Aula da disciplina de Métodos e Técnicas de Análise da Informação para o Planejamento, Universidade Federal do ABC (UFABC), São Bernardo do Campo - SP, agosto de 2019
Gravação de aula disponível em: https://youtu.be/x7vZc-juuVY
Bases de dados disponíveis em: https://app.box.com/s/04py9qq5e2yumx6f2ivx5dpkddeotn0w
Aula da disciplina de Epidemiologia de Doenças Transmissíveis, Universidade Federal do Maranhão, novembro de 2020.
Gravação de aula disponível em: https://youtu.be/luaLQzok59U
Este documento descreve a prática de regressão espacial no software GeoDa e GWR. Inicialmente, é realizada uma regressão clássica no GeoDa para identificar problemas de autocorrelação espacial. Em seguida, são estimados modelos de regressão espacial ("Spatial Error" e "Spatial Lag") para lidar com essa autocorrelação. Por fim, é estimado um modelo de regressão geograficamente ponderada (GWR) no software GWR para capturar a heterogeneidade espacial.
Análise exploratória estatístico-espacial, Mapas de Kernel e Proximidade - QG...Vitor Vieira Vasconcelos
O documento apresenta uma introdução ao uso do software QGIS para análises multicritérios espaciais. Inclui preparação de dados espaciais e atributos, análise exploratória de dados, estatísticas descritivas, distribuições de frequência, estatísticas por categorias e correlação entre variáveis para inferência estatístico-espacial.
Aula de Métodos e Técnicas de Análise da Informação para Planejamento, UFABC, Jullho de 2017
Apresentação disponível em: https://youtu.be/Lo7wr_tqiK4
Bases de dados disponíveis em: https://app.box.com/s/2p9mw751ld2u9rz0ueglf49p1v94e8pv
Aula da disciplina de Uso de dados espaciais para estudos ambientais. Abril de 2019, Universidade Federal do ABC, Santo André - SP.
Base de dados disponível em: https://app.box.com/s/kqwpbxgvagtl9ygsodaat380nqjn1mp2
Gravação de aula disponível em: https://youtu.be/te1VN9iVFcM
O documento discute análise de agrupamentos, um método estatístico para classificar observações em grupos homogêneos com base em suas similaridades. Aborda medidas de similaridade, métodos de agrupamento como hierárquico e k-médias, e práticas no SPSS e QGIS para visualizar os resultados espacialmente.
Aula da disciplina de Epidemiologia de Doenças Transmissíveis, Universidade Federal do Maranhão, novembro de 2020.
Gravação de aula disponível em: https://youtu.be/luaLQzok59U
Este documento descreve a prática de regressão espacial no software GeoDa e GWR. Inicialmente, é realizada uma regressão clássica no GeoDa para identificar problemas de autocorrelação espacial. Em seguida, são estimados modelos de regressão espacial ("Spatial Error" e "Spatial Lag") para lidar com essa autocorrelação. Por fim, é estimado um modelo de regressão geograficamente ponderada (GWR) no software GWR para capturar a heterogeneidade espacial.
Análise exploratória estatístico-espacial, Mapas de Kernel e Proximidade - QG...Vitor Vieira Vasconcelos
O documento apresenta uma introdução ao uso do software QGIS para análises multicritérios espaciais. Inclui preparação de dados espaciais e atributos, análise exploratória de dados, estatísticas descritivas, distribuições de frequência, estatísticas por categorias e correlação entre variáveis para inferência estatístico-espacial.
Aula de Métodos e Técnicas de Análise da Informação para Planejamento, UFABC, Jullho de 2017
Apresentação disponível em: https://youtu.be/Lo7wr_tqiK4
Bases de dados disponíveis em: https://app.box.com/s/2p9mw751ld2u9rz0ueglf49p1v94e8pv
Aula da disciplina de Uso de dados espaciais para estudos ambientais. Abril de 2019, Universidade Federal do ABC, Santo André - SP.
Base de dados disponível em: https://app.box.com/s/kqwpbxgvagtl9ygsodaat380nqjn1mp2
Gravação de aula disponível em: https://youtu.be/te1VN9iVFcM
O documento discute análise de agrupamentos, um método estatístico para classificar observações em grupos homogêneos com base em suas similaridades. Aborda medidas de similaridade, métodos de agrupamento como hierárquico e k-médias, e práticas no SPSS e QGIS para visualizar os resultados espacialmente.
Este documento apresenta uma aula sobre análise de pontos no ambiente R. Ele discute medidas centrográficas como centro médio e distância padrão, e mostra como calculá-las e visualizá-las usando pacotes como aspace e spatstat. Também fornece referências sobre livros e tutoriais online para aprendizado adicional sobre análise espacial de dados.
Aula da disciplina de Cartografia e Geoprocessamento Aplicada ao Planejamento Territorial, UFABC, março de 2017.
Gravação da aula disponível em: https://youtu.be/2kuHpSv6mmM
Este documento apresenta informações sobre interpolação e geoestatística no QGIS para análise multicriterial. Ele introduz o professor Vitor Vasconcelos e seus contatos, apresenta os objetivos e conteúdos da aula sobre interpolação, incluindo métodos como triangulação, vizinho natural, inverso da distância e regressão polinomial.
Aula de Métodos e Técnicas de Análise da Informação para o Planejamento, UFABC, 8 de agosto de 2017
Gravação de aula disponível em: https://youtu.be/8AHJ8PfUg30
Bases de dados disponívem em: https://app.box.com/s/usbad42g9op1coew9n6fw17lqlq5b3t1
Representação de dados espaciais
Dados espaciais como modelos
Dependência espacial
Inferência espacial
Estruturação de bases de dados espaciais
Prática no QGIS
Portais de dados espaciais
Gravação de aula disponível em: https://youtu.be/5ac-zciebgE
1) O documento introduz o uso de dados espaciais no R para estudos ambientais, apresentando os principais formatos, conversões e visualizações de dados espaciais no R.
2) É ensinado como importar, projetar e visualizar dados espaciais vetoriais e de malha no R, utilizando pacotes como sf, rgdal e raster.
3) Também é mostrado como relacionar dados espaciais com tabelas de atributos usando juntas no pacote dplyr.
Este documento apresenta uma introdução ao uso de dados espaciais no programa R, abordando tópicos como formatos de dados espaciais, conversão entre formatos, reprojetação de sistemas de coordenadas, junção de dados tabulares e espaciais, visualização de dados espaciais e exportação de mapas. O documento também fornece referências bibliográficas e tutoriais online sobre análise espacial em R.
Este documento apresenta uma introdução aos métodos de interpolação e geoestatística no software R. Após uma breve introdução, o documento descreve métodos como vizinho mais próximo, inverso da distância, superfícies de tendência, funções de base radial e krigagem. Referências bibliográficas e tutoriais online são fornecidos para apoiar o aprendizado destes métodos espaciais.
O documento discute análise de clusters, incluindo:
1) Medidas de similaridade e dissimilaridade como distância euclidiana e correlação que podem ser usadas para agrupar objetos em clusters;
2) Métodos hierárquicos como aglomerativo e divisivo que formam clusters de maneira progressiva;
3) Critérios como vizinho mais próximo e mais distante para determinar quais objetos são agrupados em cada etapa.
Este documento discute a análise de regressão espacial. A regressão é uma técnica estatística que analisa a relação entre variáveis, onde uma variável resposta pode ser explicada por outras variáveis preditoras. Quando se trabalha com dados espaciais, é importante verificar se há dependência espacial entre as observações, pois isso pode violar pressupostos dos modelos de regressão tradicionais. Existem várias abordagens para incorporar efeitos espaciais nos modelos de regressão, como modelos globais com parâmetros espaciais ou modelos
Aula de Informática Aplicada ao Planejamento Territorial - IPT, UFABC, 4 de novembro de 2016.
Apresentação disponível em: https://youtu.be/-Jf9OFglDiI
Bases de dados disponíveis em: https://app.box.com/s/0v7yjizlgacyyjcturb4s9yu1kzormgb
O documento discute três tópicos principais:
1) A análise espacial de dados e como ela depende das localizações geográficas dos objetos estudados.
2) Diferentes tipos de análise espacial como pesquisa, medições, transformações e testes de hipóteses.
3) Exemplos de técnicas de análise espacial como medição de distâncias e áreas e o uso de sistemas de informação geográfica.
Aula da disciplina de Uso de dados espaciais em estudos ambientais, Universidade Federal do ABC (UFABC), março de 2020.
Gravação de aula disponível em: https://youtu.be/ap7IcO2Icgs
Base de dados disponíveis em: https://app.box.com/s/qf2hsg4b2uontvrawbk3el4fg9cxjufg
1) O documento apresenta os conceitos e métodos de regressão linear, incluindo estimação de parâmetros, avaliação do ajuste do modelo e interpretação dos resultados.
2) A regressão linear é usada para modelar a relação entre uma variável dependente e uma ou mais variáveis independentes através de uma equação linear.
3) A qualidade de ajuste do modelo é avaliada por meio da análise da variância, que parte a soma dos quadrados total em parte explicada pelo modelo e parte residual.
O documento descreve os componentes de um banco de dados geográficos, incluindo SIGs, tipos de dados geográficos e arquiteturas SIG. Explica como o PostGIS fornece suporte espacial ao PostgreSQL para permitir o armazenamento e análise de dados geográficos.
O documento discute bancos de dados em grafos. Ele explica que esses bancos armazenam dados em forma de nós, arestas e propriedades, representando relacionamentos entre entidades. O documento também apresenta exemplos de uso do Neo4j, um banco de dados em grafo popular, demonstrando como criar e consultar dados nesse modelo.
O documento apresenta conceitos estatísticos como média, desvio padrão e curva normal. Explica como calcular a probabilidade de um evento ocorrer baseado na distribuição normal e apresenta tabelas com porcentagens de probabilidade de acordo com o desvio padrão.
O documento descreve árvores binárias, estruturas de dados hierárquicas onde cada nó tem no máximo dois filhos. Explica que uma árvore binária possui uma raiz e nós internos com duas subárvores esquerda e direita, além de nós folha sem filhos. Também apresenta operações básicas como busca, inserção e remoção em árvores binárias de busca, onde os nós são ordenados.
O documento discute geoprocessamento, que envolve o uso de técnicas matemáticas e computacionais para o tratamento de informações geográficas com o objetivo de obter informações para tomada de decisão sobre planejamento e ações na superfície terrestre. O geoprocessamento integra coleta, processamento e uso de dados espaciais e seus cruzamentos por meio de sistemas como SIG e sensoriamento remoto.
Este documento resume os principais pontos da análise de clusters. Apresenta os conceitos-chave da análise de clusters como a agrupação de objetos similares em clusters e a medição da distância entre objetos. Detalha as etapas como selecionar variáveis, escolher uma medida de distância e algoritmos de agregação. Demonstra como obter análises de clusters no SPSS, incluindo resultados como dendogramas e centróides.
Análise de Clusters - White Paper ELOGroupEloGroup
O documento discute a análise de clusters, um método estatístico multivariado que agrupa objetos de acordo com suas similaridades. O método possui etapas como definição de objetivos, seleção e processamento de dados, transformação, interpretação e validação dos resultados. A análise de clusters é útil para redução de dados e geração de hipóteses sobre padrões nos dados.
Este documento apresenta uma aula sobre análise de pontos no ambiente R. Ele discute medidas centrográficas como centro médio e distância padrão, e mostra como calculá-las e visualizá-las usando pacotes como aspace e spatstat. Também fornece referências sobre livros e tutoriais online para aprendizado adicional sobre análise espacial de dados.
Aula da disciplina de Cartografia e Geoprocessamento Aplicada ao Planejamento Territorial, UFABC, março de 2017.
Gravação da aula disponível em: https://youtu.be/2kuHpSv6mmM
Este documento apresenta informações sobre interpolação e geoestatística no QGIS para análise multicriterial. Ele introduz o professor Vitor Vasconcelos e seus contatos, apresenta os objetivos e conteúdos da aula sobre interpolação, incluindo métodos como triangulação, vizinho natural, inverso da distância e regressão polinomial.
Aula de Métodos e Técnicas de Análise da Informação para o Planejamento, UFABC, 8 de agosto de 2017
Gravação de aula disponível em: https://youtu.be/8AHJ8PfUg30
Bases de dados disponívem em: https://app.box.com/s/usbad42g9op1coew9n6fw17lqlq5b3t1
Representação de dados espaciais
Dados espaciais como modelos
Dependência espacial
Inferência espacial
Estruturação de bases de dados espaciais
Prática no QGIS
Portais de dados espaciais
Gravação de aula disponível em: https://youtu.be/5ac-zciebgE
1) O documento introduz o uso de dados espaciais no R para estudos ambientais, apresentando os principais formatos, conversões e visualizações de dados espaciais no R.
2) É ensinado como importar, projetar e visualizar dados espaciais vetoriais e de malha no R, utilizando pacotes como sf, rgdal e raster.
3) Também é mostrado como relacionar dados espaciais com tabelas de atributos usando juntas no pacote dplyr.
Este documento apresenta uma introdução ao uso de dados espaciais no programa R, abordando tópicos como formatos de dados espaciais, conversão entre formatos, reprojetação de sistemas de coordenadas, junção de dados tabulares e espaciais, visualização de dados espaciais e exportação de mapas. O documento também fornece referências bibliográficas e tutoriais online sobre análise espacial em R.
Este documento apresenta uma introdução aos métodos de interpolação e geoestatística no software R. Após uma breve introdução, o documento descreve métodos como vizinho mais próximo, inverso da distância, superfícies de tendência, funções de base radial e krigagem. Referências bibliográficas e tutoriais online são fornecidos para apoiar o aprendizado destes métodos espaciais.
O documento discute análise de clusters, incluindo:
1) Medidas de similaridade e dissimilaridade como distância euclidiana e correlação que podem ser usadas para agrupar objetos em clusters;
2) Métodos hierárquicos como aglomerativo e divisivo que formam clusters de maneira progressiva;
3) Critérios como vizinho mais próximo e mais distante para determinar quais objetos são agrupados em cada etapa.
Este documento discute a análise de regressão espacial. A regressão é uma técnica estatística que analisa a relação entre variáveis, onde uma variável resposta pode ser explicada por outras variáveis preditoras. Quando se trabalha com dados espaciais, é importante verificar se há dependência espacial entre as observações, pois isso pode violar pressupostos dos modelos de regressão tradicionais. Existem várias abordagens para incorporar efeitos espaciais nos modelos de regressão, como modelos globais com parâmetros espaciais ou modelos
Aula de Informática Aplicada ao Planejamento Territorial - IPT, UFABC, 4 de novembro de 2016.
Apresentação disponível em: https://youtu.be/-Jf9OFglDiI
Bases de dados disponíveis em: https://app.box.com/s/0v7yjizlgacyyjcturb4s9yu1kzormgb
O documento discute três tópicos principais:
1) A análise espacial de dados e como ela depende das localizações geográficas dos objetos estudados.
2) Diferentes tipos de análise espacial como pesquisa, medições, transformações e testes de hipóteses.
3) Exemplos de técnicas de análise espacial como medição de distâncias e áreas e o uso de sistemas de informação geográfica.
Aula da disciplina de Uso de dados espaciais em estudos ambientais, Universidade Federal do ABC (UFABC), março de 2020.
Gravação de aula disponível em: https://youtu.be/ap7IcO2Icgs
Base de dados disponíveis em: https://app.box.com/s/qf2hsg4b2uontvrawbk3el4fg9cxjufg
1) O documento apresenta os conceitos e métodos de regressão linear, incluindo estimação de parâmetros, avaliação do ajuste do modelo e interpretação dos resultados.
2) A regressão linear é usada para modelar a relação entre uma variável dependente e uma ou mais variáveis independentes através de uma equação linear.
3) A qualidade de ajuste do modelo é avaliada por meio da análise da variância, que parte a soma dos quadrados total em parte explicada pelo modelo e parte residual.
O documento descreve os componentes de um banco de dados geográficos, incluindo SIGs, tipos de dados geográficos e arquiteturas SIG. Explica como o PostGIS fornece suporte espacial ao PostgreSQL para permitir o armazenamento e análise de dados geográficos.
O documento discute bancos de dados em grafos. Ele explica que esses bancos armazenam dados em forma de nós, arestas e propriedades, representando relacionamentos entre entidades. O documento também apresenta exemplos de uso do Neo4j, um banco de dados em grafo popular, demonstrando como criar e consultar dados nesse modelo.
O documento apresenta conceitos estatísticos como média, desvio padrão e curva normal. Explica como calcular a probabilidade de um evento ocorrer baseado na distribuição normal e apresenta tabelas com porcentagens de probabilidade de acordo com o desvio padrão.
O documento descreve árvores binárias, estruturas de dados hierárquicas onde cada nó tem no máximo dois filhos. Explica que uma árvore binária possui uma raiz e nós internos com duas subárvores esquerda e direita, além de nós folha sem filhos. Também apresenta operações básicas como busca, inserção e remoção em árvores binárias de busca, onde os nós são ordenados.
O documento discute geoprocessamento, que envolve o uso de técnicas matemáticas e computacionais para o tratamento de informações geográficas com o objetivo de obter informações para tomada de decisão sobre planejamento e ações na superfície terrestre. O geoprocessamento integra coleta, processamento e uso de dados espaciais e seus cruzamentos por meio de sistemas como SIG e sensoriamento remoto.
Este documento resume os principais pontos da análise de clusters. Apresenta os conceitos-chave da análise de clusters como a agrupação de objetos similares em clusters e a medição da distância entre objetos. Detalha as etapas como selecionar variáveis, escolher uma medida de distância e algoritmos de agregação. Demonstra como obter análises de clusters no SPSS, incluindo resultados como dendogramas e centróides.
Análise de Clusters - White Paper ELOGroupEloGroup
O documento discute a análise de clusters, um método estatístico multivariado que agrupa objetos de acordo com suas similaridades. O método possui etapas como definição de objetivos, seleção e processamento de dados, transformação, interpretação e validação dos resultados. A análise de clusters é útil para redução de dados e geração de hipóteses sobre padrões nos dados.
O documento descreve a aplicação do método de classificação k-Nearest Neighbors na base de dados Iris, introduzindo os conceitos-chave do método e apresentando resultados da classificação das flores Iris usando quatro atributos morfológicos.
1) O documento fornece várias ações para analisar dados, como ordenar, filtrar, agrupar e correlacionar dados.
2) Agrupar dados por características comuns pode ajudar a medir quantidades. Por exemplo, agrupar projetos por tema.
3) É importante normalizar dados ao comparar territórios, por exemplo colocando métricas em proporção à população para evitar vieses.
O documento discute a análise de resultados de estudos de card sorting. A análise de cluster é uma técnica estatística para agrupar itens com base na frequência com que os participantes os colocam juntos. Embora ferramentas online facilitem a coleta de dados, a interpretação envolve julgamento do pesquisador. Dados inválidos devem ser excluídos antes da análise.
O documento apresenta uma introdução ao algoritmo de agrupamento K-means, descrevendo seus principais passos: (1) seleção aleatória inicial dos centroides, (2) atribuição dos pontos aos centroides mais próximos, (3) recalculo dos centroides. O exemplo ilustra estas etapas com um conjunto de pontos, convergindo os centroides após várias iterações.
One of the biggest dilemmas faced by decision-making systems is to determine an efficient means to produce classifiers from data base regarding the processing time and the form of simple symbolic representation understandable that facilitates the analysis of the problem in question. In this brief report we will discuss a very popular tool in knowledge discovery in databases process and thus aid in making decisions: the Decision Trees.
O documento discute o método de agrupamento K-means. Ele explica as iterações do K-means, como escolher o número de grupos K e critérios para avaliar a qualidade de um agrupamento, como pureza.
Este estudo analisou a relação entre bullying e homofobia por meio de um questionário aplicado a 808 jovens entre 12 e 18 anos. Os resultados forneceram informações sobre os níveis de bullying e homofobia nesta amostra.
O documento apresenta uma introdução ao clustering em 4 passos: 1) escolha dos objetos e atributos, 2) padronização dos dados, 3) cálculo da similaridade e clusterização e 4) validação dos clusters formados. O clustering é uma técnica estatística para identificar agrupamentos de dados de acordo com seu grau de semelhança.
Este documento discute técnicas de agrupamento e dissimilaridade para análises genéticas. Aborda métodos como variáveis canônicas, componentes principais e distância de Mahalanobis. Também explica como construir dendogramas no programa NTSYS e calcular a correlação cofenética.
O documento discute técnicas de agrupamento de sequências biológicas, incluindo K-Means, K-Means++, método do cotovelo e um algoritmo híbrido. Ele também apresenta um projeto open-source para agrupar sequências usando essas técnicas e mede a acurácia em diferentes conjuntos de dados.
1) O documento apresenta os conceitos básicos de estatística, incluindo seus objetivos, etapas, tipos de dados, variáveis, população e amostra.
2) A estatística é definida como um método para coleta, organização, análise e interpretação de dados para tomada de decisões.
3) Os objetivos da estatística incluem fazer generalizações e inferências sobre populações baseadas em amostras.
O documento fornece um resumo sobre análise estatística de dados ecológicos. Ele discute conceitos como amostragem, variáveis, populações, amostras, parâmetros e estatísticas. Além disso, explica medidas de tendência central, dispersão e variabilidade de dados, e testes estatísticos como t-teste, ANOVA e regressão que podem ser usados para analisar dados ecológicos.
Clustering é uma técnica de agrupamento de dados não supervisionado onde objetos similares são agrupados em clusters. Existem vários algoritmos de clustering que diferem na forma como formam os grupos e eficiência. Clustering é amplamente usado em mineração de dados e análise estatística.
O documento discute métodos de clusterização, incluindo k-means e clusterização hierárquica. A clusterização agrupa objetos similares em clusters com base em suas características. O documento também aborda como calcular similaridade entre dados numéricos e categóricos.
O documento discute diferentes abordagens para análise de dados em pesquisas, incluindo:
1) Análise quantitativa versus qualitativa;
2) Diferentes modelos de análise como positivista e construtivista;
3) Etapas da análise quantitativa como estatística descritiva e inferencial;
4) Abordagens para análise qualitativa como análise concomitante e após coleta de dados.
Este documento apresenta uma dissertação de mestrado sobre clusterização baseada em algoritmos fuzzy. O trabalho propõe duas novas distâncias adaptativas para o algoritmo fuzzy c-means e avalia seu desempenho em comparação com outras abordagens. Os resultados experimentais indicam que as novas versões do algoritmo fuzzy c-means com distâncias adaptativas geralmente apresentam melhor desempenho do que métodos similares disponíveis na literatura.
Similar to Análise de agrupamentos e regionalização - Prática no Geoda (20)
Relationships among socioeconomic affluence, yard management, and biodiversityVitor Vieira Vasconcelos
1) The study examined the relationships between socioeconomic factors, yard management practices, and biodiversity in residential yards in Gainesville, Florida.
2) A survey of 102 homeowners found that higher socioeconomic affluence (e.g. larger house size, value, land area) increased natural resource consumption like water and fertilizer use in yards.
3) However, yard biodiversity did not clearly increase with socioeconomic affluence and seemed more related to yard maintenance styles and cultural preferences. Professional yard maintenance was linked to lower reported plant diversity in back yards.
4) Spatial patterns in neighborhoods partially overlapped with socioeconomic patterns and influenced yard biodiversity and management.
O documento apresenta o jogo Fishbanks, uma simulação de gerenciamento de pesca. O jogo coloca os participantes no papel de empresas pesqueiras que competem entre si explorando três áreas de pesca (porto, águas costeiras e profundas) sujeitas a variações nas populações de peixes e capturas. O objetivo é maximizar o patrimônio líquido no fim do jogo por meio de estratégias de aquisição de barcos, alocação entre áreas e gestão dos custos e receitas da pesca.
Este documento discute regimes de apropriação de recursos naturais e bens de uso comum no Brasil. Ele explica que regimes de propriedade refletem as relações humanas com a natureza e podem ser sustentáveis ou não. O documento também descreve casos relevantes de bens de uso comum no Brasil, incluindo pesca, unidades de conservação, terras devolutas e terras indígenas.
O documento discute recursos comuns e a tragédia dos comuns. Apresenta o conceito de recursos comuns como aqueles que pertencem a todos os usuários e são de difícil controle de acesso. Explica a "tragédia dos comuns" como a situação em que o interesse individual de cada usuário leva ao esgotamento do recurso comum, contrariando o interesse coletivo de longo prazo. Discute estratégias como propriedade privada, regulação coletiva e valoração econômica para evitar esse problema.
Este documento discute as interações entre sistemas naturais e sociais por meio da ecologia humana, do conceito de capital natural e da modelagem de sistemas. Apresenta diferentes abordagens como a escola de ecologia humana de Chicago e a economia ecológica, além de tipos de capital como natural, humano e social. Explora também a modelagem sistêmica de relações ecológicas e o uso sustentável de recursos comuns.
Disciplina da Planejamento e Política Ambiental. Universidade Federal do ABC - UFABC, setembro de 2020.
Gravação de aula disponível em: https://youtu.be/KZOpbdhA-6A
Disciplina de Planejamento e Política Ambiental. Universidade Federal do ABC - UFABC. Setembro de 2020.
Gravação de aula disponível em: https://youtu.be/zFWhgfCITFI
Este documento apresenta as bases teóricas e conceituais do planejamento e política ambiental. Aborda a história destas áreas desde a Grécia Antiga, conceitos como ecologia, ecossistema e teoria dos sistemas, e marcos do pensamento ambiental como a Conferência de Estocolmo. Também define os conceitos de política, gestão, planejamento e gerenciamento ambiental e discute onde ocorre o planejamento ambiental.
O documento discute conceitos e abordagens de planejamento territorial, apresentando: 1) Os objetivos e escalas de atuação do planejamento territorial, como definir onde investir recursos de forma a reduzir desigualdades; 2) Os diferentes métodos e ferramentas de planejamento, como zoneamento ambiental e planos diretores; 3) A importância da participação social no processo de planejamento.
Este documento discute mapeamento participativo e coremática. Resume conceitos como cartografia social, mapeamento colaborativo e insurgente. Explica como coremática usa formas geométricas para interpretar qualitativamente territórios. Descreve como coremática pode ser usada em mapeamentos participativos para expressar dinâmicas espaciais. Finalmente, relata uma atividade prática de mapeamento colaborativo online usando ferramentas digitais.
O documento discute cartografia social e mapeamento participativo, comparando cartografias oficiais e sociais em diferentes casos como planejamento de ocupação do solo, manejo de recursos naturais, disputas territoriais e formação de identidades. Apresenta exemplos de mapeamentos colaborativos em favelas e assentamentos e cartografias insurgentes que contestam grupos dominantes.
Aula da disciplina de Território e Sociedade, Universidade Federal do ABC - UFABC, São Bernardo do Campo - SP, maio de 2020.
Gravação de aula disponível em: https://youtu.be/LXI3hpxYYIw
O documento discute os conflitos fundiários no Brasil, abordando tópicos como a geração de escassez artificial de terras, os conceitos de direito de propriedade, a reforma agrária e os movimentos de habitação urbana e rural. Apropriação indevida de terras, grilagem e falta de cumprimento da função social da propriedade são apontados como causas de conflitos que envolvem movimentos sociais como o MST e o MTST.
Este documento discute conflitos territoriais no Brasil, abordando conceitos como transterritorialidade, territórios de exceção e ondas de difusão espacial. Apresenta exemplos de disputas por território entre facções criminosas no Rio de Janeiro e analisa como grandes eventos esportivos impactaram a ocupação do solo urbano. Explora também relações territoriais de povos indígenas e a evolução da economia e do uso da terra ao longo da história brasileira.
Este documento descreve a história da Chácara da Baronesa, localizada entre Santo André e São Bernardo do Campo. A área foi originalmente um haras no século XX, mas passou por diferentes usos desde então, incluindo um conjunto habitacional planejado. Atualmente, a área é um parque estadual, porém existem conflitos sobre ocupações irregulares e questões ambientais. O documento analisa as relações de poder sobre este território ao longo do tempo.
O documento discute os conceitos de território, povo, nação, soberania e nacionalismo. Aborda exemplos como a situação de Puerto Rico, os povos curdos e palestinos, e os conflitos étnicos na África. Argumenta que as abordagens de governo baseadas em redes, ao invés de fronteiras, podem promover mais cooperação entre cidades no futuro.
O documento discute padrões de segregação e interação territorial em três dimensões: 1) Segregação territorial em diferentes escalas espaciais como bairros, cidades e estados; 2) Desenvolvimento desigual e combinado no capitalismo gerando assimetrias regionais; 3) Expansão urbana e processos de segregação e gentrificação nas cidades.
Aula da disciplina de Território e Sociedade, Universidade Federal do ABC (UFABC), São Bernardo do Campo, março de 2020.
Gravação de aula disponível em: https://youtu.be/T-ZMro0pOW0
1) O documento discute conceitos relacionados a território, sociedade, ambiente e representações de espaço.
2) Aborda a relação entre seres humanos e ambiente, assim como conceitos de paisagem, lugar, região e não-lugar.
3) Discutem-se representações e sentimentos ligados a paisagens, como a do Cristo Redentor no Rio de Janeiro.
Este documento discute conceitos fundamentais sobre espaço e território. Apresenta definições de termos como espaço geográfico, região, regionalização e território. Também aborda a interpretação do espaço com base em atributos como tamanho, forma, padrão e estrutura. Por fim, reflete sobre a constelação de conceitos relacionados ao espaço e território.
Análise de agrupamentos e regionalização - Prática no Geoda
1. ANÁLISE DE AGRUPAMENTOS
(Cluster Analysis)
Regionalização
Prática no Geoda
Vitor Vieira Vasconcelos
Flávia F. Feitosa
Métodos e Técnicas de Análise da Informação para o Planejamento
Agosto de 2019
2. • Análise de Agrupamentos
Medidas de similaridade
Métodos de agrupamento
o Em árvore (hierárquico)
o Médias K
o Regionalização - Skater
Prática no Geoda
Conteúdo
3. HAIR; BLACK; BABIN; ANDERSON; TATHAM. Análise
Multivariada de Dados. 6ª ed., 2009.
Capítulo 8 – Análise de Agrupamentos
Referência Principal
4. É uma técnica analítica pra identificar subgrupos
significativos de entidades homogêneas
(pessoas/objetos/lugares).
O objetivo é classificar uma amostra de entidades
em um número menor de grupos mutuamente
excludentes, com base nas similaridades entre as
entidades.
Busca por uma estrutura “natural” entre as
observações com base em um perfil multivariado.
HAIR; BLACK; BABIN; ANDERSON; TATHAM. Análise Multivariada de Dados. 6ª ed., 2009.
ANÁLISE DE AGRUPAMENTOS
5. Os agrupamentos resultantes de entidades devem
exibir elevada homogeneidade interna (dentro
dos agrupamentos) e elevada heterogeneidade
externa (entre agrupamentos).
ANÁLISE DE AGRUPAMENTOS
Idealmente, os
objetos dentro de um
agrupamento estarão
próximos quando
representados
graficamente, e
diferentes
agrupamentos estarão
distantes.
9. 1. Classificar os setores censitários de acordo com as
diferentes dimensões de justiça/injustiça ambiental.
2. Classificar os municípios de SP em função das diferentes
dimensões de violência contra a mulher
3. Classificar os bairros do ABC de acordo com a
quantidade/perfil dos lançamentos residenciais
4. Classificar os distritos de SP de acordo com as variáveis de
infraestrutura e entorno dos domicílios
5. …
Exemplos “inspirados” nos trabalhos
propostos pelos alunos
10. Conjunto de variáveis que representam as
características usadas para comparar objetos da
análise de agrupamentos. Deve ser especificado pelo
analista.
Exemplos considerando as propostas de trabalho
apresentadas ???
Variável Estatística de Agrupamento
12. Características da Análise
de Agrupamentos
1. É descritiva, não-teórica e não-inferencial
2. Sempre criará agrupamentos, independente da
existência real de alguma estrutura dos dados
3. Variedade de vias e critérios para a definição dos grupos,
o que possibilita a obtenção de soluções diferentes
4. Não é generalizável, pois é totalmente dependente das
variáveis usadas como base para a medida de
similaridade
15. 1. Medição de Similaridade
Agrupamentos são grupos de objetos semelhantes.
Precisamos, portanto, definir uma medida do grau de
similaridade/dissimilaridade entre os objetos.
É possível medir similaridade, por exemplo, de acordo com a
distância euclidiana entre cada par de observações.
16. 2. Formação de Agrupamentos
Definida a medida de similaridade a ser adotada,
precisamos formar agrupamentos com base na
similaridade de cada par de observações.
Esse procedimento deve determinar a pertinência de
cada observação para cada grupo formado.
17. 2. Formação de Agrupamentos
• Diminuir a variação entre agrupamentos
• Diminuir a variação dentro dos agrupamentos
18. 2. Formação de Agrupamentos
• Ligação entre grupos
1
2
1
2
1
2
1
2
3
4 5
3
4 5
3
4 5
3
4 5. .
Single-Linkage
Distância ao vizinho mais próximo
Complete-Linkage
Distância ao vizinho mais afastado
Average-Linkage
Distância média aos elementos
Centroid-linkage
Distância ao centro médio dos elementos
19. 3. Número de Agrupamentos
Quantos grupos usar?
1. Grupos que fazem sentido na hora de interpretar
2. Utilidade / tempo disponível do usuário
3. Menor variação dentro dos grupos
vs.
Maior variação entre os grupos
20. 3. Número de Agrupamentos
DILEMA
Menor nr. de agrupamentos &
Menor homogeneidade interna nos grupos
VS.
Maior nr. de agrupamentos &
Maior homogeneidade interna nos grupos
21. 3. Número de Agrupamentos
Procurar pelo “cotovelo”
Número de grupos
Variânciainternaaosgrupos
22. 3. Número de Agrupamentos
Indicadores
1. Variância interna entre os grupos
2. Distância entre os grupos
3. Variância interna
Variância interna + variância entre grupos
23. Métodos de Agrupamento
1. Agrupamento em árvore (tree clustering): método
aglomerativo hierárquico
2. K-médias (k-means): método não hierárquico por
repartição
3. Espacial – Regionalização via SKATER
25. Agrupamento em Árvore
Considere as seguintes observações:
Variável de
Agrupamento
Observação
A B C D E F G
Variável 1 (V1) 3 4 4 2 6 7 6
Variável 2 (V2) 2 5 7 7 6 7 4
HAIR; BLACK; BABIN; ANDERSON; TATHAM. Análise Multivariada de Dados. 6ª ed., 2009.
27. 0
2
4
6
8
0 2 4 6 8
V2
V1
D C
E
F
A
B
G
Agrupamento em Árvore
Como medimos similaridade?
Neste exemplo, utilizaremos a
distância euclidiana (linha reta)
entre cada par de observações
28. Matriz de Proximidade de Distâncias
Euclidianas entre Observações
Observação
A B C D E F G
A -
B 3,162 -
C 5,099 2,000 -
D 5,099 2,828 2,000 -
E 5,000 2,236 2,236 4,123 -
F 6,403 3,606 3,000 5,000 1,414 -
G 3,606 2,236 3,606 5,000 2,000 3,162 -
29. Matriz de Proximidade de Distâncias
Euclidianas entre Observações
Observação
A B C D E F G
A -
B 3,162 -
C 5,099 2,000 -
D 5,099 2,828 2,000 -
E 5,000 2,236 2,236 4,123 -
F 6,403 3,606 3,000 5,000 1,414 -
G 3,606 2,236 3,606 5,000 2,000 3,162 -
Menor Distância,
Maior Similaridade
30. Agrupamento em Árvore
(1) Identificar as observações mais próximas (E e F) e
combiná-las em um agrupamento
31. Agrupamento em Árvore
(2) Encontrar próximos pares de observações mais
semelhantes.
HAIR; BLACK; BABIN; ANDERSON; TATHAM. Análise Multivariada de Dados. 6ª ed., 2009.
34. Métodos de Agrupamento
1. Agrupamento em árvore (tree clustering): método
aglomerativo hierárquico
2. K-médias (k-means): método não hierárquico por
repartição
3. Espacial – Regionalização via SKATER
35. K-MÉDIAS
Gera k diferentes grupos com a maior distinção possível
entre eles.
Parte de k-conjuntos aleatórios e move os objetos entre
estes conjuntos com o objetivo de:
(1) Minimizar a variabilidade dentro dos conjuntos
(2) Maximizar a variabilidade entre conjuntos
37. Dados devem estar normalizados (por exemplo, entre 0 e 1) ou padronizados (z-escore)
38. Dados devem estar normalizados (por exemplo, entre 0 e 1) ou padronizados (z-escore)
39. Grupos de Entropia
• Grupos com poucos elementos, bastante diferentes
do restante da amostra
• Úteis para análise de valores atípicos
40. Métodos de Agrupamento
1. Agrupamento em árvore (tree clustering): método
aglomerativo hierárquico
2. K-médias (k-means): método não hierárquico por
repartição
3. Espacial – Regionalização via SKATER
41. 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
43. 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"
48. Prática no GeoDa
Dados Origem e Destino 2007 – Município de São Paulo
Estabelecer grupos de zonas semelhantes quanto à
proporção de viagens do tipo:
V1: “transporte coletivo”
V2: “transporte individual”
V3: “transporte não motorizado”
Arquivo: OD2007_SP.shp
66. Trabalho Final
4. RESULTADOS E DISCUSSÃO
Apresentação e interpretação dos resultados
Preparação dos Dados e Análise Exploratório
• Seleção das Variáveis, Estatísticas Descritivas, Mapas, Gráficos, Análise de Correlação,
Transformação de Variáveis (se necessário), autocorrelação espacial
Análise de Regressão Clássica
• Escolha e Ajuste do Modelo de Regressão
• Diagnósticos para verificar se o modelo ajustado é adequado (não esqueça de incluir o
diagnóstico de autocorrelação espacial dos resíduos)
• Analisar se será necessária uma análise de regressão espacial:
- Os resíduos da regressão estão correlacionados espacialmente?
- O Teste de Multiplicadores de Lagrange indica que uma regressão espacial aprimoraria o
modelo?
- O Critério de Informação de Akaike indica que um modelo de regressão espacial seria mais
efetiva que a regressão convencional?
Análise de Regressão Espacial
• Escolha de uma ou mais técnicas de análise de regressão espacial (spatial lag, spatial error
e/ou GWR).
• Explicar a(s) técnica(s) escolhida(s), reportar os resultados da regressão e os diagnósticos.
Análise de Agrupamento e/ou Regionalização
• Obrigatório se não fizer a regressão espacial
• Opcional (bônus extra) se fizer também a regressão espacial