2 Relatrio de Anlise

Espacial
reas de proteo especial da
convolvulus fernandesii
e
Percurso pedestre entre Vila
Nova de Santo Andr e a fortaleza

DISCENTES:
GALILEU MORGADO
PAULO RODRIGUES
MSIGOT
DOCENTE:
MNICA SANTOS

O Raster Calculator constri e executa uma nica

expresso de lgebra cartogrfica usando a sintaxe do
Python numa interface de clculo
Raster Calculator.Builds and executes a single
Map Algebra expression using Python syntax in a
calculator-like interface

In https://pro.arcgis.com/

Rede
Viria

Declives

Uso do
Solo

Mapa de Aptido

Contedo

INTRODUO .................................................................................................... 1
METODOLOGIA ................................................................................................. 1
OPERACIONALIZAO DO PROBLEMA ..................................................... 2
I PARTE ............................................................................................................ 2
Ocupao de rea florestal ............................................................................. 2
Vertentes sul e este ........................................................................................ 3
reas calcrias ............................................................................................... 3
Menos de 30 dias de geada por ano - Interpoladores ..................................... 3
Declives Superiores a 10 .............................................................................. 8
II PARTE......................................................................................................... 12
Distncia rede viria principal .................................................................. 12
Uso do solo (procurar no passar por reas urbanizadas) ............................ 12
Declives (evitar reas com forte declive) .................................................... 13
Processo Analtico Hierrquico ................................................................... 13
No poder haver qualquer sobreposio ao tipo de paisagem: Dunas ....... 15
Cost Distance ............................................................................................... 15
Cost Path ...................................................................................................... 15
Corridor ........................................................................................................ 16
DIFICULDADES ............................................................................................... 17
CONCLUSES .................................................................................................. 18
BIBLIOGRAFIA ................................................................................................ 20

Figura 1 - Classes Corine ..................................................................................... 2

Figura 2 - Modelo Hole Effect Otimizada Stable otimizada ................................ 5
Figura 3 - Rational quadratic otimizada e Gaussian otimizada ............................ 6
Figura 4 - Kriging - Pormenor da Serra da Arrbida ............................................ 6
Figura 5 - Mapa Comparativo entre as Interpolaes........................................... 7
Figura 6- Convolvulus F. Fatores para a sua presena ...................................... 9
Figura 7 - Diferena das reas especiais visveis com as no-visveis. .............. 10
Figura 8 - reas de Proteo especial pela Bacia de Viso................................ 11
Figura 9 - Mapa de Aptido - Fatores Condicionantes ....................................... 16
Figura 10 - Percurso Pedestre / Caminho Mnimo / Corridor ............................ 17

Tabela 1 - Parmetros escolhidos em cada Interpolador ...................................... 4

Tabela 2 - Estatstica Descritiva de Interpoladores ............................................. 4
Tabela 3- Erros dos Interpoladores ....................................................................... 5
Tabela 4- Reclassify do Polygon to raster do interpolador Krig .......................... 8
Tabela 5- Mdias e amplitude das reas protegidas e das reas restantes .......... 10
Tabela 6 - Reclassify da Corine .......................................................................... 12
Tabela 7 - Anlise Multicritrio ......................................................................... 14

INTRODUO

Este relatrio tem como principal objetivo o desenvolvimento de ferramentas

ligadas ao formato raster e divide-se em duas partes.
Para tal respeitamos uma metodologia que nos permitiu seguir as condies
definidas pela docente. medida que fomos implementando a metodologia surgiram uma
srie de dificuldades para as quais encontramos solues explanadas no relatrio.
Por esse motivo encontramos mais de uma soluo para o mesmo problema, o que
nos permitiu no final tirar as devidas concluses e ilaes sobre a aplicao das mesmas
num problema real.

METODOLOGIA

Para a realizao deste breve trabalho optamos por

realizar uma pequena pesquisa bibliogrfica e a utilizao
dos ensinamentos das aulas para enquadramento inicial do
problema.
Em segundo lugar, optou-se por iniciar no ArcMap
o exerccio pedido. Para tal utilizaram-se as informaes
fornecidas das aulas, como shapefiles (Corine 2006
Setbal, Distncia ao mar, Concelhos, Distrito, Litologia
Portugal, Miradouros, n dias de geada, Fortaleza, rede
viria, tipo de paisagem e Vila N. de Santo Andr) e o MDT
para Setbal. Estas shapefiles base foram colocados numa

Palavras Chave:
raster
geostatistical
analyst
Condies
Anlise
multicritrio
Interpolador
Raster
calculator
reclassify

Personal Geodatabase. Na mesma criaram-se duas Feature

Dataset, uma Base e uma para os Produtos.

OPERACIONALIZAO DO PROBLEMA

I PARTE

OCUPAO DE REA FLORESTAL

Primeiramente foi selecionada a corine, e no caso foi feito uma converso atravs
do conversion toolsto rasterpolygon to raster. O parmetro de clula usado foi o
maximum area com tamanho de 30. A legenda definida para usar no raster foi a coluna
da tabela definida como CODE 06. Depois de ter feito o raster da corine foi necessrio
reclassificar as classes definidas pelo CODE 06 no reclassify spatial Analyst Tools.
Para selecionar somente as classes definidas foi digitado 1 nos valores que se queria
selecionar atribui o valor 1 e os valores que no queria selecionar atribui valor 0.
Segundo a legenda oficial da corine o
grupo 3 classifica todas as florestas e meios
naturais e semi-naturais. No caso foi utilizado a
3.1 que descreve apenas as florestas:

3.1.1

Florestas de folhosas, 3.1.2 Florestas resinosas,

3.1.3 Florestas mistas. As outras classes no
foram selecionadas, no caso a 3.2 e a 3.3. porque
aqui nem todas as classes apresentam reas
definidas como florestas, ex.: matos. No entanto,
no estaria incorreto pois numa pesquisa na
internet vemos que esta espcie florstica
inclusive se pode dar em vegetao esclerfila
(ver fig. 1 - classe 3.2.3.).
O resultado final das reas florestais
escolhidas foi de 2387894 pixis.
Figura 1 - Classes Corine

VERTENTES SUL E ESTE

Para classificar as vertentes foi utilizado o Raster MDT 30m, o qual j estava
delimitado apenas para o distrito de Setbal. Aqui foi executada a funo Aspect no tool
box 3D Analyst Tools, Raster Surface Aspect. Este aspect foi o que definiu a orientao
das vertentes. Aps criar o raster com as orientaes foi executado um reclassify spatial
Analyst Tools onde selecionamos apenas os valores East (67.5-112.5) e South (157.5202.5) atribuindo o valor 1 para estas duas classes e atribumos valores 0 para os outros,
sendo assim escolhemos somente as vertentes sul e Este.

REAS CALCRIAS

Primeiro foi feito o Clip da litologia para o distrito de Setbal depois do clip foi
feita a converso de vetorial para raster atravs do conversion tools, to raster, polygon
to raster onde o campo da tabela de atributos selecionado foi o PER GEO do Jurssico,
onde teria todos os itens relacionados ao calcrio que estava descrito no campo DESIGNA
da tabela de atributos, como: Conglomerados, arenitos, calcrios, calcrios dolomticos,
calcrios margosos, margas; Calcrios, calcrios dolomticos, calcrios margosos,
margas. O parmetro de clula usado foi o maximum area com tamanho de 30. O passo
seguinte foi estabelecer estas classes no Reclassify com valores de 1 e todas as outras
classes de litologia ficaram com os valores 0.
Como dava uma classe com o nome Blank optamos por realizar mais um
reclassify e colocar no campo Blank o valor 0 pois tambm no dizia respeito ao
Jurssico. No entanto havia um campo que estava vazio e optamos por colocar algum
preenchimento (Sem dados) para evitar algum erro no processamento. O valor
resultante foi de 122878 pixis no Jurssico.

MENOS DE 30 DIAS DE GEADA POR ANO - INTERPOLADORES

A partir do shape com os dados dos dias de geadas para Portugal foram feitas
vrias interpolaes: IDW- Inverse Distante Weight, o GPI-Global Polynomial
Interpolator, RBF-Radial Basis Functions (SPLINE), o Kriging e o Co-krig. Na tabela
1 esto presentes todos os critrios utilizados.
3

Estas interpolaes foram feitas a partir das pginas dinmicas do Geostatistical

Analyst, Geostatistical Wizard. O Kriging um dos melhores mtodos (usa poderosos
mtodos estatsticos), j o Idw utiliza os valores mais prximos, o krig utiliza todos os
pontos.
Tabela 1 - Parmetros escolhidos em cada Interpolador

Parmetros

IDW

GPI

SPLINE

KRIGING

Co-krig

Source Dataset

Ndiasgeada

Ndiasgeada

Ndiasgeada

Ndiasgeada

Ndiasgeada
Distncia

ao

mar
Data Field

Ndias

Ndias

Ndias

Ndias

- Ndias
- Classes (da
shape dist. ao
mar)

Type

ordinary

ordinary

Modelo

Holle Efect

Gaussian

Neighborhood type

Standard

De qualquer forma o erro mdio quadrtico deve ser o mais baixo possvel como
vamos depois analisar na tabela 3.
Tabela 2 - Estatstica Descritiva de Interpoladores

Modelo de Interpolao
Valores Observados
IDW
GPI
Kriging_hole_effect
Spline
Cokrig_gaussian
idw_smooth_power3
idw_smooth_power1
krig_stable
krig_gaussian
Krig_circular
krig_exponential

Mdia
13,621
13,177
13,631
13,613
13,007
13,9469562
12,7939236
12,7939236
13,590684
13,8438788
13,6643878
13,5585575

Estatstica Descritiva
Mediana Desvio
Mnimo
7,000
15,412
1,000
6,953
14,219
1,054
13,326
6,661
3,608
8,531
13,745
-1,597
7,707
12,313
1,452
8,446943 15,131336 -6,07701
7,226178 13,0768378 1,740834
7,226178 13,0768378 1,740834
7,781087 13,580055 2,044308
8,516348 13,6350316 0,478859
7,80652 13,7050416 1,708781
7,237308 13,3469287 2,246216

Mximo
80,000
76,781
39,164
76,145
56,913
77,37113
72,39567
72,39567
70,59264
73,69534
71,84554
68,16515

Por este motivo escolhemos o Krig e a curva do Hole effect porque achamos que
o melhor modelo estatstico que tem melhores valores estatsticos. Inicialmente vimos
4

que a curva hole effect no era em termos visuais a que melhor se adaptava aos pontos
(ver figura 2), mas os erros foram os mais vlidos (tabela 2 e 3).
Tabela 3- Erros dos Interpoladores

Modelo de Interpolao C.Correlao

IDW
0,876
GPI
0,393
Kriging_hole_effect
0,919
Spline
0,854
Cokrig_gaussian
0,910

Parmetros de Avaliao
EAM
EM
EAM
%
MSE
RMSE
-0,444
-0,002 0,51
55,695
7,463
0,010
0,000 0,51
200,273
14,152
-0,007
0,000 0,51
36,853
6,071
-0,614
-0,003 0,51
65,161
8,072
0,326
0,002 0,51
41,955
6,477

idw_smooth_power3

0,866692522 -0,82659

-0,00424

0,51

59,56791

idw_smooth_power1

0,866692522 -0,82659

-0,00424

0,51

59,56791

krig_stable

0,51

51,82929

0,51

48,31071

Krig_circular

0,883566175 -0,02983 -0,00015

0,22336
0,892095617
6 0,001145
0,04387
0,89202265
5 0,000225

0,51

48,28239

krig_exponential

0,876288748 -0,06196

0,51

54,88242

krig_gaussian

-0,00032

7,71802
5
7,71802
5
7,19925
6
6,95059
1
6,94855
3
7,40826
7

As curvas que achmos as melhores alternativas seriam a Gaussian, a Rational

Quadratic e a Exponential. A grande diferena entre estas trs que achamos as melhores
so no inicio da curva onde a exponential muito exagerada. J a Rational Quadratic
sobe um pouco no incio para depois descer no final o que na nossa opinio seria melhor
o contrrio (ver fig. 3).

Modelo Krig Hole Effect

Modelo Krig Stable

Figura 2 - Modelo Hole Effect Otimizada Stable otimizada

Modelo Krig Rational Quadratic

Modelo Krig Gaussian

Figura 3 - Rational quadratic otimizada e Gaussian otimizada

Depois de fazer as interpolaes exportamos os erros para Excel e a partir dos

valores comparamos os resultados destes erros. As interpolaes Kriging, o Cokriging e
o IDW foram os que apresentaram os melhores valores, porm a partir de uma inspeo
visual, o kriging pareceu distinguir melhor as classes que o IDW. O IDW parecia menos
pormenorizado e criava bulls eyes. Alm disso ia dar maior peso aos pontos mais
prximos o que no caso iria desfasar a varivel da geada pois um fenmeno que no
est dependente da interioridade. A geada um fenmeno que est dependente de vrios
fatores e no apenas da distncia ao mar ou a altitude por exemplo, como a:
- Exposio aos ventos; Tipo de vegetao; Encostas mais soalheiras ou mais sombrias;
Efeito de estufa urbano; Zonas ribeirinhas; Zonas baixas sujeitas a inverso trmica;
J o Cokriging deixou outro tipo
de dvidas pois na serra da Arrbida as
classes no so to ntidas como no
Kriging visualizando melhor a diferena
(ver fig. 4). Alm disso, o Kriging
usado por instituies como o IPMA e
um mtodo fivel, mede os relacionamentos

Figura 4 - Kriging - Pormenor da Serra da Arrbida

entre todos os pontos de amostra e ento

prediz o valor de clula.
Portanto, visualmente pela figura 5 que o Kriging na nossa opinio a melhor
escolha isto que havia um empate estatstico.
A crtica que podemos fazer s interpolaes que se baseiam em pontos muito
concentrados provavelmente presentes em maiores focos populacionais.
Antes de fazer a exportao do interpolador para vetorial ou raster fizemos a classificao do
mesmo na simbology para 6 classes (manual interval, definindo a classe de 30 para
depois usar no reclassify) por filled contours e zero casas decimais. Esta anlise visual
6

foi realizada atravs da exportao do interpolador para vetorial (contour type: filled
contour, manual e 6 classes). Aps transformar para vetorial fizemos os clipes para
todos. O nico interpolador resultante sem as seis classes o GPI (duas classes), mas isso
acontece devido aos dados do prprio interpolador para Setbal, pois ao fazermos o clip
as seis classes passam a duas classes.
Do interpolador escolhido fizemos um Polygon to raster, na simbologia
escolhemos 6 classes (maximum area). Aqui existia uma outra hiptese que era o export
to raster a seguir a fazer o interpolador (d resultados visuais diferentes).

Figura 5 - Mapa Comparativo entre as Interpolaes

De seguida fizemos um reclassify para selecionar apenas os valores com menos

de 30 dias de geadas. Para isto fizemos como no reclassify dos declives onde escolhemos
as classes que queramos dando o valor 1, no caso ver tabela 4:

Tabela 4- Reclassify do Polygon to raster do interpolador Krig

Old Values

New Values

Para tal seleo tambm poderia ser realizado o raster calculator com a seguinte
expresso krig_rast < 30. Mas para isto teramos de fazer sempre em todas as variveis
desde incio (corine, orientao de vertentes, litologia, n dias de geada e declives). Pois
ao fazer o raster calculator iramos estar a criar apenas uma classe o que simplificaria a
frmula do raster calculator final de juno entre todas as variveis. No entanto, o critrio
definido nas aulas foi este e foi o que mantivemos.

Resumo ferramentas das interpolaes:

Interpolador classificado manualmente/Extent/Exportar para vetor/ 6 classes/clip/6
Classes/Polygon to raster/Reclassify

DECLIVES SUPERIORES A 10

Os superiores a 10 foram feitos a partir do raster do MDT onde atravs da funo

Slope no tool box 3D Analyst Tools, Raster Surface, Slope, reclassify spatial Analyst
Tools foi feito vrias classes com declividades em graus, porm para encontrar os declives
com mais de 10 como era pedido fizemos um reclassify do resultado do slope e tudo o
que fosse superior a 10 reclassificamos como 1 e tudo o resto (menos de 10) a zero. Isto
foi definido no classify do reclassify manualmente as classes para duas!

Figura 6- Convolvulus F. Fatores para a sua presena

No final fizemos um raster calculator das cinco variveis atravs da seguinte

frmula:
"krig_30_rec" * "rec_slope" * "rec_corine1" * "rec_rec_lito" * "ASPECT_RECL"
No resultado final as reas especiais contam com 992 pixis, enquanto as restantes
com 5565245.
Da fig. 6 podemos retirar concluses onde as reas aptas para espcia florstica
em causa se podero localizar, isto , na Serra da Arrbida e perto da Serra de Grndola
mais a sul no distrito de Setbal onde existem principalmente e precisamente maiores
declives e as caractersticas geolgicas propcias (Jurssico).

2. Qual mdia e a amplitude hipsomtrica das reas consideradas adequadas.

Calculamos no zonal statistics a mean e o range, tendo como input as reas

especiais (field-value) e como input value raster a hipsometria (30 m).
9

De seguida criamos as tabelas dos valores, pese embora, no fosse estritamente

necessrio. Isto foi no zonal statistics as a table. A tabela criada corresponde tabela 5.
Da interpretao da tabela podemos concluir que a rea do value I (reas
protegidas visveis) menor e tem uma amplitude menor (418 metros) mas uma mdia
maior (101,1m). J a rea do Value 0 sucede o contrrio: mdia menor (73,7m) e
amplitude maior (483m), o que pode querer significar que sendo Setbal um distrito
pouco montanhoso (excetuando a Serra da Arrbida e a da Grndola que no atingem
altitudes superiores a 500 metros, como se pode ver pelo MDT criado que tem altitudes
at 483metros) a mdia da rea maior (Value 0) de 73,7 metros.
Tabela 5- Mdias e amplitude das reas protegidas e das reas restantes

OBJECTID

Value

COUNT

AREA

Mdia

Amplitude

5565245

5008720500

73,7

483

992

892800

101,1

418

3. Quais so as reas de proteo que so visveis a partir dos Miradouros

(considerando um posto de observao de 5m acima da cota Z e vendo uma extenso
mxima de 20km)

De seguida para criar a bacia de viso primeiro usamos a ferramenta multipart to

singlepart para corrigir a shape dos miradouros pois de seguida iriamos utilizar no view
shed. Para realizar a bacia de viso no view shed utilizamos como input o raster da

Figura 7 - Diferena das reas especiais visveis com as no-visveis.

10

hipsometria pelos miradouros corrigido. Depois utilizamos raster calculator com a

seguinte frmula: "bacia_visao" & "AREAS_ESPECIAIS_30".
Isto permitiu-nos realizar uma espcie de Select by atributes para os rasters. Assim
fizemos a interseo apenas das reas de proteo espacial que so realmente visveis.
Para ser visualmente mais facilmente distinguvel fizemos mais um reclassify para uma
classe do resultado. Na fig. 7 Podemos ver a verde forte as reas especiais, a verde claro
as reas visveis da bacia de viso e a cor de vinho a interseo das duas.
As reas de proteo visveis (fig. 8) deram um resultado de 398 pixis.

Figura 8 - reas de Proteo especial pela Bacia de Viso

11

II PARTE

DISTNCIA REDE VIRIA PRINCIPAL

Para fazer a distncia das vias foi necessrio selecionar primeiramente apenas a
rede viria principal a partir da query Func_Class 3, desta forma foi selecionado
somente a rede viria principal. Depois daqui executamos a funo Euclidean Distance,
em Spacial Analyst tools, Distance e Euclidean Distance. Aps isto foi feita a
normalizao dos valores a partir do Spacial Analyst tools, Map Algebra, Raster
Calculator com a equao (Euclidean Distance Rede Viria" 0) / (43264.21094 - 0)
para obter valores entre 0 e 1. Depois disto foi necessrio tambm inverter os valores pelo
mesmo raster calculator, onde foi aplicada a equao: Abs(Distncia Rede_viaria
Normalizada". Por ltimo, invertemos os valores ao mais adequado ao enunciado, onde
quanto mais distante melhor.

USO DO SOLO (PROCURAR NO PASSAR POR REAS URBANIZADAS)

Para o uso do solo foi necessrio primeiramente converter a corine para raster,
conversion tools polygon to raster onde o campo selecionado foi no value field o
CODE_06. Durante o reclassify Spatial Analyst Tools, Reclass Reclassify foram
dados os seguintes pesos para cada uma das classes da Corine (CODE_06): as classes
para a 111 133 foi usado 10 como peso, para a 141 e a 142 foi usado o peso 9, da classes
211 334 foi usado o peso 0, da 411 423 foi utilizado o peso 9 e por fim da 511 523
foi utilizado o peso 10.
Tabela 6 - Reclassify da Corine

Peso Cdigo da Corine

324/312/311/244/223/313/242/211/241/243/322/323/212/231/221/331/321/213/2
0 22/334/332
9 142/421/423/422/141/411
10 112/131/512/121/123/111/132/133/122/522/124/521/511/523

12

Isto significa que para a classe das reas urbanizadas foi dado um maior valor com
o peso 10, e para as reas que impossibilitavam a construo deste caminho pedestre,
como corpos dgua foi dado o peso 10 tambm.
Sendo assim o reclassify da corine criou 3 classes diferentes uma com valores de
peso 0, outra com peso 9 e a ltima com peso 10 (ver tabela 6). Aqui o maior peso da
varivel indica que maior a dificuldade para o caminho passar por estas reas. Evitamos
tanto as reas urbanas quanto as reas hmidas, j as reas agrcolas e florestais ficaram
com valores menores, para que seja prioritria a passagem por estas reas.
Aps a Reclassificao foi feita a funo Spacial Analyst Tools Float, que foi
utilizada para atribuir casas decimais aos valores obtidos pelo reclassify. Aps isto foi
realizada a normalizao dos valores da corine ("corine_float" - 0) / (10 - 0), onde os
valores ficaram entre 0 e 1 (principalmente para efeitos de clculos matemticos).

DECLIVES (EVITAR REAS COM FORTE DECLIVE)

Os declives foram primeiramente criados a partir do 3D Analyst Tools, Raster

Surface, Slope onde foi selecionado a criao de valores a partir dos graus, depois disto
foi feito um reclassify (Spatial Analyst Tools, Reclass, Reclassify) onde escolhemos
apenas 2 classes: com os valores at 10 atribumos o valor 0 e para os outros valores
atribumos o valor 1. Aps o reclassify e normalizados os valores do raster reclassificado
fizemos um raster calculator a partir da equao ("Slope" - 0) / (67.65893555 - 0), para
os valores ficarem entre 0 e 1.

PROCESSO ANALTICO HIERRQUICO

Aps completar todas as normalizaes foi feito o Processo Analtico Hierrquico

(AHP - Analytic Hierarchy Process) que uma ferramenta de apoio tomada de deciso
que permite identificar a melhor alternativa. Dos fatores selecionados o fator de maior
importncia foi a distncia rede viria principal, com peso 9 (ver tabela 7). A justificao
para isto que quando se vai estabelecer um percurso pedestre temos de tentar evitar o
rudo e procurar passagens naturais.

13

1/7
1
3

1/9
1/3
1

0,06 0,03

0,08

0,06

Uso do Solo
Distancia de rede viria principal

0,41 0,24
0,53 0,72

0,23
0,69

0,29
0,65

Total

Uso do Solo

Declives

Matriz

Declives

Peso final do critrio

Distancia de rede viria principal

1
7
9

Distancia de rede viria principal

Declives
Uso do Solo
Distancia de rede viria principal

Uso do Solo

Matriz

Declives

Tabela 7 - Anlise Multicritrio

1,00

Para o uso do solo foi dado um maior valor (valor 7) do que para os declives (valor
1) mas menor do que para a distncia viria (valor 9). Isto deve-se a que a presena de
reas urbanas era um fator a ter em conta na construo do percurso.
Embora no deixando de ter em conta o fator, no caso dos declives foi dado o
menor peso (apenas 1), pois era a classe que na nossa opinio existia um menor peso, pois
no impediria ou dificultaria muito a construo do trajeto na rea em causa (entre a Vila
e a Fortaleza a rea pouco declivosa).

14

Na equao final para calcular o custo utilizaram-se todas as normalizaes

associadas aos valores obtidos atravs da tabela feita a partir dos pesos juntamente com
os rasters normalizados referentes s variveis obtidas anteriormente. O clculo do custo
foi feito a partir do Spatial Analyst Tools, Map Algebra Raster Calculator e a frmula
foi ("corin_norm" * 0.29) + ("rviaria_norm_inv" * 0.65) + ("slope_norm" * 0.06). Os
nmeros que multiplicavam os dados normalizados foram estabelecidos a partir da anlise
multicritrio.
Obs.: Apesar de termos feito este mesmo custo com outros valores, tanto para a
anlise multicritrio, quanto para os pesos estabelecidos na CORINE, o resultado
encontrado foi o mesmo (onde o percurso de pedestre passou).

NO PODER HAVER QUALQUER SOBREPOSIO AO TIPO DE PAISAGEM: DUNAS

Antes de fazer o mapa final foi necessrio retirar as classes de dunas, para tal foi
feito um select by atributes onde selecionamos todas as dunas e aps fazer um switch
selection exportamos todas as paisagens sem as dunas. Depois foi feito um extract by
mask do custo, usando como mscara as paisagens sem dunas, gerando um mapa do custo,
sem as classes de dunas, o que inviabiliza o percurso de se sobrepor s paisagens tipo
dunas.
COST DISTANCE

Retiradas as dunas do custo foi executado o Cost Distance, localizado no Spatial

Analyst Tools Distance, sendo que foi feito um para o shape de Fortaleza e outro para o
VilaNSAndre (para depois usarmos no Corridor). Para a vila foi criado tambm o Spatial
Analyst Tools Distance Cost Direction. Estes passos geraram o custo da distncia da Vila
e outro da Fortaleza, sendo que da vila foi feito tambm as direes pois seriam
necessrias para executar o passo seguinte.

COST PATH

O passo seguinte foi fazer o Cost Path com o cost distance e o cost direction da
vila, sendo o destino a fortaleza, gerando assim o caminho mais barato e mais fcil
15

utilizando os parmetros estabelecidos anteriormente, que conectaria a Vila at a

fortaleza.
Da figura 9 e 10 podemos interpretar que o caminho mnimo evitou as reas de
custo mais alto quase na totalidade e evitou as dunas por completo.

Figura 9 - Mapa de Aptido - Fatores Condicionantes

CORRIDOR

Aps o passo anterior tambm foi feito o Spatial Analyst Tools

DistanceCorridor que gerou a rea alternativa mais propcia para o caminho (ver fig.
10). O resultado do corridor foi reclassificado primeiro nas propriedades para duas
classes e depois fez-se um reclassify para duas classes.
Aps isto foi feito a transformao do raster do caminho, para vetorial (Polyline)
em Conversion Tools, From Raster, Raster to Polyline gerando assim o Trajeto final.
No entanto, este trajeto em vetor sobrepe em algumas reas as dunas.
16

Porm, este problema foi devido escala do raster que apresentava alguns pixis
que extrapolavam a rea, cruzando algumas partes da paisagem retirada (as dunas), apesar
das mesmas terem sido retiradas anteriormente. Como sabido o raster apresenta esta
caracterstica negativa pois os limites no so definidos por linhas e sim pela grelha. Esta
situao ocorre no final do percurso quando observado com um zoom prximo do ponto
da Vila. Alm disso, prximo da Fortaleza o final da linha fica longe.

Figura 10 - Percurso Pedestre / Caminho Mnimo / Corridor

DIFICULDADES

Em primeiro lugar, para maior dificuldade optamos pela escolha do melhor

interpolador. Alm de termos que ter cuidado quando escolhemos a informao a
interpolar (no fazer clip da shape do n de dias de geada por Setbal pois engloba sempre

17

os vizinhos) existiam vrias opes a testar! Embora este trabalho seja apenas um trabalho
curricular e no uma tese, era aconselhvel testar vrias opes e vrios erros.
Alm disto, o co-kriging foi um interpolador testado na sala de aula, mas apenas
de uma forma no geostatistical wizard e outra atravs do Toolbox. Isto colocou-nos
algumas dvidas ao aplic-lo pois no sabamos muito bem como escolher o campo
correto. Acabamos por escolher o campo mdia na shape distncia ao mar pois teramos
de ter algum valor. Como a shape no tinha este campo criamos ns um novo (add
fieldField Calculator: [Value_Min] + [Value_Max] /2).
Para finalizar tivemos tambm dificuldades na escolha visual do interpolador e
definimos como critrio o grau de pormenor do mapa do interpolador respetivo.
Alm da escolha dos interpoladores, outra dificuldade teve a ver com a atribuio
dos pesos nas classes da anlise multicritrio e na corine. Isto pela dificuldade e por
estarem a dar resultados iguais para o percurso mesmo com pesos diferentes.

CONCLUSES

Para rematar podemos mencionar a dificuldade deste segundo trabalho acrescida

comparativamente com o primeiro trabalho da cadeira. Por esse motivo sugeramos pesos
diferentes para os mesmos. Alm de serem duas partes diferentes, a dificuldade das tarefas
e o tempo despendido para os projetos foram significativamente diferentes e argumentam
a nossa premissa. Apesar disto foi dos trabalhos at agora do Mestrado mais consolidou
conhecimentos. A ferramenta do Raster Calculator foi desenvolvida de uma forma at
ento pouco desenvolvida no Mestrado.
As dificuldades tambm permitiro verificar que existem vrios caminhos para
chegar ao resultado final.
No entanto no cmputo geral podemos dizer que com este pequeno trabalho
desenvolvemos competncias que podero ser-nos teis, facilitando o trabalho futuro
num projeto desta natureza.
Apenas um ponto nos deixou com curiosidade de aprender mais que a questo
de podermos verificar como o ModelBuilder se poderia relacionar com as ferramentas
utilizadas. Como o tempo era limitado optamos por no testar.
A partir da elaborao dos mapas foi possvel aprimorar o uso das ferramentas
relacionadas a diversas variveis e aos interpoladores, alm de perceber as limitaes das
18

fontes de informao (falta de distribuio dos pontos da geada pelo distrito e a prpria
dificuldade de estudo da varivel).
Alm disto foi possvel aprimorar o entendimento sobre a conceo de percursos
pedestres com os SIG (atravs do cost path e do corridor) o que pode ser uma mais valia
no mercado de trabalho. Mais uma vez, aqui tambm, a relao do operador com o uso
da estatstica no nosso ver tem uma influncia muito grande na aplicao dos SIG. Ao
calcularmos um caminho mnimo foi necessrio fazermos (o operador) uma anlise
multicritrio para chegar a um resultado relativo, mas ao mesmo tempo controlado.

19

BIBLIOGRAFIA

DE ABREU, J. F. and L. C. BARROSO (2003). Geografia, modelos de anlise

espacial e GIS, PUCMinas.
BURROUGH, P., McDonnell, R., A., Principles of Geographical Information
Systems (Spatial Information Systems), Oxford, Oxford Univ Press, 2nd edition, 1998.
BOSQUE SENDRA, J.; Sistemas de Informacin Geogrfica, Rialp. Madrid.,
1999
EASTMAN, J.R., KYEM, P., Toledano, J. Y JIN, W.; GIS and decision making,
Ginebra, UNITAR. , 1993
GMEZ, M. e Barredo, J.I.; Sistemas de informacin geogrfica y evaluacin
multicriterio en la ordenacin del territorio, Ra-Ma. Madrid., 2005
GUTIRREZ PUEBLA, J. e Gould, M.; SIG. Sistemas de Informacin
Geogrfica, Sntesis. Madrid., 1994
LAURINI, R., Thompson, D., Fundamentals of Spatial Information Systems,
London, The Apic Series, 1992.
LONGLEY, P.A. Goodchild, M.F., Maguire, D.J. and Rhind, D.W. Geographic
Information Systems and Science, Second Edition. New York: Wiley, 2005.
LONGLEY, P., Batty, M., (Editors), Spatial Analysis: Modelling in a GIS
environment, New York, John Wiley & Sons, 1997.
MAGUIRE, D.J., Batty, M., AND GOODCHILD, M.F., editors GIS, Spatial
Analysis, and Modeling, Redlands, CA: ESRI Press, 2005.
MATOS, J. M; Fundamentos de Informao Geogrfica, Lidel Edies
Tcnicas. Lisboa., 2001
MORENO, A.; Sistemas y anlisis de la informacin geogrfica. Manual de
autoprendizaje con ARC/GIS., Ra-Ma. Madrid., 2005
SMITH, M.J., GOODCHILD, M.F. e Longley, P.A.; Geospatial analysis: A
comprehensive guide of principles, techniques and software tools, Winchelsea Press.
Leicester., 2007

20

Sites Consultados:

http://pro.arcgis.com
http://help.arcgis.com
http://gis.stackexchange.com/questions/tagged/arcgis
http://www.meteopt.com/forum/topico/atlas-de-portugal-risco-degeada.2289/#post-74938
https://biodiversidade10c.wikispaces.com/Corriola+do+Espichel+%28Convolvu
lus+Fernandesii%29
http://eol.org/pages/5684193/overview

21