Usando Python e o geoprocessing framework #2
Boa tarde pessoal!
Continuando naquele nosso projetinho, hoje vamos falar sobre a classe em Python que atualiza nossos dados em um determinado banco de dados. Temos algumas particularidades quando trabalhamos com ArcSDE, (registro de camadas como versionadas/não versionadas), portanto mostrarei como trabalhar com um Geodatabase local. A alteração para ArcSDE não é tão grande, e com um cadinho de pesquisa vocês conseguem fazer.
Lembre-se das outras classes que precisamos, mostradas no post anterior.
Construiremos duas classes, uma chamada GeoprocessorWrapper, um "embrulho" do objeto geoprocessor da ESRI. Isto não necessário, mas facilita, já que facilitamos algumas operações através deste "embrulho". A outra será uma tarefa, que juntará todos os dados e resultados das classes anteriores para atualizar nosso banco de dados.
Vamos começar com a mais simples, geoprocessorWrapper:
import arcgisscripting, logHandler
__toolboxAliases = [
"analysis",
"management",
"3d",
"cartography",
"arc",
"interop",
"geocoding",
"ga",
"lr",
"md",
"na",
"samples",
"sa",
"stats"]
class geoprocessorWrapperClass():
def __init__(self,workspace,toolboxList,overwriteOutput=False):
self.logs = logHandler.logHandlerClass()
# Startup logging object
self.gp = arcgisscripting.create(9.3)
# Startup ESRI geoprocessing object
self.gp.Workspace = workspace
self.gp.OverwriteOutput = overwriteOutput
# Define overwrite output. Default is to FALSE.
#lista de toolboxes disponiveis
self.toolboxList = []
self.toolboxList += toolboxList
self.buildGeoprocessorOptions(toolboxList)
def buildGeoprocessorOptions(self):
for x in self.toolboxList:
try:
if x in __toolboxAliases:
self.gp.AddToolbox(x)
except:
self.logs.newLogMessage(self, "Error in adding " + x + " toolbox to geoprocessor object. Are you sure this toolbox exists?" + self.gp.GetMessages(), "Geoprocessing Error")
# adds all toolboxes to current geoprocessing object.
def changeWorkspace(self,workspace):
self.gp.Workspace = workspace;
# changes the current workspace in geoprocessing object
def removeToolboxes(self,toolboxList):
for x in self.toolboxList:
try:
self.gp.RemoveToolbox(x)
self.toolboxList.remove(x)
self.logs.newLogMessage(self,"Removed " + x + "toolbox from geoprocessing object.","Information")
except:
self.logs.newLogMessage(self,self.gp.GetMessages(),"Geoprocessing Error")
# removes unneeded toolboxes from current geoprocessing object
Vamos começar com alguns detalhes desta classe:
Em primeiro lugar, temos os tradicionais import x. Eles são responsáveis por disponibilizar outras bibliotecas ao nosso código. Note que importamos o módulo arcgisscripting.
Logo depois, temos uma lista dos aliases que cada toolbox possui no Python. É necessário adicionar uma toolbox ao objeto geoprocessing para que se tenha acesso às ferramentas da mesma - o que pode ser feito de dois jeitos, pelo caminho da toolbox (C:\Program Files\...\ArcGis\Toolbox.tbx) ou pelo seu apelido. A primeira maneira é útil para adicionar toolboxes customizadas, que não tem apelido. A segunda maneira é mais prática para adicionar as toolboxes tradicionais.
O construtor da classe toma dois parâmetros obrigatórios e um opcional para inicializar a classe. O workspace é a pasta onde iremos trabalhar - ele poderia ser também um geodatabase, mas neste caso, uma pasta. toolboxList é uma lista com os apelidos das toolboxes que queremos adicionar ao nosso objeto de geoprocessing. O parâmetro adicional é se você deseja que os resultados do objeto geoprocessing sejam escritos por cima dos anteriores (caso tenham o mesmo nome) e é por default, falso.
O construtor é bastante simples. Ele cria um objeto geoprocessing, utilizando a versão 9.3 como opção (ajuste para sua versão caso necessário - mas não garanto que funcione na 9.2 - já que vários métodos como ListDatasets, têm uma resposta diferente do que
na versão 9.3), define qual é o workspace inicial e adiciona as toolboxes relevantes.
A forma de uso é a seguinte:
g = geoprocessorWrapper.geoprocessorWrapperClass(r"C:\",["analysis","management","lr"])
#ou
g = geoprocessorWrapper.geoprocessorWrapperClass(r"C:\",["analysis","management","lr"],true)
# para acessar o geoprocessor do nosso wrapper, use:
listaDeFeatureClasses = g.gp.ListFeatureClasses()
for x in listaDeFeatureClasses:
print x.FeatureType
Bem simples né? Temos um método também para mudar de workspace, sem necessitar de criarmos uma nova ferramenta. O outro método disponível é para remover toolboxes que não precisamos. Um método aqui poderia ser facilmente criado para adicionar novas toolboxes ao objeto. Alguém se arrisca?
Com esta classe podemos fazer quaisquer operações, mas utilizaremos uma outra classe para realizar todo o trabalho sujo. Lembra-se do código do post passado? Temos disponível em nossa máquina um arquivo .zip extraído em uma pasta qualquer, correto?
Vamos à classe geodatabaseUpdateTask.
import os, sys
class geodatabaseOperationClass():
def __init__(self,geoprocessor,inputShapefile,outputGeodatabase,outputFeatureDataset,outputFeatureClass):
self.geoprocessorWrapperClass = geoprocessor
self.inputShapefile = inputShapefile
self.outputGeodatabase = outputGeodatabase
self.outputFeatureDataset = outputFeatureDataset
self.outputFeatureClass = outputFeatureClass
self.processStage = 0
self.stages = ["Testes de conformidade",
"Deleçãoo de Feature Class",
"Cópia de Shapefile",
"Atualização Completa"]
def getProcessStage(self):
return self.stages[self.processStage]
def testGeodatabase(self):
#workspace definido pelo geoprocessor
return self.outputGeodatabase in self.geoprocessorWrapperClass.gp.ListWorkspaces(self.outputGeodatabase,"ALL")
def testFeatureDataset(self):
#adaptando workspace
self.geoprocessorWrapperClass.gp.Workspace += "\\" + self.outputGeodatabase
return self.outputFeatureDataset in self.geoprocessorWrapperClass.gp.ListDatasets(self.outputFeatureDataset,"ALL")
def testFeatureClass(self):
#adaptando workpace
self.geoprocessorWrapperClass.gp.Workspace += "\\" + self.outputFeatureDataset
return self.outputFeatureClass.gp.Workspace in self.geoprocessorWrapperClass.gp.ListFeatureClasses(self.outputFeatureClass,"ALL")
def testAllObjetcs(self):
if self.testGeodatabase() and self.testFeatureDataset() and self.testFeatureClass():
self.processStage = 1
return True
else:
self.processStage = 0
return False
def deleteFeatureClass(self,featureClass):
try:
self.geoprocessorWrapperClass.gp.Delete_management(featureClass)
except:
print self.geoprocessorWrapperClass.gp.getmessages()
def copyFeatures(self,inputShapefile,outputFeatureClass):
try:
self.geoprocessorWrapperClass.gp.CopyFeatures_management(inputShapefile,outputFeatureClass)
except:
print self.geoprocessorWrapperClass.gp.getmessages()
def updateFeatureClass(self):
try:
if self.testAllObjects:
self.processStage += 1
print self.getProcessStage()
self.deleteFeatureClass(self.outputFeatureClass)
self.processStage += 1
print self.getProcessStage()
self.copyFeatures(self.inputShapefile,self.outputFeatureClass)
self.processStage += 1
print self.getProcessStage()
except:
print self.geoprocessorWrapperClass.gp.getmessages()
Temos os tradicionais import no cabeçalho de nosso arquivo e logo depois o construtor da classe.
Nosso construtor tem os seguintes parâmetros: geoprocessor (um objeto do tipo geoprocessorWrapper), o caminho para o shapefile à ser carregado no banco de dados, o geodatabase de destino, o featureDataset de destino e a FeatureClass de destino.
Você pode ver que construí uma lista de estágios que temos de passar antes de atualizar a FeatureClass. O estágio testes de conformidade vão garantir que os objetos existam no geodatabase e não ocorram erros. Esta etapa pode ser customizada, caso a FeatureClass não exista, crie a mesma, somente importando os dados - também deixo isto para o usuário interessado! Lembre-se que temos de passar um objeto geoprocessorWrapper com um workspace, uma pasta. Neste caso em específico, deve-se passar apenas pastas, pois definimos o geodatabase em outras áreas.
Os testes cuidam da mudança de workspace e asseguram que a featureClass exista. Perceba que todo o trabalho é realizado dentro desta classe, nas funções:
- deleteFeatureClass()
- copyFeatureClass()
Uma função resume todo o processo: updateFeatureClass(). Veja que ela não tem parâmetros, pois usa os parâmetros setados no construtor. À medida que a mesma progride, atualiza o status do processo e informa ao usuário.
Forma de uso:
gp = geoprocessorWrapper.geoprocessorWrapperClass(r"C:\",['management']) geoOperation = geodatabaseOperation.geodatabaseOperationClass(gp,r"C:\shapefile.shp","teste.mdb","dnpm","dnpm_brasil") geoOperation.updateFeatureClass()
Lembrem-se que o restante do código (buscar o arquivo na net, dezipar, etc) está no post anterior. Como prometi, aqui vai a classe LogHandler.
E ae pessoal? Dúvidas?
Podem ver que o Python dá muito poder ao framework de geoprocessing do ArcGIS e é muito simples.
Um abraço
George
Dinâmica Espacial Criminal #2
Dinâmica Espacial Criminal: Entendendo o Comportamento Geográfico e Temporal da Criminalidade
Por: Adriano Hantequeste Gomes
O caso de Santa Martha e adjancências, Vitória - ES
A região de Santa Martha apresenta algumas similaridades com o bairro Ilha do Príncipe também em Vitória, existem muitas moradias nos morros e alguns lugares de difícil acesso, essa localidade foi pontuada como uma área de alta densidade de crimes contra a pessoa na Tabela 13 e na Figura 35, sendo identificada pela zona de número 4 (quatro), nesse espaço de estudo ainda abrange os bairros de Andorinhas, Itararé, da Penha e Bonfim.
Para melhor compreender a disposição geográfica, rede viária e situação criminal (neste caso somente estão pontuados apenas os crimes contra a pessoa de 2005 a 2007) da região foi elaborado a Figura 34. Um fator importante da estrutura viária da região que deve ser salientado é a existência de muitas avenidas de grande circulação de veículos e dentro dos bairros existem muitos becos e escadarias facilmente identificados pela a disposição das ruas no mapa e pela a existem de alguns morros.
Quando tratamos de dados de violência e criminalidade principalmente nos relacionados com os crimes contra a pessoa, em alguns casos mais especificamente nos homicídios, buscamos confrontar as informações com indicadores socioeconômicos. A região de estudo possui alguns desses indicadores como complicadores, a população residente concentra mais de 30 mil habitantes, ocupando aproximadamente 1,8 Km², com isso tem-se uma alta densidade demográfica, apontando para mais 17 mil habitantes para cada Km², de acordo com a base do CENSO realizado pelo IBGE para o ano de 2000.
As informações de densidade demográfica são alarmantes, pois são muito maiores que a da cidade de Vitória, que apresenta 3.376,80 hab/Km² (dados atualizados de 2007), já na Região Metropolitana e o Estado apresenta dados ainda menores, o primeiro contém um pouco mais de 719 e o segundo cerca de 75 hab/Km², dados para o ano de 2006, com nos dados apresentado a necessidade de um re-ordenamento do espaço urbano torna-se latente e indispensável.
Avaliando a renda dos responsáveis pelos domicílios da região temos um fato aterrorizante, praticamente 50% estão inclusos na categoria sem rendimento até a categoria com renda nominal mensal de 2 (dois) salários mínimos, para um localidade que apresenta mais de 30 mil habitante e 8.235 domicílios, analisando temos uma família média de 3,6 pessoas por domicilio, vivendo com o salário mínimo da época – os dados utilizados são do CENSO 2000 - era aproximadamente R$ 151, teríamos um renda mensal em torno de R$ 300, para o sustento de no mínimo 3 (três) pessoas, muito abaixo das necessidades básicas.
Todo este contexto negativo apresentado em alguns desses dados sociais infelizmente deságua na violência e criminalidade da região, é claro que quando analisamos indicadores estruturais com saneamento, rede de esgoto, coleta de lixo e abastecimento de água temos ótimos indicativos, mais isso se reflete em todo o município de Vitória, devido aos fortes investimentos e convênios com diversas organizações de financiamento de obras.
O caso da Ilha do Príncipe e Adjacências - Vitória ES
A necessidade de estudar a região da Ilha do Príncipe e os bairros que os circunda foi pela a constatação de uma região muito complexa e vislumbrar a necessidade de intervenções das mais diversos tipos, este contexto é fundamental para utilização das geotencologias no diagnóstico e nas ações sendo operacionais, tácitas e estratégicas.
Como já foi mencionada no trabalho a formação do bairro tem origem da ocupação desordena do inicio dos grandes projetos no Estado e com isso o êxodo rural para a região foi bastante intenso. Na Figura 37 apresenta um mapa da região mencionada nesta secção, onde mostra a região da Ilha do Príncipe, entre uma região comercial bastante forte formado pelo os bairros do Centro de Vitória, Parque Moscoso e o famoso mercado da Vila Rubim, na outra parte a região de morro composta pelo os bairros do Cabral, Quadro, Caratroira - localidade também conhecida Alagoano.
A região em estudo ficou atualmente conhecida pelo codinome de “Cracolândia”, devido ao forte comércio de drogas e entorpecentes. Mais fica uma série de perguntas e algumas delas sem respostas, quais outros crimes que também apontam na região? E esses crimes acontecem em maior número que o de tóxico? E os homicídios que em alguns estudos apontam um relacionamento com o tráfico, acontecem na região? O baixo nível de qualidade de vida existe? Está presente em todo o entorno? Tentarei explicar alguns desses tópicos e demonstrar alguns indicadores que podem influenciar na temática que está sendo tratada neste trabalho.
Dando continuidade no diagnóstico verificamos o comportamento dos grupos de ocorrências e constatando-se a prevalência dos crimes contra o patrimônio em primeiro lugar, seguindo das ocorrências de trânsito e tóxico, só em quarto lugar vem os crimes contra a pessoa – justa o tipo de crime que a região se destacou -, vide Tabela 3, mas ao elaborar um mapa para melhor entender a dimensão espacial, ficamos expostos a uma situação curiosa, sempre existem 3 (três) micro-localidades que concentra os crimes; o mais interessante é que são as mesmas localidades, veja a Figura 38. Essas regiões de acordo com a numeração do mapa são: (1) Centro de Vitória que por sinal concentra aproximadamente 65% da incidência; (2) Ilha do Príncipe mais precisamente falando em torno da Rodoviária próximo das pontes Presidente Costa e Silva e Florentino Ávidos; e (3) Santo Antônio, já praticamente fora da zona.
Tabela 3 – Ocorrências por Grupo na Região da Ilha do Príncipe e Adjacências (Vitória)
| Grupo de Ocorrências | Total de Registros (2005 – 2007) | Percentual (%) | Percentual Acumulado (%) |
| Crime Contra o Patrimônio | 2.298 | 35% | 35,08% |
| Ocorrências de Trânsito | 1.846 | 28% | 63,26% |
| Ocorrências de Tóxico | 825 | 13% | 75,85% |
| Crimes Contra a Pessoa | 710 | 11% | 86,69% |
| Contravenções | 517 | 8% | 94,58% |
| Crimes Contra a Administração Pública | 158 | 2% | 96,99% |
| Crimes de Armas e Munições | 131 | 2% | 98,99% |
| Crimes Diversos | 35 | 1% | 99,53% |
| Crimes Contra os Costumes | 31 | 0% | 100,00% |
| Total | 6.551 | 100% | - |
Fonte: Secretaria de Estado de Segurança Pública e Defesa Social (SESP)

Mapa da Densidade Kernel para os Crimes contra o Patromônio e Ocorrências de Tóxico e Trânsito da Ilha do Príncipe - Fonte: SESP (2008)
Ao visualizar o mapa anterior fica praticamente impossível não tentar relacionar os crimes contra o patrimônio com as ocorrências de trânsito a similaridade é tremenda que até a forma dos hots spots é impressionante o que varia um pouco é o grau de concentração nas regiões em destaque. A espacialização da densidade dos crimes de tóxico mostra a gritante concentração na região 2 (dois) demonstrando a informação inicial deste item da área da “Cracolândia”.
Prosseguindo na análise, passamos agora a enfocar a nossa atenção às ocorrências de trânsito e nos delitos contra o patrimônio; da mesma forma que constatamos no diagnóstico em Campo Grande a correlação desses dois crimes, a Ilha do Príncipe também apresentou resultados significativos, levando em consideração os dados acumulados de 2005 a 2007, tivemos um índice de correlação entre os dois crimes de 0,859, analisando ano a ano mostrou-se resultado na escala de médio à alta em 2005 com 0,561, 2006 foi de 0,753 e 2007 com 0,709; para somente os dados de patrimônio confrontando o ano de 2005 com 2006 apresentou 0,675 e para 2006 com 2007 foi apenas 0,506; empregando esta mesma metodologia para os números de trânsito de 2005 com 2006 foi de 0,776 e 2006 com 2007 mostrou surpreendentes 0,869. Veja a Figura 15, que comprova esta correlação dos dois grupos.
Partindo para o diagnóstico levando em consideração a variável: dias da semana, os dados também foram similares, de segunda-feira a sábado o nível de incidência dos crimes de ambos os grupos praticamente não apresentou muita variação – 13% á 17% em relação ao total - no domingo é quando o grau de acontecimento dos delitos fica bem abaixo dos outros dias – na casa dos 10%. Conforme as análises por horas do dia, os dados mais significativos apareceram quando agregamos informações dos anos de 2005 a 2007, ao considerar este contexto, o índice de correlação atingiu: 0,852, entres os crimes contra o patrimônio e ocorrências de trânsito. Trabalhando apenas os dados de transito a correlação entre os anos 2005 e 2006 foi de 0,691, reduzindo para 0,662, comparando 2006 e 2007; examinando os delitos contra o patrimônio entre 2005 e 2006 temos apenas de correlação 0,571, já para 2006 e 2007 passamos para 0,707.

Gráfico de Distribuição Percentual das Ocorrências por Hora do Dia na região da Ilha do Príncipe - Fonte: SESP (2008)

Gráfico de Distribuição percentual das ocorrências por dia da semana na região da Ilha do Príncipe - Fonte: SESP (2008)
Quando analisamos esses elementos durante os meses dos anos de 2005 até 2007- vide Figura 17 - presenciamos um fato curioso, esses dados têm uma baixa correlação: 0,155, isso demonstra que no espaço temporal a complexidade do acontecimento desses delitos, isso também aconteceu em Campo Grande, que apresentou 0,268, mais elevada, mesmo assim um pouco maior que o conglomerado da Ilha do Príncipe; isso também decorre pela a diferença das áreas, Campo Grande é apenas um bairro por isso possui uma dinâmica de certa forma mais simples, diferente da região avaliada na capital, onde o espaço geográfico em estudo, apresentou três mini-localidades que congregam os crimes em questão e é claro que certamente cada uma dessas localidades apresentam um característica peculiar.

Gráfico da Evolução das Ocorrências de Trânsito e Crimes Contra o Patrimônio na Região da Ilha do Princípe - SESP (2008)
O codinome da região não é por menos, de acordo com a evolução das ocorrências de tóxico e a incidência de crack na região aumentou substancialmente, veja a Figura 42, o número de registros passou de 15 nos primeiro trimestre de 2005 para 53 no último trimestre de 2007, um aumento de mais de 250%, os trimestres antecedentes apresentaram números variando entorno dos 50 a 60 casos. O último trimestre de 2006 foram 50 registros; o primeiro de 2007 passou para 61; o segundo do mesmo ano caiu para 57; e no terceiro caiu novamente chegando a 49 ocorrências.
O desmembramento das ocorrências de tóxico por tipo da droga e quantificação por ano, apresentou um fato curioso, pois existe um declínio do consumo de maconha e cocaína e um gritante aumento do crack e das outras drogas, nessa última categoria estão principalmente o haxixe, LSD e ecstasy; uma sugestão interessante seria o Centro Integrado criar estas categorias na tabela de incidentes, para que nos próximos anos monitorarmos essas novas drogas e melhor entender dinâmica e a peculiaridade de cada uma, veja a Tabela 4.
Tabela 21 – Ocorrências de Tóxico na Região da Ilha do Príncipe e Adjacências (Vitória)
| Tipo | Total de Ocorrências 2005 | Comparativo 2005-2006 (%) | Total de Ocorrências 2006 | Comparativo 2006-2007 (%) | Total de Ocorrências 2007 |
| Maconha | 52 | -5,77% | 49 | -2,04% | 48 |
| Cocaína | 23 | 26,09% | 29 | -34,48% | 19 |
| Crack | 100 | 89,00% | 189 | 16,40% | 220 |
| Outros | 18 | 5,56% | 19 | 210,53% | 59 |
| Total | 193 | 48,19% | 286 | 20,98% | 346 |
Fonte: Secretaria de Estado de Segurança Pública e Defesa Social (SESP)
Os crimes de tóxico têm uma disposição temporal – horas do dia – mais no período noturno, veja a Figura 43, nela é informado que 71% das ocorrências acontecem no período das 15 às 3 horas. Neste caso a distribuição é totalmente diferente em relação aos crimes contra o patrimônio e os delitos de trânsito. Mas a relação entre o percentual de cometimento do crime com a quantidade de horas é similar; aproximadamente 3/4 dos crimes concentram em 1/2 das horas do dia.

Gráfico da Distribuição das Ocorrências de Tóxico por horário na região da Ilha do Príncipe - Fonte: SESP (2008)
Analisando o comportamento socioeconômico da região, vide a Figura 20, percebemos uma grande disparidade em tão pequeno espaço territorial, vejamos que o bairro do Centro de Vitória possui altos indicadores de qualidade de vida, como no caso da renda mensal média elevada, com a população residente tendo melhores índices de média de anos de estudo e ainda é o local onde se menos concentra as pessoas, neste caso a família média por domicilio é de não mais de 3 (três) pessoas.
O que chama ainda mais a atenção na análise são as regiões opostas ao Centro de Vitória – neste caso local de baixo indicadores de qualidade de vida - são as localidades de morro e periferia, o que demonstra infelizmente uma baixa infra-estrutura, o que nos remete ao triste correlação com o tráfico de drogas, pois conforme a Figura 21 é a localidade onde se maior concentra tal atividade ilícita.
A carência de assistência do poder público acompanhado da falta de assistência na evolução do cidadão, desde a educação básica até o ensino médio e superior, passando pela a assistência média, saneamento básico, qualificação profissional, acesso a cultura e lazer, faz uma grande diferença no futuro e no caráter da população. A abertura de centro de poli esportivo, assistência eficiente e eficaz de todas as organizações públicas, em suma uma reestruturação do espaço geográfico, acarretará numa mudança comportamental e completa nessas localidades. Sabemos que para quebrar tais paradigmas é necessário muito empenho e constante luta, mas sem isso, infelizmente não poderemos colher semente futuras em ambientes tão segregados.
Venho salientar é que as ações e projetos das organizações não policiais também influenciam direta ou indiretamente nos indicadores de violência, mesmo que discretamente. Seria uma visão utópica a exumação da figura policial do contexto mundial, o seu papel perante a sociedade é importantíssimo desde ela sendo investigativa, ostensiva e comunitária. Ações conjuntas entre todos os órgãos e de qualquer que seja a sua esfera de atuação, com inserções concretas e coesas tendem a trazer ótimos benefícios para toda a população.

Mapa de Rendimento Médio Mensal, Média de anos de Estudo e Número de pessoas por Domicílio - Fonte: SESP (2008)
Conclusão
A necessidade do mapeamento - no sentido geográfico da palavra – de qualquer variável torna-se fundamental para um melhor diagnóstico; e futuramente um prognóstico que possibilite colher bons resultados; isso se aplica também ao fenômeno da criminalidade e da violência. A possibilidade de soluções que as geotecnologias geram é imensa, permitindo uma maior flexibilidade de ações e um aproveitamento infinito dos recursos atuais.
A utilização de várias fontes de informações, juntamente com a interpretação dos cenários dos outros países, trazendo suas soluções para a nossa realidade, só irá melhorar nossos diagnósticos e prognósticos. Somando-se a essa conjuntura os dados de âmbito local, como no caso do IBGE – principalmente os provenientes dos setores censitários –, os levantamentos das prefeituras, a percepção histórica e prática dos policiais que estão na rua – leia-se neste os investigadores e o policiais-praças - tende a formar um banco imensurável de não apenas de dados, e sim, de informações estratégicas para o planejamento da segurança pública.
A sistematização de todo esse núcleo de informação acompanhado de uma dinamização das estruturas organizacionais policiais, irá permitir melhores resultados em qualquer âmbito, desde administrativo, logístico, financeiro, pessoal e no final uma redução nos índices de criminalidade. A solução da violência é um sistema de ciclo contínuo onde todos da sociedade devem estar envolvidos e é dever do Estado – vide esfera pública – criar possibilidades para que isso se efetive.
As geotecnologias podem se aplicar não apenas no diagnóstico da violência como foi visto neste trabalho e sim também como em diversos ramificações da segurança pública, por exemplo, no acompanhamento da massa carcerária – tanta no que tange aos ligados a justiça quando das delegacias -, controle da frota, não apenas como a função e atitude de corregedoria e punição dos policiais, mas também como no gerenciamento e remanejamento dos recursos operacionais e no planejamento de combustível e manutenção dos veículos.
Dando continuidade ao pensamento do parágrafo anterior, a aplicabilidade das geotecnologias em uma situação bastante interessante, por exemplo: uma companhia militar com certa extensão territorial pode ter certo consumo de combustível enquanto outra pode ter um comportamento completamente diferente, pode-se identificar que o consumo tem características sazonais, como no caso das regiões costeiras, onde a concentração de pessoas aumenta no verão, uma solução para tal problema seria um estudo de remanejamento de frota ou até mesmo uma parceria com a prefeitura local na concessão de veículos.
A proposta de criação de um Sistema de Informação Geográfica Policial, chamado de SIG Policial na Figura 45, logo abaixo, é com base em três vértices indispensáveis para um estudo concreto e coeso da segurança pública, sem eles fica praticamente impossível tentar solucionar qualquer tipo de problema, como no caso de uma superlotação de preso numa delegacia, um aumento vertiginoso dos indicadores de violência em uma determinada região, a carência de efetivo policial em uma área de expansão urbana, a ampliação de frota policial, a alocação de novos policiais recém contratados.
O vértice da gestão é fundamental para distribuir corretamente os recursos existentes e o capital intelectual das policiais, onde estão os equipamentos em defasagem, por exemplo, computadores com baixa configuração, impressoras que possuem cartuchos ou toners que não são mais vendidos no mercado, viatura com muito tempo de serviço ou com possuem peças em constante manutenção, onde se necessita de mais policial, qual delegacia precisa de estagiário ou menor aprendiz, em qual companhia ou batalhão militar carece de efetivo em determinado época do ano e também qual não necessita em certo período que possa futuramente ceder algum policial para uma futura demanda extraordinária.
Prosseguindo a análise dos vértices os indicadores sócio-econômico-cultural e ainda podemos inserir o vertente infra-estrutural são de suma importância para o melhor entendimento da complexidade espacial da região em estudo. O fato de uma localidade está sendo caracteriza por seguidos casos de estupro, pode ser por inúmeras possibilidades que isso esteja acontecendo, como uma via mal iluminada, uma escola com funcionamento noturno onde transporte coletivo é demorado, dando assim oportunidade para os infratores cometam este tipo de crime, até mesmo a prostituição na região que dependo da conjuntura propícia o acontecimento deste delito. Aprofundando ainda mais podemos tentar buscar quais indicadores deste espaço é segregado – tem alta mortalidade infantil, não existem escolas com programas intensivos, praças de lazer, teatros, eventos culturais, qual o nível de instrução das pessoas? Existem postos de saúde? Supermercados, farmácias e dentre um número de variáveis que possam se correlacionar com a criminalidade.
O crime e o infrator nos dizem tantas coisas, ao juntar todas as suas variáveis com o contexto geográfico nos possibilita tantas ações que nós mesmos não conseguimos entender por que não tínhamos pensado nisso antes. O policial da ponta que está todo dia na rua, investigando ou policiando a população, tem tanta informação para agregar nos debates estratégicos da corporação que às vezes é deixado de lado. O boletim de ocorrência ou de atendimento policial diz isso tudo, este documento lavrado dentro de um sistema informatizado, traz a possibilidade de cruzamento com os outros vértices mencionados anteriormente e com isso uma gama de planos de contenção e redução da criminalidade.
A necessidade das policias e da segurança pública em geral é a união desses vértices em seu planejamento operacional, tático e principalmente o estratégico. Sem a integração de dados e de instituições como: prefeitura, estado e união juntamente com a iniciativa privada e organizações do terceiro setor, tornaram o contexto da violência e da criminalidade, menos impactante no nosso dia a dia, sem ter que mudarmos nosso cotidiano, hábitos e rotinas; como uma simples ida no cinema na última sessão, a caminha à tarde na praia e assistir a uma peça teatral à noite no município do lado.
Texto por Adriano Hantequeste Gomes
-----------------------------------------------------------------------------------------------------------------
Pessoal, este foi o final do artigo do Adriano. Gostaria de agradecê-lo por construir um artigo especificamente para o blog, que convenhamos, ficou excelente.
Abraços
George
Dinâmica Espacial Criminal #1
Dinâmica Espacial Criminal: Entendendo o Comportamento Geográfico e Temporal da Criminalidade
Por: Adriano Hantequeste Gomes
A necessidade de correlacionar os mais diversos tipos de dados é fundamental para estudar praticamente todos os fenômenos da atualidade, não existe uma variável fora do contexto, sempre seu objeto de estudo estará correspondendo a influências de outras variáveis; e com a criminalidade e a violência não é diferente, as instituições que estão ligadas ou que estudam esta vertente, devem fazer o máximo possível em trazer novas fontes de dados e buscar integrar a base de ocorrências existente da segurança pública.
A interação de mapas e tabelas é interessante, mas a integração de um novo elemento – os gráficos, e conseqüentemente a estatística – pode trazer ainda mais a análise do fenômeno proposta neste trabalho, a fim de explicar porque certos indicadores estão crescendo tanto ou qual porcentagem dos crimes por dia da semana ou até mesmo por horário, a infinidade de soluções e respostas que a estatística pode nos trazer é surpreendente.
A proposta deste documento é selecionar algumas das regiões de alta concentração e aprofundar ainda mais o diagnóstico, buscando soluções mais específicas, analisando e expondo características peculiares à localidade de trabalho e correlacionando as informações dos crimes com o tempo, esta variante pode ser desdobrada em ano, mês, dia da semana e em horas do dia.
O primeiro experimento será trabalhar junto os Crimes Contra o Patrimônio com as Ocorrências de Trânsito, pois foi aparente que as regiões são bem similares, perceba na Figura 1, existem pelo menos 7 (sete) regiões idênticas, dentre elas são: Centro de Guarapari (Guarapari), Campo Grande (Cariacica), Centro de Vitória, Praia do Canto , Jardim da Penha (Vitória), Centro de Vila Velha e Praia da Costa (Vila Velha).

Mapa das maiores densidades de crimes contra o patrimônio e ocorrências de trânsito. Fonte: Secretaria de Estado da Segurança Pública e Defesa Social – SESP (2008)
O caso de Campo Grande, Cariacica
Diante do que foi inicialmente proposto trabalharemos o bairro Campo Grande que atualmente é um grande shopping center a céu aberto; e como já foi dito concentra grande parte dos serviços públicos do município, tem como característica possuir dois logradouros com grande fluxo de pedestre e veículos – Rodovia BR 262 e a Avenida Expedita Garcia – são exatamente nessas avenidas que se concentram os comércios; os crimes contra o patrimônio e as ocorrências de trânsito, para mais informações, veja a Figura 2.
Com base na circunscrição do limite do bairro selecionamos os tipos de crimes mencionados a acima e criamos as Tabelas 1 e 2 e percebemos que incidentes contra o patrimônio é bem maior que os delitos de trânsito, e ao mesmo tempo os 5 (cincos) tipos de ocorrência mais cometidos, correspondem à 75% de todo grupo.
Tabela 1 – Crimes Contra o Patrimônio mais cometidos no Bairro Campo Grande (Cariacica)
|
Tipos de Ocorrência |
Total de Registros (2005 – 2007) |
(%) Em relação aos Crimes Contra o Patrimônio |
|
Furto de Veiculo (B01H) |
439 |
22,73% |
|
Roubo a Pessoa em Via Pública (B02A) |
288 |
14,91% |
|
Roubo em Estabelecimento Comercial (B02D) |
253 |
13,10% |
|
Furto em Estabelecimento Comercial (B01D) |
234 |
12,12% |
|
Roubo de Veículo (B02H) |
233 |
12,07% |
|
Sub-Total |
1.447 |
74,94% |
|
Total |
1.931 |
100,00 % |
Fonte: Secretaria de Estado de Segurança Pública e Defesa Social (SESP)
Tabela 2 – Ocorrências de Trânsito mais cometidas no Bairro Campo Grande (Cariacica)
|
Tipos de Ocorrência |
Total de Registros (2005 – 2007) |
(%) Em relação aos Crimes Contra o Patrimônio |
|
Colisão sem vítima (I01A) |
151 |
23,70% |
|
Outras Ocorrências de Trânsito (I99) |
109 |
17,11% |
|
Colisão com Vítima não Fatal (I01B) |
98 |
15,38% |
|
Atropelamento com Vítima Não Fatal (I04A) |
86 |
13,50% |
|
Choque sem Vítima (I01D) |
43 |
6,75% |
|
Sub-Total |
487 |
76,45% |
|
Total |
637 |
100,00 % |
Fonte: Secretaria de Estado de Segurança Pública e Defesa Social (SESP)

Mapa do bairro Campo Grande (Cariacica). Fonte: Secretaria de Estado da Segurança Pública e Defesa Social - SESP (2008)
A comprovação que as variáveis dos cinco delitos mais cometidos apresentam grande influência em todo o grupo através das Figuras 3 e 4, através das informações mencionadas foi executado o teste de correlação para os dois grupos – crimes contra o patrimônio e ocorrências de trânsito – resultando em resposta de 0,94 para o primeiro grupo e 0,91 para o segundo. No segundo grupo de ocorrências fica ainda mais interessante, pois em um momento só acontecem os cinco dolos mencionados na Tabela 3 e em outras situações apenas ocorre uma ocorrência com tipificação fora do “grupo dos cinco”.

Gráfico da evolução dos crimes contra o patrimônio em Campo Grande - Cariacica (2005-2007). Fonte: SESP (2008)

Gráfico da evolução das ocorrências de trânsito e crimes contra o patrimônio em Campo Grande - Cariacica (2005-2007). Fonte: SESP (2008)
Um fato interessante em Campo Grande é que nos crimes mais cometidos contra o patrimônio apresentam furto e roubo de veículo, uma proposta interessante de trabalho seria um conjunto de ações unificadas da Companhia que concerne o bairro, mais o Batalhão de Trânsito e juntamente com a Delegacia de Furto e Roubo de Veículos (DFRV), a fim de criar prognósticos e ações de redução desses delitos. Outra situação seria uma troca de dados com a Prefeitura do Município, a fim de trabalhar aspectos estruturais como calçamento adequado, vias bem sinalizadas, vagas de garagem com melhor acesso e ordenamento do trânsito de veículos leves – motos e bicicletas. É importante a interação com outros órgãos de qualquer esfera administrativa, com a finalidade primordial de realizar campanhas preventivas e de conscientização da população, simultaneamente com a iniciativa privada e organização do terceiro setor.
Projetando os dados diante da vertente das horas do dia, criamos as Figuras 5 e 6, fica visível a similaridade da distribuição das ocorrências, aplicando a correlação entre os anos de 2005 e 2006 para os crimes contra o patrimônio temos 0,708, e para os anos de 2006 e 2007 passamos à 0,868. Utilizando essa mesma metodologia para os delitos de trânsito, temos 2005 e 2006 com 0,765 e já para 2006 e 2007: 0,834. Ao correlacionar os dados dos dois grupos ano a ano temos que para 2005 um índice de 0,736, para 2006: 0,791 e para 2007: 0,788; com base nos dados totais acumulativos de 2005 até 2007, apresentado 0,873 de correlação. As altas correlações apresentam um forte indicativo que as ocorrências se concentram no horário comercial que é das 8 ás 19 horas, é claro que nos crimes contra o patrimônio podemos perceber alguns picos durante a madrugada 0 ás 3 horas, mas nada de grande acentuação.
Ao acumular os dados dos anos de 2005 á 2007 e trabalharmos com os dois grupos juntos presenciamos um dado importante para as organizações policiais, que aproximadamente 74% dos registros estão concentrados entre as 10 e 22 horas, isso indica que em um pouco mais da metade do dia, pois de 10 às 22 horas são 13 horas; temos 3/4 das ocorrências registradas. As escala de trabalho, horários de patrulhamento, análises investigativas, trabalho de campo e dentre outros procedimentos para estudar tal elemento, devem focar nesses horários, em buscar de soluções ainda mais claras e objetivas para tal fenômeno de estudo.

Gráfico da distribuição dos crimes contra o patrimônio por horário em Campo Grande - Cariacica (2005 - 2007). Fonte: SESP

Gráfico da distribuição das ocorrências de trânsito por horário em Campo Grande - Cariacica (2005 - 2007). Fonte: SESP

Gráfico da distribuição contra o patrimônio e ocorrências de trânsito por horário em Campo Grande - Cariacica (Acumulado 2005 - 2007). Fonte: SESP
A necessidade de trazer sempre novos elementos é de certa forma interessante, aproximamos ainda mais a realidade do local em número, ou seja, trazemos o mundo real para o mundo virtual, quando conseguimos quantificar as variáveis as possibilidade e propostas de soluções são impressionantes, sabemos muito bem que dados qualitativos são essenciais para o trabalho da segurança pública, abre novos horizontes e vislumbram premissas antes não abordadas, mas o que venho propor neste trabalho é trabalhar o pragmatismo da informação, sem conceitos abstratos e dados inconsistentes.
Com a possibilidade de inserir um novo elemento no estudo da localidade de Campo Grande em Cariacica, ao adicionar o elemento dia da semana a nossa análise, temos as seguintes informações na Figuras 8 e 9, como podemos vislumbrar as ocorrências não possuem oscilação durante os anos, no caso dos crimes contra o patrimônio temos em 2005 na quinta-feira, em 2006 o pico na segunda feira e em 2007 no sábado. Fica apenas uma ressalva em análise dos dados acumulativos que domingo sempre entre nos dias com menos registros, mas é um percentual bem pequeno quase imperceptível.

Gráfico da distribuição dos crimes contra o patrimônio por dia da semana em Campo Grande - Cariacica (2005 - 2007). Fonte: SESP

Gráfico da distribuição das ocorrências de trânsito por dia da semana em Campo Grande - Cariacica (2005 - 2007). Fonte: SESP
De acordo com que foi mencionado acima os crimes contra o patrimônio são bem dispersos durante toda a semana, isso afirmar a presença de comercio intenso em todos os dias de segunda a segunda, trazendo a indicativa que durante todos os dias as escalas de policiamento na reunião devem ser iguais, apenas flexibilizando durante os horários mencionados anteriormente neste estudo. Ao partir para a análise dos dados das ocorrências de trânsito temos um fato interessante à quarta-feira apresentaram dados bem abaixo que dos outros dias da semana, mas no resto apresentou comportamento bem similar ao comportamento dos crimes contra o patrimônio.
A possibilidade de tratar dois problemas que acontecem em um mesmo lugar, com horários similares acaba tornando-se um enorme ganho operacional, logístico e investigativo, fato surpreendente nesta temática de estudo, pois sabemos as necessidades e carências das instituições policiais. O policiamento ostensivo deverá focar nas ruas de maiores crimes – vide Figura 10 -, nos horários e dias da semana indicados pelo o diagnóstico. Os relatórios policiais devem priorizar o pragmatismo, a praticidade, a clareza e a objetividade das informações, simples e direto, com base nessas prerrogativas as instituições policiais caminharam para um nível de excelência e eficácia no combate a violência e criminalidade.
Aguardem pela parte #2!
Texto de Adriano Hantequeste Gomes
Tabela 1 – Crimes Contra o Patrimônio mais cometidos no Bairro Campo Grande (Cariacica)
|
Tipos de Ocorrência |
Total de Registros (2005 – 2007) |
(%) Em relação aos Crimes Contra o Patrimônio |
|
Furto de Veiculo (B01H) |
439 |
22,73% |
|
Roubo a Pessoa em Via Pública (B02A) |
288 |
14,91% |
|
Roubo em Estabelecimento Comercial (B02D) |
253 |
13,10% |
|
Furto em Estabelecimento Comercial (B01D) |
234 |
12,12% |
|
Roubo de Veículo (B02H) |
233 |
12,07% |
|
Sub-Total |
1.447 |
74,94% |
|
Total |
1.931 |
100,00 % |
Fonte: Secretaria de Estado de Segurança Pública e Defesa Social (SESP)
Agricultura Familiar e Geoprocessamento
Olá Pessoal!
Hoje gostaria de comentar com vocês sobre um trabalho elaborado pela também Tecnóloga em Geoprocessamento, Julie Eugênio.
Há algum tempo ela preparou um projeto de gerenciamento de atividades de agricultura familiar fazendo uso de técnicas de Geoprocessamento.
O objetivo principal da pesquisa dela foi o desenvolvimento de uma aplicação, com base em técnicas de Geoprocessamento, para apoiar as atividades de um projeto voltado à agricultura familiar sustentável denominado “Cinturão Verde”, inserido no programa de microcrédito “Empreender-JP”, no município de João Pessoa, capital do Estado da Paraíba.
O mapa abaixo mostra a localização da área de estudo.
Durante a construção da aplicação SIG integrada a um Banco de Dados Geográficos deu-se ênfase ao uso de tecnologias livres, com destaque para o Quantum Gis (QGis) e PostgreSQL/PostGis.
Na parte escrita do trabalho desenvolvido foi detalhada toda a metodologia empregada. A qual está resumida na figura abaixo.
O trabalho foi extremamente elogiado pelos responsáveis técnicos da prefeitura de João Pessoa. Você pode fazer o download do trabalho completo a partir do link abaixo, que traz o tema da monografia escrita com base nesse projeto.
Espero que tirem proveito de mais essa demonstração da potencialidade do uso de tecnologias livres para Geoprocessamento.
Abraços.
--
Anderson Medeiros
Tecnólogo em Geoprocessamento
Modelos Digitais de Elevação e Hidrologia 2
Boa tarde pessoal!
Esta é mais uma tarde em aeroporto e mais um postzinho. Desta vez, estou em Guarulhos.
Lembrando o post Modelos Digitais de Elevação e Hidrologia, deixei uma pergunta aos usuários: como um software determina vetores de curso d´água, utilizando somente o raster de fluxo acumulado?

Flow Accumulation (fonte: http://webhelp.esri.com/arcgisdesktop/9.2/index.cfm?TopicName=Flow_Accumulation)
Olhe bem para esta superfície: é possível distinguir célular onde a acumulação é maior conseguimos estabelecer visualmente um caminho. Deêm uma olhada na célula amarela (na superfície do lado direito) com o número 20. Isto significa que 20 outras células deságuam nela.
Com um valor limite, o software consegue estabelecer e desenhar, à partir dos centro das células linhas, que posteriormente são vetorizadas. Simples não?
No caso acima, se definissemos o valor mínimo de 4, teríamos os seguintes vetores:
Perceba que o limite estabelecido guia o software à encontrar as células com muito fluxo acumulado, sinalizando portanto, que ali deve ser um curso d´água. O ArcGIS não tem uma função pronta para isso, mas utilizando se a matemática de bandas é possível selecionar as células, com a expressão:
saida = con (fluxo_acumulado > 100, 1)
O que esta expressão faz? Ela diz ao ArcGIS: se a célula tem valor maior do que 100, altere seu valor para 1. Se o valor for menor do que 100, ele será setado para NoData. "Con" vem de condição ou condicional.
Neste momento, teremos um raster especial, onde todas as células são nulas, exceto as que representam um curso d´água. Uma simples conversão de raster para linha transformaria este resultado em vetores
Nota: o resultado da fórmula acima será um raster em memória chamado "saida". Seu raster de fluxo acumulado, deve ter o nome "fluxo_acumulado". A matemática de bandas funciona com o nome das camadas no Table of Contents.
Nota 2: a revista Geo.NET está para sair. Anunciamos ela para o início de abril, mas as coisas ficaram muito mais corridas que o normal e não conseguimos lançá-la no momento previsto. Estamos todos terminando nossos artigos e em breve publicaremos.
Espero que tenham gostado.
Um abraço,
George Rodrigues da Cunha Silva
Modelos Digitais de Elevação e Hidrologia
Boa noite senhores e senhoras.
Vamos falar um pouquinho sobre os tipos de análises realizadas para extração de feições hidrológicas, de forma automática, como delimitação de bacias, ordenação de cursos d´água, construção de rede, entre outras.
Existem alguns conceitos importantes que precisamos dominar antes de sair mexendo com este tipo de ferramental, como o ArcHydro (para ArcGIS) ou o SPRING.
Vamos delimitar os seguintes conceitos:
- Grade regular
- TIN
- DEM/MDT
- Extração automática de feições hidrológicas
Por favor, dê uma olhada também no post Análise Espacial: tipos de Análise para saber sobre análises focais, locais, globais, etc. Estes conceitos também são importantes para ajudar à entender o que veremos à seguir.
Grade Regular
Uma grade regular representa computacionalmente uma superfície contínua, ao contrário de um vetor, capaz de representar somente feições discretas. Uma grade regular é essencialmente uma imagem. É uma matriz x,y,z na qual temos informações de coordenadas e uma terceira dimensão associada aquela célula.
Cada grade regular, ou raster, deve ter: tamanho de célula definido (largura x altura ou resolução espacial), tamanho (altura x largura total, ou a extensão geográfica da grade) e dois pares de coordenadas (geralmente XYmin e XYmax).
Sem estas informações não é possível referenciar esta grade em um software de geoprocessamento, apesar de ainda ser possível realizar operações matemáticas na mesma.
Não necessariamente teremos em uma grade regular, um valor de altimetria associado ao eixo z.
É possível ter qualquer tipo de informação no eixo z, como temperatura, direção do vento, direção do caimento do terreno, informações de classe (pertencimento de uma célula à uma ou outra classe), entre outras (neste caso, onde altimetria não está presente no eixo z, chamamos aquela grade regular de DSM, ou Digital Surface Model).

Grade Regular - pertencimento à classe (fonte: http://www.co.dakota.mn.us/Departments/GIS/Newsletter/Winter2006_GIS101_raster_faster.htm)
Lembrem-se: uma grade regular, sempre será uma superfície contínua.
TIN - Triangular Irregular Network / Rede Irregular Triangular
Um TIN, ao contrário de uma grade regular, é irregular. A principal diferença é que o TIN é feito de alguns nós (com informação no eixo z) e conectores, que não se intereseccionam nunca. As conexões são organizadas de forma à formarem superfícies triangulares únicas (de três em três pontos). Através desta rede triangular, surgirá uma superfície (composta de milhares de outras superfícies triangulares) contínua.
Assim como as grades regulares, não precisamos necessariamente representar elevação no eixo z. Podemos utilizar qualquer informação que varie com o espaço, como temperatura, pressão atmosférica, etc. Nem todas as superfícies modeladas com TINs ficará precisa, portanto é preciso parcimônia e estudo para se decidir entre o TIN e a grade regular no momento de modelar uma superfície.
Os TINs são basicamente construídos por um processo chamando Delaunay triangulation, um processo iterativo que constrói círculos tocantes aos vértices ou nós, sem deixar nenhum ponto dentro de um destes círculos. Se a triangulação não se compromete com este resultado, não pode ser chamada de triangulação de Delaunay.
DEM/MDT
DEM ou MDT é um modelo digital de terreno ou de elevação é uma representação computacional da topografia do terreno.
Técnicas representacionais: grades regulares ou TINs (Triangular Irregular Network).
Como é construído: utilizando-se dados brutos de elevação, como pontos contados, curvas de nível ou qualquer outra informação de altimetria, através de uma interpolação (ou triangulação) e criação de uma superficíe contínua.
Para que utilizar: através de um MDT podemos realizar diversas análises que necessitem de informações altimétricas para funcionarem, como: visibilidade, delimitação de bacias, corte/aterro, entre outras.
Extração automática de feições hidrológicas
Para extrair feições hidrológicas automaticamente, precisamos de um modelo digital de elevação. Por que? Porque a água flui sempre pelo caminho de menor esforço, ou seja, sempre de cima para baixo e sempre pelo caminho de maior declive. É importante entendermos isto e nos lembrarmos sempre quando estivermos trabalhando com hidrologia. Parece básico, mas já vi muita gente se esquecendo. É por esta premissa que todas as ferramentas de geoprocessamento para esta área funcionam. Não devemos esquecê-la né?
Todos os processamentos aqui apresentados são válidos apenas para rasters ou grades regulares. TINs precisam ser convertidos para rasters, senão não é possível realizar estes procedimentos.
Um software não consegue entender a realidade como os seres humanos, portanto algumas ferramentas foram criadas para traduzir nosso entendimento matemático e físico de que a água sempre corre pelo caminho de menor fluxo. Estas ferramentas, aplicadas nesta ordem em particular irão nos ajudar.
- Flow Direction
- Flow Accumulation
Com estas duas simples ferramentas conseguimos identificar onde o fluxo se acumula. Vamos falar sobre cada uma delas:
Flow Direction
Esta é uma ferramenta de focal analysis que percorre janelas no raster de acordo com um kernel (veja o post mencionado lá em cima, que ele explica quase tudo
). Cada célula é comparada com seus vizinhos e determina-se a direção do fluxo.
Existe um modelo para identificarmos as direções neste caso (para o ArcGIS e ArcHydro), chamado D8 Model (ou Eight Direction Model).

Matriz de Direção de Fluxo (fonte: http://webhelp.esri.com/arcgisdesktop/9.2/index.cfm?TopicName=Flow_Direction)
Lembrem-se que estamos analisando a célula em branco. Uma fórmula matemática é aplicada à cada par de células (a célula central + célula adjacente) para se determinar o fluxo.
(hMax - hMin / distância) * 100
O maior valor resultante determina para qual célula o fluxo continua. Por que esta fórmula? A água sempre escorre pelo caminho de menor esforço e o caminho de menor esforço é do maior declive (ou não existiriam cachoeiras!).
Por isto a diferença de altura entre as células é levada em conta. Mas e a distância, o que tem à ver? Como podemos calcular declive (um ângulo) sem usar a distância? É uma relação trigonométrica, rise over run, "subida sobre corrida".
Todos os cálculos de declividade entre células é realizado com distâncias ideais, para não sobrecarregar e aumentar o tempo de processamento. A distância considerada é tomada entre os centros de cada célula e supondo que o tamanho de cada célula seja 1x1 unidade, a distância horizontal ou vertical entre cada célula é 1 e a distância entre células em diagonal: ?2 (raiz de 2) - ou 1.414. Não nos importa aqui o tamanho real da célula, pois ele é constante, correto? Estamos falando de grades regulares.
Como cada célula é processada de acordo com seus vizinhos (existem algumas exceções para células de borda, geralmente fluindo obrigatoriamente para dentro da grade regular) e teremos no final, o seguinte resultado:

Direção de Fluxo (fonte: http://webhelp.esri.com/arcgisdesktop/9.2/index.cfm?TopicName=How%20Flow%20Direction%20works)
Temos aí nosso raster de direção de fluxo. Acima, temos também a expressão que calcula a direção do fluxo na ferramenta Raster Math do ArcGIS.
Flow Accumulation
Esta ferramenta irá determina por onde o fluxo se acumula. Ela é muito importante e é o pivô da delimitação automática de bacias e cursos d´água. Alguém tem um palpite como ela funciona?
Cada célula de nosso raster é visitada, comparada com seus vizinhos e então contamos quantos vizinhos fluem para a mesma. Este valor é assinalado para a célula. O interessante deste processo é sua progressão: conforme a análise é realizada já temos um panorama do resultado final. O algoritmo é confiável, pois não considera a célula atual no cálculo, portanto não importa de onde comecemos o processamento, o resultado é o mesmo.
Células que não recebem fluxo são assinaladas o valor zero. Por que? Pois identificam cristas e topos de morro. A água nunca irá subi-los!

Flow Accumulation (fonte: http://webhelp.esri.com/arcgisdesktop/9.2/index.cfm?TopicName=Flow_Accumulation)
Com esta superfície de fluxo acumulado podemos visualizar como a água escorre pelo terreno. Simples não?
Para estudos: O Help do ArcGIS (tanto do 9.2 quanto do 9.3 - são muito bons) em: Extensions > Spatial Analysis > Hydrologic Analysis e o poderoso site do ArcHydro e CRWR (Center for Research in Water Resources).
O senhor responsável pelo desenvolvimento do ArcHydro trabalha neste centro de pesquisa e recebe orientandos do mundo todo. Vale a pena dar uma conferida.
Agora fica uma pergunta para vocês: como é possível delimitar automáticamente os cursos d´água utilizando-se somente a superfície de fluxo acumulado?
Não existe nada de muito complicado nisso, é apenas o uso inteligente de conceitos e idéias existentes à muitos milhares de anos
.
Espero que tenham gostado.
George R. C. Silva
Monografias Geoprocessamento – IFPB
Olá pessoal!
Depois de disponibilizarmos aqui duas monografias dos autores do blog, estou passando pra vocês o endereço da página do Curso Superior de Tecnologias em Geoprocessamento do Instituto Federal de Educação, Ciência e Tecnologia da Paraíba - IFPB.
Como informa o próprio site o curso "forma tecnólogos instrumentalizados com os recursos da Geomática, atuando como agentes de desenvolvimento sustentável do ambiente urbano, a partir de uma visão científico-tecnológica, abrangente e atualizada."
O curso, que oferece cinquenta vagas anuais, é reconhecido pelo MEC desde 2008. A carga horária total é de 2068 horas.
Na seção de "publicações" você tem acesso e permissão de download gratuito, no formato PDF de diversas monografias, que abordam desde assuntos que vão do desenvolvimento de plugins para softwares, passando pelo uso de aplicações SIG e Banco de Dados Geográficos até o Webmapping.
Os trabalhos são de alta qualidade. Conheço pessoalmente a maioria dos autores (afinal, fizemos o mesmo curso). Veja alguns dos temas que você encontrará no site:
Gerenciamento de Atividades de Agricultura Familiar Sustentável com Base em Técnicas de Geoprocessamento, no Município de João Pessoa/PB.
Utilização de Técnicas de Geoprocessamento na Identificação de Locais Críticos de Acidentes de Trânsito.
Geoprocessamento Aplicado ao Planejamento dos Transportes Urbanos.
Geoprocessamento como Suporte à Administração do Agronegócio.
Ortorretificação de Fotografias Áereas de Pequeno Formato Obtidas com Câmara
Digital Convencional.
Proposta para Compartilhamento de Dados Geográficos entre Setores da Prefeitura Municipal de João Pessoa Através do Serviço WMS.
Desenvolvimento de uma Aplicação SIG-WEB Voltada ao Turismo.
E ai? Deu pra sentir o gostinho do que você vai achar lá no site do curso? Não perca tempo, acesse já!
Espero que tenham gostado da dica de hoje.
Um Abraço e até a próxima.
--
Anderson Medeiros
Monografia: WebMapping – gvSIG – Alov Map
Olá Pessoal!
Seguindo o bom exemplo de nosso colega George, estou disponibilizando a versão em PDF de minha monografia, apresentada ao Curso Superior de Tecnologia em Geoprocessamento do IFPB.
Para baixar o arquivo, clique no tema do trabalho, que é:
Desenvolvimento de uma Aplicação Webmapping Direcionada a Pesquisas Educacionais
Entre as ferramentas livres utilizadas para o desenvolvimento deste projeto estão o gvSIG, Alov Map e SciTE.
Já publiquei aqui neste blog uma postagem resumindo alguns aspectos desse trabalho. Você pode acessá-la clicando aqui.
Assim como fez o George, peço que se encontrarem algum erro, ou tiverem alguma dúvida entrem em contato (anderson@geoprocessamento.net).
Um Abraço e até a próxima postagem.
Anderson Medeiros
Monografia
Boa noite pessoal,
Muita gente já me pediu e estava sem tempo de colocar online, mas agora vai.
A Construção de um Sistema Geocodificado de Acidentes de Trânsito
Defendi a monografia ano passado e fica como referência para quem tiver interesse.
Tenho certeza que não é perfeita, portanto, se tiverem algumas dúvidas ou enxergarem alguns erros, por favor, entre em contato
Abraços
George
Acidentes de Trânsito e Geoprocessamento
Olá novamente pessoal,
Venho falar com vocês de um assunto sério: acidentes de trânsito. Matam milhares de pessoas, ferem outras milhares e custam aos cofres públicos milhares de reais anualmente. Claro que o dinheiro neste caso não é o denominador comum, mas imaginem:
De acordo com o IPEA (Instituto de Pesquisas Econômicas Aplicadas) cada acidente de trânsito custa, em média, por vítima envolvida:
- vítima ilesa: R$1.040,00
- vítima ferida: R$36.305,00
- vítima fatal: R$270.165,00
São valores absurdos. Isso, de acordo com o IPEA, envolve não só custos materiais e despesas hospitalares, mas também perda de produção, ou seja, dias parados no trabalho.
Bem, e o que Geoprocessamento ou SIG tem à ver com isso? Bem, um acidente é um evento extremamente complexo, com diversas variáveis importantes para uma macro-análise do trânsito e da segurança viária. Então, como conhecer um acidente de trânsito e suas variáveis? Como analisar a frequência de acidentes e as condições de tráfego de cada via? Podemos correlacionar os acidentes com mau tempo?
Um sistema que cadastre e analise acidentes é o ideal. Mas como localizar cada acidente? Temos à nossa disposição em quase todos os softwares de SIG/GIS ferramentas que executam a geocodificação. A geocodificação é basicamente o processo de se assinalar uma localização pontual (um ponto) à uma descrição textual, geralmente um endereço. Podemos utilizar ferramentas de geocodificação para localizar acidentes? Afirmativo. E focos de dengue? Afirmativo. E...qualquer coisa que possua um endereço em seu cadastro.
Um sistema deste tipo pode ajudar a salvar vidas e a diminuir o gasto público com obras ou medidas de segurança desnecessárias. Um sistema que realize este trabalho pode dar aos responsáveis pelo planejamento viário, subsídio técnico-científico para a proposição de medidas concretas.
Durante minha monografia, tentei desenvolver um sistema que fizesse este tipo de trabalho. Utilizei para o trabalho o banco de dados PostgreSQL e PostGIS e um algoritmo de geocodificação desenvolvido por David Bitner (não tenho o endereço do algoritmo, mas se quiserem dar uma olhada só me pedir por email).
Funcionou?
Funcionou, mas existem alguns percalços no caminho: a polícia militar e outros órgãos que registram os acidentes de trânsito em boletins de ocorrência, algumas vezes registram somente a via em que o acidente ocorreu e as vias que interseccionam aquele trecho (Rua X, entre rua A e Avenida B) ou somente o cruzamento em que o mesmo ocorreu.
Ferramentas de geocodificação tradicionais não suportam este tipo de endereçamento, portanto utilizei um pouquinho de código pl/pgsql para adicionar esta funcionalidade. Seria um sistema muito ruim se mais da metade dos acidentes cadastrados não fossem possíveis de serem geocodificados. Qualquer análise espacial realizada seria furada, pois os dados não estão completos.
Certo, mas o que eu preciso para montar algo similar? Ok, vamos lá.
- Uma base de referência de logradouros, com os seguintes atributos (ou similares): ID_Trecho, ID_Logradouro, Tipo_Logradouro, Nome_Logradouro, Numero_Inicial_Esquerdo, Numero_Inicial_Direito, Numero_Final_Esquerdo e Numero_Final_Direito, Intersecao_Anterior e Intersecao_Posterior. A base deve conter os trechos de logradouros devidamente preenchidos.
- Você pode usar um Guia Sei ou IR A CAMPO, e anotar estas numerações. Claro que para um projeto maior isto não funcionaria, mas é um começo. Nos campos Numeracao*, devem constar as numerações iniciais/finais de cada lado da via e em Intersecao* os logradouros que interseccionam aquele trecho.
- O algortimo geocodificador e um serviço geocodificador. Tudo isto vem com o algoritmo. O algoritmo é um pedaço de código que é orientado pelo serviço. O serviço é criado preenchendo-se a tabela correta, onde indicaremos qual é a base de referência e quais são os campos de interesse.
- Não tem quatro. É só isso.
Bem cada acidente tem suas características, um número x de veículos envolvidos e outras informações relativas à cada motorista e gravidade de ferimentos (por veículo). A maioria dos algoritmos geocodificadores possuem ferramentas para geocodificação ad-hoc (propósito em si) e podemos desenvolver maneiras para geocodificador dados em batch (ou fornadas, levas, etc.).
No caso deste trabalho, foi desenvolvido um trigger ou gatilho, disparado assim que um usuário inserir alguma coisa na tabela que registra os acidentes, realizando uma busca pela representação pontual daquele endereço. Este trigger também avalia o tipo de endereço inserido pelo usuário, se ele representava um endereço completo (Rua A, 768) ou se representava um cruzamento (Rua A com Rua B) ou se apenas continha os valores das interseções (Rua A, entre Rua B e Rua C).
As funções complementares, que geocodificam entre intersecções ou em cruzamentos são apenas o uso simples de SQLs comuns e da função nativa do PostGIS ST_Line_Interpolate_Point, que recebe como argumentos a linha que se deseja interpolar a uma porcentagem.
Certo, como localizar um cruzamento? Bem, lembra que nossa base de referência possui o atributo Sufixo_Direcao e que este representa para qual linha "estamos indo"? Então, para selecionar a linha e mandar ela para a função, foi utilizando o seguinte:
SELECT * FROM logradouros WHERE Tipo_Logradouro = 'TipoEscolhido AND Nome_Logradouro = 'NomeEscolhido' AND Sufixo_Direcao = 'IntersecaoPosteriorEscolhida'.
À partir daí é só o caso de jogar na função: ST_Line_Interpolate_Point(ResultadoQuery,.99). A função já lhe retorna o ponto desejado.
E como usar esta função para localizar um acidente que ocorreu entre intersecções? Bem, como não temos idéia de onde o acidente ocorreu na via, utilizamos o ponto médio do logradouro para localizá-lo.
A função utilizada é a mesma, a única coisa que muda é o SQL, onde especificamos também um Prefixo_Direcao e ao invés de .99 na porcetagem da função, utilizamos .5, nos retornando o exato ponto médio daquele trecho.
Bem isso foi apenas uma pequena introdução à geocodificação e ao pequeno trabalho que realizei durante o ano de 2008. O sistema está pronto e funcioona! Mas ninguém usa
.
Já existe um sistema para cadastro de acidentes em Uberlândia, mas é um sistema proprietário, e quem o desenvolvou não tem nem idéia do que Geoprocessamento significa. Ainda vai levar um bom tempo para os órgãos públicos descobrirem o tanto que as novas tecnologias podem ajudar, a poupar e neste caso, até a salvar vidas.
George










