Sistema de informação geográfica na integração do - DSR

Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
Sistema de informação geográfica na integração do conhecimento científico e tecnológico
da cafeicultura em Minas Gerais
Tatiana Grossi Chiquloff Vieira1
Vanessa Cristina Oliveira de Souza2
Margarete Marin Lordelo Volpato1
Lívia Naiara de Andrade3
Helena Maria Ramos Alves4
Carolina Gusmão Souza3
1
2
Empresa de Pesquisa Agropecuária de Minas Gerais - EPAMIG/CTSM
Caixa Postal 76 - 37200-000 - Lavras - MG, Brasil1
{tatiana, margarete}@epamig.ufla.br
Universidade Federal de Itajubá - Departamento de Matemática e Computação
Caixa Postal 50 - 37500-903 - Itajubá - MG , Brasil
[email protected]
3
Universidade Federal de Lavras - UFLA
Caixa Postal 3037 - 37200-000 - 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 - 70.770-901, Brasilia-DF
[email protected]
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
Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
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.
1.1. 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
Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
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
Análise e
avaliação
Modelagem
Conceitual
Limpeza e
padronização
Modelagem
Lógica
Implementação
no SIG
Consultas
espaciais
Georreferenciamento
Seleção e Organização dos dados
Modelagem
Figura 1 : Fluxograma de atividades.
0690
BD
Geográfico
Mapas, gráficos,
relatórios
Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
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 2.
2.2.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
Qualidade de
sementes
Descrição
Teste de germinação (viabilidade), grãos
brocados, moca, semente sem embrião
Local
Fazendas certificadas da
Epamig
Formato
Alfanumérico
Incidência de
Pragas e
Doenças
Melhoramento
Genético
Bicho mineiro, Broca, Ferrugem
São Sebastião do Paraíso
Alfanumérico
Progênies, Produtividade
Vigor vegetativo, Época de
maturação,Cultivar, Resistência
Lavras, Três Pontas,
Machado e São
Sebastião do Paraíso
Alfanumérico
Qualidade de
Bebida
pH, acidez total titulável, açúcares, olifenóis,
cafeína, atividade da polifenoloxidase
Análise sensorial: Prova de
xícara,Classificação física
Mesorregiões Triângulo
Mineiro, Alto Paranaíba,
Sul de Minas e Zona da
Mata
Alfanumérico
0691
Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
Uso da Terra
Uso e ocupação da terra com café
Três Pontas, Machado,
São Sebastião do Paraíso
Três Pontas, Machado ,
São Sebastião do Paraíso
Cartográfico
Imagens
Multiespectrais
Landsat, Spot, Rapideye
Caracterização
Ambiental
Declividade, Orientação de vertente, Altitude,
Solos
Sul de Minas Gerais
Cartográfico
Dados das
fazendas da
Epamig
Mapas planialtimétricos
Fazendas certificadas da
Epamig
Cartográfico
(CAD)
Cartográfico
Tabela 2 : Dados de entrada do projeto, oriundos de fontes diversas.
Dado
Descrição
Local
Uso da Terra
(CafeSat)
Qualidade de
Bebida
(UFLA)
Dados INDE
Uso e ocupação da terra com café
Dados IBGE
SRTM
ASTER GDEM
ZEE
AGRITEMPO
Imagens
Landsat
Georreferenciado
Minas Gerais
Cartográfico/
alfanumérico
Cartográfico
Trigonelina, Cafeína, Ácido-5cafeiolquínico, 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
Grade de altitude
Grade de altitude
Temperatura
Precipitação
Índice de Umidade
Dados Meteorológicos
Minas Gerais
Cartográfico
Sim
Cartográfico
Sim
Minas Gerais
Alfanumérico
Sim
Minas Gerais
Minas Gerais
Minas Gerais
Cartográfico
Cartográfico
Cartográfico
Sim
Sim
Sim
Minas Gerais
Alfanumérico
Sim
Mosaico Geocover
Minas Gerais
Cartográfico
Sim
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
Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
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
Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
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 (www.epamig.ufla.br/geosolos.br), criado para
disponibilizar as informações georreferenciadas da cafeicultura mineira.
0694
Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
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. 1997. 128p. Dissertação (Mestrado em Ciências Exatas e da Terra) – Fundação João Pinheiro, Belo
Horizonte, 1997.
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.395-403, May/June 1996.
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, 2005.
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, 2004. 507 ISBN 85-3521356-2.
Elmasri, R.; Navathe, S. B. Sistemas de banco de dados. 6. São Paulo: Pearson Addicson Wesley, 2011. ISBN
978-85-7936-085-5.
Fanderuff, D. Dominando o Oracle 9i : Modelagem e Desenvolvimento. São Paulo: Pearson, 2003. ISBN 85346-1513-6.
Ferreira, K. R. Interface para operações espaciais em banco de dados geográficos. 2003. 83 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, 2001 .
INPE,
Instituto
Nacional
de
Pesquisas
Espaciais.
Sofware
TerraView.
http://www.dpi.inpe.br/terraview/index.php. Acesso em 16 de novembro de 2012.
Disponível
em
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, 2000.
Nonaka, Ikujiro & Takeuchi, Hirotaka. Criação de conhecimento na empresa. Rio de Janeiro: Campus, 1995.
Rob, P.; Coronel, C. Sistemas de banco de dados - projeto, implementação e administração. 8. São Paulo:
Cengage Learning, 2011. 711 ISBN 85-221-0786-5.
Rossetti, A.G., Morales, A.B.T.; O papel da tecnologia da informação na gestão do conhecimento. Ciência da
Informação, v 36, n 1, 2007.
0695