Qualidade de Dados Geoespaciais

Transcrição

1 Universidade Federal do Rio Grande do Sul Instituto de Informática Curso de Pós-Graduação em Ciência da Computação Qualidade de Dados Geoespaciais por Eliseu Weber, Roni Anzolch, Jugurta Lisboa Filho Andréia Castro Costa e Cirano Iochpe RP-293 Março/1999 Relatório de Pesquisa ÓRGÃOS FINANCIADORES: RHAE / CNPq UFRGS - II - CPGCC Caixa Postal CEP Porto Alegre - RS - BRASIL Telefone: (051) Fax: (051) PGCC@INF.UFRGS.BR

2 2 Resumo O presente relatório descreve os resultados obtidos na pesquisa de padrões internacionais de metadados (implementados ou propostos) e no estudo das categorias de metadados abrangidas pelos diversos padrões. Contém uma revisão de conceitos básicos relacionados a geodados, tipos de aplicações de metadados e aspectos relacionados à sua produção, além de um comparativo entre os padrões existentes. Enfoque especial é dado nos metadados de qualidade. Traz ainda a experiência do grupo na documentação de dados de uma aplicação real de Sistema de Informação Geográfica utilizando um dos padrões estudados, com relato das dificuldades encontradas. Palavras-chaves: Qualidade, dados geoespaciais, metadados, padrões de metadados. Abstract This report describes results obtained on a review of the implemented or proposed international metadata standards and on the study of metadata categories included by these standards. Contains a review of basic concepts related to geodata, metadata applications, aspects related to metadata production and a comparison between the existing standards. Special focus is given on quality metadata. Brings still the experience of the working group on a GIS application data documentation using one of the studied standards and relates the difficulties encountered on the work. Keywords: Quality, geospatial data, metadata, metadata standards.

3 3 Agradecimentos Ao programa de fomento à pesquisa RHAE/CNPq, pela concessão de recursos na forma de bolsas; Ao convênio GTZ-FEPAM, em cuja aplicação de SIG se baseou a documentação dos dados, possibilitando uma experiência com dados espaciais reais;

4 4 Conteúdo Lista de Figuras Introdução Metadados Tipos de aplicações de metadados Transferência Acesso e disponibilização de dados Interoperabilidade Metadados de qualidade Linhagem Acurácia Consistência lógica Completeza Cobertura de nuvens Precisão Erro Problemas na produção e implementação de metadados Padrões de Metadados Geoespaciais Spatial Data Transfer Standard - SDTS Content Standards for Digital Geospatial Metadata - CSDGM Spatial Archive and Interchange Format - SAIF CEN TC ANZLIC GCMD/NASA Dublin Core Principais categorias de metadados Critérios para escolha do padrão de metadados Estudo de Caso Resultados e considerações sobre a aplicação da bacia do rio Caí Catálogo de Metadados Catálogo de metadados do FGDC Considerações Finais Bibliografia ANEXO 1 - Exemplo de Relatório de Documentação de Dados... 33

5 5 Lista de Figuras FIGURA 1 - Localização da bacia do rio Caí no Estado do Rio Grande do Sul e na área do programa Pró-Guaíba FIGURA 2 Imagem de satélite classificada com os diferentes usos do solo na área da bacia do rio Caí FIGURA 3 Mapa com a hidrografia, divisas municipais e pontos de deposição de resíduos sólidos na área da bacia do rio Caí... 26

6 6 1 Introdução A humanidade já faz uso de informação espacial há vários séculos, tendo reconhecido seu valor em uma série de atividades importantes, como a navegação, a demarcação de territórios, a elaboração de estratégias militares e comerciais, entre outras. Inicialmente a informação espacial era manuseada na forma de mapas manuscritos ou impressos. A partir da década de 60, em paralelo com o desenvolvimento dos computadores eletrônicos, iniciou-se na América do Norte a pesquisa e o desenvolvimento de sistemas de informação especialistas para tratar e analisar esse tipo de informação, denominados sistemas de informação geográfica - SIG [TEI 95, ANT 91]. Na década de 80 o desenvolvimento e a difusão desses sistemas experimentou um impulso significativo, verificando-se aplicações nas mais diversas áreas de conhecimento, tanto no setor público quanto no setor privado. A produção de software para aplicações geográficas logo atingiu um caráter fortemente comercial, a ponto de haver nos Estados Unidos no final dos anos 80 nada menos do que 62 sistemas diferentes já registrados [PAR 89]. Originou-se a partir de então uma intensa demanda por dados espaciais digitais. No início, cada órgão, instituição ou empresa produzia sua própria base de dados para preencher necessidades específicas da aplicação pretendida. Uma grande quantidade de dados espaciais de diversas regiões começou a ser armazenada em meio digital. A confecção da base de dados tornou-se a etapa mais crítica, longa e onerosa das aplicações de SIG. No início da década de 90, estimativas mostravam que a base de dados totalizava um custo cerca de 10 vezes superior ao do software SIG e 100 vezes superior ao do hardware [BUR 92]. O elevado custo de estruturação de uma base de dados e a facilidade de reproduzir dados em meio digital tornou necessário evitar a redundância na confecção e no armazenamento. Com essa finalidade, em vários países a produção e distribuição de dados espaciais digitais foi normatizada e regulamentada, tornando-se uma atividade comercial executada em alguns países pelo setor público e em outros pela iniciativa privada. Além da redução de custos, a produção normatizada trouxe como vantagem adicional o fato de que todas as aplicações realizadas sobre uma determinada região utilizassem a mesma base de dados geográfica e pudessem, dessa forma, em qualquer momento ser confrontadas ou integradas. Resolveu-se em parte os problemas decorrentes do uso de bases distintas por diferentes usuários, mas uma nova lacuna surgiu no que se refere ao conhecimento, por parte dos usuários, das características dos dados digitais disponíveis. Para que os dados pudessem ser utilizados com segurança pela diversificada comunidade de usuários tornou-se necessário prover algumas informações básicas sobre a qualidade desses dados. As informações que descrevem dados ou conjuntos de dados são denominadas de metadados. A informação prestada pelos metadados representa uma substancial economia de recursos na pesquisa e busca de dados geoespaciais existentes, bem como no monitoramento, controle e aquisição dos mesmos. Sua importância reside, entre outras coisas, no fato de possibilitarem avaliar o grau com que um conjunto de dados satisfaz as necessidades de uma determinada aplicação geográfica e inferir o produto que pode ser esperado como resultado de uma análise com eles efetuada. Na tentativa de organizar os metadados para facilitar seu uso na localização e acesso a dados geográficos surgiram várias propostas de padrões de metadados. Os padrões

7 7 estabelecem categorias e elementos de metadados necessários para descrever adequadamente os dados. As iniciativas mais significativas no estabelecimento de padrões ocorreram no início da presente década nos Estados Unidos, com o trabalho coordenado pelo Federal Geographic Data Comittee (FGDC). Logo depois surgiram estudos sobre outros padrões no Canadá, na Europa e na Austrália. Atualmente, com a facilidade de distribuição de dados on-line através da Internet, o tema metadados geoespaciais voltou a ganhar relevância sob aspectos como interoperabilidade, compartilhamento, disponibilidade, busca e transferência de dados [TIM 96]. Até agora já foram propostos diversos padrões, os quais encontram-se em diferentes estágios de desenvolvimento, alguns ainda em nível conceitual e outros já implementados. Esses padrões de metadados são alvo de intensa pesquisa na tentativa de identificar um conjunto satisfatório de metadados que possa suprir as necessidades de documentação de dados geoespaciais. Para o Brasil, a pesquisa com metadados geoespaciais torna-se área importante devido ao contato com a tecnologia de SIG ser muito recente. A primeira oportunidade do público em geral trabalhar com esses sistemas ocorreu no final dos anos 80, durante o período da reserva de mercado de informática, através do software SGI, produzido pelo Instituto Nacional de Pesquisas Espaciais (INPE). O desenvolvimento das primeiras aplicações foi lento e em pequeno número e o meio acadêmico tardou a incorporar a nova tecnologia nos currículos de cursos relacionados a aplicações geográficas. Somente nos últimos anos é que se verificou um sensível acréscimo na difusão de aplicações geográficas no País, resultado do surgimento de microcomputadores de maior capacidade de processamento e de softwares mais eficazes e de menor custo, bem como da participação do setor privado, entre outros fatores. Passada uma década do contato inicial com a tecnologia de SIG no País, existe atualmente uma forte demanda por bases de dados geoespacias digitais, sendo que muitas instituições ainda estão iniciando a sua produção. Por estar em um estágio inicial, a geração de bases de dados espaciais digitais é um setor que carece do estabelecimento de normas e regras para facilitar o posterior intercâmbio e evitar a redundância na produção. Praticamente em todos os encontros recentes de especialistas e usuários na área de geoprocessamento, bastante atenção tem sido dada a uma série de aspectos referentes à produção e distribuição de dados. A vantagem de se criar em âmbito nacional um mecanismo para auxiliar as instituições no compartilhamento de dados geoespaciais tem sido bastante discutida [RIB 96, GUI 97, WEB 98]. Contudo, é aconselhável não esquecer que tão importante quanto produzir e distribuir dados geoespaciais confiáveis é prover informações sobre esses dados que permitam seu emprego correto por parte dos usuários. O presente relatório, no âmbito do projeto SIGMODA, reúne os resultados de um estudo sobre os padrões de metadados existentes com o objetivo de fornecer subsídios para a adoção de um padrão em nível nacional. O Capítulo 2 apresenta conceitos relacionados a metadados geoespaciais, principais tipos de aplicação e problemas relacionados à produção e implementação de metadados. O Capítulo 3 descreve os padrões de metadados mais importantes e relaciona as principais categorias de metadados. No Capítulo 4 é apresentado um estudo de caso relatando a experiência de documentação de conjuntos de dados espaciais pertencentes à aplicação da bacia hidrográfica do Rio Caí, com base em um dos padrões de metadados analisados. O Capítulo 5 descreve a estrutura de catálogos de metadados existentes, apresentando em detalhes o catálogo de metadados do FGDC. As considerações finais do estudo são descritas no Capítulo 6.

8 8 2 Metadados Os dados que descrevem dados ou conjuntos de dados são chamados de metadados. Metadados descrevem o conteúdo, a qualidade, os procedimentos de geração e outras características dos dados. Metadados referentes a dados geoespaciais são denominados metadados geoespaciais [SHE 97]. Dados geoespaciais, neste contexto, incluem os mais variados tipos de coleções de dados georreferenciados como imagens de satélite, fotografias aéreas, amostragem geológica, observações biológicas, dados de redes de infra-estrutura, dados censitários, entre outros. Os metadados podem ser usados para uma descrição de alto nível, disponibilizando informações sobre referenciamento espacial, qualidade, linhagem e periodicidade dos dados [GOO 97]. Os maiores objetivos ou benefícios do uso dos metadados incluem: preservar os investimentos internos de uma organização em dados geoespaciais; prover informação sobre uma organização para catálogos de dados; prover informação necessária para processar e interpretar dados a serem recebidos através de transferência de uma fonte externa. Em linhas gerais, uma coleção de metadados, em vários níveis de agregação ou granularidade, forma um catálogo. Este catálogo, pode, por exemplo, pertencer a coleções de conjuntos de dados, a conjuntos de dados simples ou somente a certo tipo de dados. Atuando como índice, um catálogo serve como referência de autoridade em uma ou mais coleções de dados e pode incluir um dicionário de dados e modelos de dados. Usuários potenciais da informação podem pesquisar no catálogo a relevância dos dados, sua extensão, custos e os meios válidos para acessar os dados. Certas aplicações de metadados surgiram como resultado de usos muito específicos, que implicavam na geração e monitoramento de grandes conjuntos de dados e permitiam uma adequação mais exata do domínio e suas aplicações. Com o desenvolvimento da Internet, questões relativas à disponibilidade, adequação, acesso e transferência dos dados tornaram-se relevantes devido à possibilidade de ampliar o acesso às informações e dados para um número maior de usuários. Além da potencial expansão do número de usuários, há o aspecto de diversificação, pois um número crescente de aplicações diferenciadas podem ser feitas a partir do uso da informação já disponível, bem como de aplicações que necessitam só uma parte destes dados ou mesmo de dados obteníveis da composição ou compartilhamento de partes de bancos de dados diferentes. Aumentar o número de usuários implica, obviamente, na inclusão de indivíduos com pouco conhecimento sobre os dados, o que reforça a importância de existirem metadados adequados tanto para a caracterização quanto para a descrição e compreensão dos dados. 2.1 Tipos de aplicações de metadados Os tipos de aplicações de metadados podem ser reunidos em três grandes grupos, quais sejam a transferência de dados, o acesso e a disponibilização e a interoperabilidade de sistemas.

9 Transferência A transferência dos dados implica numa série de ações conjuntas envolvendo acesso, disponibilidade e adequação dos dados, que dependem de software de conversão. Metadados para transferência compreendem a informação necessária para processar e usar um conjunto de dados. É importante, neste caso, determinar o volume de informação a ser transferida, levando em consideração quais os dados realmente necessários, a compatibilidade dos sistemas e a compartimentação dos arquivos e meios (digital ou analógico). Nos casos de processos de transferência de dados entre diferentes sistemas a estrutura dos dados e metadados em pouco ou nada deve ser afetada, permitindo a busca e pesquisa entre sistemas e indicando a adequação ou possibilidade de transferência de dados. Os metadados devem traduzir as características dos dados que podem ser transferidos e a maneira como isto pode ser feito. Nesse sentido, aspectos de padronização devem ser averiguados, bem como a cobertura e confiabilidade que os aspectos de qualidade propostos pretendem garantir Acesso e disponibilização de dados Para a transferência de dados é necessário um conhecimento prévio do conteúdo dos arquivos. O acesso engloba os itens necessários para se obter um conjunto determinado de dados que pode ser estabelecido ou solicitado pelo usuário final e sob quais condições. A disponibilização se refere a um levantamento direto das características, conteúdos e compartimentação dos dados existentes para uma localização geográfica sem acessar aos dados propriamente ditos. Os metadados que desempenham essa função permitem conhecer a estrutura da informação e orientam o usuário na navegação do conjunto de dados, permitindo que o mesmo decida sobre a adequação dos dados para a transferência Interoperabilidade A interoperabilidade refere-se ao uso efetivo em um determinado sistema da informação residente em outro sistema. As preocupações em torno de dados espaciais dizem respeito ao acesso fácil aos dados por seus eventuais consumidores e como estes podem saber se os dados são realmente utilizáveis, se os dados de uma origem são compatíveis com os dados de outra, se os modelos de dados são também compatíveis com as necessidades dos clientes e, por fim, quais tecnologias estão disponíveis e necessárias. As conversões de sistema, em especial, devem considerar a preservação das relações topológicas e de referenciamento geográfico. O problema é extensível aos catálogos de metadados que, considerados aqui como uma coleção de metadados aplicados a vários níveis de agregação e granularidade, são indispensáveis para a avaliação da relevância dos dados, sua extensão, custo e caminho de busca. A interoperabilidade e o gerenciamento de dados são vistos e concebidos sob duas óticas principais diferentes. Uma delas constitui um protótipo de distribuição descentralizada a partir de servidores já existentes, o conceito de Clearinghouse, tônico na América do Norte e Europa. A outra tem uma abordagem mais centralizadora, onde se disporia de um diretório único e geral de dados que os usuários poderiam acessar, como é a proposta da Austrália e Nova Zelândia.

10 Metadados de qualidade Metadados de qualidade são dados que descrevem a qualidade de dados utilizados em aplicações geográficas. A qualidade é uma característica essencial ou de distinção necessária para dados cartográficos de forma a torná-los aptos para uso. A existência de medidas de qualidade de dados é fundamental para avaliar a confiabilidade de resultados obtidos a partir de aplicações efetuadas com esses dados. A qualidade da informação espacial e de seus produtos é multidimensional e complexa, variando espacial e temporalmente. Além disso, a necessidade de informação depende da aplicação pretendida. Em outras palavras, qualidade não é a performance máxima mas o respeito da performance especificada para responder às necessidades. A informação sobre a qualidade muda com o tempo e com a pretensão dos usuários [FAI 97]. Uma informação imprecisa para um usuário pode ser boa para outro, pois ela é simplesmente suficiente para as suas necessidades. Por exemplo, uma estrada cujo cruzamento com outra está deslocado 30 metros de sua posição real pode ser perfeitamente aceitável para estudos de infra-estrutura regional, mas inaceitável para um projeto de pavimentação, que necessita de medidas muito acuradas para realizar cálculos de áreas e volumes. Os metadados de qualidade de maior evidência incluem a linhagem, a acurácia, a consistência lógica e a completeza. Além destes, há ainda outros elementos contemplados em alguns padrões, como a cobertura de nuvens, a precisão e o erro. As definições dessas categorias são detalhadas a seguir Linhagem A linhagem contém o detalhamento dos passos seguidos na criação dos dados, tudo que se refere à descrição do material de origem, métodos de derivação utilizados, transformações executadas e comentários. É um histórico do processamento do dado (interpolação, filtragem, retificações, classificação). No caso de dados espaciais, a linhagem deve incluir ainda os pontos de controle utilizados para permitir a futura reconstrução com os mesmos parâmetros. Deve trazer também os algoritmos de transformação utilizados. A linhagem traz informação sobre os eventos, parâmetros e dados de origem que construíram o conjunto de dados documentado, bem como informações sobre as partes responsáveis pela construção. Inclui referências sobre quais dados originais foram utilizados para gerar o conjunto, a escala e o meio (ex.: papel, magnético, dados de campo) de cada um, o período de tempo que cada dado original descreve e a base de medição desse período, descrição dos processos utilizados (cada evento, processo ou passo com os parâmetros e tolerâncias relacionados), data da realização de cada passo e período de processamento, citação sobre a fonte de dados intermediários (significante na opinião do produtor, gerada no passo de processamento ou usada em processamentos posteriores) e, finalmente, informação sobre a parte responsável pela informação para o passo de processamento. A linhagem é uma informação do tipo composto, com valores quantitativos e texto descritivo Acurácia A acurácia constitui uma medida de quão correto é o dado, quão próximo o dado, resultado de uma observação, cálculo ou estimativa, se encontra do valor verdadeiro ou tido como verdadeiro. Seu conceito assemelha-se à definição de exatidão, sendo

11 11 freqüentemente assim traduzida para o português. A acurácia é um dos metadados de qualidade de caráter mais quantitativo, com métodos razoavelmente padronizados de obtenção dos valores. É uma informação do tipo composta, formada por um valor quantitativo e um texto descritivo sobre esse valor. Acurácia posicional ou geométrica: medida de quanto o dado difere espacialmente (em termos de posição absoluta, posição relativa e forma) daquele tido como referência. O teste de acurácia é feito através de funções trigonométricas ou estatísticas conhecidas (ex.: desvio médio quadrado - RMS), e os valores podem ser absolutos ou relativos. Exprime o grau de atendimento às normas de registro espacial ou normas geodésicas. Métodos de medição da acurácia posicional: estimativa dedutiva: qualquer sentença dedutiva baseada no conhecimento de erros em cada passo da produção; evidência interna: procedimentos para testes de repetição de medidas e redundâncias tais como fechamento de cruzamentos e resíduos de ajustamento; comparativo de origem: para o caso de inspeção gráfica. Descrição das tolerâncias gráficas e métodos de registro; origem independente de alta acurácia: comparação com um ponto de alta acurácia independente, resultados numéricos em unidades de terreno, bem como o número e a localização dos ponto de teste. Acurácia temporal: é uma medida de atualidade do dado, geralmente representada pela data de produção do dado. Acurácia de atributos: retrata a fidelidade dos dados descritivos, com uma avaliação geral da identificação de entidades e atribuição de valores de atributo no conjunto de dados. As estimativas são feitas basicamente através de funções estatísticas que medem a concordância/discordância dos atributos existentes em relação àqueles tidos como verdadeiros. Os métodos mais empregados consistem a avaliação de matrizes de erro e tabulação cruzada. O relatório contempla a apresentação de um valor médio para quantificar a acurácia e a identificação do teste que gerou esse valor. Métodos de medição da acurácia de atributos: estimativa deduzida: qualquer estimativa é permitida, até mesmo palpites com base na experiência. A base de dedução deve ser explicada. Qualificativos como bom ou pobre devem ser referidos de forma quantitativa; testes em exemplos independentes: matriz de erros como base em categorias de amostra e material testado, descrição do procedimento de amostragem e localização das amostras devem ser descritos; testes de sobreposição de polígonos: a relação entre dois mapas deve ser explicada e, tanto quanto seja possível, os mapas devem ser independentes e um deve ter maior acurácia. Geralmente o resultado é apresentado numa matriz de erros Consistência lógica Este item informa sobre a manutenção de relações lógicas e topológicas consistentes. Os testes de consistência lógica incluem testes de valores válidos, testes gerais para dados gráficos (ex.: se os nós estão todos unidos, se os polígonos estão todos fechados) e testes topológicos específicos (ex.: se limites de polígonos vizinhos não estão se

12 12 cruzando, se o sentido de fluxo não é contrário em elementos de uma rede). É uma informação textual, embora seja possível atribuir uma nota referente à porcentagem revisada. O relatório deve contemplar a data da aplicação dos testes. Correções e modificações por motivo de consistência lógica, devem ser mencionadas juntamente com os métodos utilizados para checagem Completeza A completeza engloba informações sobre omissões, critérios de seleção, generalizações, definições utilizadas e outras regras de mapeamento. Propriedades espaciais e taxonômicas (atributos) de um conjunto de feições podem ser testadas É uma informação textual Cobertura de nuvens Relata a área de um conjunto de dados (imagens aéreas ou de satélite, neste caso) obstruída por nuvens, expressa como uma porcentagem da área total coberta pelo conjunto de dados. É um valor quantitativo entre 0 e 100, constituindo informação típica de dados oriundos de imagens de sensoriamento remoto Precisão A precisão refere-se ao número de casas decimais utilizado em um valor descritivo ou de posição (coordenadas) de um dado ou conjunto de dados Erro O erro constitui uma medida de quão incorreto é o dado, é o desvio do valor considerado como verdade. Da mesma forma que a acurácia, o erro pode ser medido em valores absolutos ou relativos. No caso de erro de posição ou geométrico, as formas de obtenção dos valores são praticamente idênticas às utilizadas para medir a acurácia. A semelhança aparente dos conceitos pode fazer com que o erro seja confundido com o conceito de acurácia. Os tipos básicos de erro são o erro inerente, os erros de processamento (modo de operação das máquinas) e os erros comuns aos processos de análise e implementação de procedimentos. 2.3 Problemas na produção e implementação de metadados Apesar de todas as vantagens já relacionadas, a produção e o uso de metadados enfrenta certas dificuldades de natureza técnico-operacional causadas por problemas de quantidade, qualidade, descrição e durabilidade (ou obsolescência). Alguns tipos de dados, especialmente as imagens rasterizadas por satélite, produzem uma enorme quantidade de arquivos de grande tamanho e de curta vida útil (período de utilização). Essas imagens constituem uma das informações mais organizadas e seus metadados existem para utilizações muito específicas. No campo das imagens vetoriais ou digitalizadas, pelo contrário, a informação tem uma cobertura espaço-temporal precária, sua utilidade é múltipla e provém de várias fontes com diferentes graus de qualidade e diferentes formas de referenciamento espacial. É também a que menos dispõe de metadados, não apenas por sua menor qualidade de produção e baixa organização, mas também por sua difícil interpretação para disponibilização e acesso pela diversidade de usuários e aplicações. Isso implica em problemas de descrição e especificação dos

13 13 dados e conteúdos em função de uma provável aptidão dos arquivos a um fim presumível. Os problemas relacionados à produção de metadados podem ser agrupados nos seguintes tópicos: disponibilidade: apenas parte da informação digital atualmente existente está documentada com metadados, sendo extremamente difícil recuperar o que não existe; durabilidade: o tempo de validade para disponibilizarão de dados e metadados não é necessariamente o mesmo, sendo necessário estabelecer uma periodicidade para a atualização dos metadados; quantidade de dados: a quantidade e a qualidade de dados produzida em diferentes campos de atividades é desproporcional; produzindo-se muita informação em algumas áreas de conhecimento e quase nada em outras; volume de dados: se refere à quantidade de dados e também ao tamanho dos arquivos, sendo que freqüentemente os metadados podem ser de maior volume do que os próprios dados documentados; interoperabilidade: a compatibilidade de dados entre sistemas exige grande número de informações; padronização: é necessário adotar e seguir normas para constituição de metadados; aspectos de qualidade: que tipo de metadados são realmente necessários e indispensáveis para se acessar a confiabilidade da informação geoespacial; universo da informação: não apenas os dados digitais possuem metadados. Os dados analógicos também podem e devem ser documentados com metadados. A implementação de metadados em larga escala apresenta algumas limitações relacionadas a hardware e a software. No que se refere ao hardware, apesar da evolução dos últimos anos, o desafio ainda se concentra na forma de armazenamento da informação e na velocidade de transferência da informação digital. Quanto ao software, as necessidades incluem o desenvolvimento e refinamento dos browsers, especialmente no sentido do tipo de busca pretendido, o desenvolvimento de programas de conversão de dados e o desenvolvimento de programas de codificação e produção dos próprios metadados.

14 14 3 Padrões de Metadados Geoespaciais Há atualmente padrões internacionais que visam garantir a transferência de dados geoespaciais digitais, bem como permitir o cruzamento de suas informações, controle de qualidade, metodologias de transferência, terminologia e requisitos mínimos para disponibilização. Estes padrões estabelecem basicamente uma terminologia comum aos fenômenos espaciais, classes de geodados e seus modelos de informação, além de regras para produção de metadados. Alguns padrões já são operacionais, dispondo inclusive de software para cadastramento de metadados e esquemas para disponibilizar os metadados em sites da Internet. Os principais padrões de dados e metadados geoespaciais operacionais e propostos são detalhados a seguir. 3.1 Spatial Data Transfer Standard - SDTS O padrão Spatial Data Transfer Standard (SDTS) [MOE 88] foi desenvolvido pelo Federal Geographic Data Comitee (FGDC) dos Estados Unidos e publicado no US Federal Information Processing Standard em Foi desenvolvido para permitir às agências federais dos Estados Unidos o compartilhamento de dados espaciais entre aplicações que usavam hardware, software e sistemas operacionais diferentes. É o protocolo mais antigo de transferência de informação espacial digital entre software de informações espaciais. Leva em consideração aspectos topológicos e a correspondência de arquivos gráficos. Um subconjunto limitado do SDTS, projetado para uso com um tipo específico de dado forma um perfil SDTS. Seleções específicas são feitas para codificar possibilidades não contempladas, deixadas como opcionais ou deixadas com seleções numerosas dentro do padrão SDTS. O primeiro perfil desenvolvido foi o Topological Vector Profile (TVP), para uso com dados geográficos vetoriais com topologia gráfica planar. O segundo perfil desenvolvido foi o Raster Profile, que pode acomodar dados de imagens, modelos digitais de elevação, planos raster de sistemas de informação geográfica e outros tipos de dados em grade. Esse perfil se aplica a dados georreferenciados (dados geograficamente registrados à superfície da terra). A Parte 2 do SDTS representa uma tentativa formal de desenvolver uma lista padronizada de termos. Atualmente, esta lista consiste de termos topográficos e hidrográficos, baseados em uma metodologia hierárquica que pode acomodar a maioria das especificações de conteúdo de dados. É esperado que a Parte 2 seja expandida até formar um registro de feições espaciais que inclua termos de cada subcomitê de categoria de dados do FGDC. Para facilitar o acesso e o uso do SDTS, o United States Geological Survey (USGS) desenvolveu ferramentas de software que dão suporte à implementação do SDTS. A ferramenta mais importante é uma biblioteca de funções C++ que pode ser chamada por programas do usuário para ler e escrever arquivos em conformidade com o padrão usado pelo SDTS para sua implementação física. Por ser um dos primeiros padrões, o SDTS é bastante utilizado, sendo requerido em todas as contratações do governo americano para obtenção de dados geoespaciais. Também forma parte do conjunto de especificações DIGEST (Digital Geographic

15 15 Information Exchange Standards), utilizado em aplicações militares por vários países membros da OTAN, que no nível conceitual parece-se muito com o SDTS. Esse conjunto de especificações reúne uma família de padrões internacionalmente aceitos que fornecem um método uniforme para intercâmbio de informação geográfica digital. Seus formatos de dados possibilitam o intercâmbio de dados cartográficos de texto, matriz, raster e vetorial. 3.2 Content Standards for Digital Geospatial Metadata - CSDGM O Content Standards for Digital Geospatial Metadata (CSDGM) [FED 97] foi desenvolvido pelo Federal Geographic Data Comitee (FGDC) dos Estados Unidos. O padrão foi aprovado em 1994 e entrou em vigor em O padrão CSDGM especifica o conteúdo da informação de metadados para um conjunto de dados geoespaciais digitais. O objetivo do padrão é prover um conjunto comum de terminologia e definições para a documentação ligada a esses metadados. Estabelece o nome dos elementos de dados e grupos de elementos de dados a serem usados para o intercâmbio de dados, as definições desses elementos e grupos de dados, e informação sobre os valores que serão dados para os elementos de dados. Informação sobre termos que são obrigatórios, obrigatórios sob certas condições, e opcionais (fornecidos na opinião do produtor de dados) é provida no padrão. A informação incluída no padrão foi selecionada com base em quatro funções que os metadados em geral devem desempenhar: disponibilidade: dados necessários para determinar os conjuntos de dados que existem para uma localização geográfica; adequabilidade para uso: dados necessários para determinar se um conjunto de dados preenche uma necessidade específica; acesso: dados necessários para adquirir um conjunto de dados identificado; transferência: dados necessários para processar e usar um conjunto de dados. O padrão CSDGM é complementar ao padrão SDTS e vice-versa. O padrão SDTS foi desenvolvido para permitir a transferência de conjuntos de dados espaciais entre diferentes sistemas, enquanto o padrão CSDGM foi desenvolvido para definir os elementos de metadados usados para documentar dados geoespaciais digitais para vários propósitos. Isso inclui metadados para preservar o valor e o significado de um dado, para ajudar a catalogar o dado e para ajudar na transferência de dados. Uma vez que o SDTS é um padrão para transferência de dados, o conteúdo de seus metadados primários é usado para determinar a aptidão do conjunto de dados para o propósito do usuário. Há um relacionamento estreito entre o padrão CSDGM e os elementos de metadados contidos no modulo Data Quality do SDTS, e em outros locais dentro do conjunto de transferência SDTS. Como o padrão CSDGM contem metadados usados para procurar por conjuntos de dados espaciais digitais, esses elementos não precisam estar contidos no conjunto de transferência SDTS. O padrão CSDGM define os seguintes grupos de metadados: identificação: informação básica sobre o conjunto de dados. Inclui o título, a área geográfica coberta, atualidade e rotinas para adquirir ou usar os dados;

16 16 qualidade dos dados: uma avaliação da qualidade do conjunto de dados. Inclui a acurácia posicional e de atributos, completeza, consistência, as fontes da informação e métodos usados para produzir os dados (recomendações sobre a informação a ser reportada e tarefas a executar estão no padrão SDTS); organização dos dados espaciais: o mecanismo usado para representar a informação espacial no conjunto de dados. Inclui os métodos usados para representar posições espaciais diretamente (como raster e vetor) e indiretamente (como endereços de ruas e códigos de cidades) e o número de objetos espaciais no conjunto de dados; referência espacial: descrição da rede de referência e meios de codificar coordenadas no conjunto de dados. Inclui o nome e parâmetros para projeções de mapa ou sistemas de grade de coordenadas, datuns verticais e horizontais e a resolução do sistema de coordenadas; entidade e atributo: informação sobre o conteúdo do conjunto de dados, incluindo os tipos de entidades, seus atributos e os domínios dos valores que serão atribuídos aos atributos. Inclui os nomes e definições das feições, atributos e valores de atributos; distribuição: informação sobre a obtenção dos dados. Inclui contato com o distribuidor, formatos disponíveis, informação sobre como obter conjuntos de dados on-line ou em meio físico; referência dos metadados: informação sobre a atualidade da informação dos metadados e a parte responsável pelos mesmos. Em termos de uso, as normas do FGDC têm servido de referência para o desenvolvimento de praticamente todos os demais padrões hoje propostos. Existem bases de metadados de várias regiões do mundo, mas principalmente nos EUA. Em abril de 1994, o presidente dos Estados Unidos assinou a Ordem Executiva 12096, Coordinating Geographic Data Acquisition and Access: The National Spatial Data Infrastructure. Essa ordem instruiu todas as agências federais americanas a usar o padrão do FGDC para documentar novos dados geoespaciais a partir de 1995, além de disponibilizar esses metadados ao público através da National Geospatial Data Clearinghouse. Existem vários sistemas disponíveis para cadastramento de metadados nesse padrão, sendo NBII MetaMaker v e Corpsmet 95, os mais difundidos. 3.3 Spatial Archive and Interchange Format - SAIF O Spatial Archive and Interchange Format (SAIF) [BRI 95] foi desenvolvido pela Divisão de Levantamento e Mapeamento de Recursos do Ministério do Ambiente, Território e Parques da Columbia Britânica (Canadá). O padrão SAIF foi concebido para facilitar a interoperabilidade, particularmente no contexto da troca de dados. Ele representa também um meio eficiente para arquivamento de dados num formato neutro. Uma característica extremamente importante é que o SAIF é capaz de tratar dados geográficos como simplesmente outro tipo de dados, isto é, suas raízes estão nas ciências da informação. Os objetivos que nortearam o desenvolvimento do SAIF foram: O padrão deve ser apropriado para modelar e mover dados em geral, isto é, ele deve ser capaz de lidar tanto com a informação espaço-temporal quanto com a informação tradicional;

17 17 Ele deve manusear virtualmente qualquer tipo de dado geográfico, incluindo aqueles: (i) com ou sem descrições extensivas de atributo, (ii) com geometria definida por estruturas raster ou vetoriais em duas ou três dimensões (p. ex., dados topográficos, cadastrais e temáticos típicos, mas também dados geológicos de subsuperfície, climáticos, hidrográficos, etc.); O padrão precisa abordar tempo, de forma que eventos temporais e relacionamentos possam ser manuseados (p. ex., manchas de óleo móveis, navegação de veículos, atividades gerais de monitoramento); Ele precisa contemplar requerimentos de gerenciamento de dados (suporte para atualizações, integração com dados de multimídia, aplicabilidade tanto a grandes quanto a pequenos volumes de dados, possibilidade de estabelecer interface com consultas a bancos de dados e compatibilidade com desenvolvimentos de catálogo); O padrão precisa ser apto a operações efetivas em ambientes de rede, assim como deve ser apropriado para transferência convencional de arquivos em meio magnético ou ótico; Ele precisa ser fácil de usar e de baixo custo, além de ser fácil de manter e expandir para atender as necessidades dos usuários e mudanças tecnológicas (sem demandar maiores investimentos por parte dos produtores ou usuários de dados); O padrão deve ser harmonizado com novos desenvolvimentos SQL e iniciativas Open GIS, assim como a outros padrões geográficos como DIGEST e SDTS. O SAIF não enfatiza a separação entre entidades gráficas e atributos, incorpora a noção de compartilhamento de objeto (dados espaciais e espaço-temporais), permitindo um maior leque de informações e possibilidade de atendimento específico. Introduz estruturas de mais alto nível que contém um número arbitrário de atributos. Alguns atributos podem definir espaço, tempo e topologia, além de outros atributos tradicionais. A modelagem de dados torna-se mais vigorosa, é maior a compatibilidade de formatos, os dados são auto-descritivos e os formatos são neutralizados. Torna-se possível uma maior densidade de informação. O SAIF enfatiza a estrutura de dados dos objetos através do paradigma da orientação a objetos. Os dados são considerados como instâncias de tipos (classes) que seguem uma hierarquia extensível pelo usuário. O modelo de dados é definido como um conjunto de conceitos e regras de composição associados, usadas para descrever tipos e relacionamentos entre instâncias destes tipos. Classes de metadados são colocadas abaixo dos metadados ou em uma de suas subclasses. Outros metadados podem ser definidos pela inclusão de atributos determinados em classes definidas pelo usuário. Estes atributos podem ter como domínio classes de metadados do SAIF ou classes definidas pelo usuário. Numa estrutura de alto nível há uma distinção entre a maneira como a informação é descrita e a forma como é codificada. Existem três níveis de descrição. No nível mais abstrato toda a informação é definida como construções matemáticas, incluindo objetos abstratos, listas, enumerações e primitivas. Usando isso como blocos de construção, o SAIF introduz várias construções espaciais e temporais. Torna-se possível, então, dizer que o mundo real pode ser representado como um tipo de objeto espacial, existindo no espaço e no tempo e com vários tipos de relações com outros objetos geográficos. Atualmente, o SAIF vem sendo usado no Canadá e em várias regiões dos Estados Unidos. Apesar disso, é extremamente raro encontrar disponibilizadas bases de

18 18 metadados cadastrados de acordo com esse padrão. Entre os usuários cita-se o Projeto Sequoia Existem alguns sistemas disponíveis para cadastramento de metadados no padrão SAIF, entre eles o SaifSuite1.1; o FMEBC (Feature Manipulation Engine (BC)), o Saif3.1 e o Saif3.2. Na verdade, não são programas para cadastramento, o usuário tem de escrever seu próprio programa usando as bibliotecas em C CEN TC287 O CEN TC287 é o padrão de metadados Europeu preparado pelo Comitê Técnico 287 (TC287) do Comitê Europeu de Padronização (CEN) [CEN 96]. Atualmente o TC287 do CEN está no processo de solicitação de comentários sobre o esboço do padrão, de caráter ainda propositivo. No entanto o padrão CEN já está sendo usado como parte do projeto Multipurpose Europeean Ground Related Information Network (MEGRIN) e também está previsto que servirá de base para o desenvolvimento da norma ISO O padrão CEN define um conjunto mínimo de metadados que devem ser providos pelos produtores/fornecedores de dados. A maior razão da criação do padrão é encorajar o uso generalizado de dados geoespaciais. O conjunto de normas CEN (ISO) constituirá a futura Norma Européia para informação geográfica. Este grupo de normas interrelacionadas provê técnicas de desenvolvimento de esquemas para primitivas geométricas, qualidade de informação, diretórios de informação e dicionários. A parte de busca e atualização de arquivos utiliza uma linguagem de busca, que incorpora operadores espaciais e sistemas de identificação para busca e atualização de dados geográficos, inclusive metadados. As categorias de metadados previstos no padrão CEN-TC287 são muito equivalentes às categorias do padrão CSDGM. No padrão CEN-TC287, os esquemas conceituais são definidos usando a linguagem EXPRESS. A linguagem EXPRESS foi desenvolvida para ser usada na modelagem e representação de dados geoespaciais. O objetivo do desenvolvimento da linguagem foi o de prover um mecanismo neutro capaz de descrever os dados de forma independente de implementação. 3.5 ANZLIC O padrão ANZLIC, proposto pelo Australia New Zealand Land Information Council [ANZ 97], tomou como base o padrão americano CSDGM, mas utiliza um subconjunto reduzido (núcleo) dos elementos de metadados, proposto pelo padrão CSDGM. O objetivo foi manter no padrão, somente aqueles elementos essenciais e indispensáveis, para facilitar ao máximo o uso por parte dos usuários e produtores de dados geoespaciais. Uma das características diferenciais deste padrão é a possibilidade de incluir a documentação de dados não digitais. Isto foi necessário devido à existência de grande quantidade de dados em meio analógico. O núcleo de elementos do ANZLIC foi definido através de um longo processo de consultas a usuários e produtores de dados geoespaciais. O resultado consiste em um conjunto de aproximadamente quarenta elementos, contra os duzentos e vinte elementos do padrão CSDGM. As principais categorias de metadados são: identificação do conjunto de dados; descrição; data de atualização; estado do conjunto de dados (ex.: ativo, desatualizado); formato de acesso; qualidade dos dados; informações para contato e data de confecção do metadado.

19 19 A Austrália começou com a coleta, gerenciamento e apresentação de metadados espaciais no início da década de 80, mas parou pela dificuldade e o alto custo de coleta e atualização. Em 1989 o National Resource Information Centre (NRIC) iniciou o desenvolvimento de um sistema de diretório de dados espaciais. Foi desenvolvido o software FINDAR, que tinha como metas coletar, manter e prover acesso ao diretório de metadados. Com ele as agências federais e regionais podiam gerenciar seus próprios metadados, uma porção apropriada dos quais era passada para um diretório nacional, provendo um ponto de acesso único. Apesar do esforço, apenas uma pequena parte das agências adotou o software. Foram então estabelecidos alguns princípios para obter melhores resultados, como a administração dos dados, em que a responsabilidade em gerenciar e manter os dados foi atribuída a agências individuais, e o intercâmbio de informação entre agências estimulada o tanto quanto possível. O desenvolvimento de um diretório nacional para a Austrália e Nova Zelândia faz parte das metas atuais do grupo de trabalho ANZLIC [SHE 97]. 3.6 GCMD/NASA O Global Change Master Directory (GCMD) foi desenvolvido pela NASA. É uma fonte compreensível de informação sobre dados de satélite e de ciências da Terra in situ, com recobrimento da atmosfera, hidrosfera, oceanos, terra firme e biosfera. Dispõe de uma interface de procura que permite ao usuário acessar essa base de dados. O formato Directory Interchange Format (DIF) permite ao GCMD integrar informação de aproximadamente 700 diferentes provedores de dados de várias disciplinas e compartilhar entradas com outros nós na International Directory Network (IDN). Os metadados do GMDC identificam o item a ser procurado, descrevem os dados no domínio temporal e espacial e fornecem informação adicional útil para o pesquisador, tais como o estado, formato e restrições de acesso. A maioria desses metadados pode ser usada para acesso aos dados, mas somente seis são indispensáveis. O GCMD combina campos de procura controlados com outros descritivos, mais extensos e de formato livre. Por isso a interoperabilidade entre os centro de dados participantes do diretório é muito difícil de funcionar quando utilizados todos os campos. O conjunto mínimo de metadados é necessário para integrar descrições de dados desses sistemas, mas um conjunto mais completo está disponível, case seja necessário. 3.7 Dublin Core O padrão Dublin Core é uma especificação de metadados para catálogo de documentos eletrônicos. Atualmente, a intenção desse padrão é definir um conjunto pequeno e universalmente aceito de elementos de metadados que permita a autores e provedores de informação espacial a descrever seu trabalho. Além disso, deve facilitar a interoperabilidade entre ferramentas de descobrimento de recursos. Como a geração automática de metadados resulta em informação insuficiente e a geração manual é muito cara, o Dublin Core procura conceber um sistema que esteja entre esses dois extremos, especificando que os elementos de metadados sejam opcionais e extensíveis.

20 Principais categorias de metadados Examinando os padrões é possível identificar algumas categorias que são mais relevantes. Numa abordagem classificatória, Drewry [DRE 97] propõe uma definição de requisitos por categorias para os metadados segundo temas comuns na arquitetura de informação dos padrões, chegando a um conjunto de metadados que poderia servir a uma descrição de dados suficiente para qualquer aplicação. Essas categorias são: identificação: identificador de entrada, identificador de título, identificador de recurso, título do conjunto de dados; origem: investigador, contato técnico, centro de origem, centro de dados, criador ou autor, editor, contribuidores, distribuição, organização; cobertura espacial: localização, limites de coordenada (norte, sul, leste, oeste); cobertura temporal: data de publicação, início e final; domínio específico: disciplina, parâmetros, palavras-chave (tema e locais), resolução dos dados, projeto, tipo de recurso, linguagem, relação; restrições de uso: acesso, restrições, direitos, datas de limite de acesso e de uso; documentação: conjunto de dados, citação, link de catálogo (URL), referência, sumário, assunto, descrição, resumo, proposta, informação suplementar; formato: distribuição, formato, tipo de browser, tipo de dados espaciais, forma de apresentação; status: progressão do conjunto de dados (estado atual); metadados de qualidade: medida da qualidade dos dados em aspectos de posição, atributos e estruturação; exemplos: multimídia; atributos de custódia: meio de armazenamento (digital ou analógico), datas de manutenção e revisão, agregação (bandeira), edição, referência periódica. Das categorias acima, é possível notar que os dados de identificação e origem são próprios à organização do produtor dos dados e ao sistema utilizado. Os dados de cobertura espacial e cobertura temporal são os mais comuns e necessários, pois se destinam à procura e busca dos dados no espaço, tais como sistema de coordenadas, referências hidrográficas, controle (horizontal e vertical), transformação (de coordenadas) método de posicionamento (satélite, rádio, aproximação e métodos tradicionais entre outros, além de aspectos de localização geral como descrição textual, designação de mapas e boundingbox (retângulo de variação em duas, três ou quatro dimensões) e no tempo, como as de tipo comum (Greenwich [UTC], GPS ou referência local), offset (+/- Greenwich) e intervalo (estimativa de erro não estatística). Ausentes à lista, no entanto, estão os dados relativos à periodicidade com que os mesmos dados são atualizados, informação que pode variar com a freqüência de segundos a anos. Os dados de domínio configuram especificações de natureza técnica, uma vez que tratam de unidades de medida, granularidade da informação (imagens raster), a forma de aquisição (equipamentos) e o sistema de operação e produção dos dados. Os demais dados são de natureza administrativa ou textual, pois tratam das formas de acesso aos dados, gerenciamento, qualidade, controle e disponibilização, incluindo comentários adicionais, para o que se veiculam anotações sobre aspectos de natureza genérica e de