krigagem e geovisualização multivariada
TRANSCRIPT
GeoestatísticaGeovisualização Multivariada
INFORMÁTICA APLICADA AOPLANEJAMENTO TERRITORIALVitor Vieira [email protected]
CS3406 - Informática Aplicada ao Planejamento Territorial Novembro de 2016Aula 7
Conteúdo
• Geoestatística – Krigagem• Geovisualização Multivariada
Interpolação - Relembrando• Classificação dos métodos de interpolação
• Abruptos vs. Graduais
• Exatos vs. Aproximados
Interpolação - Relembrando• Classificação dos métodos de interpolação
• Locais vs. Globais
• Triangulação vs. Reticulação
Interpolação - Relembrando• Classificação dos métodos de interpolação
• Determinísticos: um valor único para cada pixel no espaço
• Geoestatísticos: utiliza dados de autocorrelação espacialentre os pontos e gera dados quanto àincerteza de predição (desvio padrão)
Interpolação - Relembrando• Classificação dos métodos de interpolação
• Determinísticos: um valor único para cada pixel no espaço
• Geoestatísticos: utiliza dados de autocorrelação espacialentre os pontos e gera dados quanto àincerteza de predição (desvio padrão)
InterpolaçãoMétodos discretosPolígonos de Thiessen, Polígonos de Voronoi, Vizinho mais Próximo, Alocação Euclideana
d/2d/2
Interpolação
Triangulação
LANDIM, P. M. B. (2000). Introdução aos métodos de estimação espacial para confecção de mapas. Rio Claro: UNESP.
InterpolaçãoMédias Móveis
MADDEN, M. 2009. Manual of Geographic Information Systems, American Society for Photogrammetry, Bethesda, Maryland, USA
InterpolaçãoVizinhos naturais
ALBRECHT, J. 2005. Geographic Information Science. Em: http://www.geography.hunter.cuny.edu/~jochen/GTECH361/lectures/lecture10/
1º - Polígonos de Voronoi 2º - Com o novo ponto
Ponto a interpolar
3º - Cálculo ponderado
Interpolação
Inverso da Distância
Wij peso da amostra j no ponto i da grade
k é o expoente da distância,
dij é o valor de distância da amostra j ao ponto i da grade
Exemplo para K=2
CAMARGO, E.C.G., FUCKS, S.D., CÂMARA, G. Análise espacial de superfícies. Em: Análise espacial de dados geográficos. Embrapa Cerrados, Planaltina, 2004.
InterpolaçãoPolinômios – Superfícies de tendência1ª Ordem: Z = a + bX + cY2ª Ordem: Z = a + bX + cY + dXY+ eX2+ fY2
3ª Ordem: Z= a + bX + cY + dXY+ eX2+ fY2+gXY2+hX2Y+iX3+jY3
Onde:Z é o valor estimado na célulaX e Y são as coordenadas geográficasa…j são os coeficientes que melhor
se ajustam aos dados
LANDIM, P. M. B. (2000). Introdução aos métodos de estimação espacial para confecção de mapas. Rio Claro: UNESP.DEMPSEY,C. 2013. Statistical surfaces in GIS. Em: https://www.gislounge.com/statistical-surfaces-in-gis/
1ª ordem
2ª ordem
3ª ordem
InterpolaçãoSpline
DEMPSEY,C. 2013. Statistical surfaces in GIS. Em: https://www.gislounge.com/statistical-surfaces-in-gis/
Interpolação
KrigagemPermite incorporar três fatores:
• Tendências gerais: polinômios
• Flutuações locais: autocorrelação espacial
• Ruído: mudanças aleatórias independentes do espaço
Autocorrelação espacial - Lei de Tobler
“No mundo, todas as coisas se parecem, mas coisas mais próximas são mais parecidas que aquelas mais distantes”
(Waldo Tobler, 1970)
DEMPSEY,C. 2013. Statistical surfaces in GIS. Em: https://www.gislounge.com/statistical-surfaces-in-gis/TOBLER, W. R. (1970). A computer movie simulating urban growth in the Detroit region. Economic Geography, 46(2): 234-240.
Variograma
C = VariânciaC0 = Efeito PepitaC+C0 = PatamarA = Alcance
SANTOS, Carlos Eduardo dos y BIONDI, João Carlos. Utilização de elipsoide de anisotropia variográfica como indicador cinemático em maciços rochosos fragmentados por falhas: o exemplo do depósito de asbestos crisotila cana brava (Minaçu, GO). Geol. USP, 2011, vol.11, n.3, pp. 65-77.CAMARGO, E.C.G., FUCKS, S.D., CÂMARA, G. Análise espacial de superfícies. Em: Análise espacial de dados geográficos. Embrapa Cerrados,
VariogramaC = VariânciaC0 = Efeito PepitaC+C0 = PatamarA = Alcance
SANTOS, C. E., BIONDI, J. C. Utilização de elipsoide de anisotropia variográfica como indicador cinemático em maciços rochosos fragmentados por falhas: o exemplo do depósito de asbestos crisotila cana brava (Minaçu, GO). Geol. USP, 2011, vol.11, n.3, pp. 65-77.CRUZ-CARDENAS, G. et al . Distribución espacial de la riqueza de especies de plantas vasculares en México. Rev. Mex. Biodiv., México , v. 84, n. 4, p. 1189-1199, 2013 .
Variograma
C0 = Efeito PepitaVariação ao acasoFatores não relacionados ao espaçoErros de Amostragem
A = AlcanceDistância até onde ocorre autocorrelação espacial
CAMARGO, E.C.G., FUCKS, S.D., CÂMARA, G. Análise espacial de superfícies. Em: Análise espacial de dados geográficos. Embrapa Cerrados, Planaltina, 2004.
Variograma
VariogramaAjustando um variograma
http://help.arcgis.com/en/arcgisdesktop/10.0/help/index.html#/Components_of_geostatistical_models/003100000034000000/
As classes de distância(grade) podem serselecionadas por
otimização
Variograma
https://www.e-education.psu.edu/geog486/node/1878
Ajustando um variograma
Variograma
IDH no Estado de São Paulo
Distância
Vari
ânci
a
Nem todo variograma chega no patamar de estabilização
Dependência espacial◦ Estacionário: mesma auto-correlação em toda a região estudada
Isotrópicomesma autocorrelação em todas
as direções
Anisotrópicoautocorrelação muda de acordocom a direção
Dependência espacial
Exemplo de anisotropia
Chang, K.T. 2006. Kriging. Using Geostatistical Analyst, ESRI. Introduction to Geographic Information Systems. Em: https://www.yumpu.com/en/document/view/21394397/kriging/31
InterpolaçãoKrigagem Isotrópica Variância da Krigagem
Teor de argila nos solos da Fazenda Chanchim
CAMARGO, E.C.G., FUCKS, S.D., CÂMARA, G. Análise espacial de superfícies. Em: Análise espacial de dados geográficos. Embrapa Cerrados, Planaltina, 2004.
InterpolaçãoKrigagem Anisotrópica Variância da Krigagem
Teor de argila nos solos da Fazenda Chanchim
CAMARGO, E.C.G., FUCKS, S.D., CÂMARA, G. Análise espacial de superfícies. Em: Análise espacial de dados geográficos. Embrapa Cerrados, Planaltina, 2004.
Interpolação
Vizinho mais próximo Médias móveisInverso do Quadrado
da Distância
Teor de argila nos solos da Fazenda Chanchim
CAMARGO, E.C.G., FUCKS, S.D., CÂMARA, G. Análise espacial de superfícies. Em: Análise espacial de dados geográficos. Embrapa Cerrados, Planaltina, 2004.
InterpolaçãoCo-Krigagem◦ Utiliza uma amostragem de pontos correlacionada para ajudar na interpolação◦ Exemplo: dados de elevação do terreno para ajudar a estimar a elevação do nível freático
LANDIM, P. M. B., STURARO, J. R., & MONTEIRO, R. C. (2002). Exemplos de aplicação da cokrigagem. Rio Claro: UNESP.
InterpolaçãoCo-Krigagem◦ Utiliza uma amostragem de pontos correlacionada para ajudar na interpolação◦ Exemplo: dados de elevação do terreno para estimar a elevação do nível freático
LANDIM, P. M. B., STURARO, J. R., & MONTEIRO, R. C. (2002). Exemplos de aplicação da cokrigagem. Rio Claro: UNESP.
InterpolaçãoKrigagem Universal- Usa um polinômio para detectar a tendência geral
- Faz a krigagem sobre o resíduo do polinômio
Como decidir entre krigagemordinária ou universal?
Menor desvio padrão
Usar validação cruzada
Coordenada X (ou Y)
Valo
r do
atrib
uto
Superfícies de Tendência
InterpolaçãoKrigagem da temperatura em Western Cape, África do Sul
Khuluse, S., Dowdeswell, M., Debba, P., & Stein, A. (2010). Mapping the N-year design rainfall-a case study for the Western Cape. In South African Statistical Journal, Proceedings of the 52nd Annual Conference of the South African Statistical Association for 2010 (SASA 2010): Congress 1 (pp. 91-100). Sabinet Online.
Ordinária
Universal
Comparando técnicasInverso da DistânciaVizinhos naturais
Spline Krigagem
ESRI. Surface creation and analysis. Em: http://resources.esri.com/help/9.3/arcgisengine/java/gp_toolref/geoprocessing/surface_creation_and_analysis.htm
Comparando as técnicasPontos Polígonos de
ThiessenInverso dadistância
Polinômiode 1º grau
Polinômiode 2º grau
Krigagem Universalde 1º grau
GILMOND, M. 2016. Intro to GIS and Spatial Analysis. ES2014. Em: https://mgimond.github.io/Spatial/
Contaminação por CádmioPontos de amostragem Triangulação linear Inverso do quadrado da distância
Polinômio de 1º Grau Polinômio de 2º Grau Krigagem Ordinária
LANDIM, P. M. B. (2000). Introdução aos métodos de estimação espacial para confecção de mapas. Rio Claro: UNESP.
Contaminação por Cádmio
LANDIM, P. M. B. (2000). Introdução aos métodos de estimação espacial para confecção de mapas. Rio Claro: UNESP.http://help.arcgis.com/en/arcgisdesktop/10.0/help/index.html#/Understanding_thresholds/00310000004p000000/
Krigagem Indicativa: usa o desvio-padrão para calcular a probabilidade de um determinado valor
Krigagem Ordinária
Desvio-Padrão da Krigagem
Krigagem IndicativaChance de estar abaixo de 7,95ppm
Contaminação por Cádmio
LANDIM, P. M. B. (2000). Introdução aos métodos de estimação espacial para confecção de mapas. Rio Claro: UNESP.
Krigagem Indicativa: usa o desvio-padrão para calcular a probabilidade de um determinado valor
InterpolaçãoVantagens da Krigagem◦ Incorpora a autocorrelação espacial◦ Valores estatísticamente robustos◦ Gera mapa de “incerteza” (variância ou desvio padrão)◦ Pode orientar novas campanhas de coleta
◦ Diversas variantes (ordinária, universal, indicativa, co-krigagem)
Desvantagens:◦ Método pode ser complexo para os leitores do mapa
Quando não usar a krigagem◦ Menos de 30 amostras -> difícil calibrar o variograma◦ Efeito pepita muito grande -> pouca autocorrelação espacial
LANDIM, P. M. B. (2000). Introdução aos métodos de estimação espacial para confecção de mapas. Rio Claro: UNESP.
Estudos comparativos
Em geral, a comparação entre os métodos mostra a seguinte ordem de eficácia:• 1º - Krigagem• 2º - Spline (com suposições mais simples que a
krigagem)• 3º - Estimadores locais• 4º - Superfícies de Tendência
Prática de InterpolaçãoSuperfícies de Tendência por Regressão Polinomial
•No Qgis, abra os arquivos“pluviometricas_sbc_utm.shp” e “sbc_setores_2010_pop.shp”
• Menu Processar -> Caixa de Ferramentas
• SAGA -> Geostatistics -> Polynomial Regression
Prática de Interpolação
• “Points” -> “Pluviométricas_sbc_utm”
• “Attribute” -> “Isoietas_P”
• “Polynom” -> “Simple planar surface”
• “Output extent” -> “Use camada/ extensão da tela”
• Escolha um nome e pasta para os arquivos de resíduos e para o raster (Grid) a ser gerado
Z = a + bX + cY
Prática de Interpolação
• Clique com o botão direito sobrea camada de pontos de resíduos, e mande exibir a tabela de atributos
Prática de Interpolação
• “Points” -> “Pluviométricas_sbc_utm”
• “Attribute” -> “Isoietas_P”
• “Polynom” -> “Quadratic surface”
• “Output extent” -> “Use camada/ extensão da tela”
• Escolha um nome e pasta para os arquivos de resíduos e para o raster (Grid) a ser gerado
Z = a + bX + cY + dXY+ eX2+ fY2
Prática de Interpolação
• Dê dois cliques sobre a camadaraster de tendênciaquadrática e escolha a aba “Estilo
• “Tipo de Renderização” ->“Banda Simples Falsa Cor”
• 5 Classes
• “Classificar”, “Aplicar’, e “OK”
Prática de Interpolação
Prática de Interpolação• Abra a tabela de
atributos da camadade pontos com osresíduos da superfície de tendência quadrática
• Clique no ícone“Abrir Calculadora de Campo”
• Crie um campo de nome “Nome”, tipo“Texto”, com a expressão ‘chuva’ (com aspas simples)
Prática de Interpolação• Clique em Salvar e depois feche o modo de Edição
Prática de Interpolação
• Clique com o botãodireito sobre a camadade pontos com osresíduos quadráticos e salve como CSV
• Verifique se a geometriaestá como “AS_XY” e o separador como“COMMA”
• Salve seu projeto e saiado QGis
Prática de Interpolação• Abra o SADA e escolha “Create a new File”• Escolha um nome para seu projeto• Menu “Data” -> Import sampled data”
Prática de Interpolação
• “Name” -> Nome• “Values” -> Isoietas_P• Easting -> X• Northing -> Y
• Selecione cadainformação opcionalcomo “(None)”
Prática de Interpolação• Selecione “Adjust the
boundaries to the data for me”
• Selecione “Snap boundaries to all data sets”
Prática de Interpolação
Prática de Interpolação
• Janela “Steps” -> “3. Set GIS overlays”
• “Add” -> “abc_paulista_utm”
Prática de Interpolação• Selecione a opção “Interpolate my data”
• “Steps” -> “4. Set grid specs”
• “Size” -> 250 por 250
• “Show Grid
Prática de Interpolação• “OK”
Prática de Interpolação• “5. Interpolation methods” -> “Natural Neighbor” (Vizinhos naturais)
• “6. Show the results” –> “Show the results”
Prática de Interpolação
Prática de Interpolação
• “5. Interpolation methods” -> “Ordinary Kriging”
• “6. Correlation Modeling”
o“Explore Experimental Semi-variogram” -> “Recommend”
o “Model Semi-variographyValues” -> “Recommend”
Prática de Interpolação
Prática de Interpolação
• Em “Correlation Autofit”, selecione osmodelos “Spherical”, “Exponential” e “Gaussian” e aperte “OK”
• Analise o Semivariograma
Prática de Interpolação
• “Steps”-> “7. Search Neighborhood”
• “Default”
• Modifique “Maximum Number of Sampled Data” para 7o Esse valor obteve os melhores
resultados na validação cruzada
Prática de Interpolação• “Steps”-> “8. Show the results”• “Show the results” -> “Continue”
Prática de Interpolação• “Steps”-> “13. Export to File”• “Export to File”
• Selecione a pasta, o nome com extensão “.asc” e o formato“ESRI ASCII Grid”
Prática de Interpolação• “Steps”-> “11. Cross Validation”• “Cross Validate”
• “Draw a probability map” •“Steps”-> “9. Show the Results”
• “Show the results”• “User defined decision goal” = 1800
Prática de Interpolação
Prática de Interpolação• Mapa de probabilidade
Prática de Interpolação• “Steps”-> “13. Export to File”• “Export to File”
• Selecione a pasta, o nome com extensão “.asc” e o formato“ESRI ASCII Grid”
•Salve o seu projeto
Prática de Interpolação• Reinicie o SADA e escolha “Create a new File”• Escolha um nome para seu projeto• Menu “Data” -> Import sampled data”
Prática de Interpolação
• “Name” -> Nome• “Values” -> Residual• Easting -> X• Northing -> Y
• Selecione cadainformação opcionalcomo “(None)”
Prática de Interpolação• Selecione “Adjust the
boundaries to the data for me”
• Selecione “Snap boundaries to all data sets”
Prática de Interpolação
Prática de Interpolação• Selecione a opção “Interpolate my data”
• “Steps” -> “4. Set grid specs”
• “Size” -> 250 por 250
• “Show Grid
Prática de Interpolação• “OK”
Prática de Interpolação
• “5. Interpolation methods” -> “Ordinary Kriging”
• “6. Correlation Modeling”
o“Explore Experimental Semi-variogram” -> “Recommend”
o “Model Semi-variographyValues” -> “Recommend”
Prática de Interpolação
• Em “Correlation Autofit”, selecione osmodelos “Spherical”, “Exponential” e “Gaussian” e aperte “OK”
• Analise o Semivariograma
Prática de Interpolação
• “Steps”-> “7. Search Neighborhood”
• Default
• Modifique “Maximum Number of Sampled Data” para 10o Esse valor obteve os melhores
resultados na validação cruzada
Prática de Interpolação• “Steps”-> “8. Show the results”• “Show the results” -> “Continue”
Prática de Interpolação• “Steps”-> “13. Export to File”• “Export to File”
• Selecione a pasta, o nome com extensão “.asc” e o formato“ESRI ASCII Grid”
Prática de Interpolação• “Steps”-> “11. Cross Validation”• “Cross Validate”
Resíduos Valores Totais
Prática de Interpolação• “Draw a Variance Map”•“Steps”-> “8. Show the Results”
• “Show the Results”
Prática de InterpolaçãoMapa de Variância
Prática de Interpolação• “Steps”-> “13. Export to File”• “Export to File”
• Selecione a pasta, o nome com extensão “.asc” e o formato“ESRI ASCII Grid”
•Grave o seu projeto e saia do SADA
Prática de Interpolação• Abra o seu projeto novamente no QGIS
• Adicione a camada raster com a interpolação do resíduo
• Clique com o obtão direito sobre a camada e escolha Propriedades
• Na aba Geral, mude o Sistema de Referência para SAD69 / UTM 23S
Prática de Interpolação• Menu “Raster” -> “Calculadora Raster”
• Some a“superfície quadrática”
+“krigagem dos resíduos”
• Escolha um nome(extensão tif) e pasta para gravar o resultado
Prática de Interpolação
• Dê dois cliques sobre a camadaraster de tendênciaquadrática e escolha a aba “Estilo
• “Tipo de Renderização” ->“Banda Simples Falsa Cor”
• 5 Classes
• “Classificar”, “Aplicar’, e “OK”
Prática de Interpolação
Geovisualização Multivariada
O que nós já vimos até agora• Cartografia temática
• Padrões espaciais• Teoria das Cores• Métodos de Classificação• Mapas:
• Coropléticos• Símbolos Proporcionais• Densidade de Pontos• Fluxos• Cartogramas• Kernel• Proximidade
• Análise de padrões pontuais• Interpolação
Geovisualização Multivariada
• Conceitos• Teoria das cores para geovisualização multivariada
• Mapas bivariados• Mapas com 3 ou mais variáveis• Mapeamento temporal• Visualização de incerteza
• Mapas para Ver GPS de carro Panfletos Mapas para crianças
• Mapas para Ler Artigos e livros Projetos Técnicos Mapas para pessoas
mais velhasVisualização rápida
Menos elementos (comunicação seletiva)
Boa memorização
Cores Saturadas
Cores Quentes
Relembrando
Exploração de dados
Mais classes, elementos, informações
Pior memorização
Cores Pastéis
Cores Frias ou Neutras
Visualização Multivariada
Que mapas multivariados nós já vimos?Símbolos Proporcionais Multivariados
HARRIES, K. Mapping Crime: Principle and Practice, December 1999. In: https://www.ncjrs.gov/html/nij/mapping/toc.html
Que mapas multivariados nós já vimos?
Coroplético + Símbolos Proporcionais
Proporção de pessoas seminstrução ou que completaram menosde um ano de estudo(%)
Total de pessoassem instrução ouque completarammenos de um ano de estudo
População com Insuficiência Alimentar
Maia, Alexandre Gori, and Antonio Marcio Buainain. "Pobreza objetiva e subjetiva no Brasil." Confins. Revuefranco-brésilienne de géographie/Revista franco-brasilera de geografia 13 (2011).
Que mapas multivariados nós já vimos?Densidade de Pontos + Classes por Cor
Que mapas multivariados nós já vimos?Fluxos + Coroplético
Miro (2014) Imigrantes Brasileiros: principais fluxos atuais. Em: http://outroverde.blogspot.com.br/2014/06/imigrantes-brasileiros-principais.html
Cartograma + Coroplético
Henning, B.D. (2009) Mapping a (un)happy humanity: a new perspective on our planet’s well-being. http://www.viewsoftheworld.net/data/2009_CWIPP_Poster.pdf
Que mapas multivariados nós já vimos?
Um mapa com várias variáveis?
Vs.
Vários mapaslado a lado? (pequenosmúltiplos)
GELMAN, A. 2009. Hard sell for Bayes. Statistical Modeling, Causal Inference, and Social Science. Em: http://andrewgelman.com/2009/07/15/hard_sell_for_b/
Geovisualização MultivariadaCombinação
• Extrínsicao Percebidas de formas distintaso Comparar diferentes padrões
• Intrínsecao Percebidas de forma conjuntao Comparar relação entre as variáveis
População com Insuficiência Alimentar
Slocum, T. A., McMaster, R. B., Kessler, F. C., & Howard, H. H. (2009). Thematic cartography and geovisualization. New Jersey, NJ: Prentice Hall
Combinação Intrínseca
Slocum, T. A., McMaster, R. B., Kessler, F. C., & Howard, H. H. (2009). Thematic cartography and geovisualization. New Jersey, NJ: Prentice Hall
HachuraBivariada
Pode seradicionada a uma camadacoroplética(3ª variável)
Prática de Visualização Multivariada• No ArcMap, adicione a camada “ufaedes_utm.shp”
• Dê um duplo clique na camada, e clique na aba “Simbology”
• “Quantities” -> “Graduated colors”
• “Fields” -> “Value” = Dengue“Normalization” = pop2016
• “Classify” -> Escolha a classificação de Quantil por 3 classes
Prática de Visualização Multivariada• Clique no símboloda primeira classe(menor densidade) e escolha“10% Simple hatch”
• Clique em“Edit Symbol”
Prática de Visualização Multivariada• “Angle” = 0• “Separation” = 10
• Repita o mesmoprocedimento para as demais classes do mapa, mas dividindopor 2 o valor de “separation” progressivamente para cada classe (5 para a segunda e 2,5 para a Terceira)
Prática de Visualização Multivariada• Visualização
Prática de Visualização Multivariada• Clique com o botão direito sobre a camada e selecione “Copy”
• Clique com o botão direito sobre “Layers” e selecione “Paste Layer(s)”
Prática de Visualização Multivariada• Faça mude a variável para Chikungunha normalizada por população
• Classificação por Quantil de 3 classes
• Simbolização gradual por Hachuras Verticais (Angle = 90)
Prática de Visualização Multivariada• Que padrõesespaciais podemosreconhecer nestemapa?
Prática de Visualização Multivariada• Copie e cole a camada novamente para criar uma terceira camada
• Faça um mapa coroplético de Zica normalizada por população com três classes de quantil
Prática de VisualizaçãoMultivariada
Quais padrõesespaciaispodemos
perceber nestemapa?
Prática de Visualização Multivariada
Compare os dois mapas
Slocum, T. A., McMaster, R. B., Kessler, F. C., & Howard, H. H. (2009). Thematic cartography and geovisualization. New Jersey, NJ: Prentice Hall
CombinaçãoIntrínseca
Glifos Bivariados
Pode ser adicionado a umacamada coroplética
(3ª variável)
Combinação Intrínseca
Slocum, T. A., McMaster, R. B., Kessler, F. C., & Howard, H. H. (2009). Thematic cartography and geovisualization. New Jersey, NJ: Prentice Hall
RetângulosBivariados
• Facilidade:o Interpretar correlação
positiva ou negativaentre as variáveis
o Tendência geral ao longodo mapa (2 variáveisjuntas)
• Dificuldade:o Comparação entre
variação de uma únicavariável entre regiões
o Confunde com mapa de simbolos proporcionaisde área
Combinação IntrínsecaGráfico de Estrelas
•Facilidade:◦ Comparação entre variáveis em
um único elemento◦ Noção de redução ou aumento
geral entre elementos
• Dificuldade◦ Comparação entre variação de
uma único variável entre regiões
Friendly, M. (2007). A.-M. Guerry's" Moral Statistics of France": Challenges for Multivariable Spatial Analysis. Statistical Science, 368-399. Em: http://projecteuclid.org/DPubS/Repository/1.0/Disseminate?view=body&id=pdfview_1&handle=euclid.ss/1199285037
Combinação IntrínsecaAgregação interescalar multivariada
Medianas e quartis
Friendly, M. (2007). A.-M. Guerry's" Moral Statistics of France": Challenges for Multivariable Spatial Analysis. Statistical Science, 368-399. Em: http://projecteuclid.org/DPubS/Repository/1.0/Disseminate?view=body&id=pdfview_1&handle=euclid.ss/1199285037
Combinação Extrínseca
Círculos Proporcionais: Evaporação Precipitação: IsolinhasTemperatura: Coroplético
Slocum, T. A., McMaster, R. B., Kessler, F. C., & Howard, H. H. (2009). Thematic cartography and geovisualization. New Jersey, NJ: Prentice Hall
Sistema HSV (Hue - Saturation - Value)
Cores Saturadas Cores pasteis
Sistema Subtrativo
Aplicado a objetos sujeitos a absorção e reflexão de comprimentos de onda
Exemplo: mapas impressos
Sistema Subtrativo
Mapas Coropléticos Bivariados
Stevens, J. (2015) Bivariate Choropleth Maps: A How-to Guide. http://www.joshuastevens.net/cartography/make-a-bivariate-choropleth-map/
Sistema Subtrativo
Unipolar
Mapas Coropléticos BivariadosSistema Subtrativo
Esquema Divergente/Sequencial
BREWER, C. A. (1994). Color use guidelines for mapping. Visualization in modern cartography, 123-148.
Mapas Coropléticos BivariadosEsquema Divergente/Divergente
(Sistema HSV)
BREWER, C. A. (1994). Color use guidelines for mapping. Visualization in modern cartography, 123-148.
Esquema Qualitativo/Sequencial
http://www.nytimes.com/interactive/2009/03/10/us/20090310-immigration-explorer.html?_r=
Mapas Coropléticos Bivariados
BREWER, C. A. (1994). Color use guidelines for mapping. Visualization in modern cartography, 123-148.
Legendas bivariadascomo diagramas de dispersão
Leonowicz A.M., 2007. Choropleth maps as a method of representing geographical relationship. Phddissertation. Warsaw: Institute of Geography and Spatial Organization, Polish Academy of Sciences. Em: http://www.geo.unizh.ch/~annal/Choropleth%20maps.html
• Mapas bivariados com diagramas de dispersão no SIG online Indie Mapper (http://indiemapper.com/)
Legendas bivariadas como diagramas de dispersão
% de UCs Marinhas
% de U
csTerrestres
Porcentagem do Território Nacional com Unidades de Conservação
Mapas coropléticos bivariados
Hidasi-Neto, J. (2015) Bivariate Maps: "bivariate.map" Function. R Functions. Em: http://rfunctions.blogspot.com.br/2015/03/bivariate-maps-bivariatemap-function.html
Sistema Aditivo Contínuo
Mapas coropléticos bivariados
% de UCs Marinhas
% de U
Cs Terrestres
• Mapas bivariados contínuos com diagramas de dispersão no SIG online Indie Mapper (http://indiemapper.com/)
Porcentagem do Território Nacional com Unidades de Conservação
Prática de Mapas Bivariados• No ArcMap, abra os shapefiles “para_eleicoes.shp” e “legenda_bivariada_para.shp”
• O shapefile de legenda foi criado desenhando quadrados e depoisconvertendo em shapefile: “Drawing”->”Convert Graphics to Features”…, como fizemos nalegenda de mapas depontos
Prática de Mapas Bivariados• Abra as tabelas de cada um dos shapefiles
5000
15000
500000
Tota
l de
Voto
s
% de Votos para Dilma0.1 0.5 0.9
Prática de Mapas Bivariados• Clique duplo na camada “para_eleicoes”-> Aba “Symbology”• “Quantities”-> “Graduated colors”• “Value” -> “perc_dilma”• “Classes” = 3• Clique em cada item em “Symbol” e escolha Azul, “50% Gray” e Vermelho fortes• Clique nos 2 primeiros itens em “Range” e escolha os limites “0.4”” e “0.6”
•Aba “Display” -> Transparent: “50%”
• Duplo clique na camada “legenda_bivariada_para” -> Aba “Symbology”• Ícone “Import” -> Selecione o layer “para_eleicoes” e OK
• “Value Field” = “perc_dilma”• Aba “Display” -> “Transparent” = “50%”
Prática de Mapas Bivariados
Legenda Bipolar
• Clique com o botão direito na camada“eleicoes_para” -> “Copy”
• Clique em Layers -> “Paste layer(s)”
• Renomeie a nova camada para “eleicoes_para_total”
• Copie e cole também a camada“legenda_bivariada_para” e renomeie para “legenda_bivariada_para_total”
• Rearraje as camadas na ordem ao lado
Prática de Mapas Bivariados
Prática de Mapas Bivariados• Clique duplo na camada “para_eleicoes_total”-> Aba “Symbology”• “Value” -> “total voto”• Clique em cada item em “Symbol” e escolha Preto, “50% Gray” e Branco• Clique nos 2 primeiros itens em “Range” e escolha os limites “10000” e “20000”• Aba “Display” -> Transparent: “50%”
Legenda Sequencial
• Duplo clique na camada “legenda_bivariada_para_total” -> Aba “Symbology”• Ícone “Import” -> Selecione o layer “para_eleicoes_total” e OK
• “Value Field” = “total_voto”• Aba “Display” = “Transparent”: “50%”
Prática de Mapas Bivariados
Legenda Bipolar
Lege
nda
Sequ
enci
al
Prática de Mapas Bivariados
Prática de MapasBivariados
Após edição gráficada legenda e demaiselementos
Mapas Bivariados
Plugins experimentais para mapas bivariados:
• ArcGishttps://blogs.esri.com/esri/arcgis/2015/09/15/making-bivariate-choropleth-maps-with-arcmap/
• QGishttps://github.com/webgeodatavore/bivariate_legend
Representação Bivariada
Martin E. Elmer. Symbol considerations for bivariate thematic mapping. Diploma thesis, University of Wisconsin-Madison, 2012.
Geoestatística
• Exercício individual• Selecione um tema à sua escolha e analise as variáveis com a
técnica de krigagem e geovisualização multivariada• Utilize o QGis, SADA, ArcGis e/ou outros programas• Faça um relatório textual de no mínimo 1 página, de acordo
com o modelo de trabalho e atividades explicado na primeiraaula
• Entrega até 25 de novembro (Sexta-Feira)
Exercícios
Modelo de Trabalho e AtividadesIntrodução◦ Apresentação do problema de pesquisa◦ Artigos ou livros que já trataram sobre o assunto (método e conclusões)◦ Objetivos◦ Conceitos teóricos
Metodologia◦ Área de estudo◦ Variáveis estudadas◦ Técnicas utilizadas◦ Produtos gerados
Resultados e discussão◦ Mapas, gráficos e tabelas◦ Interpretação textual
Conclusões
Referências