• Nenhum resultado encontrado

Projeto HAND - Megacidades - Documentacao Final...

N/A
N/A
Protected

Academic year: 2021

Share "Projeto HAND - Megacidades - Documentacao Final..."

Copied!
7
0
0

Texto

(1)

Projeto HAND Megacidades

-Documentacao Final

De HANDwiki

Tabela de conteúdo

1 Objetivo 2 Dificuldades

2.1 Valores Não Numéricos 2.2 Área de interesse

2.3 Destacar Corpos D'água 2.4 Erros do Tietê

2.5 Georeferenciamento 3 Metodologia

3.1 Removendo valores não-numéricos 3.2 Área de Interesse

3.3 Removendo erros manunalmente 4 Configurações 5 Benchmark 6 Classificação 6.1 Colaboração IPT 6.2 Classificação OGURA 1 6.3 Classificação OGURA 2 6.4 Classificação HERMANN 6.5 Classificação SP1 6.6 Classificação SP2 6.7 Classificação utilizada 7 Produto 8 Plataforma de disponibilização

Objetivo

Gerar o mapa HAND para a região metropolitana de São Paulo em resolução de 30 metros;

(2)

Dificuldades

Valores Não Numéricos

A principal dificuldade foi lidar com o MDT fornecido pois o mesmo apresentava células com valores não numéricos os quais o HAND não consegue tratar. A partir do momento que todos os valores não numéricos foram traduzidos para zero o HAND funcionou bem.

Área de interesse

Outra dificuldade foi ao definir a área de interesse. Para descartar o entorno da região metropolitana utilizou-se valor 1 para pixels contidos na região

metropolitana e valor zero para pixels fora da região. Entretanto o algoritmo IDL do HAND entende como 1 o pixel a ser descartado e 0 o pixel que será

processado. Isso na importação de uma área de descarte na interface IDL HAND.

Destacar Corpos D'água

Destacar massas d'água foi um procedimento que consumiu muito tempo e

acabou sendo abortado. A reprojeção inicial do SWBD não era perfeita e por fim optou-se por não utilizar máscara SWBD no processamento HAND.

Erros do Tietê

Após o processamento foram verificados erros grosseiros no entorno do rio Tietê. Esses erros prejudicavam a credibilidade do mapa final diante de um observador que desconhecesse as dificuldades de se obter um MDT preciso para a região metropolitana de São Paulo. Os erros no entorno do Tietê foram editados

manualmente e assim removidos. Não se pode garantir precisão das correções e sabe-se que outros erros permanecem no mapa final devido ao MDT não preciso.

Georeferenciamento

Outra grande dificuldade foi georeferenciar o mapa produzido. O metadado do DEM fornecido estava errado e assim toda reprojeção não gerava o resultado esperado. O georeferenciamento só foi resolvido quando se alterou os metadados, inclusive o leste de referencial.

(3)

Valores não numéricos do DEM original foram removidos para então ser possível processar o algoritmo HAND.

Área de Interesse

Foi gerada uma máscara para o HAND processar apenas uma área de interesse, no caso a região metropolitana de São Paulo.

A máscara foi gerada através do ENVI.

1. Foi carregado o MDT original (apresentando apenas informações de elevação na área de interesse e zero para todo o entorno)

2. Em Basic Tools/Masking/Build Mask gerou-se uma máscara binária que apresenta valor 1 para o entorno e valor zero para a área de interesse.

Removendo erros manunalmente

O MDT de São Paulo apresentava zonas no entorno do Tietê com elevação maior do que o esperado. Essas elevações geravam classes HANDs não esperadas para a borda do rio.

Como não foi vislumbrado nenhum procedimento automático, essas áreas foram corrigidas manualmente.

(4)

Depois:

Configurações

Pixel DEM original: 30 m Limiar: 450

Não foi utilizado máscara de oceano

Benchmark

Algoritmo IDL HAND exibiu a seguinte informação de processamento:

Tiles: 77

Números: 300 . XXX

Tempo de processamento: Menos de 10 minutos

Classificação

Colaboração IPT

Houve uma reunião com o IPT na sala do grupo HAND para conhecer melhor o propósito do Megacidades e as contribuições que cada Instituto poderia

oferecer.

Dessa interação o senhor Ogura indicou 2 classificações que foram utilizadas no mapa final do HAND.

(5)

Class #1 = (HAND < 5.30000) {Blue1}

Class #2 = (5.30000 <= HAND <= 15.0000) {Green}

Class #3 = (HAND > 15.0000) and ({declividade} < 22) {Black}

Class #4 = (HAND > 15.0000) and (22 <= {declividade} <= 34) {Thistle} Class #5 = (HAND > 15.0000) and (34 <= {declividade} <= 67) {Yellow} Class #6 = (HAND > 15.0000) and ({declividade} > 67) {Red}

Class #7 = (DEM <= 0.00000) {White} Class #8 = ({mascara_tiete} = 1) {Blue1}

Classificação OGURA 2

Class #1 = (HAND < 5.30000) {Blue1}

Class #2 = (5.30000 <= HAND <= 15.0000) {Green}

Class #3 = (HAND > 15.0000) and ({declividade} < 11) {Black}

Class #4 = (HAND > 15.0000) and (11 <= {declividade} <= 33) {Thistle} Class #5 = (HAND > 15.0000) and (33 <= {declividade} <= 66) {Yellow} Class #6 = (HAND > 15.0000) and ({declividade} > 66) {Red}

Class #7 = (DEM <= 0.00000) {White} Class #8 = ({mascara_tiete} = 1) {Blue1}

Previamente à reunião também foram testas outras classificações, a seguir.

Classificação HERMANN

Class #1 = (HAND < 5.30000) {Blue1}

Class #2 = (5.30000 <= HAND <= 15.0000) {Green}

Class #3 = (HAND > 15.0000) and ({declividade_SPtratado} < 7.99000) {Black}

Class #4 = (HAND > 15.0000) and (7.99000 <= {declividade_SPtratado} <= 15.9900) {Thistle} Class #5 = (HAND > 15.0000) and (15.9900 <= {declividade_SPtratado} <= 29.9900) {Maroon1} Class #6 = (HAND > 15.0000) and (29.9900 <= {declividade_SPtratado} <= 100.000) {Yellow} Class #7 = (HAND > 15.0000) and ({declividade_SPtratado} > 100.000) {Red}

Class #8 = (DEM <= 0.00000) {White}

Classificação SP1

Class #1 = (HAND < 5.30000) {Blue1}

Class #2 = (5.30000 <= HAND <= 15.0000) {Green}

Class #3 = (HAND > 15.0000) and ({declividade_SP} < 66.6700) {Red} Class #4 = (HAND > 15.0000) and ({declividade_SP} > 66.6700) {Yellow} Class #5 = (DEM <= 0.00000) {White}

(6)

Class #1 = (HAND < 5.30000) {Blue1}

Class #2 = (5.30000 <= HAND <= 15.0000) {Green}

Class #3 = (HAND > 15.0000) and (0.000000 <= {declividade_SPtratado} <= 1.00000) {Thistle1} Class #4 = (HAND > 15.0000) and (1.10000 <= {declividade_SPtratado} <= 66.6700) {Red} Class #5 = (HAND > 15.0000) and ({declividade_SPtratado} > 66.6700) {Yellow}

Class #6 = (DEM <= 0.000000) {Black}

Classificação utilizada

A classificação utilizada finalmente foi a OGURA 1.

(7)

Plataforma de disponibilização

Os dados espaciais resultantes do projeto Megacidades/HAND foram inseridos em um repositório de dados espacias formado por:

Banco de dados espacial Postgree+PosGIS; Webmapping por GeoServer

Interface HTML por OpenLayers Interface SIG por WMS, WFS

No repositório espacial todos os dados foram reprojetados no sistema de referência:

LatLon, WGS84, Unidade em graus

Obtido em "http://localhost/mediawiki/index.php/Projeto_HAND_-_Megacidades_-_Documentacao_Final"

Esta página foi modificada pela última vez às 14h06min, 11 de agosto de 2010.

Referências

Documentos relacionados

O relato é de natureza aplicada e apresenta abordagem qualitativa, pois teve como objetivo gerar conhecimentos para aplicação prática do uso de gamificação através

As plantas suspeitas e oito plantas escolhidas aleatoriamente de cada bandeja foram levadas para o laboratório do Centro de Pesquisa e Desenvolvimento de

O princípio fundamental da dignidade da pessoa humana salta aos olhos a qualquer relação em que for mencionado. Isso provavelmente se explica pela ideia

O processo de transformação bacteriana utilizada na Biologia Molecular ocorre in vitro, e pode ser afetado pelo tamanho e conformação da molécula de DNA a ser introduzida na

O trauma deixa de ser anterior ao sujeito, como queria Freud em sua concepção do mal estar, para ser aquilo que pode surgir como efeito do furo produzido

 

Em relação aos hábitos e doenças maternas, após ajuste, a ocorrência de RPMpt foi maior naquelas mulheres que realizaram tratamento para ameaça de abortamento e de trabalho de

Região, Relator: Ministro Alberto Luiz Bresciani de Fontan Pereira, Embargante: PATRICIA DOS SANTOS, Advogado: Luís Claudio Silva Nascimento, Embargado(a): UNIÃO (PGU),