Escolar Documentos
Profissional Documentos
Cultura Documentos
Banco de Dados Geográficos
Banco de Dados Geográficos
2º ano
Pós-Laboral
Beira
João Augusto João
Docentes: Alberto
Beira
2023
Índice
1. Introdução..............................................................................................................................1
3. Conclusão.............................................................................................................................12
4. Referencias Bibliográficas...................................................................................................13
1. Introdução
Ao longo dos anos, as implementações de SIGs seguiram diferentes arquiteturas,
distinguindo-se principalmente pela estratégia adotada para armazenar e recuperar dados
espaciais. Mais recentemente, tais arquiteturas evoluíram para utilizar, cada vez mais,
recursos de SGBDs.
Por seu lado, a pesquisa na área de Banco de Dados passou, já há algum tempo, a preocupar-
se com o suporte a aplicações não convencionais (Schneider, 1997), incluindo as aplicações
SIG. Uma aplicação é classificada como não convencional quando trabalha com outros tipos
de dados, além dos tradicionais, como tipos de dados espaciais, temporais e espaço-
temporais.
1
2. Banco de dados geográficos
Os bancos de dados geográficos são sistemas projetados para armazenar e gerenciar
informações geográficas, como mapas, imagens de satélite, informações relacionadas a
endereços, bem como dados relevantes relacionados a locais. Esses bancos de dados são úteis
para gerenciar informações de sistemas de navegação, otimização de rotas, análise de
tendências, cálculo de distâncias, planejamento urbano, entre outras aplicações. Alguns dos
exemplos de bancos de dados geográficos são:
OpenStreetMap: https://www.openstreetmap.org/
Google Maps: https://www.google.com/maps
Esri ArcGIS: https://www.esri.com/en-us/arcgis/products/arcgis-online/overview
Mapbox: https://www.mapbox.com/
Requisito Definição
Segurança o acesso aos dados deve ser controlado de acordo com os direitos
definidos para cada aplicação ou usuário
Desempenho o tempo de acesso aos dados deve ser compatível com a complexidade da
2
consulta
Requisito Tecnologia
3
dados não convencionais em um SGBD-R pode ter efeitos colaterais, como queda de
desempenho, dificuldade de codificação e posterior manutenção da aplicação (Stonebraker,
1996)
4
Dificuldade de interoperabilidade, já que cada sistema trabalha com arquivos com
formato proprietário.
Esta última arquitetura pode ainda ser subdividida em três outras: baseada em campos
longos, em extensões espaciais e combinada.
5
Permite definir métodos de acesso específicos para dados espaciais.
Para o Güting, 1994, os exemplos dessa arquitetura são o Oracle Spatial e o PostGIS, . As
extensões espaciais utilizadas nas arquiteturas integradas possuem as seguintes
características:
Normalmente, essas extensões tratam somente objetos espaciais cuja componente espacial
seja uma geometria vetorial, utilizando BLOBs para armazenar dados matriciais, com todos
os problemas já citados.
6
As classe vetoriais, por outro lado, são compostas por formas e linhas geométricas definidas
por equações matemáticas. Essas formas são armazenadas como objetos distintos, como
pontos, linhas, polígonos e curvas de Bezier. As imagens vetoriais são facilmente escaláveis
sem perda da qualidade e podem ser redesenhadas em diferentes tamanhos e formatos. As
imagens vetoriais são frequentemente utilizadas para armazenar informações como estradas,
edifícios, limites administrativos, e outras informações geográficas.
Feições do Tipo PONTO: Esse tipo de geometria vetorial são utilizado pra por
exemplo localizações de paradas de ônibus dentro de uma cidade, onde ocorram
assaltos no ultimo dia, focos de doenças Ou seja tudo que pode ser representado
pontualmente.
Feições do tipo LINHA: Esse tipo de geometria vetorial é utilizado pra representar
tudo que indica um segmento exemplos: Um rio, linhas de transmissões de energia,
entre outras coisas.
Feições do tipo AREA (POLIGONOS). Esse tipo de geometria vetorial é utilizado
pra representar tudo que pode ser representados por uma área, por exemplo, essa sala,
um bairro, entre outras coisas.
7
2.3.2. Classe Matricial
As Classe Matricial (Raster) são compostas por uma grade de pixels (pontos) que são
organizados em linhas e colunas. Cada pixel contém informações de cor e tonalidade, além de
outras informações, como intensidade, altitude, temperatura, umidade, entre outras. As
imagens raster são frequentemente utilizadas para armazenar dados em alta resolução, como
fotografias, imagens de satélite e mapas georreferenciados. As imagens raster não são
escaláveis sem perder a qualidade e a definição.
8
Armazenamento Por coordenada (mais eficiente Por matrizes (maior gasto em
armazenamento
Em resumo, imagens raster são usadas para armazenar imagens em alta resolução, enquanto
imagens vetoriais são usadas para armazenar objetos geométricos. Cada tipo de imagem tem
suas vantagens e desvantagens, e sua escolha depende do objetivo e das necessidades
específicas do projeto em questão.
Abst
raçã Implementação
o
Modelo
Mundo Real BD Geográfico
9
2.4.1. Modelo de dados OMT-G
O modelo OMT-G (Object Modeling Technique for Geographic Applications) parte das
primitivas definidas para o diagrama de classes da UML, introduzindo primitivas geográficas
com o objetivo de aumentar a capacidade de representação semântica do espaço (Borges,
2001).
O modelo OMT-G provê primitivas para modelar a geometria e a topologia dos dados
geográficos, oferecendo suporte a estruturas topológicas “todo-parte”, estruturas de rede,
múltiplas representações de objetos e relacionamentos espaciais. Além disso, o modelo
permite a especificação de atributos alfanuméricos e métodos associados para cada classe.
O diagrama de classes é o mais usual e contém as classes especificadas junto com suas
representações e relacionamentos. A partir do diagrama de classes é possível derivar um
conjunto de restrições de integridade espaciais, que deve ser considerado na implementação.
10
quanto o resultado das transformações são sempre as 40 representações de cada classe, o
diagrama de transformação também está no nível conceitual de representação.
Atributos comuns podem ser especificados apenas uma vez, enquanto atributos variáveis são
especificados como listas de valores individuais. Como no caso do diagrama de
transformação, os resultados das transformações (ou seja, as apresentações) são indicados
com linhas tracejadas quando não precisam ser materializados no banco de dados e com
linhas contínuas no caso contrário.
11
Cada classe georreferenciada especificada no diagrama de classes precisa ter pelo menos uma
apresentação correspondente especificada no diagrama de apresentação
12
3. Conclusão
Um banco de dados geográfico é projetado para armazenar e gerenciar informações sobre
localizações geográficas. Ele é composto de atributos e componentes espaciais que são
usados para descrever a localização e os limites geográficos de determinados recursos ou
áreas. Muitas organizações e empresas usam sistemas de banco de dados geográficos para
gerenciar informações de localização, como redes de distribuição, informações demográficas
sobre potenciais clientes, áreas de serviço e integração com sistemas de informações
geográficas (GIS).
Os bancos de dados geográficos são compostos por uma ampla variedade de informações,
incluindo dados de mapeamento, imagens de satélite, fotografias aéreas, informações
relacionadas a endereços, bem como dados demográficos e econômicos. Esses bancos de
dados podem ser usados para uma ampla variedade de finalidades, incluindo planejamento
urbano, gerenciamento de recursos naturais e ambientais, logística e gerenciamento de cadeia
de suprimentos, análise de tendências, cálculo de distâncias e muito mais
13
4. Referencias Bibliográficas
Davis, C.; Laender, A. Multiple Representations in GIS: Materialization Through Map
Generalization, Geometric and Spatial Analysis Operations. In: 7th ACM Symposium on
Advances in Geographic Information Systems. ACM Press, N.Y., Kansas City, MO, 1999.
Stonebraker, M. Object-relational DBMSs: the next great wave San Francisco Morgan
Kaufmann, 1996.
Borges, Karla, and Clodoveu Davis. "Modelagem de dados geográficos." CAMARA, G.;
MONTEIRO, AM; DAVIS, C. Geoprocessamento: teorias e aplicações. 3v 3 (2002).
14