695835_Projeto-Queimadas

Prévia do material em texto

RELATÓRIO DE ESPECIFICAÇÃO DE REQUISITOS
IDENTIFICAÇÃO:
Título: GT352 – PA – Desenvolvimento de um sistema de Prognóstico de Queimadas em áreas susceptíveis ao longo das linhas de transmissão da CEMIG.
Tema de Pesquisa	: Eficiência energética
Duração			: 24 meses			Ano Início: 2010
Categoria de Pesquisa: Pesquisa aplicada
Palavras-chave:
Focos de Calor
Queimadas em linhas de transmissão
Queimadas	
Belo Horizonte, 16 de fevereiro de 2011
�
ÍNDICE
TÓPICO 									PÁGINA
1. DETALHAMENTO DO SISTEMA A SER DESENVOLVIDO		3
1.1 RECURSOS TECNOLÓGICOS 						3
1.2 Metodologia de Desenvolvimento de Software 			4
2. REFERENCIAL TEÓRICO 							5
2.1 ANÁLISE ESPACIAL								6
2.2 ETL (Extract, Transform and Load – Extrair, Transformar e Carregar) 	10
3. METODOLOGIA 								12
3.1 Coleta de informações 								12
3.2 Preparação e modelagem dos dados 						14
3.3 Especificação das Funcionalidades a serem desenvolvidas 			16
4. RESULTADOS ESPERADOS 							19
5. REFERÊNCIAS BIBLIOGRÁFICAS 						22
�
1. DETALHAMENTO DO SISTEMA A SER DESENVOLVIDO 
O sistema a ser desenvolvido possibilitará a visualização e a geração de diversos relatórios e alertas a partir de focos de queimada . A disponibilização das informações acontecerá de acordo com a freqüência de disponibilização dos dados pelo INPE ( Instituto Nacional de Pesquisas Espaciais). Serão desenvolvidos serviços na web de identificação dos focos, cálculo de proximidade com Linhas de Transmissão, alertas por e-mail ou SMS de ocorrências em áreas de interesse especial, permitindo análise de risco de fogo, estimativas de concentração de fumaça, etc. Os objetivos principais deste projeto são monitorar queimadas, estimar e prever riscos de queima da vegetação e as emissões produzidas a partir do desenvolvimento de um sistema de prognósticos de riscos de incêndios a partir de tecnologias de coleta de dados remotos e aplicações com satélites artificiais e produtos relacionados ao tempo e clima.
O sistema apresentará a exibição das quantidades de focos, através de tabelas e gráficos, permitindo análises de comparações ao longo dos meses e anos, além da opção de visualizar dados em um determinado período, que também permitirá ver os focos em um mapa on-line e obter as coordenadas (e outros atributos) dos focos.
1.1 RECURSOS TECNOLÓGICOS
Para a apresentação dos mapas serão implementadas funções em linguagem JAVA, utilizando componentes de software de código-fonte aberto, para a elaboração de aplicações espaciais na web. Além de permitir visualizar dados de diversos formatos de SIG (Shapefile; KML; DXF; ...), permitirá a criação de imagens de mapas que podem direcionar usuários a outros conteúdos (tabelas, gráficos e imagens). As principais características do produto a ser desenvolvido são:
Desenho de camadas e execução de aplicativos dependentes de escala
Rotulação de camadas, incluindo mediação de colisão de rótulos
Saída direcionada por modelos altamente personalizáveis
Automação de elementos de mapas (escala, mapa de referência e legenda)
Mapeamento temático usando classes baseadas em expressões lógicas ou expressões regulares
Uso de ambientes de desenvolvimento e linguagens de script populares
Utilizável em diversas plataformas
Múltiplos formatos de dados matriciais e vetoriais
Suporte a projeções de mapas (projeção em tempo real para mais de 1000 projeções)
O gerenciador de banco de dados a ser utilizado é o SGBD MySQL - um sistema de gerenciamento de banco de dados, que utiliza a linguagem SQL (Structured Query Language - Linguagem de Consulta Estruturada) como interface. É reconhecido pelo seu desempenho e robustez e também por ser multi-tarefa e multi-usuário. É atualmente um dos bancos de dados mais populares, com mais de 10 milhões de instalações pelo mundo. Outra grande vantagem é ter código aberto e funcionar em um grande número de sistemas operacionais : Windows, Linux, BSDI, Solaris, Mac OS X, SunOS, SGI, etc. 
1.2 Metodologia de Desenvolvimento de Software
Será adotado o processo unificado (UP) para o desenvolvimento do sistema proposto, utilizando a UML – Unified Modelling Language para a modelagem e desenvolvimento do projeto de software da aplicação. A UML permite modelar processos de negócio utilizando-se técnicas de Orientação a Objetos, estruturar arquiteturas multicamadas integrando componentes e processos de negócio e representar as definições de negócio em um padrão de modelagem reconhecido mundialmente, representando relacionamentos semânticos entre os objetos de negócio. 
O desenvolvimento do software deve ser realizado de maneira incremental e interativa, de forma que o produto será liberado em três iterações, ou seja, segundo o processo unificado de desenvolvimento de software, serão liberadas três versões do produto, onde a terceira liberação corresponde ao software completo, contemplando todas as funcionalidades previstas no projeto. Os trabalhos serão desenvolvidos num período de 24 meses, resultando no desenvolvimento das funcionalidades indicadas neste relatório.
2. REFERENCIAL TEÓRICO
Atualmente, os dados espaciais constituem uma parcela significativa dos dados corporativos e são de importância vital para os negócios de qualquer empresa, seja pública ou privada. Mas embora já exista um grande número de aplicações com suporte a dados espaciais, não há padrões consolidados para este tipo de dado da mesma forma que há padrões estabelecidos para os tipos convencionais de dados.
Ao combinar o geoprocessamento de dados com alguns processos de extração, transformação e carga de dados – ETL, utilizados em armazéns de dados (data-warehouse) é possível manipular as bases de dados de maneira integrada, por mais discrepantes que sejam originalmente, com a finalidade de inferir conclusões a respeito dos dados que não eram tão claras originalmente. 
O processo de ETL (Extração, Transformação e Carga) para dados espaciais fundamenta-se em duas áreas da tecnologia da informação: Geoprocessamento e BI (Inteligência de Negócio).
É através do Geoprocessamento e das técnicas de análise espacial que se estuda e se concebe os dados georreferenciados, utilizando-se de conhecimentos da Geografia e da Matemática para levantar informações precisas sobre fatos a respeito da superfície do planeta. Estes dados são então armazenados em bancos de dados configurados para suportar dados espaciais, e são acessados para consulta e manipulação pelos SIGs (Sistemas de Informações Geográficas). Entretanto, esta relação entre SIGs e SGBDs (Sistemas Gerenciadores de Bancos de Dados) Espaciais nem sempre ocorre de forma simples. No caso deste projeto por exemplo, temos bancos de dados distintos e bases de dados dispersas, dificultando o acesso aos dados de maneira consolidada e eficiente.
2.1 ANÁLISE ESPACIAL
Cruz (2005) define a Análise Espacial como uma ferramenta através da qual é possível manipular dados espaciais de várias maneiras, extraindo assim informações e conhecimentos adicionais que não são facilmente identificáveis. Suas principais funções incluem a consulta de informações espaciais dentro de áreas de interesse definidas, manipulação de mapas, concepção de relatórios estatísticos dessas informações espaciais, além de incorporar funcionalidades como a análise e investigação de padrões e de relacionamentos dos dados em uma região de interesse, possibilitando assim o melhor entendimento dos fenômenos e também a possibilidade de se fazer predições.
Segundo Câmara, 
“A ênfase da Análise Espacial é mensurar propriedades e relacionamentos, levando em conta a localização espacial do fenômeno em estudo de forma explícita. Ou seja, a idéia central é incorporar o espaço à análise que se deseja fazer” (Câmara, 2004).
Meneses (2003) divide a análise espacial em duas vertentes principais: a estatística espacial e a geocomputação. A estatística espacial faz uso de modelos matemáticospara identificar a distribuição e a correlação nos dados, revelando suas propriedades de significância e incerteza. A geocomputação utiliza técnicas como redes neurais e busca heurística para manipular grandes bases de dados e gerar dados empíricos. Câmara (2004) aponta também que a consolidação da Análise Espacial se deve à disponibilidade cada vez maior de sistemas de informações geográficas de baixo custo e com interfaces amigáveis.
2.1.1 Análise Espacial e SIG
Segundo Cruz (2005), a análise espacial em um sistema de informações geográficas utiliza principalmente os conceitos da topologia para definir as relações espaciais entre os elementos gráficos, como pontos, linhas e planos. A análise espacial pode ser dividida em quatro categorias:
Funções de acesso ou pesquisa, classificação e medição: Processo que utiliza dos dados gráficos e alfanuméricos para realizar consultas tanto gráficas como por atributos.
Funções de superposição de mapas (overlay): Processo da análise espacial que funciona semelhantemente à manipulação de dados relacionais em tabelas, que permite análises utilizando uma aproximação da álgebra booleana e da teoria dos conjuntos.
Funções de análise de vizinhança: Processo que utiliza operações topográficas e de interpolação para analisar as características da região no entorno de uma área definida.
Funções de análise de conectividade: Função característica da modelagem matricial de dados, utilizada para descrever e modelar os processos de difusão e influência espacial.
As técnicas de geoprocessamento empregadas para a análise espacial em um SIG possibilitam a definição do potencial de uma região delimitada para certos tipos de atividades, mostrando que o SIG se torna fundamental pela sua capacidade de permitir modificações rápidas e de investidar as inter-relações complexas entre diversos planos temáticos de informações. Se acoplado com os modelos de análise apropriados, o SIG pode ser usado para conferir uma abordagem completa e integrada para o geoplanejamento, principalmente em situações onde as informações qualitativas e quantitativas devem ser processadas conjuntamente, e além disso um SIG normalmente permite a visualização dos seus resultados de várias maneiras diferentes, como relatórios, gráficos e mapas.
�
2.1.2 Modelagem de Dados Espaciais
A modelagem do mundo real é uma atividade complexa, e que para se realizar a abstração de seus objetos e fenômenos, é necessário que se faça a discretização do espaço. Esse processo envolve diversos pontos, dos quais pode-se destacar:
Transcrição da informação geográfica em unidades lógicas de dados, ou seja, a maneira como é formalizado os conceitos abstratos e geométricos que descrevem os dados, e as operações apropriadas para lidar com esses dados, que devem ser definidas de modo independente da implementação do sistema.
A forma como as pessoas percebem o espaço. O aspecto cognitivo da percepção espacial é muito importante na modelagem de dados geográficos, onde a natureza, experiência e necessidade do observador o levam a definir uma entidade geográfica de uma maneira diferenciada. Como exemplo, uma escola, que pode ser representada como um ponto, ou como uma área, ou como um conjunto de edificações. Essas representações também podem ser usadas simultâneamente no modelo, se houver necessidade da existência de uma escala de detalhamento dos objetos.
A natureza diversificada dos dados geográficos. Além da sua geometria, localização e outras informações associadas, os dados geográficos também podem ter origens distintas. Borges exemplifica, citando os dados ambientais, que podem ser derivados de dados topográficos, climáticos, geológicos, de uso e ocupação da terra e de hidrografia, e por isso possuem características que variam continuamente, como as propriedades do solo de uma região, e outras que variam raramente ou não variam, como montanhas e bacias hidrográficas. Dependendo ainda do nível de detalhe considerado, tem-secaracterísticas que podem estar incluídos em ambas as categorias (Borges, 2005).
Segundo Câmara, “... para representar dados geográficos no computador, temos de descrever sua variação no espaço e no tempo. Em outras palavras, precisamos poder responder a perguntas como: ‘qual é o valor deste dado aqui e agora?’.” (Câmara, 2005)
Os dados devem passar por processos de medida adequados ao seu contexto. Um processo de medida consiste basicamente em associar números ou símbolos a diferentes ocorrências para um mesmo atributo, fazendo assim com que a relação entre os números ou símbolos reflita as relações entre as ocorrências reais mensuradas. Por exemplo, pode-se medir os níveis de poluição em uma região utilizando sensores localizados em diferentes pontos dessa região. Cada um destes sensores indicará uma medida diferente, e o conjunto dos resultados dos sensores formará uma escala de medida.
Em seu trabalho sobre escalas de medidas, Stevens (1946) apud Câmara (2005), propõe quatro escalas de mensuração de dados: nominal, ordinal, intervalo e razão. As escalas nominal e ordinal são temáticas, ou seja, são medidas com números ou nomes atribuídos que representam a observação de um tema ou categoria. A escala nominal classifica objetos em classes distintas, porém sem ordem inerente, e seus rótulos podem ser quaisquer símbolos, como por exemplo, ao classificar a cobertura do solo tem-se rótulos como “floresta”, “área urbana” e “área agrícola”. A escala ordinal diz respeito à ordenação, e classifica os objetos em categorias que possuem uma ordem natural, como por exemplo percentagem ou escala de qualidade (1 - ruim, 2 - bom, 3 – ótimo), (Câmara, 2005).
Medidas temáticas não estão associadas à magnitude de um fenômeno e, em situações em que é necessário a descrição mais detalhada das ocorrências, que permita comparar intervalos e ordem de grandeza entre eventos, utiliza-se medidas numéricas com regras de atribuição de valores baseadas em uma escala de números reais. A escala por intervalo é uma medida baseada em números reais que possui zero e faixa de medidas arbitrários, com distância proporcional entre os intervalos. A escala de razão é um meio de tratamento mais analítico das informações (Câmara, 2005).
�
2.2 ETL - (Extract, Transform and Load – Extrair, Transformar e Carregar)
É o processo que combina dados de várias fontes diferentes em um data warehouse, possibilitando que os usuários trabalhem em um único conjunto integrado de dados e que, segundo Eckerson (2003), o resultado do processo é uma estrutura organizada que descarta a necessidade de coletar dados a respeito de quais dados estão corretos. Ressalta-se também que sistemas de BI já estão integrados nos processos operacionais e de negócios e deixaram de ser uma ferramenta complementar para se tornar parte fundamental do ambiente de trabalho, e um sistema baseado em dados integrados e consistentes pode ser usado de maneira eficiente na tomada de decisões estratégicas, táticas e operacionais da empresa.
2.2.1. Extrair
No processo de extração, a ferramenta ETL direciona os dados de uma fonte especificada para serem processados, copiando-os de seu repositório original para um repositório temporário e, segundo Fidos (2010), assim assegurando que a infraestrutura existente não sofrerá impacto.
2.2.2. Transformar
Descreve-se a parte de transformação de dados como a principal funcionalidade do ETL, e a divide em três etapas principais: conversão, reestruturação e integração.
Converter: É o processo de transformação do formato de um conjunto de dados em outro, com a principal finalidade de possibilitar que esse conjunto de dados seja usado em aplicações diferentes da que originalmente era empregada.
Reestruturar: É o processo de adequação de um modelo de dados às necessidades especificadas pelo usuário. Esse processo normalmente envolve a reorganização dos nomes de tabelas e colunas e da maneira como os dados são organizados nessas tabelas. No caso do ETL Espacial, uma alteraçãocomumente realizada é a mudança do sistema de coordenadas que está atrelado aos dados.
Integrar: É a combinação de dados de múltiplas fontes. Seu nível de complexidade depende principalmente do nível de discrepância entre as fontes. Dados com o mesmo formato e o mesmo modelo de dados não demandam processos complexos de integração.
2.2.3. Carregar
O processo de carga tem como finalidade conceber um conjunto de dados unificado que atenda às necessidades do usuário. Ressalta-se que o processo de carga reflete a finalidade do ETL que é possibilitar a manipulação, edição e visualização dos dados em diferentes aplicações e também fazer com que os usuários finais possam acessar as informações que precisarem a partir de uma fonte centralizada. Assim, faz-se notável a vantagem dada aos criadores e editores de dados, que mantém a liberdade para usarem as ferramentas de sua escolha, já que os processos de ETL se encarregam constantemente de consolidar os dados em um repositório unificado (Fidos, 2010).
2.2.4 ETL Espacial
O termo “Spatial ETL” (ETL espacial) foi utilizado pela primeira vez pela Safe Software, em 1993, para descrever as soluções que desenvolve. Seu significado é a extração, transformação e carregamento de dados espaciais.
Atualmente, os dados espaciais são um ativo importantíssimo nas corporações e representam um recurso vital para a análise de negócios, tomada de decisões e muitos outros trâmites administrativos e operacionais. Entretanto, no contexto dos dados espaciais há ainda uma grande carência de padrões, associada aos numerosos tipos de dados espaciais existentes, como por exemplo, dados proprietários e formatos que são alterados e otimizados constantemente. Esta falta de padronização cria uma barreira no fluxo dos dados espaciais e gera problemas de incompatibilidade em numerosas aplicações que utilizam bancos de dados espaciais. E apesar de existirem numerosas aplicações que criam, gerenciam e visualizam dados espaciais, obstáculos como a incompatibilidade e a falta de padronização acabam por torná-los relativamente inacessíveis. Há mais de 15 anos as ferramentas de ETL para dados espaciais surgiram para solucionar os problemas que surgiram com a consolidação da informação espacial informatizada. Os produtos tradicionais de ETL não estavam preparados para lidar com dados espaciais, que pode representar até mais de 80% de todos osdados corporativos (Fidos, 2010).
3. METODOLOGIA
A realização deste trabalho foi dividida em três etapas principais. São elas:
_ A busca e coleta das informações nos servidores do INPE, manipulação e preparação das informações coletadas para adequá-las ao contexto da aplicação
_ A realização do processo de ETL e integração dos dados trabalhados. É importante ressaltar que uma das principais preocupações é que em qualquer momento os dados trabalhados fossem compatíveis com as tecnologias utilizadas no mercado. Deu-se ênfase para a especificação de uma base de dados que tratasse de pontos de ocorrências contendo não só informações espaciais (coordenadas geográficas) como também informações temporais (data e hora que foram registradas).
_ A definição e desenvolvimento das funcionalidades de manipulação e consulta de dados espaciais.
3.1 Coleta de informações
Primeiramente selecionamos a base de dados de Focos de Queimadas, disponibilizada gratuitamente pelo INPE em seu website. Esta base de dados atende à todos os pré requisitos para a realização da pesquisa e apresenta as seguintes características:
_ Trata-se de pontos onde ocorreram focos de incêndio.
_ Abrange todo o solo Brasileiro assim como de mais alguns países da América
Latina.
_ Todos os pontos estão georreferenciados e contém informações sobre a data
e hora que foram registrados, e onde estão localizados (País e Cidade).
Para complementar na agregação de informações aos dados, serão utilizados também os mapas fornecidos pela CEMIG (Linhas de transmissão; postes; etc.) além de outras bases de dados para caracterização geográfica. As seguintes bases de dados foram selecionadas inicialmente:
_ Divisão Político-Administrativa do Brasil: apresenta as grandes regiões, os
estados e suas capitais (IBGE).
_ Malha Municipal de 2002: apresenta os limites dos municípios do Brasil e informações sobre sua área, população e código (IBGE).
_ Micro-Regiões do Brasil:, mapa que apresenta a divisão das micro-regiões. (IBGE).
_ Meso-Regiões do Brasil: mapa que apresenta a divisão das meso-regiões. (IBGE).
_ Malha rodoviária do estado de Minas Gerais (GeoCEMIG)
Serão utilizados também os mapas temáticos disponibilizados gratuitamente pelo SisCom (Sistema Compartilhado de Informações Ambientais), vinculado ao IBAMA em seu website. As seguintes bases de dados foram selecionadas:
_ Biomas: mapa que apresenta informações sobre os biomas brasileiros.
_ Precipitação, mapa que apresenta os indicadores máximos e mínimos das faixas de precipitação do Brasil.
_ Relevo: mapa que apresenta as características morfológicas e os tipos de relevo do solo brasileiro.
_ Temperatura: mapa que apresenta as faixas de temperatura média do Brasil.
_ Vegetação: base de dados contendo informações sobre a vegetação dos estados brasileiros. A base de dados contém uma tabela para cada estado brasileiro.
Todas as bases citadas são disponibilizadas em arquivos do formato ESRI Shapefile. As bases de dados auxiliares serão inseridas diretamente em um banco de dados MySQL. É importante destacar que apesar de serem utilizados para fins de simulação, as técnicas ETL empregadas na pesquisa serão projetadas para serem o mais abrangente possível, permitindo a compatibilidade entre vários tipos de tecnologias sendo elas proprietárias ou não.
3.2 Preparação e modelagem dos dados
Antes de aplicar as técnicas ETL, faz-se necessário submeter as amostras de dados a algumas modificações. Foi realizado um trabalho inicial utilizando dados históricos. Por se originarem da mesma fonte (INPE), as bases de dados são semelhantes, mas para fins de simulação, cada uma das amostras foi carregada em uma base de dados diferente e tiveram suas estruturas alteradas. Cada base de dados foi renomeada levando em conta o ano em de suas ocorrências: Focos_2007; Focos_2008; Focos_2009; Focos_2010.
�
Originalmente, cada base de dados apresentava as seguintes informações,
para cada ponto de ocorrência:
A estrutura da base Focos_2010 foi mantida para ser usada como modelo para as outras durante o processamento. Para as outras bases foram feitas alterações.
As bases foram carregadas usando sistemas de codificação de caracteres diferentes. A base Focos_2007 utiliza o sistema UTF-8, enquanto a base Focos_2008 utiliza o sistema CP-1252 (WINDOWS-1252) e as bases Focos_2009 e Focos_2010 utilizam o sistema ISO-8859-1 (LATIN1).
Finalmente, tem-se várias desconformidades entre as bases de dados, que podem gerar muitos conflitos e problemas de compatibilidade entre aplicações. O processo de ETL deverá ser construído para atender a cada um desses conflitos separadamente, visando no final fornecer as informações de modo mais abrangente e completo possível. Além disso será necessário tomar providências para minimizar a perda de dados e para recuperar dados que enfrentarem falhas durante o processo.
3.3 Especificação das Funcionalidades a serem desenvolvidas
3.3.1 - Funções para publicação no modo histórico:
O aplicativo no modo histórico oferecerá as seguintes funções:
- Solicitar ao usuário o período de dados a pesquisar (data e hora inicial e data e hora final).
3.3.2 - Funções para publicação no modo ON-LINE
O aplicativo no modo On-line deverá oferecer as seguintes funções:
- Definir áreas de alarmes através do mouse ou digitação, podendo ser retangulares, circulares, poligonais ou, até mesmo, em torno de uma determinada distância do eixo de LTs ou ainda pontos pré-definidos.
- Ativar área dealarme quando ocorrer descarga dentro de uma das áreas definidas, emitindo alarmes sonoro, visual, enviando e-mail ou chamada celular para o usuário. 
- Solicitar ao usuário a data e hora a partir do qual se deseja buscar os dados históricos e continuar monitorando no modo ON-LINE.
- Mostrar as informações de focos de quimada que estão ocorrendo no último intervalo de tempo, com cor a ser definida pelo usuário. 
3.3.3 Características e funções a serem disponibilizadas 
Características e recursos a serem disponibilizados no aplicativo:
- Solicitar login para o usuário
- Módulo de cadastro de usuários, definindo permissões de acesso, tais como: dados ON-LINE, DADOS HISTÓRICOS, área de atuação de visualização, tipo de dados, etc. 
- O módulo de cadastro de usuários deverá permitir atribuir privilégios para os usuários, em função das funções do aplicativo.
- Mostrar na tela o modo de operação: ON-LINE ou DADOS HISTÓRICOS.
- Visualizar os focos de queimada em forma de símbolo que os identifique; 
- Permitir diferenciar o tamanho dos símbolos em função de características do foco.
- Permitir delimitar regiões ou círculos a partir de um raio.
- O tamanho do objeto que identifica o foco deverá ser o mesmo para qualquer nível de zoom. 
- Plotar os focos de queimada em 6 cores, diferenciadas por intervalo de tempo. As cores para representar os intervalos de tempo das descargas poderão ser selecionadas em um quadro de cores. 
- Mostrar o número de registros de focos de quimada que estão plotados na tela corrente, ou por área definida pelo usuário (município, área ao longo de uma LT, etc).
- Definir o intervalo de tempo a ser representado pelas cores (última 1hora, 4 h, 6 h, 12 h, etc).
- Mostrar gráfico de barras com distribuição percentual do número de focos plotados na tela corrente, sendo que cada barra representa uma cor do intervalo de tempo definido pelo usuário.
- Visualizar as informações de cada foco de queimada quando selecionado através do mouse. Informações do tipo latitude, longitude, data e hora de ocorrência (e outras).
- Permitir fazer varredura de tempo nos dados pesquisados, da data/hora inicial até a final, mostrando na tela as informações de foco de queimada, coloridas por até 6 intervalos de tempo. 
- A base de dados históricos para esta aplicação será armazenada em servidor de banco de dados.
- Os dados ON-LINE alimentarão a base de dados históricos.
- Medir distância entre dois pontos quaisquer (unidade em km).
- Visualizar, na tela, a latitude e a longitude da posição do mouse, à medida que ele muda de posição.
- Quando operando no modo ON-LINE, as informações de foco de queimada que estão sendo armazenadas podem ser consideradas históricas.
- Inserir figuras (.gif) georreferenciadas tais como: imagens de satélite, mapas de temperatura, velocidade do vento, precipitação, etc.
- Inserir “layers” (camadas) de outros sistemas (diversos formatos), como ESRI Shapefile, DXF e KML.
�
4. Resultados Esperados 
Analisando os dados históricos importados para avaliação da base de dados (2007 a 2010), tem-se 67.3% de ocorrências dentro do território brasileiro, e 32,7% de ocorrências em outros países. Dado o tamanho das amostras anuais este percentual não representa um grande impacto de performance para o aplicativo a ser desenvolvido . A base de dados resultante (na avaliação realizada) apontou uma perda total de 0,3% de dados (das ocorrências que estavam em solo brasileiro). Estes dados foram perdidos devido, em grande parte, às operações geométricas realizadas, que rejeitaram estes dados devido ao fato de que a projeção geográfica utilizada pela base dados do INPE apresenta pequenas discrepâncias em relação à base de dados do IBAMA e da CEMIG. Estas diferenças, embora pareçam insignificantes, representam o mesmo ponto na Terra em duas posições diferentes, e esta distância se torna mais significativa a medida em que se aprofunda o escopo da pesquisa (limite de municípios por exemplo). 
A função BUFFER é utilizada para amenizar este problema, no entanto ela não deve ser usada deliberadamente, uma vez que pode acabar incluindo pontos que estão realmente fora do escopo desejado, se usarmos uma taxa de tolerância muito elevada.
É possível ponderar sobre os dados através de duas perspectivas diferentes: primeiramente, suas informações como constam no banco de dados; e por fim, sua disposição no espaço geográfico.
Do ponto de vista do banco de dados, é possível organizar os dados tanto em apenas uma tabela com várias colunas, ou em várias tabelas relacionadas através de chaves primárias e estrangeiras. Apesar de exigir a utilização de uma extensão espacial, que dê suporte aos tipos de geometria utilizados pela base de dados, estas informações espaciais estão contidas em apenas uma coluna na tabela na qual os dados foram inseridos, e as outras informações encontram-se em suas respectivas colunas, utilizando os tipos alfanuméricos tradicionais. Logo, por serem dados computacionais, eles estão sujeitos a qualquer tipo de operação que um banco de dados comum é capaz de fazer, além das operações geométricas e geográficas desenvolvidas especialmente para lidar com os dados espaciais.
Do ponto de vista geográfico, os dados espaciais apresentam uma característica distinta, que é a capacidade de serem organizados pela sua disposição no espaço e analisados através de relações geométricas como distância. Estas operações são utilizadas para identificar perímetros, áreas de concentração ou dispersão, além de fatores como distância e proximidade e possibilitam a concepção de informações mais elaboradas, como grafos de melhor caminho entre dois pontos, mapas de previsão de comportamento e de ocorrências, entre outros.
Muitas informações que constam no repositório resultante da base obtida na avaliação só poderiam ser concebidas através da aplicação de conhecimentos específicos da Geografia, como por exemplo os dados de vegetação e de topografia. Estes dados não teriam muito sentido se não forem utilizados em um contexto espacial.
O diferencial dos dados espaciais é justamente a união destes dois pontos de vista. Os dados utilizados na simulação passaram por processos que aplicam apenas lógicas computacionais sobre eles, no entanto as informações contidas nestes dados foram geradas utilizando de equipamento e qualificações especializadas, e qualquer processo que envolvesse transformação na informação e não na estrutura do dado só poderia ser realizado por um profissional qualificado em tal área específica do conhecimento.
�
Exemplo de Análise:
Para exemplificar uma possível análise sobre os dados deste projeto, pode ser feita a seguinte pergunta:
- Qual a taxa de aumento apresentado pelos municípios do estado de Minas Gerais que, ao longo de quatro anos, demonstraram aumento no número de ocorrências de focos de incêndio?
RESPOSTA DA CONSULTA:
A partir dos resultados gerados através do sistema, é possível chegar a conclusões e tendências, como por exemplo, a concentração dos pontos em uma determinada região ao norte de Minas Gerais pode caracterizar essa área como um local de risco maior, e delimitar um escopo mais preciso para estudos mais aprofundados e ações de prevenção para a região.
5. Referências Bibliográficas
MACHADO, Felipe Nery Rodrigues. Tecnologia e Projeto de Data Warehouse: Uma visão multidimensional. 4. ed. São Paulo: Érica, 2008.
GONÇALVES, Márcio. Extração de Dados para Data Warehouse. 1. Ed. Rio de
Janeiro: Axcel Books do Brasil, 2003.
FIDOS, Marcos. Spatial ETL: Tornando os dados espaciais acessíveis. Revista
InfoGEO. Ano 12, ed. 59. Mundo GEO, Curitiba, 2010. p. 44-46.
CÂMARA, Gilberto; MONTEIRO, Antônio Miguel Vieira; DRUCK, Suzana;
CARVALHO, Marilia Sá. Análise Espacial de Dados Geográficos: Análise Espacial e Geoprocessamento. Brasilia, EMPRAPA.2004. Disponível em: <http://www.dpi.inpe.br/gilberto/livro/analise/cap1-intro.pdf>. 
DAVIS, Clodoveu Augusto Jr. Geoprocessamento: dez anos de transformações.
Belo Horizonte, Informática Pública. 2002. Disponível em:
<http://www.ip.pbh.gov.br/ANO4_N1_PDF/ip0401davis_geo.pdf>
CÂMARA, Gilberto. Bancos de Dados Geográficos: Representações Computacionais do espaço geográfico. Curitiba, 2005. Disponível em:
<http://www.dpi.inpe.br/livros/bdados/cap1.pdf> 
BORGES, Karla; CLODOVEU, Davis Jr; LAENDER, Alberto. Bancos de Dados
Geográficos: Modelagem de dados geográficos. Curitiba, 2005. Disponível em:
<http://www.dpi.inpe.br/livros/bdados/cap3.pdf>. 
FERREIRA, Karine; CASANOVA, Marco Antonio; QUEIROZ, Gilberto; OLIVEIRA,
Olga. Banco de Dados Geográficos: Arquitetura e Linguagens. Curitiba, 2005.
Disponível em: <http://www.dpi.inpe.br/livros/bdados/cap5.pdf>. 
FERREIRA, Karine; QUEIROZ, Gilberto. Banco de Dados Geográficos: SGBD com Extensões Espaciais. Curitiba, 2005. Disponível em:
<http://www.dpi.inpe.br/livros/bdados/cap8.pdf>. 
CÂMARA, Gilberto; MONTEIRO, Antônio Miguel; CLODOVEU, Davis.
Geoprocessamento: Teoria e Aplicações. 2001. Disponível em:
<http://www.dpi.inpe.br/gilberto/livro/introd/cap1-introducao.pdf>
CÂMARA, Gilberto. CASANOVA, Marco Antonio; HEMERLY, Andrea; MAGALHÃES, Geovane. MEDEIROS, Claudia. Anatomia de Sistemas de Informação Geográfica. Rio de Janeiro, 1996. Disponível em:
<http://www.dpi.inpe.br/geopro/livros/anatomia.pdf>
BRASIL. Ministério da Ciência e Tecnologia. INPE - Instituto Nacional de Pesquisas Espaciais. CÂMARA, Gilberto; DAVIS, Clodoveu; MONTEIRO, Antônio. Introdução à Ciência da Geoinformação: Apresentação. São José dos Campos, 2001. Disponível em: <http://mtcm12.sid.inpe.br/col/sid.inpe.br/sergio/2004/04.22.07.43/doc/publicacao.pdf>. 
BRASIL. Ministério da Ciência e Tecnologia. INPE - Instituto Nacional de Pesquisas Espaciais. CÂMARA, Gilberto; MONTEIRO, Antônio. Conceitos Básicos em Ciência da Geoinformação. São José dos Campos, 2001. Disponível em: <http://mtcm12.sid.inpe.br/col/sid.inpe.br/sergio/2004/04.19.14.00/doc/cap2-conceitos.pdf>.
ANTUNES, Alzir; Elementos de Geoprocessamento: Nivel Básico. Universidade
Federal do Paraná, Departamento de Geomática. Curitiba, 2006. Disponível em:
<http://www.ufra.edu.br/pet_florestal/downloads/elementos%20do%20geoprocessamento.pdf>. Acesso em: 05 ago. 2010.
FERREIRA, João. MIRANDA, Miguel. ABELHA, Antônio. MACHADO, José. O
Processo ETL em Sistemas Data Warehouse. Universidade do Minho, Departamento de Informática. Braga, Portugal, 2010. Disponível em:
<inforum.org.pt/INForum2010/papers/sistemas-inteligentes/Paper080.pdf>. 
INPE, Divisão Processamento de Imagens. Base de dados “Focos de Incêndio”. Disponível em: < http://www.dpi.inpe.br/proarco/bdqueimadas/bduc.php >. 
IBAMA, Sistema Compartilhado de Informações Ambientais. Bases de dados
shapefiles do Brasil. Disponível em: <http://siscom.ibama.gov.br/shapes>
� PAGE \* MERGEFORMAT �2�