado mais detalhadamente nos exerc cios que seguem Em resumo existem arquivos de s mbolos distintos para cada tipo de arquivo vetorial ponto linha pol gono e texto e cada um descreve a natureza dos at 256 s mbolos que podem ser usados Arquivos de valor t m um papel importante no contexto da visualiza o de arquivos vetoriais Arquivos vetoriais simplesmente cont m as caracter sticas geogr ficas de um conjunto de elementos Normalmente eles s o identificados por n meros inteiros com a inten o de lig los a um arquivo de valores que cont m atributos para estes elementos
346. o iremos usar estas tr s bandas neste exerc cio a Execute COMPOSIT a partir do grupo Realce do menu An lise Processamento de imagens Especifique HOW87TM2 como a banda azul HOW87TM3 como a banda verde e HOW87TM4 como a banda vermelha Observe que n o usamos a banda 1 a banda do azul vis vel sendo cada uma das demais deslocada para cima Devido a isso ela chamada uma composi o colorida em falsa cor Escolha realce linear com satura o de 2 5 e n o omita o zero do realce Chame o resultado de TMFC Seja paciente pois isto exigir algum tempo para ser efetuado O resultado ser visualizado com a tabela de cores Composi o colorida 256 b Abra as Prefer ncias de visualiza o no menu Visualiza o e ligue as op es de T tulo vis vel e Legenda vis vel Certifique se tamb m de que a op o de Visuaizar automaticamente as sa das Centro de Recursos Idrisi Brasil 134 IDRISI for Windows Exerc cios tutoriais introdut rios dos m dulos anal ticos est ligada Execute ent o CLUSTER a partir do grupo Classificadores r gidos do menu An lise Processamento de imagens Especifique TMFC como o nome da composi o colorida e chame a imagem de sa da de BROAD Escolha a op o Grosseiro para o n vel de generaliza o e opte por eliminar os agrupamentos n o significativos D um t tulo para a imagem O resultado BROAD ser visualizado com a tabela de cores Qualitativa 256 Esta uma imagem das class
347. o usando o Lan ador de visualiza o Caso n o esteja correto pare e repense sobre o que voc fez A an lise geogr fica pode estar ligada a opera es em cascata cada qual dependendo da anterior Como resultado podem haver becos sem sa da similar ao que acontece nos jogos de aventura Al m disso os erros acumulam se rapidamente Seu maior seguro contra isso pensar cuidadosamente sobre o resultado esperado e ent o examinar cada produto para ver se ele preenche suas expectativas Exerc cios tutoriais ilustrando uma sele o de aplicativos avan ados do sistema IDRISI for Windows podem ser encontrados nos Exerc cios tutoriais avan ados deste manual Centro de Recursos Idrisi Brasil 1 O ambiente do IDRISI for Windows Para iniciar o IDRISI for Windows clique sobre o cone do aplicativo IDRISI no grupo de programas do IDRISI for Windows Com isso ser carregado o sistema do IDRISI for Windows O sistema oferece um ambiente de trabalho completo e roda normalmente em estado maximizado i e ele ocupa a tela toda a b Uma vez carregado o sistema note que a tela possui quatro componentes distintos No topo n s temos o menu principal abaixo do qual aparece a barra de ferramentas com cones para acesso r pido aos m dulos mais comuns Abaixo desta est a rea de trabalho principal e mais abaixo a barra de status A barra de status fornece mensagens teis sobre a opera o e a performance do sistema A t tulo
348. o alterando o n mero de arquivos para 11 Indique que 4 n veis de sa da devem ser produzidos e deixe a probabilidade m nima para cada classe com o valor padr o de 0 Especifique que voc quer um arquivo de grupo chamado BAYMAX e use o prefixo BAYMAX tamb m para os arquivos de sa da b Visualize cada uma das imagens BAYMAXI BAYMAX2 BAYMAX3 e BAYMAX4 Use a tabela de cores SPMAX em cada imagem e especifique que seja mostrada uma legenda Voc pode tamb m ativar o arquivo de grupo BAYMAX nas Prefer ncias de Visualiza o para auxiliar nas suas compara es BAYMAX 1 indica os resultados de atribuir a classe daquela que tem a probabilidade m xima nos resultados de BAYCLASS O resultado obtido ser essencialmente o mesmo daquele obtido a partir de MAXLIKE SPMAXI nesse caso i Todos os discretizadores atualmente usam MDCHOICE para empreender a an lise A nica raz o pela qual os di logos para MAXBAY MAXBEL e MAXFUZ foram inclu dos que eles foram desenhados para as necessidades espec ficas de usar MDCHOICE com essas formas de sa da 8 o E eha e Pe Pixels receber o o valor 0 caso seu valor for menor ou igual ao valor especificado para a probabilidade m nima O resultado de fato id ntico exceto pelo tratamento da quest o da probabilidade m nima Como MAXBAY assim como MAXBEL MAXFUZ e MDCHOICE atribui um zero a qualquer pixel com probabilidade O de pertencer a todas as classes e MAXLIKE atribui uma esco
349. o clicar duplo ser uma solu o nova para a necessidade de visualizar uma lista de arquivos dispon veis n s percebemos que ele tamb m era superior s caixas de lista mais tradicionais por que ele pode fornecer uma lista mais longa em uma variedade de contextos Em sistemas de geoprocessamento comum haver um grande n mero de arquivos e a possibilidade de escolher um a partir de uma lista longa extremamente til 2 O sistema de visualiza o 43 Uma introdu o Composi o de mapas f Voc deve ter percebido que juntamente com a imagem apareceu um segundo elemento importante do sistema de visualiza o uma pequena janela chamada Composi o A Composi o usada para criar composi es de mapas bem como para controlar as caracter sticas visuais dos arquivos que j est o na tela Exploraremos a Composi o em profundidade no pr ximo exerc cio Entretanto como uma breve ilustra o clique o cone do Lan ador de visualiza o novamente voc deve deixar a imagem BRAZILFC na tela e carregue uma imagem denominada DEC88C com a tabela de cores NDVI 16 e em todos os outros elementos aceite os indicadores padr o Adicionalmente clique sobre as op es de legenda de t tulo e de escala na por o inferior da caixa de di logo n o d aten o aos outros elementos por enquanto eles levam em considera o t picos que ainda n o discutimos Clique ent o no bot o OK Diferente de BRAZILFC que parece muito ma
350. o de contraste Filtragem digital Uma das possibilidades mais intrigantes da an lise digital a de aplicar filtros digitais Os filtros podem ser usados para promover o realce de bordas algumas vezes tamb m chamado crispening na literatura para remover a n voa falta de defini o da imagem e para isolar lineamentos e tend ncias direcionais para mencionar apenas algumas aplica es Classifica o de imagens A classifica o de imagens refere se interpreta o de imagens de sensoriamento remoto auxiliada por computador Embora alguns procedimentos permitam incorporar informa es acerca de caracter sticas das imagens como textura e contexto a maior parte da classifica o de imagens baseia se 32 IDRISI for Windows Manual do usu rio exclusivamente na detec o de assinaturas espectrais isto padr es de resposta espectral de classes de cobertura do solo O sucesso com o qual isto pode ser feito depende de duas coisas 1 da presen a de assinaturas distintas para as categorias de cobertura do solo de interesse no conjunto de bandas a ser usado e 2 da habilidade para distinguir com seguran a estas assinaturas de outros padr es de resposta espectral que possam estar presentes Um passo vital no processo de classifica o a avalia o da exatid o das imagens finais produzidas Isto envolve a identifica o de um conjunto de locais amostrais que s o visitados no campo A classe de cobertura do solo encont
351. o de dados dando informa o detalhada em todas as suas fun es incluindo a possibilidade de ligar se o banco de dados a um mapa e sua habilidade de usar uma linguagem estruturada A se o T PICOS ESPECIAIS cont m informa es sobre uma s rie de t picos espec ficos O cap tulo de georreferenciamento especialmente importante j que muitos projetos de utiliza o de SIG e processamento de imagens requerem georreferenciamento para um sistema geod sico e integra o de dados com mapeamento de governos locais e nacionais O cap tulo que se refere a Apoio decis o ser de particular interesse para aqueles envolvidos com a distribui o de recursos e com o planejamento Ele cobre os procedimentos espec ficos solicitados para experimentar crit rios m ltiplos an lise por objetivos m ltiplos assim como tomada de decis o na presen a de incerteza O cap tulo relacionado An lise de s ries temporais mudan a trata de um aumento importante no conjunto de instrumentos para o monitoramento ambiental Alguns t picos incluem compara es procedimentos para distinguir uma mudan a real da variabilidade natural perfil temporal e s ries temporais atrav s de an lise de componentes principais No cap tulo sobre An lise anisotr pica de custo faz se uma breve discuss o dos procedimentos abordados na se o FUNDAMENTOS DO SISTEMA para considerar o caso dos atritos e for as isto for as e atritos que atuam de forma distinta em d
352. o de melhor ajuste descreve a rela o entre o sistema de refer ncia arbitr rio da imagem e o novo sistema de refer ncia ao qual ela est sendo reamostrada e essa rela o calculada a partir dos pontos de controle Um ponto com res duo alto sugere que as coordenadas do ponto foram mal escolhidas no sistema antigo no sistema novo ou em ambos O RMS total descreve o erro de posicionamento caracter stico de todos os pontos de controle em rela o equa o Ele descreve a probabilidade com a qual uma posi o mapeada poder variar da sua localiza o verdadeira De acordo com os padr es de acur cia dos mapas dos Estados Unidos o RMS para imagens deve ser menor que 12 da resolu o da imagem de entrada Neste caso deve se esperar que o RMS seja menor que 15 O RMS expresso portanto nas unidades do sistema de refer ncia de entrada Aqui n s necessitamos rever como foi escolhido o sistema de refer ncias arbitr rio de PAXTON O sistema de coordenadas X Y de PAXTON coincide com o n mero de linhas e colunas da imagem Isso significa que uma unidade no sistema de refer ncia igual extens o de um pixel Em outras palavras movendo uma unidade na dire o X voc move um pixel Entretanto 0 5 unidades no sistema de refer ncia igual a extens o de 12 pixel O objetivo portanto reduzir o RMS a menos de 0 5 m Desloque se para baixo na tabela para visualizar os erros residuais de todos os pontos de
353. o denominado NEWPLANT A localiza o da nova unidade industrial ser mostrada por um grande c rculo branco a noroeste da por o central da imagem Adicione tamb m o arquivo vetorial POWERLN composi o usando o arquivo de s mbolos personalizado denominado POWERLN A linha de alta tens o existente est localizada na por o inferior esquerda da imagem e representada por uma linha vermelha S o estas duas fei es que n s necessitamos conectar pelo caminho de menor custo A an lise de dist ncia de custo requer dois planos de informa o um contendo as fei es a partir das quais as dist ncias de custo ser o calculadas e um descrevendo uma superf cie de atrito Opara maiores informa es sobre estes algoritmos veja Eastman J R 1989 Pushbroom Algorithms for Calculating Distances in Raster Grids Proceedings AUTOCARTO 9 288 297 para este exerc cio certifique se de que as Prefer ncias de visualiza o estejam com a configura o padr o do sistema pressionando o bot o Padr es do sistema Depois ligue a op o de Legenda vis vel e pressione OK 8 Dist ncias de custo e caminhos de menor custo 91 Nosso primeiro passo criar uma superf cie de atrito que defina os custos associados ao deslocamento atrav s dos diferentes tipos de cobertura do solo existentes na rea Para os prop sitos deste exerc cio suponhamos que existe um custo b sico para construir a linha de alimenta o atravessando terras
354. o e n meros de v rios tipos de rebanho Use a barra de rolagem vertical para olhar atrav s dos registros do banco de dados A altura e largura do mesmo podem ser ajustadas movendo as suas bordas com o mouse d Para aprender mais sobre esse banco de dados vamos examinar a informa o contida na sua documenta o Escolha Documentar banco de dados do menu Arquivo da Oficina de banco de dados Aqui podemos ver que o arquivo est em formato Access e podemos determinar o n mero de campos colunas e de registros linhas da tabela Pressionando a seta da direita do bot o de rolagem Mudar campo voc poder ver a informa o espec fica sobre o pr ximo campo do banco de dados Desloque se atrav s da informa o apresentada aqui e depois feche a janela de Documentar banco de dados pressionando Cancelar Centro de Recursos Idrisi Brasil 106 IDRISI for Windows Exerc cios tutoriais introdut rios Parte 2 Consulta ao banco de dados por localiza o Apesar do que vimos ser muito til para examinar diretamente os valores no banco de dados n s freguentemente tamb m necessitamos ver a sua distribui o espacial e fazer consultas No Exerc cio 5 aprendemos que h basicamente duas formas de consulta ao banco de dados por localiza o e por atributo Dissemos que poder amos fazer consultas por localiza o utilizando o modo de consulta do cursor em uma imagem na tela assim como fizemos para examinar os identificadores de cada awraj
355. o giro no sentido hor rio que ocorreu durante a reamostragem Essa transforma o espacial mais evidente quando olhamos os lagos no lado direito da imagem Eles apresentam uma orienta o muito mais vertical na nova imagem do que tinham na imagem original 15 Georreferenciamento de imagens usando reamostragem ponto de controle 21 ponto de controle 22 Digital Line Graph DLG Quadr ngulo de PAXTON Massachussets Worcester Co United States Department of the Interior Geological Survey 7 5 Minutes Series 1965 Figura 3 Centro de Recursos Idrisi Brasil 143 16 Bases de dados cartogr ficos digitais Como a entrada de dados uma das tarefas que mais consome tempo quando se trabalha com SIG as ag ncias nacionais de cartografia em v rios pa ses est o agora desenvolvendo bases de dados cartogr ficos digitais que podem fornecer planos de dados importantes com baixo custo Neste exerc cio estudaremos dois tipos de dados disponibilizados pelo Servi o Geol gico dos Estados Unidos United States Geological Survey USGS e os procedimentos dispon veis para incorpor los no IDRISI for Windows Os dois formatos que estudaremos s o arquivos de dados DLG Digital Line Graph e DEM Digital Elevation Model Arquivos DLG cont m a informa o planim trica normalmente encontrada nos mapas topogr ficos do USGS e est o dispon veis em formato vetorial nas escalas 1 24 000 1 250 000 e 1 2 000 000 Os arqu
356. o m dulo escrito entre os arquivos de entrada Par metros de entrada importantes podem ser vistos no modelo cartogr fico pr ximo aos nomes dos m dulos em caixa baixa e it lico p ex multiplica o A Figura 2 mostra um exemplo de um modelo cartogr fico muito simples RECLASS MESES gt 5 5 0 EDIT registros Figura 2 de produ o Voc ir se familiarizar bastante com os modelos cartogr ficos assim que for trabalhando com os exerc cios tutoriais restantes 5 Consulta ao banco de dados Neste exerc cio exploraremos a mais fundamental das opera es em SIG a consulta ao banco de dados Com a consulta ao banco de dados estamos tentando responder uma de duas quest es poss veis A primeira uma consulta por localiza o o que existe neste local A segunda uma consulta por atributo mostre todos os locais que possuem este atributo Quando movemos o cursor atrav s da imagem a posi o de suas colunas e linhas bem como as coordenadas X e Y s o mostradas na barra de status na base da tela Quando pressionamos o cone do modo de consulta do cursor o oitavo da esquerda para a direita e ent o clicamos em diferentes locais na imagem a barra de status ir mostrar al m da posi o de coluna e linha e das coordenadas do cursor tamb m o valor da c lula em cada local consultado o valor Z Quando fazemos isso estamos de fato realizando uma consulta atrav s da localiza o Em futuros exerc ci
357. o nome do arquivo SITES Selecione Usar editor de arquivos de grupo e pressione OK Adicione os arquivos BEL S PLAUS S BELINTS da Lista de arquivos para a Lista de sa da marcando cada arquivo e pressionando Adicionar A seguir entre no menu Visualiza o Prefer ncias de visualiza o e acione Usar modo expandido de consulta do cursor com o arquivo de grupo de imagens SITES Acione a op o 12 Modelagem de peso de evid ncia com Belief 207 Mostrar gr fico do valor z pressione OK e acione o modo de consulta do cursor na barra de cones Com qualquer uma das imagens listadas no arquivo de grupo de imagens consulte qualquer c lula e o gr fico do valor z do cursor aparecer no canto inferior direito do monitor Preste aten o s reas que t m uma alta probabilidade na imagem BELINT S e explique a rela o entre confian a plausibilidade e o intervalo de confian a Considere esta quest o que reas deveriam ser escolhidas para pesquisa adicional n Para explorar a rela o entre os resultados e os planos de evid ncia crie com EDIT outro arquivo de grupo de imagens denominado EVID que contenha os arquivos WATER NS SLOPE NS SITE S SHARD S BEL S PLAUS S BELINT S Altere ent o para EVID o nome do arquivo de grupo de imagens nas Prefer ncias de visualiza o Consulte v rios locais nas imagens BEL S PLAUS S e BELINT S Qual a rela o delas com a evid ncia Quando tiver terminado feche todos os arquivos 0
358. o pixel pertence incluindo a possibilidade de n o ser uma das classes que estamos examinando Na implementa o de BELCLASS do IDRISI for Windows n s tamb m reconhecemos um outro aspecto da incerteza que chamaremos ambigiiidade Dado que a confian a expressa o grau de evid ncia que sustenta especificamente uma classe em particular a ambigiiidade expressa o grau em que esse suporte amb guo por tamb m sustentar outras classes A ambigiiidade pode ser calculada como a diferen a entre o intervalo de confian a para uma classe espec fica e a ignor ncia como um todo Crie ent o uma imagem de ambigiiidade para dec duas chamada AMBDECID com OVERLAY subtraindo BELCLU ou PLSCLU de BINDECID Veja o grau de ambigiiidade na por o de floresta nas vizinhan as da c lula da coluna 324 e linha 59 No exerc cio com BAYCLASS n s identificamos essa rea como uma mistura de con feras e esp cies dec duas A presen a da ambigiiidade d um suporte direto para a presen a de misturas envolvendo as classes em exame 4 Crie uma imagem de ambigiiidade similar para con feras e chame a de AMBCONTF Qu o extensiva a ambigiiidade envolvendo con feras ou dec duas 5 Considerando que a incerteza total de uma classe p ex BINDECID composta tanto pela ignor ncia BELCLU como pela ambigiiidade AMBDECID qual o maior componente da incerteza a ignor ncia ou a ambigiiidade O IDRISI for Windows tamb m possui dois outros m
359. o pode ser interpretado da seguinte forma selecione todos os campos do banco de dados Ethiopia do banco de dados Ethiopia para todos os registros que tem um valor no campo POPULATION maior do que 300 000 Execute o filtro Observe que os registros das fei es que n o atendem essa condi o de filtragem n o s o mostrados no banco de dados somente os registros para awrajas com popula o excedendo 300 000 habitantes aparecem A visualiza o automaticamente atualizada para mostrar aquelas awrajas cuja popula o excede 300 000 Voc pode usar neste caso o modo de visualiza o Booleano clicando no cone semelhante a um tabuleiro de xadrez uma vez que n s dividimos nossos dados em duas classes aqueles que atendem condi o especificada e aqueles que n o a atendem Se voc tenha escolher o modo de visualiza o Booleano as awrajas que atendem a condi o ficam todas preenchidas com o s mbolo um que azul escuro no arquivo de s mbolos de pol gonos IDRIS256 Se voc escolher o modo de visualiza o cont nuo cada awraja que atende a condi o especificada ser mostrada com o s mbolo correspondente aos valores de popula o autoescalonados Em ambos os casos as awrajas que n o satisfazem condi o n o s o mostrados Centro de Recursos Idrisi Brasil 110 IDRISI for Windows Exerc cios tutoriais introdut rios H nitidamente um padr o espacial presente nos dados de popula o n s n
360. obabilidade de altera o Comparando as imagens LU71 e LU85 voc ver que esta rea mudou de floresta para gua Trabalhos de campo nos mostraram que uma barragem foi constru da nesta rea criando assim a altera o Esta altera o n o foi parte do processo normal de desflorestamento e as raz es do processo tamb m n o representam condi es normais de altera o florestal Interessante que os resultados da regress o log stica detectaram esta diferen a m Execute CROSSTAB sobre LU71 e LU85 para produzir uma imagem denominada LU7185 Visualize LU7185 com a tabela de cores Quantitativa 256 legenda e t tulo Investigue que tipos de altera o ocorreram na floresta Especificamente determine que tipo de altera o diferente da convers o floresta gua e altera es induzidas pelo homem ocorreram Isto nos leva classe 15 floresta mudou para banhado Esta mudan a foi causada basicamente pela modifica o nas condi es do regime de gua do que pelas atividades humanas prolongadas Centro de Recursos Idrisi Brasil 224 IDRISI for Windows Exerc cios tutoriais avan ados Se eliminarmos as duas altera es anteriores floresta mudou para gua e para banhado todas as demais altera es foram causadas pela invas o de atividades humanas sobre reas com floresta n Produza uma imagem Booleana FORCHGIA a partir de LU7185 de modo que reas com invas o de atividades humanas relativas a altera es nas florestas
361. olume impresso o IDRISI for Windows tamb m possui um Sistema de ajuda on line Isto n o duplica a informa o contida no Manual do usu rio mas funciona como um suplemento muito importante dele Especificamente o sistema de ajuda cont m informa o detalhada sobre o uso de cada m dulo do IDRISI Isto inclui informa o sobre opera es notas especiais explica es sobre erros e assim por diante Para cada finalidade o m dulo tem um bot o que pode ser Centro de Recursos Idrisi Brasil Introdu o 3 acionado para obter se ajuda para o m dulo desejado O sistema de ajuda tamb m pode ser acessado acionando o item respectivo no menu de ajuda Voc encontrar uma lista geral dos conte dos bem como uma palavra chave para a busca de fun es O sistema de ajuda tamb m cont m um gloss rio b sico assim como os fundamentos de como operar o sistema Introdu o a Sistemas de Informa o Geogr fica SIG A tecnologia SIG tem tido um enorme impacto em virtualmente todos os campos que gerenciam e analisam dados espacialmente distribu dos Para aqueles que n o est o familiarizados com a tecnologia f cil v la como uma caixa m gica A velocidade consist ncia e precis o com a qual ela opera realmente impressionante e dif cil resistir sua forte caracter stica gr fica Entretanto para analistas experimentados a filosofia de SIG muito diferente pois com a experi ncia o SIG torna se uma simples extens
362. omo voc pode ver isto o leva ao mesmo m dulo descrito acima A barra de ferramentas oferece uma op o mais r pida de acesso aos m dulos mais utilizados com maior freq ncia mas o menu a forma principal de fazer isso Enquanto voltamos ao item ENVIRON do menu Ambiente aproveite para observar algumas de suas demais caracter sticas Primeiro veja que ele ilustra qual o seu cone correspondente na barra de ferramentas Todos os m dulos que t m cones os ilustram na sua caixa de di logo Em seguida observe que aparece um bot o de Ajuda Clique sobre ele O Sistema de ajuda do IDRISI for Windows bastante extenso Ele propicia uma refer ncia t cnica completa que seu recurso prim rio para esclarecer detalhes no uso de cada m dulo Voc pode notar que para cada m dulo dada uma descri o do seu prop sito seguido das chaves para as se es Opera o Notas Mensagens de erro e Comandos macro se aplic vel Veja que estas chaves aparecem coloridas e sublinhadas Clique sobre a chave Opera o que levar voc para a se o sobre como operar o m dulo ENVIRON Para retornar para onde voc estava anteriormente clique sobre o bot o Voltar Observe tamb m que h um bot o denominado Localizar Clique sobre ele e digite IDRISI Essa op o de busca permite a voc n o apenas encontrar informa o sobre qualquer m dulo do IDRISI mas tamb m sobre qualquer outro t pico O Sistema de ajuda possui um glo
363. omponentes principais A an lise de componentes principais PCA est relacionada com an lise fatorial e pode ser usada para transformar um conjunto de bandas de uma imagem em novas bandas denominadas componentes n o correlacionadas entre si e ordenadas em termos da propor o da vari ncia da imagem original que podem explicar As componentes s o uma abstra o estat stica da variabilidade inerente ao conjunto original de dados Como cada componente produzida por esta correla o n o est correlacionada com a outra cada uma carrega informa o nova Al m disso por elas estarem ordenados em termos da quantidade de informa o que carregam as primeiras componentes tender o a carregar a maior parte da informa o real existente no conjunto de bandas original enquanto as ltimas componentes ir o descrever apenas vari ncias menores Uma aplica o da an lise de componentes principais a compacta o de dados retendo apenas as primeiras componentes pode se guardar a maior parte da informa o descartando uma grande parte dos dados Usaremos o conjunto de dados de Howe Hill H87TM1 7 para estudar a an lise de componentes principais e as caracter sticas da informa o contida nos dados LANDSAT TM a Visualize H87TM4 a banda do infravermelho pr ximo com a tabela de cores Tons de cinza 256 e autoescalonamento Veja tamb m cada uma das demais bandas com autoescalonamento e com a tabela de cores Tons de cinza 256 l
364. onada O m dulo ISOCLUST usa an lise de agrupamento auto organizativa para classificar at 7 bandas brutas com o n mero de agrupamentos especificado pelo usu rio O m dulo MAXSET usa assinaturas para criar um resultado que inclui tanto classes definidas por essas assinaturas quanto as classes para suas poss veis combina es Ele reconhece explicitamente a exist ncia de pixels mistura classifica o sub pixel e pode atribuir um pixel a uma classe para a qual n o foram fornecidos dados de treinamento exclusivos Todos esses tipos de classifica o pertencem ao grupo de classificadores r gidos porque de acordo com sua l gica intr nseca eles fazem um julgamento final sobre a classe ou grupo de classes ao qual cada pixel deve ser atribu do ou pixels s o deixados como n o classificados Classifica es r gidas e relativas Diferente dos classificadores r gidos os classificadores relativos protelam uma decis o definitiva sobre a associa o de qualquer pixel a uma classe Em vez de uma imagem de sa da final eles produzem um conjunto de imagens cujo n mero depende do n mero de assinaturas envolvido na classifica o As imagens resultantes avaliam o grau com o qual um pixel pertence a uma classe ou combina o de classes V rios m todos de classifica o relativa s o oferecidos incluindo aqueles baseados na teoria de probabilidade Bayesiana teoria Dempster Shafer e teoria de conjuntos Fuzzy Eles tratam v rias quest es
365. onos em torno de cada rea de treinamento atribuindo um nico identificador para cada tipo de cobertura 3 Analisar os pixels contidos nas reas de treinamento e criar assinaturas espectrais para cada tipo de cobertura 4 Classificar a imagem inteira considerando cada pixel individualmente comparando sua assinatura particular com cada uma das assinaturas conhecidas As chamadas classifica es r gidas resultam da atribui o de cada pixel classe de cobertura tem a assinatura mais similar Classifica es relativas por outro lado avaliam o grau de associa o do pixel em todas as classes em considera o incluindo classes desconhecidas e n o especificadas Decis es sobre qu o similares as assinaturas s o umas das outras s o feitas atrav s de an lises estat sticas Existem diversas t cnicas distintas que podem ser utilizadas freq entemente denominadas classificadores Este exerc cio ilustra certas t cnicas r gidas de cclassifica o supervisionada Classificadores relativos s o estudados nos exerc cios tutoriais avan ados Uma discuss o mais detalhada sobre classifica o pode Centro de Recursos Idrisi Brasil 132 IDRISI for Windows Exerc cios tutoriais introdut rios ser encontrada no cap tulo Classifica o de imagens de sensoriamento remoto do Manual do usu rio do IDRISI for Windows Iniciaremos com a cria o de reas de treinamento A rea que classificaremos uma pequena janela extra da
366. or atributo Filtro Relembre que no Exerc cio 5 n s usamos RECLASS e ASSIGN para criar imagens Booleanas para cada uma das condi es especificadas consultas por atributos simples e ent o as combinamos com OVERLAY para criar um resultado Booleano mostrando as reas que atendiam todas as condi es consulta por atributos m ltiplos Uma consulta por atributo executada na Oficina de banco de dados usando SQL Structured Query Language Linguagem de consulta estruturada Embora o termo SQL intimide um pouco utiliz lo atualmente n o mais complexo do que usar uma sintaxe espec fica para expressar as condi es de uma an lise Antes de continuar gaste alguns minutos para revisar o item sobre SQL no cap tulo Oficina de Banco de Dados da se o FUNDAMENTOS DO SISTEMA do Manual do Usu rio do IDRISI for Windows Vamos come ar nossa explora o da consulta por atributo na Oficina de banco de dados com um problema bastante simples de um nico atributo Identificar todas as awrajas onde a popula o exceda 300 000 habitantes s Primeiro certifique se de que o campo do banco de dados que est sendo visualizado POPULATION e n o CATTLE SHEEP ou GOATS Escolha a op o Criar filtro SQL do menu Consulta A por o inicial do filtro j est escrita para voc Complete a condi o WHERE como mostrado a seguir de forma que a express o SQL fique SELECT Ethiopia FROM Ethiopia WHERE POPULATION gt 300000 Ist
367. ora implicitamente o conceito sobre uma OUTRA classe no c lculo isto outra coisa al m das classes tomadas nas reas de treinamento Execute BELCLASS novamente e agora especifique somente duas assinaturas DECID e INDCM Use o prefixo BL2 para o produto Execute ent o BAYCLASS e fa a a mesma coisa usando o prefixo BY2 Ti Compare BL2DECID com BY2DECID e BL2INDCM com BY2INDCM Levando em conta tudo que voc j aprendeu at agora sobre a diferen a entre esses m dulos como voc justifica as diferen as similaridades entre esses dois classificadores no tratamento desse problema Na formula o de sua resposta compare seus resultados com BAYDECID BELDECID BAYINDCM e BELINDCM Centro de Recursos Idrisi Brasil 6 Dempster Shafer modificado No exerc cio anterior vimos que BELCLASS permite um exame do grau de suporte para cada classe de um conjunto de classes de cobertura do solo independente do que ou n o fornecido para as demais Dempster Shafer atualmente proporciona uma descri o muito valiosa da incerteza no processo de classifica o como ser ilustrado a seguir a b c Execute BELCLASS e indique que voc quer usar o arquivo de grupo de assinaturas chamado WESTSIG que foi criado no exerc cio 3 Entretanto em lugar da confian a anteriormente escolhida nesse caso indique que voc quer plausibilidade como produto Selecione probabilidades a priori iguais e use o prefixo PLS para as imagens
368. ores de dist ncia Como o nome sugere eles s o um conjunto de t cnicas onde a dist ncia desempenha um papel fundamental na an lise Virtualmente todos os sistemas prov m ferramentas para criar faixas tamp o reas dentro de uma dist ncia a partir de um tipo de fei o determinado figura 2 5 Alguns podem tamb m avaliar a dist ncia de todos os locais fei o de um conjunto mais pr xima figura 2 6 enquanto outras podem incorporar efeitos de atrito figura 2 7 e barreiras figura 2 8 nas dist ncias calculadas Quando efeitos de atrito s o incorporados a dist ncia calculada freq entemente referida como dist ncia de custo Este nome usado porque o movimento atrav s do espa o considerado estar sujeito a custos medidos em dinheiro tempo ou esfor o Os atritos aumentam estes custos Quando os custos de movimento de um ou mais locais s o avaliados para uma regi o inteira freq entemente nos referimos ao resultado como uma superf cie de custo figura 2 7 Neste caso reas de baixo custo presumivelmente Centro de Recursos Idrisi Brasil Introdu o a sistemas de informa o geogr fica SIG 15 pr ximas ao ponto de partida da an lise podem ser vistas como vales e reas de alto custo podem ser vistas como eleva es Uma superf cie de custo tem seus pontos mais baixos no local ou locais de partida da an lise e seus pontos mais altos nos locais que est o mais afastados no sentido do maior custo a
369. ores de reflect ncia das assinaturas s o indicados com letras min sculas os pixels que est o sendo comparados s assinaturas est o indicados com n meros e as m dias espectrais est o indicadas com pontos O pixel 1 est mais pr ximo da m dia espectral da assinatura do milho c e por isso atribu do categoria milho A desvantagem deste classificador ilustrada pelo pixel 2 que est mais pr ximo m dia da areia s mesmo parecendo estar dentro do intervalo de reflect ncias com maior probabilidade de ser urbana u Em outras palavras a dist ncia m nima bruta m dia n o leva em considera o a dispers o dos valores de reflect ncia em torno da m dia banda do vermelho banda do infravermelho Figura 1 1 Para visualizar um diagrama de espalhamento similar das nossas assinaturas voc pode usar o m dulo SCATTER Esse m dulo usa duas bandas como eixos X e Y para ilustrar as posi es relativas dos pixels de acordo com seus valores nessas duas bandas Al m disso ele cria em torno da m dia da assinatura em cada banda um contorno retangular igual a dois desvios padr o da m dia A sa da uma composi o de mapa que inclui tanto a imagem quanto o plano vetorial com a legenda A legenda mostra os nomes das assinaturas com cores correspondentes Execute SCATTER a partir do grupo Desenvolvimento de assinaturas do menu An lise Processamento de imagens Indique H87TM3 a banda do vermelho como o eixo Y e H87T
370. orreferenciamento de imagens usando reamostragem A reamostragem um procedimento para georreferenciar espacialmente uma imagem sua posi o conhecida no terreno Esse procedimento usado frequentemente para registrar uma imagem a um sistema de coordenadas de refer ncia universalmente reconhecido como Lat Long ou Universal Transversa de Mercator UTM Se uma imagem j est georreferenciada mas necessita ser transformada a um outro sistema de refer ncias e g de Lat Long para UTM recomenda se seguir o m todo exposto no Exerc cio 17 sobre mudan a do sistema de refer ncia com PROJECT A reamostragem s deve ser empregada quando uma imagem n o est georreferenciada ou quando sua proje o n o conhecida Para maiores informa es consulte o cap tulo Georreferenciamento na se o T PICOS ESPECIAIS do Manual do usu rio do IDRISI for Windows Ainda que imagens de sat lite e outros dados possam ser comprados pr georreferenciados h duas raz es pelas quais voc deve considerar a aquisi o de dados n o georreferenciados e faz lo voc mesmo Em primeiro lugar voc pode monitorar e reduzir o erro de posi o inevitavelmente introduzido durante qualquer processo de reamostragem Uma imagem pr georreferenciada apresenta um erro de posi o que nem sempre est documentado e que pode ser maior do que aquele que voc mesmo pode obter fazendo o Em segundo lugar voc pode escolher o sistema de refer ncia para o
371. os povoamentos Por causa disso a proximidade da gua indica a plausibilidade para um s tio Locais mais afastados da gua por outro lado nitidamente sustentam a hip tese n o s tio pois sem gua ou sem acesso a ela as pessoas n o podem sobreviver A dist ncia de gua permanente importante na compreens o da rela o desta evid ncia com a nossa hip tese de interesse s tio Para olhar a rela o entre a dist ncia da gua e os locais com s tios conhecidos devemos seguir os seguintes passos b Execute DISTANCE sobre a imagem WATER e chame o resultado de WATDIST c Execute POINTRAS a partir do submenu Convers o raster vetor no menu Reformata o Indique SITES como o arquivo vetorial de entrada e SITES como o arquivo imagem de sa da Use os identificadores dos pontos como os valores a atribuir s c lulas da nova imagem Pressione OK Como o arquivo imagem SITES n o existe voc ser solicitado a criar a imagem com INITIAL Escolha sim Indique WATER como a imagem da qual copiar os par metros e especifique o valor inicial como zero Visualize depois SITES com a tabela de cores Qualitativa 16 Agora temos uma imagem denominada SITES que cont m os s tios arqueol gicos conhecidos e uma imagem com dist ncias a partir da gua Para estabelecer inicialmente a rela o entre os s tios e sua dist ncia da gua ser usada uma combina o dos m dulos QUERY e HISTO QUERY projetado para extrair informa o de pla
372. os dados originais DSOILS e DRELIEF Centro de Recursos Idrisi Brasil 6 Operadores de dist ncia e de contexto Neste exerc cio introduziremos dois novos grupos de opera es anal ticas ap s a consulta ao banco de dados e a lgebra com mapas operadores de dist ncia e de contexto Os operadores de dist ncia calculam dist ncias a partir de uma fei o nica ou de um conjunto de fei es Em um ambiente raster eles produzem uma imagem resultante onde cada pixel recebe um valor representando a sua dist ncia da fei o mais pr xima H v rios conceitos de dist ncia que podem ser modelados A dist ncia Euclidiana ou linear com a qual estamos mais familiarizados o tipo de an lise de dist ncia que usaremos neste exerc cio No IDRISI for Windows dist ncias Euclidianas s o calculadas com o m dulo DISTANCE No Exerc cio 8 ser explorado outro tipo de an lise de dist ncia conhecido como dist ncia de custo Os operadores de contexto determinam o novo valor de um pixel baseado no valor dos pixels ao seu redor O m dulo GROUP utilizado no Exerc cio 5 para identificar grupos cont guos de pixels um operador de contexto uma vez que o identificador atribu do a qualquer pixel depende do valor dos pixels sua volta Neste exerc cio nos familiarizaremos com outro operador de contexto denominado SURFACE o qual ser usado para calcular as declividades a partir de uma imagem de relevo O valor de declividade atrib
373. os das rodovias Fator dist ncia at o centro da cidade Assim como a dist ncia simples foi usada como base para os dois fatores acima tamb m poss vel usar a dist ncia de custo No nosso problema a dist ncia de custo a partir do centro da cidade ser uma considera o importante para os incorporadores Novos moradores querem estar pr ximos aos servi os oferecidos no centro da cidade e eles pagar o mais para resid ncias a partir das quais possam alcan ar o centro urbano mais rapidamente Superf cies de custo s o criadas n o apenas a partir de fei es mas a partir de uma superf cie de atrito representando atritos relativos ou barreiras ao deslocamento associados travessia de um pixel Em nosso exemplo assumiremos que as rodovias s o a nica via de transporte para o centro urbano Por isso construiremos primeiramente uma superf cie de atrito onde todas as rodovias atuais t m um mesmo valor b sico igual a 1 e reas al m das rodovias um valor igual a 3 reas al m das rodovias apenas ser o conectadas com rodovias existentes por novas rodovias de acesso constru das como parte do desenvolvimento imobili rio Essas novas rodovias de acesso ter o limites de velocidade muito menores tempo de viagem seria em torno de 3 vezes maior do que aquele v lido para as rodovias j existentes Ap s especificar a superf cie de atrito aplicaremos o algoritmo de esfor o de custo dispon vel no m dulo COST Para uma discuss o ma
374. os mapas de aptid o e objetivos Se o usu rio quiser continuar sua explora o no processo de tomada de decis o com crit rios m ltiplos objetivos m ltiplos com exemplos trabalhados usando SIG consulte o livro de trabalho do UNITAR GIS and Decision Making 1993 dispon vel ao p blico para aquisi o atrav s do Projeto IDRISI Centro de Recursos Idrisi Brasil 12 Modelagem de peso de evid ncia com BELIEF Este exerc cio ir concluir a s rie de exerc cios de apoio decis o examinando outro m todo para a agrega o de dados conhecido como modelagem de peso de evid ncia Dempster Shafer Ser usado o m dulo BELIEF encontrado no IDRISI for Windows Esse m dulo possui uma grande variedade de aplica es j que uma ferramenta que pode agregar muitas fontes de informa o diferentes para predizer a probabilidade com a qual qualquer fen meno pode ocorrer Como a ferramenta oferece ao usu rio um m todo para revisar a for a relativa da informa o coletada com a finalidade de estabelecer valores de confian a ela til para aplicar conhecimento informal em uma an lise uma vez que poss vel reconhecer ignor ncia no resultado final produzido Com esta flexibilidade torna se poss vel estabelecer e avaliar o risco relativo de decis es feitas com base no total de informa o que est dispon vel O usu rio deve rever o cap tulo Apoio decis o e o item sobre Dempster Shafer na se o T PICOS ESPECIAIS do Manual
375. os resultados visualizados Crie seus histogramas e desenhe ou imprima um esbo o dos histogramas como voc fez anteriormente i Linear simples com m nimos e m ximos como extremos real ados para 256 n veis Chame o resultado de TM4L ii Linear com 5 de satura o real ado para 256 n veis Chame o resultado de TM4L50 iii Linear com 2 5 de satura o real ado para 256 n veis Chame o resultado de TM4L25 iv Equaliza o de histograma real ado para 256 n veis Chame o resultado de TM4HE v Equaliza o de histograma real ado para 16 n veis Chame o resultado de TM4HE16 para esta imagem aplique a tabela de cores Tons de cinza 16 com o aux lio do bot o Propriedades da Composi o A quantidade de satura o requerida para produzir uma imagem com bom contraste varia e requer algum ajuste por tentativa e erro Geralmente 2 5 funciona bem 5 Em que imagem voc percebe que as fei es s o melhor identificadas no realce com 2 5 ou 5 de satura o A equaliza o de histograma tende a colocar um n mero igual de pixels em cada n vel de cinza Observe que as barras s o praticamente iguais no histograma das 16 classes criadas pelo realce de equaliza o de histograma Em teoria n s poder amos esperar que as barras tivessem exatamente o mesmo tamanho O IDRISI for Windows assim como outros sistemas de processamento de imagens n o separar um valor de dado simples em mais de uma classe Por isso
376. os resultados anteriores de OWA e adicione os ao arquivo de grupo denominado MCEOWA Inclua todos os cinco resultados do procedimento OWA no arquivo de grupo de imagens numa ordem de AND para OR Usando o modo de consulta expandida do cursor explore pelo menos uma destas imagens Voc pode constatar que enquanto a aptid o geralmente aumenta de AND para OR em qualquer local o car ter deste incremento entre quaisquer das duas opera es diferente para cada local 10 Avalia o por crit rios m ltiplos M dia ponderada ordenada 195 Os extremos de AND e OR s o definidos pelos valores m ximos e m nimos dos fatores mas os resultados das tr s opera es com compensa o entre esses extremos s o determinados por uma m dia dos fatores que depende de uma combina o dos valores dos fatores dos pesos dos fatores e dos pesos de ordena o Geralmente em locais onde os fatores com pesos elevados declividades e rodovias tem escores similares de aptid o os tr s resultados com compensa o ser o muito similares Em locais onde estes fatores n o possuem escores de aptid o similar os tr s resultados com compensa o ser o mais influenciados pela diferen a na aptid o em dire o ao m nimo m dia ou ao m ximo Nos exemplos OWA explorados at agora variamos nosso n vel de risco e de compensa o juntos Isto medida que nos movemos de AND para OR a compensa o aumentou de nenhuma para compensa o total com WL
377. os veremos um meio mais elaborado de efetuar essa consulta usando os m dulos chamados EXTRACT e CROSSTAB bem como de consultar interativamente um grupo de imagens ao mesmo tempo Neste exerc cio veremos uma aplica o muito importante de consulta por atributo Para fazer uma consulta por atributo especificamos determinadas condi es e a seguir solicitamos ao computador que extraia todas as reas que preencham estas condi es Caso a condi o envolva somente um atributo poderemos usar apenas os m dulos RECLASS ou ASSIGN para efetuar a consulta Mas se tivermos uma condi o que envolva atributos m ltiplos devemos usar tamb m o m dulo OVERLAY O exerc cio a seguir ilustrar esses procedimentos Caso voc ainda n o o tenha feito leia o item sobre Consulta ao banco de dados no cap tulo Introdu o a Sistemas de Informa o Geogr fica SIG antes de iniciar o exerc cio a Use o Lan ador de visualiza o para examinar o arquivo chamado DRELIEF Utilize a tabela de cores Idrisi 16 e as op es padr o para os demais par metros O autoescalonamento ser automaticamente acionado j que DRELIEF possui dados do tipo real Use a consulta atrav s do cursor para examinar os valores em diferentes locais da imagem Este uma imagem de relevo ou topografia tamb m denominada modelo digital de eleva o de uma regi o na Maurit nia ao longo do rio Senegal A regi o ao sul do rio no interior da curva em forma de ferradura p
378. ossa an lise organizada no modelo cartogr fico estamos prontos para iniciar a executar as opera es com o SIG Nosso primeiro passo ser derivar a rela o entre a altitude e a temperatura usando os dados das esta es meteorol gicas apresentados na Tabela 2 10 Oficina de banco de dados 109 Tabela 2 Podemos ver a natureza da rela o com uma olhada inicial nos n meros quanto maior a altitude da esta o mais baixa a temperatura m dia anual Entretanto necessitamos uma equa o que descreva esta rela o de forma mais precisa Um procedimento estat stico chamado an lise de regress o poder nos fornecer isso No IDRISI for Windows a an lise de regress o efetuada pelo m dulo REGRESS REGRESS analisa a rela o entre duas imagens ou entre dois arquivos de valores de atributo No nosso caso temos dados tabulares e podemos criar dois arquivos de valores de atributo usando EDIT O primeiro arquivo de valores ir listar as esta es e suas respectivas altitudes enquanto o segundo listar as esta es e suas respectivas temperaturas m dias anuais b Use EDIT a partir do menu Entrada de dados para criar esses dois arquivos de valores e denomine os ELEV e TEMPER Escolha real para o tipo de dados Especifique as unidades de medida apropriadas e de um t tulo a cada arquivo Lembre que cada arquivo deve possuir duas colunas separadas por um ou mais espa os A coluna da esquerda deve conter o n mero da esta o 1
379. para aqueles que possu rem sistemas de 8 bits 256 cores as considera es s o importantes h Mova o cursor para o topo da imagem visualizada e clique com o mouse sobre sua barra superior Segure o bot o esquerdo do mouse pressionado e desloque a imagem para o lado de forma a visualizar ambas imagens Caso voc esteja trabalhando com um sistema de 8 bits 256 cores mude a janela ativa da imagem DEC88C para BRAZILFC e retorne novamente a DEC88C clicando sobre a barra superior da janela Voc perceber um efeito pouco comum quando uma janela de mapa que se torna ativa toma momentaneamente a tabela de cores da outra janela de mapa Como o adaptador gr fico capaz de mostrar apenas 256 cores e como cada tabela pode ter apenas at 256 cores n o poss vel mostrar simultaneamente duas tabelas E A janela ativa refere se possibilidade da janela receber uma entrada do usu rio Apenas uma janela pode estar ativa de cada vez o elemento que o Windows usa para indicar a janela ativa uma cor diferente para a barra superior da mesma Voc pode alternar a Janela ativa para a pr xima simplesmente clicando sobre a janela correspondente ou selecionando a de uma lista de janelas ativas no menu do Windows Isso far com que a janela que vier para a frente se ela foi encoberta se torne ativa A Composi o sempre indica o conte do da janela ativa ou da que foi ativada por ltimo 16 O IDRISI for Windows requer uma mem ria de visu
380. partir da qual as dist ncias s o calculadas Diferente de DISTANCE no entanto COST requer uma imagem de atrito que indica o custo relativo do deslocamento atrav s de cada c lula O resultado uma imagem cont nua conhecida como superf cie de dist ncias de custo Os valores de atrito s o expressos em termos de uma medida de custo espec fica a ser calculada Estes valores frequentemente t m um valor monet rio igual ao custo de deslocamento ao longo da paisagem Embora os valores do atrito possam ser expressos em outros termos como tempo de viagem no qual eles representam quanto tempo seria necess rio para cruzar reas com determinados atributos eles podem representar tamb m equivalentes energia onde eles seriam proporcionais ao total de combust vel gasto ao viajar de um pixel determinado at a fei o mais pr xima Estes valores de atrito s o sempre calculados de acordo com um valor b sico previamente fixado geralmente igual a 1 Por exemplo se nosso nico atrito fosse profundidade de neve n s poder amos atribuir a reas sem neve o valor 1 isto o custo b sico e para reas cobertas com neve valores maiores que 1 Se sabemos que atravessar reas com ac mulo de neve entre 6 e 10 polegadas de profundidade custa o dobro do que atravessar reas com solo nu n s podemos atribuir quelas c lulas com profundidade de neve neste intervalo o valor de atrito 2 Valores de atrito s o especificados como n meros reais para
381. permitir valores fracion rios podendo assumir valores entre O e 1 0 x 10 Os atritos raramente s o especificados com valores inferiores a 1 0 o custo b sico porque um valor de atrito inferior a 1 representa uma acelera o ou for a que atua como aux lio ao movimento Independente do esquema usado para representar os atritos a imagem de dist ncia de custo resultante ir incorporar os efeitos da dist ncia percorrida e do atrito encontrado ao longo do caminho Al m disso como os valores de atrito s o sempre usados para calcular a dist ncia de custo esta ser sempre relativa ao valor de atrito ou custo b sico Por exemplo se para uma c lula atribu do o valor 5 25 isto indica que custa cinco vezes e um quarto mais do que o custo b sico chegar a esta c lula a partir da fei o mais pr xima de onde partiu o c lculo do custo Em outras palavras para chegar a esta c lula custa o mesmo que cruzar cinco c lulas e um quarto com valor de atrito b sico O m dulo SCALAR poderia ser usado Centro de Recursos Idrisi Brasil 90 IDRISI for Windows Exerc cios tutoriais introdut rios para transformar os valores de dist ncia de custo em valores monet rios atuais tempo ou outras unidades A discuss o acima focaliza atrito isotr pico um dos dois tipos b sicos de efeito de atrito Atritos isotr picos s o independentes da dire o de movimento Por exemplo a superf cie de uma estrada pode ter um atrito espec fico indepen
382. pletado o exerc cio anterior isto j ter sido feito j que MAKESIG gera automaticamente uma vers o raster com as reas de treinamento com o mesmo nome do arquivo vetorial SPTRAIN neste caso Independente disso visualize a imagem denominada SPTRAIN usando a tabela de cores Qualitativa 256 e uma legenda para certificar se de que voc tem este arquivo no formato apropriado O pr ximo passo criar uma matriz de parti o fuzzy que indica o grau de associa o de cada rea de treinamento a cada classe Isto deveria ser feito com a Oficina de Bando de dados como descrito no item Assinaturas amb guas fuzzy na classifica o no cap tulo Classifica o de imagens de sensoriamento remoto Neste caso no entanto n s fornecemos uma matriz de parti o fuzzy j criada Use a Oficina de banco de dados para examinar o banco de dados denominado WESTFUZ Como voc perceber o banco de dados constru do com uma coluna por classe de cobertura do solo e uma linha por rea de treinamento identificada pelo n mero das reas de treinamento que aparecem em SPTRAIN l Observe que o grau de associa o fuzzy da rea de treinamento 1 na classe residencial antiga foi arbitrado em 0 75 O que isso significa em termos de homogeneidade desta rea de treinamento 2 Observe que a soma dos graus de associa o fuzzy 1 0 em cada linha Por que isso Como no ltimo exerc cio onde criamos representa es espaciais de probabilid
383. ponto voc pode continuar digitando se quiser embora n o seja mais necess rio T o logo tenha visto o m dulo desejado selecionado na lista voc pode pressionar a tecla Enter ou Return do seu teclado ou clicar no bot o OK Experimente apertar a tecla Enter Saia do ENVIRON e clique no bot o Cancelar do Atalho Isso remove o Atalho da tela Se voc acha que vai usar bastante este recurso durante seu trabalho deixe o aberto na tela durante o tempo que desejar Retorne mais uma vez ao menu Ambiente Observe que abaixo do Atalho h mais uma s rie de tens Cada item define se uma propriedade fica ligada ou desligada Como voc pode ver a 1 0 ambiente do IDRISI for Windows 39 Prote o de escrita a Barra de ferramentas e a Barra de status est o ligadas enquanto Exibir recursos est desligado Para ver o que cada um desses tens faz clique no item da barra de status e da barra de ferramentas Normalmente eles s o deixados ligados mas poder acontecer de voc desejar uma rea de visualiza o maior Esse item permite remover esses itens para liberar espa o A prote o contra sobrescrita ir avis lo sempre que voc estiver gravando um arquivo com o mesmo nome de algum arquivo j existente em seu diret rio de dados Esta uma precau o de seguran a que n s aconselhamos seja deixada ligada Entretanto voc est livre para remov la se desejar Finalmente o item Mostrar recursos pode ajud lo a diagnosticar problema
384. pora o dos resultados em an lises de SIG O IDRISI for Windows excepcional pelo fato de que oferece t cnicas avan adas de classifica o de imagens em adi o a um avan ado sistema de an lise geogr fica EXERC CIOS TUTORIAIS INTRODUT RIOS Estes exerc cios est o organizados para possibilitar de forma estruturada a compreens o de sistemas de informa o geogr fica de processamento de imagens e de outras t cnicas de an lise geogr fica dispon veis no sistema IDRISI for Windows Os exerc cios est o divididos da seguinte forma Introdu o ao Sistema IDRISI for Windows l O ambiente do IDRISI for Windows 2 O sistema de visualiza o 3 Composi o de mapas 4 Tabelas de cores s mbolos e autoescalonamento Introdu o modelagem cartogr fica An lise em sistemas de informa o geogr fica 5 Consulta ao banco de dados 6 Operadores de dist ncia e de contexto Ti Automa o de an lises com macros 8 Dist ncias de custo e caminhos de menor custo 9 lgebra com mapas 10 Oficina de banco de dados Processamento de imagem 11 Explora o de imagens 12 Classifica o supervisionada 13 An lise de componentes principais 14 Classifica o n o supervisionada Importa o de dados e georreferenciamento 15 Georreferenciamento de imagens usando reamostragem 16 Bases de dados cartogr ficos digitais 17 Altera o do sistema de refer ncia com PROJECT 36 IDRISI for Windows Manual do
385. pre o estimados e os valores residuais Retornaremos os res duos ao arquivo de pontos dos mercados e faremos uma r pida an lise e Execute ASSIGN a partir do menu Entrada de dados e selecione MARKETS como a imagem de defini o de fei es Especifique o arquivo de valores de atributo como RESID para criar uma imagem de sa da tamb m denominada RESID Visualize esta imagem usando a tabela de cores Idrisi 256 e use o modo de consulta do cursor para examinar os pontos N s criamos um arquivo vetorial com uma legenda para melhor visualiza o dos res duos item f 3 Caso um mercado tenha apresentado um valor de 30 e outro um valor de 30 nos res duos o que isto significa para estes mercados em termos das vari veis independentes do modelo Como voc procederia para corrigir este problema f Visualize a composi o de mapa RESIDCLS Estes s o res duos plotados para os mercados a partir dos quais rodamos a regress o Eles foram classificados em seis categorias para facilitar a visualiza o A an lise dos res duos identifica problemas com o modelo em certas reas Quatro dos seis mercados em Shewa e os dois mercados de Gonder mostram altos res duos positivos Isto significa que o modelo est subestimando os valores de repasse de pre os para estas reas i e o valor real maior do que o valor estimado pelo modelo A presen a de uma grande popula o urbana em Shewa pode contribuir para o excesso de atividades mercantis
386. que o tamanho da Awraja influenciaria o n mero de observa es introduzidas na regress o Adicionalmente a integra o dos mercados e as superf cies de precipita o foram interpoladas a partir de arquivos de 20 a A i PE ap siga Apenas 36 de 50 mercados analisados t m validade estat stica significativa para uso nesta etapa 21 PEN z x 5 tram a Para ter uma melhor representa o visual da rea de estudo visualize a composi o de mapa MKTINTEG MAP Esta composi o pode n o ser visualizada adequadamente em alguns sistemas devido a limita es de hardware recomenda se uma m quina Pentium 22 E 2a BRO a r 5 re Economias dom sticas de maior poder aquisitivo geralmente est o normalmente mais envolvidas em atividades mercantis 23 p dan mug PREN E z A precipita o foi usada como uma vari vel de incentivo ao com rcio Areas com maior precipita o ter o relativamente menor incentivo ao com rcio do reas de precipita o baixa reas de d ficit h drico 24 A E E E fan da E 2 Voc pode observar as grandes disparidades na propriedade de bois nos diversos distritos administrativos Al m disso parte de Harerghe e todo o Tigray n o possuem nenhum dado sobre o rebanho bovino 14 Regress o m ltipla em SIG 215 pontos Extrairemos dados punctuais baseados nos mercados para cada uma das quatro vari veis repasse de pre os dist ncia de custo propriedade de bois e precipita o
387. r metros de liga o visualiza o a partir do menu Liga o da Oficina de banco de dados Isso ativar a caixa de di logo de Par metros de liga o visualiza o Janela de mapa Todas as janelas de mapa que est o abertas ser o mostradas na por o superior esquerda da caixa de di logo Os nomes mostrados s o os mesmos que est o na barra superior de cada janela de visualiza o g Note que a janela de mapa AWRAJAS j est selecionada porque ela a nica que est aberta Imagem para consulta com cursor Como j mencionado consultas por localiza o s s o poss veis em arquivos imagem Cada janela de 10 Oficina de banco de dados 107 mapa deve conter um plano raster imagem Se a janela de mapa que voc selecionou para liga o tem uma imagem seu nome mostrado aqui Se n o existir um plano raster na janela de mapa consultas por O bet a o nia35 localiza o n o ser o poss veis h Veja que o plano raster AWRAJAS j est listado como a imagem a ser usada para consulta com cursor Campo contendo identificadores de fei es J indicamos qual plano raster imagem deve ser ligado ao banco de dados Precisamos agora indicar que campo do banco de dados cont m os identificadores de fei es encontrados na imagem Essa informa o permitir ao programa localizar o registro da tabela que tem o mesmo identificador que qualquer pixel consultado na imagem i Mantenha o campo de identificador
388. r 1 para os pixels que est o a 250m ou mais de um reservat rio e atribua o valor O para aqueles pixels que est o a menos de 250m de um reservat rio Chame a imagem de sa da BUFFERBL e examine o resultado A cria o de faixas tamp o uma tarefa comum em SIG No IDRISI for Windows a combina o de DISTANCE e RECLASS est contida no comando BUFFER A caixa de di logo de BUFFER possibilita a voc especificar de uma s vez todos os par metros para executar as opera es DISTANCE e RECLASS j Se voc quiser tentar pode recriar BUFFERBL usando o comando BUFFER para ver como ele funciona A esta altura j temos dois dos quatro componentes exigidos para nosso mapa final de aptid o Agora considere o terceiro apenas as reas com florestas est o dispon veis para o desenvolvimento 3 Descreva o conte do da imagem final para este crit rio e desenhe o modelo cartogr fico mostrando os passos usados para produzi la Chame a imagem final de FORESTBL k Use DESCRIBE clique duas vezes no nome de LANDUSE na lista de arquivos da Composi o ou o modo de consulta do cursor para verificar os c digos de uso do solo para as duas categorias de floresta N o considere as superf cies com pomares orchards e com florestas em solos midos for wetland obviamente n o poderemos construir sobre elas Siga as instru es do modelo cartogr fico que voc desenhou h pouco para criar um mapa Booleano das reas com florestas 4
389. r ignorado f Execute RECLASS em PROBL1 Chame a imagem de sa da de RISK10 Atribua um novo valor de 1 aos valores entre O e 0 10 reas esperadas de terra n o inundada e um valor de O aos valores entre 0 10 e 1 zona de inunda o esperada Centro de Recursos Idrisi Brasil 212 IDRISI for Windows Exerc cios tutoriais avan ados g Use OVERLAY para multiplicar VINH345 com RISK10 para produzir uma imagem denominada LEVEL2 h Execute ORTHO com VINHDEM usando LEVEL2 como imagem de cobertura e denomine a imagem de sa da ORTHO2 Use a tabela de cores Composi o colorida 256 e selecione a resolu o mais apropriada para seu sistema gr fico Ap s visualizar o resultado visualize tamb m a imagem ORTHO1 para fazer algumas compara es entre as duas Em an lises tradiconais em SIG n o levamos em considera o a incerteza no banco de dados Como resultado decis es r gidas s o feitas com muito pouco conhecimento do risco envolvido nestas decis es Este exerc cio demonstra como pode ser simples trabalhar com a mensura o do erro e sua propaga o na regra de decis o A tarefa do tomador de decis o avaliar um mapa de probabilidades relativas e definir um n vel aceit vel de risco com o qual ele se sinta confort vel Conhecendo a qualidade do dado o tomador de decis o pode ver o risco de decis o atrav s de toda a superf cie e fazer julgamentos e escolhas sobre este risco Finalmente qualquer an lise ou modelagem
390. r o projeto IDRISI o endere o The IDRISI Project The Clark Labs for Cartographic Technology and Geographic Analysis Clark University 950 Main Street Worcester MA 01610 1477 USA Para contatos por telefone fax ou correio eletr nico ou para visitar nos na Internet Vendas e solicita es em geral 1 508 793 7526 Assist ncia t cnica 1 508 793 7528 Fax 1 508 793 8842 Bitnet IdrisiO clarku Internet IdrisiQ vax clarku edu Web site www idrisi clarku edu Nosso hor rio de funcionamento vai das 9h s 17h no hor rio da Costa Atl ntica dos Estados Unidos 5 horas GMT no inverno e 4 horas GMT no ver o de segundas a sextas feiras As mensagens fora deste hor rio s o recebidas por secret ria eletr nica Agradecimentos Este produto resultado do esfor o coletivo de um time de profissionais s rios O software e a documenta o foram concebidos e definidos por Ron Eastman O time de programadores foi composto por Ron Eastman Tammy Woodard Diane Denner Jim Hagan Hong Jiang e Kristin Schneider O time de documenta o foi composto por Ron Eastman Michele Fulk Laurie Canavan Karen Lehrach Chris Allen e Kelly Davis O sistema de Ajuda foi desenvolvido por Laurie Canavan O design gr fico foi feito por Anne Gibson O desenvolvimento de novos exerc cios tutoriais e a convers o dos exerc cios existentes foi feito por Ron Eastman Michele Fulk John Auble Kevin St Martin e Gary Votour Testes locais foram coo
391. ra a mesma finalidade eles n o s o exatamente equivalentes e usualmente um 25 arquivos de valores de atributo com m ltiplos campos s o acess veis atrav s da Oficina de banco de dados O uso do ASSIGN atrav s da Oficina de banco de dados ilustrado no Exerc cio 10 dos EXERC CIOS TUTORIAIS INTRODUT RIOS 2 Nesse caso a visualiza o autom tica determinou que o resultado qualitativo valores inteiros e por isso adotou uma tabela de cores qualitativa embora os valores sejam quantitativos A visualiza o autom tica ajuda a ganhar tempo mas s vezes pode aplicar uma tabela de cores impr pria Quando isso acontece simplesmente mude a tabela de cores usando o bot o Propriedades da Composi o 5 Consulta ao banco de dados 73 ir requerer alguns passos a menos do que o outro para um procedimento espec fico Na medida em que voc se familiarizar com a opera o de cada um a escolha entre os dois m dulos em cada situa o particular se tornar mais bvia Agora retornaremos ao pr ximo passo da modelagem cartogr fica criar a imagem BESTSOIL k Use EDIT novamente para criar um novo arquivo devalores chamado CLAYS Escolha inteiro como novo tipo de dado d um t tulo e digite classes como a unidade dos novos valores Este arquivo ser usado com ASSIGN para isolar os solos argilosos no mapa de solos original N s determinamos anteriormente que solos argilosos possuem o valor de classe 2 na imagem DSOILS Ne
392. ra margem Limpe essa mensagem pressionando OK e ent o configure as demais margens para uma polegada Agora pressione o bot o Escala m xima e veja que a escala muda A escala a rela o entre uma dist ncia medida no mapa e a mesma dist ncia no terreno Uma escala de 1 200 000 por exemplo quer dizer que uma unidade no mapa polegada p ex representa uma dist ncia de 200 000 destas mesmas unidades no terreno A Oficina de impress o possibilita a voc imprimir seu mapa em uma escala espec fica 0 Arredonde a por o da escala referente s unidades no terreno para o m ltiplo mais pr ximo de 100 000 e ent o pressione o bot o Testar escala fixa para ver como isso afeta a composi o de mapa na p gina Para retornar ao m ximo tamanho poss vel do mapa dentro das margens especificadas pressione o bot o Escala m xima 1 Porque voc n o pode entrar um valor de escala maior que a Escala m xima padr o j fornecida pela Oficina de impress o p Para obter uma visualiza o da impress o de sua composi o na p gina pressione o bot o Visualizar Feche a visualiza o de impress o e imprima sua composi o pressionando o bot o Imprimir Isso conclui nossa explora o sobre composi es de mapas Se voc quiser pode excluir todos os arquivos que foram criados durante este exerc cio 4 Tabelas de cores s mbolos e autoescalonamento Nos exerc cios anteriores usamos v rios arquivos de tabelas de co
393. ra os outros produtos de imagens comerciais oferecendo v rios formatos de sa da de imagens de Radar Para aplica es de SIG a principal sa da de interesse o Radar de visada lateral side looking airborne Radar SAR sa da que prov faixas de 100 km de largura com uma resolu o espacial de 30m Isto de consider vel interesse numa variedade de aplica es incluindo estudos de vegeta o e projetos de mapeamento onde a cobertura de nuvens um problema persistente RADARSAT O RADARSAT um sat lite de observa o da Terra lan ado em novembro de 1995 pela Canadian Space Agency Os dados s o distribu dos pela RADARSAT International RSI a partir de Richmond Col mbia Brit nica Canad A resolu o espacial das imagens varia de 3 a 100 metros e o intervalo de repeti o de cobertura do terreno de 24 dias Os sensores podem ser direcionados para o local de interesse o que possibilita a coleta de imagens estereosc picas O sinal de Radar tamb m penetra a cobertura de nuvens atingindo reas n o vis veis para outros sistemas de sensoriamento remoto Ao contr rio dos outros sistemas o sinal de Radar retornado afetado mais pelas caracter sticas el tricas e 11 E a abas Os sensores de varredura produzem uma sa da semelhante de um scanner Entretanto n o h movimento de escaneamento como nos mesmos Ao contr rio o sensor consiste de um denso arranjo de detectores um para cada c lula raster na li
394. rada no campo ent o comparada que foi mapeada na imagem para os mesmos locais As avalia es estat sticas de exatid o podem ent o ser derivadas para a rea de estudo inteira assim como para as classes individuais A classifica o de imagens pode ser dividida em supervisionada e n o supervisionada de acordo com a forma como a classifica o conduzida No caso da classifica o supervisionada a tarefa consiste em detectar tipos espec ficos de cobertura do solo j conhecidos enquanto que na classifica o n o supervisionada o analista busca definir todas as categorias de cobertura do solo existentes na imagem em certos n veis de generaliza o Para ambos os tipos de classifica o o IDRISI for Windows oferece classificadores r gidos e relativos que s o nicos no tipo de resultado produzido pela classifica o No caso de classificadores r gidos tradicionais uma decis o definida feita sobre a associa o de um pixel a uma classe determinada Os classificadores relativos ao contr rio adotam uma abordagem fuzzy para a avalia o dessa associa o e do grau com que um pixel pertence a todas as classes envolvidas incluindo as classes desconhecidas Adicionalmente o IDRISI for Windows oferece classificadores que reconhecem explicitamente a presen a de classes mistas de cobertura do solo em um nico pixel Ele ainda oferece a t cnica para o desenvolvimento de assinaturas fuzzy que tamb m leva em conta a mistura
395. rais Nosso banco de dados atua como um laborat rio para o estudo de processos em um ambiente complexo Tradicionalmente na ci ncia t nhamos de remover essa complexidade para entender processos isoladamente Essa estrat gia foi muito eficaz e nos possibilitou aprender muito Entretanto tecnologias como os SIG oferecem agora as ferramentas para reunir esses entendimentos simples para gerar um entendimento e um reconhecimento sobre como eles atuam na complexidade de uma situa o ambiental real Frequentemente entendimentos muito simples resultam em padr es complexos quando postos a interagir no ambiente Um tipo diferente de processo o processo de tomada de decis o que pode tamb m ser apoiado e de algumas formas modelado com o uso de SIG A tecnologia de SIG est se tornando muito importante como ferramenta para apoio decis o De fato mesmo os resultados da mais simples consulta ao banco de dados podem ter valor inestim vel para o tomador de decis o Entretanto o processo mais complexo de tomada de decis o no qual tomadores de decis o frequentemente pensam em termos de crit rios m ltiplos limites relativos n o Booleano e n veis de risco aceit veis tamb m pode ser modelado usando SIG O IDRISI for Windows oferece um conjunto de m dulos de apoio decis o para ajudar tomadores de decis o a desenvolver decis es mais explicitamente racionais e bem informadas O cap tulo Apoio decis o da se o T PICOS ESPECIAIS do
396. rbana de Westboro permite o desenvolvimento residencial com afastamento m nimo de 50 metros de corpos d gua e banhados e que os ambientalistas preferem ver o desenvolvimento residencial ocorrer ainda mais distante destes corpos d gua Entretanto uma dist ncia de 800 metros pode ser t o boa quanto uma dist ncia de 1 000 metros pois a aptid o n o aumenta com a dist ncia de forma constante Em nosso estudo de caso a aptid o muito baixa a menos de 100 metros da gua como vimos no exemplo Booleano Al m dos 100 metros todas as partes concordam que a aptid o cresce com a dist ncia Os ambientalistas entretanto colocam que os benef cios ambientais obtidos com a dist ncia dos corpos d gua atingem um m ximo aos 800 metros Al m dos 800 metros a aptid o para desenvolvimento residencial mant m se constante Esta fun o n o uma fun o linear simples como aquela usada no fator anterior Ela melhor descrita por uma curva sigmoidal crescente veja o gr fico abaixo 255 A P t i d o 0 100 p 800 Dist ncia m c Usaremos uma fun o sigmoidal para reescalonar os valores na nossa imagem de dist ncia de reas protegidas PROTDIST l Execute o m dulo FUZZY com PROTDIST como nossa imagem de entrada e especifique uma fun o sigmoidal monotonicamente crescente Para acomodar os dois valores limite de 100 e 800 metros em nossa fun o os pontos de controle n o ser o mais o m nimo e o m ximo dos nossos
397. rdenados por James Toledano com contribui o substancial de Stephanie Hulina Mahadevan Ramachandran Maggie Robertson Mathilde Snel Assaf Anyamba Rhonda Davis Nick Haan Sandra Johnson Dmitry Varlyguin Amadou Thiam Sarah Williams e Rita Young Os laborat rios da Clark University O projeto IDRISI uma das v rias atividades de Clark Labs for Cartographic Technology and Analysis um dos quatro centros localizados no George Perkins Marsh Institute da Graduate School of Geography na Clark University Em 1 de maio de 1997 a equipe do Clark Labs era composta pelas seguintes pessoas Centro de Recursos Idrisi Brasil Introdu o Anne Gibson USA Gerente do laborat rio de cartografia Assaf Anyamba Qu nia Pesquisador associado Chris Allen USA Analista de assist ncia t cnica Diane Denner USA Programador Garry Votour USA Analista de assit ncia t cnica Hong Jiang China Analista de pesquisa James Toledano USA Diretor assistente para o desenvolvimento de produtos Jessica Hilyard USA Assistente de servi o ao cliente Jim Hagan USA Programador John Auble USA Pesquisador associado Senior Karen Lehrach USA Vice coordenadora dos Centros de Recursos especialista de servi o ao cliente Kelly Davis USA Coordenador de marketing e de produ o Kelly Harvey USA Servi o ao cliente e agente de arquivo Kevin St Martin USA Coordenador dos Centros de Recursos Korey Darling USA Assistente estud
398. rea mapeada Esta informa o particularmente importante num SIG integrado como o IDRISI for Windows uma vez que isto permite que arquivos raster e vetoriais sejam relacionados um ao outro de uma maneira significativa e segura Tamb m vital para o referenciamento de valores de dados s posi es reais no terreno O Georreferenciamento uma considera o extremamente importante no uso de SIG Por isso um cap tulo separado a respeito de Georreferenciamento na se o T PICOS ESPECIAIS trata detalhadamente este t pico An lise em SIG A organiza o dos bancos de dados em planos n o feita simplesmente por raz es de clareza organizacional mas para prover acesso r pido aos elementos de dados requeridos para an lise geogr fica De fato a raison d tre do SIG prover um instrumento para a an lise geogr fica As caracter sticas anal ticas de um SIG podem ser vistas de duas formas Primeiro do ponto de vista das ferramentas que o SIG oferece Segundo dos tipos de opera o que o SIG executa Independente de usarmos sistemas raster ou vetoriais podemos agrupar as ferramentas em quatro grupos b sicos e as opera es efetuadas em tr s Ferramentas anal ticas Consulta ao banco de dados As mais fundamentais de todas as ferramentas oferecidas por um SIG s o aquelas envolvidas com consulta ao banco de dados A consulta ao banco de dados simplesmente solicita para ver a informa o armazenada Em alguns casos
399. recebem aqui os nossos agradecimentos GRATOS POR ADQUIRIREM O IDRISI FOR WINDOWS Bem vindo vers o 2 0 do Sistema de An lise Geogr fica IDRISI for Windows Veja no Guia de instala o uma lista dos conte dos do pacote bem como os termos da licen a O seu cart o de registro inclu do nestes materiais deve ser preenchido e enviado de volta ao nosso escrit rio Ele assegurar a voc o envio da revista bi anual do IDRISI e de informa o sobre atualiza es Ap s findos seus 60 dias de assist ncia t cnica gratuita sugerimos que voc fa a um contrato de assist ncia t cnica Um formul rio do contrato de assist ncia t cnica acompanha seu software Quando necessitar assist ncia t cnica por favor fique com o n mero de s rie de sua licen a m o uma vez que a Clark University n o fornece servi o sem este n mero N s do projeto IDRISI esperamos satisfaz lo com este software Sugest es que voc s tenham para desenvolvimento futuro s o sempre bem vindas A CAPA DO MANUAL A rvore apresentada na capa do Manual do usu rio do IDRISI for Windows parte de uma fotografia a rea de um sistema fluvial na Tanz nia rvores individuais nesta foto compreendem o que aparenta serem folhas enquanto o padr o de drenagem forma os galhos e o tronco A coloca o da rvore do IDRISI como uma janela sob forma de vitral anuncia o lan amento do IDRISI for Windows Contatos com o Projeto IDRISI Para contacta
400. recionaremos nossa aten o agora ao desenvolvimento destes crit rios para MCE em SIG Restri o corpos d gua e banhados A primeira restri o a legisla o urbana limitando o desenvolvimento imobili rio em reas a menos de 50 metros de lagos cursos d gua e banhados Desenvolvimento residencial simplesmente n o pode ocorrer em reas sob estas condi es Dados de corpos d gua e cursos d gua s o facilmente obtidos mas os banhados geralmente n o est o bem documentados na maioria dos mapas de cobertura do solo Felizmente estes mapas podem ser atualizados atrav s de imagens de sat lite Os dados sobre os banhados usados aqui foram obtidos de imagens do sat lite SPOT os corpos d gua vieram do nosso mapa de uso do solo e os cursos d gua estavam dispon veis na forma de arquivo vetorial Todos os tr s elementos ser o combinados e sobre o resultado ser exclu da uma rea tamp o de 50 metros b Caso voc n o esteja com a imagem WESTLUSE na tela visualize a novamente com legenda usando a tabela de cores WESTLUSE l Qual o valor de atributo dos corpos d gua Usando RECLASS ou EDIT e ASSIGN crie uma imagem Booleana da categoria corpos d gua encontrados no mapa de uso do solo de tal modo que os corpos d gua recebam o valor 1 um e todas as demais classes o valor O zero Chame o resultado de OPENWATR e visualize o usando a tabela de cores Qualitatival6 adicionando o arquivo vetorial WESSTRM Para atualizar
401. regado quando o produto desejado um material impresso enquanto filme positivo empregado quando o produto desejado s o transpar ncias Filmes para impress o permitem amplia es de detalhes como a produ o de posters de grandes dimens es O uso de filme para impress o til tamb m quando muitas c pias necessitam ser distribu das e usadas no campo Centro de Recursos Idrisi Brasil Introdu o ao sensoriamento remoto e processamento de imagens 27 Fotografia de pequeno formato C meras de pequeno formato transportadas em aeronaves alugadas s o uma alternativa de baixo custo para substituir fotos a ras de grande formato S o necess rios uma c mera de 35mm ou 70mm uma aeronave simples e um piloto al m de alguns meios para processar o filme Devido exist ncia de laborat rios comerciais de processamento praticamente no mundo todo os sistemas de 35mm s o especialmente convenientes Fotografias obl quas podem ser tiradas com uma c mera sustentada pela m o em qualquer aeronave simples mas fotografias verticais requerem alguma forma de montagem especial direcionada atrav s de uma pequena abertura na parte inferior do avi o ou estendida para fora de uma porta ou de uma janela As fotografias a reas de pequeno formato apresentam v rias limita es As aeronaves leves n o pressurizadas s o limitadas a altitudes abaixo de 4 000m e o tamanho do filme pequeno de forma que sacrif cios devem ser feitos na reso
402. res e de s mbolos sem pensar muito em como elas foram criadas Neste exerc cio iremos usar a Oficina de tabelas de cores e a Oficina de s mbolos e investigar o fen meno do autoescalonamento a Acione o Lan ador de visualiza o e escolha a imagem ETDEM com a tabela de cores padr o Idrisi 256 Embora a tabela de cores padr o funcione bem na visualiza o de dados muito diferenciados ela nem sempre funciona de forma t o agrad vel Como resultado exploraremos o uso da Oficina de tabelas de cores para criar uma nova tabela de cores para esta imagem Oficina de tabelas de cores A Oficina de tabelas de cores tem v rias outras caracter sticas al m das que iremos explorar aqui Por isso voc deve ler as informa es da Ajuda deste m dulo para um tratamento mais aprofundado do assunto No entanto existem v rios conceitos e comandos principais que devem ser revisados antes de come armos a trabalhar com a Oficina de tabelas de cores Uma tabela de cores consiste da defini o da cor para at 256 cores numeradas com ndices de 0 a 255 As caixas no formul rio mostram 16 destas cores por vez Voc pode navegar por todos os ndices 16 por vez usando o bot o de rolagem no lado direito das caixas de cores ou pressionando as teclas PgUp PgDn Para mudar a cor referente a qualquer um destes ndices voc deve primeiro clicar na caixa correspondente ao ndice As cores s o definidas em termos de mistura das cores prim rias verm
403. resultados que produzirmos sejam automaticamente visualizados Para isso selecione Prefer ncias de visualiza o no menu Visualiza o Ligue a visualiza o autom tica das sa das dos m dulos anal ticos e indique QUAL256 como tabela de cores qualitativa e IDRIS256 como tabela de cores quantitativa Selecione tamb m as op es de T tulo vis vel e Legenda vis vel e deixe IDRIS256 como a tabela de cores padr o Pressione OK Agora n s estamos prontos para criar nossa primeira imagem Booleana FLOOD E Execute RECLASS a partir do menu An lise Consulta ao banco de dados Reclassificaremos um arquivo imagem com a op o de reclassifica o personalizada Especifique DRELIEF como o arquivo de entrada e indique FLOOD como arquivo de sa da Indique a seguir os seguintes valores Atribuir um novo valor de 1 a todos valores desde at imediatamente inferiores a 9 Continue pressionando a seta direita do bot o de altera o de classes para a pr xima caixa em branco e digite o que segue Atribuir um novo valor de 0 a todos valores desde 9 at imediatamente inferiores a 999 Indique um t tulo para a nova imagem e Boolean como novas unidades de valor Pressione OK 5 Consulta ao banco de dados 71 Note que n s indicamos 999 como o valor m ximo que dever ser indicado para zero porque ele um valor maior que qualquer outro de nossa imagem Qualquer n mero superior ao atual m ximo de 16 poderia ser usado e
404. risco que cada um deseja assumir Finalmente nos casos em que conjuntos de fatores nitidamente n o t m o mesmo n vel de compensa o OWA permite nos trat los temporariamente em an lises independentes e ent o combinar os resultados 11 Tomada de decis o com objetivos m ltiplos Nos exerc cios anteriores introduzimos o caso de avalia o por crit rios m ltiplos para atingir um objetivo aquele de aptid o para reas residenciais Mais comum necessitarmos tomar uma decis o que satisfa a m ltiplos objetivos O processo de tomada de decis o com objetivos m ltiplos entretanto frequentemente deve atender perspectivas complementares e conflitantes Objetivos complementares n o representam um grande problema j que podem ser identificadas reas com alta aptid o para qualquer n mero de objetivos O caso de objetivos conflitantes entretanto mais complicado pois ele exige a identifica o de terras que maximizem as regras de decis o que s o parte da estrat gia de decis o para um nico objetivo Neste exerc cio iremos estender a an lise feita nos tr s exerc cios anteriores e apresentar o caso de objetivos conflitantes para defini o de terras entre reas que s o aptas ao desenvolvimento residencial e aquelas que s o aptas ao desenvolvimento industrial Estes dois objetivos podem ser considerados claramente objetivos conflitantes Caso voc ainda n o o tenha feito revise o cap tulo Apoio decis o e o item Tom
405. rita com maior detalhamento no cap tulo Apoio decis o na se o T PICOS ESPECIAIS do Manual do Usu rio introduzida uma l gica diferente Enquanto crit rios que s o absolutamente aptos ou absolutamente impr prios para a sele o chamados restri es s o representados por imagens Booleanas outros crit rios chamados fatores s o representados por imagens cont nuas nas quais os valores indicam o grau de aptid o de cada pixel Estas imagens cont nuas de fatores s o ent o agregadas usando um n mero de opera es poss veis e multiplicadas pelas imagens Booleanas das restri es O resultado Centro de Recursos Idrisi Brasil 80 IDRISI for Windows Exerc cios tutoriais introdut rios anteriores indicando reas para o cultivo de sorgo e de piretro s o exemplos simples de mapeamento restri es Nosso problema neste exerc cio encontrar todas as reas adequadas localiza o de uma f brica de manufaturados leves numa pequena regi o no centro de Massachusetts USA pr ximo Clark University A companhia industrial est preocupada primeiramente que a rea escolhida esteja em local plano com declives inferiores a 2 5 e que seja uma rea cont nua de pelo menos 10 hectares J os t cnicos da prefeitura est o interessados em proteger reservat rios de gua da cidade tendo especificado que nenhuma obra dever ocorrer a menos de 250 m de qualquer reservat rio Adicionalmente necess rio considerar
406. rive e o diret rio diretamente da lista abaixo da caixa de di logo Para mudar o drive clique no bot o de troca de drive e d um clique simples sobre o drive desejado Para alterar o subdiret rio voc necessita dar um clique duplo sobre o subdiret rio desejado na lista de subdiret rios Fazendo isso o nome do subdiret rio escolhido vai automaticamente para a caixa de di logo acima da lista Veja que voc pode clicar no diret rio ao topo da lista o diret rio raiz p ex c V para ver a lista dos subdiret rios principais no drive escolhido Quando a caixa de di logo no topo da janela do Centro de Recursos Idrisi Brasil 38 IDRISI for Windows Exerc cios tutoriais introdut rios ENVIRON estiver corretamente definida clique no bot o OK para que as mudan as escolhidas sejam implementadas A caixa de di logo tamb m ser fechada neste momento Ao longo deste tutorial sempre que uma op o n o for mencionada deixe os valores padr o como est o Por exemplo na caixa de di logo de ENVIRON voc pode indicar suas unidades de refer ncia padr o e as extens es de arquivo padr o Como estas op es n o s o mencionadas nas instru es deixe as com seus valores padr o originais c d e Agora mova o cursor sobre o menu principal do sistema Observe que isso tamb m permite uma explana o mais detalhada na barra de status Selecione o menu Ambiente e escolha o primeiro item neste menu ENVIRON C
407. rocessando Outra alternativa pular o pr ximo passo e continuar com o exerc cio enquanto o m dulo COST continua processando O progresso no processamento do m dulo registrado no lado direita da barra de status f Quando o processamento tiver sido completado use o modo de consulta do cursor para examinar alguns dos valores dos dados Verifique que os menores valores da imagem ocorrem pr ximo localiza o da nova planta e que eles aumentam com a dist ncia da mesma Observe que a passagem por apenas alguns pixels com atrito elevado tais como corpos d gua conduz a valores de dist ncias de custo extremamente elevadas Para calcular o caminho de menor custo desde a f brica at a linha de energia existente necessitaremos alimentar o m dulo PATHWAY com a superf cie de dist ncias de custo rec m criada e com uma representa o raster da linha de for a existente g Desta vez vamos usar o m dulo LINERAS para transferir a defini o vetorial da linha de for a para um arquivo imagem Execute LINERAS a partir do menu Reformata o Convers o raster vetor especifique POWERLN como o arquivo vetorial de linhas e POWER como o arquivo imagem a ser atualizado Novamente pressione Sim quando lhe for perguntado se deseja acionar o m dulo INITIAL para criar a imagem POWER Agora estamos prontos para executar o m dulo PATHWAY PATHWAY escolhe a alternativa de menor custo cada vez que ele se move de um pixel para o pr ximo Como a s
408. rquivos de assinaturas Arquivos de assinatura cont m informa o estat stica sobre os valores de reflect ncia dos pixels em cada conjunto de treinamento d Execute MAKESIG a partir do grupo Desenvolvimento de assinaturas do menu An lise Processamento de imagens Escolha vetor como o tipo de arquivo de reas de treinamento e informe TRSITES como o nome do arquivo de reas de treinamento Indique que sete bandas de imagem ser o processadas e sete caixas com nomes de entrada ir o aparecer automaticamente Digite nelas os nomes das bandas que voc ir analisar H87TM1 banda azul H87TM2 banda verde H87TM3 banda vermelha H87TM4 infravermelho pr ximo H87TM5 infravermelho m dio H87TM6 infravermelho termal e H87TM7 infravermelho m dio Ap s selecione Continuar indique os nomes para cada categoria de cobertura do solo nas caixas de entrada com o r tulo identificador apropriado em ordem ascendente Esses nomes de classes de cobertura ser o usados como nomes de arquivos de assinaturas de forma que devem seguir as normas das conven es MS DOS 8 caracteres ou menos Igualmente n o chame a assinatura de con feras de CON porque este um comando reservado ao MS DOS e n o funcionar adequadamente Pressione o bot o com uma seta descendente pr xima s caixas reservadas ao nome das assinaturas de modo a encontrar a caixa para o ltimo arquivo assinatura Use a op o Listar do menu Arquivo para visualizar os arquivo
409. s No caso de modelos topogr ficos digitais raster tais como a imagem RELIEF o declive em qualquer c lula pode ser determinado comparando sua altitude com a altitude de cada uma de suas c lulas vizinhas No IDRISI for Windows esta opera o realizada usando se o m dulo SURFACE De forma similar SURFACE pode ser usado para determinar a dire o de orienta o da encosta aspecto e a maneira pela qual a luz do Sol iluminaria a superf cie considerando se uma posi o espec fica do Sol sombreamento anal tico c Execute SURFACE a partir do menu An lise Operadores de contexto Calcule a declividade em graus usando RELIEF como modelo digital de entrada Chame a imagem de declividades resultante SLOPES Examine alguns dos valores usando o modo de consulta do cursor d Outra maneira de olhar para as informa es deste mapa de declividades sobrepondo o superf cie de eleva o usando o m dulo ORTHO como fizemos anteriormente com a imagem do uso do solo Entretanto a imagem de cobertura para ORTHO deve ter dados com valores inteiros e com no m ximo 256 n veis 0 a 255 Execute STRETCH a partir do menu Visualiza o para fazer um realce linear de em SLOPES Especifique SLOPEC como imagem de sa da e aceite as demais sugest es padr o para os par metros da imagem da sa da 256 n veis 0 como o valor m nimo e 255 como valor m ximo A seguir execute ORTHO com RELIEF como superf cie e SLOPEC com imagem de cobertura Use a
410. s o as seguintes Fator uso do solo Sabemos que h quatro tipos de cobertura do solo dispon veis para o desenvolvimento urbano as quais foram ordenadas em termos de aptid o Entretanto teremos que tomar uma decis o r gida para os tipos que s o aptos ao desenvolvimento urbano e aqueles que n o s o aptos Como mencionado acima reas com floresta e campo s o as menos caras para o desenvolvimento De toda a terra dispon vel estas ser o consideradas aptas ao desenvolvimento urbano Fator dist ncia das rodovias Para manter o custo das constru es residenciais baixo importante que as obras ocorram pr ximo a rodovias j existentes Assim reas pr ximas a rodovias s o mais aptas do que aquelas que est o distantes Entretanto para uma an lise Booleana teremos que reclassificar nossa imagem cont nua de dist ncia de rodovias para definir um limite da faixa tamp o Reclassificaremos nossa imagem de dist ncia de rodovias de tal forma que reas a menos de 400 metros de qualquer rodovia sejam aptas e aquelas al m de 400 metros n o sejam Fator dist ncia at o centro da cidade Presume se que residentes de Westboro gostariam de estar pr ximos das facilidades do centro urbano Casas pr ximas ao centro trar o lucros maiores aos incorporadores A dist ncia at o centro da cidade uma fun o de tempo de viagem sobre as rodovias da rea ou rodovias de acesso potenciais as quais calculamos usando a fun o de dist nci
411. s o grupos compostos por pixels de fundo Antes de calcular o n mero de hectares em cada regi o apta devemos determinar os identificadores dos grupos que representam as reas aptas para sorgo com a finalidade de encontrar os identificadores e as respectivas reas na tabela de reas Alternativamente podemos mascarar os grupos de fundo atribuindo lhes o identificador zero deixando os demais grupos de interesse com seu identificador nico diferente de zero A tabela de reas ser ent o bem mais f cil de ler N s vamos utilizar a seguir este ltimo m todo Nesse caso desejamos criar uma imagem em que as regi es aptas para sorgo retenham seu identificador nico de grupo e todos os grupos de fundo tenham valor zero H v rias formas de se fazer isso O m todo mais f cil utilizar uma opera o de OVERLAY T Qual op o de OVERLAY voc pode usar para criar a imagem desejada Utilizando que imagens p Execute a opera o sugerida acima para produzir a imagem PLOTS2 e examine o resultado Mude a tabela de cores para QUAL256 Como na imagem PLOTS as regi es aptas s o distinguidas do fundo cada uma com seu pr prio identificador q Agora estamos prontos para executar o m dulo AREA Use PLOTS2 como a imagem de entrada e solicite a sa da em forma tabular e em hectares Centro de Recursos Idrisi Brasil 76 IDRISI for Windows Exerc cios tutoriais introdut rios 8 Qual a rea em hectares de cada regi o ap
412. s da superf cie da Terra causa intera es significativas com v rios comprimentos de onda na regi o das microondas Isto pode ser usado como um complemento s informa es obtidas em outros comprimentos de onda e tamb m oferece a vantagem de ser utiliz vel noite sendo um sistema ativo ele independe da radia o solar e em regi es com cobertura de nuvens persistente os comprimentos de onda do Radar s o pouco afetados por nuvens Mecanismos de intera o Quando a energia eletromagn tica atinge um material tr s tipos de intera es podem ocorrer reflex o absor o e transmiss o Figura 3 2 Nosso principal interesse reside na por o da energia que refletida pois geralmente esta a que retorna ao sistema sensor A quantidade refletida varia de acordo com a natureza do material e com a regi o do espectro magn tico na qual a medida feita Como resultado se examinarmos o comportamento da componente refletida ao longo de um intervalo de comprimentos de onda podemos caracterizar o resultado como um padr o de resposta espectral Fonte de luz reflex o absor o transmiss o Figura 3 2 Mecanismo de intera o entre energia eletromagn tica e materiais Centro de Recursos Idrisi Brasil Introdu o ao sensoriamento remoto e processamento de imagens 21 Padr es de resposta espectral Um padr o de resposta espectral algumas vezes chamado de assinatura uma descri o frequentemente
413. s de assinatura e verificar se todas as suas assinaturas foram criadas Caso voc tenha esquecido alguma repita todo o processo descrito para criar um novo arquivo vetorial de reas de treinamento apenas para o tipo de cobertura do solo que foi esquecido e execute MAKESIG novamente 4 Para comparar as assinaturas poss vel fazermos um gr fico do mesmo modo que fizemos manualmente em exerc cios anteriores Centro de Recursos Idrisi Brasil 134 IDRISI for Windows Exerc cios tutoriais introdut rios f Execute SIGCOMP a partir do grupo Desenvolvimento de assinaturas do menu An lise Processamento de imagens Escolha a visualiza o de 6 arquivos assinatura e escreva os nomes de todos os arquivos optando por mostrar suas m dias 1 Das sete bandas da imagem quais as bandas que melhor diferenciam a cobertura vegetal g Execute SIGCOMP novamente mas desta vez escolha a visualiza o de apenas 2 assinaturas e escreva os nomes dos arquivos assinatura para rea urbana e con feras Indique que voc deseja visualizar seus valores m ximos m nimos e m dias Observe que os valores de reflect ncia destas assinaturas se sobrepoem em grau vari vel ao longo das bandas Esta uma fonte de confus o espectral entre tipos de cobertura 2 Qual das duas assinaturas tem a maior varia o em valores de reflect ncia maior intervalo de valores nas diferentes bandas Por qu h Para melhorar nossa compreens o sobre estes arq
414. s minerais e outros materiais Essas bibliotecas de curvas espectrais est o dispon veis a partir de v rios sites na World Wide Web como o do United States Geological Survey USGS Spectroscopy Lab http spclab cr usgs gov Veja o cap tulo Classifica o de imagens de sensoriamento remoto na se o T PICOS ESPECIAIS do Manual do usu rio para mais detalhes sobre an lise de dados hiperespectrais Lillesand T amp Kiefer R 1987 Remote Sensing and Image interpretation New York Wiley Centro de Recursos Idrisi Brasil Introdu o ao sensoriamento remoto e processamento de imagens 23 Sensoriamento remoto multiespectral Na interpreta o visual de imagens de sensoriamento remoto v rias caracter sticas das imagens s o levadas em considera o como a cor ou tom no caso de imagens pancrom ticas textura tamanho forma padr o contexto e a semelhan a Entretanto na interpreta o auxiliada por computador usada com mais frequ ncia simplesmente a cor isto o padr o de resposta espectral por esta raz o que uma forte nfase dada ao uso de sensores multiespectrais sensores que como o olho humano v em mais do que um local no espectro e por isso s o capazes de captar padr es de resposta espectral bem como ao n mero e localiza o espec fica das bandas espectrais desses sensores Banda 1 regi o azul do espectro eletromagn tico 0 45 0 52 um Banda 2 regi o verde do espectro eletro
415. s na forma digital permitindo uma r pida integra o dos resultados de an lises de sensoriamento remoto em um SIG O desenvolvimento de t cnicas digitais para a corre o realce e interpreta o de imagens de sensoriamento remoto auxiliada por computador ocorreu inicialmente de forma independente e um pouco frente do desenvolvimento de SIG Contudo a estrutura de dados raster e muitos dos procedimentos envolvidos nestes sistemas de processamento de imagens Image Processing Systems IPS eram id nticos queles envolvidos em SIG com estrutura raster Como resultado tem se tornado comum ver pacotes de processamento de imagens adicionados s capacidades mais gerais de an lise de SIG e software SIG inclu rem ao menos um conjunto fundamental de ferramentas de processamento de imagens O IDRISI for Windows um sistema avan ado combinando SIG e processamento de imagens Devido grande import ncia do sensoriamento remoto como entrada de dados para SIG tem se tornado necess rio aos analistas de SIG particularmente aqueles envolvidos na utiliza o de recursos naturais adquirir uma boa familiaridade com sistemas de processamento de imagens Por causa disso este cap tulo d uma vis o geral desta importante tecnologia e da sua integra o com SIG Defini o Sensoriamento remoto pode ser definido como qualquer processo atrav s do qual coletada informa o a respeito de um objeto rea ou fen meno sem entrar em cont
416. s no uso do sistema Windows Com Windows 3 1 e bem menos em Windows 95 um conjunto de buffers especiais de mem ria s o utilizados para controlar os elementos do Windows Esses buffers surpreendentemente pequenos chamados de System Graphics Device Interface e User Resource buffer podem ficar sobrecarregados e levar a comportamentos muito incomuns e inst veis levando no final a um erro de falta de mem ria Out of memory Isto ilus rio j que h mem ria abundante somente insuficiente nesses buffers espec ficos Caso voc estiver tendo problemas como esse tente ligar o item Mostrar recursos ele substituir o rel gio e mostrar a porcentagem do System s Graphics Device Interface g e User Resource buffer u que est o dispon veis Antes de continuar ligue tanto a barra de ferramentas quanto a barra de status Isso completa nossa explora o do ambiente do IDRISI for Windows Voc ir perceber que existe mais uma entrada no menu Ambiente Prefer ncias Iremos estud la apenas para saber que serve para definir as caracter sticas padr o do sistema de visualiza o o qual veremos no pr ximo exerc cio e o idioma a ser utilizado Aplica es espec ficas criadas pelo usu rio e especificadas nas Prefer ncias aparecem e podem ser executadas a partir do menu Arquivo Assim poss vel executar qualquer outra aplica o a partir do menu principal do IDRISI for Windows Como voc pode ver no menu principal o
417. s partes residencial urbano e pedregulhos gravel Use ASSIGN para ver se voc pode criar uma nova imagem chamada REGRP2 que parecida com WORCWEST O prop sito disso ilustrar o processo de reagrupamento usando ASSIGN O resultado ser visualizado com a tabela de cores Qualitativa 256 Mude a tabela de cores de REGRP2 para WORCWEST usando o bot o Propriedades da Composi o A imagem parece agora similar ao mapa de uso do solo 1 Descreva e explique a natureza do reagrupamento que foi necess rio para criar WORCWEST p ex quais foram os maiores reagrupamentos que voc teve de fazer Usando as informa es de WORCWEST interprete a imagem produzida atrav s da an lise de agrupamentos com generaliza o grosseira chamada BROAD Edite a legenda interativamente de forma a atribuir os nomes das classes de uso do solo aos agrupamentos Para fazer isso aponte o cursor para a caixa de cores da legenda correspondente categoria em quest o e pressione o bot o direito do mouse Uma caixa de edi o da legenda ir aparecer permitindo a voc mudar os nomes na legenda e modificar as cores D ao agrupamento o nome do tipo de cobertura do solo correspondente e se quiser modifique a cor de acordo com a tabela de cores de WORCWEST 2 Observe que uma das classes urbanas en WORCWEST est interpretada como floresta em BROAD A que classe urbana em WORCWEST ela pertence Isto l gico Centro de Recursos Idrisi Brasil 15 Ge
418. s quatro c lulas antigas mais pr ximas utilizada atribu da como o valor da nova c lula Essa t cnica chamada interpola o bilinear A reamostragem com o vizinho mais pr ximo deve ser usada quando os valores do dado n o podem ser alterados por exemplo com dados de classes ou dados qualitativos como tipos de solos A rotina bilinear apropriada para dados quantitativos como imagens de sensoriamento remoto D Finalmente escolha a fun o de mapeamento linear e pressione OK 15 Georreferenciamento de imagens usando reamostragem 141 A fun o de mapeamento usada depende da deforma o necess ria para transformar a imagem original na nova imagem georreferenciada Voc deve escolher a fun o de ordem mais baixa que produza um resultado aceit vel Um n mero m nimo de pontos de controle requerido para cada fun o de mapeamento tr s para linear seis para quadr tica e dez para c bica mas o n mero de pontos usados para esta reamostragem 22 reflete bem a quantidade que deveria ser encontrada para uma rea superficial como a de PAXTON com a fun o de mapeamento linear Voc est agora diante do erro m dio quadrado RMS total e do erro residual individual de cada ponto de controle Cada ponto mostrado individualmente e numerado de acordo com a ordem em que aparece no arquivo de correspond ncia Esses res duos expressam quanto cada ponto de controle se desvia da equa o de melhor ajuste Novamente a equa
419. samento de imagens Os exerc cios est o agrupados da seguinte forma Classifica o de dados de sensoriamento remoto Teorema de Bayes e classifica o por m xima verossimilhan a Desenvolvimento de assinaturas fuzzy Classificadores relativos I BAYCLASS Discretizadores Classificadores relativos II BELCLASS Dempster Shafer modificado x Sr de Do Or Indices de vegeta o 7 Sensoriamento remoto em ambientes ridos Apoio decis o 8 Avalia o por crit rios m ltiplos An lise Booleana 9 Avalia o por crit rios m ltiplos Combina o linear ponderada 10 Avalia o por crit rios m ltiplos M dia ponderada ordenada 11 Tomada de decis o com objetivos m ltiplos 12 Modelagem de peso de evid ncia com BELIEF 13 Incerteza no banco de dados e risco na decis o Modelagem estat stica 14 Regress o m ltipla em SIG 15 Vari veis dicot micas e regress o log stica Diferente dos exerc cios do conjunto introdut rio os exerc cios avan ados podem ser feitos em qualquer ordem de seq ncia Recomenda se entretanto que os exerc cios do grupo de classifica o exerc cios 1 6 sejam feitos em seqii ncia Centro de Recursos Idrisi Brasil 1 Teorema de Bayes e classifica o por m xima verossimilhan a O procedimento por m xima verossimilhan a inquestionavelmente o mais usual para classifica o em sensoriamento remoto O fundamento deste m todo o teorema de Bayes o qual expr
420. sando essa fun o linear simples usaremos o m dulo FUZZY Necessitaremos indicar pontos de controle que reflitam a fun o de decr scimo linear e a aptid o decrescente medida que nos afastamos do centro da cidade Neste caso os pontos de controle s o os pontos extremos da reta os valores m nimos e m ximos de dist ncia encontrados em nossa imagem de dist ncias de custo l Execute DESCRIBE para encontrar os valores m nimos e m ximos de dist ncia na imagem TOWNDIST Registre estes valores para us los como pontos de controle 9 Avalia o por crit rios m ltiplos Combina o linear ponderada 185 2 A seguir execute o m dulo FUZZY com TOWNDIST como a imagem de entrada e especifique uma fun o linear Ajuste a fun o para monotonicamente decrescente j que a aptid o decresce com o aumento da dist ncia at o centro da cidade Em seguida indicaremos os valores m nimos e m ximos da imagem TOWNDIST respectivamente como o ponto de controle c e o ponto de controle d Ajuste o formato de dados de sa da para byte 0 255 Denomine este segundo mapa de fatores de TOWNFAC 3 Explique por que o resultado n o mostra an is conc ntricos perfeitos de aptid o emanando do centro da cidade Fator dist ncia de corpos d gua Outros fatores como a nossa dist ncia de corpos d gua n o possuem um decr scimo ou acr scimo constante de aptid o baseado apenas na dist ncia N s sabemos por exemplo que a legisla o u
421. sar in meras vezes daqui para a frente Problema opcional 1 As zonas agroclim ticas que n s acabamos de delinear t m sido estudadas por ge grafos para determinar a atividade agr cola tima para cada combina o Por exemplo foi determinado que reas aptas ao cultivo de piretro uma planta cultivada para uso em repelentes de inseto s o aquelas definidas pela combina o das zonas de temperatura 6 8 e zonas de disponibilidade h drica 1 3 D Crie um mapa mostrando as regi es aptas ao cultivo de piretro 7 Existem v rios caminhos para criar um mapa de reas aptas ao cultivo de piretro Descreva como voc fez seu mapa e como voc o poderia ter feito usando outro m todo Problema opcional 2 m Caso a atmosfera se tornasse 2 graus mais quente devido ao aquecimento global reas pr prias ao cultivo de piretro iriam mudar Nesse caso a f rmula para a rela o entre altitude e temperatura modificar se ia da seguinte forma Temperatura 28 985 0 0016 x altitude Isto tamb m pode ser feito adicionando se 2 graus a cada temperatura na compara o temperatura altitude e executando REGRESS novamente Tamb m seria necess rio modificar nossa f rmula de evapora o potencial As duas f rmulas originais podem ser usadas para derivar a rela o entre a evapora o potencial e a temperatura Retrabalhando algebricamente esta rela o temos 10 Oficina de banco de dados 113 Evapora o potencial 583 6469
422. se de interesse tornando assim poss vel tanto fazer uma predi o para a hip tese quanto diminuir o n mero de locais selecionados para coleta adicional de informa es Centro de Recursos Idrisi Brasil 204 IDRISI for Windows Exerc cios tutoriais avan ados Criando imagens de probabilidade da evid ncia gua permanente Dados de gua permanente representam informa o indireta da qual se pode estimar a probabilidade de um s tio existir ou n o Usamos esta evid ncia como um exemplo para demonstrar um processo de racioc nio para decidir que hip teses a evid ncia sustenta e ent o derivar as imagens de probabilidade correspondentes Necessitamos primeiro examinar a evid ncia e ver como ela est relacionada com as hip teses a Visualize a imagem denominada WATER usando a tabela de cores Qualitativa 16 Ela representa os corpos d gua permanentes na rea Adicione o arquivo vetorial denominado SITES com o arquivo de s mbolos padr o Este arquivo mostra os s tios arqueol gicos conhecidos existentes na rea A associa o da maioria dos s tios com gua permanente sugere que os rios s o um fator determinante para a presen a dos s tios Podemos ver que a maioria dos s tios se n o todos est o pr ximos gua permanente Nosso conhecimento sobre esta cultura indica que a gua uma condi o necess ria para viver mas n o por si s suficiente j que outros fatores como as declividades tamb m afetam
423. sensoriamento remoto N s revisamos algumas das principais combina es plataforma sensor normalmente dispon veis para a comunidade de usu rios de SIG Fotografia a rea A fotografia a rea o m todo de sensoriamento remoto mais antigo e mais amplamente usado C meras montadas em aeronaves leves voando em altitudes entre 200 e 15 000 m captam uma grande quantidade de informa o detalhada Fotos a reas fornecem um invent rio visual instant neo de uma por o da superf cie terrestre e podem ser usadas para criar mapas detalhados Fotografias a reas s o frequentemente produzidas por empresas comerciais especializadas que possuem e operam aeronaves especialmente modificadas equipadas com c meras de grande formato 23ecmx23cm e de alta qualidade Fotos a reas tamb m podem ser obtidas a partir de c meras de pequeno formato 35 mm e 70 mm manuais ou acopladas em uma aeronave leve n o modificada As configura es de c mera e plataforma podem ser agrupadas em verticais e obl quas As plataformas configuradas e a c mera podem ser agrupadas em termos verticais e obl quos A fotografia a rea obl qua obtida a partir de um determinado ngulo em rela o ao terreno As imagens resultantes d o uma vis o semelhante de um observador olhando pela janela do avi o Estas imagens s o bem mais f ceis de interpretar do que fotografias verticais mas dif cil localizar e medir fei es neste tipo de foto para prop sitos de mape
424. sicionada durante a transforma o para o novo sistema de refer ncia Uma boa sugest o tentar encontrar pontos ao longo da borda da imagem Se entretanto voc est interessado somente numa parte da imagem voc pode concentrar todos os pontos nessa rea e ent o desprezar o resto da imagem durante a reamostragem Segundo ao localizar os pontos voc deve rascunhar um pequeno croqui da rea atribuir um identificador posi o de cada ponto de controle no croqui e registrar o seu n vel de confian a na acur cia de posicionamento de cada um dos pontos p ex baixo m dio alto Mais tarde durante o processo de reamostragem ser poss vel omitir os pontos que apresentem um alto erro de posisionamento na equa o A fim de manter uma boa distribui o de pontos e alta confian a nos pontos de controle remanescentes ser importante lembrar as suas posi es na imagem e sua acur cia de posicionamento relativa d Desfa a novamente a amplia o da imagem para voltar janela da imagem completa de PAXTON e ent o usando a Composi o adicione um plano vetorial chamado PAXPNTS com o arquivo de s mbolos personalizado chamado PAXPNTS Os 20 pontos vermelhos que aparecem s o os pontos de controle que j foram encontrados e gravados em um arquivo de correspond ncia Os dois c rculos azuis s o as posi es relativas onde voc poder encontrar mais dois pontos de controle Adicione outro plano chamado PAXTXT com o arquivo de
425. sifica o cruzada e tabela como produtos de sa da Chame a imagem resultante da classifica o cruzada de ACZONES Quando a opera o estiver conclu da a sa da da classifica o cruzada mostrar o n mero de c lulas que pertencem cada combina o de zonas de temperatura com zonas de disponibilidade h drica Ap s visualizar a tabela examine a imagem ACZONES A imagem da classifica o cruzada mostra todas as combina es entre as zonas de temperatura e de disponibilidade h drica na rea de estudo Observe que a legenda para ACZONES mostra claramente estas combina es na mesma ordem que os nomes das imagens de entrada aparecem no t tulo k Como uma forma de revisar os ltimos passos do processo rec m conclu do volte Figura 2 e escreva o nome dos m dulos usados para cada uma das opera es Neste exerc cio usamos OVERLAY SCALAR e a Calculadora para imagens para realizar uma s rie de opera es matem ticas b sicas N s utilizamos imagens como vari veis em equa es atrav s das quais derivamos novas imagens Este tipo de modelagem matem tica tamb m denominada lgebra com mapas juntamente com a consulta ao banco de dados formam o cora o de um SIG Tamb m introduzimos o m dulo CROSSTAB que cria uma nova imagem baseado na combina o de classes de duas imagens de entrada Embora ainda novato neste campo voc tem agora n o apenas as ferramentas b sicas necess rias mas tamb m aquelas que voc u
426. sim parece Voc pode n o ter notado mas quando voc carregou ETDEM o Lan ador de visualiza o automaticamente acionou a propriedade autoescalonamento Como o nome sugere autoescalonamento um procedimento autom tico para adequar os valores dos dados a uma faixa poss vel para o enquadramento gr fico A faixa especificada depender da tabela de cores usada e de como est o ajustados os seus valores m nimo e m ximo para o autoescalonamento Em nosso caso n s definimos o autoescalonamento com um m nimo de O e um m ximo de 15 Como conseq ncia cada altura foi ajustada para produzir um n mero ndice dentro desta faixa Se a altura 0 ela tem cor 0 Se a altura 4267 o m ximo a cor 15 Da mesma forma se a altura 2134 ela tem cor 7 e assim por diante O autoescalonamento um ajuste linear simples dos valores entre o m nimo e o m ximo da imagem e entre os ndices de cor m nimo e m ximo como definido pelos valores m nimo e m ximo do autoescalonamento da tabela de cores utilizada O Lan ador de visualiza o autoescalonou a imagem para poder exibi la pois ela composta por n meros reais Todas as imagens de n meros reais devem ser autoescalonadas porque os ndices de cores das tabelas de cores s o valores inteiros e esse processo feito automaticamente no momento da visualiza o No entanto quando uma imagem inteira ou byte nem sempre necess rio que isso seja efetuado Se a imagem cont m
427. sitemos reconhecer que tamb m se faz necess rio o gerenciamento de dados espaciais Assim um SIG usualmente incorpora n o apenas um SGBD tradicional mas tamb m uma variedade de utilit rios para gerenciar os componentes espaciais e de atributos dos dados geogr ficos armanezados Centro de Recursos Idrisi Brasil Introdu o a sistemas de informa o geogr fica SIG 7 Com um SGBD poss vel introduzir dados de atributo como informa o tabular e estat stica e subseq entemente extrair tabula es especializadas e sum rios estat sticos para gerar novos relat rios tabulares Entretanto mais importante o fato de que um sistema de gerenciamento de banco de dados nos permite analisar dados de atributo Muitas an lises de mapas n o t m um componente espacial verdadeiro e para elas um SGBD freq entemente funciona muito bem Por exemplo podemos solicitar ao sistema para encontrar todas as parcelas onde o chefe de fam lia solteiro mas com uma ou mais crian as dependentes e produzir um mapa com o resultado O produto final um mapa certamente espacial mas a an lise em si n o tem qualidades espaciais Dessa forma as setas duplas entre o SGBD e o banco de dados de atributos na figura 2 1 significam essa forma distintamente n o espacial de an lise de dados No IDRISI for Windows um SGBD provido pela Oficina de banco de dados Um extenso conjunto de m dulos de programas tamb m est dispon vel para o gerenciam
428. sos dos fatores originais de modo sua soma totalize 1 Pesos originais Pesos reescalonados WATRFAC 0 1073 0 4972 DEVLFAC 0 1085 0 5028 i A Execute MCE e escolha a op o OWA Indique que voc quer usar duas restri es e dois fatores e escolha LUSECON e WATRCON e os dois fatores bem como os pesos reescalonados listados acima Que pesos de ordena o resultar o num baixo risco e nenhuma compensa o Entre com os pesos de ordena o e denomine a imagem intermedi ria resultante que combina todos os fatores relevantes s preocupa es ambientais de INTRENV Visualize o resultado juntamente com INTRCOST Como voc pode ver estas imagens s o muito diferentes uma da outra mas observe como INTRCOST similar a MCEWLC l O que essa similaridade nos diz a respeito de nossa an lise anterior de risco m dio Que fatores mais influenciam os resultados nestas imagens O passo final neste procedimento combinar nossos dois resultados intermedi rios usando uma terceira opera o MCE N o existe uma regra clara sobre como combinar estes dois resultados Assumiremos que os planejadores urbanos do nosso exemplo est o relutantes em dar um peso maior aos fatores de interesse dos incorporadores ou aos de interesse dos ambientalistas Os pesos dos fatores ser o iguais Adicionalmente eles n o permitir o que os dois novos fatores consolidados se compensem nem desejam outro n vel de risco que n o o menor poss vel quando combinar
429. sos fatores tamb m envolve a preocupa o ambiental Os planejadores urbanos gostariam de ver novas reas residenciais o mais pr ximo poss vel de reas constru das j existentes Isto faria com que reas isoladas adequadas vida selvagem ficassem distantes de qualquer rea constru da Primeiro criaremos uma imagem de fei es que cont m as reas atualmente edificadas a partir das quais calcularemos um mapa de dist ncias j A imagem de fei es ser constitu da de todas as reas constru das do mapa de uso do solo WESTLUSE as categorias 5 a 12 da legenda Reclassifique WESTLUSE de modo que essas reas j constru das recebam o valor 1 e as demais reas o valor 0 Denomine a nova imagem de DEVELOPD Execute ent o DISTANCE usando DEVELOPD como imagem de fei es e especifique DEVLDIST como arquivo de sa da Desenvolvemos agora os oito crit rios que ser o usados na identifica o de reas pr prias ao desenvolvimento residencial Os primeiros dois s o barreiras que representam as restri es ao desenvolvimento impostas pela legisla o da cidade e as reas que j est o constru das e n o podem ser consideradas para novo uso residencial Os demais crit rios s o fatores que determinam a aptid o relativa de reas ainda n o constru das quatro deles relevantes ao custo das edifica es e tr s relevantes preserva o de habitats MCE usando operadores Booleanos Agora que as imagens dos fatores foram criad
430. specifique byte como o tipo de dado bin rio como o tipo de arquivo e zero como o valor inicial Pressione OK Centro de Recursos Idrisi Brasil 92 IDRISI for Windows Exerc cios tutoriais introdut rios d A imagem NEWPLANT ser automaticamente visualizada Caso voc tenha dificuldades de visualizar o nico pixel vermelho que representa a localiza o da f brica voc pode usar a ferramenta de extra o de janela para ampliar a por o da imagem que cont m a f brica Voc tamb m pode adicionar o plano vetorial NEWPLANT selecionar uma janela em torno do ponto e ent o omitir sua exibi o clicando na caixa ao lado do seu nome na lista de arquivos da Composi o Voc pode agora ver um nico pixel com o valor 1 representando a nova planta industrial A opera o que voc acabou de concluir conhecida como convers o de dados de vetorial para raster N s temos agora as duas imagens necess rias para executar o m dulo COST a superf cie de atrito FRICTION e a imagem de defini o de fei es NEWPLANT e Execute COST a partir do menu An lise Operadores de dist ncia Selecione o algoritmo Esfor o de custo especifique NEWPLANT como a imagem com fei es de origem e FRICTION como a imagem de superf cie de atrito Denomine COSTDIST a imagem a ser criada Seu computador poder levar algum tempo para o c lculo caso ele n o possua uma CPU muito r pida Voc pode fazer uma pausa neste ponto e deixar o computador p
431. spectivamente aos comprimentos de onda do azul verde infravermelho pr ximo infravermelho m dio infravermelho termal e outro infravermelho m dio Os valores de uma assinatura nas 7 bandas formam uma assinatura 12 Classifica o supervisionada 135 singular que pode ser comparada a cada um dos demais arquivos assinatura rec m criados Cada pixel ent o atribu do ao tipo de cobertura com assinatura mais similar Existem v rias t cnicas estat sticas que podem ser usadas para avaliar a similaridade entre assinaturas Estas t cnicas estat sticas s o chamadas de classificadores N s criaremos imagens classificadas com tr s dos classificadores r gidos dispon veis no IDRISI for Windows Exerc cios ilustrando o uso de classificadores relativos e discretizadores podem ser encontrados nos Exerc cios tutoriais avan ados O primeiro classificador que usaremos um classificador de dist ncias m nimas s m dias Este classificador calcula a dist ncia do valor de reflect ncia de um pixel m dia espectral do arquivo de assinaturas e atribui ao pixel a categoria com a m dia mais pr xima Existem duas formas para o c lculo da dist ncia A primeira calcula a dist ncia Euclidiana ou bruta do valor de reflect ncia do pixel m dia de cada categoria espectral Este conceito ilustrado em duas dimens es como se as assinaturas espectrais fossem feitas a partir de apenas duas bandas na Figura 1 Neste diagrama heur stico os val
432. ss rio completo dos termos que voc pode encontrar no uso do seu sistema IDRISI for Windows Para sair do sistema de ajuda use o procedimento normal de sa da de qualquer janela do Windows no Windows 3 1 ou Windows NT 3 5 d um clique duplo no bot o do canto superior esquerdo no Windows 95 clique no bot o X na barra superior da janela voc pode tamb m usar a op o Arquivo Sair Uma vez que definimos nosso diret rio de trabalho e n o desejamos fazer mais nenhuma altera o podemos sair do ENVIRON de tr s formas A mais comumente usada clicar no bot o Cancelar Voc tamb m pode usar as formas descritas acima para sair do sistema de ajuda Entretanto no IDRISI for Windows voc pode pressionar a tecla Esc do seu teclado Use a forma que voc preferir e saia agora do ENVIRON Retorne agora para o menu Ambiente e escolha a op o Atalho Essa a terceira forma al m da barra de ferramentas e da sele o a partir do menu principal pela qual os m dulos do IDRISI for Windows podem ser acessados O Atalho projetado para aqueles que preferem digitar ou selecionar nomes dos m dulos como fazem muitos usu rios das vers es do IDRISI for DOS Tente digitar a palavra ENVIRON e observe o que acontece durante a digita o de cada caracter Veja que ele continuamente procura descobrir o m dulo que voc deseja Neste caso em particular ele sabe ap s a digita o de apenas dois caracteres EN A partir deste
433. ss vel sem que haja problemas Este o caso da tabela de 256 tons de cinza Como ela cont m somente tons de cinza ela n o pode utilizar se de quase nenhuma das 20 cores do Windows Como conseq ncia voc talvez somente veja cores esparsas e o resultado n o exatamente cinza Para ilustrar este ltimo ponto vamos mudar a tabela de cores da imagem ETDEM a Composi o Certifique se que a janela do mapa ETDEM esteja ativa e clique sobre seu nome na lista de arquivos da Composi o Voc perceber que seu nome muda de preto para vermelho indicando que ela foi selecionada isto algo mais significativo no contexto de uma composi o com v rios planos de informa o Clique ent o o bot o Propriedades Aqui voc perceber que s o listados os arquivos de tabelas de cores associados a este plano e se ele possui ou n o uma legenda Altere a tabela de cores para GREY256 clicando duas vezes sobre a caixa de di logo de arquivos de tabela de cores e selecionando da lista Solicite a exibi o da legenda e pressione OK O grau de corre o da tabela de cores ir depender em grande parte da configura o de cores que voc estiver usando no Windows Ela poder ser boa ou ter dificuldades para fazer todos os 256 tons de cinza Os resultados ir o variar de um sistema para outro de acordo com a configura o 2 O sistema de visualiza o 45 Novamente se voc estiver trabalhando com um sistema de visualiza o de 15 bits ou
434. ssociadas a cada classe em WESTMAX Voc tamb m pode usar a op o flash da legenda para ver a distribui o espacial de cada categoria Quais s o os conjuntos de mistura que t m uma representa o significativa na imagem Esses s o casos onde a ambigiiidade ser alta Finalmente MIXCALC pode ser usado para determinar o grau de suporte para qualquer conjunto de mistura n o separ vel Normalmente esse m dulo usado somente como um complemento de MAXSET ou para um exame de ambigiiidade Use MIXCALC para calcular o grau de suporte para a mistura n o separ vel isto BPA de DECIDUOUS e CONIFER Chame o resultado de MIXDC Visualize ent o MIXDC usando a tabela de cores IDRISI 256 7 Em que sentido MIXDC corresponde s informa es obtidas a partir do exame da ambigiiidade Como uma nota final vale a pena considerar a quest o da classifica o de sub pixel O conceito da classifica o de sub pixel baseado no pressuposto de que toda a incerteza na classifica o de um pixel se deve a presen a de misturas n o separ veis Entretanto como ficou evidente na explora o anterior baseada na teoria de Dempster Shafer a ambigiiidade nem sempre o maior componente da incerteza Claramente a ignor ncia pode ser o elemento principal Com a gama de ferramentas de explora o de incerteza providas pelo IDRISI for Windows entretanto poss vel distinguir entre esses conceitos e focar especificamente naqueles de int
435. ste caso queremos que seja atribu do o valor 1 s reas com grau 2 e s demais reas seja atribu do o valor 0 Nosso arquivo de valores portanto ser assim O E O O O 00h OoO Como j foi mencionado qualquer classe n o especificada no arquivo de valores ter atribu da automaticamente um novo valor de 0 Desta maneira nosso arquivo de valores na verdade necessita de apenas uma linha como segue 21 A todas as classes com valores diferentes de 2 ser atribu do automaticamente o valor 0 D Depois de haver criado este arquivo de valores execute ASSIGN usando DSOILS como arquivo de defini o de fei es e CLAYS como o arquivo de valores Chame a nova imagem de BESTSOLL e lhe d um t tulo Examine a imagem BESTSOIL rsultante Neste ponto n s realizamos uma consulta a um atributo simples para produzir duas imagens Booleanas FLOOD e BESTSOIL que atendem a condi es individuais por n s especificadas Agora necessitamos realizar uma consulta por atributos m ltiplos para encontrar locais que preenchem ambas as condi es e s o portanto aptos ao cultivo recessional de sorgo Como descrito anteriormente neste exerc cio a opera o de multiplica o entre duas imagens Booleanas pode ser usada para produzir o resultado da opera o l gica AND No IDRISI for Windows isto feito com o m dulo OVERLAY OVERLAY produz imagens novas como resultado de uma opera o matem tica entre duas imagens existentes A maioria del
436. ste primeiro passo produzir uma imagem Booleana para reas que preenchem este crit rio N s a chamaremos de SLOPEBL 1 Antes de ler adiante desenhe abaixo um modelo cartogr fico completo com o nome dos m dulos e das imagens mostrando os passos necess rios produ o de SLOPEBL SLOPEBL b Visualize RELIEF com a tabela de cores Idrisi 16 e a op o de autoescalonamento Examine os valores com o modo de consulta do cursor Os limites entre cores nesta visualiza o s o similares s curvas de n vel em um mapa topogr fico Quanto mais pr ximas estiverem as curvas umas das outras mais rapidamente a altitude est mudando e consequentemente mais ngreme a encosta Criar um mapa de declividades manualmente muito tedioso Basicamente ele requer que o distanciamento entre curvas de n vel seja avaliado em todo o mapa Como freq entemente ocorre tarefas tediosas para humanos s o simples para computadores o oposto tamb m tende a ser verdadeiro coisas uma imagem de aptid o com valores cont nuos que oscilam de inapto at altamente apto 29 e Aida ES Para este exerc cio certifique se de que as Prefer ncias de visualiza o est o configuradas com os valores padr o pressionando o bot o Padr es do sistema Escolha ent o Legenda vis vel e pressione OK 6 Operadores de dist ncia e de contexto 81 que parecem simples e intuitivas para n s s o normalmente dif ceis para computadore
437. stema gr fico no Windows p ex 640x480 Vs 1024x768 Clique ent o sobre o cone de zoom aquele com uma lupa A seguir movimente o mouse sobre a imagem BRAZILFC e note como o cursor do mouse altera sua 2 O sistema de visualiza o 47 forma e transforma se numa lupa Pressionar o bot o esquerdo do mouse far com a imagem seja expandida enquanto que o bot o direito do mouse far a imagem ser reduzida Experimente expandir BRAZILFC clicando o bot o esquerdo do mouse Note como as barras de rolagem aparecem Note tamb m que a moldura do mapa ir ajustar se de tal forma que o que era previamente o centro da janela permanece centrado na de novo tamanho Volte o zoom para o tamanho original O processo de zoom tem papel significativo nos recursos de mem ria do Windows Com a expans o a imagem aumentada por duplica o de pixels Assim o consumo de mem ria aumenta exponencialmente medida que sucessivas expans es s o solicitadas Como consegii ncia n s incorporamos algumas rotinas de seguran a A primeira que a expans o se d passo a passo Para prosseguir expandindo a imagem voc ter que acionar o cone de Zoom novamente e repetir a opera o Neste caso ser dif cil expandir inadvertidamente um n mero excessivo de vezes A segunda que voc pode expandir uma imagem no m ximo apenas tr s vezes embora voc possa reduzir um n mero ilimitado de vezes Caso voc ache necess rio um grau maior de expans o vo
438. stograma Iremos comentar mais tarde sobre as causas dos dois picos na banda infravermelha neste exerc cio quando aprenderemos acerca das informa es que as imagens de sat lite cont m 90 200 255 preto cinza escuro cinza claro branco Figura 1 Como mostra o histograma nenhum dos pixels da imagem tem o valor de 255 Figura 1 Em consegii ncia n o existem pixels claros na imagem Observe tamb m que a maioria dos pixels possui valores em torno de 90 Este valor cai no intervalo m dio da tabela de cores Tons de cinza 256 raz o pela qual HOW87TM4 aparece com predomin ncia de cinza m dio l Se a imagem HOW87TM4 tivesse um nico pixel com valor de reflect ncia 0 e um outro com o valor 255 todos os outros valores dos dados permanecendo como s o o contraste visual da imagem seria melhorado Por que ou por que n o Para aumentar o contraste da imagem necessitaremos modificar a visualiza o de forma que todas as cores da tabela do preto ao branco sejam utilizadas A maneira mais f cil de se fazer isto atrav s do autoescalonamento da imagem Quando o autoescalonamento utilizado o valor m nimo da imagem mostrado com a cor de valor mais baixo na tabela de cores e o m ximo mostrado com o valor mais elevado na tabela Todos os valores intermedi rios s o distribu dos ao longo das demais cores dispon veis na tabela de cores 11 Explora o de imagens 117 d Visualize HOW87TMA4 novamente com a tabela d
439. streams banhados marshes lagos lakes e reservat rios ponds Extraia os rios como linhas em um arquivo chamado STREAMS e d a todas as linhas um novo ID igual a 1 Quais s o os c digos principais e secund rios dos cursos d gua Extraia banhados marshes lagos lakes e a udes ponds como elementos de rea em um arquivo vetorial em separado chamado WATERBOD dando o novo ID 1 para banhados e o novo ID a 2 para lagos e a udes S o necess rios arquivos separados para cursos d gua e corpos d gua j que linhas e pol gonos rea s o tipos de objetos que n o podem ser registrados no mesmo arquivo vetorial do IDRISI for Windows Crie novos arquivos de s mbolos para STREAMS e WATERBOD visualizando os a seguir juntamente com ROADS em uma mesma composi o N s completamos agora a por o de importa o DLG deste exerc cio Nossa pr xima tarefa importar o arquivo raster DEM h i Execute o m dulo DEMIDRIS do m dulo de Importa o Exporta o a partir do menu Arquivo Importar Formato do Governo dos EUA Ag ncias Este m dulo l e importa especificamente dados do modelo digital de eleva o do USGS para o formato imagem do IDRISI for Windows Especifique que voc quer converter um arquivo denominado BLKEAR DEM necess rio especificar sua extens o e indique DEM como o nome da imagem de sa da Esse processo pode levar alguns minutos dependendo da velocidade do processador de seu computador
440. sualiza o e tamb m usualmente gostaria de usar uma tabela de cores espec fica criada por voc Voc pode configurar as Prefer ncias de visualiza o de forma que a exibi o do t tulo e a tabela de cores criada por voc sejam utilizadas como padr o do sistema v Para fazer isso v para o menu Visualiza o e escolha Prefer ncias de visualiza o Na base da tela das Prefer ncias de visualiza o clique na caixa de di logo de Tabela de cores padr o e selecione a tabela chamada RO Pressione OK w Agora use o Lan ador de Visualiza o para examinar a imagem ETDEM Observe que a tabela de cores RO j est especificada na caixa de di logo e que o t tulo tamb m j est selecionado Pressione OK Esses par metros padr o de visualiza o ser o adotados automaticamente at que voc mude as configura es nas Prefer ncias de visualiza o x Retorne para Prefer ncias de visualiza o e redefina os par metros pressionando o bot o Padr es do sistema 18 Nos casos em que voc percebe que as possibilidades de resolu o oferecidas n o oferecem alcance suficiente para aumentar ou diminuir o espa o entre os perfis voc pode usar CONTRACT para encolher a imagem aumentando assim a dist ncia ou RESAMPLE para interpolar uma imagem com maior resolu o 2 O sistema de visualiza o 51 N s iremos discutir as duas op es de Prefer ncias de visualiza o acima nos pr ximos exerc cios A visualiza
441. sualiza o funciona bem Finalmente voc deve notar que a Oficina de banco de dados que ser melhor estudada no exerc cio 10 tamb m cont m um procedimento de autoescalonamento que pode ser usado para autoescalonar atributos de elementos vetoriais dentro de um intervalo necess rio para a visualiza o 22 o E gt a 2 rE 7 P r E Se a op o Visualizar automaticamente as sa das dos m dulos anal ticos estiver ligada nas Prefer ncias de visualiza o a imagem LINEAR ser automaticamente visualizada com a tabela de cores padr o Use o bot o Propriedades existente na Composi o para mudar a tabela de cores para GREY256 INTRODU O MODELAGEM CARTOGR FICA Um modelo cartogr fico uma representa o gr fica dos dados e dos procedimentos anal ticos usados em um estudo Seu prop sito ajudar o analista a organizar e estruturar os procedimentos que ser o usados em seu estudo e a identificar os dados necess rios para complet los Tamb m serve como fonte de documenta o e refer ncia para a an lise N s usaremos extensivamente os modelos cartogr ficos na pr xima parte dos exerc cios tutoriais Alguns ser o fornecidos para voc enquanto que outros voc ter que construir N s encorajamos voc a desenvolver o h bito de usar modelos cartogr ficos em seu pr prio trabalho No desenvolvimento de um modelo cartogr fico considera se mais til iniciar pelo produto final e prosseguir para tr s p
442. superior os problemas acima n o ser o um obst culo para voc Voc poder visualizar v rias imagens cada uma com sua pr pria tabela de 256 cores sem corre es ou perda de fidelidade da tabela de cores quando voc muda a janela ativa de uma para a outra importante notar entretanto que independente da capacidade do seu sistema gr fico cada imagem individual exibida com uma nica tabela e por isso pode ter at mas n o mais que 256 cores Legendas Vale a pena observar aqui como a legenda que produzimos para ETDEM diferente daquela de DEC88C Primeiro percebemos que a legenda possui uma barra de rolagem Tente mover a barra em toda sua extens o A seguir execute DESCRIBE e veja o arquivo documento de ambas as imagens 3 Qual o tipo de dados de cada imagem Qual a diferen a entre as categorias de legenda nos seus arquivos documento Como voc v o IDRISI for Windows tem um meio de produzir uma legenda mesmo para imagens que n o tenham uma categoria de legenda espec fica para cada classe de seu arquivo documento No caso de ETDEM ele produz uma legenda mostrando 256 valores representativos do intervalo num rico da imagem Como n o existe espa o para mostrar todas as 256 classes ele produz uma barra de rolagem e permite a voc percorrer os valores Note tamb m que os valores s o expressos de forma exponencial tamb m chamada algumas vezes de nota o cient fica Assim 4 26700E 03 pode ser interpretad
443. ta em um arquivo texto chamado arquivo LOG Os comandos s o gravados em um formato similar ao formato de comando macro que usamos neste exerc cio Todas as mensagens de erro que s o geradas s o tamb m gravadas Cada vez que voc abre o IDRISI for Windows um novo arquivo LOG criado e o anterior renomeado Os arquivos LOG das ltimas cinco sess es de uso do IDRISI for Windows s o gravadas com os nomes IDRISIW LOG IDRISIW LO1 IDRISIW LO2 IDRISIW LOS O arquivo LOG pode ser editado e salvo como arquivo macro usando EDIT Escolha a op o Outro arquivo em outro diret rio de EDIT e abra o arquivo LOG no diret rio do programa IDRISI for Windows Edite o arquivo para dar lhe o formato de arquivo macro e escolha a op o Salvar como d ao arquivo uma extens o IML e salve o no diret rio de dados Centro de Recursos Idrisi Brasil 8 Dist ncias de custo e caminhos de menor custo No exerc cio 6 usamos um dos operadores de dist ncia do IDRISI for Windows chamado DISTANCE DISTANCE produziu uma superf cie cont nua de valores de dist ncia Euclidiana a partir de um conjunto de fei es Neste exerc cio n s usaremos uma variante de DISTANCE chamada COST Enquanto DISTANCE produz valores medidos em unidade como metros ou quil metros COST calcula a dist ncia em termos de alguma medida de custo e os valores resultantes s o conhecidos como dist ncia de custo De modo similar a DISTANCE COST requer uma imagem de entrada a
444. ta para o cultivo de sorgo A Figura 6 mostra o passo adicional que anexamos ao nosso modelo cartogr fico original Voc ser solicitado a produzir modelos cartogr ficos em v rios dos pr ximos exerc cios N s o encorajamos a usar a modelagem cartogr fica como uma ferramenta para organizar an lises em seu pr prio trabalho da melhor forma poss vel Arcas BESTSORG das OVERLAY regi es aptas Figura 6 Neste exerc cio n s utilizamos a mais b sica das opera es em SIG a consulta ao banco de dados Aprendemos que podemos consultar o banco de dados de duas formas por localiza o e por atributo Neste exerc cio n s nos concentramos em consultas por atributo As ferramentas utilizadas para isso foram RECLASS ASSIGN e OVERLAY RECLASS e ASSIGN s o similares e podem ser utilizados para isolar categorias de interesse localizadas em um mesmo mapa OVERLAY nos permite combinar consultas de pares de imagens e atrav s disso produzir consultas compostas Um conceito particularmente importante que aprendemos nesse processo foi a express o de consultas simples na forma de imagens Booleanas imagens contendo somente zeros e uns Expressar os resultados de consultas por atributo nico como imagens Booleanas permitiu nos utilizar opera es Booleanas ou l gicas com as opera es aritm ticas de OVERLAY para efetuar consultas por atributos m ltiplos Por exemplo n s aprendemos que a opera o de multiplica o de OVERL
445. tabela de cores Idrisi 256 e todos os outros par metros pr definidos A imagem chamada SLOPES pode ser agora reclassificada para produzir uma imagem Booleana que preenche nosso primeiro crit rio reas com declividade inferior a 2 5 N o use SLOPEC Via de regra imagens submetidas a realce como SLOPEC s deveriam ser usadas para visualiza o nunca para an lise Apenas dados originais deveriam ser usados para an lise e Use RECLASS para criar uma imagem Booleana de todas as declividades inferiores a 2 5 Neste caso precisaremos atribuir 1 para todos os declives entre O e 2 5 e O para todos aqueles declives iguais ou maiores que 2 5 Chame a imagem resultante de SLOPEBL e examine o resultado O segundo crit rio para localizar a f brica de manufaturados leves estabelece que as reas devem estar al m de uma zona tamp o de 250m ao redor dos reservat rios Nosso segundo passo criar uma imagem Booleana que represente esta condi o 2 Antes de continuar a leitura esquematize abaixo um modelo cartogr fico para este passo da an lise Chame a imagem final de BUFFERBL BUFFERBL O novo m dulo que necessitamos usar neste passo DISTANCE Dada uma imagem que apresenta um conjunto de fei es DISTANCE ir calcular uma nova imagem na qual o valor armazenado em cada c lula a menor dist ncia entre ela e a fei o mais pr xima O resultado portanto uma superf cie de dist ncias uma representa o espac
446. te n s aprendemos como converter dados vetoriais para raster para uso com os m dulos anal ticos do IDRISI for Windows Isto foi realizado com POINTRAS para dados vetoriais de pontos e LINERAS para dados vetoriais de linhas Estes m dulos necessitam uma imagem existente que ser atualizada com a informa o vetorial N o necess rio salvar nenhuma das imagens criadas neste exerc cio 32 R i ao x E 5 Instru es para usar o modo interativo de edi o da legenda podem ser encontrados no sistema de ajuda sob o t pico Visualiza o Centro de Recursos Idrisi Brasil 94 IDRISI for Windows Exerc cios tutoriais introdut rios POINTRAS COSTDIST valores de rescrson atrito NEWLINE Figural 9 lgebra com mapas Nos exerc cios 5 e 6 usamos o m dulo OVERLAY para efetuar opera es Booleanas ou l gicas Entretanto este m dulo tamb m pode ser usado como um operador aritm tico entre imagens Isto leva assim a outro importante conjunto de opera es em SIG Algebra com mapas lgebra com mapas refere se ao uso de imagens como vari veis em opera es aritm ticas normais Com um SIG n s podemos realizar opera es alg bricas plenas com conjuntos de imagens No caso do IDRISI for Windows as opera es matem ticas est o dispon veis em tr s m dulos diferentes OVERLAY TRANSFOR e SCALAR e por extens o atrav s da Calculadora para imagens que inclui a fu
447. te de energia A maior parte do sensoriamento remoto usa sensores passivos para os quais o Sol a principal fonte de energia O exemplo mais antigo destes sensores a fotografia Temos sido capazes de medir e registrar a reflex o da luz pelos elementos da superf cie terrestre h bastante tempo atrav s de c meras fotogr ficas aerotransportadas Apesar da fotografia a rea ainda ser uma das principais formas de sensoriamento remoto tecnologias de estado s lido mais novas t m expandido a capacidade para enxergar nos comprimentos de onda do vis vel e do infravermelho pr ximo incluindo assim comprimentos de onda maiores da radia o solar Entretando nem todos os sensores passivos usam a energia do Sol Sensores no infravermelho termal e sensores de microondas passivos medem emiss es de energia natural da Terra Portanto sensores passivos s o simplesmente aqueles que n o fornecem a eles pr prios a energia detectada Os sensores ativos por outro lado possuem sua pr pria fonte de energia O exemplo mais familiar desta fonte de energia o flash fotogr fico Em aplica es ambientais e de mapeamento o melhor exemplo constitu do pelo Radar Sistemas de Radar emitem energia na regi o do espectro eletromagn tico das microondas figura 3 1 A reflex o dessa energia pelos materiais na superf cie da Terra ent o medida para produzir uma imagem da rea recoberta pelo sensor Hm Infravermelho pr ximo Comprimento de o
448. tenham um valor de 1 e o restante um valor de 0 Em LU7185 estas categorias s o 6 10 18 22 29 38 49 53 e 61 Use EDIT para criar um arquivo de valores que atribua o valor de 1 a estas categorias A seguir execute ASSIGN para criar FORCHGIA Execute ent o AREA sobre FORCHGIA para encontrar o n mero total de pixels que tiveram esta altera o Deveriam ser 4201 ao inv s de um total de altera o nas florestas de 6630 0 Baseado nas probabilidade estimadas de FCPRST85 crie uma imagem FCAREAI para incluir 4201 pixels com a maior probabilidade de altera o florestal Para tal voc necessita primeiro executar um STRETCH linear em FCPRST85 para acomodar os valores no intervalo de O a 255 A seguir execute RANK classifica o descendente sobre a imagem resultante e finalmente use RECLASS para selecionar os primeiros 4201 pixels 5 Compare FCAREAI com FORCHGIA usando CROSSTAB opte por criar uma imagem de classifica o cruzada e tabula o cruzada e selecione Imprimir ndice Kappa de concord ncia dos valores por categoria Denomine a imagem resultante de CROSS Qual a concord ncia entre as modifica es nas florestas previstas e as mudan as reais Voc pode julgar isto pelo ndice Kappa de concord ncia para a categoria 1 usando FORCHGIA como refer ncia 6 Visualize CROSS usando a tabela de cores Qualitativa 256 Examine reas de grande inconsist ncia por exemplo reas em torno da coluna 130 e linha 120 ou colun
449. tes Os mapas produzidos pelas principais ag ncias de topografia a partir da metade do s culo dezenove usualmente t m 90 de todos os locais situados na metade do valor da equidist ncia entre as curvas Levando se em considera o que o erro na altitude aleat rio poss vel contornar o erro RMS usando a seguinte l gica i Para uma distribui o normal 90 de todas as medidas deveriam cair dentro de 1 645 desvios padr o da m dia valor obtido de tabelas estat sticas ii Como o erro RMS equivale ao desvio padr o para o caso onde a m dia o valor verdadeiro ent o a metade da equidist ncia entre as curvas abrange 1 645 erros RMS 17 3 E Asian Development Bank 1994 Climate Change in Asia Vietnam Country Report ADB Manilla 18 iza rss Sid or E ENO TR x a j a Estudos adicionais s o necess rios para determinar a signific ncia de erros sistem ticos de altitudes interpoladas em fun o da dist ncia a partir das curvas de n vel Para este exerc cio apenas o erro para os c lculos hipsom tricos originais foi determinado 19 z ta O erro RMS tamb m est demonstrado em Eastman J R Kyem P A K Toledano J Jim W 1993 GIS and Decision Making UNITAR Geneva p 24 Explorations in Geographic Information Systems Technology United Nations Institute for Training and Research v 4 13 Incerteza no banco de dados e risco na decis o 211 i e 1 645 RMS C 2 onde C equidist ncia d
450. ticamente alta reflect ncia por causa do espalhamento por parte da estrutura das c lulas das folhas Um ndice de vegeta o muito simples pode ser obtido dividindo a medida da reflect ncia no infravermelho pela reflect ncia no vermelho reas de vegeta o densa ter o como resultado um valor de ndice muito alto Embora um razo vel n mero de variantes desta l gica b sica tenha sido experimentada a nica que recebeu mais aten o a do ndice de vegeta o de diferen a normalizada NDVI Ele calculado da seguinte maneira NDVI NIR R NIR R onde NIR Infravermelho pr ximo e R Vermelho Este tipo de c lculo bastante simples para um SIG raster ou um sistema de processamento de imagens e o resultado tem mostrado boa correla o com as medidas de biomassa no terreno Embora necessite calibra o espec fica para ser usado como uma medida real de biomassa muitas ag ncias acharam o ndice til como uma medida relativa para fins de monitoriamento Por exemplo a Organiza o das Na es Unidas para Alimenta o e Agricultura United Nations Food and Agricultural Organization FAO o Sistema em Tempo Real de Informa o da frica Africa Real Time Information System ARTEMIS e o Sistema de Alerta Contra a Fome do USAID Famine Early Warning System FEWS usam imagens NDVI em escala continental derivadas do sistema NOAA AVHRR para produzir imagens de ndice de vegeta o para todo o continente a
451. ticamente pelo m dulo BELIEF Criando imagens de probabilidade a partir das outras linhas de evid ncia De modo similar imagens de probabilidade podem ser criadas a partir das outras tr s linhas de evid ncia Para s tios conhecidos temos uma raz o para especular que quanto mais pr ximo um local estiver de um s tio conhecido maior a probabilidade de encontrarmos outros s tios Isto est baseado na premissa de que as condi es de vida s o espacialmente correlacionadas e que as pessoas tendem a viver dentro de uma vizinhan a umas das outras de modo a proteger melhor a comunidade medida que a dist ncia dos s tios conhecidos aumenta entretanto a probabilidade para a hip tese s tio declina rapidamente Para definir a probabilidade usando o m dulo FUZZY a fun o em forma de J a que melhor descreve esta curva h Execute DISTANCE sobre a imagem SITES e chame o resultado de SITEDIST Execute a seguir FUZZY com a fun o em forma de J e escolha uma curva monotonicamente decrescente com 0 e 350 metros como pontos de controle c e d respectivamente Denomine o resultado de SITE S Estas s o as probabilidades de suporte para a hip tese s tio dada a evid ncia s tios conhecidos N o possu mos informa o para sustentar a hip tese s tio para locais distantes de s tios conhecidos o que poderia refletir simplesmente que a pesquisa ainda n o se estendeu sobre estas reas Por isto ela n o sustenta a hip t
452. tificadas com os nomes anteriormente indicados Embora n o seja requerida uma ordem a ser usada eles deveriam ser introduzidos na ordem listada acima para que se possa usar uma tabela de cores espec fica para a visualiza o da classifica o d Execute MAXLIKE no grupo Classificadores r gidos para criar uma imagem denominada SPMAXI1 Nesta primeira tentativa n s assumiremos que n o temos informa o pr via sobre a frequ ncia relativa com a qual cada classe ir aparecer Em fun o disso opte por probabilidades a priori iguais e opte por classificar todos os pixels Especifique a seguir os nomes para as 11 classes de assinaturas e use todas as bandas na classifica o e Quando a classifica o estiver completa visualize o mapa resultante usando a tabela de cores denominada SPMAX Opte tamb m por visualizar a legenda Compare a seguir o resultado com a composi o colorida em falsa cor denominada SPWESTFC l Compare a classifica o com a composi o colorida em falsa cor Que classes foram no seu entender melhor classificadas Qual a que parece ter sido a pior O estado de Massachusetts efetua regularmente invent rios sobre o uso e cobertura do solo usando fotografias a reas A imagem SPOT usada aqui de 1992 Antes dessa data avalia es de uso do solo foram feitas tamb m em 1978 e 1985 Com base nestes invent rios para a cidade de Westboro CROSSTAB foi usado para determinar a freq ncia relativa com a qual cada
453. to remoto Voc tamb m pode ler o item sobre Dempster Shafer no cap tulo Apoio decis o a b c Execute o m dulo BELCLASS no grupo Classificadores r gidos do menu Processamento de imagens Voc notar que a interface desse m dulo id ntica quela de BAYCLASS e por conseguinte quase id ntica de MAXLIKE Indique que voc quer usar o arquivo de grupo de assinaturas chamado WESTSIGS criado por voc no exerc cio avan ado 3 Selecione probabilidades a priori iguais e use o prefixo BEL para as imagens de sa da A sa da de BELCLASS na forma de uma s rie de imagens de confian a Dempster Shafer BELOLDRS BELNEWRS BELINDCM etc Os valores em cada uma dessas imagens representam a confian a estimada uma forma de probabilidade de cada pixel pertencer quela classe Examine essas imagens de confian a usando a Visualiza o e a tabela de cores padr o IDRISI 256 Examine tamb m a imagem de incerteza da classifica o chamada BELCLU l Descreva a diferen a entre as imagens BELCLU e BAYCLU criadas no exerc cio 3 Supondo que voc leu o cap tulo Classifica o de imagens de sensoriamento remoto a que voc atribui a diferen a fundamental entre essas imagens Examine a imagem chamada BELDECID e compare com BAYDECID Repare a grande por o de floresta dec dua que circunda a c lula da coluna 215 e linha 457 2 Use o modo expandido de consulta do cursor com o arquivo de grupo chamado BEL para exami
454. tograma de H87TM4 3 Por que com esta banda voc v uma estrutura bimodal nesta assinatura Antes de partir para a pr xima parte do exerc cio vamos criar um arquivo de grupo de assinaturas que contenha todos os nomes das nossas assinaturas Usar arquivos de grupo em vez de especificar cada assinatura individualmente acelera o processo de preencher a informa o de entrada em todos os m dulos de classifica o Da mesma forma que um arquivo de grupo de imagens um arquivo de grupo de assinaturas um arquivo ASCII com uma extens o sgf A primeira linha do arquivo indica o n mero de assinaturas e as demais linhas listam os nomes das assinaturas uma por linha h Execute EDIT escolha Arquivo de grupo de assinaturas e digite SIGS como o nome para o novo arquivo Escolha ent o Usar editor de arquivo de grupo e adicione suas assinaturas lista seguindo a ordem num rica dos identificadores das assinaturas definida no in cio do exerc cio para manter a consist ncia das cores da tabela de cores qualitativa da visualiza o autom tica Salve o arquivo e saia de EDIT Agora que temos os arquivos de assinatura para todas as nossas categorias estamos prontos para o ltimo passo no processo de classifica o de imagem classificar a imagem com base nestes arquivos de assinaturas Cada pixel na rea de estudo tem um valor em cada uma das sete bandas da imagem HOW87TM1 7 Como mencionado anteriormente essas bandas correspondem re
455. toriais avan ados Coeficientes de regress o individuais Segue uma breve nota sobre os resultados Equa o de regress o A equa o de regress o tem como sa das os coeficientes de regress o para cada uma das vari veis independentes e o intercepto O intercepto pode ser imaginado como o valor da vari vel dependente quando cada uma das vari veis independentes assume o valor zero Os coeficientes indicam o efeito de cada uma das vari veis independentes sobre a vari vel dependente Por exemplo se o valor da dist ncia de custo de uma rea ao seu mercado central decresce em 100 unidades devido constru o de uma nova estrada ent o a porcentagem de integra o de mercados aumenta em 9 92 isto 100 multiplicado por 0 992 9 92 R R ajustado R R ajustado R representa o coeficiente de correla o m ltipla entre as vari veis independentes e a vari vel dependente R representa a parcela da variabilidade na vari vel dependente explicada por todas as vari veis independentes Em nosso caso cerca de 40 da vari ncia no repasse de pre o explicada pelas nossas vari veis independentes O R ajustado e o R ajustado s o o R e o R ap s ajuste para os efeitos do n mero de vari veis Valor F O valor F indica a signific ncia global da regress o isto se as vari veis independentes tomadas em conjunto contribuem significativamente ou n o para a predi o da vari vel dependente Um valor F sign
456. tradas com a mesma cor verde claro As Awrajas 101 102 e 103 pertencem a outra prov ncia Arsi e s o todas mostradas na visualiza o com a mesma cor azul Mediante a visualiza o da imagem em autoescalonamento utilizando essa tabela de cores em particular todos as awrajas contidas em uma nica prov ncia s o mostradas com a mesma cor Sobrepor um arquivo vetorial com os limites nos ajuda a distinguir as awrajas individuais Nossos arquivos de defini o de fei es raster e vetorial AWRAJAS possuem identificadores nicos para cada awraja e permitir o sua liga o com o banco de dados b Abra o m dulo Oficina de banco de dados pressionando o cone correspondente ou selecionando o do menu Arquivo Mostrar conte do do arquivo Voc est agora frente dos menus e cones que comandam a Oficina de banco de dados Escolha Abrir arquivo de banco de dados a partir do menu Arquivo da Oficina de banco de dados e selecione o arquivo Access ETHIOPIA c Caso necess rio use a barra de rolagem horizontal para visualizar todos os campos do banco de dados O primeiro campo IDR_ID cont m os identificadores nicos das awrajas e tem os mesmos valores que foram pesquisados com o modo de consulta do cursor na imagem AWRAJAS Este campo serve de chave para ligar a informa o do banco de dados ETHIOPIA aos arquivos de defini o de fei es AWRAJAS e vice versa Outros campos do banco de dados incluem os nomes de cada awraja popula
457. tre as linhas Este espa o entretanto ir depender de dois fatores o n mero de linhas na imagem e a resolu o com que a imagem produzida N s usamos a resolu o mais baixa Centro de Recursos Idrisi Brasil 50 IDRISI for Windows Exerc cios tutoriais introdut rios x BAR mas poder amos ter aumentado o espa o usando uma resolu o maior A melhor maneira para apreciar estas diferen as fazer alguns exemplos s No caso de usar se uma imagem de cobertura a imagem ortogr fica ir funcionar melhor se o espa o entre os perfis for eliminado Como exemplo de uma imagem de cobertura execute ORTHO novamente e especifique a imagem de entrada como NJOLODEM Este um DEM para a regi o de Njolomole no Malawi Indique ent o que voc deseja uma imagem de cobertura e especifique seu nome como NJOLOFC Esta uma composi o colorida em falsa cor de uma imagem multiespectral SPOT Chame a imagem a ser produzida de PERS2 Modifique a dire o de vis o para 10 graus e especifique que dever ser usada a tabela de cores Composi o colorida 256 Especifique ent o uma resolu o de sa da imediatamente inferior de seu monitor p ex para uma tela de 1024x768 especifique 800x600 isto produzir a maior visualiza o que couber em sua tela Clique a seguir OK para ver o resultado X Usando qualquer uma das seq ncias do ORTHO que voc acabou de experimentar tente alterar o ngulo de vis o e o fator de exagero
458. u do a cada pixel depende de sua altitude e da altitude dos seus quatro vizinhos mais pr ximos Utilizaremos estes operadores de dist ncia e de contexto e as ferramentas exploradas em exerc cios anteriores para realizar uma das tarefas de an lise mais comuns em SIG mapeamento de aptid o um tipo de avalia o por crit rios m ltiplos Um mapa de aptid o indica os locais pr prios a um determinado prop sito Ele produzido a partir de v rias imagens cada uma representando todas as reas que atendem a um determinado crit rio Aqui imagens Booleanas ser o combinadas usando se o m dulo OVERLAY para produzir um mapa final que mostra os locais que satisfazem todos os crit rios especificados Este tipo de avalia o Booleana por crit rios m ltiplos fregiientemente chamado de mapeamento de restri es j que cada crit rio definido por uma imagem Booleana indicando reas aptas valor 1 ou impr prias a determinado uso valor zero Os mapas que voc fez em exerc cios 27 e PRE 2 E E A esta altura dos exerc cios espera se que voc j seja capaz de operar m dulos como o Lan ador de visualiza o RECLASS e OVERLAY sem instru es detalhadas Caso voc n o saiba como preencher as caixas de di logo use as sugest es padr o Entretanto uma boa id ia colocar t tulos descritivos para os arquivos de sa da ao inv s de deixar as caixas de di logo em branco 28A avalia o por crit rios m ltiplos desc
459. u rio do IDRISI for Windows Centro de Recursos Idrisi Brasil 146 IDRISI for Windows Exerc cios tutoriais introdut rios Fei o Novo ID Rodovia principal Primary Route 1 Rodovia secund ria Secondary Route 2 Estrada ou rua classe 3 Road or Street Class 3 3 Estrada ou rua classe 4 Road or Street Class 4 4 Fotorevisado Photorevised 5 Agora estamos prontos para extrair as fei es escolhidas um arquivo vetorial do IDRISI for Windows chamado ROADS Para fazer isso pressione OK d e 8 Quando o processo tiver terminado o arquivo ser automaticamente visualizado desde que voc tenha ligado a visualiza o autom tica nas Prefer ncias de visuzliza o e o utilit rio de Importa o Exporta o ser minimizado Para a diferenciar os tipos de estrada na visualiza o abra a Oficina de s mbolos a partir do menu Visualiza o No menu Arquivo da Oficina de s mbolos escolha criar um novo arquivo de s mbolos para linhas chamado ROADS Crie tipos de s mbolos apropriados com valores de 1 a 5 e salve o arquivo Feche a seguir a Oficina de s mbolos pressione o bot o Propriedades da Composi o e selecione o novo arquivo de s mbolos ROADS Estas s o as fei es de rodovias estradas e ruas que est o impressos na quadr cula 1 24 000 do USGS da folha de Black Earth Wisconsin Agora maximize o utilit rio de Importa o Exporta o e siga o mesmo procedimento com BE HYD para extrair os cursos d gua
460. uivos de assinaturas podemos edit los usando EDITSIG Execute EDITSIG a partir do grupo Desenvolvimento de assinaturas do menu An lise Processamento de imagens Escolha editar a assinatura de con feras e visualizar o histograma de H87TM1 Veja se h evid ncia de uma curva normal bem formada que possa sugerir que um conjunto homog neo de pixels representativos de con feras foi selecionado Caso a assinatura seja fortemente bimodal tendo dois picos isto sugere que dois tipos de cobertura com padr es de resposta espectral diferentes foram inclu das na mesma rea de treinamento Para uma discuss o sobre assinaturas fuzzy que podem acomodar misturas de tipos de cobertura veja o cap tulo Classifica o de imagens de sensoriamento remoto no Manual do usu rio do IDRISI for Windows Valores extremos que parecem n o pertencer curva principal tamb m sugerem que as reas de treinamento n o s o homog neas Feche o histograma da banda 1 Para a assinatura de con feras visualize os histogramas de cada uma das outras bandas em seq ncia Selecione as bandas pressionando o bot o com uma seta para a direita situado abaixo do nome da banda Voc pode comparar v rios histogramas ao mesmo tempo e ir fechando as janelas medida que tiver terminado de examinar cada um Observe como a variabilidade nos valores de reflect ncia muda nas diferentes bandas Agora escolha editar o arquivo assinatura de gua rasa com EDITSIG e visualize o his
461. um dos quais armazenando um tipo de informa o sobre a regi o mapeada que podem ser feitos vis veis atrav s do uso de um dispositivo de visualiza o raster Num dispositivo raster como a tela de seu computador h tamb m uma grade de pequenas c lulas chamadas pixels A palavra pixel uma contra o do termo picture element Os pixels podem ser submetidos uma varia o em suas cores forma ou tons de cinza Para formar uma imagem vis vel os valores das c lulas s o usados para regular diretamente a apar ncia de seus pixels correspondentes no dispositivo de visualiza o Assim em um sistema raster o dado armazenado controla diretamente a forma vis vel que vemos 10 IDRISI for Windows Manual do usu rio Raster versus vetorial Os sistemas raster s o tipicamente intensos em dados embora existam boas t cnicas de compacta o de dados uma vez que eles precisam registrar dados em cada posi o de c lula independentemente da c lula ter ou n o informa o de interesse Entretanto a vantagem que o espa o geogr fico uniformemente definido em uma forma simples e previs vel Como resultado sistemas raster t m substancialmente maior poder anal tico do que os sistemas vetoriais na an lise do espa o cont nuo e s o mais aptos para o estudo de dados que variam continuamente no espa o como o relevo a biomassa vegetal e a pluviosidade por exemplo A segunda vantagem de sistemas raster que a sua estrutura se
462. um valor de fregii ncia maior que a de seus vizinhos de cada lado Uma vez que os picos tenham sido identificados todos valores observados s o associados ao pico mais pr ximo Em consequ ncia as divis es entre as classes tendem a cair no ponto m dio entre os picos Como esta t cnica tem crit rios espec ficos para aquilo que constitui um pico voc n o necessita fazer uma primeira estimativa como algumas t cnicas requerem do n mero de agrupamentos que uma imagem cont m o m dulo determinar isto para voc CLUSTER trabalha diretamente com imagens em composi o colorida de tr s bandas As imagens com as quais temos trabalhado at agora mostram apenas a informa o de uma banda espectral nica O IDRISI for Windows oferece tamb m a possibilidade de criar se uma composi o colorida de tr s bandas que permite a combina o dos dados das tr s bandas em uma nica imagem de tamanho f sico similar ao das imagens de entrada N s discutiremos as composi es em maior detalhe a seguir Dessa forma CLUSTER avalia um histograma tridimensional de tr s bandas de imagem representadas na composi o colorida Qualquer combina o de imagens pode ser utilizada na composi o colorida Como vimos no exerc cio sobre an lise de componentes principais o infravermelho o vermelho e o verde uma composi o colorida tradicional cont m a maior parte da informa o um conjunto de dados completo de 7 bandas espectrais Por esse motiv
463. uma imagem pode ser realizado manualmente usando a digitaliza o em tela dispon vel no IDRISI for Windows para extrair valores de posi es conhecidas ou usando o m dulo SAMPLE para extrair uma amostra rand mica N s usaremos SAMPLE j Execute SAMPLE em cada uma das imagens que cobrem a rea e especifique que voc quer extrair uma amostra rand mica de 30 pontos Chame o arquivo vetorial de sa da de SAMPLE Use ent o INITIAL no menu Entrada de dados para criar uma imagem vazia do tipo inteiro e em formato bin rio copie os par metros de uma das imagens existentes e d a ela o nome de SAMPLE A seguir use POINTRAS no menu Reformata o para rasterizar o seu arquivo vetorial de pontos e atualizar a imagem SAMPLE Finalmente execute o m dulo EXTRACT encontrado no submenu An lise Consulta ao banco de dados e use SAMPLE como imagem de defini o de fei es para extrair um arquivo de valores de cada uma das imagens de ndice de vegeta o D um nome apropriado para cada arquivo de valores k O pr ximo passo executar o m dulo REGRESS com pares de arquivos de valores a fim de avaliar a sua correla o Voc encontrar o m dulo REGRESS no submenu An lise Estat stica N s estamos interessados em dois par metros de sa da a correla o estat stica r e o coeficiente de determina o r Ambos indicam o grau de relacionamento entre as duas vari veis de entrada Voc pode usar qualquer imagem como vari vel dependente
464. uma marca registrada da Clark University E MS DOS e Windows s o marcas registradas da Microsoft Coorporation Centro de Recursos Idrisi Brasil 2 IDRISI for Windows Manual do usu rio Estrutura do Manual do IDRISI for Windows A instala o do sistema de software IDRISI for Windows est descrita em detalhes em um Guia de Instala o que vem em separado Uma vez instalado a mais r pida introdu o ao IDRISI for Windows pode ser feita com os Exerc cios Tutoriais Em paralelo ao trabalho de exerc cios voc deveria ler o restante do manual especialmente a se o FUNDAMENTOS DO SISTEMA A INTRODU O deste manual cont m uma vis o geral do IDRISI for Windows Sistemas de Informa o Geogr fica sensoriamento remoto e processamento de imagens A parte de FUNDAMENTOS DO SISTEMA como denominada a parte introdut ria deste programa fornece instru es espec ficas quanto ao uso do IDRISI for Windows e oferece um resumo de toda a estrutura dos menus O cap tulo Uso do IDRISI for Windows especialmente importante uma vez que descreve a natureza do uso da interface a estrutura do IDRISI for Windows em arquivos de dados e edi es relacionadas exibi o de dados geogr ficos O cap tulo M dulos do IDRISI for Windows d um resumo das suas habilidades e usos mais comuns Este cap tulo tamb m resume a l gica da estrutura dos menus A Oficina de banco de dados um cap tulo que descreve o sistema de gerenciamento de banc
465. undas no lado esquerdo da imagem Figura 5 Selecione a seguir o cone de digitaliza o na tela Crie um arquivo vetorial de nome TRSITES escolha criar pol gonos e indique o identificador num rico escolhido para gua profunda O cursor aparece agora com a mesma forma do cone quando est posicionado sobre a imagem Desloque o cursor para um ponto de partida no limite de sua rea de treinamento e pressione o bot o esquerdo do mouse Mova ent o o cursor ao pr ximo ponto ao longo do limite e pressione novamente o bot o esquerdo do mouse voc ver a linha do contorno criar forma O pol gono da rea de treinamento deve abarcar um tipo de cobertura homog neo ent o evite incluir a margem do corpo d gua que cont m solo exposto neste pol gono de guas profundas para ter certeza de que estamos amostrando apenas gua Continue digitalizando at pouco antes de fechar todo o contorno e ent o pressione o bot o direito do mouse Isto finalizar a digitaliza o desta rea de treinamento e assegurar que o contorno seja perfeitamente fechado o pol gono fechado exibido com uma linha preta que pode ser de dif cil visualiza o em reas de gua profunda da imagem cuja cor tamb m escura No entanto n o se preocupe o pol gono da rea de treinamento est l Caso voc tenha feito algum erro e n o queira salvar este pol gono pressione o seguinte cone para exclu lo 12 Classifica o supervisionada 133
466. undo Crescimento de custo pode trabalhar com superf cies de atrito muito complexas incluindo barreiras absolutas ao movimento Outro m dulo interessante e til que pode acompanhar COST o m dulo chamado PATHWAY Uma vez tendo sido criada a superf cie de custo PATHWAY pode ser usado para determinar a rota de menor custo entre qualquer c lula ou grupo de c lulas definidas e a fei o mais pr xima a partir da qual as diat ncias de custo foram calculadas Usaremos ambos os m dulos COST e PATHWAY neste exerc cio Nosso problema diz respeito a uma nova planta industrial A instala o e o funcionamento desta planta requerem um volume consider vel de energia e necessitam de uma subesta o transformadora al m de uma linha alimentadora ligada com a linha de alta tens o mais pr xima Naturalmente os executivos da f brica querem que a linha alimentadora tenha o menor custo poss vel Nosso problema determinar a rota de menor custo para a liga o com a linha de alta tens o a Examine a imagem chamada WORCWEST com a tabela de cores personalizada denominada WORCWEST Este um mapa de uso do solo do sub rbio ocidental de Worcester Massachusetts USA criado atrav s da classifica o de imagens de sat lite LANDSAT TM esta uma t cnica de processamento de imagem que ser explorada no Exerc cio 14 Use a Composi o para sobrepor imagem o arquivo vetorial chamado NEWPLANT com o arquivo de s mbolos personalizad
467. unto de tarefas Entretanto como os objetivos s o conflitantes devemos esperar que as solu es iniciais sejam reas conflitantes Assim iremos identificar quaisquer reas conflitantes antes de desenvolver a solu o final de resolu o dos conflitos Execute RANK encontrado no submenu An lise Apoio decis o Especifique a imagem de entrada como MCEFINAL e escolha classificar em ordem descendente isto a c lula com o maior valor de aptid o ter o menor n mero de ordem hier rquica 1 Freq entemente v rias c lulas ter o o mesmo grau de aptid o para um dado objetivo Nestes casos temos a possibilidade de estabelecer um ordenamento arbitr rio ou olhar o valor das c lulas em quest o em outra imagem para determinarmos sua ordem hier rquica Neste caso escolheremos o mapa de aptid o do outro objetivo como base para resolver impasses Assim podemos solucionar impasses na aptid o para desenvolvimento residencial dando hierarquia maior para c lulas que s o menos aptas para desenvolvimento industrial Especifique que voc quer usar um segundo arquivo de classifica o INDSUIT com classifica o ascendente Denomine o arquivo de sa da de RESRANK l Visualize RESRANK com a tabela de cores Idrisi 16 Use a seguir DESCRIBE e veja os valores m nimos e m ximos da imagem Qual o m ximo Qual a rela o entre o valor m ximo e o tamanho da imagem em linhas e colunas Agora que o mapa de aptid o residencial foi ord
468. uperf cie de custo foi calculada usando a planta industrial como ponto de partida os custos mais baixo ocorrer o pr ximo da mesma Em fun o disso PATHWAY come ar pelas c lulas ao longo da linha de for a POWER continuando por escolher a alternativa de menor custo at conectar com o ponto mais baixo na superf cie de dist ncias de custo a planta industrial Isto an logo ao fluxo de gua encosta abaixo sempre correndo para a c lula de menor altitude h Execute PATHWAY a partir do menu An lise Operadores de dist ncia Especifique COSTDIST como superf cie de custo POWER como imagem destino e NEWLINE como imagem de sa da Examine o resultado Voc poder usar a Composi o para sobrepor NEWPLANT e POWERLN como planos adicionais usando os arquivos de s mbolos com o mesmo nome NEWLINE o caminho que a nova linha de alimenta o de energia deveria seguir de modo a incorrer no menor custo de acordo com os valores de atrito estabelecidos i Crie agora uma imagem final com legenda na qual a nova linha de for a NEWLINE seja sobreposta ao mapa de uso do solo existente WORCWEST Chame o resultado de SOLUTION 8 Dist ncias de custo e caminhos de menor custo 93 Sugest o para isto ser o necess rios v rios passos Use Documentar ou o modo interativo de ge 32 edi o da legenda para mudar as entradas da legenda 1 Como voc criou a imagem chamada SOLUTION 2 O lugar de encontro da linha de al
469. usu rio Enquanto estiver trabalhando nestes exerc cios voc poder acessar a se o M DULOS DO PROGRAMA no Sistema de ajuda sempre que encontrar um novo m dulo Voc poder consultar o GLOSS RIO sempre que encontrar termos que n o lhe s o familiares Os exerc cios devem ser seguidos em ordem o conhecimento dos conceitos apresentados no in cio ser considerado sob dom nio nos exerc cios posteriores e os exerc cios posteriores s vezes dependem de imagens produzidas em exerc cios anteriores No final de cada exerc cio voc ser informado sobre as imagens que dever o ser guardadas para os exerc cios seguintes Quaisquer outras imagens criadas durante o exerc cio podem ser exclu das para liberar espa o no disco r gido Em cada exerc cio as se es nas quais requerida uma a o no computador s o indicadas com letras do alfabeto Ao longo do exerc cio tamb m aparecer o quest es numeradas Para um instrutor as respostas a estas quest es numeradas juntamente com algum material impresso relevante pode servir como base para revis o Antes de come ar observe o seguinte 1 Ao usar procedimentos anal ticos que requerem mais do que uma imagem de entrada as imagens devem ter exatamente as mesmas dimens es i e linhas e colunas Isto um elemento inerente ao IDRISI for Windows imagens devem descrever exatamente a mesma rea quando usadas em combina o 2 Examine cada resultado mesmo intermedi ri
470. valores de entrada Ao contr rio eles ser o equivalentes aos pontos de inflex o na curva sigmoidal No caso de uma fun o crescente o primeiro ponto de controle a o valor no qual a aptid o come a a subir abruptamente acima de zero e o segundo ponto de controle b onde a aptid o come a a manter se constante e aproxima se de um valor m ximo de 255 Lembre se tamb m que PROTDIST representa a dist ncia da faixa tamp o de 50 metros j protegida em torno de corpos d gua e banhados Por isto para este fator indique um valor de 50 para o ponto de controle a e um valor de 750 para o ponto de controle b Novamente Centro de Recursos Idrisi Brasil 186 IDRISI for Windows Exerc cios tutoriais avan ados ajuste o formato dos dados de sa da para byte denominando o resultado de WATRFAC Para compreender melhor o resultado do mapa de aptid o fuzzy til examin lo em perspectiva ortogr fica com uma imagem de cobertura contendo os mesmos dados Para fazer isto no IDRISI for Windows necessitamos fazer primeiro uma c pia de WATRFAC que ser usada como imagem de cobertura 2 Na Manuten o de arquivos copie WATRFAC e denomine o novo arquivo de WATRFACD A seguir execute ORTHO especifique WATRFAC como a imagem de relevo e WATRFACD como imagem de cobertura Selecione um fator de exagero vertical igual a 0 3 e uma resolu o de sa da compat vel com o seu monitor Aceite as demais op es padr o e pressione OK
471. veis duas modificaram suas condi es entre 1985 e 1991 dist ncia da borda das florestas e dist ncia das reas urbanas Refira aos passos e at g para criar uma nova imagem FORDIS85 dist ncia da borda das florestas em 1985 e refira ao passo h para criar uma URBDIS85 dist ncia da reas urbanas em 1985 Use LU85 como a imagem base Para as outras duas vari veis independentes a dist ncia das estradas e dos cursos d gua n o temos informa o sobre modifica es nas estradas e cursos d gua neste per odo de tempo Assim assumiremos que eles permanceram inalterados e portanto usaremos as mesmas imagens de dist ncia WESTRDDS e WESTSMDS para a nova predi o Execute LOGITREC a partir do menu An lise Estat stica e escolha regress o entre imagens Use FFPROBI como a vari vel dependente e as imagens FORDIS71 URBDIS71 WESTRDDS e WESTSMDS como as vari veis independentes Denomine a imagem de predi o de sa da de FFPR85 e a imagem de res duos de FFRES85 Observe que estamos predizendo altera es nas florestas para o ano de 1985 Para o tamanho da amostra de probabilidades indique 81 veja o tem c Escolha FOR71 como m scara porque apenas em 1971 as reas florestais t m pontos com dados v lidos O n vel de confian a representa sua confian a de que eventos futuros ocorrer o de acordo com a imagem de probabilidade Observe que embora um certo evento possa ter ocorrido em um determinado local isto n o significa
472. vel Por causa da localiza o principal os incorporadores imobili rios cortejaram muito os administradores municipais no sentido de obter as reas mais adequadas para a expans o residencial Entretanto grupos ambientalistas tamb m t m alguma influ ncia sobre onde esta expans o dever ou n o ocorrer A paisagem ambientalmente mista de Westboro possui v rias reas a preservar para a vida selvagem Al m disso a cidade de Westboro tem algumas regras espec ficas j vigentes que limitam as reas de expans o urbana Todas estas considera es dever ser incorporadas no processo de tomada de decis o Este problema enquadra se bem no cen rio de MCE O objetivo explorar poss veis reas aptas ao desenvolvimento residencial para a cidade de Westboro areas que melhor suprem as necessidades de todos os grupos envolvidos Os administradores da cidade est o trabalhando junto com os incorporadores imobili rios e os ambientalistas e em conjunto identificaram v rios crit rios que ir o apoiar o processo de tomada de decis o Identificar e desenvolver crit rios o primeiro passo na MCE Desenvolvimento de dados e crit rios De modo a determinar que reas considerar para o desenvolvimento residencial a administra o da cidade identificou tr s conjuntos de crit rios a legisla o urbana que define onde pode ser contru do os custos de investimento importantes para os incorporadores e as considera es de ordem ambiental i
473. vel de byte entre O e 255 As restri es originais de nosso exemplo os corpos d gua e os banhados WATRCON e certos usos do solo LUSECON ser o mantidas como imagens Booleanas que atuar o simplesmente como uma m scara no ltimo passo de WLC isto ser o crit rios de restri o Centro de Recursos Idrisi Brasil 184 IDRISI for Windows Exerc cios tutoriais avan ados Vamos reconsiderar nossos fatores originais rotinas de padroniza o e regras de decis o Estas regras de decis o estavam anteriormente na forma de decis es r gidas Nossos fatores foram reduzidos a restri es Booleanas usando fun es de associa o a conjuntos fixos O e 1 Agora nossos fatores ser o considerados luz de regras de decis o fuzzy onde reas aptas e inaptas constituem medidas cont nuas Os fatores cont nuos resultantes a serem produzidos ser o desenvolvidos usando fun es de associa o a conjuntos fuzzy Fator uso do solo Em nossa MCE Booleana reclassificamos nossos quatro tipos de uso do solo dispon veis para desenvolvimento residencial urbano em aptos florestas e campos e inaptos agricultura e pecu ria Entretanto de acordo com os incorporadores todos os quatro tipos de uso do solo possuem diferentes n veis de aptid o para desenvolvimento residencial Conhecendo a aptid o relativa de cada categoria podemos reescalon la em intervalos de O a 255 Enquanto a maioria dos fatores pode ser reescalonada automaticamente usan
474. ver tais problemas produzir imagens Booleanas das consultas de atributos simples A consulta multi atributo pode ent o ser efetuada usando lgebra Booleana Imagens Booleanas tamb m conhecida como bin rias ou imagens l gicas cont m apenas valores iguais a zero ou um Numa imagem Booleana o valor zero indica um pixel que n o preenche a condi o desejada enquanto um valor igual a um indica um pixel que preenche a condi o Usando valores de zero e um opera es l gicas podem ser feitas entre m ltiplas imagens de forma bem simples Por exemplo neste exerc cio n s efetuaremos uma opera o l gica AND de forma que a imagem BESTSORG conter o valor um apenas para aqueles pixels que preenchem a condi o de inunda o AND tipo de solo especificado A imagem FLOOD deve conter pixels com valor um apenas nos locais que ser o inundados e zero nos demais A imagem BESTSOIL deve conter pixels com valor um em todas as reas com solo argiloso e zero nas demais reas Tendo se estas duas imagens a condi o l gica AND pode ser calculada atrav s da simples multiplica o de ambas Quanto duas imagens s o usadas como vari veis em uma opera o de multiplica o um pixel da primeira imagem p ex FLOOD multiplicado pelo pixel na mesma posi o da segunda imagem p ex BESTSOIL O produto desta opera o p ex BESTSORG possui pixels com o valor igual a um apenas nos locais que possuem o valor um em ambas as imagens de entra
475. vermelha s o assumidos como vegeta o baseado no padr o de resposta espectral da vegeta o em que as reflect ncias na banda infravermelha s o elevadas em rela o s da banda vermelha Aqueles pixels que distanciam se da linha de solo porque suas reflect ncias na banda vermelha s o altas s o frequentemente assumidos como gua tamb m com base no padr o de resposta espectral caracter stico da gua em que os valores de reflect ncia na banda vermelha s o elevados em rela o aos da banda infravermelha O primeiro passo na cria o de ndices baseados na dist ncia calcular a linha de solo e identificar os par metros intercepto e declividade Esses ndices podem ser separados posteriormente em dois grupos aqueles que s o baseados em uma regress o onde a banda vermelha avaliada como vari vel independente e aqueles em que a banda infravermelha avaliada como vari vel independente Uma vez que iremos criar ambos os tipos de ndices baseados na dist ncia voc necessitar criar duas linhas de solo e Examine a se o Notas no t pico VEGINDEX do sistema de ajuda on line e leia a nota n mero 2 para obter instru es de como criar a linha de solo Execute a regress o duas vezes e anote os valores da declividade b e do intercepto a para o caso em que a banda vermelha tratada como vari vel independente e para o caso em que a banda infravermelha a vari vel independente f Execute VEGINDEX novamente e
476. vos este erro freqiientemente expresso como erro m dio quadrado RMS Root Mean Square Error Caso o RMS n o seja informado para um plano de dados necess rio calcul lo Este o caso do modelo de eleva o que temos b Visualize a imagem VINHDEM com a tabela de cores Idrisi 256 Para criar este modelo de eleva o primeiramente as curvas de n vel foram digitalizadas a partir de uma carta topogr fica em escala 1 25 000 As cartas apresentam uma equidist ncia de 1 metro entre as curvas de n vel at a altitude de 15 metros A partir desta altitude as curvas de n vel t m equidist ncia de 5 metros O m dulo INTERCON foi usado para interpolar a superf cie completa com uma resolu o de 30 metros a partir das curvas de n vel rasterizadas A resolu o foi escolhida de modo a registr la de acordo com os dados de uso do solo derivados da imagem de sat lite Devido import ncia das altitudes abaixo de 1 metro para a estimativa de inunda es dados adicionais de altitude foram necess rios Pontos de altitude conhecida foram avaliados com rela o a quatro categorias significativas de cultura de arroz encontradas no mapa de uso do solo Associa es estreitas entre os pontos e estas categorias tornaram poss vel modelar altitudes abaixo de um metro com base no uso do solo Da mesma forma o mesmo processo foi aplicado para n veis de profundidade e turbidez associado com a reflex o da energia solar no rio e banhados adjacen

Manual do Usuário - Ecologia da UFRGS

Contents

Download Pdf Manuals

Related Search

Related Contents

Manual do Usu&aacute;rio - Ecologia da UFRGS

Contents

Download Pdf Manuals

Related Search

Related Contents

Manual do Usuário - Ecologia da UFRGS