Sistema de informação geográfica na integração do conhecimento científico e tecnológico da cafeicultura em Minas Gerais

Transcrição

1 Sistema de informação geográfica na integração do conhecimento científico e tecnológico da cafeicultura em Minas Gerais Tatiana Grossi Chiquloff Vieira 1 Vanessa Cristina Oliveira de Souza 2 Margarete Marin Lordelo Volpato 1 Lívia Naiara de Andrade 3 Helena Maria Ramos Alves 4 Carolina Gusmão Souza 3 1 Empresa de Pesquisa Agropecuária de Minas Gerais - EPAMIG/CTSM Caixa Postal Lavras - MG, Brasil 1 {tatiana, margarete}@epamig.ufla.br 2 Universidade Federal de Itajubá - Departamento de Matemática e Computação Caixa Postal Itajubá - MG, Brasil vanessa.vcos@gmail.com 3 Universidade Federal de Lavras - UFLA Caixa Postal Lavras - MG, Brasil {livia.naiara.andrade, carolinagusmaosouza}@gmail.com 4 Empresa Brasileira de Pesquisa Agropecuária - EMBRAPA CAFÉ Parque Estação Biológica-PqEB, s/nº, Edifício Sede Embrapa , Brasilia-DF helena@embrapa.br Abstract. Minas Gerais State produces 50% of Brazilian coffee. The Agricultural Research Corporation of the State of Minas Gerais (EPAMIG) is responsible for research and development related to the coffee crop in the state. In partnership with the Brazilian Coffee Research and Development Consortium (CBP & D / Café) EPAMIG has being investigating, since 2000, in the areas of genetic improvement, management, incidence of pests and diseases, quality of the drink, quality of seeds, land use and environmental characterization. The aim of this study is to improve knowledge management of the coffee's research performed at EPAMIG using geotecnologies, more precisely, through integration of data on a single, centralized and georeferenced database. Data were selected, pre-processed, and integrated into a database developed with OMT-G's model. GIS Spring and PostgreSQL DBMS were also used. The organization, unification and spatializing allows better management of data gathered in 12 years of research, providing subsidies to generate new knowledge and a macro view of these results. It is expected that the database set assists managers and researchers to clarify doubts and validate models, particularly in decision-making for Minas Gerais coffee growing. Palavras-chave: GIS, coffee growing, knowledge management, geotechnology, SIG, Ambientes Cafeeiros, Gestão da Informação, Geotenologias, OMT-G. 1. Introdução A Empresa de Pesquisa Agropecuária de Minas Gerais (EPAMIG), constituiu-se, desde 1974, ano de sua fundação, na principal instituição de execução de pesquisa agropecuária de Minas Gerais e tem a função de apresentar soluções para o complexo agrícola. O Consórcio Brasileiro de Pesquisa e Desenvolvimento do Café (CBP&D/Café) atua no em Minas há cerca de doze anos e, em parceria com a EPAMIG, vem realizando pesquisas em diversas áreas da cafeicultura. As fazendas experimentais certificadas da EPAMIG, localizadas em São Sebastião do Paraíso, Machado e Três Pontas alocam grande parte dos experimentos em diversas áreas da cafeicultura, dentre elas melhoramento genético, sementes, pragas, qualidade de bebida, caracterização ambiental e uso da terra com café. Observa-se, no 0688

2 entanto, que os dados relativos a essas pesquisas são visualizados e publicados sempre de forma individual, cada qual em sua área de trabalho específica. Sabendo-se que os eventos agrícolas nunca ocorrem de forma isolada, surgiu então a necessidade de construir uma base de dados unificada, onde as informações das diferentes áreas pudessem ser visualizadas e trabalhadas em conjunto. Outra necessidade era a de visualizar e relacionar todos esses dados espacialmente, visto que a localização geográfica é, para a agricultura, um atributo que pode mostrar e explicar muito dos eventos. Para Davis e Laender (1999), os sistemas de informação geográfica (SIGs) são eficientes ferramentas computacionais integradoras porque são capazes de manipular diferentes formatos e tipos de informação. Eles realizam análises complexas, ao integrar e manipular dados alfanuméricos com dados geográficos, por meio de um banco de dados georreferenciado, provendo uma base consistente para análise e consulta espacial. Exemplos dessas consultas para a cafeicultura mineira podem ser: Existe correlação espacial entre a ferrugem do cafeeiro e a temperatura e pluviosidade? Existe correlação espacial entre a qualidade da bebida e a classe de solo? Na região de Três Pontas a área plantada de café tem aumentado? As geotecnologias melhoram a qualidade e a disponibilidade de informações e conhecimentos importantes para a pesquisa, extensão, produtores e gestores. O entendimento das relações entre os sistemas de produção e o ambiente, e o fornecimento de subsídios para a visualização interdisciplinar de dados complexos também podem ser alcançados com as geotecnologias. Segundo Nonaka & Takeuchi (1995), gestão do conhecimento é a abordagem de integrar, identificar, gerir e partilhar toda a informação da empresa seja ela, base de dados, políticas, procedimentos, cultura, processos e assim como todas as experiências pessoais dos colaboradores. A gestão do conhecimento possui ainda o objetivo de controlar, facilitar o acesso e manter um gerenciamento integrado, buscando pelo bom desempenho nas organizações com um contexto organizacional favorável para a inovação e a obtenção de informações para a criação do novo. Sendo assim, essa pesquisa parte da hipótese de que, utilizando geotecnologias, é possível integrar, gerir informações e descobrir novos conhecimentos, visto que as mesmas facilitam a avaliação dos agroecossistemas cafeeiros. Para tanto, o objetivo principal desse trabalho foi modelar e implementar uma base de dados geográfica espaço-temporal com os resultados dos últimos dez anos de pesquisas em café da EPAMIG vinculados ao CBP&D/Café. Pretende-se com essa base, integrar as áreas que compõem o agronegócio café mineiro, visando a gestão da informação e a produção de novos conhecimentos por meio da análise espacial, e facilitar decisões de política cafeeira Banco de Dados Geográfico e Modelagem Conceitual Define-se o termo banco de dados (do original database) como uma coleção logicamente coerente de dados com determinado sentido, cuja finalidade é o armazenamento organizado dessas informações, visando à otimização dos sistemas, facilitando a entrada, alterações, processamentos e consultas de dados. Um banco de dados representa algum aspecto do mundo real e é projetado, construído e populado com dados para uma finalidade específica. O banco é manipulado por um sistema de software de uso geral chamado sistema gerenciador de banco de dados (SGBD) (Fanderuff, 2003; Elmasri & Navathe, 2011). O diferencial dos bancos de dados geográficos (BDG) está no tipo de dado tratado por esses bancos. Dado espacial ou geográfico é um termo usado para representar fenômenos do mundo real através de duas componentes: sua localização geográfica e seus atributos descritivos. A localização geográfica é representada por coordenadas em um sistema de 0689

3 coordenadas específico, onde uma coordenada é um número que representa uma posição relativa a um ponto de referência (Ferreira, 2003). No âmbito desse trabalho, a vantagem de utilizar um banco de dados geográfico em relação ao comum é a possibilidade de se espacializar os dados, tornando mais fácil a leitura e a interpretação dos mesmos, porque, em conjunto com o SIG, ele amplia a capacidade de visualização, o que proporciona um entendimento abrangente da cafeicultura mineira. De forma simplória, o primeiro passo para implementar um banco de dados geográfico é definir qual o objetivo do banco; posteriormente é necessário modelar esse sistema, integrar os dados no banco e, por fim, realizar as análises desejadas. A modelagem de dados refere-se ao processo de criar um modelo de dados específico para um determinado problema de domínio. Um modelo de dados é uma representação relativamente simples, normalmente gráfica, de estruturas de dados reais mais complexas. Sua principal função é auxiliar na compreensão das complexidades do ambiente real. No ambiente de bancos de dados, um modelo representa estruturas de dados e suas características, relações, transformações e outros elementos que tenham a finalidade de dar suporte ao problema específico de um domínio (Rob & Coronel, 2011; Casanova et al., 2005). Segundo Lisboa Filho (2000), os bancos de dados geográficos impõem uma série de requisitos de modelagem que devem ser atendidos pelos modelos conceituais de dados para as aplicações de SIG. Este problema tem levado ao desenvolvimento de diversas propostas de extensão dos modelos conceituais tradicionais, como o OMT-G (Object ModelingTechnique for Geographic Applications), um modelo de dados conceitual, desenvolvido por Borges (1997), baseado no diagrama de classe OMT (Object Modeling Technique). O OMT-G contém recursos para modelar aplicações geográficas, incluindo classes de objetos, relacionamentos convencionais e espaciais, e restrições de integridade espaciais. Assim, o OMT-G provê primitivas para modelar a geometria e a topologia dos dados geográficos, além de permitir a especificação de atributos alfanuméricos e métodos associados para cada classe (Borges, 1997). 2. Metodologia A figura 1 apresenta o fluxograma de atividades desenvolvidas no trabalho. As etapas apresentadas no fluxograma serão detalhadas nas próximas sessões. 2.1.Seleção e Organização dos dados A etapa de seleção e organização lógica dos dados foi composta por quatro atividades: Aquisição dos dados, análise e avaliação, limpeza e padronização e georreferenciamento. O grande objetivo dessa etapa era selecionar os dados que comporiam a base de dados, garantir sua qualidade e importância no contexto da cafeicultura mineira. Aquisição dos dados Dados selecionados, limpos e padronizados Implementação no SIG BD Geográfico Análise e avaliação Modelagem Conceitual Consultas espaciais Mapas, gráficos, relatórios Limpeza e padronização Modelagem Lógica Georreferenciamento Seleção e Organização dos dados Modelagem Figura 1 : Fluxograma de atividades. 0690

4 Na atividade de aquisição dos dados, os resultados obtidos nas pesquisas em café da EPAMIG vinculadas ao CBP&D/Café foram coletados. Alguns dados estavam em formato digital (planilhas eletrônicas), outros em formato analógico (planilhas e relatórios técnicos em papel). Além desses, dados de outros órgãos públicos, produzidos por outros setores e dados cartográficos também foram adquiridos, como dados meteorológicos e produtos de sensoriamento remoto, tais como índices de vegetação e imagens de satélite. A atividade de análise e avaliação dos dados foi talvez a mais complexa dessa etapa. Era necessário entender a semântica dos resultados obtidos, a fim de decidir sobre a permanência ou não daqueles dados no banco de dados. Isso porque nem todo conhecimento gerado, recuperado ou desenvolvido pelos projetos de pesquisa poderia ser armazenado. Foi necessário decidir também a implicação de deixar de fora do banco dados que estivessem em formato analógico e dados que não estavam georreferenciados. Foi necessário haver uma interação entre a equipe do projeto e os pesquisadores do programa envolvidos nos processos para que essa análise fosse completa. No fim, dados analógicos e não georreferenciados considerados importantes foram mantidos. Os dados analógicos foram digitalizados. Definidos os dados que estariam no banco, esses passaram por um processo de limpeza e padronização. A limpeza visou retirar dados incompletos, ou com valores anormais, frutos de anotações/digitações errôneas. A padronização visou criar padrões para tudo que era comum entre as diversas áreas de pesquisa. Foram padronizadas as formas de se referir às fazendas experimentais, às doenças e pragas do cafeeiro, às cultivares, variáveis climáticas e ambientais, tipos de solos e demais variáveis encontradas. Na atividade de georreferenciamento, campanhas de campo foram realizadas para georreferenciar aqueles dados que necessitavam e também para conferir alguns pontos que apresentaram problemas. No final dessa etapa, os dados limpos, padronizados e georreferenciados estavam prontos para a próxima etapa : a modelagem dos dados. Uma observação importante é que a grande maioria dos dados encontravam-se em planilhas eletrônicas, mesmo os georreferenciados. A descrição desses dados, localização geográfica e se estão em formato cartográfico ou alfanumérico são apresentados nas Tabelas 1 e Modelagem Como já foi dito, a modelagem é o processo de abstração do mundo real, de forma a simplificá-lo e transportá-lo para dentro do computador. O propósito de um modelo conceitual é a comunicação entre as várias partes envolvidas no desenvolvimento. Um modelo conceitual adiciona segurança extra ao processo de desenvolvimento. Ele ajuda a detectar erros e interpretações incorretas durante a fase inicial de desenvolvimento (Daum, 2004). Tabela 1: Dados de entrada do projeto, oriundos de pesquisas do programa café da EPAMIG. Dado Descrição Local Formato Qualidade de Teste de germinação (viabilidade), grãos Fazendas certificadas da Alfanumérico sementes brocados, moca, semente sem embrião Epamig Incidência de Pragas e Doenças Melhoramento Genético Qualidade de Bebida Bicho mineiro, Broca, Ferrugem São Sebastião do Paraíso Alfanumérico Progênies, Produtividade Vigor vegetativo, Época de maturação,cultivar, Resistência ph, acidez total titulável, açúcares, olifenóis, cafeína, atividade da polifenoloxidase Análise sensorial: Prova de xícara,classificação física Lavras, Três Pontas, Machado e São Sebastião do Paraíso Mesorregiões Triângulo Mineiro, Alto Paranaíba, Sul de Minas e Zona da Mata Alfanumérico Alfanumérico 0691

5 Uso da Terra Uso e ocupação da terra com café Três Pontas, Machado, São Sebastião do Paraíso Imagens Landsat, Spot, Rapideye Três Pontas, Machado, Multiespectrais São Sebastião do Paraíso Caracterização Ambiental Dados das fazendas da Epamig Declividade, Orientação de vertente, Altitude, Solos Mapas planialtimétricos Sul de Minas Gerais Fazendas certificadas da Epamig (CAD) Tabela 2 : Dados de entrada do projeto, oriundos de fontes diversas. Dado Descrição Local / Uso da Terra (CafeSat) Qualidade de Bebida (UFLA) Dados INDE Dados IBGE Georreferenciado alfanumérico Uso e ocupação da terra com café Minas Gerais Sim Trigonelina, Cafeína, Ácido-5- cafeiolquínico, Nota (qualidade sensorial), Altitude Divisão estadual, Divisão municipal, Divisão de micro, macro e mesoregiões Mapa de Solos Drenagem, Curvas de Nível, Área plantada, Área colhida, Produção Minas Gerais Sim Minas Gerais Sim Minas Gerais Alfanumérico Sim SRTM Grade de altitude Minas Gerais Sim ASTER GDEM Grade de altitude Minas Gerais Sim ZEE Temperatura Precipitação Índice de Umidade Minas Gerais Sim AGRITEMPO Dados Meteorológicos Minas Gerais Alfanumérico Sim Imagens Landsat Mosaico Geocover Minas Gerais Sim A etapa do modelo conceitual é uma das mais importantes do projeto de banco de dados, pois, se for mal definida, irá gerar uma estruturação de dados ineficiente. No caso do dado geográfico, a modelagem conceitual permite determinar o modelo mais adequado para representação de cada dado, para integrá-los livre de conflitos e prever as possíveis dificuldades para a geração dos produtos cartográficos e para executar as consultas necessárias (Carvalho & Gherardi, 2005). Neste trabalho, o modelo conceitual foi feito com o OMT-G. O modelo lógico mapeia o modelo conceitual para o SGBD escolhido. É a representação do banco de dados conforme visto pelo SGBD, sendo portanto, dependente de software. No caso dos dados geográficos, quem implementa o banco de dados de fato, é o SIG. Sendo assim, a modelagem lógica é o mapeamento do modelo conceitual (OMT-G) para os modelos do SIG escolhido. Neste trabalho, o SIG utilizado foi o SPRING (Câmara et al., 1996), versão 5.0. O SGBD utilizado foi o PostgreSQL. Assim, no modelo lógico, definiu-se o Banco de Dados, Projeto, Categorias e os Planos de Informação (PI s) necessários para operar no SPRING. 2.3.Implementação no SIG e Banco de dados geográfico A área do projeto compreende as coordenadas de latitudes Sul 23º 35 a 13º 15 e de longitudes Oeste 51º 55 a 39º 20, correspondentes ao estado de Minas Gerais. As categorias foram sendo criadas de acordo com o OMT-G. 0692

6 Como a maioria dos dados eram dados pontuais (geometria em formato de ponto) e estavam georreferenciados, porém em planilhas eletrônicas, na importação desses para o SPRING, foi utilizado um recurso adicional : o software TerraView (INPE, 2012). Esse software possui uma interface para entrada de dados geográficos chamada importar tabela de pontos, onde os dados podem ser importados a partir de arquivos no formato CSV (Valores Separados por Vírgula). Os dados foram exportados nesse formato da planilha eletrônica, importados no TerraView, exportados daí em shapefile e importados no SPRING como cadastrais. As bases não cartográficas associadas conceitualmente a geometrias diferentes de pontos tiveram sua base cartográfica criada e, posteriormente, foram associadas informações nãoespaciais a tal base. As bases cartográficas em formato CAD tiveram seus dados vetoriais exportados em formato DXF e foram importadas automaticamente. As demais bases cartográficas foram exportadas de suas bases atuais em formato shapefile e geotiff e importadas para o sistema. Ao inserir no SIG, o BD geográfico é populado. Ao final desse processo, as informações contidas no banco de dados podem ser consultadas e analisadas via SIG, que também fornece meios para a exportação de mapas e tabelas. 3. Resultados e Discussão A figura 2 apresenta um exemplo de resultado do trabalho efetuado. Os dados de qualidade da bebida (análise sensorial) foram cedidos por pesquisadores em formato de planilha eletrônica e, depois de limpos e padronizados (Figura 2a) foram importados para o TerraView (Figura 2b) e, por fim, importados para o SPRING, onde podem ser cruzados com outras informações relevantes (Figura 3c), como o mapa de altitude. Figura 2 : Processo de integração e resultado. (a) Dados em formato de planilha eletrônica depois de limpos e padronizados. (b) Visualização desses dados no TerraView. (c) Os dados foram integrados a base centralizada e georreferenciada, podendo ser cruzada com outras informações, como o mapa de altitude. O resultado principal desse trabalho é que todas as bases de dados inicialmente fragmentadas foram organizadas, padronizadas e integradas numa única base georreferenciada, propiciando uma forma melhor de explorar esse conteúdo. Outro aspecto relevante é que, além de ter unificado dados das diversas áreas do conhecimento, a base também unificou dados de cada área, no espaço e no tempo, o que abriu um espectro amplo de possibilidades de exploração dos dados. 0693

7 Após essa integração, a aplicação mais imediata é a visualização espacial, que por si só permite identificar padrões espaciais nos dados, testar novas hipóteses, bem como avaliar modelos propostos. A associação de dados espaciais e dados que descrevem a cafeicultura mineira oferece outras possibilidades de exploração via SIG. Consultas espaciais e por atributo podem ser realizadas, de forma a cruzar as informações das diversas áreas do conhecimento. Uma etapa importante a partir de agora é educar os pesquisadores das áreas integradas, para que eles possam fazer o uso adequado e útil dessa base de dados. Segundo Gahegan et al. (2001), compreender o modelo de dados é crucial em um ambiente de construção de conhecimento e os usuários podem ganhar novos conhecimentos ao inspecionar, interpretar e validar esse modelo. Por outro lado, como cita Rossetti e Morales (2007), embora a tecnologia da informação, nesse caso o SIG, seja recurso excelente e valioso no suporte à gestão do conhecimento, convém lembrar que só a tecnologia não é suficiente. A gestão do conhecimento vai além da simples utilização de ferramentas de TI, deve ocupar-se de outros fatores intrinsecamente ligados a características humanas. Os pesquisadores possuem conhecimentos tácitos sobre a cafeicultura mineira (expertise knowledge), ou seja, conhecimentos adquiridos ao longo de suas carreiras e que não estão formalizados, registrados ou documentados. Apesar de valioso, esse tipo de conhecimento é de difícil captura, registro e divulgação, exatamente por estar ligado à comunicação pessoal. O processo de análise e avaliação dos dados descrito no item 2.1 permitiu que parte desse conhecimento tácito fosse verbalizado e transformado em informações úteis, agora persistentes no banco de dados. Essa etapa, aliás, foi a maior dificuldade encontrada no desenvolvimento desse trabalho, juntamente com a padronização dos dados, pois ambas dependiam muito de iteração com os pesquisadores e com o entendimento semântico dos dados. Outra dificuldade encontrada foi com os diversos tipos e formatos de dados adquiridos. De fato, a etapa de seleção e organização dos dados como um todo foi a que mais demandou tempo e recursos humanos. Porém, as variáveis e dados selecionados para o estudo se mostraram válidos e com qualidade suficiente para análises e demais estudos. Espera-se que a base criada auxilie os gestores e pesquisadores no esclarecimento de dúvidas, validação de modelos e, principalmente nas tomadas de decisão para a cadeia produtiva da cafeicultura mineira. De fato, Silva (2008) diz que não basta agregar valor às informações, transformando-as em conhecimento, mas que as pessoas e as organizações possam fazer bom uso dos conhecimentos adquiridos. 4. Considerações Finais A organização, unificação e espacialização das informações permitiu uma melhor gestão da informação dos resultados de doze anos de pesquisa da EPAMIG, fornecendo os subsídios necessários para gerar novos conhecimentos, fornecendo uma visão macro desses resultados e contribuindo com os programas de pesquisa, certificação, rastreabilidade, indicação geográfica e sustentabilidade da cafeicultura do Estado. O desafio agora é manter essa base atualizada e sendo utilizada para por todos interessados. Para tanto, ao final do projeto que financiou este trabalho está previsto a disponibilização do banco geográfico na web. Com a disseminação e uso por um maior número de usuários envolvidos com pesquisas cafeeiras, diminui-se os custos para projetos futuros e facilita o embasamento para definição de políticas públicas. A solução mais eficiente para este problema é fornecida pelo WebMapping, ou seja, a distribuição de informações espaciais através de um web server. A solução será implementada dentro do Portal GeoSolos da EPAMIG ( criado para disponibilizar as informações georreferenciadas da cafeicultura mineira. 0694

8 Agradecimentos Os autores agradecem ao apoio da Fundação de Amparo à Pesquisa de Minas Gerais (FAPEMIG), CAPES, CNPq e ao CBP&D/Café pelos recursos financeiros para o desenvolvimento do projeto e bolsas. Referências Bibliográficas Referências: Borges, K. A. V. Modelagem de dados geográficos: uma extensão do modelo OMT para aplicações geográficas p. Dissertação (Mestrado em Ciências Exatas e da Terra) Fundação João Pinheiro, Belo Horizonte, Câmara, G.; Souza, R. C. M.; Freitas, U. M.; Garrido, J. SPRING: Integrating remote sensing and GIS by objectoriented data modelling. Computers & Graphics, v.20, n.3, p , May/June Carvalho, M., Gherardi, D.F.M.; Modelagem de um banco de dados geográfico para mapeamento da sensibilidade ambiental ao derramamento de óleo na zona costeira. In: Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 12., 2005, Goiânia. Anais... São José dos Campos: INPE, Casanova, M.; Davis, Jr. C.; Vinhas, L.; Queiroz, G. R. E.; Câmara, G. (2005) Banco de dados Geográfico. Editora MundoGeo, São Paulo. 506 p. Daum, B. Modelagem de objetos de negócio com XML. Rio de Janeiro/RJ: Elsevier, ISBN Elmasri, R.; Navathe, S. B. Sistemas de banco de dados. 6. São Paulo: Pearson Addicson Wesley, ISBN Fanderuff, D. Dominando o Oracle 9i : Modelagem e Desenvolvimento. São Paulo: Pearson, ISBN Ferreira, K. R. Interface para operações espaciais em banco de dados geográficos Dissertação (Mestrado em Computação Aplicada), Instituto Nacional de Pesquisas Espaciais - INPE, São José dos Campos/SP. Gahegan, M., Wachowicz, M., Harrower, M., Rhyne, T.; The Integration of Geographic Visualization with Knowledge Discovery in Databases and Geocomputation. Cartography and Geographic Information Science. v 28 n. 1, INPE, Instituto Nacional de Pesquisas Espaciais. Sofware TerraView. Disponível em Acesso em 16 de novembro de Lisboa Filho, J.; Projeto conceitual de banco de dados geográficos através da reutilização de esquemas, utilizando padrões de análise e um framework conceitual. Tese (Doutorado em Ciência da Computação). Universidade Federal do Rio Grande do Sul. Porto Alegre/RS, Nonaka, Ikujiro & Takeuchi, Hirotaka. Criação de conhecimento na empresa. Rio de Janeiro: Campus, Rob, P.; Coronel, C. Sistemas de banco de dados - projeto, implementação e administração. 8. São Paulo: Cengage Learning, ISBN Rossetti, A.G., Morales, A.B.T.; O papel da tecnologia da informação na gestão do conhecimento. Ciência da Informação, v 36, n 1,