Exercício Pontos Porto Alegre

Transcrição

1 Exercício Pontos Porto Alegre Figura 01 Visualização dos Eventos de Violência (mortalidade) para o município de Porto Alegre-RS Comentários Até aqui foram aberto o banco de dados Porto Alegre, e o projeto Porto Alegre, além disso, foram selecionados os eventos de mortalidade e o limite municipal e desenhados na tela.

2 Figura 02 Resultado do Estimador de Densidade Kernel largura da banda 2500 metros Comentários a grade ilustrada representa que a superfície do evento investigado esta amostrada.

3 Figura 03 Transformação da Grade Kernel em Imagem Comentário Transformação da grade Kernel em Imagem para a largura da banda de 2500 metros.

4 Figura 04 Visualização da Imagem Recortada de densidade Kernel para banda de 2500 metros Comentário A imagem foi recortada utilizando a ferramenta recortar plano de informação.

5 Figura 05 Visualização da Imagem Recortada em Cores para densidade Kernel de 2500 metros Comentário foram mudadas as cores associadas à imagem Kernel.

6 Figura 06 Fatiamento na Grade de Kernel para 2500 Comentário Fatiamento na grade Kernel e exibição da legenda de densidade.

8 Figura 08 - Transformação da Grade Kernel em Imagem Comentário Transformação da grade Kernel em Imagem para a largura da banda de 1500 metros.

17 Figura 17 Montagem da comparação das imagens Kernel 1500m, 2500m e 5000m Comentários Analisando a Grade visualmente para as três bandas de 1500 metros (à esquerda), 2500 metros (centro) e 5000 metros (à direita). A comparação entre os mapas mostra a grande importância de uma seleção apropriada do raio de busca no uso de kernel estimators.

18 Figura 18 Montagem da Visualização da Imagem Recortada em Cores para densidade Kernel de 1500m, 2500m e 5000m Comentários Analisando a Imagem Recortada em Cores para a densidade Kernel de 1500 metros (à esquerda), 2500 metros (centro) e 5000 metros (à direita) é possível perceber que há uma diferença na intensidade das amostras por unidade de área, sendo ela mais pontual na escala de 1500 metros e 2500 metros, e mais abrangentes na escala de 5000 metros, consequentemente a macha vermelha é bem maior nesta última.

19 Figura 19 Montagem da Visualização da Imagem Fatiada para densidade Kernel de 1500m, 2500m e 5000m

20 Comentário - Analisando a Imagem Fatiada em Cores para a densidade Kernel de 1500 metros (à esquerda), 2500 metros (centro) e 5000 metros (à direita) é possível perceber que há uma diferença na intensidade das amostras por unidade de área, sendo ela mais pontual, densa e detalhada na escala de 1500 metros e 2500 metros, e mais abrangentes na escala de 5000 metros, consequentemente a macha Vermelha de densidade Media Alta e Azul Escuro de densidade Baixa, só visíveis nas escalas de 1500m e 2500m. A escala de 5000m é mais abrangente e generaliza mais os resultados representando apenas duas grandes manchas de densidades Média e Baixa-Média.

21 Exercício Kernel para Bairros de São Paulo Figura 20 - Visualização dos Bairros do município de São Paulo Comentário - Até aqui foram aberto o banco de dados Bairro_SP, e o projeto Bairro_SP, além disso, foram selecionados os bairros de são Paulo e o limite da área.

23 Figura 22 Transformação da Grade Kernel em Imagem Comentário Transformação da grade Kernel em Imagem para a largura da banda de 3500 metros. Esta imagem em níveis de cinza representa a variabilidade espacial do porcentual de idoso sobre alguns bairros do município de São Paulo, as regiões mais claras da imagem indicam a localização aonde o porcentual de idosos são maiores, e as regiões escuras indicam onde o porcentual de idosos são menores.

24 Figura 23 Visualização da Imagem em outra escala de Cores para densidade Kernel de 3500 metros Comentário foram mudadas as cores associadas à imagem Kernel.

26 Figura 25 - Resultado do Estimador de Densidade Kernel largura da banda 1500 metros Comentários a grade ilustrada representa que a superfície do evento investigado esta amostrada.

28 Figura 27 - Visualização da Imagem Recortada de densidade Kernel para banda de 1500 metros Comentário A imagem foi recortada utilizando a ferramenta recortar plano de informação.

29 Figura 28 - Visualização da Imagem Recortada em Cores para densidade Kernel de 1500 metros Comentário foram mudadas as cores associadas à imagem Kernel.

30 Figura 29 - Fatiamento na Grade de Kernel para 1500 Comentário Fatiamento na grade Kernel e exibição da legenda de densidade.

31 Figura 30 - Resultado do Estimador de Densidade Kernel largura da banda 5000 metros Comentários a grade ilustrada representa que a superfície do evento investigado esta amostrada.

32 Figura 31 Transformação da Grade Kernel em Imagem Comentário Transformação da grade Kernel em Imagem para a largura da banda de 5000 metros.

34 Figura 33 Visualização da Imagem Recortada em Cores para densidade Kernel de 5000 metros Comentário foram mudadas as cores associadas a imagem Kernel.

36 Figura 35 Montagem da comparação das imagens Kernel 1500m, 3500m e 5000m Comentários Analisando a Grade visualmente para as três bandas de 1500 metros (acima à esquerda), 3500 metros (acima à direita) e 5000 metros (abaixo). A comparação entre os mapas mostra a grande importância de uma seleção apropriada do raio de busca no uso de kernel estimators.

37 Figura 36 Montagem da Visualização da Imagem Recortada em Cores para densidade Kernel de 1500m, 3500m e 5000m Comentários Analisando a Imagem Recortada em Cores para a densidade Kernel de 1500 metros (em cima à esquerda), 3500 metros (em cima à direita) e 5000 metros (abaixo) é possível perceber que há uma diferença na intensidade das amostras por unidade de área, sendo ela mais pontual na escala de 1500 metros e mais abrangentes na escala de 3500 e 5000 metros, consequentemente a macha vermelha é bem maior nestas duas últimas e mais pontual na primeira.

38 Figura 37 Montagem da Visualização da Imagem Fatiada para densidade Kernel de 1500m, 3500m e 5000m

39 Comentário - Analisando a Imagem Fatiada em Cores para a densidade Kernel de 1500 metros (acima à esquerda), 3500 metros (acima à direita) e 5000 metros (abaixo) é possível perceber que há uma diferença na intensidade das amostras por unidade de área, sendo ela mais pontual, densa e detalhada na escala de 1500 metros e mais abrangentes na escala de 3500 e 5000 metros. Em relação à localização das manchas da densidade Alta, temos que, se distribui em vários pontos na escala de 1500m e apenas um ponto na escala de 3500m, sendo ela bem pequena na escala de 5000m. Além disso, se pode concluir que nas escalas de 3500m e 5000m existem mais classes denominadas Média e Média-Alta, do que no mapa mais detalhado de 1500m.

40 Figura 38 Execução do Método do Vizinho mais Próximo Comentários Nesta figura, observando o gráfico pode-se perceber que ele apresenta um crescimento rápido para pequenos valores de distância, esta situação aponta para interação entre os eventos, caracterizando agrupamentos nesta escala.

41 Figura 39 Execução do Método do Vizinho Mais Próximo com Simulação Comentários De acordo com a análise do gráfico na figura acima, pode se dizer que os dados apresentam tendência para agrupamento porque se localizam acima da linha de 45º.

42 Figura 40 Aplicação da Função L (Oriunda da Função K) Comentário Analisando o gráfico na figura acima se pode perceber que existe uma tendência de dados positivos, isso significa que há evidencias de agregação na distribuição espacial dos eventos.

43 Figura 41 Execução da Função L com Simulação Comentários - Analisando o gráfico na figura acima se pode perceber que existe uma tendência da linha Estima acima das linhas superior e inferior, isso significa que ocorre um agrupamento na escala considerada.