SlideShare ist ein Scribd-Unternehmen logo
1 von 99
Downloaden Sie, um offline zu lesen
Pós-Graduação Lato Sensu
“Especialização na Aplicação dos Instrumentos das
Políticas Urbana e Ambiental nos Contextos Municipais”
Profa. Denise Vogel
INDICADORES GEOGRÁFICOS E MODELAGEM DE DADOS
Construção e Geovisualização de Indicadores
PROF. DS. VITOR VIEIRA VASCONCELOS
Conteúdo
•Indicadores reflexivos: redução de
dimensionalidade
•Modelagem Multicritério
•Influência de Indicadores (MicMac)
•Processo analítico hierárquico
•Cenários tendenciais
•Espacialização de zonas contíguas homogêneas
•Geovisualização multivariada
Redução de dimensionalidade
•Objetivo
•Pegar um grande número de variáveis e transformar
em um pequeno número de índices, que expliquem
ao máximo o comportamento das variáveis
Casos Variáveis
A B C D E
1 10 15 78 48 78
2 20 26 45 59 98
3 30 85 89 59 56
4 50 48 59 59 23
6 48 59 62 51 54
7 89 32 48 89 89
8 54 15 62 50 78
Componentes principais
PC1 (70%) PC2 (20%) PC3 (5%)
2 -1 -2
8 -8 -6
-5 -3 7
-3 2 3
4 4 0,3
6 0,5 9
8 3 1
Técnicas de redução de dimensionalidade
Dados de entrada Técnica adequada
Distribuição normal e sem valores
extremos
Análise de Componentes Principais
Distribuição aproximadamente normal,
mas com valores extremos
Análise de Componentes Principais
Robusta
Dados sem distribuição normal Análise de Componentes Independentes,
Multidimensional Scalling
Dados ordinais (1º, 2º, 3º, etc...) Non-metric (Ordinal) Multidimensional
Scalling
Dados categóricos (classes) junto com
dados numéricos
Transformação de Distância de Gower
(classes viram números) antes de usar a
técnica de redução de dimensionalidade
Relações não-lineares entre variáveis
(curvas, por exemplo)
Análise de Componentes Principais Não
lineares (PRINCALS),
Análise de Componentes Principais de
Kernel
Gower, J. C. (1971). A general coefficient of similarity and some of its properties. Biometrics, 857-871.
Dados de entrada Técnica adequada
Distribuição normal e sem valores
extremos
Análise de Componentes Principais
Distribuição aproximadamente normal,
mas com valores extremos
Análise de Componentes Principais
Robusta
Dados sem distribuição normal Análise de Componentes Independentes,
Multidimensional Scalling
Dados ordinais (1º, 2º, 3º, etc...) Non-metric (Ordinal) Multidimensional
Scalling
Dados categóricos (classes) junto com
dados numéricos
Transformação de Distância de Gower
(classes viram números) antes de usar a
técnica de redução de dimensionalidade
Dados de entrada Técnica adequada
Distribuição normal e sem valores
extremos
Análise de Componentes Principais
Distribuição aproximadamente normal,
mas com valores extremos
Análise de Componentes Principais
Robusta
Dados sem distribuição normal Análise de Componentes Independentes,
Multidimensional Scalling
Dados ordinais (1º, 2º, 3º, etc...) Non-metric (Ordinal) Multidimensional
Scalling
Dados de entrada Técnica adequada
Distribuição normal e sem valores
extremos
Análise de Componentes Principais
Distribuição aproximadamente normal,
mas com valores extremos
Análise de Componentes Principais
Robusta
Dados sem distribuição normal Análise de Componentes Independentes,
Multidimensional Scalling
Dados de entrada Técnica adequada
Distribuição normal e sem valores
extremos
Análise de Componentes Principais
Distribuição aproximadamente normal,
mas com valores extremos
Análise de Componentes Principais
Robusta
Dados de entrada Técnica adequada
Distribuição normal e sem valores
extremos
Análise de Componentes Principais
Análise de Componentes Principais
Variável A
Variável
B
https://youtu.be/_UVHneBUBW0
Análise de Componentes Principais
Variável A
Variável
B
Componente 1
https://youtu.be/_UVHneBUBW0
Análise de Componentes Principais
Variável A
Variável
B
Componente 1
Componente 2
https://youtu.be/_UVHneBUBW0
Análise de Componentes Principais
Componente 1
Componente 2
https://youtu.be/_UVHneBUBW0
Análise de Componentes Principais
Variável
A
Variável B
Componente 1
Componente 2
Componente 3
https://youtu.be/_UVHneBUBW0
Análise de Componentes Principais
https://www.joyofdata.de/blog/illustration-of-principal-component-analysis-pca/
Indicadores para investimento em Londres
Weber, P., & Chapman, D. (2011). Location Intelligence: An Innovative Approach to Business Location
Decision‐making. Transactions in GIS, 15(3), 309-328.
Centros comerciais em Londres
Indicadores para investimento em Londres
Weber, P., & Chapman, D. (2011). Location Intelligence: An Innovative Approach to Business Location
Decision‐making. Transactions in GIS, 15(3), 309-328.
Variáveis
Influência nos
componentes principais
Categorias
Negócios Varejo
Trabalho Estudantes
Propriedade Ocupações de rotina parcial
Trabalho Espaço para novo varejo
Trabalho Ocupações de nível superior
Trabalho Empresas com alta ocupação
Propriedade Ocupações de baixo nível
Negócios Serviços profissionais
Indicadores para investimento em Londres
MAZZIOTTA, Matteo; PARETO, Adriano. Use and misuse of PCA for measuring well-being. Social Indicators Research, v. 142, n. 2,
p. 451-476, 2019.
MONDAL, Debasish; MOOKHERJEE, Subikash; PATTANAYEK, Sanjoy Kumar. Does the analysis of principal components effectively
help in determining actual weights for dimensions of an index? An appraisal in Indian context. International Journal of Management
and Development Studies, v. 6, n. 10, p. 28-36, 2017.
Weber, P., & Chapman, D. (2011). Location Intelligence: An Innovative Approach to Business Location Decision‐making. Transactions
in GIS, 15(3), 309-328.
Componentes Principais % explicada % cumulativa
Profissionais urbanos
Indústria de colarinho azul
Indústria de finanças tecnológicas
3º setor
Centros de logística
Ruas comerciais
Mentes verdes e criativas
Turismo com varejo
Pesquisa e ensino
Descartadas (sem sentido)
Nunca usar como pesos para formar índices!
Indicadores para investimento em Londres
Weber, P., & Chapman, D. (2011). Location Intelligence: An Innovative Approach to Business Location
Decision‐making. Transactions in GIS, 15(3), 309-328.
Centros comerciais
Gráfico de componentes principais
Indicadores para investimento em Londres
Weber, P., & Chapman, D. (2011). Location Intelligence: An Innovative Approach to Business Location
Decision‐making. Transactions in GIS, 15(3), 309-328.
Portal para
explorar o perfil
de centros
comerciais
Conteúdo
•Indicadores reflexivos: redução de
dimensionalidade
•Modelagem Multicritério
•Influência de Indicadores (MicMac)
•Processo analítico hierárquico
•Cenários tendenciais
•Espacialização de zonas contíguas homogêneas
•Geovisualização multivariada
Abordagem Multicritério
2
5
3
6
Pesos
Camadas
https://www.gisandbeers.com/como-realizar-un-analisis-multicriterio-sig/
Soma ponderada
das camadas
Abordagem Multicritério
https://www.gisandbeers.com/como-realizar-un-analisis-multicriterio-sig/
Indicadores para investimento em Londres
Weber, P., & Chapman, D. (2011). Location Intelligence: An Innovative Approach to Business Location
Decision‐making. Transactions in GIS, 15(3), 309-328.
Portal para os
investidores
definirem os
pesos
Atividade de Ponderação de
Indicadores
•Objetivo
▪Avaliar a relevância e as tendências de benefícios prestados pela
natureza (serviços ecossistêmicos) na região metropolitana do
Rio de Janeiro.
• Divisão em grupos:
▪Moradores
▪Gestores públicos
▪Empresários
▪ONGs ambientalistas
Serviços Ecossistêmicos
UN. MEA. Millennium Ecosystem Assessment. Ecosystems and Human Well-being:
A Framework for Assessment (Island Press, 2003)
Levantamento de Serviços Ecossistêmicos
• Vejam o seu “papel” (grupo) na folha de
atividades
Grupo Moradores locais Empresários Gestores públicos ONGs ambientalistas
Número 1 2 3 4
5 6 7 8
9 10 11 12
13 14 15 16
17 18 19 20
21 22 23 24
25 26 27 28
29 30 31 32
Atividade 1
• Nomeie os três serviços ecossistêmicos mais
importantes para você Região Metropolitana
do Rio de Janeiro, e identifique sua função
(provisão, regulação, cultural, suporte)
Serviços Ecossistêmicos Função
1
2
3
Discussão em Grupo
Serviços Ecossistêmicos Função
1
2
3
4
5
6
7
8
9
10
Como selecionar quais são os serviços
ecossistêmicos mais importantes?
Métodos Multicriteriais de Auxílio à Decisão
▪Valoração de itens
oImportância
oSatisfação
oCusto X Benefício
Como selecionar quais são os serviços
ecossistêmicos mais importantes?
• Votação
▪ Cada indivíduo vota em um serviço (ou
um número definido de serviços)
▪ É possível criar um indicador com a soma
dos votos
▪ Vantagens:
o Rápido e simples
▪ Desvantagens:
o Eleitor não mostra ordem de preferência
dentro dos grupos (votados x não votados)
Como selecionar quais são os serviços
ecossistêmicos mais importantes?
• Ranqueamento
▪ Cada indivíduo numera os itens de acordo
com sua ordem de preferência
▪ É possível criar um indicador com a
média dos rankings
▪ Vantagens:
o Rápido e simples
▪ Limitações:
o A “distância” relativa entre o 1º e o 2º não é
necessariamente a mesma entre o 2º e o 3º
Atividade 2
• Ranqueie os 10 serviços ecossistêmicos escolhidos em
grupo, atribuindo de 1 (mais importante) até 10
(menos importante).
Serviços Ecossistêmicos Ranking
1
2
3
4
5
6
7
8
9
10
Planilha
• Abrir a Aba “2 – Ranqueamento”
• Transferir os dados do
ranqueamento para a planilha
Desvio Padrão
• Medida de dispersão: média dos desvios em relação à
média
• Para uma amostra
• Para todos os dados (população)
• É baixo se os casos são parecidos, e é alto se os casos
têm valores muito diferentes entre si
• Usado como índice de incerteza e/ou discordância
Conteúdo
•Indicadores reflexivos: redução de
dimensionalidade
•Modelagem Multicritério
•Influência de Indicadores (MicMac)
•Processo analítico hierárquico
•Cenários tendenciais
•Espacialização de zonas contíguas homogêneas
•Geovisualização multivariada
MicMac
Matriz de impactos cruzados com multiplicação aplicada à classificação
• Análise estrutural: influências das variáveis umas sobre as outras
• Entrada: matriz de impacto cruzado
Indicadores
Influenciados
Influência
(soma)
Indicador
A
Indicador
B
Indicador
C
Indicador
D
Influenciadores
Indicador A 0
Indicador B 0
Indicador C 0
Indicador D 0
Dependência (soma)
0 – Sem influência 1 – Pouco influência 2 – Média influência 3 – Muita influência
Godet, M. (2001). Creating futures: Scenario Planning as a Strategic Management Tool. Economica.
–
Influência
+
– Dependência +
Autônomos
Motrizes Ligações
Resultados
Godet, M. (2001). Creating futures: Scenario Planning as a Strategic Management
Tool. Economica.
Concentração do poder digital
Desigualdade digital
Quebra de infraestruturas
de informação críticas
Colapso
de
estados
Colapso ou falta
de infraestrutura e
serviços
Degradaçãoda
coesão social
Proliferação de
atividades
econômicas ilícitas
Colapso de uma cadeia de abastecimento
sistemicamente importante
Falha em estabilizar trajetórias de preços
Crise de
empregos
Deterioração de
doenças mentais
severas
Doenças
crônicas
Doenças
infecciosas
Quebra da
bolsa
Queda econômica
prolongada
Migração
involuntária
de larga
escala
Crise dos recursos
naturais
Acidentes ambientais
Conflito entre
estados
Confrontação
geoeconômica
Armas de
destruição em
massa
Ataques
terroristas
Desinformação
Consequências adversas
de tecnologias de fronteira
Crimes
cibernéticos e
insegurança
digital
generalizados
Inefetividade das
instituições multilaterais
Crise de custos
de vida
Perda de
Biodiversidade e
Colapso dos
Ecossistemas
Falha em mitigar as
mudanças climáticas
Desastres
naturais e
eventos
climáticos
extremos
Falha na
adaptação às
mudanças
climáticas
Categorias
de risco Econômico Ambiental Geopolítico Social Tecnológico
Alta
Média
Baixa
Alta
Média
Baixa
World Economic
Forum. The Global
Risks Report 2023.
18th edition.
Crises de débito
Influência
2
2
2.
.5
5 3
3 3
3
3.
.5
5 4
4
3
3
3.
.5
5
5
4
4
Average
3.28
Média
3.40
World Economic
Forum.
The Global Risks
Report 2021.
16th edition.
Econômico
Ambiental
Geopolítico
Social
Tecnológico
Mudanças
climáticas
Doenças
infecciosas
Armas de
destruição
em massa
Perda de
biodiversidade
Crise de
recursos
naturais
Dano humano
ao ambiente
Eventos
climáticos
extremos
Desigualdade
digital
Colapso da
infraestrutura de TI
Colapso
governamental
Instabilidade de
preços
Reação contra a ciência
Colapso industrial
Atividades
econômicasilícitas
Ataques terroristas
Deterioração da
saúde mental
Colapso da
previdência
social
Concentração do
poder digital
Quebra da bolsa
Conflitos
entre
nações
Crise de
subsistência
Colapso da
infraestrutura
pública
Estagnação
prolongada
Desastres geofísicos
Desilusão dos jovens
Colapso do multilateralismo
Choquesdecommodities
Falha da cyber
segurança
Deterioração da
coesão social
Migrações involuntárias
Quebra na relação entre
nações
Geopolitização
dos recursos
Avanços tecnológicos adversos
Falha da governança
tecnológica
Crises de débito
Probabilidade
Impacto
Planilha
• Abrir a Aba “3 – MicMac”
• Transferir os dados de influência
para a planilha
• Transferir a média das influências
para o software MicMac
Conteúdo
•Indicadores reflexivos: redução de
dimensionalidade
•Modelagem Multicritério
•Influência de Indicadores (MicMac)
•Processo analítico hierárquico
•Cenários tendenciais
•Espacialização de zonas contíguas homogêneas
•Geovisualização multivariada
Métodos de Ponderação
• Ponderação simples
▪ Exemplo: atribua valor de 1 a 10
conforme a ordem de importância
para você
▪ Quando possível, usar critérios de
referência:
o 1 significa XXXXX
o 10 significa YYYYY
• Ponderação simples
▪ Quando não há critérios de referência
o Valores subjetivos: importância e
satisfação
o Alguns indivíduos podem atribuir
valores muito altos e outros atribuir
valores muito baixos (diferença de
médias)
o Alguns indivíduos podem atribuir
valores muito parecidos e outros atribuir
valores muito diferentes
(diferença do desvio padrão)
Métodos de Ponderação
• Ponderação simples
▪ Re-escalonamento
o Dividir cada valor pela soma de todos os pesos
o Cria um valor entre 0 e 1
o Resolve parcialmente a diferença das médias e dispersões
Métodos de Ponderação
Serviço Ecossistêmico Indivíduo X Indivíduo Y
A 8 4
B 9 6
C 7 2
D 6 1
Soma 30 13
Indivíduo X Indivíduo Y
0,27 0,31
0,30 0,46
0,23 0,15
0,20 0,08
Re-escalonamento
1 1
Método mais utilizados para ponderações subjetivas
1. Comparação dos itens par a par
▪ Reduz a complexidade das ponderações
2. Re-escala a matriz de ponderações par a par
3. Sintetiza as ponderações por item
4. Produz um índice de consistência das respostas
Processo Hierárquico Analítico
SAATY, Thomas Lorie. Decision Making for leaders: The analytical hierarchy
process for decisions in a complex work. Lifetime Learning Publications, 1981.
Processo Hierárquico Analítico
Valor
9 9 vezes maior Extremamente mais importante
8 8 vezes maior
7 7 vezes maior Muito fortemente mais importante
6 6 vezes maior
5 5 vezes maior Fortemente mais importante
4 4 vezes maior
3 3 vezes maior Moderadamente mais importante
2 2 vezes maior Um pouco mais importante
1 igual Igual importância
0,5 2 vezes menor Um pouco menos importante
0,33 3 vezes menor Moderadamente menos importante
0,25 4 vezes menor
0,2 5 vezes menor Fortemente menos importante
0,17 6 vezes menor
0,14 7 vezes menor Muito fortemente menos importante
0,12 8 vezes menor
0,11 9 vezes menor Extremamente menos importante
Itens A B C
A 1 4 5
B 1 0,5
C 1
Itens A B C
A 1 4 5
B 0,25
(1/4)
1 0,5
C 0,2
(1/5)
2
(1/0,5)
1
Escolhido pelo entrevistado
Inverso dos valores.
Exemplo: ¼ = 0,25
Processo Hierárquico Analítico
Itens A B C
A
1 4 5
B
0,25 1 0,5
C
0,2 2 1
Soma
1,45 7 6,5
Itens A B C
A
0,69 0,57 0,77
B
0,17 0,14 0,08
C
0,14 0,29 0,15
Matriz Re-escalada (0-1)
Média
0,68
0,13
0,19
Resultado
Matriz Original
a) Compare o valor dos 4 serviços
ecossistêmicos ranqueados coletivamente
como mais importantes. Para cada par de
serviços, atribua um valor comparativo de
0,11 a 9, de acordo com a tabela de legenda.
Atividade 3
Escala Valor
9 9 vezes maior
8 8 vezes maior
7 7 vezes maior
6 6 vezes maior
5 5 vezes maior
4 4 vezes maior
3 3 vezes maior
2 2 vezes maior
1 igual
0,5 2 vezes menor
0,33 3 vezes menor
0,25 4 vezes menor
0,2 5 vezes menor
0,17 6 vezes menor
0,14 7 vezes menor
0,12 8 vezes menor
0,11 9 vezes menor
Relações entre serviços ecossistêmicos Valor
1 em relação ao 2
1 em relação ao 3
1 em relação ao 4
2 em relação ao 3
2 em relação ao 4
3 em relação ao 4
Serviços Ecossistêmicos Escolhidos
1
2
3
4
Transferir os dados para a Aba
“3 – Processo Analítico Hierárquico”
Atividade 3
Processo Hierárquico Analítico
Itens A B C
A
1 4 5
B
0,25 1 0,5
C
0,2 2 1
Soma
1,45 7 6,5
Itens A B C
A
0,69 0,57 0,77
B
0,17 0,14 0,08
C
0,14 0,29 0,15
Matriz Re-escalada
Média
0,68
0,13
0,19
Resultado
Consistência
3,19
3,03
3,06
1 4 5
0,68
0,13
0,19
X / 0,68 = 3,19
Processo Hierárquico Analítico
Itens A B C
A
1 4 5
B
0,25 1 0,5
C
0,2 2 1
Soma
1,45 7 6,5
Itens A B C
A
0,69 0,57 0,77
B
0,17 0,14 0,08
C
0,14 0,29 0,15
Matriz Normalizada
Média
0,68
0,13
0,19
Resultado
Consistência
3,19
3,03
3,06
Índice de
Consistência
0,5
Índice de
consistência
Média das medidas de consistência – Número de critérios
Número de critérios – 1
=
Processo Hierárquico Analítico
Itens A B C
A
1 4 5
B
0,25 1 0,5
C
0,2 2 1
Soma
1,45 7 6,5
Itens A B C
A
0,69 0,57 0,77
B
0,17 0,14 0,08
C
0,14 0,29 0,15
Matriz Normalizada
Média
0,68
0,13
0,19
Resultado
Consistência
3,19
3,03
3,06
Índice de
Consistência
0,5
Índice de
aleatoriedade
0,58
Índice de
aleatoriedade
Média dos índices de consistência
de matrizes geradas ao acaso para
esse número de critérios
=
N 1 2 3 4 5 6 7 8 9 10
IR 0 0 0,58 0,9 1,12 1,24 1,32 1,41 1,46 1,49
Índice de
aleatoriedade
0,58
Índice de
Consistência
0,5
Processo Hierárquico Analítico
Itens A B C
A
1 4 5
B
0,25 1 0,5
C
0,2 2 1
Soma
1,45 7 6,5
Itens A B C
A
0,69 0,57 0,77
B
0,17 0,14 0,08
C
0,14 0,29 0,15
Matriz Normalizada
Média
0,68
0,13
0,19
Resultado
Consistência
3,19
3,03
3,06
Razão de
Consistência
0,08
Razão de
Consistência
Índice de Consistência
Índice de Aleatoriedade
=
Se a Razão de consistência for maior que 0,1,
deve-se pedir para o entrevistado rever os pesos
atribuídos
Média Aritmética
▪ Soma dos itens / número de itens
Média Geométrica
▪ Utilizada quando os itens possuem amplitudes diferentes
▪ Raiz de base ‘n’ da multiplicação dos itens
▪Exemplo: média geométrica de 4, 1 e 1/32
Conteúdo
•Indicadores reflexivos: redução de
dimensionalidade
•Modelagem Multicritério
•Influência de Indicadores (MicMac)
•Processo analítico hierárquico
•Cenários tendenciais
•Espacialização de zonas contíguas homogêneas
•Geovisualização multivariada
Perfil de Serviços Ecossistêmicos
PAETZOLD, A.; WARREN, P. H.; MALTBY, L. A
framework for assessing ecological quality
based on ecosystem services. Ecological
Complexity, vol. 7, 273-281. 2010.
• Avaliação entre
provisão e demanda
• Valores não-monetários
▪ Medida por pesquisa
subjetiva
Atividade 4
• Opine sobre o perfil de oferta e de demanda dos
4 serviços ecossistêmicos, tomando como referência as
tabelas de legenda
Oferta
> 100% = oferta maior que o ecossistema natural
100% = ecossistema natural
0% = ecossistema totalmente degradado
Atendimento da
demanda
> 100% = oferta maior que a demanda
100% = atendimento de toda a demanda
0% = nenhum atendimento da demanda
Serviço Ecossistêmico %
Oferta
1
2
3
4
Atendimento da
demanda
1
2
3
4
Atividade 4
Transfira os dados para a
Aba “4 – Oferta X Demanda”
Oferta X Demanda
•Demanda = Oferta * (100/’Atendimento da Demanda’)
• Dano
Se Oferta < 100, então:
Dano = (100 – Oferta)
Senão, Dano = 0
• Demanda Não Atendida
Se (Demanda - Oferta) > 0, então:
Demanda Não Atendida = (Demanda - Oferta)
Senão, Demanda Não Atendida = 0
Atividade 5
• Opine sobre a tendência de mudança da oferta e da demanda
dos 4 serviços ecossistêmicos em um horizonte de 5 anos para o
futuro, com base na tabela de legenda
Variação (%) Mudança em 5 anos
200 Triplica
100 Dobra
0 Mantém-se estável
-50 Diminui pela metade
-100 Acaba totalmente
Serviço Ecossistêmico Tendência para os próximos 5 anos (%)
Variação na Oferta
1
2
3
4
Variação na
Demanda
1
2
3
4
Atividade 4
Transfira os dados para a
Aba “5 – Tendências”
Aba “6 – Cenários”
• Oferta e Demanda do Cenário Futuro (5 anos)
Cenário Atual * (1 + Tendência/100)
Propagação do Desvio Padrão
Multiplicação de duas variáveis
Exemplo: Oferta (ou Demanda) * Tendência
Onde:
= Média da variável A
= Média da variável B
= módulo de A *B
= Desvio-padrão de A * B
= Desvio-padrão de A
= Desvio-padrão de B
= Covariância entre A e B
Hart, R.; Peidle, J. A Summary of Error Propagation. Physical Sciences 3. Harvard, 2013.
http://ipl.physics.harvard.edu/wp-uploads/2013/03/PS3_Error_Propagation_sp13.pdf
Palmer, M. Propagation of Uncertainty through Mathematical Operations. Fluid Mechanics. Experimental Techniques. MIT. 2002.
http://web.mit.edu/fluids-modules/www/exper_techniques/2.Propagation_of_Uncertaint.pdf
• Valor do Dano
Se Oferta < 100, então:
Dano = (100 – Oferta) * Valor
Senão, Dano = 0
• Valor da Demanda Não Atendida
Se (Demanda - Oferta) > 0, então:
Demanda Não Atendida = (Demanda - Oferta) * Valor
Senão, Demanda Não Atendida = 0
Aba “7 – Valoração do Impacto”
Propagação do Desvio Padrão
Multiplicação de duas variáveis
Exemplo: Dano * Valor
Onde:
= Média da variável A
= Média da variável B
= módulo de A *B
= Desvio-padrão de A * B
= Desvio-padrão de A
= Desvio-padrão de B
= Covariância entre A e B
Hart, R.; Peidle, J. A Summary of Error Propagation. Physical Sciences 3. Harvard, 2013.
http://ipl.physics.harvard.edu/wp-uploads/2013/03/PS3_Error_Propagation_sp13.pdf
Palmer, M. Propagation of Uncertainty through Mathematical Operations. Fluid Mechanics. Experimental Techniques. MIT. 2002.
http://web.mit.edu/fluids-modules/www/exper_techniques/2.Propagation_of_Uncertaint.pdf
Propagação do Desvio Padrão
Subtração de duas variáveis
Exemplo: Demanda - Oferta
Onde:
= Desvio-padrão de A - B
= Desvio-padrão de A
= Desvio-padrão de B
= Covariância entre A e B
𝜎𝑓 = 𝜎𝐴
2
+ 𝜎𝐵
2
− 2𝜎𝐴𝐵
Hart, R.; Peidle, J. A Summary of Error Propagation. Physical Sciences 3. Harvard, 2013.
http://ipl.physics.harvard.edu/wp-uploads/2013/03/PS3_Error_Propagation_sp13.pdf
Palmer, M. Propagation of Uncertainty through Mathematical Operations. Fluid Mechanics. Experimental Techniques. MIT. 2002.
http://web.mit.edu/fluids-modules/www/exper_techniques/2.Propagation_of_Uncertaint.pdf
Reflexões
• Valores de referência para o planejamento
ambiental
• Análise da discordância e/ou incerteza
• Cenário tendencial pode ser alterado por
medidas de gestão ambiental
Conteúdo
•Indicadores reflexivos: redução de
dimensionalidade
•Modelagem Multicritério
•Influência de Indicadores (MicMac)
•Processo analítico hierárquico
•Cenários tendenciais
•Espacialização de zonas contíguas homogêneas
•Geovisualização multivariada
ANÁLISE DE AGRUPAMENTOS
Indicador
1
Indicador 2
Agrupamentos com mais de
dois indicadores
Formação de Agrupamentos
• Aumentar a variação entre agrupamentos
• Diminuir a variação dentro dos agrupamentos
Zoneamento por
método de
locomoção
Modo de transporte
Coletivo Individual
Não
Motorizado
Método de agrupamento: Médias K
Método Skater
Técnica:
Minimizar a variabilidade entre os agrupamentos, mas mantendo
a contiguidade de todos os elementos em cada agrupamento
Resultado:
Regiões relativamente homogêneas espacialmente contínuas
Regionalização
Neves, M. C. Procedimentos Eficientes para Regionalização de Unidades Socioeconômicas em Bancos de Dados
Geográficos. Tese de Doutorado, INPE, 2003. Disponível em: http://www.dpi.inpe.br/gilberto/teses/tese_marcos.pdf
• Não pode haver elementos sem vizinhos
Ex: As feições formam uma região espacialmente contígua
Árvore Geradora Mínima
Regionalização
• Inicialmente associa-se "custos" às arestas
• Os "custos" são calculados em função da similaridade entre os geo-
objetos
• Depois são eliminadas as arestas de menor "custo"
Árvore Geradora Mínima
Regionalização
•Procedimento de poda procura obter:
- regiões mais homogêneas
- mais equilibradas em termos de números de geo-objetos
por região.
Árvore Geradora Mínima
Regionalização
Árvore Geradora Mínima
Regionalização
Modo de transporte
Coletivo Individual
Não
Motorizado
Método de agrupamento: Skater
Zoneamento de áreas
contíguas por método
de locomoção
Método
Variação dentro
dos agrupamentos
Variação entre
agrupamentos
Razão entre
variação entre
agrupamentos e
variação total
Zonas
não-contíguas
(médias k)
282 674 0,7
Zonas contíguas
(skater)
715 241 0,25
Médias K Skater
Conteúdo
•Indicadores reflexivos: redução de
dimensionalidade
•Modelagem Multicritério
•Influência de Indicadores (MicMac)
•Processo analítico hierárquico
•Cenários tendenciais
•Espacialização de zonas contíguas homogêneas
•Geovisualização multivariada
O que se pretende com
uma geovisualização?
Apresentação
Síntese
Confirmação
Investigação
Usuários
MacEachren, A. M. (1994). Visualization in modern
cartography: setting the agenda. Visualization in
modern cartography, 28(1), 1-12.
Sistema HSV (Hue - Saturation - Value)
Matiz Saturação Tonalidade
Chroma Brilho
Cores Saturadas Cores pasteis
Sistema Subtrativo
➢Aplicado a objetos
sujeitos a absorção e
reflexão de
comprimentos de onda
➢Exemplo:
mapas impressos
Sistema Subtrativo
Fluxograma para uso de cores
Começo
O mapa apresenta
dados ordenados?
Não
Esquema
Qualitativo
(matiz)
A ordenação
tem foco em um
centro, ou meio?
Não Esquema
Sequencial
(tonalidade)
A tendência é
convergente ao
centro?
Não
Sim
Esquema
Divergente
Esquema
Convergente
FREAC, G.S. Using Colors in Maps. Em: http://visual.ly/using-color-maps
Torta favorita
Morango
Laranja
Amora
Batata doce
Pistache
Blueberry
Taxa de Pobreza (%)
Mudança no Preço de Imóveis
Maior
Sem alteração
Menor
Preferência Eleitoral
Conservador Oposição
Sim
Sim
Mapas Coropléticos Bivariados
BREWER, C. A. (1994). Color use guidelines for mapping. Visualization in modern cartography, 123-148.
Binário Qualitativo
Sequencial
Divergente
Mapas Coropléticos Bivariados
Stevens, J. (2015) Bivariate Choropleth Maps: A How-to Guide.
http://www.joshuastevens.net/cartography/make-a-bivariate-choropleth-map/
Sistema Subtrativo
Unipolar
Mapas Coropléticos Bivariados
Sistema Subtrativo
Esquema Divergente/Sequencial
BREWER, C. A. (1994). Color use guidelines for mapping. Visualization in modern cartography,
Mapas Coropléticos Bivariados
Esquema Divergente/Divergente
(Sistema HSV)
BREWER, C. A. (1994). Color use guidelines for mapping. Visualization in modern cartography,
Esquema Qualitativo/Sequencial
http://www.nytimes.com/interactive/2009/03/10/us/20090310-immigration-explorer.html?
Legendas bivariadas
como diagramas de dispersão
Leonowicz A.M., 2007. Choropleth maps as a method
of representing geographical relationship. Phd
dissertation. Warsaw: Institute of Geography and Spatial
Organization, Polish Academy of Sciences. Em:
http://www.geo.unizh.ch/~annal/Choropleth%20maps.html
• Mapas bivariados com diagramas de dispersão
Legendas bivariadas
como diagramas de dispersão
% de UCs Marinhas
%
de
Ucs
Terrestres
Porcentagem do Território Nacional com Unidades de Conservação
Mapas coropléticos bivariados
% de UCs Marinhas
%
de
UCs
Terrestres
• Mapas bivariados contínuos com diagramas de dispersão
Porcentagem do Território Nacional com Unidades de Conservação
Mapas coropléticos trivariados
100% Agricultura
100% Floresta
100% Urbano
ROBINSON, A.H. et al. 1995. Elements of Cartography. 6th edition. Willey.
BREWER, C. A. (1994). Color use guidelines for mapping. Visualization in modern cartography, 123-148.
Legenda Triangular (HSV)
Funciona para três variáveis que, somadas, sempre chegam a 100%
Mapas coropléticos trivariados
Legenda Triangular (Subtrativo - CMY)
https://thesocietypages.org/graphicsociology/2011/04/05/reading-writing-earning-bad-good-graphic/
Sistema Aditivo
➢Aplicado para sistemas
que trabalham com
emissão de luz
➢Conversível ao HSV e
CMY
RGB no Sensoriamento Remoto
Vermelho
Verde
Azul
Combinação RGB
Campus da UFABC SBC
Relação de coordenadas entre os
sistemas
Vasconcelos, V. V., Koontanakulvong, S., Suthidhummajit, C., Junior, P. P. M., & Hadad, R. M. (2014). Analysis of spatial–temporal patterns of water table
change as a tool for conjunctive water management in the Upper Central Plain of the Chao Phraya River Basin, Thailand. Applied Water Science, 1-18
Vasconcelos, V. V., Koontanakulvong, S., Suthidhummajit, C., Junior, P. P.
M., & Hadad, R. M. (2014). Analysis of spatial–temporal patterns of water
table change as a tool for conjunctive water management in the Upper
Central Plain of the Chao Phraya River Basin, Thailand. Applied Water
Science, 1-18
Obrigado!
Vitor Vieira Vasconcelos
vitor.vasconcelos@ufabc.edu.br

Weitere ähnliche Inhalte

Ähnlich wie Construção de Indicadores

Ferramentas de produtividade novozymes 13042016
Ferramentas de produtividade   novozymes 13042016Ferramentas de produtividade   novozymes 13042016
Ferramentas de produtividade novozymes 13042016Antonio Moreira
 
Business intelligence x Datamining
Business intelligence x DataminingBusiness intelligence x Datamining
Business intelligence x DataminingLeonardo Holanda
 
Aula 1 - Bioestatística
Aula 1 - BioestatísticaAula 1 - Bioestatística
Aula 1 - BioestatísticaCaroline Godoy
 
Sistemas de avaliação e sistemas de informação
Sistemas de avaliação e sistemas de informaçãoSistemas de avaliação e sistemas de informação
Sistemas de avaliação e sistemas de informaçãoRoberto C. S. Pacheco
 
Balanced scorecard(pg gest_man_zfev2011)_by_rui_marques
Balanced scorecard(pg gest_man_zfev2011)_by_rui_marquesBalanced scorecard(pg gest_man_zfev2011)_by_rui_marques
Balanced scorecard(pg gest_man_zfev2011)_by_rui_marquesRui M Marques
 
Projeto final v2 - Módulo Gerencial - Sistema de Recomendação
Projeto final v2 - Módulo Gerencial - Sistema de RecomendaçãoProjeto final v2 - Módulo Gerencial - Sistema de Recomendação
Projeto final v2 - Módulo Gerencial - Sistema de RecomendaçãoEdileusa Estéfani Prado
 
Palestra Cobisa-2019 - Desenvolvendo Cultura Analítica e Machine Learning
Palestra Cobisa-2019 - Desenvolvendo Cultura Analítica e Machine LearningPalestra Cobisa-2019 - Desenvolvendo Cultura Analítica e Machine Learning
Palestra Cobisa-2019 - Desenvolvendo Cultura Analítica e Machine LearningJosias Oliveira
 
Curso Minitab em Analise Estatistica
Curso Minitab em Analise EstatisticaCurso Minitab em Analise Estatistica
Curso Minitab em Analise EstatisticaGrupo Treinar
 
Introdução Business intelligence - 101
Introdução Business intelligence  - 101Introdução Business intelligence  - 101
Introdução Business intelligence - 101Fernando Lunardelli
 
Métricas em mídias sociais
Métricas em mídias sociaisMétricas em mídias sociais
Métricas em mídias sociaisJuliano Kimura
 
TDC2016SP - Trilha Data Science
TDC2016SP - Trilha Data ScienceTDC2016SP - Trilha Data Science
TDC2016SP - Trilha Data Sciencetdc-globalcode
 
Handbook Usability Testing - Capitulo 11 - Analise de dados
Handbook Usability Testing - Capitulo 11 - Analise de dadosHandbook Usability Testing - Capitulo 11 - Analise de dados
Handbook Usability Testing - Capitulo 11 - Analise de dadosLuiz Agner
 
Inteligência Analítica
Inteligência AnalíticaInteligência Analítica
Inteligência AnalíticaCesar Patiño
 
Ciência de Dados: a revolução na tomada de decisões
Ciência de Dados: a revolução na tomada de decisõesCiência de Dados: a revolução na tomada de decisões
Ciência de Dados: a revolução na tomada de decisõesMarlesson Santana
 
14º Encontro Locaweb - Evolução das Plataformas para Métricas Sociais
14º Encontro Locaweb - Evolução das Plataformas para Métricas Sociais14º Encontro Locaweb - Evolução das Plataformas para Métricas Sociais
14º Encontro Locaweb - Evolução das Plataformas para Métricas SociaisSocialmetrix
 
Quais as habilidades técnicas todo PM precisa saber - Petrus Gomes | Closecare
Quais as habilidades técnicas todo PM precisa saber - Petrus Gomes | Closecare  Quais as habilidades técnicas todo PM precisa saber - Petrus Gomes | Closecare
Quais as habilidades técnicas todo PM precisa saber - Petrus Gomes | Closecare Product Camp Brasil
 
1a Análise de Dados_Nayam Hanashiro_Apresentação.pptx
1a Análise de Dados_Nayam Hanashiro_Apresentação.pptx1a Análise de Dados_Nayam Hanashiro_Apresentação.pptx
1a Análise de Dados_Nayam Hanashiro_Apresentação.pptxssuser87aa77
 

Ähnlich wie Construção de Indicadores (20)

Ferramentas de produtividade novozymes 13042016
Ferramentas de produtividade   novozymes 13042016Ferramentas de produtividade   novozymes 13042016
Ferramentas de produtividade novozymes 13042016
 
Business intelligence x Datamining
Business intelligence x DataminingBusiness intelligence x Datamining
Business intelligence x Datamining
 
Aula 1 - Bioestatística
Aula 1 - BioestatísticaAula 1 - Bioestatística
Aula 1 - Bioestatística
 
Sistemas de avaliação e sistemas de informação
Sistemas de avaliação e sistemas de informaçãoSistemas de avaliação e sistemas de informação
Sistemas de avaliação e sistemas de informação
 
Balanced scorecard(pg gest_man_zfev2011)_by_rui_marques
Balanced scorecard(pg gest_man_zfev2011)_by_rui_marquesBalanced scorecard(pg gest_man_zfev2011)_by_rui_marques
Balanced scorecard(pg gest_man_zfev2011)_by_rui_marques
 
Projeto final v2 - Módulo Gerencial - Sistema de Recomendação
Projeto final v2 - Módulo Gerencial - Sistema de RecomendaçãoProjeto final v2 - Módulo Gerencial - Sistema de Recomendação
Projeto final v2 - Módulo Gerencial - Sistema de Recomendação
 
Palestra Cobisa-2019 - Desenvolvendo Cultura Analítica e Machine Learning
Palestra Cobisa-2019 - Desenvolvendo Cultura Analítica e Machine LearningPalestra Cobisa-2019 - Desenvolvendo Cultura Analítica e Machine Learning
Palestra Cobisa-2019 - Desenvolvendo Cultura Analítica e Machine Learning
 
Curso Minitab em Analise Estatistica
Curso Minitab em Analise EstatisticaCurso Minitab em Analise Estatistica
Curso Minitab em Analise Estatistica
 
Introdução Business intelligence - 101
Introdução Business intelligence  - 101Introdução Business intelligence  - 101
Introdução Business intelligence - 101
 
Métricas em mídias sociais
Métricas em mídias sociaisMétricas em mídias sociais
Métricas em mídias sociais
 
TDC2016SP - Trilha Data Science
TDC2016SP - Trilha Data ScienceTDC2016SP - Trilha Data Science
TDC2016SP - Trilha Data Science
 
Handbook Usability Testing - Capitulo 11 - Analise de dados
Handbook Usability Testing - Capitulo 11 - Analise de dadosHandbook Usability Testing - Capitulo 11 - Analise de dados
Handbook Usability Testing - Capitulo 11 - Analise de dados
 
Inteligência Analítica
Inteligência AnalíticaInteligência Analítica
Inteligência Analítica
 
Ciência de Dados: a revolução na tomada de decisões
Ciência de Dados: a revolução na tomada de decisõesCiência de Dados: a revolução na tomada de decisões
Ciência de Dados: a revolução na tomada de decisões
 
Business Analytics - PATH 2012
Business Analytics - PATH 2012Business Analytics - PATH 2012
Business Analytics - PATH 2012
 
14º Encontro Locaweb - Evolução das Plataformas para Métricas Sociais
14º Encontro Locaweb - Evolução das Plataformas para Métricas Sociais14º Encontro Locaweb - Evolução das Plataformas para Métricas Sociais
14º Encontro Locaweb - Evolução das Plataformas para Métricas Sociais
 
Metricas lean
Metricas leanMetricas lean
Metricas lean
 
Curso gpr pdca_fiema
Curso gpr pdca_fiemaCurso gpr pdca_fiema
Curso gpr pdca_fiema
 
Quais as habilidades técnicas todo PM precisa saber - Petrus Gomes | Closecare
Quais as habilidades técnicas todo PM precisa saber - Petrus Gomes | Closecare  Quais as habilidades técnicas todo PM precisa saber - Petrus Gomes | Closecare
Quais as habilidades técnicas todo PM precisa saber - Petrus Gomes | Closecare
 
1a Análise de Dados_Nayam Hanashiro_Apresentação.pptx
1a Análise de Dados_Nayam Hanashiro_Apresentação.pptx1a Análise de Dados_Nayam Hanashiro_Apresentação.pptx
1a Análise de Dados_Nayam Hanashiro_Apresentação.pptx
 

Mehr von Vitor Vieira Vasconcelos

Escalas, Resolução: Conceitos e aplicações
Escalas, Resolução: Conceitos e aplicaçõesEscalas, Resolução: Conceitos e aplicações
Escalas, Resolução: Conceitos e aplicaçõesVitor Vieira Vasconcelos
 
Sistemas de Coordenadas e Projeções Cartográficas
Sistemas de Coordenadas e Projeções CartográficasSistemas de Coordenadas e Projeções Cartográficas
Sistemas de Coordenadas e Projeções CartográficasVitor Vieira Vasconcelos
 
Atividade prática - Introdução ao QGis - parte 2
Atividade prática - Introdução ao QGis - parte 2Atividade prática - Introdução ao QGis - parte 2
Atividade prática - Introdução ao QGis - parte 2Vitor Vieira Vasconcelos
 
Atividade prática - Introdução ao QGis, parte 1
Atividade prática - Introdução ao QGis, parte 1Atividade prática - Introdução ao QGis, parte 1
Atividade prática - Introdução ao QGis, parte 1Vitor Vieira Vasconcelos
 
Introdução à Cartografia e Geoprocessamento - Conceitos Básicos
Introdução à Cartografia e Geoprocessamento - Conceitos  BásicosIntrodução à Cartografia e Geoprocessamento - Conceitos  Básicos
Introdução à Cartografia e Geoprocessamento - Conceitos BásicosVitor Vieira Vasconcelos
 
Representação Computacional do Espaço (Geoprocessamento)
Representação Computacional do Espaço (Geoprocessamento)Representação Computacional do Espaço (Geoprocessamento)
Representação Computacional do Espaço (Geoprocessamento)Vitor Vieira Vasconcelos
 
Relações entre espécies e características ambientais - Prática de modelagem d...
Relações entre espécies e características ambientais - Prática de modelagem d...Relações entre espécies e características ambientais - Prática de modelagem d...
Relações entre espécies e características ambientais - Prática de modelagem d...Vitor Vieira Vasconcelos
 
Planejamento Sistemático de Conservação - Prática com o Marxan
Planejamento Sistemático de Conservação - Prática com o MarxanPlanejamento Sistemático de Conservação - Prática com o Marxan
Planejamento Sistemático de Conservação - Prática com o MarxanVitor Vieira Vasconcelos
 
Atividade prática de Biodiversidade e Agrodiversidade no R
Atividade prática de Biodiversidade e Agrodiversidade no RAtividade prática de Biodiversidade e Agrodiversidade no R
Atividade prática de Biodiversidade e Agrodiversidade no RVitor Vieira Vasconcelos
 
Diversidade - Biodiversidade, Agrodiversidade, Sociodiversidade, Geodiversidade
Diversidade - Biodiversidade, Agrodiversidade, Sociodiversidade, GeodiversidadeDiversidade - Biodiversidade, Agrodiversidade, Sociodiversidade, Geodiversidade
Diversidade - Biodiversidade, Agrodiversidade, Sociodiversidade, GeodiversidadeVitor Vieira Vasconcelos
 
Geotecnologias avançadas - Estudos de Caso
Geotecnologias avançadas - Estudos de CasoGeotecnologias avançadas - Estudos de Caso
Geotecnologias avançadas - Estudos de CasoVitor Vieira Vasconcelos
 
Sistemas de Localização Geográfica, Georreferencialmento e Topografia
Sistemas de Localização Geográfica, Georreferencialmento e TopografiaSistemas de Localização Geográfica, Georreferencialmento e Topografia
Sistemas de Localização Geográfica, Georreferencialmento e TopografiaVitor Vieira Vasconcelos
 
Indicadores Geográficos e Modelagem de Dados
Indicadores Geográficos e Modelagem de DadosIndicadores Geográficos e Modelagem de Dados
Indicadores Geográficos e Modelagem de DadosVitor Vieira Vasconcelos
 

Mehr von Vitor Vieira Vasconcelos (20)

Escalas, Resolução: Conceitos e aplicações
Escalas, Resolução: Conceitos e aplicaçõesEscalas, Resolução: Conceitos e aplicações
Escalas, Resolução: Conceitos e aplicações
 
Sistemas de Coordenadas e Projeções Cartográficas
Sistemas de Coordenadas e Projeções CartográficasSistemas de Coordenadas e Projeções Cartográficas
Sistemas de Coordenadas e Projeções Cartográficas
 
Atividade prática - Introdução ao QGis - parte 2
Atividade prática - Introdução ao QGis - parte 2Atividade prática - Introdução ao QGis - parte 2
Atividade prática - Introdução ao QGis - parte 2
 
Atividade prática - Introdução ao QGis, parte 1
Atividade prática - Introdução ao QGis, parte 1Atividade prática - Introdução ao QGis, parte 1
Atividade prática - Introdução ao QGis, parte 1
 
Introdução à Cartografia e Geoprocessamento - Conceitos Básicos
Introdução à Cartografia e Geoprocessamento - Conceitos  BásicosIntrodução à Cartografia e Geoprocessamento - Conceitos  Básicos
Introdução à Cartografia e Geoprocessamento - Conceitos Básicos
 
Representação Computacional do Espaço (Geoprocessamento)
Representação Computacional do Espaço (Geoprocessamento)Representação Computacional do Espaço (Geoprocessamento)
Representação Computacional do Espaço (Geoprocessamento)
 
Relações entre espécies e características ambientais - Prática de modelagem d...
Relações entre espécies e características ambientais - Prática de modelagem d...Relações entre espécies e características ambientais - Prática de modelagem d...
Relações entre espécies e características ambientais - Prática de modelagem d...
 
Planejamento Sistemático de Conservação - Prática com o Marxan
Planejamento Sistemático de Conservação - Prática com o MarxanPlanejamento Sistemático de Conservação - Prática com o Marxan
Planejamento Sistemático de Conservação - Prática com o Marxan
 
Atividade prática de Biodiversidade e Agrodiversidade no R
Atividade prática de Biodiversidade e Agrodiversidade no RAtividade prática de Biodiversidade e Agrodiversidade no R
Atividade prática de Biodiversidade e Agrodiversidade no R
 
Diversidade - Biodiversidade, Agrodiversidade, Sociodiversidade, Geodiversidade
Diversidade - Biodiversidade, Agrodiversidade, Sociodiversidade, GeodiversidadeDiversidade - Biodiversidade, Agrodiversidade, Sociodiversidade, Geodiversidade
Diversidade - Biodiversidade, Agrodiversidade, Sociodiversidade, Geodiversidade
 
Geotecnologias avançadas - Estudos de Caso
Geotecnologias avançadas - Estudos de CasoGeotecnologias avançadas - Estudos de Caso
Geotecnologias avançadas - Estudos de Caso
 
Geotecnologias e cartografia social
Geotecnologias e cartografia socialGeotecnologias e cartografia social
Geotecnologias e cartografia social
 
Geovisualização em portais WebGIS
Geovisualização em portais WebGISGeovisualização em portais WebGIS
Geovisualização em portais WebGIS
 
Sistemas de Localização Geográfica, Georreferencialmento e Topografia
Sistemas de Localização Geográfica, Georreferencialmento e TopografiaSistemas de Localização Geográfica, Georreferencialmento e Topografia
Sistemas de Localização Geográfica, Georreferencialmento e Topografia
 
Geotecnologias - Conceitos e Histórico
Geotecnologias - Conceitos e HistóricoGeotecnologias - Conceitos e Histórico
Geotecnologias - Conceitos e Histórico
 
Indicadores ambientais
Indicadores ambientaisIndicadores ambientais
Indicadores ambientais
 
Indicadores sociais
Indicadores sociaisIndicadores sociais
Indicadores sociais
 
Indicadores Geográficos e Modelagem de Dados
Indicadores Geográficos e Modelagem de DadosIndicadores Geográficos e Modelagem de Dados
Indicadores Geográficos e Modelagem de Dados
 
Modelagem espacial de indicadores
Modelagem espacial de indicadoresModelagem espacial de indicadores
Modelagem espacial de indicadores
 
Relevo - Atividades
Relevo - AtividadesRelevo - Atividades
Relevo - Atividades
 

Kürzlich hochgeladen

arte retrato de um povo - Expressão Cultural e Identidade Nacional
arte retrato de um povo - Expressão Cultural e Identidade Nacionalarte retrato de um povo - Expressão Cultural e Identidade Nacional
arte retrato de um povo - Expressão Cultural e Identidade Nacionalidicacia
 
ARTE BARROCA E ROCOCO BRASILEIRO-min.pdf
ARTE BARROCA E ROCOCO BRASILEIRO-min.pdfARTE BARROCA E ROCOCO BRASILEIRO-min.pdf
ARTE BARROCA E ROCOCO BRASILEIRO-min.pdfItaloAtsoc
 
Caça palavras - BULLYING
Caça palavras  -  BULLYING  Caça palavras  -  BULLYING
Caça palavras - BULLYING Mary Alvarenga
 
Como fazer um Feedback Eficaz - Comitê de Gestores
Como fazer um Feedback Eficaz - Comitê de GestoresComo fazer um Feedback Eficaz - Comitê de Gestores
Como fazer um Feedback Eficaz - Comitê de GestoresEu Prefiro o Paraíso.
 
Ressonancia_magnetica_basica_slide_da_net.pptx
Ressonancia_magnetica_basica_slide_da_net.pptxRessonancia_magnetica_basica_slide_da_net.pptx
Ressonancia_magnetica_basica_slide_da_net.pptxPatriciaFarias81
 
Apresentação sobrea dengue educação.pptx
Apresentação sobrea dengue educação.pptxApresentação sobrea dengue educação.pptx
Apresentação sobrea dengue educação.pptxtaloAugusto8
 
autismo conhecer.pptx, Conhecer para entender
autismo conhecer.pptx, Conhecer para entenderautismo conhecer.pptx, Conhecer para entender
autismo conhecer.pptx, Conhecer para entenderLucliaResende1
 
Termo de audiência de Mauro Cid na ìntegra
Termo de audiência de Mauro Cid na ìntegraTermo de audiência de Mauro Cid na ìntegra
Termo de audiência de Mauro Cid na ìntegrafernando846621
 
Trabalho DAC História 25 de Abril de 1974
Trabalho DAC História 25 de Abril de 1974Trabalho DAC História 25 de Abril de 1974
Trabalho DAC História 25 de Abril de 1974AnaRitaFreitas7
 
Poema sobre o mosquito Aedes aegipyti -
Poema sobre o mosquito Aedes aegipyti  -Poema sobre o mosquito Aedes aegipyti  -
Poema sobre o mosquito Aedes aegipyti -Mary Alvarenga
 
FORMAÇÃO POVO BRASILEIRO atividade de história
FORMAÇÃO POVO BRASILEIRO atividade de históriaFORMAÇÃO POVO BRASILEIRO atividade de história
FORMAÇÃO POVO BRASILEIRO atividade de históriaBenigno Andrade Vieira
 
aula 1.pptx Ementa e Plano de ensino Filosofia
aula 1.pptx Ementa e  Plano de ensino Filosofiaaula 1.pptx Ementa e  Plano de ensino Filosofia
aula 1.pptx Ementa e Plano de ensino FilosofiaLucliaResende1
 
SEMIOSES DO OLHAR - SLIDE PARA ESTUDO 123
SEMIOSES DO OLHAR - SLIDE PARA ESTUDO 123SEMIOSES DO OLHAR - SLIDE PARA ESTUDO 123
SEMIOSES DO OLHAR - SLIDE PARA ESTUDO 123JaineCarolaineLima
 
Apresente de forma sucinta as atividades realizadas ao longo do semestre, con...
Apresente de forma sucinta as atividades realizadas ao longo do semestre, con...Apresente de forma sucinta as atividades realizadas ao longo do semestre, con...
Apresente de forma sucinta as atividades realizadas ao longo do semestre, con...Colaborar Educacional
 
O-P-mais-importante.pptx de Maria Jesus Sousa
O-P-mais-importante.pptx de Maria Jesus SousaO-P-mais-importante.pptx de Maria Jesus Sousa
O-P-mais-importante.pptx de Maria Jesus SousaTeresaCosta92
 
Aula 6 - O Imperialismo e seu discurso civilizatório.pptx
Aula 6 - O Imperialismo e seu discurso civilizatório.pptxAula 6 - O Imperialismo e seu discurso civilizatório.pptx
Aula 6 - O Imperialismo e seu discurso civilizatório.pptxMarceloDosSantosSoar3
 
A Congregação de Jesus e Maria, conhecida também como os Eudistas, foi fundad...
A Congregação de Jesus e Maria, conhecida também como os Eudistas, foi fundad...A Congregação de Jesus e Maria, conhecida também como os Eudistas, foi fundad...
A Congregação de Jesus e Maria, conhecida também como os Eudistas, foi fundad...Unidad de Espiritualidad Eudista
 

Kürzlich hochgeladen (20)

arte retrato de um povo - Expressão Cultural e Identidade Nacional
arte retrato de um povo - Expressão Cultural e Identidade Nacionalarte retrato de um povo - Expressão Cultural e Identidade Nacional
arte retrato de um povo - Expressão Cultural e Identidade Nacional
 
ARTE BARROCA E ROCOCO BRASILEIRO-min.pdf
ARTE BARROCA E ROCOCO BRASILEIRO-min.pdfARTE BARROCA E ROCOCO BRASILEIRO-min.pdf
ARTE BARROCA E ROCOCO BRASILEIRO-min.pdf
 
Caça palavras - BULLYING
Caça palavras  -  BULLYING  Caça palavras  -  BULLYING
Caça palavras - BULLYING
 
Como fazer um Feedback Eficaz - Comitê de Gestores
Como fazer um Feedback Eficaz - Comitê de GestoresComo fazer um Feedback Eficaz - Comitê de Gestores
Como fazer um Feedback Eficaz - Comitê de Gestores
 
Ressonancia_magnetica_basica_slide_da_net.pptx
Ressonancia_magnetica_basica_slide_da_net.pptxRessonancia_magnetica_basica_slide_da_net.pptx
Ressonancia_magnetica_basica_slide_da_net.pptx
 
Apresentação sobrea dengue educação.pptx
Apresentação sobrea dengue educação.pptxApresentação sobrea dengue educação.pptx
Apresentação sobrea dengue educação.pptx
 
Abordagem 2. Análise temática (Severino, 2013)_PdfToPowerPoint.pdf
Abordagem 2. Análise temática (Severino, 2013)_PdfToPowerPoint.pdfAbordagem 2. Análise temática (Severino, 2013)_PdfToPowerPoint.pdf
Abordagem 2. Análise temática (Severino, 2013)_PdfToPowerPoint.pdf
 
autismo conhecer.pptx, Conhecer para entender
autismo conhecer.pptx, Conhecer para entenderautismo conhecer.pptx, Conhecer para entender
autismo conhecer.pptx, Conhecer para entender
 
Termo de audiência de Mauro Cid na ìntegra
Termo de audiência de Mauro Cid na ìntegraTermo de audiência de Mauro Cid na ìntegra
Termo de audiência de Mauro Cid na ìntegra
 
Abordagem 3. Análise interpretativa (Severino, 2013)_PdfToPowerPoint.pdf
Abordagem 3. Análise interpretativa (Severino, 2013)_PdfToPowerPoint.pdfAbordagem 3. Análise interpretativa (Severino, 2013)_PdfToPowerPoint.pdf
Abordagem 3. Análise interpretativa (Severino, 2013)_PdfToPowerPoint.pdf
 
Trabalho DAC História 25 de Abril de 1974
Trabalho DAC História 25 de Abril de 1974Trabalho DAC História 25 de Abril de 1974
Trabalho DAC História 25 de Abril de 1974
 
Poema sobre o mosquito Aedes aegipyti -
Poema sobre o mosquito Aedes aegipyti  -Poema sobre o mosquito Aedes aegipyti  -
Poema sobre o mosquito Aedes aegipyti -
 
FORMAÇÃO POVO BRASILEIRO atividade de história
FORMAÇÃO POVO BRASILEIRO atividade de históriaFORMAÇÃO POVO BRASILEIRO atividade de história
FORMAÇÃO POVO BRASILEIRO atividade de história
 
aula 1.pptx Ementa e Plano de ensino Filosofia
aula 1.pptx Ementa e  Plano de ensino Filosofiaaula 1.pptx Ementa e  Plano de ensino Filosofia
aula 1.pptx Ementa e Plano de ensino Filosofia
 
SEMIOSES DO OLHAR - SLIDE PARA ESTUDO 123
SEMIOSES DO OLHAR - SLIDE PARA ESTUDO 123SEMIOSES DO OLHAR - SLIDE PARA ESTUDO 123
SEMIOSES DO OLHAR - SLIDE PARA ESTUDO 123
 
Apresente de forma sucinta as atividades realizadas ao longo do semestre, con...
Apresente de forma sucinta as atividades realizadas ao longo do semestre, con...Apresente de forma sucinta as atividades realizadas ao longo do semestre, con...
Apresente de forma sucinta as atividades realizadas ao longo do semestre, con...
 
O-P-mais-importante.pptx de Maria Jesus Sousa
O-P-mais-importante.pptx de Maria Jesus SousaO-P-mais-importante.pptx de Maria Jesus Sousa
O-P-mais-importante.pptx de Maria Jesus Sousa
 
Aula 6 - O Imperialismo e seu discurso civilizatório.pptx
Aula 6 - O Imperialismo e seu discurso civilizatório.pptxAula 6 - O Imperialismo e seu discurso civilizatório.pptx
Aula 6 - O Imperialismo e seu discurso civilizatório.pptx
 
Abordagem 1. Análise textual (Severino, 2013).pdf
Abordagem 1. Análise textual (Severino, 2013).pdfAbordagem 1. Análise textual (Severino, 2013).pdf
Abordagem 1. Análise textual (Severino, 2013).pdf
 
A Congregação de Jesus e Maria, conhecida também como os Eudistas, foi fundad...
A Congregação de Jesus e Maria, conhecida também como os Eudistas, foi fundad...A Congregação de Jesus e Maria, conhecida também como os Eudistas, foi fundad...
A Congregação de Jesus e Maria, conhecida também como os Eudistas, foi fundad...
 

Construção de Indicadores

  • 1. Pós-Graduação Lato Sensu “Especialização na Aplicação dos Instrumentos das Políticas Urbana e Ambiental nos Contextos Municipais” Profa. Denise Vogel INDICADORES GEOGRÁFICOS E MODELAGEM DE DADOS Construção e Geovisualização de Indicadores PROF. DS. VITOR VIEIRA VASCONCELOS
  • 2. Conteúdo •Indicadores reflexivos: redução de dimensionalidade •Modelagem Multicritério •Influência de Indicadores (MicMac) •Processo analítico hierárquico •Cenários tendenciais •Espacialização de zonas contíguas homogêneas •Geovisualização multivariada
  • 3. Redução de dimensionalidade •Objetivo •Pegar um grande número de variáveis e transformar em um pequeno número de índices, que expliquem ao máximo o comportamento das variáveis Casos Variáveis A B C D E 1 10 15 78 48 78 2 20 26 45 59 98 3 30 85 89 59 56 4 50 48 59 59 23 6 48 59 62 51 54 7 89 32 48 89 89 8 54 15 62 50 78 Componentes principais PC1 (70%) PC2 (20%) PC3 (5%) 2 -1 -2 8 -8 -6 -5 -3 7 -3 2 3 4 4 0,3 6 0,5 9 8 3 1
  • 4. Técnicas de redução de dimensionalidade Dados de entrada Técnica adequada Distribuição normal e sem valores extremos Análise de Componentes Principais Distribuição aproximadamente normal, mas com valores extremos Análise de Componentes Principais Robusta Dados sem distribuição normal Análise de Componentes Independentes, Multidimensional Scalling Dados ordinais (1º, 2º, 3º, etc...) Non-metric (Ordinal) Multidimensional Scalling Dados categóricos (classes) junto com dados numéricos Transformação de Distância de Gower (classes viram números) antes de usar a técnica de redução de dimensionalidade Relações não-lineares entre variáveis (curvas, por exemplo) Análise de Componentes Principais Não lineares (PRINCALS), Análise de Componentes Principais de Kernel Gower, J. C. (1971). A general coefficient of similarity and some of its properties. Biometrics, 857-871. Dados de entrada Técnica adequada Distribuição normal e sem valores extremos Análise de Componentes Principais Distribuição aproximadamente normal, mas com valores extremos Análise de Componentes Principais Robusta Dados sem distribuição normal Análise de Componentes Independentes, Multidimensional Scalling Dados ordinais (1º, 2º, 3º, etc...) Non-metric (Ordinal) Multidimensional Scalling Dados categóricos (classes) junto com dados numéricos Transformação de Distância de Gower (classes viram números) antes de usar a técnica de redução de dimensionalidade Dados de entrada Técnica adequada Distribuição normal e sem valores extremos Análise de Componentes Principais Distribuição aproximadamente normal, mas com valores extremos Análise de Componentes Principais Robusta Dados sem distribuição normal Análise de Componentes Independentes, Multidimensional Scalling Dados ordinais (1º, 2º, 3º, etc...) Non-metric (Ordinal) Multidimensional Scalling Dados de entrada Técnica adequada Distribuição normal e sem valores extremos Análise de Componentes Principais Distribuição aproximadamente normal, mas com valores extremos Análise de Componentes Principais Robusta Dados sem distribuição normal Análise de Componentes Independentes, Multidimensional Scalling Dados de entrada Técnica adequada Distribuição normal e sem valores extremos Análise de Componentes Principais Distribuição aproximadamente normal, mas com valores extremos Análise de Componentes Principais Robusta Dados de entrada Técnica adequada Distribuição normal e sem valores extremos Análise de Componentes Principais
  • 5. Análise de Componentes Principais Variável A Variável B https://youtu.be/_UVHneBUBW0
  • 6. Análise de Componentes Principais Variável A Variável B Componente 1 https://youtu.be/_UVHneBUBW0
  • 7. Análise de Componentes Principais Variável A Variável B Componente 1 Componente 2 https://youtu.be/_UVHneBUBW0
  • 8. Análise de Componentes Principais Componente 1 Componente 2 https://youtu.be/_UVHneBUBW0
  • 9. Análise de Componentes Principais Variável A Variável B Componente 1 Componente 2 Componente 3 https://youtu.be/_UVHneBUBW0
  • 10. Análise de Componentes Principais https://www.joyofdata.de/blog/illustration-of-principal-component-analysis-pca/
  • 11. Indicadores para investimento em Londres Weber, P., & Chapman, D. (2011). Location Intelligence: An Innovative Approach to Business Location Decision‐making. Transactions in GIS, 15(3), 309-328. Centros comerciais em Londres
  • 12. Indicadores para investimento em Londres Weber, P., & Chapman, D. (2011). Location Intelligence: An Innovative Approach to Business Location Decision‐making. Transactions in GIS, 15(3), 309-328. Variáveis Influência nos componentes principais Categorias Negócios Varejo Trabalho Estudantes Propriedade Ocupações de rotina parcial Trabalho Espaço para novo varejo Trabalho Ocupações de nível superior Trabalho Empresas com alta ocupação Propriedade Ocupações de baixo nível Negócios Serviços profissionais
  • 13. Indicadores para investimento em Londres MAZZIOTTA, Matteo; PARETO, Adriano. Use and misuse of PCA for measuring well-being. Social Indicators Research, v. 142, n. 2, p. 451-476, 2019. MONDAL, Debasish; MOOKHERJEE, Subikash; PATTANAYEK, Sanjoy Kumar. Does the analysis of principal components effectively help in determining actual weights for dimensions of an index? An appraisal in Indian context. International Journal of Management and Development Studies, v. 6, n. 10, p. 28-36, 2017. Weber, P., & Chapman, D. (2011). Location Intelligence: An Innovative Approach to Business Location Decision‐making. Transactions in GIS, 15(3), 309-328. Componentes Principais % explicada % cumulativa Profissionais urbanos Indústria de colarinho azul Indústria de finanças tecnológicas 3º setor Centros de logística Ruas comerciais Mentes verdes e criativas Turismo com varejo Pesquisa e ensino Descartadas (sem sentido) Nunca usar como pesos para formar índices!
  • 14. Indicadores para investimento em Londres Weber, P., & Chapman, D. (2011). Location Intelligence: An Innovative Approach to Business Location Decision‐making. Transactions in GIS, 15(3), 309-328. Centros comerciais Gráfico de componentes principais
  • 15. Indicadores para investimento em Londres Weber, P., & Chapman, D. (2011). Location Intelligence: An Innovative Approach to Business Location Decision‐making. Transactions in GIS, 15(3), 309-328. Portal para explorar o perfil de centros comerciais
  • 16. Conteúdo •Indicadores reflexivos: redução de dimensionalidade •Modelagem Multicritério •Influência de Indicadores (MicMac) •Processo analítico hierárquico •Cenários tendenciais •Espacialização de zonas contíguas homogêneas •Geovisualização multivariada
  • 19. Indicadores para investimento em Londres Weber, P., & Chapman, D. (2011). Location Intelligence: An Innovative Approach to Business Location Decision‐making. Transactions in GIS, 15(3), 309-328. Portal para os investidores definirem os pesos
  • 20. Atividade de Ponderação de Indicadores •Objetivo ▪Avaliar a relevância e as tendências de benefícios prestados pela natureza (serviços ecossistêmicos) na região metropolitana do Rio de Janeiro. • Divisão em grupos: ▪Moradores ▪Gestores públicos ▪Empresários ▪ONGs ambientalistas
  • 21. Serviços Ecossistêmicos UN. MEA. Millennium Ecosystem Assessment. Ecosystems and Human Well-being: A Framework for Assessment (Island Press, 2003)
  • 22. Levantamento de Serviços Ecossistêmicos • Vejam o seu “papel” (grupo) na folha de atividades Grupo Moradores locais Empresários Gestores públicos ONGs ambientalistas Número 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32
  • 23. Atividade 1 • Nomeie os três serviços ecossistêmicos mais importantes para você Região Metropolitana do Rio de Janeiro, e identifique sua função (provisão, regulação, cultural, suporte) Serviços Ecossistêmicos Função 1 2 3
  • 24. Discussão em Grupo Serviços Ecossistêmicos Função 1 2 3 4 5 6 7 8 9 10
  • 25. Como selecionar quais são os serviços ecossistêmicos mais importantes? Métodos Multicriteriais de Auxílio à Decisão ▪Valoração de itens oImportância oSatisfação oCusto X Benefício
  • 26. Como selecionar quais são os serviços ecossistêmicos mais importantes? • Votação ▪ Cada indivíduo vota em um serviço (ou um número definido de serviços) ▪ É possível criar um indicador com a soma dos votos ▪ Vantagens: o Rápido e simples ▪ Desvantagens: o Eleitor não mostra ordem de preferência dentro dos grupos (votados x não votados)
  • 27. Como selecionar quais são os serviços ecossistêmicos mais importantes? • Ranqueamento ▪ Cada indivíduo numera os itens de acordo com sua ordem de preferência ▪ É possível criar um indicador com a média dos rankings ▪ Vantagens: o Rápido e simples ▪ Limitações: o A “distância” relativa entre o 1º e o 2º não é necessariamente a mesma entre o 2º e o 3º
  • 28. Atividade 2 • Ranqueie os 10 serviços ecossistêmicos escolhidos em grupo, atribuindo de 1 (mais importante) até 10 (menos importante). Serviços Ecossistêmicos Ranking 1 2 3 4 5 6 7 8 9 10
  • 29. Planilha • Abrir a Aba “2 – Ranqueamento” • Transferir os dados do ranqueamento para a planilha
  • 30. Desvio Padrão • Medida de dispersão: média dos desvios em relação à média • Para uma amostra • Para todos os dados (população) • É baixo se os casos são parecidos, e é alto se os casos têm valores muito diferentes entre si • Usado como índice de incerteza e/ou discordância
  • 31. Conteúdo •Indicadores reflexivos: redução de dimensionalidade •Modelagem Multicritério •Influência de Indicadores (MicMac) •Processo analítico hierárquico •Cenários tendenciais •Espacialização de zonas contíguas homogêneas •Geovisualização multivariada
  • 32. MicMac Matriz de impactos cruzados com multiplicação aplicada à classificação • Análise estrutural: influências das variáveis umas sobre as outras • Entrada: matriz de impacto cruzado Indicadores Influenciados Influência (soma) Indicador A Indicador B Indicador C Indicador D Influenciadores Indicador A 0 Indicador B 0 Indicador C 0 Indicador D 0 Dependência (soma) 0 – Sem influência 1 – Pouco influência 2 – Média influência 3 – Muita influência Godet, M. (2001). Creating futures: Scenario Planning as a Strategic Management Tool. Economica.
  • 33. – Influência + – Dependência + Autônomos Motrizes Ligações Resultados Godet, M. (2001). Creating futures: Scenario Planning as a Strategic Management Tool. Economica.
  • 34. Concentração do poder digital Desigualdade digital Quebra de infraestruturas de informação críticas Colapso de estados Colapso ou falta de infraestrutura e serviços Degradaçãoda coesão social Proliferação de atividades econômicas ilícitas Colapso de uma cadeia de abastecimento sistemicamente importante Falha em estabilizar trajetórias de preços Crise de empregos Deterioração de doenças mentais severas Doenças crônicas Doenças infecciosas Quebra da bolsa Queda econômica prolongada Migração involuntária de larga escala Crise dos recursos naturais Acidentes ambientais Conflito entre estados Confrontação geoeconômica Armas de destruição em massa Ataques terroristas Desinformação Consequências adversas de tecnologias de fronteira Crimes cibernéticos e insegurança digital generalizados Inefetividade das instituições multilaterais Crise de custos de vida Perda de Biodiversidade e Colapso dos Ecossistemas Falha em mitigar as mudanças climáticas Desastres naturais e eventos climáticos extremos Falha na adaptação às mudanças climáticas Categorias de risco Econômico Ambiental Geopolítico Social Tecnológico Alta Média Baixa Alta Média Baixa World Economic Forum. The Global Risks Report 2023. 18th edition. Crises de débito Influência
  • 35. 2 2 2. .5 5 3 3 3 3 3. .5 5 4 4 3 3 3. .5 5 5 4 4 Average 3.28 Média 3.40 World Economic Forum. The Global Risks Report 2021. 16th edition. Econômico Ambiental Geopolítico Social Tecnológico Mudanças climáticas Doenças infecciosas Armas de destruição em massa Perda de biodiversidade Crise de recursos naturais Dano humano ao ambiente Eventos climáticos extremos Desigualdade digital Colapso da infraestrutura de TI Colapso governamental Instabilidade de preços Reação contra a ciência Colapso industrial Atividades econômicasilícitas Ataques terroristas Deterioração da saúde mental Colapso da previdência social Concentração do poder digital Quebra da bolsa Conflitos entre nações Crise de subsistência Colapso da infraestrutura pública Estagnação prolongada Desastres geofísicos Desilusão dos jovens Colapso do multilateralismo Choquesdecommodities Falha da cyber segurança Deterioração da coesão social Migrações involuntárias Quebra na relação entre nações Geopolitização dos recursos Avanços tecnológicos adversos Falha da governança tecnológica Crises de débito Probabilidade Impacto
  • 36. Planilha • Abrir a Aba “3 – MicMac” • Transferir os dados de influência para a planilha • Transferir a média das influências para o software MicMac
  • 37. Conteúdo •Indicadores reflexivos: redução de dimensionalidade •Modelagem Multicritério •Influência de Indicadores (MicMac) •Processo analítico hierárquico •Cenários tendenciais •Espacialização de zonas contíguas homogêneas •Geovisualização multivariada
  • 38. Métodos de Ponderação • Ponderação simples ▪ Exemplo: atribua valor de 1 a 10 conforme a ordem de importância para você ▪ Quando possível, usar critérios de referência: o 1 significa XXXXX o 10 significa YYYYY
  • 39. • Ponderação simples ▪ Quando não há critérios de referência o Valores subjetivos: importância e satisfação o Alguns indivíduos podem atribuir valores muito altos e outros atribuir valores muito baixos (diferença de médias) o Alguns indivíduos podem atribuir valores muito parecidos e outros atribuir valores muito diferentes (diferença do desvio padrão) Métodos de Ponderação
  • 40. • Ponderação simples ▪ Re-escalonamento o Dividir cada valor pela soma de todos os pesos o Cria um valor entre 0 e 1 o Resolve parcialmente a diferença das médias e dispersões Métodos de Ponderação Serviço Ecossistêmico Indivíduo X Indivíduo Y A 8 4 B 9 6 C 7 2 D 6 1 Soma 30 13 Indivíduo X Indivíduo Y 0,27 0,31 0,30 0,46 0,23 0,15 0,20 0,08 Re-escalonamento 1 1
  • 41. Método mais utilizados para ponderações subjetivas 1. Comparação dos itens par a par ▪ Reduz a complexidade das ponderações 2. Re-escala a matriz de ponderações par a par 3. Sintetiza as ponderações por item 4. Produz um índice de consistência das respostas Processo Hierárquico Analítico SAATY, Thomas Lorie. Decision Making for leaders: The analytical hierarchy process for decisions in a complex work. Lifetime Learning Publications, 1981.
  • 42. Processo Hierárquico Analítico Valor 9 9 vezes maior Extremamente mais importante 8 8 vezes maior 7 7 vezes maior Muito fortemente mais importante 6 6 vezes maior 5 5 vezes maior Fortemente mais importante 4 4 vezes maior 3 3 vezes maior Moderadamente mais importante 2 2 vezes maior Um pouco mais importante 1 igual Igual importância 0,5 2 vezes menor Um pouco menos importante 0,33 3 vezes menor Moderadamente menos importante 0,25 4 vezes menor 0,2 5 vezes menor Fortemente menos importante 0,17 6 vezes menor 0,14 7 vezes menor Muito fortemente menos importante 0,12 8 vezes menor 0,11 9 vezes menor Extremamente menos importante Itens A B C A 1 4 5 B 1 0,5 C 1 Itens A B C A 1 4 5 B 0,25 (1/4) 1 0,5 C 0,2 (1/5) 2 (1/0,5) 1 Escolhido pelo entrevistado Inverso dos valores. Exemplo: ¼ = 0,25
  • 43. Processo Hierárquico Analítico Itens A B C A 1 4 5 B 0,25 1 0,5 C 0,2 2 1 Soma 1,45 7 6,5 Itens A B C A 0,69 0,57 0,77 B 0,17 0,14 0,08 C 0,14 0,29 0,15 Matriz Re-escalada (0-1) Média 0,68 0,13 0,19 Resultado Matriz Original
  • 44. a) Compare o valor dos 4 serviços ecossistêmicos ranqueados coletivamente como mais importantes. Para cada par de serviços, atribua um valor comparativo de 0,11 a 9, de acordo com a tabela de legenda. Atividade 3 Escala Valor 9 9 vezes maior 8 8 vezes maior 7 7 vezes maior 6 6 vezes maior 5 5 vezes maior 4 4 vezes maior 3 3 vezes maior 2 2 vezes maior 1 igual 0,5 2 vezes menor 0,33 3 vezes menor 0,25 4 vezes menor 0,2 5 vezes menor 0,17 6 vezes menor 0,14 7 vezes menor 0,12 8 vezes menor 0,11 9 vezes menor Relações entre serviços ecossistêmicos Valor 1 em relação ao 2 1 em relação ao 3 1 em relação ao 4 2 em relação ao 3 2 em relação ao 4 3 em relação ao 4 Serviços Ecossistêmicos Escolhidos 1 2 3 4
  • 45. Transferir os dados para a Aba “3 – Processo Analítico Hierárquico” Atividade 3
  • 46. Processo Hierárquico Analítico Itens A B C A 1 4 5 B 0,25 1 0,5 C 0,2 2 1 Soma 1,45 7 6,5 Itens A B C A 0,69 0,57 0,77 B 0,17 0,14 0,08 C 0,14 0,29 0,15 Matriz Re-escalada Média 0,68 0,13 0,19 Resultado Consistência 3,19 3,03 3,06 1 4 5 0,68 0,13 0,19 X / 0,68 = 3,19
  • 47. Processo Hierárquico Analítico Itens A B C A 1 4 5 B 0,25 1 0,5 C 0,2 2 1 Soma 1,45 7 6,5 Itens A B C A 0,69 0,57 0,77 B 0,17 0,14 0,08 C 0,14 0,29 0,15 Matriz Normalizada Média 0,68 0,13 0,19 Resultado Consistência 3,19 3,03 3,06 Índice de Consistência 0,5 Índice de consistência Média das medidas de consistência – Número de critérios Número de critérios – 1 =
  • 48. Processo Hierárquico Analítico Itens A B C A 1 4 5 B 0,25 1 0,5 C 0,2 2 1 Soma 1,45 7 6,5 Itens A B C A 0,69 0,57 0,77 B 0,17 0,14 0,08 C 0,14 0,29 0,15 Matriz Normalizada Média 0,68 0,13 0,19 Resultado Consistência 3,19 3,03 3,06 Índice de Consistência 0,5 Índice de aleatoriedade 0,58 Índice de aleatoriedade Média dos índices de consistência de matrizes geradas ao acaso para esse número de critérios = N 1 2 3 4 5 6 7 8 9 10 IR 0 0 0,58 0,9 1,12 1,24 1,32 1,41 1,46 1,49
  • 49. Índice de aleatoriedade 0,58 Índice de Consistência 0,5 Processo Hierárquico Analítico Itens A B C A 1 4 5 B 0,25 1 0,5 C 0,2 2 1 Soma 1,45 7 6,5 Itens A B C A 0,69 0,57 0,77 B 0,17 0,14 0,08 C 0,14 0,29 0,15 Matriz Normalizada Média 0,68 0,13 0,19 Resultado Consistência 3,19 3,03 3,06 Razão de Consistência 0,08 Razão de Consistência Índice de Consistência Índice de Aleatoriedade = Se a Razão de consistência for maior que 0,1, deve-se pedir para o entrevistado rever os pesos atribuídos
  • 50. Média Aritmética ▪ Soma dos itens / número de itens Média Geométrica ▪ Utilizada quando os itens possuem amplitudes diferentes ▪ Raiz de base ‘n’ da multiplicação dos itens ▪Exemplo: média geométrica de 4, 1 e 1/32
  • 51. Conteúdo •Indicadores reflexivos: redução de dimensionalidade •Modelagem Multicritério •Influência de Indicadores (MicMac) •Processo analítico hierárquico •Cenários tendenciais •Espacialização de zonas contíguas homogêneas •Geovisualização multivariada
  • 52. Perfil de Serviços Ecossistêmicos PAETZOLD, A.; WARREN, P. H.; MALTBY, L. A framework for assessing ecological quality based on ecosystem services. Ecological Complexity, vol. 7, 273-281. 2010. • Avaliação entre provisão e demanda • Valores não-monetários ▪ Medida por pesquisa subjetiva
  • 53. Atividade 4 • Opine sobre o perfil de oferta e de demanda dos 4 serviços ecossistêmicos, tomando como referência as tabelas de legenda Oferta > 100% = oferta maior que o ecossistema natural 100% = ecossistema natural 0% = ecossistema totalmente degradado Atendimento da demanda > 100% = oferta maior que a demanda 100% = atendimento de toda a demanda 0% = nenhum atendimento da demanda Serviço Ecossistêmico % Oferta 1 2 3 4 Atendimento da demanda 1 2 3 4
  • 54. Atividade 4 Transfira os dados para a Aba “4 – Oferta X Demanda”
  • 55. Oferta X Demanda •Demanda = Oferta * (100/’Atendimento da Demanda’) • Dano Se Oferta < 100, então: Dano = (100 – Oferta) Senão, Dano = 0 • Demanda Não Atendida Se (Demanda - Oferta) > 0, então: Demanda Não Atendida = (Demanda - Oferta) Senão, Demanda Não Atendida = 0
  • 56. Atividade 5 • Opine sobre a tendência de mudança da oferta e da demanda dos 4 serviços ecossistêmicos em um horizonte de 5 anos para o futuro, com base na tabela de legenda Variação (%) Mudança em 5 anos 200 Triplica 100 Dobra 0 Mantém-se estável -50 Diminui pela metade -100 Acaba totalmente Serviço Ecossistêmico Tendência para os próximos 5 anos (%) Variação na Oferta 1 2 3 4 Variação na Demanda 1 2 3 4
  • 57. Atividade 4 Transfira os dados para a Aba “5 – Tendências”
  • 58. Aba “6 – Cenários” • Oferta e Demanda do Cenário Futuro (5 anos) Cenário Atual * (1 + Tendência/100)
  • 59. Propagação do Desvio Padrão Multiplicação de duas variáveis Exemplo: Oferta (ou Demanda) * Tendência Onde: = Média da variável A = Média da variável B = módulo de A *B = Desvio-padrão de A * B = Desvio-padrão de A = Desvio-padrão de B = Covariância entre A e B Hart, R.; Peidle, J. A Summary of Error Propagation. Physical Sciences 3. Harvard, 2013. http://ipl.physics.harvard.edu/wp-uploads/2013/03/PS3_Error_Propagation_sp13.pdf Palmer, M. Propagation of Uncertainty through Mathematical Operations. Fluid Mechanics. Experimental Techniques. MIT. 2002. http://web.mit.edu/fluids-modules/www/exper_techniques/2.Propagation_of_Uncertaint.pdf
  • 60. • Valor do Dano Se Oferta < 100, então: Dano = (100 – Oferta) * Valor Senão, Dano = 0 • Valor da Demanda Não Atendida Se (Demanda - Oferta) > 0, então: Demanda Não Atendida = (Demanda - Oferta) * Valor Senão, Demanda Não Atendida = 0 Aba “7 – Valoração do Impacto”
  • 61. Propagação do Desvio Padrão Multiplicação de duas variáveis Exemplo: Dano * Valor Onde: = Média da variável A = Média da variável B = módulo de A *B = Desvio-padrão de A * B = Desvio-padrão de A = Desvio-padrão de B = Covariância entre A e B Hart, R.; Peidle, J. A Summary of Error Propagation. Physical Sciences 3. Harvard, 2013. http://ipl.physics.harvard.edu/wp-uploads/2013/03/PS3_Error_Propagation_sp13.pdf Palmer, M. Propagation of Uncertainty through Mathematical Operations. Fluid Mechanics. Experimental Techniques. MIT. 2002. http://web.mit.edu/fluids-modules/www/exper_techniques/2.Propagation_of_Uncertaint.pdf
  • 62. Propagação do Desvio Padrão Subtração de duas variáveis Exemplo: Demanda - Oferta Onde: = Desvio-padrão de A - B = Desvio-padrão de A = Desvio-padrão de B = Covariância entre A e B 𝜎𝑓 = 𝜎𝐴 2 + 𝜎𝐵 2 − 2𝜎𝐴𝐵 Hart, R.; Peidle, J. A Summary of Error Propagation. Physical Sciences 3. Harvard, 2013. http://ipl.physics.harvard.edu/wp-uploads/2013/03/PS3_Error_Propagation_sp13.pdf Palmer, M. Propagation of Uncertainty through Mathematical Operations. Fluid Mechanics. Experimental Techniques. MIT. 2002. http://web.mit.edu/fluids-modules/www/exper_techniques/2.Propagation_of_Uncertaint.pdf
  • 63. Reflexões • Valores de referência para o planejamento ambiental • Análise da discordância e/ou incerteza • Cenário tendencial pode ser alterado por medidas de gestão ambiental
  • 64. Conteúdo •Indicadores reflexivos: redução de dimensionalidade •Modelagem Multicritério •Influência de Indicadores (MicMac) •Processo analítico hierárquico •Cenários tendenciais •Espacialização de zonas contíguas homogêneas •Geovisualização multivariada
  • 66. Agrupamentos com mais de dois indicadores
  • 67. Formação de Agrupamentos • Aumentar a variação entre agrupamentos • Diminuir a variação dentro dos agrupamentos
  • 68. Zoneamento por método de locomoção Modo de transporte Coletivo Individual Não Motorizado Método de agrupamento: Médias K
  • 69. Método Skater Técnica: Minimizar a variabilidade entre os agrupamentos, mas mantendo a contiguidade de todos os elementos em cada agrupamento Resultado: Regiões relativamente homogêneas espacialmente contínuas Regionalização Neves, M. C. Procedimentos Eficientes para Regionalização de Unidades Socioeconômicas em Bancos de Dados Geográficos. Tese de Doutorado, INPE, 2003. Disponível em: http://www.dpi.inpe.br/gilberto/teses/tese_marcos.pdf • Não pode haver elementos sem vizinhos Ex: As feições formam uma região espacialmente contígua
  • 71. • Inicialmente associa-se "custos" às arestas • Os "custos" são calculados em função da similaridade entre os geo- objetos • Depois são eliminadas as arestas de menor "custo"
  • 73. •Procedimento de poda procura obter: - regiões mais homogêneas - mais equilibradas em termos de números de geo-objetos por região.
  • 76. Modo de transporte Coletivo Individual Não Motorizado Método de agrupamento: Skater Zoneamento de áreas contíguas por método de locomoção
  • 77. Método Variação dentro dos agrupamentos Variação entre agrupamentos Razão entre variação entre agrupamentos e variação total Zonas não-contíguas (médias k) 282 674 0,7 Zonas contíguas (skater) 715 241 0,25 Médias K Skater
  • 78. Conteúdo •Indicadores reflexivos: redução de dimensionalidade •Modelagem Multicritério •Influência de Indicadores (MicMac) •Processo analítico hierárquico •Cenários tendenciais •Espacialização de zonas contíguas homogêneas •Geovisualização multivariada
  • 79. O que se pretende com uma geovisualização? Apresentação Síntese Confirmação Investigação Usuários MacEachren, A. M. (1994). Visualization in modern cartography: setting the agenda. Visualization in modern cartography, 28(1), 1-12.
  • 80. Sistema HSV (Hue - Saturation - Value) Matiz Saturação Tonalidade Chroma Brilho Cores Saturadas Cores pasteis
  • 81. Sistema Subtrativo ➢Aplicado a objetos sujeitos a absorção e reflexão de comprimentos de onda ➢Exemplo: mapas impressos
  • 83. Fluxograma para uso de cores Começo O mapa apresenta dados ordenados? Não Esquema Qualitativo (matiz) A ordenação tem foco em um centro, ou meio? Não Esquema Sequencial (tonalidade) A tendência é convergente ao centro? Não Sim Esquema Divergente Esquema Convergente FREAC, G.S. Using Colors in Maps. Em: http://visual.ly/using-color-maps Torta favorita Morango Laranja Amora Batata doce Pistache Blueberry Taxa de Pobreza (%) Mudança no Preço de Imóveis Maior Sem alteração Menor Preferência Eleitoral Conservador Oposição Sim Sim
  • 84. Mapas Coropléticos Bivariados BREWER, C. A. (1994). Color use guidelines for mapping. Visualization in modern cartography, 123-148. Binário Qualitativo Sequencial Divergente
  • 85. Mapas Coropléticos Bivariados Stevens, J. (2015) Bivariate Choropleth Maps: A How-to Guide. http://www.joshuastevens.net/cartography/make-a-bivariate-choropleth-map/ Sistema Subtrativo Unipolar
  • 86. Mapas Coropléticos Bivariados Sistema Subtrativo Esquema Divergente/Sequencial BREWER, C. A. (1994). Color use guidelines for mapping. Visualization in modern cartography,
  • 87. Mapas Coropléticos Bivariados Esquema Divergente/Divergente (Sistema HSV) BREWER, C. A. (1994). Color use guidelines for mapping. Visualization in modern cartography,
  • 89. Legendas bivariadas como diagramas de dispersão Leonowicz A.M., 2007. Choropleth maps as a method of representing geographical relationship. Phd dissertation. Warsaw: Institute of Geography and Spatial Organization, Polish Academy of Sciences. Em: http://www.geo.unizh.ch/~annal/Choropleth%20maps.html
  • 90. • Mapas bivariados com diagramas de dispersão Legendas bivariadas como diagramas de dispersão % de UCs Marinhas % de Ucs Terrestres Porcentagem do Território Nacional com Unidades de Conservação
  • 91. Mapas coropléticos bivariados % de UCs Marinhas % de UCs Terrestres • Mapas bivariados contínuos com diagramas de dispersão Porcentagem do Território Nacional com Unidades de Conservação
  • 92. Mapas coropléticos trivariados 100% Agricultura 100% Floresta 100% Urbano ROBINSON, A.H. et al. 1995. Elements of Cartography. 6th edition. Willey. BREWER, C. A. (1994). Color use guidelines for mapping. Visualization in modern cartography, 123-148. Legenda Triangular (HSV) Funciona para três variáveis que, somadas, sempre chegam a 100%
  • 93. Mapas coropléticos trivariados Legenda Triangular (Subtrativo - CMY) https://thesocietypages.org/graphicsociology/2011/04/05/reading-writing-earning-bad-good-graphic/
  • 94. Sistema Aditivo ➢Aplicado para sistemas que trabalham com emissão de luz ➢Conversível ao HSV e CMY
  • 95. RGB no Sensoriamento Remoto Vermelho Verde Azul Combinação RGB Campus da UFABC SBC
  • 96. Relação de coordenadas entre os sistemas
  • 97. Vasconcelos, V. V., Koontanakulvong, S., Suthidhummajit, C., Junior, P. P. M., & Hadad, R. M. (2014). Analysis of spatial–temporal patterns of water table change as a tool for conjunctive water management in the Upper Central Plain of the Chao Phraya River Basin, Thailand. Applied Water Science, 1-18
  • 98. Vasconcelos, V. V., Koontanakulvong, S., Suthidhummajit, C., Junior, P. P. M., & Hadad, R. M. (2014). Analysis of spatial–temporal patterns of water table change as a tool for conjunctive water management in the Upper Central Plain of the Chao Phraya River Basin, Thailand. Applied Water Science, 1-18