Faculdade de Letras da Universidade do Porto
Departamento de Geografia
Mestrado em Sistemas de Informação Geográfica e Ordenamento do Território
Relatório do Trabalho Prático Raster
Áreas de Proteção Especial e Planeamento de um Percurso
Pedestre
Unidade Curricular: Análise Espacial Docente: Mónica Santos
Discentes: Joana Teixeira, Natália Pinheiro
2
Índice
1.Introdução ... 3 2.Objetivos ... 4 3. Procedimentos Metodológicos ... 5 4. Conclusão ... 16 5.Bibliografia ... 17Índice de Figuras
Figura 1-Metódos de Interpolação ... 8Figura 2- Áreas de Protecção Especial de Povoamentos de "Convolvulus fernandessi" no Distrito de Setúbal ... 9
Figura 3- Média e Amplitude Hipsométrica das áreas consideradas adequadas ... 10
Figura 4- Bacia de Visão ... 11
Figura 5- Mapa de Aptidão com o Caminho Mínimo e o Corredor Mínimo ... 15
Índice de Tabelas
Tabela 1-Valores dos diferentes interpoladores ... 9Tabela 2-Atribuição de Pesos ... 13
Tabela 3-Somatório dos Pesos ... 13
3
1.Introdução
O presente trabalho enquadra-se no Âmbito da Unidade Curricular de Análise Espacial leccionada no 1º Ano de Mestrado em Sistemas de Informação Geográfica e Ordenamento do Território proporcionado pela Faculdade de Letras da Universidade do Porto, sendo-nos solicitado pelo docente a elaboração de um trabalho constituído por duas pessoas.
Ao longo desta unidade curricular, percebemos que a forma de representar a realidade pode ser expressa em modelos de dados distintos e funções distintas, pois como cada representação tem um objetivo diferente, terá de se optar pelo modelo mais adequado. Neste trabalho, o modelo de dados utlizado foi o matricial ou raster, em que a sua matriz regular (grid) é constituída por células ou pixéis, cuja sua localização é dada pela sua posição na grid. As principais características do modelo matricial ou raster é que dividem a totalidade da área de estudo numa grelha regular de células, cuja dimensão define a sua resolução; os seus objetos são definidos a partir de um conjunto de células; a localização de cada objeto é definida pelo seu posicionamento na grelha em termos de linha e coluna; cada célula (pixel) contém um único valor. O tamanho do pixel depende da resolução. A resolução é definida pelo comprimento do lado dos pixéis.
As vantagens do modelo raster este é adequado a fenómenos contínuos, as operações de sobreposição são fáceis e eficientes, a estrutura de dados é simples e é um formato bom para a representação de fenómenos com grande variabilidade espacial. Contudo tem as suas desvantagens como mais pesado em armazenamento e a redução do tamanho do pixel aumenta exponencialmente o volume dos dados.
A temática deste trabalho consiste numa primeira parte a delimitação de áreas de proteção especial e a segunda parte num planeamento de um percurso pedestre. É necessário revelar que numa perspectiva inicial o objectivo primordial deste trabalho é consolidar os conhecimentos aprendidos nas aulas e pô-los em prática, utilizando de forma integrada a informação fornecida, como permitiu também que adquirisse-mos conceitos, informação e técnicas e numa fase final possibilitou a interpretação. Para a elaboração deste trabalho a metodologia utilizada centrou-se essencialmente nas shapefiles fornecidas pela docente. Para dar resposta às finalidades deste trabalho, irá ter a descrição dos procedimentos no tratamento dos dados e análise relativa aos resultados dos mesmos. Ao longo do trabalho serão esclarecidas as opções metodológicas, problemas e soluções encontradas de forma precisa e clara.
4
2.Objetivos
Os objetivos principais deste trabalho e como já referimos anteriormente numa primeira parte é a delimitação das áreas de proteção especial de povoamentos de “Convolvulus fernandesii” no Distrito de Setúbal tendo em conta as seguintes condições: áreas com ocupação florestal; vertente sul e este; áreas calcárias (do Jurássico); menos de 30 dias de geada por ano (identificar o método de interpolação mais adequado); declives superiores a 10 graus.
De seguida saber qual a média e amplitude hipsométrica das áreas de proteção especial consideradas adequadas e por último saber quais são áreas de proteção que são visíveis a partir dos Miradouros (considerando um posto de observação de 5m acima da cota Z e vendo uma extensão máxima de 20km).
Na segunda parte tem como principal finalidade, planear um percurso pedestre entre Vila Nova de Santo André e a Fortaleza, tendo em conta o trajeto mais apto. Desta forma, são considerados vários factores a ter em conta como a distância a rede viária (quanto mais distante melhor); uso do solo (procurar não passar por áreas urbanizadas); declives (evitar áreas com forte declive); não poderá haver qualquer sobreposição ao tipo de paisagem: Dunas.
Em suma, construir um mapa de aptidão, com base na Análise Hierárquica Analítica e cartografar a melhor opção do traçado, bem como possíveis alternativas para o cliente.
5
3. Procedimentos Metodológicos
Como já referido, a elaboração deste trabalho baseou-se na informação fornecida pela docente, como a Hipsometria, Rede viária, Litologia, Distrito de Setúbal, Fortaleza, Miradouros, Número de dias de geada, Tipos de Paisagem, Corine Land Cover 2006 Setúbal e Vila Nova de Santo André que já vinha definida com o sistema de coordenadas ETRS-1986-TMO6- Portugal, utilizámos o programa Arcgis 10.3 da ESRI (ArcMap, ArcTolbox, ArcCatalog), para a realização do trabalho e a construção de mapas temáticos.
1ª Parte
Portanto como já possuíamos um objetivo pré definido pela docente numa primeira fase, que consiste na delimitação das áreas de proteção especial de povoamentos de “Convolvulus fernandesii” no Distrito de Setúbal tendo em consideração várias condições. Posteriormente e como já referido iremos explicar da melhor forma todos os procedimentos efectuados.
Em primeiro definimos a extensão e a máscara para o Distrito de Setúbal através da ferramenta Environments.
Áreas com ocupação florestal
Convertemos a CLC06 para raster (Conversion Tools -» To Raster -» Polygon to Raster), usando como value Code-06 e de celsize de 30, de seguida fomos a tabela de atributos da shapefile com o nome “corine_raster” e fomos ver os números de ocupações florestais neste caso são: 311/312/313/321/322/323/324/331/332/334.
Posteriormente fomos ao Spatial Analyst Tools -» Map Algebra -» Raster Calculater: (Corine==3) + (Corine==2) + (Corine==6) +(Corine==25) + (Corine==11) + (Corine==15) +(Corine==1) + (Corine==24) + (Corine==39) + (Corine==37) e guarda-mos com o nome de “ocup_flores”.
6 Vertente Sul e Este
Nesta condição recorremos a ferramenta Spatial Analyst Tools -» Surface -» Aspect com a hipsometria, e guarda-mos com o nome de “ aspect”. Como queríamos só as vertentes de Sul e Este tivemos de fazer uma reclassificação em que o valores correspondentes a Sul e Este demos 1, e as restantes de 0, assim sendo fomos ao Spatial Analyst Tools -» Reclass -» Reclassify colocar os números:
67.5-11-5=1 157.5-202.5=1 O resto é 0.
Áreas calcárias (do Jurássico)
Convertemos a litologia para raster, usando como value Per-Geol e celsize 30, dando o nome de “lito_raster”(Conversion Tools-» To Raster -» Polygon to Raster), de modo, a termos somente as áreas calcárias. Desta maneira, acabámos por fazer um raster calculater em que selecionamos essas áreas: (litologia==9) com o nome de “litologia2”.
Menos de 30 dias de geada por ano (identificar o método de interpolação mais
adequado)
“A interpolação é uma técnica utilizada para a estimativa do valor de um atributo em locais não amostrados, a partir de pontos amostrados na mesma área ou região.
A interpolação espacial converte dados de observações pontuais em campos contínuos, produzindo padrões espaciais que podem ser comparados com outras entidades espaciais contínuas”.
Nesta condição decidimos utilizar o método de interpolação o Inverse Distance Weighting (IDW) o Kriging e o Cokriging. Em que, o IDW é um método exato e bom para visualização e interpretação de uma determinada superfície, cuja distribuição é fortemente correlacionada com a distância. Já o Kriging é um dos mais complexos, sendo também uma técnica de média ponderada com o IDW, mas aplica métodos estatísticos. Este mede os relacionamentos entre todos os pontos da amostra e prediz o valor de amostra. Deste modo, para fazer o IDW recorremos á barra do Geotatistical
7 Analyst -» Geotatistical Wizard -» Determinist -» Methods -» Inverse Distance Weighting, no Source Dataset aplicamos Ndiasgeada e como o valor de interpolação usamos o Ndias, fizemos next até obtermos o último separador, que nos dá a oportunidade de exportar o erro e a interpolação como shapefile (nome="erro_idw”).
Em seguida exportamos o erro_idw para database, de modo a podermos calcular os valores e avaliar os melhores métodos de interpolação. Já no IDW, recorremos as suas propriedades através do extent para podermos restringir a interpolação exclusivamente no Distrito de Setúbal (the rectangular extent of Distrito de Setúbal). Após isso, exportamos como vectorial com o nome de “IDW_GEADA”, fizemos o clip pelo distrito (IDW_distrito) e na simbologia mudamos manualmente os valores para iguais ao que está no IDW.
Posteriormente para fazer o Kriging utilizamos a barra do Geotatistical Analyst -»Geotatistical Wizard -» Determinist -» Methods -» Kriging/Cokring, aplicamos como Source Dataset a Ndiasgeada e com o valor de interpolação o Ndias, clicamos no next e prosseguimos colocando o ordnary, de novo next, no type metemos o Gaussian, optmizamos o modelo no General -» optmize model.
Logo de seguida, exportamos o erro para shapefile como o nome “erro_kringing”, voltamos a exportar o erro para database, limitamos para o Distrito de Setúbal, exportamo-lo para vectorial (Kriging_geada) e para concluir voltamos a fazer um clip pelo distrito como o nome de “kriging_geada”, e na simbologia mudamos os valores manualmente de modo a ficarem iguais ao kriging.
No Cokriging decidimos usar uma variável auxiliar sendo ela a distância ao mar. No entanto tivemos que fazer a sua média, isto é, criamos um campo comum na sua tabela com o nome de média e calculamos no field calculater: [Value- Min]+[Value-Max]/2. Assim sendo, fomos novamente á barra do Geotatistical Analyst -» Geotatistical Wizard -» Determinist -» Methods -» Kriging/Cokriging, utilizamos como Source Dataset a Ndiasgeada e como valor de interpolação o Ndias, já no dataset 2 usamos a distância mar, com valor de interpolação a média, fizemos next e no kriging type colocámos o ordnary, voltamos a fazer next, no type pusemos o Gaussian, optmizamos o modelo no General -» optmize model. Após isso, exportamos o erro para shapefile com o nome de “erro_cokring”, voltamos a exportar este erro para database, restringimos para o Distrito de Setúbal, exportamo-lo para vectorial (Cokriging_geada) e fizemos um clip (Cokriging_distrito).
8 Por fim, mudamos os valores da simbologia, tal como fizemos para o IDW e para o Kriging, podemos visualizar as três interpolações na figura 1.
A seguir abrimos o Excel e introduzimos os erros para lá, e calculamos através do Massured e do Predicted, o erro médio, o erro quadrático médio, a média, a mediana, mínimo, máximo, coeficiente de correlação, desvio padrão, erro absoluto médio, erro percentual absoluto médio, erro quadrático médio e finalmente o erro padrão medio padronizado.
Sucessivamente comparamos todos os valores para ver qual era o melhor método de interpolação. Desta forma devemos comparar a estatística discretiva das estimativas produzidas por cada técnica, com as estatísticas descritivas das observações do fenómeno em estudo (Nicolau,2002), sendo também importante uma avaliação subjetiva da razoabilidade dos resultados.
De seguida verificamos que o coeficiente de correlação tem que ter um valor mais elevado. O EM, EAM, EAM % e o EQM têm que ter valores baixos (próximo de 0) e o RMSE tem que ter valores próximos de 1. Deste modo, escolhemos o Cokring, como podemos analisar na tabela 1.
9
c.correlação EM EAM EAM% MÊS(EQM) RMSE
idw 0,85729582967 -0,705197745 -0,003616399 0,5128205 62,08172381 7,879195632
Cokriging 0,909959145 -0,327296034 -0,001678441 0,5128205 41,73807688 6,460501287
kringing 0,889546703 0,22336596 0,001145466 0,5128205 48,31071322 6,950590854
MAIS ELEVADO mais baixo (proximo de 0) mais proximo de 1
As interpolações em modelo vectorial mas nos queremos em raster, para isso tivemos que converter através do Polygon to Raster o Cokring, e só depois é que fizemos a reclassificação, em que os valores <30 atribuímos 1, e os valores> 30 atribuímos 0.
Declives superiores a 10 graus;
Spatial Analyst Tools-» Surface-» Slope, com a hipsometria, e guarda-mos com o nome de “slope”. Depois usamos o “reclassify” para dar novos valores aos declives superiores a 10 graus, isto é os valores inferiores a 10 demos 0, e os valores superiores a 10 demos 1, guarda-mos com o nome de "declives".
Por fim, depois de termos todas as condições restringidas é preciso verificar quais as áreas em que intersectam todos estes factores, para isso, recorremos ao raster calculater e multiplicamos a geada; declives; ocupação florestal; litologia e vertentes, guardamos com o nome de “áreas finais”, como podemos observar na figura 2.
Tabela 1-Valores dos diferentes interpoladores
Figura 2- Áreas de Protecção Especial de Povoamentos de "Convolvulus fernandessi" no Distrito de Setúbal
10 Qual é a média e amplitude hipsométrica das áreas consideradas adequadas
Os tipos de operações nas funções zonais são as médias entre outras visto que é aquilo que desejávamos para obter a média hipsometria pelas áreas consideradas adequadas. Deste modo fomos ao Spatial Analyst Tools -» Zonal -» Zonal Statistics em que o input foi as áreas finais; value hipsométrica, no statistics type colocamos o mean com o nome de "média hip".
Para obter a amplitude hipsometria das áreas dirigimonos ao Spatial Analyst Tools -» Zonal --» Zonal Histogram no input- areas_finais; value- hipsometria tendo como nome “amplitude hipsometria”, seguidamente aparece o gráfico adicionamo-lo ao layout, e exportamos com o nome de “Amplitude Hipsométrica”.
Com estas duas operações conseguimos analisar na figura 3, a média e amplitude hipsométrica das áreas consideradas adequadas.
Figura 3- Média e Amplitude Hipsométrica das áreas consideradas adequadas
11 Quais as áreas de proteção que são visíveis a partir dos Miradouros
(considerando um posto de observação de 5 m acima da cota Z e vendo uma extensão máxima de 20 km)
Sendo as bacias de visão úteis para estudos de impacto visual, planeamento de pontos de observação, existem alguns parâmetros opcionais (atributos na tabela dos temas dos pontos de observação) que podem refinar o cálculo da bacia de visão.
Deste modo, na shapefile dos miradouros fomos a tabela de atributos e adiciona-mos um campo OffsetA, sendo a altura vertical a adicionar ao valor Z dos pontos de observação, em que fomos ao field calculater e colocamos 5 metros. Criamos outro campo sendo ele o Radius2, que é o limite máximo de visibilidade em unidades do mapa, em que fomos ao field calculter e pusemos 20000 km.
Posteriormente, recorremos ao Search procurar multipart em que pusemos os miradouros e demos o nome de “multipart_miradouros”.
Antes de prosseguir para fazer a bacia de visão tivemos que limitar a hipsometria pelas áreas finais, através do Extract by Mask, no qual atribuímos o nome de “extract2”.
Só depois é que pudemos fazer a bacia de visão recorrendo ao Spatial Analyst Tools -» Surface -» Viewshed em que no input colocamos as áreas finais; no input point or polyone observer features introduzimos os miradouros multipart e guarda-mos com o nome de “bacia de visão”, como se pode visualizar na figura 4.
12
2ª Parte
Na segunda parte tem como principal finalidade, planear um percurso pedestre entre Vila Nova de Santo André e a Fortaleza, tendo em conta o trajecto mais apto. Desta forma, são considerados vários factores. Em primeiro definimos a extensão e a máscara para o Distrito de Setúbal através da ferramenta Environments.
Distância à rede viária principal (quanto mais distante melhor)
Nas propriedades fomos a Definition Query e escrevemos "Func=3", que corresponde as estradas principais, esta ferramenta serviu para seleccionar o que desejamos.
Seguidamente, fizemos um Euclidean Distance (Spatial Analyst Tools -» Distance), a fim de vermos a distância da rede principal para o Distrito de Setúbal. Como desejamos saber a área com e sem a rede principal fizemos um raster calculater: (Euclidean -0) / (18404.08984-0), guardamos com o nome de “norm_rede”.
Contudo neste processo a rede principal fica no 1, e não é isso que desejamos, queremos a rede viária quanto mais distante melhor, isto é que esteja no 0, para isso, temos de fazer o inverso da operação. Assim sendo, voltamos a fazer o raster calculater: Abs (norm_rede-1), guardamos com o nome de “rede_viária”.
Uso do solo (procurar não passar por áreas urbanizadas)
Convertemos a CLC06 para raster (Conversion Tools-» To Raster -» Polygon to Raster), usando como value Code-06 e de celsize de 30, de seguida para evitar as áreas urbanizadas reclassificamos (Reclassify), em que todos os valores começados por 1 e 5 atribuímos 10; os valores começados por 2 demos 5; os começados por 3 atribuímos 4; os começados por 4 demos 8 e por fim 334 demos o valor de 0, guardamos com o nome de “corine_rec". De modo, a não ter casas decimais dizemos um flot (Spatial Analyst Tools Math). Depois normalizamos os valores através do raster calculater (float-0) / (10-0), guardando com o nome de “uso_do_solo”.
13 Matriz De cliv es U so d o So lo Dis ta n cia d e re d e viá ria p rin cip al Declives 1,00 0,20 0,14 Uso do Solo 5,00 1,00 0,33
Distancia de rede viária principal 7,00 3,00 1,00
Total 13,00 4,20 1,48 Matriz De cliv es U so d o S o lo Dis ta n cia d e re d e viá ria p rin cip al Declives 1 1/5 1/7 Uso do Solo 5 1 1/3
Distancia de rede viária principal 7 3 1
Declives (evitar áreas com forte declive)
Spatial Analyst Tools -» Surface -» Slope, com a hipsometria, e guarda-mos com o nome de “slope”, e para normalizar os valores recorremos ao raster calculater (slope-0) / (65,97197723-0), em que atribuímos o nome de “declives”.
De seguida fizemos a análise multicritério que são técnicas utilizadas na avaliação de várias dimensões discordantes de um problema, sustentado em tomada de decisões, são essencialmente utlizados para estudos de impacto e aptidão visto que a resolução destes tem de ter em conta vários factores que neste caso é a rede vária, o uso do solo e os declives. O principal objectivo da análise (ou avaliação) multicritério corresponde a melhor opção a ser tomada tendo em conta estes factores de entrada e as restrições.
A atribuição de pesos é subjectiva tendo em conta que depende da importância dada relativa a cada critério. De modo a minimizar o caracter subjectivo desta abordagem procedemos ao Processo Analítico Hierárquico que é uma ferramenta de apoio a tomada de decisão que permite identificar a melhor alternativa.
De seguida fizemos uma comparação de pares de acordo com uma escala quantitativa.
Na tabela 2, definimos os pesos no Excel como podemos verificar, na tabela 3 somamos as colunas, dividindo seguidamente cada célula da matriz pelo somatório da coluna respectiva.
Na tabela 4, a média das divisões de cada linha corresponde ao peso a atribuir a cada um dos factores (cuja a soma deve ser 1).
Posteriormente no ArcGis fizemos um raster calculater para intersectar todas as condições: (delives x 0.07) + (uso do solo x 0.28) + (rede viária x 0.64), com o nome de “cálculo final”.
Tabela 2-Atribuição de Pesos
14 Matriz De cliv es U so d o So lo Dis ta n cia d e re d e viá ria p rin cip al P es o fin al d o C rit ér io Declives 0,08 0,05 0,10 0,07 Uso do Solo 0,38 0,24 0,23 0,28
Distancia de rede viária principal 0,54 0,71 0,68 0,64
Total 1,00
Tabela 4- Pesos Finais
Não poderá haver qualquer sobreposição ao tipo de paisagem: Dunas
Na shapefile dos tipos de paisagem elimina-mos da tabela de atributos as dunas, de seguida convertemos para raster o tipo de paisagem. De modo que o tipo de paisagem se sobrepusesse ao cálculo final, recorremos a um Extract by mask.
Mapa de Aptidão e possíveis alternativas para o cliente
Nesta condição decidimos fazer um caminho mínimo Spatial Analyst Tools -» Distance -» Cost Path e um corredor mínimo Spatial Analyst Tools -» Distance -» Corridor.
O caminho mínimo calcula o percurso menos oneroso entre uma fonte/origem e um determinado destino, é extremamente importante no planeamento dos melhores trajetos entre dois pontos com o menor impacto possível, requer um tema de distância pesada à origem (e tema de direções associado) como pré-requisito, bem como uma localização de destino. Para isso fizemos, um Cost Distance entre a Vila de Santo André, com o cálculo final em que demos o nome de “cost_vila”, ao cálculo de direcção demos o nome de “direcção vila”. De seguida fizemos um Cost Path entre a Fortaleza e o cost_vila e que guardamos com o nome de “cami_min”.
O corredor mínimo é uma variante ao cálculo de um caminho mínimo, uma vez que na realidade é mais realista determinar um corredor de menor impacto do que apenas um traçado rígido, realizado mediante a combinação de dois temas de distância pesada (um criado para a origem e outro para o destino), a soma de ambos os temas de distância pesada (um para cada origem), resulta num tema global de custo, destacando os corredores de menor custo entre ambos (solução mais flexível que o caminho mínimo).
15 Desta forma, realizamos um cost distance entre a fortaleza e o cálculo final em que demos o nome de “cost_fort”, e o cálculo da direção atribuímos o nome de “direcção_fort”; e o outro cost distance entre a vila de Santo André e o cálculo final (neste caso usamos anterior que já tínhamos feito).
Após isto, fizemos o corredor mínimo através do corridor em que usamos os dois cost distance sendo eles o da Vila de Santo André e o da Fortaleza, como se pode observar na figura 5.
16
4. Conclusão
A execução deste trabalho permitiu nos pôr em prática o que aprendemos durante as aulas de Análise Espacial, assim como consolidar conhecimentos adquiridos e obter informação até então desconhecida. Neste projeto tiramos benefícios/ vantagens na análise e funções em modelos de dados matriciais possibilitando um conhecimento mais aprofundado das funcionalidades existentes, como definir a extensão da análise e da máscara; conversão de dados tanto para vectorial-raster como de raster-vectorial e consultas a dados matriciais (raster calculater). O tipos de operações em modelos matriciais e que nos permitiu fazer neste trabalho são as funções locais fazendo as reclassificações; as focais em que utilizamos os declives e exposição de vertentes; as zonais que nos permitiu fazer a média e a amplitude hipsométrica e por último as funções globais em que fizemos a distância euclidiana, direção euclidiana, distância pesada, o caminho mínimo e o corredor mínimo e a bacia de visão.
Neste trabalho também nos permitiu fazer interpolações espaciais sendo útil na análise de fenómenos, também fizemos a análise multicritério em modelos raster muito útil também para estudos de aptidão e de impacto, sendo o seu principal objetivo à escolha da melhor solução que satisfaça os factores de entrada e as restrições.
Para além disso, permitiu que em todas as etapas descrevêssemos todos os passos efetuados tendo em conta o objetivo pretendido pela docente, aperfeiçoando a nossa análise crítica sobre eles, bem como os mapas gerados.
17
5.Bibliografia
Informação fornecida pela Docente
