Aplicações SIG

 Algumas áreas de intervenção dos SIG

 Exemplos de aplicações
1. Risco de incêndio florestal

2. Índice DRASTIC

3. Contenda

4. ECoal

5. RUSLE

6. HospitalGIS

Áreas de intervenção dos SIG

1
 Agriculture

Precision Farming – Harvesting more bushels per acre while

spending less on fertilizer using precision farming and software.

https://gisgeography.com/agriculture-maps-global-farming/

Disease Control – Combating the spread of pests through by

identifying critical intervention areas and efficient targeting control
interventions.

Real-time Crop Yields – Shifting to real-time crop monitoring and

targeted, automated responses with drones and precision watering
sensors.

2
 Current Food Security – Safeguarding food insecure populations by
establishing underlying causes through satellite, mobile-collected and
GIS data storage.

Soils
 Soil Moisture – Estimating soil moisture from space with the SMAP
and SMOS satellites

 Erosion Reduction Strategy – Identifying erosion hot spots

through topography, soil and land-use characteristics.

 Soil Loss Equation – Measuring the average annual soil loss

caused by rainfall and associated overland flow as defined by the
United States Department of Agriculture.

 Soil Types – Modelling

soil types involving
climate, organisms,
topography, material
and time.

3
 Geology and Mining
 Aquifer Recharge – Determining potential aquifer recharge using
steepness of slope and soil permeability.

 Geological Interpretation – Digitizing surficial geology (surface

sediments, their morphology and properties) with air photo
interpretation and field validation.

 Continental Drift – Representing tectonics plate movement.

 Natural Resources – Mapping

out natural resources like

uranium, metals, stones

and gemstones.

4
 Mining Operations – Track mining assets in the field with mobile GIS.

Real state

 Buffer Zone Search – Buffering a search area for a query when house
hunting.

5
 Market Analysis – Expanding businesses through customer profiling,
estimating sales potential and finding available lots.

 Construction – Considering slopes for construction and livability as 15

degrees or less are considered buildable.

 Walkability – Understanding health factors like active transportation,

bike paths and walking paths in a neighborhood.

Home Evaluation – Getting a big picture to understand home value including

proximity to schools or panoramic view.

6
 Land Planning
• Land planning could be defined as the activity of designing, organizing or
preparing for the future use of Earth's surface, especially regions valued for
natural resources, utilized as agricultural resources or considered for human
settlement.

• Remote sensing data and GIS analysis are the primary “tools” for Land
Planning.

• The primary role of remote sensing in land management and planning has
been to provide information concerning the physical characteristics of the
land which influence the management of individual land parcels or the
allocation of lands parcels to various uses.

Urban planning

• As the world continues to move towards urbanization, the need for

effective urban planning continues to grow.

• Urban planning and management is a complex task, which cannot be

completed without the use of GIS and source data as remote sensing

images.

• GIS and Remote Sensing go side by side to help in urban planning.

7
Urban growth and sprawl

• World’s urban population began to boom at unprecedented rate from the 1950s
and has nearly quintupled during the past three decades.

• Over 50% of the total world’s population inhabits in urban areas (and is
expected to reach 70% by 2050).

• The most apparent consequence of the massive rural-to-urban migration is the

very rapid urban expansion and city growth.

• Urbanization has been one of the most irreversible anthropic activities driving
global environmental changes over the past few decades.

8
• Urbanization is also associated with a number of adverse environmental
impacts, including air pollution, water pollution, anthropogenic greenhouse
gas emissions, urban heat island effect, and biodiversity reduction.

• Urban expansion has been a hot topic not only in the management of
sustainable development but also in the fields of remote sensing and GIS.

• Using satellite images datasets (e.g., Landsat data), Machine Learning

algorithms and GIS capabilities it is possible to analyze, quantify and predict
urban growth and sprawl.

9
 https://earthshots.usgs.gov/earthshots/Las-Vegas#ad-image-1-4

Natural hazards

• The use of Earth observation products and GIS has become an integrated
approach in disaster-risk management.

• Hazard and risk assessments are carried out at multiple scales, ranging
from global to community levels.

• For a number of hazards, satellite-based information is the major source for

generating hazard inventories, and hazard monitoring (e.g., tropical
cyclones, forest fires, and drought).

• As topography is one of the major factors in most types of hazard

analysis, the generation of a Digital Elevation Model (DEM) plays a
critical role.

10
Landslide

Earthquakes

11
 Archaeology

Archaeological Survey – Tackling a huge problem archaeologists

face every day – collecting physical locations of their excavation
findings from a wealth of sites.

Geodatabase for Antiquities – Recording, monitoring, and protecting

archaeological sites to avoid impacting, factor cost for site mitigation –
developed by the Getty Conservation Institute (GCI) and the World
Monuments Fund (WMF).

http://www.getty.edu/conservation/our_projects/field_projects/Jor
dan/

12
 Climate Change
 Earth Interactions – Modelling vegetation, atmospheric, rainfall and
ecosystems to study their interactions simultaneously.

 Sea Level Rise – Collecting data to study sea level rise and climate
change.

 County Climate – See for yourself how average maximum

temperature rises/falls in each county in the United States.
http://chelm.github.io/county-climate/

13
 Desertification – Understanding the underlying causes of
desertification such as inappropriate agriculture practices,
deforestation and drought.

https://desertification.wordpress.com/2015/01/21/earth-observation-eo-
data-for-desertification-indicators/

 Land Surface Temperature Change – Using map algebra to see

how land surface temperature changes year-by-year.

14
 Pollution Modelling – Mapping air pollution sources and impacts
on environment and people.

Aquatics/Ocean/Marine

 Fish Habitat Models – Connecting fish species with their habitat

using habitat suitability indexes.

 Whale Tracking – Stalking pigmy killer, sperm, beaked and false

killer whales in the Pacific Ocean with online mapping applications.

 Spawning Sites – Drawing spawning site boundaries for migratory

fish that are known to release eggs.

 Mercury in Stream – Grasping the origin of mercury – which are

contaminants to fish tissue – by studying the landscape such as
soils and humus.

15
 Coastal Hazards – Minimizing loss by identifying potential hazards
such as algal blooms, eutrophication and tsunamis.

https://coast.noaa.gov/hurricanes/

 Ocean Use Planning – Outlining sustainable oceans through

careful planning of ocean activity such as energy production, fishing
and shipping.

 Rising Sea Levels – Identifying areas of risk as sea levels gradually

rise from climate change.

 Coral Reef Conservation – Understanding the present state of

coral reefs through mapping to better understand future
deterioration.

 Ocean Salinity – Measuring sea surface salinity from space with

Aquarius. (Ocean Salinity)

 Algae Blooms – Monitoring algal blooms through multiple images

over time.
https://hub.arcgis.com/datasets/dfd5e2914bd24944933650671cf
86aa5_0/geoservice?geometry=-84.728%2C27.274%2C-
82.668%2C28.125

16
 Environment
 Environmental Impact Assessment – Measuring anticipated effects
on the environment of a proposed development project.

 Site Remediation – Removing contamination from a plot of land

detailing risk exposure and an overview with maps.

 Fire Growth Simulation – Extinguishing fires faster by understand

how they grow in discrete steps bringing together wind, weather and
fuel for the fire.

 Surface Water Flow – Characterizing water flow to be identified as

high consequence for oil spill mitigation.

 Dead Zones – Mapping out dead zones where marine life is unable to
be supported.

 Wetland Inventory – Delineating wetlands by types and function.

 Ozone – Motivating the world to do their part by mapping the spatial

distribution of ozone concentrations.

17
 Forestry

 Forest Inventory – Prioritizing timber harvesting units by referring

to age class and forest type to better measure timber acreage and
average estimates.

 Forest Fires – Plotting out forest fires.

 Vegetation Potential – Analyzing tree growth & distribution of

vegetation with west/east-facing and aspect data.

 Deforestation – Gauging deforestation using land cover change in

time,

Cumulative deforestation within the REDD+ Seima Protection Forest

project area from 1995 to 2013

18
 Energy

 Concession – Putting concession licenses that give a company the

right to drill for oil or gas and exploratory drilling boreholes on a
map.

 World Power Types – Seeing how much of the world is being

powered by fossil fuels, nuclear and renewable sources.

 Nuclear Waste Site Selection – Safeguarding people with proper

nuclear waste disposal.

 Dam Sites Selection – Comparing hypothetical dam sites by

potential water storage to understand how land use/land cover is
impacted.

 Energy Consumption – Drawing out energy capacity and

consumption on a map.

 Nuclear Power Risk – Conceptualizing nuclear power plant

radioactive release with evacuation time and population exposed.

19
 Engineering

 Building Permits – Helping the user determine whether or not a

requested permit is in an historic district, an aquifer protection
district, wetland, or floodplain.

 CAD Interoperability – Integrating CAD data (DWG, DXF) into GIS

and vice versa.

 Facility Management – Optimizing energy efficiency with building

automation services for a more comprehensive view of a building.

 Construction Environmental Management Plan – Mitigating the

potential negative impacts of engineering projects by identifying
environmentally sensitive sites and mitigation measures.

20
 Health/Medical
 HealthMap – Delivering real-time, global disease monitoring.

https://healthmap.org/en/

 Epidemiology – Tracking disease and epidemiological information

in a spatial database.

 Geomedicine –Tracking patient’s location history to determine if

environmental and industrial hazards put them at risk for certain
types of diseases.

 Disease Spread Patterns – Plotting ellipses for a disease outbreak

over time to model its spread.

 Cluster Analysis – Identifying built environmental patterns using

cluster analysis and GIS: relationships with walking, cycling and
body mass index.

 Ebola – Mapping the change of confirmed and probable cases of

Ebola over time.

21
 Infant Mortality – Track child immunizations with mortality rates.

Aplicações SIG

 Exemplos de aplicações

1. Risco de incêndio florestal

2. Índice DRASTIC

3. Contenda

4. ECoal

5. RUSLE

6. HospitalGIS

44

22
 Exemplos de aplicações

Caso de Estudo 1:
Mapas de risco de
incêndio florestal
(Ana Teodoro, Lia Duarte)

45

23
24
25
26
 Caso de Estudo 2:
Avaliação da vulnerabilidade da água subterrânea
à poluição através do método DRASTIC
Uma aplicação SIG open source

Aplicação SIG open source ao método

DRASTIC

27
 Resumo

 Vulnerabilidade à poluição da água subterrânea

 SIG (Sistemas de Informação Geográfica)

 Índice DRASTIC

 Pesos

 Metodologia

 Aplicação

 Caso de estudo

 Resultados

 Considerações gerais

Vulnerabilidade à poluição da água subterrânea

 A água é um recurso natural de elevada importância económica.

 A água é utilizada em inúmeras actividades humanas, como matéria-

prima ou como matéria subsidiária.

 A National Academy Press (NAP, 1993) define a vulnerabilidade à

poluição da água subterrânea como a tendência ou possibilidade de os
poluentes atingirem uma determinada localização no sistema aquífero
depois de introduzidos acima do nível aquífero superficial.

28
 SIG

 Aplicações SIG são frequentemente usadas para estimar a

vulnerabilidade da água subterrânea.

 Manipular, analisar, e incorporar dados com uma componente espacial.

 Índice DRASTIC é um dos métodos mais usados para estimar a

vulnerabilidade da água subterrânea à poluição.

 Criar uma aplicação SIG open source para avaliar a vulnerabilidade à

poluição da água subterrânea através do método DRASTIC.

Índice DRASTIC

 Indicadores hidrogeológicos

D - Profundidade da zona não saturada

R - Recarga do aquífero
A - Material do aquífero
S - Tipo de solo
T - Topografia
I - Impacto na zona não saturada
C - Condutividade hidráulica do aquífero

DRASTIC = Dw × Di + Rw × Ri + Aw × Ai + Sw × Si + Tw× Ti + Iw × Ii + Cw × Ci
(Aller et al., 1987)

29
 Pesos (Aller et al., 1987)

 Os pesos atribuídos a cada parâmetro refletem o seu grau de

importância relativamente à vulnerabilidade da água
subterrânea.

Parâmetros
D R A S T I C
Pesos 5 4 3 2 1 5 3

Metodologia

 QGIS, um software de código aberto.

 Respeita a liberdade de se distribuir, e do utilizador

aceder e modificar o código (Stallman, P., 2007).

 Fácil de usar e eficiente no desenvolvimento de plugins,

usando a linguagem Python.

 É uma linguagem com licença open source, fácil,

simples, rápida e eficiente.

30
 Aplicação

• Uma janela: File menu, DRASTIC menu, Help

menu;

• File menu: Add Vector Layer, Add Raster

Layer;

• DRASTIC menu: 7 parâmetros relativos ao

método e o índice DRASTIC final;

• Help menu: fornece a informação necessária

ao utilizador.

Caso de estudo na região de Castelo

Branco - Portugal

 Bacia do Tejo, sub-bacia do Ocreza, perto da cidade de

Castelo Branco, em Portugal.

 A área estudada cobre, aprox., 1500 ha.

 Resolução espacial de 20 metros.

 Sistema ETRS89 PTTM06.

31
 Resultados

 D – Profundidade da zona não

saturada:
– obtida a partir de um ficheiro de pontos,
onde foi possível medir o nível freático
– método de interpolação Inverso da
Distância (Inverse Distance Weighting)

 R – Recarga do aquífero:
– taxa de infiltração da ordem dos 10% da
precipitação anual, admitindo que este
valor é regionalmente compatível com
as características geológicas da área
em estudo.

Resultados

 A – Material do aquífero:
– parâmetro qualitativo que se baseou
nas características geológicas da área
de estudo cujos índices adotados
foram 2, 3, 4 e 5.

 S – Tipo de solo:
– obtido a partir do mapa de solos da
região.

 T – Topografia:
– gerado o mapa de declives da região a
partir do MDT.

32
 Resultados

 I – Impacto na zona não saturada:

– parâmetro qualitativo que se baseou nas
características geológicas da área de estudo

 C – Condutividade hidráulica:
– A execução de ensaios de permeabilidade do
tipo LUGEON, realizados in situ (valores de 0,1
cm/s encontrando-se classificados com o
índice 3), como foi o caso, permite obter
valores médios para a quantificação deste
parâmetro.

– Contudo, na ausência destes ensaios, podem

ser usados os valores constantes na
bibliografia da especialidade referentes a cada
tipo particular de litologia pois, como se verifica
das tabelas correspondentes a este parâmetro,
os intervalos de valores são bastante abertos.

Resultados

• Vulnerabilidade das águas

subterrâneas varia entre valores
desde 110 a 193;

• Considerar a área em estudo

como apresentando domínios
com uma vulnerabilidade que
varia desde Baixa (onde se
conjugam as melhores
características naturais de
proteção à poluição), até
domínios onde a vulnerabilidade
foi considerada Muito Alta (onde
se conjugam as piores
características naturais de
proteção à poluição).

33
 Considerações gerais

 Mobilidade na escolha dos índices e dos pesos permitindo ao

utilizador poder adotar o seu índice tirar as suas conclusões
durante a criação dos diferentes mapas

 Trata-se de uma aplicação que respeita o conceito de software

livre, pois o código desenvolvido pode ser alterado, partilhado
e usado por qualquer outro utilizador

 Reunir, num único plugin, todos os procedimentos necessários

para a realização dos mapas que interagem no cálculo e na
obtenção do mapa final do índice DRASTIC

Considerações gerais

 Plugin constituído pelo próprio ambiente de visualização

onde o utilizador pode ser crítico quanto aos resultados.

 O utilizador pode obter resultados em tempo reduzido e

pode aceder, em tempo real, às consequências de aplicar
diferentes valores de índices e pesos.

 Ferramenta adotada para o método segundo Aller et al.

(1987) mas que pode ser alterado em função dos objetivos
de cada utilizador.

34
 Caso de Estudo 3:
Integrated monitoring system and
management support – Study case
Herdade da Contenda

Outline

Introduction

Objective

Study case

Methodology

Results

Preliminary Conclusions
70

35
 Introduction

 The Square Kilometre Array (SKA) will be the largest Global science project of the
next two decades, a sensor network dedicated to radioastronomy.

 The SKA main objective is to solve main astronomy, astrophysical and cosmological
questions, such as the capacity of reveal the birth of the first galaxies, detect
collisions between black holes and collect proves of planets formation in other solar
systems.

 In the framework of Portuguese participation in the project, a site with the perfect
conditions was suggested in Alentejo, the Herdade da Contenda.

 The characteristics of the ionosphere and the troposphere, the physical

characteristics of the site including climate and subsurface temperatures,
infrastructure costs, including power supply and distribution, operation and
maintenance costs and the long term sustainability of the site as a radio quiet zone.

71

GIS

 GIS is usually used to manipulate, data acquisition and cartography

which auxiliate in decision making.

 GIS is usually used to environment land analysis through multi

criteria evaluation approach.

 In order to provide an application with the purpose of being adapted

to different sites and areas given the possibility of modifying the
source code, an open source application was developed under GIS
open source software.

72

36
 Objective
 In order to decide the best site to SKA installation, the previous version of the integrated
environmental monitoring application (Teodoro et al. (2015)) was improved with a new tool which
will help in the SKA decision, minimizing the landscape ecosystem impact.

 Python language was used.

 Open source environment: QGIS software.

 The application incorporates several methods which allows the map creation such as:
– Forest fire risk maps
– Erosion risk maps
– Groundwater vulnerability maps
– Land Use Land Cover (LULC) visualization
– Normalized Difference Vegetation Index (NDVI) maps
– Bioclimatic Index

 The information provided by the application has an important role in decision making.

73

Study case Herdade

da Contenda (HC)
 Protected zone, National Hunt zone and Forestry Perimeter with an area of
12 000 ha where 5270 ha in Portuguese side.

 Western part of the Sierra Morena, in the municipality of Moura, Beja district,
Portugal.

 HC area is classified as 12% Ibero-Mediterranean with Quercus ilex

predominance and 88% as Submediterranean × Iberomediterranean.

 The HC climate are humid and sub-humid.

• Given the protected status of the site it was

decided that there was the need for a decision
helping tool allowing for informed decisions with
minimal impact on the local ecosystem and
landscape.

• Protected area zoning is a decision-making issue

that inherently requires the evaluation of multiple
land attributes according to multiple objectives.
74

37
 Methodology
 Five buttons under a standard toolbar and twelve menus: File,
DRASTIC, Forest Fire Risk, RUSLE, Bioclimatic Index, Cultural
Heritage, Fauna and Flora, Ortofoto, Normalizes Difference
Vegetation Index (NDVI), DEM, LULC and Help.

 Several methods and functionalities.

75

Methodology - Geodecision

 The created maps can be used as input files in the decision making
tool (Geodecision) to help to identify the sites adequated to the SKA
implementation.

 HC is a protected are, so several criteria must be defined.

76

38
 Methodology

 HC is a protected area so several criteria must be defined.

MUITO BAIXO MÉDIO ALTO MUITO

BAIXO ALTO

RISCO DE INCÊNDIO FLORESTAL (%) <117.79 [117.79; [125.85; [254.76; ≥359.50

125.85[ 254.76[ 359.50[

RISCO DE EROSÃO (TON KM-2 ANO-1) <2.33 [2.33; 4.78[ [4.78; 8.27[ [8.27; 14.61[ ≥14.61

DECLIVES (%) <12.53 [12.53; 19.50[ [19.50; 27.08[ [27.08; ≥36.15

36.15[

FOREST FIRE EROSION

WEIGHTS SLOPE
RISK RISK
SCENARIO 3 2 1

77

Results

Forest fire risk map Slope map Erosion risk map

78

39
 Results

 56% of the HC area are classified with low or very low forest fire risk and it is located
in central area (Ribeira do Murtigão) and in the North.

 High and Very high forest fire risk areas correspond to 2.2% and 32.6% of the HC
area.

 Areas with very high forest fire risk are related with areas with high slope values.
These zones are located in the south of HC.

 The very high risk zones of forest fire risk map are consistent with the zones of the
map provided in Plano Gestão Florestal do Perímetro Florestal da Contenda
(PGFPFC), which are located in the south of HC.

 In the north of HC the risk is low.

79

Results

 38.4% of HC zones are classified

with low or very low slope values
and they are located in the north of
HC.

 13.9% of HC zones are classified

with high erosion risk and are
located in central area and south
HC.

 The results obtained showed that

4.89 km2 of the total area is located
in the north of HC and presented
the sites more adequated to the
installation.

 Different scenarios can be tested.

80

40
 Preliminary conclusions
 The authors intend to implement new and improved tools with new approaches and
methods in some maps, such as the forest fire risk map, where other variables can
be incorporated.

 The application developed can be improved and modified, adapting to other

protected/natural areas. It is open source and free, it can be easily incorporated with
other spatial information.

 The future decision must be taken into account after two more steps: the
environmental impact (latrines, carnivores, reptiles, etc) and the infrastructure access
(cost strategy, roads).

81

Caso de Estudo 4:
Geração de Mapas Dinâmicos para
Monitorização Temporal da Temperatura de
uma Escombreira de Carvão em Auto-
combustão

41
 Resumo

 Projeto ECOAL

 Descrição do problema

 Componente espacial

 Processamento preparatório de dados

 Geração de grelhas de temperatura por

interpolação

 Fluxo de processamento automático de dados

 Análises espaciais e temporais

Projeto ECOAL
 Principal objetivo é a monitorização da escombreira de resíduos de carvão em autocombustão em S.
Pedro da Cova.

 Desenvolvimento de uma ferramenta tecnológica, com base em sensores de fibra ótica, para medir
remotamente parâmetros associados ao processo de combustão da escombreira.

 Monitorização realizada de forma contínua e distribuída no espaço, contribuindo para a identificação

dos riscos associados, para a previsão da dinâmica da autocombustão, assim como para o
estabelecimento de prováveis cenários evolutivos.

42
 Projeto ECOAL – instalação de fibra ótica
Recolha de dados, Sondas espaçadas de 20 cm. Recolhem dados de temperatura.

Algumas sondas encontram-se

assinaladas com estacas Exigência de posicionamento rigoroso das sondas.
numeradas Levantamento das estacas com GNSS RTK
(precisão 2 a 3 cm).
60 m

70 m

Preparação de dados

ID ESTACA DIST (m) M (m) P (m)

 Conhecemos as posições 1333 36 270.00 -31044.03 165414.32
das sondas com estaca e a 1334 -------- 270.20 -31043.86 165414.22
1335 270.40
localização do tubo, que Cada sonda tem ….
--------
…. ….
-31043.68
….
165414.12
….
passa nas estacas e está uma distância à 1375 -------- 278.51 -31036.70 165410.09
estendido em troços retos eorigem do tubo 1376 -------- 278.71 -31036.52 165409.99
curvas aproximadamente 1377 35 278.92 -31036.35 165409.89
(DIST). 1378 -------- 279.12 -31036.18 165409.77
circulares.
Calculamos as 1379 -------- 279.32 -31036.01 165409.66
…. …. …. …. ….
 As sondas estão igualmente posições de 1602 -------- 324.52 -31038.47 165407.40
espaçadas. todas as sondas. 1603 -------- 324.73 -31038.64 165407.52
1604 34 324.93 -31038.81 165407.63
1605 -------- 325.13 -31038.98 165407.76
1606 -------- 325.33 -31039.16 165407.88
…. …. …. …. ….
…. …. …. …. ….

43
 Dados espaciais de sondas com
temperaturas
 Grande irregularidade da amostragem.
20 cm de distância entre sondas ao longo do tudo, cerca de 2 m entre linhas)

 Substituição pela mediana de cada 10 pontos consecutivos (ou

outro à escolha)
Substituição da temperatura por MEDIANA

Pontos que entram no processo de

interpolação

44
Definição de limite da área de interesse

ECOAL

45
 ECOAL
Shapefile com
pontos Criadas
SE shapefiles com
os pontos
Substitui , por . Extrai
Remove strings coordenadas
Limita os valores entre de cada ponto
269.99 e 935.0551 e JOIN com Método de
Se txt Calcula mediana em temperaturas inteprolação
grupos de dez valores Ordinary Kriging
do SAGA

Pasta com
JOIN dos
ficheiro de valores da Clip com o limite
texto mediana da da zona de
temperature estudo
Se com as
coordenadas
NÃO
Layouts de
txt impressão

SE Ficheiros txt
Converte para txt com
VIDEO
coordenadas
pontos

Interpolação por kriging (SAGA)

46
 Exemplo

Avaliar a dinâmica da temperatura num

ponto

Shapefile com o
ponto de interesse Através Add grid
values to points
(algoritmo do SAGA)
são atribuídos os matplotlib
Pasta com os valores de temperature
ficheiros comas em cada dia e hora ao
medidas das ponto
temperaturas

47
 Conclusões

 Desenvolveu-se uma ferramenta SIG para tratamento de dados recolhidos

com fibra ótica, para monitorização de uma escombreira em
autocombustão.

 QGIS fornece todas as funcionalidades para o tratamento de dados

conducente à elaboração de mapas de temperatura na escombreira.

 Plugin desenvolvido permite agilizar a produção de mapas individuais, para

um dado instante, ou grande número de mapas para vários ficheiros
recebidos.

 Possibilidade de geração de novas ferramentas de análise, quer espacial,

quer temporal, dos dados de forma a permitir um melhor conhecimento da
dinâmica da escombreira.

 Possibilidade de implementar futuramente processamento em tempo real,

com geração de alertas em caso de deteção de variações anormais.

Caso de Estudo 5:
QGIS Desktop application and Web version
development based on RUSLE method

48
 OUTLINE

 Introduction

 Objective

 Metodology

 RUSLE Aplication
 Desktop version

 WEB version

 Results and discussion

 Conclusions

97

Introduction
 Considered a serious and major environmental problem in many parts of the world, endangering

areas such as agriculture, environment, natural resources, flooding and habitat destruction.

 Soil erosion consists in the detachments of individual soil particles from the soil mass which are

transported by erosive agents, such as water or wind.

Precise
knowledge of
erosion risk

Define policies and

Environmental prevention measures on
and economics
consequences water and soil resource
conservation

Dificulte to
obtain and
estimate

98

49
 Factors that induce soil erosion
 Natural
 Soil degradation
 Water quality
 Hydrogeological systems
 Agricultural production
 Vegetation cover
 Topographic features
 Climatic variables
 Soil characteristics
 Slope
 Precipitation

 Human
 Agriculture activity
99

RUSLE – Revised Universal Soil Loss

Equation

 Control soil erosion R (rainfall

erosivity
factor)
 Assess soil erosion risk

 Estimate soil erosion loss

P K (soil
(conservation erodibility
practice factor) factor)

C (cover
ܴܷܵ‫ ܧܮ‬ൌ ܴ ൈ ‫ ܭ‬ൈ ‫ ܵܮ‬ൈ ‫ ܥ‬ൈ ܲ management
LS (Slope
Length factor)
factor)

100

50
 GIS

 GIS are often combined with soil erosion models as an effective

approach to estimate the magnitude and distribution of erosion.

 GIS provide powerful tools in modelling geospatial information.

 Several studies have been developed to assess soil erosion through

GIS proprietary software, using RUSLE method.

 There isn’t a tool adapted to RUSLE model which can be modified

and freely used.
101

Objective

RUSLE method

Create soil erosion Possibility of

risk maps modifying the
code

Application Manipulation of
Software open RUSLE complex variables
source, free, easy Desktop with different
and intuitive information and
parameters

Create and Without the RUSLE

WEB Page visualize need of GIS
erosion maps environment WEB

102

51
 Metodology

 Software QGIS 2.4

 APIs (Aplication Programming Interface): Numpy, SAGA, QGIS API,

Gdal/OGR API, PyQt4 API

 Processing Toolbox algorithms (QGIS): ordinarykrigingglobal,

clipgridwithpolygon, cubicsplineapproximation, r.mapcalculator,
v.surf.idw e v.surf.rst

 Python programming language

 Framework Django (WEB version)

103

RUSLE Desktop Version

R LS P

K C RUSLE final

104

52
 RUSLE WEB Version

105

Study case Montalegre

 Covers approximately 80,580 ha.

 High precipitation occurrence (1531 mm/year)

 High slope carries high erosion risks when soil protection measures are not takena

 The spatial resolution of the raster files used in this study case was defined as 20
meters.

 The data were in the ETRS89/PT-TM06 coordinate reference system (EPSG:3763).

106

53
 RUSLE DESKTOP APPLICATION LS
FACTOR

107

RUSLE DESKTOP APPLICATION C FACTOR

108

54
RUSLE DESKTOP APPLICATION RUSLE
MAP

109

RUSLE WEB APPLICATION RUSLE MAP

110

55
 DISCUSSION

 29 % of the area is characterized by very low soil erosion level

 6 % of the area was classified as high

 8 % as very high to soil erosion

 7 % of the total area corresponds to zones with very high slope values

 4 % of the total area are characterized with very high slope values along
with very high soil erosion level.

 Areas with high slope values are related with high level of erosion.

 Although a large part of the study area is classified with zones as low levels
of erosion, high slope values and high values of precipitation are typical of
Montalegre municipality, so it stands to reasonable values classified with
very high levels of erosion.

 The C factor is higher in zones where the soil erosion level is lower. So in
these areas the soil is more protected. 111

RUSLE DESKTOP APPLICATION

Vantages
• Provides the possibility of moving the C factor map in order to evaluate if the value
helps to control the erosion.
• It is flexible and allows to simulate the fact before.
• It is more detailed given several options and parameters options to the user.
• With the possibility to import the input shapefile attribute table, the user can easily
adapt to other case studies.
• In some factors, such as K factor, the user can choose between two methods in order
to obtain the final map. If the user has access to field observations of the soil
parameters he/she can adapt the K factor map to his/her field knowledge.
• The desktop application allowed to upload different tabulated data in pdf format.

Disadvantages
• Creates the maps without the layout composer.
• Requires GIS software knowledge.

112

56
 RUSLE WEB APPLICATION

Vantages
• Generates the maps and incorporates a layout with a scale bar and the legend with
the colours defined in high and low values.
• It is a website where any user can upload the input files necessary to calculate each
RUSLE factor and to obtain the final RUSLE map in a few minutes.
• It is not necessary to have a GIS software installed and the user doesn’t need to know
GIS algorithms or tools.

Disadvantages
• The user must define the parameters in shapefile attribute table first.
• The maps creation depends on the internet connectivity.

113

CONCLUSION

 There are some differences between the two applications, although the two
of them presents a very good performance in creating the maps.

 The model implemented is adapted for Portugal and uses the pdf tables
defined by Pimenta (1998). However, this model can be adapted to other
countries or regions if other tables were incorporated.

 The two versions developed can be very useful to create the maps
necessary to evaluate soil erosion in certain zones.

 The two versions are freely available.

114

57
 Caso de Estudo 6:
Os Sistemas de Informação Geográfica como ferramenta de apoio às
Bases de Dados de Morbilidade Hospitalar

Dr John Snow, Pai da epidemiologia

moderna

58
 Resumo

 O que motivou a realizar o trabalho...

 Objetivo

 Contribuição da engenharia para a área da saúde pública

 Metodologia

 Desenvolvimento

 Caso de estudo

 Aplicabilidade prática

 Perspetivas de futuro

O que motivou a realizar o trabalho...

 Permitirá aos utilizadores (profissionais/especialistas da área

da saúde) não familiarizados com um software SIG:

– aplicar de forma automática uma simbologia a um tema de

informação de acordo com um atributo
– imprimir de uma forma simples e intuitiva o mapa simbolizado
com todos os elementos
– adicionar um mapa interativo (Bing Aerial Maps) ao ambiente
de trabalho
– converter um ficheiro em formato vetorial para formato kml

 Existência de bases de dados nos hospitais públicos que

poderiam ser melhor exploradas com a contribuição geo-
espacial (vizualização) e apoiarem de forma mais sustentada a
gestão hospitalar e a tomada de decisão no domínio da saúde
pública.

59
 Objetivo

 Criação/desenvolvimento de uma ferramenta/aplicação

em software SIG livre (open source) que assenta:

– automatização da simbologia
– criação de layouts com informação de uma base de dados
– assim como ferramentas para outras análises relacionadas com
este tópico

Contribuição da engenharia para a área da

saúde pública

 Representa uma aplicação no âmbito da Engenharia com um elevado

impacto na sociedade e noutras áreas, neste caso na saúde.

 Mais valia para os profissionais da área da saúde que tenham que

lidar com dados geoespaciais, com aplicabilidade futura no acesso,
manipulação e análise dos dados de internamentos hospitalares,
tendo em conta a dificuldade dos profissionais desta área em criar
diferentes e múltiplas visualizações de dados tabelares
rigorosamente localizados e consecutivamente na criação de mapas
de impressão para posterior análise.

60
 Metodologia

 QGIS
– Linguagem Python

 PostgreSQL/ PostGIS
– Condições SQL

 API (Aplication Programming Interface) e bibliotecas:

– QGIS API; PyQt4 API; GDAL/OGR API
– Processing Toolbox
– QtDesigner

Desenvolvimento HospitalGIS

61
 Caso de estudo: Bases de dados de
Morbilidade Hospitalar
 Morbilidade Hospitalar: Em epidemiologia, morbidade ou morbilidade
é a taxa de portadores de determinada doença em relação à
população total estudada, em determinado local e em determinado
momento.

 Bases de Dados de Morbilidade Hospitalar (anteriormente designadas

por bases de dados dos Grupos de Diagnóstico Homogéneos - GDH)
são muitas vezes referidas no contexto dos sistemas de informação
hospitalar.

Caso de estudo: Bases de dados de

Morbilidade Hospitalar
 Dados clínico-administrativos relativos a registos de episódios (de internamento, de
cirurgia de ambulatório e de ambulatório médico) e ainda outras variáveis do conjunto
mínimo de dados.

 Podem conter dados incorretos e com determinados problemas de qualidade, mas

comportam dados que estão facilmente disponíveis, são relativamente baratos e são
frequentemente utilizados.

 Em algumas situações podem ser a única fonte de dados disponível para estudar uma
determinada questão clínica.

 Estes dados administrativos podem, por exemplo, ser utilizados para a produção de
indicadores de qualidade, para o estudo e comparação de atividades hospitalares ou no
estudo da relação entre hospitalizações e determinadas variáveis ambientais.

62
 Caso de estudo: Morbilidade Hospitalar

ADM_TIP:
Tipo de
admissão dos
pacientes:

2-
admissões
urgentes
1, 6 –
admissões
programadas

Caso de estudo: Morbilidade Hospitalar

totdias: total
de dias de
internamento

MINIMO

63
 Caso de estudo: Morbilidade Hospitalar

totdias: total
de dias de
internamento

DESVIO
PADRÃO

Caso de estudo: Morbilidade Hospitalar

totdias: total
de dias de
internamento

MODA

64
Caso de estudo: Morbilidade Hospitalar

Limite do Grande Porto Mapa simbolizado/ Bing

Aerial Map

Aplicabilidade prática

 Neste contexto, a utilização de ferramentas de SIG podem assumir

especial relevo ao facilitarem e promoverem a visualização e a
comparação de determinados outcomes (p. ex., taxa de hospitalização,
mortalidade hospitalar) para determinadas patologias ao longo do tempo
e por ou em determinadas áreas geográficas, com o devido ajuste a
dados populacionais.

 A ferramenta é fácil de instalar, e de usar num ambiente SIG para

qualquer utilizador.

 O elevado volume de dados, a utilização e conexão a uma base de dados

livre, no âmbito do SIG reforça a aplicabilidade prática, rápida, segura e
eficiente de representação dos dados.

65
 Perspetivas de futuro

 Aperfeiçoar e automatizar ainda mais a ferramenta criada, por exemplo

extender a ferramenta para a forma de WebSIG, ou seja, a criação de uma
página web que permita diferentes formas de visualização dos dados de
internamentos hospitalares, com uma base Google Maps ou Google Earth, e
que permita a criação de mapas de impressão

 Ferramentas de análise estatística: gráficos, correlação, etc.

 Deteção de erros/omissões na informação existente e prospetivar formas de

melhorar essa informação de forma sustentada que permita uma gestão
cada vez melhor; por exemplo, localização geográfica de utentes com uma
maior resolução (passar do nível freguesia para o endereço postal, por
exemplo).

 Associação com a rede viária e bases de dados de entidades

transportadoras (ambulâncias, taxis, etc.).

FIM!

132

66