Instalação QGIS 2.4 no windows

Meu amigo, +Cleidir Bicca  preparou um tutorial, bem completinho, da instalação do QGIS no windows. Não tem segredo, e segundo ele é mias fácil que no ubuntu, mas não necessariamente melhor... lol. Quem instalar e testar os arquivos que disponibilizei para teste neste post, por favor deixe um comentário com o feedback.

Obrigado, e obrigado Cleidir.

OBS - Ao final, o Cleidir separou uns links bacanas, vale a pena conferir.
O documento pode ser baixado aqui.

me>

Plotly: Ferramenta para ótimos gráficos online e gratuita.

Apresentando o Plotly, uma ferramenta online boa, bonita e gratuita para se fazer gráficos dinâmicos para se compartilhar.

Você consegue, através de 3 linhas de rotina no R ou Matlab fazer o upload dos seus dados e produzir gráficos bonitos e em alta resolução. Também é possível adicionar os dados via um csv ou copia e cola, e fazer toda a edição no próprio website. Depois, basta salvar como figura, compartilhar ou embeber o código htlm no seu site.

Para os ainda mais aplicados, é possível e simples plotar dados diretamente das plataformas Arduíno ou via Python.

Vale muito à pena.

Nesta amostra, estou apresentando alguns dados da Estação Meteorológica Automática de Rio Grande, obtidos no site do INMET.

Instalação GRASS 7 no ubuntu 14.04

A nova versão do GRASS, ainda em beta, tem algumas novas atrativas ferramentas que podem ser conferidas aqui, dentre elas uma que chamou muito a atenção é uma ferramenta para fazer animação, por exemplo com alguma série de raster temporal. A ferramenta é a g.gui.animation. Quem sabe, daqui a pouco meu colega +Tiago Gandra  não anima em fazer um tutorial, já que ele andou explorando a ferramenta. Mas vamos à instalação para que você possam desfrutar. Basicamente os passos são os mesmo descritos no site do programa, com uma ligeira modificação ao final. Mas aqui ainda dou a dica pra quem precisa instalar o programa em alguma máquina em um ambiente em que as conexões usam proxy.

GRASS 7

Caso você ainda não tenha  GRASS anterior instalado, instale-o:

sudo apt-get install grass grass-gui

Este comando irá instalar a versão estável do GRASS, a versão 6.4.3. Para a maioria das aplicações a versão atual é suficiente, porém a versão 7 apresenta algumas funcionalidades novas. Quem sabe em breve saia uma publicação aqui mostrando algumas delas. Para a versão 7, ainda em versão beta, é necessário adicionar o canal de repositório do GRASS como descrito no próprio site e em seguida atualizar a lista de repositório do sistema.

sudo add-apt-repository ppa:grass/grass-stablesudo apt-get update

Como mencionado anteriormente, caso esteja atrás de uma conexão com proxy será necessário usar os seguintes comandos (fonte é a mesma citada acima):

export http_proxy=http://proxy.furg.br:3128export https_proxy=http://proxy.furg.br:3128
sudo -E add-apt-repository ppa:grass/grass-stablesudo apt-get update 

E para instalação, diferente do mencionado no site do GRASS, em vez de instalar os pacotes 'grass70' e 'grass70-gui', instale os pacotes 'grass70-core' e 'grass70-gui':

sudo apt-get install grass70-core grass70-gui 

Para iniciar o programa pode procurar o grass7 no dash ou excecutar:

grass70 

--------------------------------------------------------------------------------------------

Infelizmente, se você estiver com as duas versões instaladas, apenas a versão antiga funcionará integrada ao QGIS, pois o plugin de integração do programa ainda é para a versão 6.4.x

Instalação QGIS 2.4 no ubuntu 14.04 (recém instalado)

E aí pessoal? Fui encorajado a escrever este tutorial para servir de apoio aos alunos da nova disciplina de geotecnologias oferecidas esse semestre para os estudantes do curso de oceanologia da FURG. O objetivo é descrever o passo a passo para a instalação do programa num sistema Ubuntu 14.04 recém instalado, garantindo a funcionalidade dos mesmo para uso nas aulas prática na disciplina. Muito em breve, um colega irá escrever um tutorial equivalente para usuário de sistema Ruin...Windows. Mas como entusiasta dos open source incentivo a instalação  e uso do Ubuntu ou similares. Ao final do tutorial, disponibilizo um link para downloads de arquivos para teste e garantir que tais extensões sejam lidas, principalmente se você não está usando um mesmo OS que eu.

Quantum GIS

O Quantum GIS já deve estar disponível para instalação em seus repositórios, porém iremos adicionar o repositório oficial do projeto, garantindo termos sempre a versão estável mais recente. Os passos descritos constam no próprio site do QGIS. Vamos lá, abra um terminal (Ctrl+Alt+T) e digite o comando a seguir para adicionar o repositório do QGIS a sua lista de repositório. Atente que o comando é para a versão 'trusty' do ubuntu, 14.04 LTS, caso esteja usando outra versão tenha o cuidado de adaptar o comando.

sudo add-apt-repository 'deb     http://qgis.org/debian trusty main'

Em seguida vamos adicionar a chave de autenticação para este repositório:

gpg --keyserver keyserver.ubuntu.com --recv DD45F6C3
gpg --export --armor DD45F6C3 | sudo apt-key add -

Para aqueles que estiverem atrás de uma conexão com proxy, como acontece na FURG, então é necessário modificar o comando para que o ubuntu a importação da chave utilizando o proxy. Aprendei aqui.

sudo apt-key adv --keyserver-options http-proxy=http://proxy.furg.br:3128/ --keyserver keyserver.ubuntu.com --recv DD45F6C3

Com o novo repositório adicionado, basta então atualizar a lista de repositório do sistema e então instalar os pacotes a seguir.

sudo apt-get update
sudo apt-get install qgis python-qgis

Pronto só aguardar o fim da instalação.  Caso, você já tenha o QGIS instalado, basta mandar atualizar (sudo apt-get upgrade), mas certifique-se de que havia instalado o pacote 'python-qgis'.

Testando

Os arquivos utilizados para testar algumas versões podem ser baixados AQUI. Alguns arquivos estão zipados e algumas vezes possui um arquivo complementar que contem um estilo pre-definido para visualização no QGIS (.qml). Basta descompactar os dois arquivos e deixá-los juntos que o QGIS irá reconhecer o estilo automaticamente Vamos testar o seguinte:

1. Abrir dois tipos de arquivo .nc
2. Abrir uma imagem ASTER, extensão .hdf
3. Abrir um arquivo vetorial de extensão do google earth, .kml/.kmz
4. Testar um algoritmo/processamento do GRASS diretamento do QGIS

1. Arquivo .nc (dois tipos)

1. Dado de clorofila na extensão .nc ('csm_20100204_ag.nc'). Para abri-lo basta adicioná-lo como um raster. O arquivo não possui informação de projeção e portanto o QGIS irá perguntá-lo qual sistema de coordenadas utilizar, selecione o EPSG 4326.
2. Dados de TSM global produto do OSTIA disponível ('20140126-UKMO-L4HRfnd-GLOB-v01-fv02-OSTIA.nc'). Este é um outro arquivo .nc que contem mais de uma variável (TSM analisada, erro, lat, lon, etc). Sugestão: selecione 'analysed_sst'. Mais produtos desta fonte podem ser baixados aqui.

2. Imagem ASTER

Abrir a imagem ASTER que está zipada no arquivo 'img_ASTER.zip' ('AST_L1B_00302132004142045_20140704092205_28017.hdf'). Imagem ASTER é um pouco chato de abrir diretamento no QGIS, talvez haja um jeito mais fácil, mas eu ainda não pesquisei a respeito. Outra solução é abrir em outro programa de processamento digital de imagem,GRASS por exemplo, e de lá exportá-lo (já com uma composição rgb). Ao tentar abrir, você será perguntado qual banda deseja adicionar. Para fim de teste, selecione apenas a banda 3N. Por padrão o QGIS não projeta corretamente a imagem, apesar de ler e entender a SRC da imagem. É necessário usar a ferramenta projetar/reprojetar a imagem:

1. Selecione a ferramenta Raster>Projections>Warp (Reproject)
2. De um nome de saída para a imagem
3. em 'source srs' você deverá selecionar o mesmo sistema de referencia que o QGIS reconheceu da ASTER. Neste exemplo é USER:100003 
4. como 'target srs' você deve escolher a projeção UTM e mesma zona da imagem. Repare que no próprio nome do SRS detectado pelo QGIS consta qual é a zona. No nosso caso é UTM 19S
5. selecione para que a imagem seja carregada na tela.

Pronto. Para facilitar carregue a camada do google open layers (se ainda não tem o plugin instalado, é só instalá-lo Plugins>Manage and Install plugins) a ferramenta fica em Web>OpenLayers plugin>Google Maps>Google Satellite.

3. Arquivo .kml/kmz

Arquivos .kmz/kml são abertos como vetores. E na hora de selecionar o arquivo é necessário no filtro de extensões selecionar para mostar 'All files' ou 'Keyhole Markup Language [KML]. Abra o arquivo 'Geleira_Grey.kmz'. Este vetor é um ponto sobre a Geleira Grey na Patagônia Sul.

4. Algoritmo GRASS

Vamos ao último teste. Descompacte os dois arquivos de 'landuse.zip'. Em um novo projeto carregue a imagem 'landuse_urb.tif'. Percebam que a imagem já foi carregada com um estilo pré-definido definido pelo arquivo 'landuse_urb.qml' que etava na mesma pasta. Nós iremos aplicar um filtro de moda sobre esta imagem classificada afim de eliminar alguns pixels isolados presentes em uma outra classe. Para as ferramentas do GRASS funcionarem diretamente no QGIS é necessário que tenhas habilitado o plugin 'GRASS'. Para visualizarmos todos os algoritmos disponíveis:

1. Processing>Toolbox (um painel será aberto do lado direito)
2. procure por 'r.neighbors' (caso tenha o grass7 instalado, tenha atenção em selecionar a ferramenta do grass6 e não do 7, pois o plugin de integração entre QGIS/GRASS ainda é para o grass6)
3. 'Neighborhood oparation' selecione 'mode' (moda)
4. 'Neighborhood size' - 9
5. de um nome de saída para seu arquivo, de modo que fique fácil reconhecer depois, como 'landuse_urb_mode9.tif'
6. Pronto. Com a imagem filtrada gerada. Copie o estilo da imagem original e cole na imagem filtrada.

Obrigado por lerem, e caso tenham alguma dúvida ou dica para compartilhar, por favor escrevam.

Integração do PostgreSQL e R para Estimador de Densidade

Começando a aprender o versátil e completo software R, hoje consegui fazer uma pequena e simples rotina que quero compartilhar. Pessoalmente, escolhi o RStudio como interface (quase) gráfica para o R.

O objetivo é fazer de forma rápida mapas de densidade de ocorrência de um determinado evento.

É bem provável que eu não utilize um mapa como o demonstrado acima como produto final. Mas se apresentou como uma solução boa, bonita e barata para uma análise exploratória dos dados. Principalmente se eu quero fazer isto para 5 espécies e 295 saídas de campo. Não dá para fazer isto clicando no QGIS. O construtor de modelos do GRASS pode ser uma saída. Mas certamente esta solução no R foi a mais rápida.

Neste exemplo, utilizaremos o caso encalhes de tartarugas marinhas pelo litoral do Rio Grande do Sul. Nestes links, você pode ter mais informações sobre o Projeto Tartarugas no Mar e sobre o NEMA, instituição responsável pelo banco de dados de monitoramento de praia aqui utilizado.

Este procedimento será realizado em 7 passos:

1. Carregar as bibliotecas necessárias;
2. Conectar ao banco de dados;
3. Criar as variáveis que serão utilizadas;
4. Calcular o índice de densidade;
5. Montar o raster de densidade;
6. Plotar os dados e salvar a figura;
7. Salvar o raster de densidade em GeoTIFF para abrir em outro software de SIG (QGIS, GRASS, GvSIG ou qualquer outro).

Então mãos à obra. Como dados de entrada, precisamos apenas de uma série de pontos (longitude e latitude) e de um shapefile para representar a divisão política e facilitar a compreensão dos resultados.

1. Bibliotecas:

library(sqldf) ##execução de sql

library(RPostgreSQL) ##conexão com Postgres

library(KernSmooth)

library(raster) ##construção de rasters

library(maps) ##importação de shapes e muitas outras funções de mapas

2.  Conexão com o PostgreSQL:

options(sqldf.RPostgreSQL.user="seu_usuario",

        sqldf.RPostgreSQL.password="sua_senha",

        sqldf.RPostgreSQL.dbname ="nome_do_bd",

        sqldf.RPostgreSQL.host ="localhost_ou_IP_do_servidor",

        sqldf.RPostgreSQL.port =5432)

3.  Criação das variáveis:

O sqldf permite você fazer qualquer consulta em SQL dentro do BD. Neste caso, selecionei apenas as colunas lat e lon da tabela de encalhes, para os registros do ano de 2013.

encalhes<- sqldf("select lon,lat from encalhes_2002p where extract ('year' from data)= 2013")

No caso da linha de costa, iremos carregar um shapefile:

costa <-shapefile('../divisao_politica.shp', stringsAsFactors=FALSE, verbose=FALSE) 

4. Cálculo do Índice de Densidade Kernel

dens <- bkde2D(encalhes, # nome da variável com lat, lon

              bandwidth=c(0.05,0.05), #maior distância de influência de cada ponto, neste caso em graus 

              gridsize=c(2000,2000), #número de linhas e colunas (resolução) do arquivo gerado

              range.x=list(c(-53.5,-50),c(-33.8,-31.2))) #coordenadas mínimas e máximas do cálculo

5. Transformando em raster

O caso é que o comando bkde2d gera uma lista com lon, lat e índice de densidade calculado. Portanto é necessário criar um raster, que irá ocupar menos memória e será mais efetivo.

dens.raster = raster(list(x=dens$x1, y=dens$x2, z=dens$fhat))

projection(dens.raster) <- CRS("+init=epsg:4326")# Sistema de Referência

xmin(dens.raster) <- -53.5 #Coordenadas do retângulo de extensão do raster

xmax(dens.raster) <- -50

ymin(dens.raster) <- -33.8

ymax(dens.raster) <- -31.2

6. Fazendo o plot:

 plot(dens.raster)

plot(costa, bg="transparent", add=TRUE)

Note que o parâmetro "bg" define que o background dos polígonos será transparente e o "add" que este plot deverá ser adicionado ao anterior, e não simplesmente gerado em uma nova figura

7. Se quiser salvar como figura, basta adicionar 1 linha antes e uma depois:

png("../heatmap_total.png", width=1000, height=1000)

plot(dens.raster)

plot(costa, bg="transparent", add=TRUE)

dev.off()

8. Se quiser salvar o kernel como GeoTIFF para utilizar em outros programas, basta:

writeRaster(../kern.tif',"GTiff",overwrite=TRUE) 

Extra: Agora, com todos os mapinhas padronizados, fica muito fácil fazer uma animação tratando cada mapa como um frame, e montando um gif. Um comando no terminal do Ubuntu:

convert -delay 100 -loop 0 heatmap*.jpg animation.gif

S02E04: Reclassificação, MDE, Distância Euclidiana

Nesta semana aprendemos algumas novas ferramentas tendo como o objetivo chegar a um mapa final com as áreas de APP definidas. O fluxograma acima resumi as etapas necessárias para combinarmos os três critérios utilizados: imagem classificada de cobertura do solo definindo as APP (banhado, marisma, dunas, mata nativa); áreas de declivade maior que 35º; margem de 30 metros de rios.

Uma ferramenta muito útil com a qual trabalhamos foi a 'Raster Calculator' que permiti a operação matemática entre bandas. Esta ferramente pode ser utilizada em outras aplicações como cálculo de índices: NDVI, NDWI, NDSI, etc. Uma breve descrição sobre este conceito de índices e razão entre bandas neste link, com uma descrição resumida sobre as principais etapas do pré-processamento.

Utilizamos também a ferramenta de rasterização. No nosso caso, fizemos um procedimento anterior ao uso desta ferramente, ao qual nos referimos como a criação de um esqueleto, para ser usado como base para o dado de saída. Para melhor esclarecimento desta etapa, segue uma descrição mais detalhada desta etapa:

O processo de rasterização consiste em transformar um vector em um raster onde os valores de cada pixel serão atribuídos de acordo com algum campo (atributo) definido pelo usuário. A extensão e resolução do raster de saída também pode ser definido. Se não especificado, a extensão do raster será os limites mínimos e máximos de coordenadas do vetor de origem.

Especificamente para o nosso caso de estudo, precisamos que os pixels do raster de saída, com informação onde é rio (=1) e onde não é rio (=0), sejam coincidentes com os pixels de nossa imagem classificada. Para isso, criamos um raster prévio, que em aula nos referimos como esqueleto (ver fluxograma), utilizando a ferramenta raster calculator.

Nome do arquivo será o nome final do arquivo rasterizado, neste caso 'rios.tif'. Como queremos uma imagem raster com valor verdadeiro (1) para pixels de rios e falso (0) para o resto, utilizamos uma expressão falsa: 

landuse@1 < 0

com nosso “esqueleto” definido, temos ainda que criar um novo atributo para nosso vetor rios.shp que contem o valor o qual queremos que seja atribuído ao pixel durante o processo de rasterização. Para isso

1. Abrir para edição;

2. adicionar um novo atributo, 'nd', com o 'Open field Calculator' atribuindo o valor 1;

3. abrir a ferramenta Raster>Conversion>Rasterize. Definir o 'atribute field' para a coluna nd recém criada. Definir como nome de saída o arquivo rios.tif criado na etapa anterior (esqueleto) e então deixa a opção 'Keep existing raster size and resolution'.PRONTO!

O produto final é um raster de mesmo tamanho e resolução que sua imagem classificada com valores 0 e 1 para áreas de rios.

Bons trabalhos e qualquer dúvida é só postar. Tentem vocês mesmos colocarem no papel o fluxograma do trabalho de vocês, é muito importante para não se perderem no meio de tantos processamentos.

S02E03: Classificação de Imagens

Nesta semana, partimos de uma imagem bruta do satélite LANDSAT 8 e chegamos em um mapa de cobertura dos solos utilizando o QGIS e o Semi-Automatic Classification Plugin (SCP). Vimos conceitos básicos de sensoriamento remoto, radiação eletromagnética, janelas atmosféricas, correção atmosférica, comportamento espectral de alvos e classficação supervisionada pixel-a-pixel de imagens de satélite.

A documentação deste excelente plugin pode ser encontrada neste website.

Instalação do Geoserver no Ubuntu 14

O Geoserver é um dos softwares mais utilizados atualmente para a elaboração de mapas dinâmicos online (WebGIS) de forma simples e sem a necessidade de muita programação.

Por mais que este rápido tutorial não seja inédito e seja baseado em blogs e tutoriais (pergunte ao Google), talvez alguns prefiram seguir estes passos para instalar o Geoserver ao invés de buscar por aí.

1. Abrir o terminal (ctrl+alt+t) e instalar os pacotes necessários dos servidores que vamos utilizar (apache2 e tomcat7):

sudo apt-get install apache2 tomcat7

Após esta instalação, se você digitar http://localhost/  no seu navegador, deverá aparecer a página do Apache dizendo em vermelho "It works". Se digitar http://localhost:8080/ deverá aparecer a página do Tomcat também dizendo que funciona.

2. Baixar o instalador do Geoserver, no formato "Web Archive" (arquivo .war) do site oficial.

3. Descompactar o arquivo baixado. Supondo que esteja na pasta Downloads e que você tenha baixado o mesmo arquivo que eu, digitar no terminal.

 unzip -a Downloads/geoserver-2.5.2-war

4. Copiar o arquivo geoserver.war para a pasta raiz do Tomcat7:

sudo cp geoserver.war /var/lib/tomcat7/webapps/

5. Reiniciar o servidor Apache para que ele leia o arquivo que acabou de  copiar:

sudo service apache2 restart

6. Verificar se está funcionando, digitando no seu navegador o endereço http://localhost:8080/geoserver/ deverá aparecer a página inicial do Geoserver onde você deverá fazer a conexão com usuário "admin", senha "geoserver", que é o padrão do programa.

Parabéns, você já pode publicar os seus mapas usando o Geoserver.

S02E02: Projeções, Sistemas de Coordenadas e Georreferenciamento

No 2º episódio, começamos mostrando alguns dos mapas produzidos na primeira semana. Depois, vimos conceitos gerais de Projeções, Geóide, Elipsóide e Sistemas de Coordenadas. Também vimos a teoria envolvida no georreferenciamento por registro de imagens. Fizemos a operação de georreferenciamento em uma imagem do sensor HRC do satélite CBERS-2B, usando o georreferenciador GDAL do QGIS. Além disto, vimos ferramentas de edição vetorial e vetorização.

A apresentação está disponível abaixo.

S02E01: Conceitos e fundamentos. Composição de Mapas.

Neste 1° Episódio da 2ª Temporada do Curso SIG Livre em Meio Ambiente, vimos alguns conceitos básicos de SIG e começamos a nos familiarizar com o software QGIS. Também vimos rapidamente como fazer composição de mapas no QGIS.

Como material de apoio para a composição de mapas, sugiro um vídeo muito bem explicado e em português disponível neste link no youtube.

Livro de Servidores de Mapas (WebGIS)

Fonte: http://schnellinformatics.com/webgisServices.html

Uma das grandes desvantagens de ser professor de disciplinas de áreas técnicas específicas é a dificuldade de encontrar um livro-texto, principalmente em português. Geralmente, a disciplina é construída através de uma colcha de retalhos: tutoriais, manuais, seções de livros, blogs, fóruns trabalhos já realizados. Isto dificulta muito o trabalho do professor e o estudo dos alunos. 

Para quem não conhece, WebGIS é o futuro (ou o presente?) da cartografia. Há uma enorme demanda para o desenvolvimento de soluções de mapeamento online. Desta forma, o usuário final (cliente) não precisa instalar softwares, manter bancos de dados enormes ou sequer ter conhecimento sobre geoprocessamento para visualizar e fazer operações básicas com os dados geo-referenciados. Tudo que ele precisará é de um navegador de internet (firefox, chrome, etc). Alguns exemplos de WebGIS em funcionamento são o Google Maps, o I3GEO do Ministério do Meio Ambiente e os mapas interativos do IBGE.

O mercado hoje não mais contrata um profissional para elaborar mapas impressos ou mapas digitais impressos. O cliente precisa, no mínimo, poder localizar um ponto com coordenadas conhecidas em cima dos mapas produzidos. Aí entra o WebGIS.

Clientes mais experientes (e exigentes) vão certamente querer fazer edições sobre os produtos gerados, o que pode ser feito através de qualquer software de GIS (QGIS, GvSIG, ArcGIS, etc) acessando os dados remotamente via protocolos específicos como WFS ou WMS. Também é possível visualizar os produtos do seu trabalho utilizando smartphones e o GPS.

Atualmente, os servidores de mapas mais utilizados são o ArcGIS Online, Geoserver, API do Google Maps e MapServer (ficando obsoleto), a maioria utilizando OpenLayers.

Então, finalmente um bom livro-texto em português para a disciplina de WebGIS foi lançado pela EMBRAPA, facilitando a minha vida. Além disto, o livro tem tutoriais e o portal disponibiliza os dados necessários para a execução destes tutoriais. Baixe gratuitamente em http://geoportal.cnpms.embrapa.br/

Inscrições para a 2ª Oferta do Curso OpenGIS em Meio Ambiente

S01E04: DEM, Interpolações, Densidade e Vetorização

No episódio desta semana, vimos a teoria e implementação dos principais métodos de interpolação, estimadores de densidade, parâmetros derivados de um DEM e vetorização em tela. Como atibidade da semana, deverá ser feito a digitalização de isóbatas disponíveis em carta náutica, para posterior comparação com diferentes interpolaçẽos de pontos de batimetria.

S01E03: Banco de Dados Espacial (BDE)

Nesta semana, continuamos trabalhando com SQL, mas agora agregando consultas espaciais. Também vimos como extrair os valores de pixel para pontos de amostra.

S01E02: Banco de Dados Geo-referenciado

No segundo episódio, vimos com mais detalhes a produção cartográfica, elementos de um mapa, tipos de projeções cartográficas e sistemas de referência. Também vimos a excelente ferramenta de construção de Atlas.

No segundo momento, começamos a trabalhar com SQL para realizar algumas consultas simples em banco de dados.

Para que a gente comece a trabalhar com consultas espaciais, é importante que se tenha uma certa familiaridade com comandos básicos em SQL. Portanto, para a próxima semana, deverá ser construído  uma rotina SQL que responda às seguintes perguntas:

--8. Contar número de ocorrências de cada grau de decomposicao (g_vivo) para cada espécie
--9. Descobrir qual é o cod_tarta, espécie e coordenadas do encalhe ponto mais ao norte
--10. Listar espécie, lat, lon e data de todos os encalhes
--11. Selecionar TODOS os atributos das duas tabelas (saídas e encalhes)
--12.Quantos kilômetros (km_total) foram percorridos no total?
--13. Mostrar kilometragem percorrida por direção da saida (norte ou sul)
--14. Qual foi a média de duração duração (hf-hi) de todas as saídas?
--15. Quantas saídas foram realizadas em cada ano?
--16. Quantos encalhes por mês por espécie?

Um desafio extra, com um grau de complexidade um pouquinho maior, consiste calcular o número de encalhes por 10 km percorrido para cada mês, para cada espécie. Isto funciona como a Captura por Unidade de Esforço (CPUE) da pesca. Nos meses que há um esforço maior (maior distância monitorada), é natural haver mais encalhes. Por isto a necessidade da normalização.

 

S01E01: Conceitos e Produção Cartográfica

No primeiro Episódio, trabalhamos com os conceitos básicos de SIG, simplificações e formas de representação simplificada do mundo real.

Alguns tópicos discutidos/apresentados foram:

• Definição de SIG
• Dado - Informação - Evidência - Conhecimento - Inteligência - Sabedoria
• Geo-referenciamento
• Componentes de SIG
• Softwares Livres
• Familiarização com o Ubuntu
• Princípios de SIG e Cartografia
• Simplificações do mundo real para representação cartográfica
• Tipos de fênomenos (discretos X contínuos)
• Tipos de dados em SIG (vetorial X raster)
• Familiarização com o Quantum GIS
• Menus flutuantes
• Projeto X dados
• Adição de dados
• Seleção manual
• Tabela de atributos
• SRC
• Browser
• Simbologia vetorial
• Simbologia raster
• Composição de Mapa
• Inserindo mais de um mapa
• Grids de coordenadas
• Overview
• Lock Layers

Como conclusão deste Episódio, deverão produzidos os seguintes "mapas":

1. Localização de área de estudo
2. Mapa com a representação de algum atributo (quantitativo ou qualitativo) de forma diferenciada

Utilizar alguns dos elementos básicos de um mapa:

• Mapa de localização (overview)
• Seta de norte
• Grid de coordenadas
• Legenda
• Barra de escala
• Responsável técnico e fonte dos dados

Podem ser de grande ajuda nesta tarefa este vídeo de apoio para a composição de mapas ou o excelente e auto-explicativo manual.

Apresentação de slides disponível, com links para material de apoio e fontes de dados em SIG, que deverão ser consultados para obtenção de alguns dos dados necessários à elaboração dos mapas.