Geoprocessamento

GEOPROCESSAMENTO
Francieli Santana Marcatto

Características dos SIGs
Objetivos de aprendizagem
Ao final deste texto, você deve apresentar os seguintes aprendizados:
Descrever as aplicações dos sistemas de informação geográfica.

Identificar como são obtidos os SIGs.
Explicar como ocorre a análise espacial dos fenômenos.
Introdução
Os sistemas de informação geográfica (SIGs) surgiram na década de 1960,
com versões iniciais limitadas a funções básicas, devido aos escassos
recursos tecnológicos. Com o advento de novas tecnologias e o de-
senvolvimento de hardware mais potentes, com melhor capacidade de
processamento e armazenamento de dados, os software SIGs também
ganharam novas funções, até se tornarem ferramentas essenciais para o
estudo dos fenômenos que se distribuem pelo espaço.
A evolução da arquitetura e das ferramentas dos SIGs possibilitou sua
aplicação em diversas áreas do conhecimento, ganhando aplicabilidades
e funções específicas para atender diversos tipos de usuários. Os avanços
contínuos relacionados a esses software facilitam e agilizam os estudos
espaciais, sejam eles associados à área ambiental ou socioeconômica,
afinal, tudo o que estudamos possui uma localização no espaço e interage
com outras variáveis. Além disso, a espacialização dos dados geográficos
possibilitada pelos software SIG facilita a análise espacial, seja ela simples,
pela qual observamos a distribuição geográfica de um fenômeno, ou mais
complexa, incluindo diversas variáveis e o levantamento de hipóteses.
Neste capítulo, você vai estudar algumas aplicações dos SIGs nas áreas
ambiental, socioeconômica e de planejamento e gestão territorial. Você
também vai verificar algumas características que são importantes para
a escolha de um SIG e exemplos de software que estão disponíveis no
mercado. Por último, você vai compreender como é realizada a análise
espacial, verificando os tipos de dados e os modelos inferenciais aplicados
a ela.
2 Características dos SIGs
1 Aplicações dos sistemas de informação

geográfica
Os SIGs são ferramentas computacionais utilizadas para realizar a análise de
dados geográficos em diferentes níveis de complexidade, integrando dados
de fontes de origem diversas e criando um banco de dados georreferenciado
(CÂMARA; DAVIS, 2001). A possibilidade de coletar dados geoespaciais com
temáticas diversas torna os SIGs aplicáveis a diversas áreas do conhecimento.
Câmara et al. (1996) destacam as diversas aplicações dos SIGs e enfatizam
que os seus usuários têm perfis diferentes, associados aos seus domínios de
conhecimento (geólogos, sociólogos, geógrafos, biólogos, engenheiros). Isso
torna necessário que esses sistemas englobem diversas funções que auxiliem
na análise e na manipulação de dados geoespaciais.
Podemos dizer que o SIG abriga uma ampla variedade de informações es-
paciais, sendo considerada uma ferramenta interdisciplinar. Entretanto, apesar
de abrigar informações que são objeto de estudo de diferentes disciplinas, cada
uma dessas disciplinas deve transformar os seus conceitos em algoritmos e
estruturas de dados (CÂMARA; MONTEIRO, 2001). Nesse sentido, Câmara
e Monteiro (2001) explicam que, ao utilizar um SIG, é necessário escolher as
representações computacionais que melhor apresentem os conceitos dentro da
disciplina. Ou seja, cada profissional deve escolher qual ferramenta do SIG
vai representar melhor a sua temática (ou objeto) de estudo.
Adentrando-se no tema da diversidade de aplicações dos SIGs, é possível
distinguir três grandes áreas: as aplicações socioeconômicas, as aplicações
ambientais e as relacionadas ao planejamento e à gestão do território. Cada
uma dessas grandes áreas pode levantar inúmeras informações do espaço
geográfico e dos elementos que o compõem — lembrando que todas essas
informações devem ser referenciadas espacialmente.
As aplicações socioeconômicas incluem o levantamento e a espacialização
de dados da população e dos elementos rurais e urbanos, que podem compor
os conhecidos cadastros territoriais. Incluem ainda as análises espaciais mais
complexas, que permitem extrair informações fundamentais para o plane-
jamento. Segundo Câmara et al. (1996), os dados coletados para aplicações
socioeconômicas provêm de coletas censitárias, mapeamentos urbanos e
fotografias aéreas. Como exemplo de coletas censitárias, temos o Instituto
Brasileiro de Geografia e Estatística (IBGE), que realiza censos a cada 10 anos,
em média, coletando informações socioeconômicas da população brasileira.
Características dos SIGs 3
As aplicações relacionadas a essa área são inúmeras. Por exemplo, as fer-

ramentas de SIG, juntamente com o geoprocessamento, podem ser utilizadas
para o cadastro de imóveis rurais e urbanos e o gerenciamento de um banco
de dados territoriais, criando produtos (bancos de dados, mapas, gráficos,
imagens) que auxiliam na gestão territorial. Um exemplo clássico é a utilização
desses sistemas para armazenar informações físicas e econômicas dos imóveis,
utilizadas no cálculo de tributos, como o imposto predial e territorial urbano.
Outra aplicação é no planejamento de negócios, na área denominada business
geographic, criando um banco de dados e produtos gráficos ou cartográficos
que auxiliam nos estudos de mercado, como na distribuição de equipes de
vendas e na alocação de novos negócios (DAVIS; CÂMARA, 2001).
O levantamento de informações socioeconômicas da população (renda,
atividade econômica, grau de escolaridade, idade e gênero) e a sua inserção
em bancos de dados em ambiente SIG possibilita a derivação de uma série de
estratégias para análise espacial e planejamento territorial. O conhecimento
especializado da idade da população, por exemplo, possibilita que a adminis-
tração pública defina os locais de implantação de serviços de infraestrutura
voltados às necessidades da população. Por exemplo, em um bairro em que
a taxa de natalidade é alta e, portanto, existe um maior número de crianças
em idade escolar, a prefeitura pode implantar escolas com os primeiros anos
do ensino fundamental.
Em relação às aplicações ambientais, os SIGs são muito utilizados como
ferramentas auxiliares no monitoramento do meio ambiente. A partir de
suas ferramentas de análise espacial, juntamente com o geoprocessamento
e o sensoriamento remoto, é possível realizar a análise de fotografias aéreas
ou imagens de satélite, para observar as alterações que ocorrem no meio
natural. O risco de incêndios florestais é um exemplo aplicado, pois, a partir
da análise de dados — como o tipo de uso da terra, a umidade relativa do ar,
a pluviosidade, a temperatura e as características gerais da vegetação natural —,
é possível criar um mapa que delimite as áreas com maior risco de ocorrência
de incêndios, em diferentes escalas temporais (estações do ano, por exemplo).
O Instituto Nacional de Pesquisas Espaciais (INPE) realiza o monitoramento de queima-

das em fragmentos florestais em tempo quase real. Para isso, são utilizadas imagens de
diversos satélites, como o NOAA, o GOES e o Aqua, que detectam focos de calor. Todas
as imagens são integradas em um SIG e podem ser utilizadas para realizar mapeamentos
diversos. Para ter acesso a essas informações, digite “programa queimadas INPE” no
seu mecanismo de busca e acesse o site do INPE. Na seção “Relatórios e publicações”,
clique em “Situação atual” para acessar o mapa.
Os estudos de preservação e conservação ambiental também são exemplos

clássicos de aplicação dos SIGs, baseados em mapeamentos temáticos, estudos
de impacto ambiental, zoneamentos ambientais e diagnósticos ambientais. Nos
estudos de impacto ou preservação ambiental, é necessário o levantamento de
diversos tipos de informações, como a declividade, os tipos de solos, a vegeta-
ção, o uso da terra, a hidrografia, a geologia, entre outros. Essas informações
advêm de fontes diversas, como mapeamentos preexistentes ou bancos de
dados alfanuméricos, que, ao serem integrados e analisados de forma conjunta,
possibilitam a definição das vulnerabilidades naturais daquele ambiente e os
impactos ocasionados pela intervenção humana.
As análises de risco de inundação, por exemplo, integram informações
como a área de planície do rio, as características do vale, os tipos de solos
e a vegetação associados a ambientes úmidos e os dados históricos sobre a
ocorrência de inundações na área de estudo (MEDEIROS; CÂMARA, 2001).
Todas essas informações são inseridas no SIG, criando uma base de dados,
e, a partir delas, são gerados novos mapeamentos, como o mapa de risco de
inundação apresentado na Figura 1. Nele, é possível distinguir diversas classes
de risco (nulo, baixo, médio e alto), representadas por meio de cores.
Figura 1. Aplicação do sistema de informação geográfica para a elaboração de mapa de

risco de inundação.
Fonte: Periçato, Silva e Marcatto (2016, documento on-line).
Além de tudo o que foi mencionado, os SIGs podem auxiliar na área de

planejamento e gestão territorial, aumentando a eficiência da administração
pública na tomada de decisões. O cadastramento da arborização urbana é um
exemplo, em que se verifica que há uma tendência recente das prefeituras
municipais de realizar o levantamento das árvores nas vias públicas. Para isso,
uma equipe de campo realiza a coleta de dados espaciais e de informações
sobre as condições físicas das árvores, como espécie, altura, identificação de
pragas (cupins, formigas), proximidade com esquinas ou portões, entre outras.
Todas essas informações são inseridas no SIG e, a partir delas, é possível
traçar estratégias de substituição das espécies que apresentam maior risco à
população. A queda de árvores em vias públicas pode resultar em danos ma-
teriais, sobretudo quando caem sobre residências ou carros. Nessas situações,
o proprietário do bem pode pedir indenização à administração pública, que é
responsável pela manutenção da vegetação nessas vias. Desse modo, a longo
prazo, a adoção de estratégias para a substituição de espécies que se encontram
em más condições físicas resulta na diminuição de custos com indenizações.
O SIG também pode ser utilizado como ferramenta de apoio à saúde pú-
blica, criando um banco de dados com informações de determinadas doenças
e produzindo mapas com a sua espacialização, servindo, assim, como um
instrumento para o desenvolvimento de medidas de contenção. Um exemplo
da utilização dos SIGs ocorreu com o estudo da propagação do covid-19,
em que os pesquisadores de diversas instituições se uniram à administração
pública dos estados (ou municípios), de modo que pudessem criar um banco de
dados com as pessoas que contraíram a doença, criando medidas de controle
por regiões. Nas regiões onde fosse detectado maior número de casos, eram
aumentadas as medidas de controle.
Hamada e Gonçalves (2007) mencionam o emprego dos SIGs na agricultura,
como no planejamento agroambiental. Esses autores utilizaram a tecnologia
SIG para realizar a alocação de terras para a agricultura irrigada. Para isso,
foram inseridos no software os mapas de uso e ocupação da terra e o modelo
numérico do terreno, o que possibilitou elaborar o mapa de declividade e a
carta de capacidade de uso. Com base nessas informações, e escolhendo-se
como critérios a proximidade da água, a declividade e as classes da capacidade
de uso, foi aplicada uma análise multicritérios, obtendo-se como produto um
mapa com as terras mais aptas à agricultura irrigada (Figura 2).
Figura 2. Aplicação do sistema de informação geográfica para a elaboração de mapa

de área apta para a agricultura irrigada, na bacia hidrográfica do Ribeirão Cachoeirinha,
na cidade de Iracemápolis, no estado de São Paulo.
Fonte: Hamada e Gonçalves (2007, p. 46).
A aplicação de análises multicritérios integradas aos SIGs também é útil

para a definição de áreas para a expansão urbana dos municípios. A análise
do tipo de uso da terra, da declividade, da rede de drenagem, das vias de
acesso (estradas, ruas) e das legislações municipais possibilita estabelecer
critérios de favorabilidade ou restrição à expansão urbana, definindo-se em
qual sentido é mais recomendável a alocação de novos loteamentos. Desse
modo, a aplicabilidade dos SIGs segue inúmeros caminhos, e a sua utilização
tem facilitado a análise espacial e a gestão territorial, mostrando-se uma
ferramenta essencial, à medida que ocorre a evolução tecnológica.
2 Tipos e formas de obtenção dos sistemas

de informação geográfica
Os software SIG foram desenvolvidos para serem utilizados em diversas apli-
cações, entretanto, podem ser diferenciados quanto às suas potencialidades.
Isso significa dizer que o mesmo software pode ter desempenhos diferentes,
dependendo da aplicação. Assim, ao adquirir um SIG, deve-se considerar a
sua adequação quanto ao objetivo de sua utilização.
Davis e Câmara (2001) apontam que é importante escolher um SIG que
se adeque às necessidades do usuário. Para isso, é necessário analisar os
software e listar as suas aptidões, tendo sempre em mente os atributos que
são prioritários para o desenvolvimento do projeto. Segundo esses autores,
existem diversas características que podem ser investigadas antes da obtenção
de um SIG, entre elas:
a possibilidade de alterar e customizar a interface com o usuário;

se possui versão em português;
a flexibilidade ao realizar a modelagem de dados;
se os dados podem ser armazenados de forma contínua ou há a neces-
sidade de fracioná-los em mapas;
se opera utilizando equipamentos de fabricantes distintos;
a capacidade de exportar e importar dados;
a capacidade de produzir mapas, gráficos e cartas;
se utiliza ou não linguagem de programação para criar aplicativos;
a possibilidade de corrigir e detectar falhas nos dados;
os recursos para realizar backups e recuperar dados;
a capacidade de utilização simultânea por diversos usuários;
a capacidade de conversão de dados.
Além das características listadas, diversos outros aspectos podem ser

observados, de modo que o SIG corresponda às expectativas e possa operar
da melhor forma possível no desenvolvimento de projetos. No Quadro 1, são
apresentados alguns software disponíveis no mercado e as suas características
gerais, relacionadas à estrutura dos dados e aos equipamentos que podem ser
utilizados para a sua operacionalização.
Quadro 1. Exemplos de sistemas de informação geográfica (SIGs) e suas principais ca-

racterísticas
Estrutura
SIG Equipamentos Observações
de dados
Arc/Info Vetorial UNIX, Windows Possui extensões

Matricial como Arc/CAD
e Arc/View
IDRISI (TerrSet) Matricial Windows Utilizado em

aplicações
ambientais
SPRING Matricial Windows, Linux Software de livre

Vetorial e Mac OS acesso; pode
ser baixado no
site do INPE
MapInfo Vetorial Windows Muito utilizado

na área
de inteligência em
localização
QGIS Vetorial Windows, Linux, Software livre;

Matricial Mac OS X, UNIX suporta plugins com
funções adicionais
gvSIG Vetorial Windows, Software livre,

Matricial Linux, Mac trabalha com
OS X, UNIX, IOS diversos formatos
de imagens
TerraLib Vetorial Windows, Mac Software gratuito,

Matricial OS, Linux em português,
desenvolvido
pelo INPE
Ao analisar o Quadro 1, é possível fazer algumas inferências sobre a es-

colha de um SIG, considerando-se as suas características mais básicas. Por
exemplo, se o seu computador possui sistema operacional UNIX, somente
alguns software serão compatíveis com esse sistema, como o gvSIG, o QGIS
e o Arc/Info. Se você deseja criar um banco de dados geográfico ou produzir
algum tipo de mapa e não possui recursos financeiros para investir em um
software pago, você deve optar pelos que melhor desempenham as funções
desejadas e são de livre acesso. Desse modo, diante da grande diversidade de
possibilidades, a escolha do melhor software SIG depende diretamente das
necessidades individuais dos seus usuários.
Ao longo dos anos, surgiram diversas tendências no desenvolvimento dos
software SIG; entre as mais recentes, pode-se mencionar as tentativas de popu-
larização do uso das informações espaciais. Desse modo, foram desenvolvidas
ferramentas mais simples e baratas, com base em microcomputadores que são
acoplados em redes de servidores de dados espaciais, sendo estes mais poten-
tes e eficientes. Também é crescente o uso de imagens de satélite, facilitado
pelo desenvolvimento de hardware mais eficientes, o que reduziu os custos
de armazenamento e processamento de imagens (DAVIS; CÂMARA, 2001).
Além disso, o desenvolvimento de sensores de alta resolução acoplados a
satélites e a possibilidade de monitoramento da Terra em tempo real fomentaram
o uso das imagens de sensores remotos e o desenvolvimento de tecnologias
capazes de processá-las. As imagens de alta resolução espacial se tornaram
tendência a partir do ano de 2000, sendo que um dos primeiros satélites
seguindo esses preceitos foi o IKONOS-2, com imagens que possuem 1 m de
resolução espacial. Em 2009, foi lançado o WORDVIEW-2, cuja resolução
espacial das imagens chega a 0,5 m, sendo muito utilizado para realizar ma-
peamentos em escalas de detalhe.
A crescente utilização de dados geográficos pela sociedade e a diversidade
de software SIG disponíveis tornaram necessário desenvolver tentativas de
padronização e integração dos dados, de modo que eles pudessem ser com-
partilhados entre usuários que utilizam plataformas distintas. Assim, outra
tendência se associa às diversas tentativas de intercâmbio de dados geográficos,
com a criação de mecanismos capazes de integrar fontes de dados oriundas de
diferentes plataformas. O intercâmbio de dados geográficos pode ser definido,
segundo Casanova et al. (2005, p. 306), como “a capacidade de compartilhar
e trocar informações e processos entre diferentes usuários de informação”.
Desse modo, o maior desafio do intercâmbio de dados é trabalhar com SIGs
que possuem diferentes modelos conceituais, o que pode acarretar problemas
como distorção de dados e menor qualidade da informação (CASANOVA et
al., 2005).
Nesse sentido, pode-se mencionar o Open Geospatial Consortium (OGC),
que é um consórcio entre diversas instituições (universidades, agências gover-
namentais e companhias), tendo como principal objetivo o desenvolvimento de
tecnologias capazes de garantir a operabilidade entre sistemas. Os principais
produtos envolvem especificações de interfaces e padrões para o intercâmbio

de dados (DAVIS JÚNIOR et al., 2005). Mais recentemente, essa tendência
de padronização resultou na criação da Infraestrutura de Dados Espaciais
(IDE), que se assemelha ao OGC em relação aos objetivos. Segundo Hübner,
Oliveira e Dal Santo (2015), uma IDE é constituída por tecnologias, políticas,
cooperação entre instituições, legislações e padrões para adquirir, processar,
utilizar e distribuir os dados geográficos. No Brasil, os esforços em reduzir os
custos na obtenção de dados espaciais e padronizar as informações geográfi-
cas produzidas por órgãos do governo resultou na criação da Infraestrutura
Nacional de Dados Espaciais.
Outra tendência foi a utilização da internet para a difusão dos dados geo-
gráficos, o que fez com que os próprios software desenvolvessem mecanismos
de acesso aos dados presentes na web. Para Davis Júnior, Souza e Borges
(2005), a internet se tornou um dos meios preferenciais de disseminação de
dados, devido à sua universalidade e ao menor custo de acesso, fomentando
a criação de novos sistemas de informação, com arquitetura diferenciada.
Assim, os fornecedores de software de SIG criaram alternativas de acesso
a dados por meio da internet, cada qual com um tipo de implementação e
arquitetura interna, visando a um mercado de aplicação específico (DAVIS
JÚNIOR; SOUZA; BORGES, 2005).
Para que esses software pudessem acompanhar as tendências de acesso aos
dados na web, algumas mudanças foram aplicadas na arquitetura dos sistemas
de gerenciamento de banco de dados. Uma delas ocorreu com a utilização
de arquiteturas em três ou mais camadas, em detrimento da arquitetura de
duas camadas, que era composta somente pelo binômio cliente-servidor. Essa
mudança, segundo Davis Júnior, Souza e Borges (2005), ocorreu devido à
escalabilidade, pois esse sistema não suportava um número muito grande de
clientes em um único servidor.
Para compreender melhor essa mudança, imagine que, na arquitetura
cliente-servidor, o cliente é responsável, entre outras coisas, pelas funções
de gerenciamento e pelo dicionário de dados e possui uma interface com a
linguagem de programação (nível mais alto). Já o servidor fica responsável
pelo armazenamento em disco, pelo backup e pela recuperação de dados (nível
mais baixo), sendo que a comunicação entre os níveis ocorre por conexões
em rede (DAVIS JÚNIOR; SOUZA; BORGES, 2005). Na arquitetura de
três camadas, há uma camada intermediária entre o cliente e o servidor,
denominada de servidor de aplicação (ou servidor web) (Figura 3). Essa
camada tem como papel a manutenção das regras de negócio, das restrições,
dos programas aplicativos e das páginas web. Assim, essa camada pode tanto
realizar o controle de acesso de usuários aos dados quanto rotear as aquisições,
sem a necessidade de interferência do usuário (DAVIS JÚNIOR; SOUZA;
BORGES, 2005).
Figura 3. Modelo de arquitetura de três camadas.

Fonte: Adaptada de Elmasri e Navathe (2004 apud DAVIS
JÚNIOR; SOUZA; BORGES, 2005, p. 345).
Quanto às arquiteturas com mais de três camadas, podemos mencionar a

service-oriented architecture (SOA), ainda pouco utilizada. A SOA foi de-
senvolvida para integrar dados espaciais em quatro camadas, sendo elas: “[...]
camada de múltiplos provedores de serviços, camada de integração de dados,
camada de serviços de infraestrutura (back-end services) e a interface front-
-end para a representação de dados espaciais” (OLIVEIRA, 2013, documento
on-line). De modo geral, vimos que, à medida que ocorre o desenvolvimento
tecnológico em uma escala temporal, novas tendências surgem e demandam
atualizações constantes dos software SIG. Da mesma forma, as necessidades
dos usuários se alteram ao longo do tempo, e as buscas por novos software se
tornam contínuas, demonstrando a dinamicidade das geotecnologias.
3 Análise espacial de dados geográficos

O estudo dos fenômenos que se distribuem pelo espaço se tornou muito mais
fácil e ágil com a utilização dos SIGs. Podemos utilizar os SIGs para elaborar
produtos gráficos (mapas, gráficos, cartas) que nos auxiliem na análise es-
pacial de diversas variáveis, como a distribuição dos crimes em uma cidade,
o preço dos imóveis urbanos por setores, a espacialização dos casos de dengue,
o uso da terra em distintas escalas temporais, o adensamento populacional
e a expansão urbana. Estes são somente alguns exemplos, diante do grande
número de possibilidades que se estendem para diversas áreas do conhecimento.
A análise espacial visa a determinar as propriedades e os relacionamentos
dos dados geográficos, com base na sua localização espacial. Assim, a ideia
principal da análise espacial é incorporar o espaço ao estudo dos fenômenos
geográficos (CÂMARA et al., 2004a). Quanto ao papel do SIG, cabe a ele
mostrar, por meio da elaboração de produtos gráficos como os mapas, se há
padrão na distribuição espacial dos fenômenos.
A análise espacial pode partir de uma simples visualização dos fenômenos
que ocorrem no espaço, observando-se os padrões de ocorrência, como é o
caso da taxa de natalidade nos estados brasileiros, em que um mapa temático
nos mostraria facilmente se existe um padrão de distribuição na informação.
A análise espacial também pode partir para estudos mais complexos, com base
na estatística e na geoestatística, que realizam a correlação entre variáveis,
permitindo observar a relação ou a dependência entre elas.
Essas análises mais complexas, que têm como base a estatística e a geo-
estatística, utilizam conceitos como dependência espacial e autocorrelação
espacial. De forma bastante simplificada, a dependência espacial é relacionada
à distância, partindo da noção de que as coisas que estão mais próximas se
parecem mais do que as que estão distantes. Já a autocorrelação espacial
é um conceito estatístico que verifica como varia a dependência espacial,
comparando valores de uma amostra com os de seus vizinhos (CÂMARA
et al., 2004a). Um dos objetivos de se observar e analisar o espaço é verificar
se existem padrões de distribuição de um determinado fenômeno ou se
ele ocorre de forma aleatória no espaço. No caso da espacialização de uma
determinada doença por meio de um mapa, por exemplo, é possível observar
se existe padrão na sua forma de distribuição no espaço e, caso ocorra, quais
são os fatores associados a ele.
Para realizar a análise espacial, pode-se utilizar diferentes tipos de dados.

Geralmente, são utilizados os padrões pontuais, as superfícies contínuas e as
áreas com contagens, descritos a seguir.
Padrões pontuais (ou eventos): são fenômenos que ocorrem de forma

pontual no espaço, conhecidos como processos pontuais, como a ocor-
rência de uma doença ou a localização de uma determinada espécie
vegetal. Os pontos não possuem valores — representam apenas a ocor-
rência de um determinado fenômeno (CÂMARA; CARVALHO, 2004).
Superfícies contínuas: são estimadas partindo de um conjunto de
amostras que são representativas do fenômeno estudado, sendo que,
geralmente, são levantadas em campo. Essas amostras podem estar
distribuídas de forma regular ou irregular no espaço e representam
variáveis ambientais ou socioeconômicas, como os mapas topográ-
ficos e pedológicos e a taxa de homicídios (CAMARGO; FUCKS;
CÂMARA, 2004).
Áreas com contagens: são dados associados a fenômenos socioeconô-
micos, como os levantamentos populacionais realizados pelos censos.
Apesar de esses dados estarem associados a indivíduos que se localizam
em um ponto específico do espaço, geralmente, essas informações
são agregadas em unidades de análise, como os setores censitários
ou os bairros, de modo que se possa garantir a confidencialidade da
informação (CÂMARA et al., 2004a).
Ao se observarem os tipos de dados na análise espacial, percebe-se que estes

se referem a variáveis ambientais ou socioeconômicas. Porém, independen-
temente dessa diferenciação, a análise espacial é formada por procedimentos
que têm como objetivo obter um modelo inferencial. Esse modelo deve sempre
considerar os relacionamentos espaciais existentes nos fenômenos (CÂMARA
et al., 2004a).
Na análise de pontos, a preocupação é com a localização espacial do ponto
ou do fenômeno estudado. No estudo de uma doença como a dengue, o objetivo
principal é verificar a localização geográfica dos casos e se eles se distribuem
de forma organizada no espaço (em um determinado bairro, rua, região).
Nesse sentido, Câmara et al. (2004b) destacam que é importante observar
se a distribuição é aleatória ou se existe vários pontos distribuídos de forma
regular, formando um padrão de conglomerados, denominados clusters.
Os clusters indicam que há um grande número de eventos próximos, apontando
para uma distribuição espacial que não é aleatória. No exemplo dos casos
de dengue, a concentração de eventos (pessoas contaminadas) em uma área
indicaria um padrão de conglomerados, demonstrando a existência de um
padrão espacial na distribuição da doença.
Na análise de dados em superfícies contínuas, conforme mencionado ante-
riormente, são utilizadas as amostras coletadas em campo para reconstruir a
superfície. Essa reconstrução se baseia na modelagem da variabilidade espacial
do fenômeno, sendo que, geralmente, se aplica a interpolação (CAMARGO;
FUCKS; CÂMARA, 2004). Um exemplo desse tipo de análise ocorre com
o levantamento de dados topográficos da superfície terrestre e a sua repre-
sentação espacial. Uma das formas de se realizar esse levantamento é com
a coleta das informações planialtimétricas com um aparelho que utiliza o
sistema de posicionamento global (GPS, do inglês global positioning system),
criando-se uma malha de pontos de um determinado terreno. Ao transferir as
informações levantadas pelo GPS para um software SIG, você cria um banco
de dados e, a partir dele, realiza a interpolação dos pontos, o que vai resultar
em uma carta com a superfície topográfica daquele terreno. Assim, ao olhar
para essa carta, você consegue visualizar a variação da altitude de forma
contínua, identificando as áreas que possuem maiores ou menores altitudes.
É importante lembrar que o levantamento da superfície terrestre com aparelho GPS é

somente uma das formas de coletar dados planialtimétricos. A utilização das estações
totais e o uso de imagens de satélite, como da Shuttle Radar Topography Mission,
também podem resultar em produtos que representam a superfície terrestre de
forma contínua. A escolha do melhor método depende, entre outras coisas, do nível
de detalhe da informação que se deseja coletar e dos recursos financeiros disponíveis
para o mapeamento.
Nas análises de dados em áreas de contagem, são realizadas delimitações

em polígonos, frequentemente associados a dados que estão agregados, seja
por setores censitários, como é feito nos censos demográficos realizados pelo
IBGE, ou por bairros e municípios, conforme realizado pelas Secretarias de
Saúde, que apresentam os indicadores de saúde da população (CÂMARA et al.,
2004b). Por serem delimitadas por polígonos fechados, supõe-se que existe uma
homogeneidade dentro desses polígonos e que as mudanças somente ocorrem
nos seus limites. Entretanto, essa afirmação não é uma verdade absoluta, pois,
se pensarmos que essas divisões por áreas possuem critérios operacionais ou
políticos, não existem garantias de que as características sejam homogêneas
(CÂMARA et al., 2004a). Por vezes, ocorre a homogeneização de grupos com
características distintas, criando-se um cenário que representa uma média.
Para compreender como é feita a análise espacial em áreas de contagem,
pode-se pensar na distribuição do rendimento mensal de domicílios nas dis-
tintas unidades da federação (estados). A partir de dados coletados no site do
IBGE, podemos realizar a espacialização da renda por estados, separando em
classes, representadas por cores. Por exemplo, pode-se criar as classes de 0 a 1
salário mínimo (branco), de 1 a 3 salários mínimos (verde claro) e de mais de
3 salários mínimos (verde escuro). A Figura 4 ilustra um exemplo da renda
média mensal distribuída por estados.
Ao observamos esse mapa, conseguimos notar que as regiões Norte e
Nordeste concentram os estados com menor rendimento (até 998 reais) e que
na região Sul estão os maiores rendimentos (mais de 1.477 até 3.087 reais). Essa
observação é um exemplo de análise de dados em áreas de contagem. A partir
dela, podemos pensar em novas variáveis, fazendo perguntas e levantando
hipóteses: por que ocorre maior concentração de renda na região Sul? Existe
relação com a industrialização?
A partir do entendimento dos tipos de dados em análise espacial, deve-se
compreender que existem modelações matemáticas e aplicações estatísticas
nos software SIG, para que ocorra a análise dos fenômenos espaciais. Desse
modo, a análise espacial abrange diversos procedimentos, que têm por objetivo
escolher o modelo inferencial que melhor represente o relacionamento espa-
cial do fenômeno (CÂMARA et al., 2004a). Para que isso ocorra, o primeiro
procedimento é realizar uma análise exploratória e a visualização dos dados,
que pode ser feita por meio de mapas. Nesse momento, é possível descrever
como as variáveis do estudo se distribuem, tentando identificar se existem
distribuições atípicas (outliers) ou se ocorrem padrões. Esse procedimento
possibilita a criação de hipóteses sobre o que foi observado, para que elas
auxiliem na seleção do melhor modelo inferencial (CÂMARA et al., 2004a).
Figura 4. Rendimento mensal domiciliar per capita médio por estados, um exemplo de
análise de dados em áreas de contagem.
Fonte: IBGE (2018).
Segundo Câmara et al. (2004a), os modelos inferenciais podem ser divididos

em três grupos: variação discreta, variação contínua e processos pontuais.
A resolução de problemas espaciais envolve o uso de um modelo ou a interação
entre eles. Na variação pontual, os pontos de estudo estão irregularmente
distribuídos no espaço, e o objeto de estudo é a sua localização, buscando
entender o que os gerou. Na variação contínua, parte-se de amostras de
determinados atributos que foram coletadas em diversos pontos de uma área,
sendo que o objetivo é transformar as informações dos atributos em uma
superfície contínua. Já a variação discreta está associada à localização por
áreas (polígonos fechados) (CÂMARA et al., 2004a).
Podemos tomar como exemplo a dengue, adaptando o exemplo da leishmaniose

que foi apresentado por Câmara et al. (2004a). A dengue é uma doença transmitida
pelo mosquito Aedes aegypti, que se reproduz em água parada. Sabemos que todos
os anos ocorrem milhares de casos por todo o Brasil e que, apesar das medidas de
prevenção, a endemia prevalece, principalmente nos meses mais chuvosos. A análise
espacial e os modelos inferenciais podem ser utilizados para auxiliar no controle da
doença. Para isso, é necessário responder algumas perguntas e criar algumas hipóteses.
Qual é o raio de dispersão do mosquito?
■■ Para responder a essa pergunta, podemos utilizar o modelo inferencial de variação
contínua, que parte de amostras de mosquitos coletadas e gera uma superfície
contínua que nos mostra as áreas que apresentam maior risco. Podemos também
utilizar processos pontuais, modelando a probabilidade de capturar o mosquito
em um determinado local.
Existem relações entre a ocorrência do mosquito e as características socioeconô-
micas da população?
■■ Aqui, é necessário, primeiramente, estudar a incidência da doença na população,
os locais de foco e o perfil socioeconômico, realizando a contagem por áreas,
com as informações disponibilizadas por regiões. Como existe uma estrutura
espacial relacionada entre os indicadores, é utilizado o modelo inferencial de
variação discreta.
A escolha do melhor modelo inferencial a ser utilizado é sempre do pesqui-

sador. Desse modo, devemos sempre ter a preocupação de optar pelo modelo
mais eficiente para representar os nossos dados, de modo que possamos extrair
informações que sejam relevantes para os nossos estudos. A união da análise
espacial e dos SIGs é algo recente. As estatísticas espaciais estão sendo incorpo-
radas a esses sistemas para facilitar o estudo dos fenômenos que se distribuem
no espaço, sendo que nem sempre é possível utilizar um software único para
realizar todo o processo, combinando funções de diferentes programas.
Como vimos, as ferramentas computacionais de que esses software dispõem
permitem estudar um grande número de variáveis, sejam elas ambientais ou
socioeconômicas. Assim, os SIGs possibilitam desde uma simples análise de um
banco de dados e a produção de um mapa até a aplicação de métodos estatísticos e
a criação de modelos inferenciais, realizando análises espaciais complexas. Além
disso, esses software são capazes de produzir mapas com temáticas diversas,
o que reforça a sua relevância e importância, pois ler, produzir e analisar mapas
está entre as tarefas mais comuns e importantes para um geógrafo.
CÂMARA, G. et al. Análise espacial de áreas. In: DRUCK, S. et al. (ed.). Análise espacial de
dados geográficos. Brasília: EMBRAPA, 2004b.
CÂMARA, G. et al. Análise espacial e geoprocessamento. In: DRUCK, S. et al. (ed.). Análise
espacial de dados geográficos. Brasília: EMBRAPA, 2004a.
CÂMARA, G. et al. Anatomia de sistemas de informação geográfica. Campinas: Instituto
de Computação/UNICAMP, 1996. Disponível em: http://www.dpi.inpe.br/gilberto/
livro/anatomia.pdf. Acesso em: 1 ago. 2020.
CÂMARA, G.; CARVALHO, M. S. Análise espacial de eventos. In: DRUCK, S. et al. (ed.).
Análise espacial de dados geográficos. Brasília: EMBRAPA, 2004.
CÂMARA, G.; DAVIS, C. Apresentação. In: CÂMARA, G.; DAVIS, C.; MONTEIRO, A. M. V.
(org.). Introdução à ciência da Geoinformação. São José dos Campos, SP: INPE, 2001. cap.
1. p. 1–5. Disponível em: http://www.dpi.inpe.br/gilberto/livro/introd/cap1-introducao.
pdf. Acesso em: 1 ago. 2020.
CÂMARA, G.; MONTEIRO, A. M. V. Conceitos básicos em ciência da Geoinformação.
In: CÂMARA, G.; DAVIS, C.; MONTEIRO, A. M. V. (org.). Introdução à ciência da Geoinfor-
mação. São José dos Campos, SP: INPE, 2001. cap. 2. p. 1–35. Disponível em: http://
www.dpi.inpe.br/gilberto/livro/introd/cap2-conceitos.pdf. Acesso em: 1 ago. 2020.
CAMARGO, E. C. G.; FUCKS, S. D.; CÂMARA, G. Análise espacial de superfícies. In: DRUCK,
S. et al. (ed.). Análise espacial de dados geográficos. Brasília: EMBRAPA, 2004.
CASANOVA, M. A. et al. Integração e interoperabilidade entre fontes de dados geo-
gráficos. In: CASANOVA, M. et al. (org.). Banco de dados geográficos. Curitiba: Mundo
GEO, 2005. p. 305–340.
DAVIS, C.; CÂMERA, G. Arquitetura de sistemas de informação geográfica. In: CÂMERA,
G.; DAVIS, C.; MONTEIRO, A. M. V. (org.). Introdução à Ciência da Geoinformação. São José
dos Campos, SP: INPE, 2001. cap. 3. p. 1–12. Disponível em: http://www.dpi.inpe.br/
gilberto/livro/introd/cap3-arquitetura.pdf. Acesso em: 1 ago. 2020.
DAVIS JÚNIOR, C. A. et al. O Open Geospatial Consortium. In: CASANOVA, M. et al. (org.).
Banco de dados geográficos. Curitiba: Mundo GEO, 2005. p. 367–383.
DAVIS JÚNIOR, C. A.; SOUZA, L. A.; BORGES, K. A. V. Disseminação de dados geográficos
na Internet. In: CASANOVA, M. et al. (org.). Banco de dados geográficos. Curitiba: Mundo
GEO, 2005. p. 341–366.
HAMADA, E.; GONÇALVES, R. R. V. Introdução ao geoprocessamento: princípios básicos
e aplicação. Jaguariúna, SP: EMBRAPA Meio Ambiente, 2007.
HÜBNER, C. E.; OLIVEIRA, F. H.; DAL SANTO, M. A. Gestão da informação geográfica

e cadastral no Brasil. Revista Brasileira de Cartografia, n. 67, p. 215–259, 2015. Dispo-
nível em: http://www.seer.ufu.br/index.php/revistabrasileiracartografia/article/
view/44674/23690. Acesso em: 1 ago. 2020.
IBGE. Síntese de indicadores sociais: uma análise das condições de vida da população
brasileira 2018. Rio de Janeiro: IBGE, 2018. Disponível em: https://biblioteca.ibge.gov.
br/visualizacao/livros/liv101629.pdf. Acesso em: 1 ago. 2020.
MEDEIROS, J. S.; CÂMARA, G. Geoprocessamento para projetos ambientais. In: CÂMERA,
G.; DAVIS, C.; MONTEIRO, A. M. V. (org.). Introdução à Ciência da Geoinformação. São José
dos Campos, SP: INPE, 2001. cap. 10. p. 1–36. Disponível em: http://www.dpi.inpe.br/
gilberto/livro/introd/cap10-aplicacoesambientais.pdf. Acesso em: 1 ago. 2020.
OLIVEIRA, H. V. Uma arquitetura de integração de dados espaciais: um estudo dos dados
de solos e folhas dos biomas brasileiros. 2013. Dissertação (Mestrado em Informá-
tica)- Universidade de Brasília, Brasília, 2013. Disponível em: https://repositorio.unb.
br/bitstream/10482/14399/1/2013_HarleyVeraOlivera.pdf. Acesso em: 1 ago. 2020.
PERIÇATO, A. J.; SILVA, V. D.; MARCATTO, F. S. Identificação e mapeamento das áreas
de risco no município de Itajaí- SC a partir das inundações ocorridas em 2011. Revista
Brasileira de Geografia Física, v. 9, p. 1895–1909, 2016. Disponível em: https://periodicos.
ufpe.br/revistas/rbgfe/article/view/233897/27387. Acesso em: 1 ago. 2020.
Os links para sites da web fornecidos neste capítulo foram todos testados, e seu fun-
cionamento foi comprovado no momento da publicação do material. No entanto, a
rede é extremamente dinâmica; suas páginas estão constantemente mudando de
local e conteúdo. Assim, os editores declaram não ter qualquer responsabilidade
sobre qualidade, precisão ou integralidade das informações referidas em tais links.

Geoprocessamento

Enviado por

Dados do documento

Descrição original:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Geoprocessamento

Enviado por

Direitos autorais:

Formatos disponíveis

GEOPROCESSAMENTO

Francieli Santana Marcatto

 Descrever as aplicações dos sistemas de informação geográfica.

1 Aplicações dos sistemas de informação

As aplicações relacionadas a essa área são inúmeras. Por exemplo, as fer-

O Instituto Nacional de Pesquisas Espaciais (INPE) realiza o monitoramento de queima-

Os estudos de preservação e conservação ambiental também são exemplos

Figura 1. Aplicação do sistema de informação geográfica para a elaboração de mapa de

Além de tudo o que foi mencionado, os SIGs podem auxiliar na área de

Figura 2. Aplicação do sistema de informação geográfica para a elaboração de mapa

A aplicação de análises multicritérios integradas aos SIGs também é útil

2 Tipos e formas de obtenção dos sistemas

 a possibilidade de alterar e customizar a interface com o usuário;

Além das características listadas, diversos outros aspectos podem ser

Quadro 1. Exemplos de sistemas de informação geográfica (SIGs) e suas principais ca-

Arc/Info Vetorial UNIX, Windows Possui extensões

IDRISI (TerrSet) Matricial Windows Utilizado em

SPRING Matricial Windows, Linux Software de livre

MapInfo Vetorial Windows Muito utilizado

QGIS Vetorial Windows, Linux, Software livre;

gvSIG Vetorial Windows, Software livre,

TerraLib Vetorial Windows, Mac Software gratuito,

Ao analisar o Quadro 1, é possível fazer algumas inferências sobre a es-

produtos envolvem especificações de interfaces e padrões para o intercâmbio

Figura 3. Modelo de arquitetura de três camadas.

Quanto às arquiteturas com mais de três camadas, podemos mencionar a

3 Análise espacial de dados geográficos

Para realizar a análise espacial, pode-se utilizar diferentes tipos de dados.

 Padrões pontuais (ou eventos): são fenômenos que ocorrem de forma

Ao se observarem os tipos de dados na análise espacial, percebe-se que estes

É importante lembrar que o levantamento da superfície terrestre com aparelho GPS é

Nas análises de dados em áreas de contagem, são realizadas delimitações

Segundo Câmara et al. (2004a), os modelos inferenciais podem ser divididos

Podemos tomar como exemplo a dengue, adaptando o exemplo da leishmaniose

A escolha do melhor modelo inferencial a ser utilizado é sempre do pesqui-

HÜBNER, C. E.; OLIVEIRA, F. H.; DAL SANTO, M. A. Gestão da informação geográfica

Você também pode gostar

Descrever as aplicações dos sistemas de informação geográfica.

a possibilidade de alterar e customizar a interface com o usuário;

Padrões pontuais (ou eventos): são fenômenos que ocorrem de forma