Banco de Dados - Geoma · Wageningen (desenvolvidas na primeira fase do GEOMA) ... Acre Santarém ... Parte II – São Felix do Xingu

Componente Modelos Integrados e Banco de Dados

PI’s

Luiz Bevilacqua (LNCC),Gilberto Camara (INPE), Ana Paula Dutra de Aguiar (INPE), Laurindo Campos (INPA)

I SIMPÓSIO GEOMA29 a 31 de outubro de 2007 - LNCC, Petrópolis, RJ, Brasil

Roteiro proposto

1. Metas propostas ( FINEP 1 e 2) e alcançadas;2. Atividades inter-institucionais e colaborações externas;3. Contribuições para um modelo integrado;4. Generalização de resultados para a escala regional;5. Contribuições para formação de recursos humanos;6. Resultados produzidos (produção científica e

tecnológica);7. Resultados com impactos em políticas públicas;8. Próximas etapas do projeto;

Metas propostas1. Disponibilização de ambiente de modelagem computacional para

pesquisadores da rede GEOMA, incluindo: finalização do desenvolvimento, desenvolvimento de protótipos e treinamento,em parceria com a UFOP - Universidade Federal de Ouro Preto.

2. Continuidade das atividades em parceria com a Universidade deWageningen (desenvolvidas na primeira fase do GEOMA) visando o desenvolvimento de modelos - refinamento de modelos de alocação e desenvolvimento de modelos de demanda, e construção de cenários para a Amazônia (escala regional).

3. Realização de Workshops de Modelagem em conjunto com grupos LUCC e Dinâmica Populacioanal do GEOMA para concepção de modelos para áreas de fronteiras(projeto conjunto na região de São Felix/Iriri).

Sub-projetos

1. Modelagem LUCC (Ana Paula Aguiar)

2. TerraME (Tiago Carneiro)3. Georeferênciamentos de dados legados

(Laurindo Campos)4. Aplicação de metodologias “point radius”para

georeferenciamento (Eduardo Guerra)5. MODENA (Carla Osthoff)

Sub-projeto 1Modelagem LUCC

Gilberto Câmara Ana Paula Aguiar

Atividades de modelagem

• Amazônia

• São Felix do Xingu• BR 163

Deforestation

Forest

Non-forest

Clouds/no data

INPE/PRODES 2003/2004:

Parte I - Amazônia

Modelagem CLUE: principais variáveis e premissas

Demanda:• Proxy da pressão do mercado por

terra e produtos agropecuários.

Principais variáveis escala fina (25 x 25 km2)

• Porcentagem de áreas protegidas• Conexão a mercados nacionais• Distância a estradas pavimentadas• Distância a estradas não

pavimentadas

Principais variáveis escala grosseira (100 x 100 km2)

• Distância a estradas• Umidade nos meses mais secos• Porcentagem de solos férteis

Scenario exploration: linking to process knowledge

Cellular databaseconstruction

Exploratory analysisand

selection of subset of variables

Construction ofalternative candidate

models for eachgroup/partition/

land-use (forward stepwise)

AlternativeCLUE runs

1997 to 2020

Comparison toreal data and new frontiers

process knowledge

Porto Velho-Manaus

BR 163Cuiabá-Santarém

São Felix/Iriri

ApuíHumaitáBoca doAcre

Santarém

Manaus-Boa Vista

Aripuanã

Scenario exploration

Simulações CLUE Amazônia: Objetivos • Exploração de cenários

relativos a políticas públicas.

• Conceitos de exploração de cenários: um parâmetro chave modificado por vez.

• Resultados até o momento: impactos nos padrões de desflorestamento até 2020 de políticas espaciais: – infra-estrutura, – áreas protegidas– aplicação da lei DENSELY POPULATED

ARCH

OCCIDENTALCENTRAL

Macro-zoneamento proposto por Bertha Becker (2004)

Federative States

0% 100%

Deforestation pattern in 1997 (25 x 25 km2)

ALAP BR 319Estradas pavimentadas em 2010Estradas não pavimentadasRios principais

0.0 – 0.10.1 – 0.20.2 – 0.30.3 – 0.40.4 – 0.50.5 – 0.60.6 – 0.70.7 – 0.80.8 – 0.90.9 – 1.0

% mudança 1997 a 2020:

CENÁRIO BASE –Hot spotsde mudança (1997 a 2020)

São Felix/Iriri(Terra do Meio)

BR 163 (Cuiabá-Santarém)

South of AmazonasBR 319 (Porto Velho-Manaus)

Novas fronteiras:

Área de estudo – ALAP BR 319 e entorno


Portos

Área de estudo – ALAP BR 319 e entorno


Portos

CENÁRIO BASE PARA COMPARAÇÃO – Áreas protegidas em 2004 (Cenário B)

Áreas protegidas em 2004Novas áreas de proteção integral (2007)Novas áreas de uso sustentável (2007)


Portos

SIMULAÇÃO 1 – Adicionando áreas de proteção integral na ALAP (em 2007)



Portos

SIMULAÇÃO 2 – Adicionando áreas de proteção integral e uso sustentável (2007)



Portos

Simulação 2: Proposta incluindo áreas de proteção integral e de uso

sustentável



0.0 – 0.10.1 – 0.20.2 – 0.30.3 – 0.40.4 – 0.50.5 – 0.60.6 – 0.70.7 – 0.80.8 – 0.90.9 – 1.0

% mudança 1997 a 2020:



0.0 – 0.10.1 – 0.20.2 – 0.30.3 – 0.40.4 – 0.50.5 – 0.60.6 – 0.70.7 – 0.80.8 – 0.90.9 – 1.0

% mudança 1997 a 2020:

Novas áreas de proteção integral (2007)Novas áreas de uso sustentável (2007)

SIMULAÇÃO 2 –Hot spotsde mudança (1997 a 2020) com todas as áreas


0.0 – 0.10.1 – 0.20.2 – 0.30.3 – 0.40.4 – 0.50.5 – 0.60.6 – 0.70.7 – 0.80.8 – 0.90.9 – 1.0

% mudança 1997 a 2020:

Novas áreas de proteção integral (2007)Novas áreas de uso sustentável (2007)

SIMULAÇÃO 2 – Diferenças em relação ao Cenário Base


0.0 -0.50Diminuição:0.0 0.10Aumento:

Diferenças no desflorestamento:Novas áreas de proteção integralNovas áreas de uso sustentável

Sumário recomendaçõespolíticas públicas

Áreas Protegidas Conexão a SP e Nordeste

• Conectividade a mercados: – Indicador de áreas mais vulneráveis a ocupação– Critério adicional para localização de áreas

protegidas

INPE/PRODES 2005 Desforestation hot-spots

• Necessidade de medidas que considerem efeitos intra -regionais da pressão do mercado: – Efeitos de políticas locais versus pressão do merca do por

terra;– Processos que ocorrem em diferentes escalas tempora is e

espaciais;– Ações governamentais para minimizar a transformação de

demandapor produtos agropecuários em por novas aberturas n a

floresta.

INPE/PRODES 2005 Desforestation hot-spots

• Necessidade de medidas que considerem efeitos intra -regionais da pressão do mercado: – Efeitos de políticas locais versus pressão do merca do por

terra;– Processos que ocorrem em diferentes escalas tempora is e

espaciais;– Ações governamentais para minimizar a transformação de

demandapor produtos agropecuários em por novas aberturas n a

floresta.

Próximos passos

• Entender melhor interações intra-regionais entre pressão do mercado e políticas públicas

• Refinar medidas de conexão para diferentes atividades (e.g., mercado da carne, de grãos, etc.).

• Rever análises estatísticas com censo 2006;

• Construir cenários mais elaborados para diferentes usos: pecuária, agricultura capitalizada, e agricultura familiar;

• Desenvolver modelo de demanda (em relação ao mercado e políticas de contenção)

• Desenvolvimento de modelos multi-escala, multi-localidade, multi-abordagem em TerraME

Visão de futuro: cenários regionais e locais multi-escala, multi-localidade, multi-abordagem

Amazônia: pressão mercado por terra,

políticas nacionais e regionais,

padrões migratórios

Localidade A

Localidade B

Localidade C

Atores, processos, usos

diferenciados

Condições locais diferenciadas:•biofísicas,

•culturais,

•estrutura agrária,

•nós locais de cadeias produtivas,

•conectividade a mercados

Políticas públicas e

cenários diferenciados

Abordagens de modelagem

diferenciadas

Foco na derivação de

indicadores sócio-econômicos

dos efeitos de

diferentes políticas

Acoplamento de modelos LUCC em TerraME

Study area

(GEOMA)

(ZEE B R 163)

(MPEG / GEOMA)

Deforestation

Forest

Non-forest

Clouds/no data


SANTARÉM

SÃO FELIX

AMAZONIA

Parte II – São Felix do Xingu

Estudo em andamento emparceria com MPEG

Grupo LUCC - Sub-projetoPecuária

MPEGIma Vieira

Arlete AlmeidaMagno MacedoMaria do Carmo

AméricoMarcelo ThalesPaulo Fernando

Sousa

EMBRAPAJonas Veiga

UFOPTiago Carneiro

INPEAna Paula Aguiar

Evaldinólia MorieraSergio Costa

Giovana SpindolaGilberto Câmara

Equipe envolvida nas atividades de modelagem

Modelagem Pecuária São Felix do Xingu/Iriri – Objetivos:

• Construir cenários de futuros para a região.

• Foco em políticas de ordenamento territorial, tecnologia, crédito versus estruturação da cadeia de mercado da carne.

Prodes/INPE 2000-2001

Atratividade da frentepioneira

OrganizaçãoDas sub-cadeias

Estruturação doespaço

Crescimento da Produção bovina

Mecanismos de interaçãoentre a cadeia produtiva bovina e a estruturação do espaço nas frentes pioneiras (fonte: Poccard-Chapuis et al., 2005).

Componentes

Cenários Qualitativos

(Contexto sócio-economico e políticas)

Modelo

de dinâmica

de uso

(paisagem)

Modelos

Multi-agente

(propriedades)Modelo de

estruturacao

das cadeias

da carne Indicadores

Sócio-economicos

e ambientais

quantificação

PRODES 2000

PRODES 2005

The Model based on representative agents

Land use Change model

Beef and milk market chain model

Small farmersagents

Medium and largefarmersagents

Land use Change model

Beef and milk market chain model

Small farmersagents

Medium and largefarmersagents

Status e próximos passos• Cenários:

– Quantificação (análise estatística) de relações entreDesflorestamento, esturura do rebanho e estruturação indústrias;

– Mapeamento de instituições a serem envolvidas

• Modelo de dinâmica da paisagem:– Definição fatores e regras para

pequenos e grandes– Construção do BD celular

andamento• Modelos de agentes

– Prótotipos iniciais de modelos participativos com opções de manejo e uso, acoplado a modelo de degradação da pastagem

Modelo de degradaçãodo solo ou pastagem

feedback

decisõesuso e manejo

Scatterplot: 2004 vs. Desflorestamento (Km²) até 2004

Desflorestamento (Km²) até 2004 = 364.10 + .00843 * 2004

Correlation: r = .88879

-2E5 0 2E5 4E5 6E5 8E5 1E6 1.2E6 1.4E6 1.6E6

2004

-2000

0

2000

4000

6000

8000

10000

12000

14000

Des

flore

stam

ento

(K

m²)

até

200

4

95% confidence

Parte III – BR 163

MPEGRoberto Araújo

Ana Cristina SalimMaria do Carmo

Américo

UFPAOtávio do Canto

EMBRAPAAdriano

VenturieriAndrea Coelho

ONG SaúdeAlegria

Ricardo Folhes

INPALaurindo Campos

INPEAna Paula Aguiar

Evaldinólia MorieraSergio Costa

Giovana SpindolaGilberto Câmara

Equipe envolvida nas atividades de modelagem

Deforestation

Forest

Non-forest

Clouds/no data


Área 1: DSF BR 163

• Adaptação do CLUE para a região;

• Construção de cenários relativos a questões de mercado e políticas de Ordenamento Territorial;

• Derivação de indicadores ambientais (perda de biodiversidade e emissão de carbono);

• Análise acoplada a estudos locais e Amazônia macro

Área2: PAE Lago Grande (Santarém)

• Construção de cenários e modelagem participativapara apoio à decisãocomunitária

• Combinação de modelosde dinâmica da paisageme modelos de agentes, construção de cenáriosparticipativos.

PAE Lago Grande:

• 11% da área de Santarém• Criado em nov 2005 (INCRA)

• 130 comunidades e ~5000 famílas

• Grandes reservas de recursos madeireiros

• Áreas de cerrado

• Áreas antropisadas (agricultura de subsistência)

• Questões fundiárias: conflitos pela posse da terra, grandes propriedades, exploração ilegal de madeira

• Estruturação de um processo de gestão comunitária legítimo.

Mapas participativos:• infra-estrutura, • recursos naturais, • conflitos

Modelos e cenários: contrução de visões coletivas de futuro

Área 3: Leste de Santarém(área de expansão de grãos)

• Entendendimento das transiçõese fatores determinantes queocorreram de 1986 a 2006:

– Floresta– Agricultura capitalizada

– Pastagem

– Capoeira– Agricultura familiar

• Entendentimento sobre comoquestões de estrutura fundiáriaafetaram e podem afetar no futuroa dinâmica de uso da região;

• Contruição de cenários territoriaisque considerem alternativas emrelação ao ordenamento territorial e fundiário da região, emcontraponto a questõesrelacionadas à demanda porgrãos e carne.

Módulo de alocação

Análise estatística(Modelo de regressão

logística)

Módulo de demanda(cenários de

quantidade de mudança)

Dados celularesde uso do solo e

potenciais fatoresdeterminantes

Regras de transiçõespossíveis

e elasticidade

Análise espacial

Status e próximos passos

• Área 3 (Santarém/Belterra)– BD em construção– Modelo computacional implementado– Segundo trabalho de campo em Nov/2007

• Área 2 (PAE Lago Grande)– Mapeamento de dinâmica de uso/fev 2007– Refinamento da metodologia em grupo

• Área 1 (DSF)– Modelo computacional implementado– BD em especificação

Petrópolis 28, de outubro de 2007

TerraLAB – LaboratorioINPE/UFOP para Modelagem e

Simulacao de SistemasTerrestres

6 meses de TerraLAB

• Os alunos foram introduzidos ao Geoprocessamento (Spring, TerraView) .

• Os alunos foram introduzidos à Modelagem Dinâmica (sistemas, agentes, automatos celulares).

• Os alunos estão programando bem em C++ e em LUA .

• Os alunos sabem criar interfaces gráficas usando a biblioteca Qt.

• Os alunos dominam os principais patterns utilizados em TerraLib e TerraME.

• Os alunos conseguiram compilar TerraME (TerraLib + LUA) para o ambiente Linux e Windows utilizando a mesma plataforma de desenvolvimento livre (o IDE Eclipse e o compilador g++).

Infraestrutura - TerraLAB

• 11 equipamentos Dual Core (2 a 4 G RAM)�– 5 estações de desenvolvimento (60%)�– 2 servidores de simulação (30%)�– 1 servidor: web + wiki (100% - dedic.)�– 1 servidor: cvs + arquivo + intranet (100% - dedic.)�– 1 estação administração e teste (30%)�

• Baixa utilizacao:– Complexidade da aplicacao (geoproc., modelagem espacial dinâmica)�

– Longa curva de aprendizagem da plataforma de desenvolvimento do núcleoTerraME (C++, TerraLib, LUA, TerraME, QT, g++).

– Ausência de bolsas e orientadores para desenvolvimento de modelos aplicados.

Projetos

- ver WIKI TerraLAB -

TerraME IdeaA Earth’s environment …

can be represented as a synthetic environment…

… where analytical entities (rules) change the space properties in time .

Several interacting entities share the same spatiotemporal structure.

TerraLib

TerraLib EnviromentalModeling Framework

C++ SignalProcessing

librarys

C++ Mathematical

librarys

C++ Statisticallibrarys

TerraME Virtual Machine

TerraME architecture & applications

TerraME Compiler

TerraME Language

RondôniaModel DinamicaModel TROLLModel CLUEModel

TerraME Runtime Environment

Eclipse & LUA plugin• model description• model highlight syntax

TerraView• data acquisition• data visualization• data management• data analysis

TerraLibdatabase

data

Model source code

MODEL DATA

mod

el

• model syntax semantic checking• model execution

TerraME INTERPRETER

LUA interpreter

TerraME framework

TerraME/LUA interface

model da

ta

The space local properties, constraints, and connectivity can be modeled by:

The TerraME spatial model

- a set of geographic data: each cell has various attributes

GIS

- a spatial structure: a lattice of cellsEach cell has a neighborhood that can be, possibly, different.

- Space is nether isomorphic nor structurally homogeneous. (Couclelis 1997)

- Actions at a distance are considered. (Takeyana 1997), (O’Sullivan 1999)

O Brasil “from the space”2000

Espinhaço Range

Minas Gerais State“from the space”

2000

Point of View

Itacolomido Itambé Peak

Lobo’s Range


Lobo’s Range

9 km

9 km

rainrain rain

N

Itacolomi do ItambéPeak Lobo’s Range

Picture direction


Lobo’s Range

SimulationResult(36 min.)

Multiple scales

Basic concepts

Space structure is non-homogeneous

Nested scales

Diverse space partitions can have different scales

Multiscale models can be developed

TerraME Advantages & Drawbacks

• Expressividade

• Legibilidade

• Data Aquisition & Result Analyses

• Performance

2210 linhas1236 linhasTROLL

2395 linhas720 linhasCLUE

C++TerraMEModel

6x18 = 108 files

1 table per year

Output

46 confg. files1 tableInput

C++TerraMECLUE

Resultados Desenpenho: Dualidade LUA & C++

- Dijkstra: Caminho Mínimo -

Grafo em LUA

Viz. em TerraME

Speedup ≅≅≅≅ 428 %

Bacharel Computação - UFOP: Leandro da Silva Santos

- TerraME GIMS –Graphical Interface for Modeling and Simulation

Petrópolis 28, de outubro de 2007

Árvore de aquivos / diretórios

Árvore objetos TerraME (conteúdo do arquivo ativo)‏

2 Panels:a) Representação gráfica

do objeto ativo (outline)‏

b) representação na linguagem TerraME do objeto ativo (outline)‏

Saída da execução do modelo: propriedades + console + debug (mais de um panel)‏

TerraLib

TerraLib EnviromentalModeling Framework

C++ SignalProcessing

librarys

C++ Mathematical

librarys

C++ Statisticallibrarys

TerraME Virtual Machine

TerraME architecture & applications

TerraME Compiler

TerraME Language

RondôniaModel DinamicaModel TROLLModel CLUEModel

`TerraME GIMS

Sub-projeto 3

Georeferenciamento Retrospectivo para Dados

Biológicos Legados da Amazônia

J. L. Campos dos Santos¹, C. E. Guerra², E. M. B. Farias³

¹ Instituto Nacional de Pesquisas da Amazônia (INPA), Manaus-AM, Brasil² Universidade Federal do Pará (UFPA), Santarém-PA, Brasil

³ Centro Universitário Luterano de Santarém (CEULS/ULBRA), Santarém-PA, Brasil

A localização dos espécimes depositados nas coleções biológicas no Brasil é estratégica para seu conhecimento e preservação.

A maior parte das informações de localidades estão em forma descritiva e com baixa qualidade como ‘Balbina, Presidente Figueiredo, Amazonas, Brasil’ou ‘5 Km, ao Norte do Rio Negro’.

INTRODUÇÃO

O desafio é conseguir associar as localidade descritivas dos espécimes a uma coordenada geográfica quantitativa de maneira rápida e eficiente. Este processo, quando aplicado a dados legados, é denominado de georeferenciamentoretrospectivo.

INTRODUÇÃO (cont.)

Figura 1 – Exemplo de uma ficha de campo para coleta de peixes.

OBJETIVO GERAL

• Desenvolver um framework composto de documentação do processo de georeferenciamento, de um banco de dados unificado e de programas livres para auxílio ao georeferenciamento de dados de coleções biológicas.

• Criar um processo para o georeferenciamento retrospectivo de coleções biológicas;

• Projetar uma base de dados unificada para os registros de espécimes de coleções diferentes, que permita o armazenamento da informação georeferenciada e metadadossobre o processo de georeferenciamento;

• Levantar os atributos que interferem na precisão do processo de georeferenciamento;

OBJETIVOS ESPECÍFICOS

• Implementar ferramenta que auxilia a digitalização dos dados das etiquetas de espécimes nas coleções;

• Implementar ferramenta de importação de dados para a base de dados unificada;

• Implementar um classificador da qualidade da informação de localidade nos registros de espécimes;

• Implementar ferramentas para o georeferenciamentoautomático;

OBJETIVOS ESPECÍFICOS (Cont.)

• Georeferenciar um conjunto de registros representativo dos casos encontrados nas anotações das coleções e utilizar este conjunto para a validação do processo pela comparação do resultado manual com o resultado do processo;

• Disponibilizar na internet a documentação do processo, as ferramentas, a base de teste e os resultados obtidos

• Divulgar em veículos científicos os resultados da pesquisa

OBJETIVOS ESPECÍFICOS (Cont.)

METODOLOGIA E ESTRATÉGIA

Sob o ponto de vista tecnológico, o processo do georeferenciamento é implementado por meio de três estratégias: manual, automática e semi-automática:

• O processo manual exige conhecimento cartográfico e a utilização de mapas e gazetteers analógicos, réguas e calculadoras para determinar coordenadas para a localização do espécime.

• No processo semi-automático utiliza-se bases de dados de nomes geográficos digitais e algumas outras ferramentas computacionais que auxiliam na determinação mais rápida das coordenadas.

• No processo automático, um programa especializado transforma um texto descritivo da localidade em coordenadas geográficas, utilizando processamento de linguagem natural ou simplesmente análise gramatical do texto, associado ao uso de base de nomes geográficos válidos.

METODOLOGIA E ESTRATÉGIA (Cont.)

FRAMEWORK E IMPLEMENTAÇÃO

Os dados são importados de outras bases de dados ou das etiquetas dos espécimes através do módulo de aquisição de dados.

Um classificador automático separa os registros em três bases de acordo com a qualidade de sua informação geográfica:

FRAMEWORK E IMPLEMENTAÇÃO (Cont.)

(1) Registros Classe M - Não permitem o georeferenciamento direto. Em geral, neles encontramos referência a outros documentos que devem ser consultados para obter a localidade do espécime ou não têm informações sobre a sua localidade. O destino destes registros é o processamento manual.

(2) Registros Classe S - São aqueles destinados ao processamento semi-automático. Estão incluso nestes registros aqueles cuja descrição da localidade éredundante ou incompleta. Incluem aí também os registros do processamento automático que não passaram pelo processo de validação.


(3) Registros Classe A - São aqueles cujos atributos da informação geográfica podem ser identificados automaticamente no processo de classificação. Assim, resta o processamento automático para o cálculo das coordenadas e o erro associado aos registros.

(4) Registros a Validar – Gerados no processamento automático. Após validação, o registro é inserido na base de Registros Georeferenciados, caso contrário, éinserido na base dos Registros Classe S.


(5) Registros Georeferenciados - Base destino do processo de georeferenciamento - preservam todos os atributos dos registros não processados, incorporando informação geográfica quantitativa e dos metadados que descrevem o processo de georeferenciamento.




Sub-projeto 4

Aplicação da Metodologia Point Radius para o Georeferenciamento Retrospectivo de dados

baseado em Plugin Terralib

J. L. Campos dos Santos¹, C. E. Guerra², E. M. B. Farias³

¹ Instituto Nacional de Pesquisas da Amazônia (INPA), Manaus-AM, Brasil² Universidade Federal do Pará (UFPA), Santarém-PA, Brasil

³ Centro Universitário Luterano de Santarém (CEULS/ULBRA), Santarém-PA, Brasil

O trabalho objetiva o desenvolvimento de um novo processo de georeferenciamento retrospectivo de dados biológicos, isto é, a implementação de um plugin baseado na plataforma Terralib e na metodologia "point radius",que retorne um par de coordenadas geográficas para cada descrição textual de entrada.

RESUMO

A metodologia proposta para o georeferenciamentoretrospectivo consiste de uma seqüência de 4 passos:

(1) prover uma base de dados geográficos em um ambiente SIG utilizando o conjunto de tipos de dados disponível na plataforma objeto relacional.

(2) projeto e a implementação de um plugin para a conexão com a base de dados no SIG, que proporcionaráfuncionalidade de busca das localidades.

METODOLOGIA

(3) aplicação do plugin em um conjunto de dados textuais simulados, referentes a uma localidade de estudo, em um conjunto de pontos de controle.

(4) Testar a eficiência do algoritmo calculando-se os parâmetros de incerteza associados a vários tipos de dados de localidades.

METODOLOGIA (cont.)

METODOLOGIA (cont.)

ANÁLISE DOS RESULTADOS

O funcionamento do plugindepende de duas condições:

(1) a existência de uma boa base de dados georeferenciados,

(2) a consistência da descrição textual de localidade do dado legado.

ANÁLISE DOS RESULTADOS (cont.)

Para localidades urbanas, a segunda condição ditaráo funcionamento do plugin, determinando a quantidade de atributos de localidade que podem ser extraídos.

Entretanto, para localidades não urbanas (normalmente, os casos das coleções biológicas) as duas condições amarrarão o funcionamento do plugin. Assim é necessário pensar também, na implementação das bases de dados.

MODENA:Um Ambiente Colaborativo Baseado na Web

para Auxílio ao Projeto e Construção de Modelos Ambientais

Jano SouzaCOPPE/UFRJ, IM/UFRJ

Julia StrauchENCE/IBGE

Carla OsthoffLNCC/MCT

Halisson BritoCOPPE/UFRJ

Alexandre Monteiro / Cristiane OliveiraLNCC/MCT

I Simpósio GEOMA – Petrópolis, 29 de Outubro de 2007

MODENA

Um ambiente colaborativo para auxiliar a gestão de conhecimento sobre todo o

ciclo de vida da modelagem, desde o pré-projeto do modelo até seu uso

MODENA

•Possui ferramentas para auxiliar a:

– Catalogação de modelos,

– Classificação de modelos,

– Busca de modelos e conhecimento sobre modelos,

– Utilização de modelos, e

– Intercâmbio de modelos

O Sistema

O Sistema

O Sistema

Trabalhos PublicadosCapítulos de livros publicadosMONTEIRO, Alexandre C V ; OLIVEIRA, Cristiane ; OSTHOFF, Carla ; BRITO, Halisson

M. ; STRAUCH, Julia ; SOUZA, Jano Moreira de. Execution Management of Scientific Models on Computational Grids . In: Daydé, M.; Palma, J.M.L.M.; Couthino, Á.L.G.A.; Pacitti, E.; Correia Lopes, J. (Eds). VECPAR 2006 Post-Conference Book. Heidelberg: Springer-Verlag, 2007, v. 4395, p. 670-678.

Trabalhos completos publicados em anais de congress os1. BRITO, Halisson M. ; STRAUCH, Julia ; SOUZA, Jano Moreira de. A Web-based

System to Support e-Collaboration in the Design and Construction of Environmental Models . In: International Conference on Environmental Informatics and Systems Research, 2007, Varsóvia. Proceedings of the 21st International Conference on Environmental Informatics and Systems Research (EnviroInfo), 2007.

2. BRITO, Halisson M. ; STRAUCH, Julia ; SOUZA, Jano Moreira de. Use of Ontology of Models in Scientific Model Management . In: International Symposium on Environmental Software Systems, 2007, Praga. Proceedings of the XII International Symposium on Environmental Software Systems, 2007.

3. MONTEIRO, Alexandre C V ; OLIVEIRA, Cristiane ; OSTHOFF, Carla ; BRITO, Halisson M. ; STRAUCH, Julia ; SOUZA, Jano Moreira de. Execution Management of Scientific Models on Computational Grids . In: High Performance Database Management in Grids, 2006, Rio de Janeiro. Proceedings of the VII International Meeting on High Performance Computing for Computational Science (VECPAR), 2006.

Trabalhos Publicados (cont.)4. BRITO, Halisson M. ; STRAUCH, Julia ; SOUZA, Jano Moreira de. Gestão do Conhecimento

Apoiando o Ciclo de Vida de Modelos Ambientais . In: I Congresso Ibero-Americano de Gestão do Conhecimento e Inteligência Competitiva, 2006, Curitiba - PR, 2006.

5. BRITO, Halisson M. ; STRAUCH, Julia ; SOUZA, Jano Moreira de ; OSTHOFF, Carla. Scientific Models Management in Computational Grids . In: 17th International Scientific and Statistical Database Management Conference, 2005, Santa Barbara - California. Proceedings of the 17th International Conference on Scientific and Statistical Database Management. Berkeley, CA, US : Lawrence Berkeley Laboratory, 2005. p. 113-116.

6. BRITO, Halisson M. ; STRAUCH, Julia ; SOUZA, Jano Moreira de . MODENA: um Ambiente para Gestão de Modelos Científicos em Grades Computacion ais . In: XXVI Iberiam Latin American Congress on Computational Methods in Engineering, 2005, Guarapari-ES. Proceedings of the XXVI Iberiam Latin American Congress on Computational Methods in Engineering, 2005.

Resumos expandidos publicados em anais de congresso s1. BRITO, Halisson M. ; STRAUCH, Julia ; SOUZA, Jano Moreira de . ModManager: um Sistema

para Gestão de Conhecimento sobre Modelos Científic os via Web . In: IV Congresso Brasileiro de Gestão do Conhecimento, 2005, São Paulo, 2005.

2. BRITO, Halisson M. ; STRAUCH, Julia ; SOUZA, Jano Moreira de . Supporting the Modelling LifeCycle through Knowledge Management . In: EnviroInfo - 20th International Conference onInformatics for Environmental Protection, 2006, Graz, 2006.

Apresentações de TrabalhoBRITO, Halisson M. ; STRAUCH, Julia . MODENA: Ambiente para Gestão de Conhecimento e Execução de Modelos Científicos em Grades Computaci onais . 2006. (Apresentação de Trabalho/Conferência ou palestra).

Documents

Banco de Dados - Geoma · Wageningen (desenvolvidas na primeira fase do GEOMA) ... Acre Santarém ... Parte II – São Felix do Xingu