Synth` ese de quasi-interpr´ etations Max-Plus

As análises espaciais SIG 2D/3D são importantes para a compreensão da cidade atual no que diz respeito ao crescimento urbano e intensidade do uso do solo. Os SIG 2D/3D estabelecem, através das mais diferentes fórmulas os mecanismos para o desenvolvimento do conhecimento. Muitos fatores influenciam a análise nos ambientes SIG, mas certamente os dados de base são fatores primordiais na primeira etapa de construção dos modelos.

Nem sempre se consegue estabelecer relações entre os Modelos SIG 2D/3D e a realidade e, muitas vezes, os dados de base não são suficientes para a grandeza do processo de criação dos Modelos SIG 2D/3D. Os softwares de SIG comerciais dificilmente são capazes de oferecer soluções para análises avançadas em 3D (Köninger & Bartel, 1998). As principais aplicações exigem funcionalidades dos sistemas espaciais para o planejamento urbano avançado (Huang et al., 2011). Para Hansen, (2010) os dados de uso do solo, do modelo é CORINE de cobertura da Terra, infelizmente são capazes de diferencia, em sua totalidade as áreas construídas em relação as áreas protegidas. Segundo Boschken, (2012) os modelos urbanos não foram capazes de comtemplar a combinação de atividade das cidades costeiras e as exigências de assimilação de resíduos. Por outro lado Edvardsson, (2013) utilizando SIG 3D incorporou de forma fácil o banco de dados, mas as ferramentas de análise e medição, mostraram-se limitadas. Segundo este autor as ferramentas de análise 3D estão mais centradas na visualização do objeto do que nos dados numéricos de análise (Edvardsson, 2013).

No entanto, os modelos de dados 3D não são capazes de lidar com problemas de consulta espacial que dependem de relacionamentos topológicos; nem podem fornecer uma verdadeira análise espacial 3D (Zhou e Zhang, 2004). Isso ocorre porque os sistemas oferecidos por vários fornecedores com base na estrutura de dados formal são sistemas espaciais desenvolvidos para visualizar apenas Modelos SIG 2.5D (Molenaar, 1992; Zlatanova, Pilouk, & Tempfli, 1996). Notadamente os Modelos SIG 3D estão tendo maior utilização o que esta forçando os desenvolvedores dos SIG a uma maior adequação às necessidade dos usuários. Em termos de utilização destes sistemas, os planejadores

77 urbanos procuram novos modelos espaciais em 3D com o intuito de melhorar o gerenciamento do meio urbano/rural/natural e as suas relações com a população local.

Neste sentido, e entendendo que o mundo real é mais que bidimensional, o planejamento urbano e a modelação espacial devem realizar-se no espaço tridimensional. Portanto o geoprocessamento das imagens sensoriais devem incorporar a componente 3D nas operações e intervenções de novas formas de representação do espaço (Abdul- Rahman & Pilouk, 2008; Alobeid et al., 2009). A construção dos Modelos SIG 3D representativos da realidade devem ser capazes de gerir todas as funções do mundo tridimensional (Abdul-Rahman & Pilouk, 2008), especialmente na análise da intensidade volumétrica dos objetos espaciais e suas relações com os diferentes agentes/atores da cidade.

Os Modelos 3D pode-se ainda apresentar limitações quanto à perspetiva oblíqua, à escala, à dimensão, à distância e à direção dos objetos espaciais. Mas os avanços recentes dos SIG 3D estão criando alternativas e solução para estes problemas e possibilitando uma nova forma de visualizar e analisar as áreas edificadas.

2.8.1. Compatibilização de escalas de dados multitemporais

A compatibilidade entre dados e escalas está condicionada pelos fatores-chave relacionados com os intervalos de tempo e requerem do investigador uma análise profunda na determinação e visualização correta do fenômeno. No ordenamento e planejamento de áreas dinâmicas, como as zonas costeiras, muitas vezes carecem de dados e informação importantes para a análise (Encarnação et al., 2010). A escala é fundamental para compatibilizar os dados disponíveis e as ações que resultaram no instrumento de análise que pode ser decisivos na tomada de decisão. A razão entre escala e dados multitemporais revelam-se no planejamento como fatores indissociáveis para a solução dos problemas de ordenamento. Estes parâmetros adicionam aos modelos a expansão em área e densidade em volume, introduzindo a temporalidade com um nível de detalhe. Contudo, identificar os componentes espaciais comuns inseridos neste tipo de análise e classificá-los segundo o uso ou crescimento no tempo resultam na evolução do modelo no período de análise.

A escala de uma representação cartográfica é a razão entre a distância de observação e a compatibilidade com o objeto no mundo real (Abdul-Rahman & Pilouk, 2008). O termo escala condiciona outras características da cartografia (Ponto 2.3 deste

78

capítulo), bem como a integração ou compatibilização com os dados multitemporais e a resolução espacial dos dados espaciais (Tabela 2). A resolução é fator determinante na construção dos modelos e na identificação das classes analisadas para além das classes elaboradas para o edificado urbano. Nesta tese, os dados coletados revelaram-se como um potencial das análises possibilitadas pelos SIG.

Para além destes princípios descritos anteriormente sobre as áreas edificadas em zonas costeiras (Ponto 2.6 deste capítulo), adotou o critério dos limites relativos a uma mínima área de análise, neste caso os polígonos representativos do edificado. Portanto, traduz-se na expressão em grande escala cartográfica a componente espacial de análise e aplica-se o fator multitemporal ao período (1940-2013) para as áreas de estudo.

2.8.2. Resoluções de dados multitemporais

A resolução de uma imagem matricial (raster) é a dimensão linear mínima da

menor unidade do espaço geográfico representado, ou seja, quanto menor a dimensão maior a resolução raster (Olaya, 2014). Esta dimensão linear também pode ser chamada de célula, pois representa a menor dimensão da imagem orbital e corresponde a uma área específica na superfície terrestre.

Nesta abordagem, o referencial de análise é a captação da imagem em um único momento formando a raiz hierárquica dos dados. Adiciona-se a esta estrutura de dados matriciais o fator multitemporal. A evolução do objeto de estudo no período resultante, neste caso, o crescimento em área (expansão) e volume (densidade) distinguem dois parâmetros de análise associados: o ritmo e a variação do crescimento. O modelo resultante será a aferição no tempo dos fenômenos de crescimento.

A relação entre a resolução das imagens matriciais e a interpretação da evolução do edificado passa por um aprimoramento das imagens a serem utilizadas. As Coberturas Aéreo Fotográficas em escala de 1:10000 com resolução de 1m, a Imagem de satélite com 70cm e as Ortofotomapas com 0,30 e 0,14cm. Estas resoluções foram chave na interpretação visual do edificado existente no período de análise.

A notação cartográfica do modelo foi estendida e representada em oito períodos especiais relacionados segundo as conexões do atributo temporal vetorial. O relacionamento de conexão destes atributos permitiram a associação entre os dados matriciais e vetoriais para interpretar visualmente o edificado. Por exemplo, observou-se o ano de construção e a existência do edificado nas imagens orbitais, ou seja, o atributo

79 matricial temporal foi usado para associar o dado vetorial e modelar o aspeto temporal. Portanto, pode-se assim, modelar todos os anos do crescimento urbano das áreas de estudo e associá-los ao ritmo e a variação do crescimento.

2.8.3. Análise de erro e exatidão dos modelos

Os modelos computacionais utilizados para representar a realidade em SIG contém certos erros nas medidas de área, resolução espacial, amostragem, entre outros (Crosetto et al., 2000; Martinelli, 2005; Olaya, 2014). Estes erros estão associados aos dados coletados e geram incerteza conceptual nas estruturas dos modelos. Assimilar estes erros através de uma avaliação apurada ajuda na exatidão dos modelos cartografados (Martinelli, 2005; Petrovic, 2003).

Os erros podem ser introduzidos no banco de dados decorrentes das fontes de informação primária, adicionados durante os processos de obtenção, captura e armazenamento, gerados durante a exibição ou impressão dos resultados das operações de análise. Ainda, os erros e a falta de exatidão do modelo estão relacionados com a geração do banco de dados e do grande volume de informação processada (Losa & Cervelle, 1999).

Na atualidade existe grandes esforços para o aperfeiçoamento dos SIG em relação as estes aspetos apresentados. Estas iniciativas estão revolucionando as novas gerações dos SIG com potentes algoritmos de análise capazes de detetar os erros introduzidos nos bancos de dados (Crosetto et al., 2000). Os frequentes problemas de confiabilidade dos SIG estão sendo superados e é um fato a qualidade dos resultados dos modelos, possibilitando o compartilhamento de dados.