Sistema de Apoio à Decisão Espacial

SÍLVIO LUÍS RAFAELI NETO
UM MODELO CONCEITUAL DE SISTEMA DE APOIO À DECISÃO ESPACIAL
PARA GESTÃO DE DESASTRES POR INUNDAÇÕES
Tese apresentada à Escola
Politécnica da Universidade de São
Paulo para obtenção do título de
Doutor em Engenharia
São Paulo
2000
SÍLVIO LUÍS RAFAELI NETO
UM MODELO CONCEITUAL DE SISTEMA DE APOIO À DECISÃO ESPACIAL
PARA GESTÃO DE DESASTRES POR INUNDAÇÕES
Tese apresentada à Escola Politécnica
da Universidade de São Paulo para
obtenção do título de Doutor em
Engenharia
Área de Concentração:
Engenharia de Transportes
Orientador:
Prof. Dr. Marcos Rodrigues
São Paulo
2000
DEDICATÓRIA
À minha querida e dedicada esposa Marlene
e meus amados filhos Denis e Cássio pelo
seu amor, carinho, força, paciência e compreensão.
AGRADECIMENTOS
À Universidade do Estado de Santa Catarina e colegas do Departamento de Engenharia
Rural pelos esforços e sacrifícios que possibilitaram este trabalho.
À Universidade de São Paulo, Escola Politécnica e Laboratório de Geoprocessamento
pela oportunidade.
Ao Professor Dr. Marcos Rodrigues pela oportunidade e orientação.
Ao Professor Dr. José Alberto Quintanilha pela ajuda em momentos críticos.
Aos colegas do Laboratório de Geoprocessamento pela troca de idéias, amizade, carinho
e respeito.
Ao Coordenador de Curso, Professor Dr. Denizar Blitzkow, pela confiança e ajuda que
possibilitaram viagem aos Estados Unidos para apresentação de trabalho.
Ao Professor Ruben La Laina Porto pelas suas prestigiosas atenção e orientação em
diversas ocasiões.
Ao Professor Benedito P. F. Braga Jr. pelos contatos iniciais que evoluíram para este
trabalho.
Ao Superintendente do Centro Tecnológico de Hidráulica (CTH), Prof. Mário Tadeu L.
de Barros, que permitiu conhecermos o Sistema de Alerta de São Paulo.
Ao Dr. Rodolfo Scaratti Martins pelo incentivo inicial e contribuições técnicas relevantes.
Ao Dr. Paulo Takashi Nakayama pela sua atenção em mostrar a metodologia utilizada
na previsão de cheias em São Paulo.
SUMÁRIO
Lista de figuras...................................................................................................................i
Lista de tabelas.................................................................................................................iv
Lista de símbolos ..............................................................................................................v
Lista de relações formais..................................................................................................xi
RESUMO ......................................................................................................................xv
ABSTRACT...................................................................................................................xvi
1 INTRODUÇÃO .........................................................................................................1
2 REVISÃO DE LITERATURA.................................................................................7
2.1 Paradigma dos sistemas de alerta a inundações........................................................ 7
2.1.1 Sistema do NWS....................................................................................................8
2.1.2 Sistema SAISP.....................................................................................................10
2.1.3 Monitoramento com GPS ....................................................................................11
2.1.4 Conclusão.............................................................................................................11
2.2 Gerenciamento de desastres naturais - GDN.......................................................... 12
2.3 Natureza espacial do fenômeno de inundação........................................................ 14
2.4 Tecnologias e produtos para lidar com a natureza espacial dos fenômenos de
inundações .............................................................................................................. 14
2.5 Problema................................................................................................................. 16
2.5.1 Definição..............................................................................................................16
2.5.2 Métodos de solução .............................................................................................17
2.5.3 Classes .................................................................................................................18
2.5.4 Papéis ...................................................................................................................20
2.5.5 Problema espacial ................................................................................................21
2.6 Sistemas de apoio à decisão.................................................................................... 22
2.6.1 Arquitetura ...........................................................................................................23
2.6.2 Funcionalidades do gerenciador do banco de modelos .......................................24
2.6.2.1
Funcionalidades gerais.....................................................................................26
2.6.2.2
Funcionalidades para sistemas efetivos ...........................................................27
2.6.3 SAD em hidrologia ..............................................................................................32
2.7 Sensoriamento remoto ............................................................................................ 33
2.8 Sistemas de informação geográfica ........................................................................ 34
2.8.1 Funcionalidades de SIG para apoio a decisões....................................................37
2.8.2 Interoperabilidade ................................................................................................39
2.8.3 SIG estendido.......................................................................................................39
2.9 Sistema de apoio à decisão espacial - SADE ......................................................... 41
2.9.1 SADE efetivo.......................................................................................................42
2.9.2 SADE específico..................................................................................................43
2.9.3 Estado da arte.......................................................................................................44
2.10 Sumário................................................................................................................... 47
3 UMA TAXONOMIA DE CONFIGURAÇÕES DE SISTEMAS DE APOIO À
DECISÃO ESPACIAL ESPECÍFICOS ................................................................50
3.1 Papel dos sistemas de informação geográfica (SIG) .............................................. 50
3.2 Taxonomia de estratégias de integração de subsistemas de software .................... 53
3.3 Critérios de classificação ........................................................................................ 53
3.3.1 Modelagem científica ..........................................................................................55
3.3.2 Dados ...................................................................................................................56
3.3.3 Controle da integração .........................................................................................57
3.3.4 Assistência ao usuário..........................................................................................58
3.3.5 Critérios de classificação aplicados à integração dos subsistemas SIG e SMC ..58
3.4 Classes de estratégias.............................................................................................. 59
3.4.1 Acoplamento livre................................................................................................60
3.4.1.1
Acoplamento livre aplicado aos subsistemas SIG e SMC ...............................61
3.4.1.1.1 GIS/CADD DSS (4-Dimentional GIS/CADD-Based Decision Support
System)..........................................................................................................62
3.4.1.1.2 WATERSHEDSS..........................................................................................62
3.4.1.1.3 Integração AGNPS-RAISON........................................................................63
3.4.1.1.4 WOODSS - Workflow-based Spatial Decision Support System..................64
3.4.1.1.5 LADSS (Sistema de Apoio à Decisão para Alocação de Solo) ....................64
3.4.2 Acoplamento próximo .........................................................................................65
3.4.2.1
Acoplamento próximo aplicado aos subsistemas SIG e SMC.........................66
3.4.2.1.1 Integração Arc/Info-MODFLOW - Sistema ARCMOD...............................67
3.4.2.1.2 Integração MGE-MODFLOW ......................................................................67
3.4.2.1.3 Integração MGE-SWMM..............................................................................68
3.4.2.1.4 Geo-STORM (Storm Water System) ............................................................68
3.4.2.1.5 STAMP (Spatial Temporal Modeling Program)...........................................69
3.4.3 Acoplamento rígido ou forte................................................................................69
3.4.3.1
Acoplamento rígido aplicado aos subsistemas SIG e SMC.............................71
3.4.3.1.1 Integração Arc/Info-MODFLOW - Sistema MODFLOWARC ...................72
3.4.4 Integração plena...................................................................................................72
3.4.5 Integração plena aplicada aos subsistemas SIG e SMC ......................................75
3.4.5.1
Análise comparativa de desempenho computacional entre acoplamento
próximo por habilitação e acoplamento pleno por habilitação ........................76
3.4.6 Integração mista...................................................................................................79
4 MODELO CONCEITUAL DE SADE EFETIVO ...............................................81
4.1 Material................................................................................................................... 81
4.1.1 Modelo ontológico de Wand................................................................................82
4.1.2 Teoria de sistemas - enfoque sistêmico ...............................................................84
4.1.2.1
Ontologia de um sistema..................................................................................84
4.1.2.2
Sistema geográfico...........................................................................................85
4.1.2.3
Níveis de agregação de sistemas......................................................................87
4.1.2.4
Modelo de um sistema .....................................................................................89
4.1.2.4.1 Tipos de modelos ..........................................................................................91
4.1.2.4.2 Modelo científico ..........................................................................................94
4.1.2.4.3 Elementos da modelagem científica..............................................................94
4.1.3 Teoria de conjuntos............................................................................................102
4.2 Métodos ................................................................................................................ 103
4.3 Modelo formal ...................................................................................................... 110
4.3.1 Modelo formal do banco de modelos ................................................................110
4.3.1.1
Componentes estruturais do banco de modelos .............................................111
4.3.1.1.1 Propriedades de um elemento de SC...........................................................112
4.3.1.1.2 Percepção de um SC....................................................................................113
4.3.1.1.3 Estrutura comportamental de um SC ..........................................................113
4.3.1.2
Insumos e produtos comportamentais............................................................127
4.3.1.2.1 Entrada ........................................................................................................127
4.3.1.2.2 Saída ..........................................................................................................128
4.3.1.3
Limites Comportamentais ..............................................................................129
4.3.1.3.1 Limite conceitual.........................................................................................130
4.3.1.3.2 Limite paramétrico ......................................................................................131
4.3.1.3.3 Contorno ou fronteira..................................................................................131
4.3.1.3.4 Limite procedimental ..................................................................................132
4.3.1.4
Desempenho comportamental........................................................................133
4.3.1.4.1 Categorias de desempenho comportamental ...............................................135
4.3.2 Modelo formal do banco de dados espacial.......................................................146
4.3.2.1
Componentes estruturais do BDE ..................................................................146
4.3.2.1.1 Propriedades de um elemento de SM..........................................................147
4.3.2.1.2 Percepção de um SM...................................................................................149
4.3.2.1.3 Topologia espacial entre os elementos de um SM ......................................158
4.3.3 Associação entre modelo científico e feição geográfica....................................161
4.3.3.1
Associação a nível de componentes...............................................................164
4.3.3.2
Associação a nível de propriedades ...............................................................168
4.4 Estado do sistema ................................................................................................. 173
4.4.1 Transição ou mudança de estado .......................................................................174
4.4.2 Pontos de estado.................................................................................................175
4.4.2.1
Pontos de estado durante desempenhos ∆......................................................178
4.4.2.2
Identificação formal de estados......................................................................180
4.4.2.2.1 Estados dos elementos da estrutura STEP ..................................................180
4.4.2.2.2 Estados dos elementos geométricos e topológicos do BDE........................180
5 MODELO DE IMPLEMENTAÇÃO ..................................................................182
5.1 Mapeamento entre conceitos ................................................................................ 182
5.2 Diagrama de classes.............................................................................................. 184
5.3 Classes, atributos e operações .............................................................................. 186
5.4 Associação ............................................................................................................ 189
5.5 Agregação ............................................................................................................. 190
5.6 Herança................................................................................................................. 191
6 CONCLUSÕES E RECOMENDAÇÕES ...........................................................193
6.1 Conclusões............................................................................................................ 193
6.1.1 Sobre o paradigma dos sistemas de alerta .........................................................193
6.1.2 Sobre o gerenciamento de desastres naturais.....................................................193
6.1.3 Sobre problemas espaciais e processos de tomada de decisão ..........................194
6.1.4 Sobre as tecnologias de suporte à decisão .........................................................194
6.1.5 Sobre o desenvolvimento de SADE efetivo ......................................................195
6.1.6 Sobre as ferramentas de trabalho .......................................................................196
6.1.7 Sobre o uso da teoria de sistemas ......................................................................196
6.1.8 Sobre o uso do modelo ontológico de Wand .....................................................196
6.1.9 Sobre o uso da teoria de conjuntos ....................................................................197
6.1.10 Sobre o modelo formal proposto .......................................................................197
6.2 Recomendações .................................................................................................... 198
ANEXO 1 - Fases do gerenciamento de desastres naturais ..........................................199
REFERÊNCIAS BIBLIOGRÁFICAS..........................................................................201
LISTA DE FIGURAS
FIGURA 1 - MODELO DO DOMÍNIO E FOCO DA PESQUISA................................................................................ 2
FIGURA 2 - MODELO DE SISTEMA DE ALERTA A INUNDAÇÕES (FONTE: KRZYSZTOFOWICZ & DAVIS, 1983 A).
................................................................................................................................................. 7
FIGURA 3 - FASES DO GERENCIAMENTO DE DESASTRES NATURAIS. ........................................................... 12
FIGURA 4 - OCORRÊNCIA DE UM PROBLEMA. .............................................................................................. 16
FIGURA 5 - PROCESSO DE TOMADA DE DECISÃO.......................................................................................... 17
FIGURA 6 - PAPÉIS DOS AGENTES DE PROCESSO DE TOMADA DE DECISÃO. .................................................. 21
FIGURA 7 - COMPONENTES BÁSICOS DE UM SAD........................................................................................ 23
FIGURA 8 - ARQUITETURA DE UM SISTEMA DE GERENCIAMENTO DE BANCO DE MODELOS DE UM SADE
(ADAPTADO DE SAGE, 1991). ................................................................................................. 28
FIGURA 9 - COMPONENTES BÁSICOS DE UM SIG. ........................................................................................ 35
FIGURA 10 - EXEMPLOS DE ESTRUTURAS DE DADOS VETORIAIS. (A) MODELO DE DADOS POLYVRT; (B)
ESTRUTURA DE DADOS POLYVRT; C) ESTRUTURA DE UM ARQUIVO DIME............................... 36
FIGURA 11 - ESTRUTURA DE DADOS MATRICIAL. ........................................................................................ 37
FIGURA 12 - ADEQÜABILIDADE DE SIG PARA APOIO A DECISÕES SOBRE PROBLEMAS DO DOMÍNIO DO GDN.
............................................................................................................................................... 39
FIGURA 13 - PAPEL DOS DESENVOLVEDORES E USUÁRIO NOS NÍVEIS TECNOLÓGICOS DE SADE (FONTE:
ADAPTADO DE DENSHAM, 1991). ........................................................................................... 44
FIGURA 14 - DOMÍNIO DOS RELACIONAMENTOS POSSÍVEIS ENTRE AS CATEGORIAS E SUBCATEGORIAS DE
CRITÉRIOS. ............................................................................................................................. 59
FIGURA 15 - CATEGORIAS DE ESTRATÉGIAS DE ACOPLAMENTOS PARA CONFIGURAÇÃO DE SADE............. 60
FIGURA 16 - INTEGRAÇÃO DE SOFTWARES APLICATIVOS ATRAVÉS DE ACOPLAMENTO MISTO (ADAPTADO DE
MATSON ET AL., 1995)........................................................................................................... 80
FIGURA 17 - SUMÁRIO ESQUEMÁTICO DO MODELO ONTOLÓGICO DE WAND. .............................................. 83
FIGURA 18 - SISTEMA CAIXA BRANCA......................................................................................................... 87
FIGURA 19 - SISTEMA CAIXA CINZA. ........................................................................................................... 87
FIGURA 20 - SISTEMA CAIXA PRETA............................................................................................................ 88
FIGURA 21 - ENTRADA E SAÍDA DE ÁGUA DE ALGUNS SUBSISTEMAS DO CICLO HIDROLÓGICO. ................... 88
FIGURA 22 - METODOLOGIA DE SISTEMA PARA SOLUÇÃO DE PROBLEMA COM RETROALIMENTAÇÃO (FONTE:
POOCH & WALL, 1993, P.6). .................................................................................................. 91
FIGURA 23 - ELEMENTOS DE UM MODELO CIENTÍFICO (ABORDAGEM CAIXA PRETA). .................................. 95
FIGURA 24 - REPRESENTAÇÃO PICTÓRICA DA RELAÇÃO FUNCIONAL F ENTRE PARES DE VARIÁVEIS
(ENTRADA E SAÍDA) DE UM SISTEMA. ..................................................................................... 96
FIGURE 25 - ARQUITETURA DE SADE COM EXPANSÃO AO DOMÍNIO DO PROBLEMA E PROCESSO DE TOMADA
DE DECIÃO............................................................................................................................ 104
FIGURA 26 - ENFOQUE SISTÊMICO APLICADO À REPRESENTAÇÃO CONCEITUAL E TECNOLÓGICA DE SISTEMAS
GEOGRÁFICOS. ..................................................................................................................... 107
FIGURA 27 - COMPONENTES DE UM SADE APLICADO AO GERENCIAMENTO DE LIXO EM LOMBARDIA, NORTE
DA ITÁLIA (ADAPTADO DE MANIEZZO, MENDES & PARUCCINI, 1998). ................................ 108
FIGURA 28 - DIAGRAMA DE CONJUNTOS E SUBCONJUNTOS DOS COMPONENTES ESTRUTURAIS DO BM..... 115
i
FIGURA 29- DIAGRAMA DA HIERARQUIA DOS COMPONENTES DE UM SC OU MC. ..................................... 115
FIGURA 30 - EXEMPLO ILUSTRATIVO DA IDENTIFICAÇÃO DE UM COMPONENTE NOS DIFERENTES NÍVEIS DA
ESTRUTURA HIERÁRQUICA STEP DE UM BM. ...................................................................... 116
FIGURA 31 - FORMALISMO DA AGREGAÇÃO DE INFORMAÇÕES SOBRE INSUMOS (Γ) DE UM SC................. 116
FIGURA 32 - VISÃO RELACIONAL DA AGREGAÇÃO DA INFORMAÇÃO: (A) A NÍVEL DO BANCO DE MODELOS,
(B) A NÍVEL DO SIMULADOR.................................................................................................. 118
FIGURA 33 - CICLO HIDROLÓGICO (FONTE: PORTO, 1973). ....................................................................... 120
FIGURA 34 - APLICAÇÃO DO MODELO RACIONAL (FONTE: RIGHETTO, 1998)............................................ 123
FIGURA 35 - ESQUEMA DO MODELO TOPMODEL (FONTE: RIGHETTO, 1998). ........................................ 125
FIGURA 36 - PONTOS DE ENTRADA E SAÍDA DURANTE A EXECUÇÃO EM SÉRIE DE UMA TAREFA DE
SIMULADOR.......................................................................................................................... 128
FIGURA 37 - VARIAÇÃO DA EXECUÇÃO CONFORME O NÚMERO DE COMPONENTES. .................................. 135
FIGURA 38 - COMPARTILHAMENTO DE COMPONENTES ENTRE SIMULADORES, TAREFAS, ETAPAS E
PROCEDIMENTOS. ................................................................................................................. 137
FIGURA 39 - DIAGRAMA DE REUTILIZAÇÃO DE COMPONENTES. ................................................................ 137
FIGURA 40 - FORMALIZAÇÃO DO COMPARTILHAMENTO DE ELEMENTOS ENTRE OS CONJUNTOS................ 138
FIGURA 41 - COMPARTILHAMENTO DE PROCEDIMENTOS NO NÍVEL DE ETAPA........................................... 139
FIGURA 42 - COMPARTILHAMENTO DE COMPONENTES ENTRE OS CONJUNTOS TAREFA E ETAPA. (A)
COMPARTILHAMENTO DE ETAPAS; (B) COMPARTILHAMENTO DE PROCEDIMENTOS............... 141
FIGURA 43 - FORMALIZAÇÃO DA EXECUÇÃO SEQÜENCIAL ENTRE DOIS COMPONENTES ESTRUTURAIS DE UM
SC........................................................................................................................................ 142
FIGURA 44 - EXECUÇÕES SEQÜENCIAIS E PARALELAS DE COMPONENTES DA ESTRUTURA STEP. O
ESTABELECIMENTO DE RELAÇÕES ENTRADA-SAÍDA (SETAS) NOS NÍVEIS MAIS BAIXOS DA
HIERARQUIA ACARRETA VÍNCULOS ENTRE OS NÍVEIS SUPERIORES. ...................................... 142
FIGURA 45 - FORMALIZAÇÃO DA EXECUÇÃO PARALELA ENTRE DOIS COMPONENTES ESTRUTURAIS DE UM
SC........................................................................................................................................ 143
FIGURA 46 - EXECUÇÕES EM PARALELO INDICANDO QUE A SOLUÇÃO FINAL PODE SER FORMADA: A) PELA
UNIÃO DE SOLUÇÕES, OU SEJA, S = {ΡI, ΡJ}; B) PELO PROCESSAMENTO FINAL QUE PRODUZA
SOLUÇÃO ÚNICA, OU SEJA, S = [ΡK / ΓK = {ΡI, ΡJ}]. ............................................................. 144
FIGURA 47 - EXECUÇÕES EM PARALELO E EM SÉRIE DE TAREFAS.............................................................. 144
FIGURA 48 - EXECUÇÃO SIMULTÂNEA DE COMPONENTE DE SC. INTERNAMENTE O PROCESSAMENTO PODE
SER EM SÉRIE OU PARALELO, MAS AS SAÍDAS PRODUZIDAS NÃO SÃO RELEVANTES PARA A
ANÁLISE OU SOLUÇÃO DE UM PROBLEMA EM QUESTÃO........................................................ 145
FIGURA 49 - ESQUEMA DE EXECUÇÕES DOS COMPONENTES DE UM SC. .................................................... 146
FIGURA 50 - IDENTIFICAÇÃO E VALIDADE DAS PROPRIEDADES DE UM ELEMENTO DE SM PERCEBIDO COMO
DISCRETO. SUAS FRONTEIRAS SÃO SEMPRE IDENTIFICÁVEIS E AS PROPRIEDADES DO ELEMENTO
SOMENTE SÃO OBTIDAS ATRAVÉS DE SUAS FRONTEIRAS. .................................................... 150
FIGURA 51 - ELEMENTOS DE UM SISTEMA MORFOLÓGICO (SM)................................................................ 151
FIGURA 52 - CONJUNTOS DE PONTOS, LINHAS E POLÍGONOS DE UM BDE.................................................. 152
FIGURA 53 - IDENTIFICAÇÃO E VALIDADE DAS PROPRIEDADES DE UM ELEMENTO DE SM PERCEBIDO COMO
CONTÍNUO. SUAS FRONTEIRAS PODEM OU NÃO SER IDENTIFICÁVEIS E AS PROPRIEDADES DO
ELEMENTO SEMPRE SÃO OBTIDAS ACESSANDO-SE QUALQUER PONTO DE SUA REGIÃO,
INCLUINDO SUAS FRONTEIRAS IDENTIFICÁVEIS. ................................................................... 154
FIGURA 54 - CONJUNTOS DE ELEMENTOS PARA CAPTURA DA PERCEPÇÃO CONTÍNUA DE UM SM.............. 157
FIGURA 55 - ORIGEM DAS RELAÇÕES TOPOLÓGICAS ENTRE OS ELEMENTOS DE UM SM. ........................... 159
ii
FIGURA 56 - CONJUNTOS DE NÓS, LIGAÇÕES E CÉLULAS DE UM BDE. ...................................................... 160
FIGURA 57 - CÉLULAS DE UMA GRADE IRREGULAR GI: (A) VETORES INDICANDO AS DIREÇÕES DE LINHA DE
MAIOR DECLIVE DOS TRIÂNGULOS DE UMA CÉLULA J; (B) ÁREAS DE INFLUÊNCIA PARA O
CÁLCULO PONDERADO DAS VAZÕES EFLUENTES SOBRE A VAZÃO TOTAL DA CÉLULA J. (FONTE:
ADAPTADO DE RIGHETTO, 1998, P.345). .............................................................................. 162
FIGURA 58 - ESTRUTURA TOPOLÓGICA PARA DESCRIÇÃO DOS RELACIONAMENTOS ESPACIAIS DE UM SM A
SER UTILIZADA POR UM MODELO HIDROLÓGICO. .................................................................. 164
FIGURA 59 - ASSOCIAÇÃO ENTRE SM E SC: (A) INDIRETA, ATRAVÉS DA TOPOLOGIA ESPACIAL (T) DO SM;
(B) DIRETA, POR ACESSO DIRETO AOS ELEMENTOS GEOMÉTRICOS BÁSICOS DO SM.............. 165
FIGURA 60 - VISÃO VETORIAL DE UMA ASSOCIAÇÃO BINÁRIA ENTRE COMPONENTE DE UM SC E
COMPONENTE DE UM SM...................................................................................................... 167
FIGURA 61 - ASSOCIAÇÃO ENTRE SIMULADORES E PONTOS. ..................................................................... 167
FIGURA 62 - ASSOCIAÇÃO BINÁRIA FORMAL ENTRE PROPRIEDADES DOS COMPONENTES DE UM SC E SM.
ESTA ASSOCIAÇÃO ESTABELECE UMA RELAÇÃO INTERATIVA CAUSA-EFEITO ENTRE OS
COMPONENTES ASSOCIADOS................................................................................................. 169
FIGURA 63 - PONTOS DE ESTADO DE UM ELEMENTO DA ESTRUTURA STEP............................................... 175
FIGURA 64 - CONJUNTOS DE ESTADOS PRIMÁRIO E FINAL RELATIVOS A EVENTOS DISTINTOS. .................. 177
FIGURA 65 - PONTOS DE ESTADO NAS EXECUÇÕES EM SÉRIE, PARALELA E SIMULTÂNEA. ......................... 179
FIGURA 66 - DIAGRAMA DE CLASSES DO MODELO STEP (NOMENCLATURA UML)................................... 185
FIGURA 67 - ASSOCIAÇÃO BI-DIRECIONAL ENTRE DUAS CLASSES. ............................................................ 190
FIGURA 68 - ASSOCIAÇÃO DE AGREGAÇÃO. .............................................................................................. 191
iii
LISTA DE TABELAS
TABELA 1 - ATRIBUTOS DE UM SADE EFETIVO.......................................................................................... 43
TABELA 2 - CATEGORIAS DE CRITÉRIOS PARA CLASSIFICAÇÃO DAS ESTRATÉGIAS DE INTEGRAÇÃO DE
SUBSISTEMAS DE SOFTWARE. ................................................................................................... 54
TABELA 3 - CATEGORIAS DE CRITÉRIOS PARA CLASSIFICAÇÃO DAS ESTRATÉGIAS DE INTEGRAÇÃO DE
SUBSISTEMAS DE SOFTWARE PARA CONFIGURAR SADE. ......................................................... 58
TABELA 4 - CARACTERÍSTICAS DAS ESTRATÉGIAS DE ACOPLAMENTO DE SUBSISTEMAS DE SOFTWARE. ..... 59
TABELA 5 - METODOLOGIA DE SISTEMA PARA SOLUÇÃO DE PROBLEMA. .................................................... 90
TABELA 6 - SEQÜENCIA DE ATIVIDADES, MODELOS E DOCUMENTOS PRODUZIDOS NO MODELO DE
REPRESENTAÇÃO...................................................................................................................... 92
TABELA 7 - APLICAÇÃO DA ESTRUTURA STEP SOBRE MODELOS BASEADOS NO CICLO HIDROLÓGICO. ..... 121
TABELA 8 - APLICAÇÃO DA ESTRUTURA STEP SOBRE O MODELO RACIONAL. .......................................... 123
TABELA 9 - APLICAÇÃO DA ESTRUTURA STEP SOBRE O MODELO TOPMODEL. ..................................... 126
TABELA 10 - ESTRUTURA STEP PARA A DETERMINAÇÃO DA TOPOLOGIA ESPACIAL A SER UTILIZADA POR
UM MODELO HIDROLÓGICO. ................................................................................................. 163
TABELA 11 - NÍVEIS DE ASSOCIAÇÃO BINÁRIA ENTRE COMPONENTES ESTRUTURAIS DO BANCO DE MODELOS
E COMPONENTES ESTRUTURAIS DO BANCO DE DADOS ESPACIAL. ......................................... 165
TABELA 12 - MAPEAMENTO ENTRE ESTRUTURAS CONCEITUAIS UTILIZADAS NA PESQUISA....................... 183
iv
LISTA DE SÍMBOLOS
Símbolos de Uso Genérico
BM: banco de modelos
BDE: banco de dados espacial
BGM: gerenciador do banco de modelos
BGD: gerenciador do banco de dados
MC: modelo científico
SC: sistema em cascata
SM: sistema morfológico
Símbolos da Teoria de Conjuntos
⊂: está contido
⊃: contém
/: tal que
< >: tupla
{}: conjunto
∩: intersecção
∪: união
∧: ou
∨: e
Símbolos do Formalismo do Banco de Modelos
Si: simulador i
Tij: tarefa j do simulador i
Ei,jk : etapa k da tarefa j
v
Pi,j,kl : procedimento l da etapa k
upi,j,k,lm : unidade procedural m do procedimento l
Cw: elemento de um sistema em cascata (SC)
Η (eta): propriedade Estrutura de um elemento de SC
Γ (gama): propriedade Insumo de um elemento de SC
Λ (lambda): propriedade Limite comportamental de um elemento de SC
∆ (delta): propriedade Desempenho comportamental de um elemento de SC
Ρ (rô): propriedade Produto de um elemento de SC
γ (gama): elemento do conjunto Γ
δ (delta): elemento do conjunto ∆
ρ (rô): elemento do conjunto Ρ
C: limite comportamental do tipo conceitual
Π (pi): limite comportamental do tipo parâmetro
Χ (chi): limite comportamental do tipo contorno ou fronteira
Φ (fi): limite de comportamento do tipo processamento
π (pi): elemento do conjunto Π
χ (chi): elemento do conjunto Χ
φ (fi): elemento do conjunto Ψ
Símbolos do Formalismo do Banco de Dados Espacial
Dz: elemento de um sistema morfológico (SM)
Ψ (psi): propriedade Conformação de um elemento de SM
Θ (teta): propriedade Posição de um elemento de SM
Α (alfa): propriedade Atributo de um elemento de SM
vi
pt: elemento de um SM de natureza pontual, representado num BDE como "ponto"
Pt: conjunto de elementos pt de um SM
l: elemento de um SM de natureza linear, representado num BDE como "linha"
L: conjunto de elementos l de um SM
pg: elemento de um SM de natureza poligonal, representado num BDE como
"polígono"
Pg: conjunto de elementos pg de um SM
trg: triângulo sem conformação definida
TIN: conjunto de elementos trg adjacentes
sp: polígono do tipo subdivisão planar
SP: conjunto de elementos sp
c: polígono do tipo célula
GR: grade regular
GI: grade irregular
is: linha do tipo isolinha
Is: conjunto de elementos is
ap: ponto do tipo amostra pontual
AP: conjunto de elementos ap
T: topologia espacial
n: ponto do tipo nó
N: conjunto de elementos n
lg: linha do tipo ligação
Lg: conjunto de elementos lg
Símbolos de associações
vii
Ω: associação binária
Dz(dk): elemento dk de um SM que se associa a um elemento de SC
PtJ(ptk): ponto k do conjunto de pontos PtJ que se associa a um elemento de SC
LJ(lk): linha k do conjunto de pontos LJ que se associa a um elemento de SC
PgJ(pgk): polígono k do conjunto de polígonos PgJ que se associa a um elemento
de SC
FWZ: associação binária entre as propriedades de um elemento de SC e um elemento de SM
Símbolos de Estados
Σ: estado de um sistema
Σ(Cw): estado de um elemento de SC
Σ(Dz): estado de um elemento de SM
Σ(Ω): estado de uma associação binária
α: índice de estado inicial ou primário de um sistema
β: índice de estado final de um sistema
αΣ:
estado inicial ou primário de um sistema
βΣ:
estado final de um sistema
Cw(1,1), Cw(2,2),...: estados inicial e final do componente de SC nos eventos 1,
2, ...
Dz(1,1), Dz(2,2),...: estados inicial e final do componente de SM nos eventos 1,
2, ...
e
αΣ(Si) :
estado inicial (α) do simulador i no evento e
e
βΣ(Si) :
estado final (β) do simulador i no evento e
i e
αΣ(T j) :
estado inicial da tarefa j pertencente ao simulador i no evento e
viii
i e
βΣ(T j) :
estado final da tarefa j pertencente ao simulador i no evento e
i,j e
αΣ(E k) :
estado inicial da etapa k pertencente a tarefa j no evento e
i,j e
βΣ(E k) :
estado final da etapa k pertencente a tarefa j no evento e
αΣ(P
i,j,k e
l) :
i,j,k e
βΣ(P l) :
l e
αΣ(pt i) :
estado inicial do procedimento l pertencente a etapa k no evento e
estado final do procedimento l pertencente a etapa k no evento e
estado inicial do ponto i pertencente ao conjunto de pontos l no evento
e
l e
βΣ(pt i) :
estado final do ponto i pertencente ao conjunto de pontos l no evento e
m e
αΣ(l i) :
estado inicial da linha i pertencente ao conjunto de linhas m no evento
e
m e
βΣ(l i) :
estado final da linha i pertencente ao conjunto de linhas m no evento e
n e
αΣ(pg i) :
estado inicial do polígono i pertencente ao conjunto de polígonos n no
evento e
n e
βΣ(pg i) :
estado final do polígono i pertencente ao conjunto de polígonos n no
evento e
l e
αΣ(n i) :
estado inicial do nó i pertencente ao conjunto de nós l no evento e
l e
βΣ(n i) :
estado final do nó i pertencente ao conjunto de nós l no evento e
m e
αΣ(lg j) :
estado inicial da ligação j pertencente ao conjunto de ligações m no
evento e
m e
βΣ(lg j) :
estado final da ligação j pertencente ao conjunto de ligações m no evento e
n e
αΣ(c k) :
estado inicial da célula k pertencente ao conjunto de células n no evento
e
ix
n e
βΣ(c k) :
estado inicial da célula k pertencente ao conjunto de células n no evento
e
x
LISTA DE RELAÇÕES FORMAIS
S ⊂ X ×Y
(1)
X T = ( x1 , x 2 ,..., x n )
(2)
Y T = ( y1 , y 2 ,..., y n )
(3)
S : X →Y
(4)
Y = f (X )
(5)
BM = {MC1 , MC 2 ,....MC m ,..., MC mc }
(6)
BM = {SC1 , SC 2 ,....SC m ,..., SC mc }
(7)
C w = Η , Γ, Λ , ∆, Ρ
(8)
BM = {S1, S2, ..., SI,..., SS}
(9)
S i = Η i , Γi , Λ i , ∆ i , Ρi
SI = {T1, T2, ..., TJ,..., TT}
T ji = Η j , Γ j , Λ j , ∆ j , Ρ j
TIJ = {E1, E2, ..., EK,..., EE}
E ki , j = Η k , Γk , Λ k , ∆ k , Ρk
EI,JK = {P1, P2, ..., PL,..., PP}
( 10 )
( 11 )
( 12 )
( 13 )
( 14 )
( 15 )
Pl i , j ,k = Η l , Γl , Λ l , ∆ l , Ρl
( 16 )
PI,J,K L = {UP1, UP2, ..., UPM,..., UPU}
( 17 )
up mi , j , k ,l = Η m , Γm , Λ m , ∆ m , Ρm
( 18 )
ΓS ⊇ ΓT ⊇ ΓE ⊇ ΓP
( 19 )
ΛS ⊇ ΛT ⊇ ΛE ⊇ ΛP
( 20 )
∆S ⊇ ∆T ⊇ ∆E ⊇ ∆P
( 21 )
ΡS ⊇ ΡT ⊇ ΡE ⊇ ΡP
T J = < E, Γ, Λ, ∆, Ρ>
I
Γ = {γ 1 , γ 2 ,..., γ f ,..., γ w }
Ρ = {ρ1 , ρ 2 ,..., ρ h ..., ρ r }
( 22 )
(23)
( 24 )
( 25 )
C = {c1 , c 2 ,...ci ,...c n }
( 26 )
Π = {π 1 , π 2 ,..., π l ,..., π q }
( 27 )
Χ = {χ 1 , χ 2 ,..., χ m ,..., χ c }
xi
( 28 )
Φ = {φ1 , φ 2 ,..., φ n ,..., φ v }
∆ = {δ 1 , δ 2 ,..., δ g ,..., δ d }
( 29 )
( 30 )
{ }
( 31 )
{E m } = Tki ∩ Tl j
(32)
ρi ∩ ρ j = τ k
i ,k
j ,l
{E m } = Tki ∩ Tl j
i ,k
{P m } = E ki ∩ E l j
j ,l
{P m } = E ki ∩ E l j
D z = Ψz , Θ z , Α z
(33)
(34)
(35)
( 36 )
SM = {Pt , L, Pg}
( 37 )
Pt = {pt1 , pt 2 ,..., pt i ,... pt t }
( 38 )
pt i = Θ i , Α i
SM = {Pt1 , Pt 2 ,..., Pt l ,..., Pt s }
( 39 )
( 40 )
pt il = Θ i , Α i
( 41 )
L = {l1 , l 2 ,..., l j ,...l u }
( 42 )
l j = {pt a , pt b }
( 43 )
l j = Ψj ,Θ j , Α j
( 44 )
SM = {L1 , L2 ,..., Lm ,..., Lr }
l mj = Ψ j , Θ j , Α j
Pg = {pg 1 , pg 2 ,..., pg k ,..., pg v }
( 45 )
( 46 )
( 47 )
pg k = {l a , l b , l c ,...}
( 48 )
pg k = Ψk , Θ k , Α k
( 49 )
SM = {Pg 1 , Pg 2 ,..., Pg n ,..., Pg q }
pg kn = Ψk , Θ k , Α k
TIN ⊂ Pg / TIN = {trg 1 , trg 2 ,..., trg t }
( 50 )
( 51 )
( 52 )
SP ⊂ Pg / SP = {sp1 , sp 2 ,..., sp s }
( 53 )
GR ⊂ Pg / GR = {c1 , c 2 ,..., c m }
( 54 )
xii
GI ⊂ Pg / GI = {c1 , c 2 ,..., c n }
( 55 )
Is ⊂ L / Is = {is1 , is 2 ,..., is l }
( 56 )
AP ⊂ Pt / AP = {ap1 , ap 2 ,..., ap a }
( 57 )
Τ = {N , Lg , C}
( 58 )
N = {n1 , n 2 ,..., ni ,..., no }
( 59 )
Lg = {lg 1 , lg 2 ,..., lg j ,..., lg p }
( 60 )
C = {c1 , c 2 ,..., c k ,..., c q }
( 61 )
f : Pt → N
( 62 )
f : L → Lg
( 63 )
f : Pg → C
( 64 )
T = {N 1 , N 2 ,..., N l ,..., N t }
( 65 )
nil = Θ i , Α i
( 66 )
T = {Lg 1 , Lg 2 ,..., Lg m ,..., Lg u }
( 67 )
lg mj = Ψ j , Θ j , Α j
( 68 )
T = {C1 , C 2 ,..., C n ,..., C x }
( 69 )
c kn = Ψk , Θ k , Α k
( 70 )
Ω
C w ←→
Dz
( 71 )
Ω
C w ←→
D z (d k )
( 72 )
Ω
S i ←→
Pt j ( pt k )
( 73 )
S i ↔ Pt J ( pt j , pt k ,...), Pt K ( pt j , pt k ,...),...
S i ↔ L J (l j , l k ,...), LK (l j , l k ,...),...
S i ↔ Pg J ( pg j , pg k ,...), Pg K ( pg j , pg k ,...),...
FWZ = CW ⊗ D Z
( 75 )
( 76 )
( 77 )
Σ(Cw ) = {ΓC w , Π C w , Χ C w , ΦC w , ∆ C w , ΡC w }
( 78 )
Σ( Dz ) = {ΨDz , Θ D z , Α D z }
( 79 )
Σ(Ω ) = f (Σ(C w ), Σ( D z ) )
α
( 74 )
Σ(C w ) =
{
α
( 80 )
}
Σ(C w )1 ,α Σ(C w ) 2 ,α Σ(C w ) 3 ,...
xiii
( 81 )
{ Σ( D ) , Σ( D ) , Σ( D ) ,...}
Σ(Ω) = { Σ(Ω) , Σ(Ω) , Σ(Ω) ,...}
Σ(C ) = { Σ(C ) , Σ(C ) , Σ(C ) ,...}
Σ( D ) = { Σ( D ) , Σ( D ) , Σ( D ) ,...}
Σ(Ω) = { Σ(Ω) , Σ(Ω) , Σ(Ω) ,...}
Σ( S ) = { Σ( S ) , Σ( S ) , Σ( S ) ,...}
Σ( S ) = { Σ( S ) , Σ( S ) , Σ( S ) ,...}
Σ(T ) = { Σ(T ) , Σ(T ) , Σ(T ) ,...}
Σ(T ) = { Σ(T ) , Σ(T ) , Σ(T ) ,...}
Σ( E ) = { Σ( E ) , Σ( E ) , Σ( E ) ,...}
Σ( E ) = { Σ( E ) , Σ( E ) , Σ( E ) ,...}
Σ( P ) = { Σ( P ) , Σ( P ) , Σ( P ) ,...}
Σ( P ) = { Σ( P ) , Σ( P ) , Σ( P ) ,...}
Σ( pt ) = { Σ( pt ) , Σ( pt ) , Σ( pt ) ,...}
Σ( pt ) = { Σ( pt ) , Σ( pt ) , Σ( pt ) ,...}
Σ(l ) = { Σ(l ) , Σ(l ) , Σ(l ) ,...}
Σ(l ) = { Σ(l ) , Σ(l ) , Σ(l ) ,...}
Σ( pg ) = { Σ( pg ) , Σ( pg ) , Σ( pg ) ,...}
Σ( pg ) = { Σ( pg ) , Σ( pg ) , Σ( pg ) ,...}
Σ(n ) = { Σ(n ) , Σ(n ) , Σ(n ) ,...}
Σ(n ) = { Σ(n ) , Σ(n ) , Σ(n ) ,...}
Σ(lg ) = { Σ(lg ) , Σ(lg ) , Σ(lg ) ,...}
Σ(lg ) = { Σ(lg ) , Σ(lg ) , Σ(lg ) ,...}
Σ(c ) = { Σ(c ) , Σ(c ) , Σ(c ) ,...}
Σ(c ) = { Σ(c ) , Σ(c ) , Σ(c ) ,...}
Σ( D z ) =
α
α
α
α
1
w
β
w
β
z
β
z
1
w
β
z
i
α
i
β
i
β
i
α
i
j
β
i
j
2
w
β
z
β
i
α
i 1
j
α
i
j
2
β
i 1
β
j
i
j
2
2
α
i, j
k
α
i, j 1
α
k
i, j
k
2
β
i, j
k
β
i, j 1
k
β
i, j
k
2
i , j ,k
α
l
β
l
i, j ,k
i , j ,k 1
α
l
β
l
i , j ,k 1
3
l
β
l
( 85 )
l
i
α
l 1
α
i
l
i
2
β
l
i
β
l 1
i
β
l
i
2
3
( 87 )
i
β
i
( 88 )
α
i 3
j
( 89 )
β
i 3
j
( 90 )
3
α
i, j
k
3
β
i, j
k
3
2
i, j ,k
α
( 86 )
α
i, j ,k
α
( 84 )
3
2
i
( 83 )
3
β
β
α
1
3
2
β
( 82 )
z
α
2
β
1
α
2
3
α
z
α
1
β
2
α
1
β
β
2
α
l
β
l
i , j ,k
3
i, j ,k
3
α
l
i
3
β
l
i
3
( 91 )
( 92 )
( 93 )
( 94 )
( 95 )
( 96 )
α
m
j
α
m 1
j
α
m 2
j
α
m 3
j
( 97 )
β
m
j
β
m 1
j
β
m
j
2
m 3
j
( 98 )
n
k
2
n
k
α
β
1
z
n 1
α
k
α
n
k
n 1
k
β
β
l
i
β
n 3
k
α
n 2
k
β
( 99 )
n 3
k
α
l 1
i
α
l
i
2
l
i
β
l 1
β
i
l
i
2
α
m
j
α
m 1
j
α
m
j
α
m 3
j
( 103 )
β
m
j
β
m 1
β
j
m 2
β
j
m 3
j
( 104 )
α
β
α
β
n
k
n
k
α
l
i
3
β
l
i
3
( 100 )
2
.
( 101 )
( 102 )
α
n 1
α
k
n 2
α
k
n 3
k
( 105 )
β
n 1
k
β
n
k
n 3
k
( 106 )
xiv
2
β
RESUMO
Cheias são fenômenos de ocorrência mundial que causam perdas de vida e material. Elas têm sido estudas por disciplinas específicas como a Hidrologia numa abordagem tradicional em que a informação não é espacialmente referenciada. Como conseqüência, os sistemas em operação usualmente têm trabalhado de forma limitada, monitorando condições hidrometeorológicas e emitindo alertas às comunidades a serem atingidas. Seu principal compromisso cessa neste ponto, não informando o que poderia ser
feito após o alerta. Argumenta-se que os eventos de cheias, e suas conseqüências, possuem características espaciais e que estão inseridas no contexto amplo do Gerenciamento de Desastres Naturais (GDN). Processos de tomada de decisão (PTD) sobre problemas de natureza espacial freqüentemente envolvem muitas informações, objetivos conflitantes, muitas variáveis e parâmetros de análise, carência de alternativas de soluções
ótimas e busca por soluções satisfatórias. Problemas espaciais em geral são semi- ou
mal estruturados e podem ser solucionados com auxílio de Sistemas de Apoio à Decisão
Espacial (SADE). Todavia, esta tecnologia ainda não atingiu maturidade, no sentido de
prover apoio efetivo às fases do GDN. Há diversas estratégias para o desenvolvimento
de SADE e esta pesquisa sinaliza para a mais provável que conduz à tecnologia efetiva.
Argumenta-se que a busca por SADE Efetivo deve se iniciar com abstrações de alto
nível, baseadas em modelos ontológicos e Teoria de Sistemas. Esta pesquisa propõe um
modelo conceitual para SADE Efetivo baseado nestes princípios. O modelo é apresentado através de linguagem matemática da Teoria dos Conjuntos.
xv
ABSTRACT
Floods are worldwide events that cause loss of life and material. They have been
studied by specific disciplines. In Hydrology, traditionally information is not spatially
referenced. Consequently, the most common operational systems have worked in a limited fashion: from monitoring hydrometeorological conditions to alert the communities
to be reached. Their main compromise ceases with the alert and lacks for more information such as what should be done after the alert. This thesis uses this domain of application as a target demanding for effective support devices, capable for acting further the
traditional scope of the alert systems. The aim is helping managers in more effective
decision-making. This research argues the flood events and their consequences have
spatial traits and are inserted in a wider context embraced by the Natural Disasters Management (NDM) stages. The large number of the decision variables and their spatial
distribution make the spatial problems difficult to solve for flood management purposes.
Decision-making processes on spatial problems usually demands lots of information,
variables, data types and parameters. Spatial problems raise essentially semi-structured
decisions and as such open the way for the human and computer participation in the
decision-making process. Spatial Decision Support Systems are signed as the most appropriate in support the human at the NDM' phases. Therefore, in the sense for providing effective support, this technology has not reached maturity yet. There are many
strategies for developing SDSS. This research signs to the most likely for providing
effective technology. It is argued that seeking for effective SDSS should start from high
level abstractions, based on ontological models and System Theory. This research presents a conceptual model for effective SDSS based on these principles. The model is
presented through a Set Theory's mathematical language.
xvi
1
1
INTRODUÇÃO
Cheias ou inundações são fenômenos de natureza geográfica que ocorrem no
tempo e no espaço. Problemas decorrentes de tais fenômenos tendem a ser de difícil
solução porque envolvem variáveis de natureza geográfica (domínio espacial do problema), técnica (conhecimento científico e tecnologia), organizacional (pública, privada,
níveis de decisão), social (variáveis do tomador de decisão como estilo, número, acesso
à informação, nível de poder) e temporal. Este trabalho se restringe a abordar questões
eminentemente técnicas quanto a tomada de decisões sobre problemas decorrentes daqueles eventos.
Problemas de cheias, fundamentalmente, são tratados em duas vertentes técnicas
(Figura 1). A primeira aborda o problema estritamente sob o enfoque de alerta e tem sua
base conceitual no modelo de Krzysztofowicz & Davis (1983, a, b, c). O objetivo deste
paradigma é alertar comunidades sobre eventos iminentes. Isto é realizado por atividades que abrangem o monitoramento de informações hidrometeorológicas, previsão de
estados futuros, via modelos matemáticos, e alerta a autoridades e/ou vítimas em potencial. É o caso do Sistema de Alerta a Inundações da Cidade de São Paulo (SAISP) e dos
sistemas de alerta americanos baseados em padrões estabelecidos pelo National Weather
Service (NWS). Na segunda vertente, problemas de cheias são tratados sob o conceito
de Gerenciamento de Desastres Naturais (GDN). Trata-se de um conceito amplo que
procura incluir não somente atividades relacionadas com alerta mas também atividades
que permitam prevenir e controlar o evento, melhorar a capacidade de resposta e ainda
restaurar sistemas atingidos. Este domínio inclui o paradigma dos sistemas de alerta
2
atuais e permite que se pense em atuações mais eficazes sobre os problemas de cheias,
na medida em que suas fronteiras se estendem sobre horizontes mais distantes.
Domínio da
Tecnologia
Domínio do
Problema
Tecnologia de
Suporte à Decisão
Espacial
Gerenciamento de
Desastres
Naturais
Cheias
Decisor
PROBLEMA
ESPACIAL
Paradigma dos
Sistemas de
Alerta
Processo de
Tomada de
Decisão
SAD
SIG
SADE
Foco da
Tese
BM
SOLUÇÃO
BDE
Implementação
Figura 1 - Modelo do domínio e foco da pesquisa.
Dada a complexidade dos problemas de natureza espacial e a necessidade de
tomada de decisão com vistas à sua solução, este trabalho focaliza sobre tecnologia de
suporte ao decisor. Sua meta é garantir decisões de alta qualidade que promovam ações
mais produtivas, solução mais rápida e eficaz e melhor desempenho organizacional (Eierman, Niederman & Adams, 1995).
Há diversos conceitos, e tecnologias respectivas, capazes de lidar com elementos geométricos e posicionais. Dentre estes destacam-se os Sistemas de Informação Geográfica - SIG (Figura 1). Estes sistemas vêm sendo utilizados por inúmeros profissionais pelas suas capacidades em coletar, armazenar, manipular e apresentar dados espaciais. Apesar da versatilidade de funções e competência em lidar com a componente
espacial, os SIG carecem de habilidade suficiente para promover adequado suporte a
decisões espaciais (Van der Meulen, 1992; Densham, 1991; Keenan, 1995). Estes sis-
3
temas têm se mostrado eficientes para tarefas de análise e síntese da informação, pouco
eficientes para explicar a informação e ineficientes para prever informação (Wellar,
Cameron & Sawada, 1994). Tecnologias de suporte à decisão espacial devem ser eficazes não apenas quanto a estas tarefas, mas também devem estar aptos a capturar preferências do decisor e auxiliá-lo na seleção de alternativas de solução.
Modelo formal do mundo real é ferramenta importante neste contexto. Modelo é
uma abstração que se pretende que comporte-se de forma similar ao seu equivalente real
(Sage, 1991). Modelo formal ou matemático modela um sistema real, ajuda a definir e
entender o problema, os elementos do sistema que concorrem para o problema, a formular alternativas de solução, a prever comportamentos, a avaliar impactos de decisões, a
documentar processo decisório, a treinar não especialistas e a realizar controles operacionais. Modelo formal pode capturar não somente processos do mundo real, mas também pode ser usado para modelar preferências pessoais e processo de seleção de alternativas.
Aliar modelos formais com informação tem sido tarefa exercida na área de Sistema de Apoio à Decisão - SAD (Figura 1). Entretanto, as tecnologias resultantes têm
estado voltadas para Ciências de Administração, Gerência e Pesquisa Operacional em
que a componente espacial é negligenciada.
Sistemas de Apoio à Decisão Espacial - SADE (Figura 1) são sistemas computacionais configurados para dar suporte a decisões baseadas em dados geométricos e
posicionais. Estes sistemas surgiram da congregação de tecnologias, notadamente de
SAD e de SIG. Sistemas SADE associam as variáveis o que, como, quando com onde.
Suas aplicações têm se pautado sobre problemas de alocação, localização, estratégia,
interação e predição. Na localização ou assentamento ("sitting") a decisão visa definir
locais para objeto, aparato ou serviço (posto policial, poço artesiano, etc.). Em proble-
4
mas de alocação a ênfase da decisão está sobre o que dever ser realizado em parcelas
pré-definidas do espaço geográfico (uso do solo). Em problemas estratégicos visa-se
estipular como um objeto deve se comportar no espaço geográfico (problemas de roteamento). Nos problemas de interação as decisões procuram solucionar problemas advindos da atuação de objetos sobre outros objetos, típico dos problemas ambientais provocados por ações antrópicas. Finalmente, decisões sobre problemas preditivos visam
determinar a ocorrência espacial e temporal de objeto ou fenômeno sobre o domínio
geográfico.
Sistemas SADE podem ser desenvolvidos sob diversas estratégias. Talvez por
tratarem-se de conceito relativamente novo (cerca de 10 anos) as estratégias atuais são
essencialmente dirigidas pela a tecnologia. Em geral, os sistemas existentes são construídos à partir de SIG junto do qual se procura integrar subsistemas de software que implementam modelos matemáticos de área especialista. Hidrologia e Hidráulica são das
que mais têm experimentado esta abordagem.
Sistemas SADE ainda não atingiram maturidade, em parte devido a carência de
estudos de casos para verificação do desempenho dos sistemas existentes, em parte pela
carência de delineamentos teóricos eficazes, o que têm gerado críticas sobre a utilidade
dos sistemas atuais (Keenan, 1995; Neto & Rodrigues, 2000). De fato, o que se tem
observado em certos casos é a existência de uma interface gráfica pela qual o usuário
acessa as funções do SIG e de alguns programas laterais que trabalham os algoritmos
dos modelos analíticos. Os modelos gerados resultam inflexíveis no sentido de lidar
com problemas novos, não antecipados. Autores têm preconizado que os componentes
de um SADE, provindos das áreas SAD, SIG e domínio especialista, compartilhem de
uma visão integrada, com base em delineamento teórico eficaz (Sui & Maggio, 1999).
De acordo com Keenan (1995), apesar de já haver livros-textos em SAD que incluem
5
SIG como um componente dos sistemas de suporte à gerência, ainda não se estabeleceu
um quadro definido sobre seus relacionamentos. As estratégias de integração são essencialmente dirigidas pela tecnologia sem haver uma abordagem adequada a respeito dos
problemas conceituais da integração (Sui & Maggio, 1999). De acordo com Eierman,
Niederman & Adams (1995) o perigo de abordagens ateóricas para um campo de estudo
é que, enquanto fatos interessantes podem ser acumulados, nenhuma unificação de temas ou padrões previsíveis emerge. Segundo este autores, delineamentos teóricos são
importantes porque servem como base para acumulação e refinamento de conhecimento
especialista; servem como mecanismo de relacionamento entre conjuntos diversos de
fatos, para produzir maior entendimento; podem ser utilizados para propor e testar ligações entre fatores-chaves, indicando nível de impacto com que atingem os resultados.
Outro aspecto importante é que as funções básicas de geração, análise e processamento de modelos ficam impraticáveis sob a maioria destas abordagens. Estas funcionalidades são tarefas para Sistemas de Gerenciamento de Modelos (ou de Banco de
Modelos) - SGBM. Gerenciamento de modelos é área de pesquisa relativamente nova
em SAD onde três vertentes se destacam (Ma, 1997): representação de estruturas do
banco de modelos, projeto de sistemas de bancos de modelos e ambiente organizacional
dos sistemas de gerenciamento de modelos. Estas áreas podem ser aproveitadas também
como áreas de pesquisa em SADE. Neste sentido, há que se destacar a existência de um
campo aberto a investigações que podem se concentrar sobre as interfaces dado-modelo
e modelo-usuário.
Este trabalho vem de encontro à solução das questões colocadas acima centrando foco sobre o banco de modelos, banco de dados espacial e sua interface (Figura 1).
Procura-se definir uma estrutura para estes componentes de tal forma que se implemente
o conceito de SADE Efetivo. Neste trabalho, SADE Efetivo se refere a SADE capaz de
6
implementar os conceitos de Estruturação de Problema, Geração, Análise, Processamento, Reutilização, Abstração, Integração, Decomposição, Invocação, Recuperação e Dicionário de modelos. Para isso, estabeleceu-se como objetivo geral a construção de um
modelo conceitual que apresentasse uma visão integrada das áreas mencionadas, desprendido das abordagens puramente tecnológicas. De forma complementar, este trabalho delineia um arcabouço de conceitos que situa o conceito SADE no conceito GDN,
analisa o estado atual das estratégias de configurações de SADE, propõe uma taxonomia
para estas estratégias e identifica tendências entre as mesmas.
No capítulo 2 apresenta-se, com base em revisão de literatura, um conjunto de
conceitos e abordagens que permeiam o domínio especialista relacionado com problemas de cheias. O capítulo 3 levanta e analisa as principais variáveis que determinam as
metodologias atuais de desenvolvimento de softwares aplicativos na área de SADE,
propõe uma taxonomia sobre estas metodologias tendo como propósitos ser genérica,
abrangente e prática, e identifica e analisa a estratégia mais provável para a configuração de SADE efetivo. No capítulo 4 apresentam-se os materiais, métodos e o modelo
proposto. No capítulo 5 é feito um esforço no sentido de mostrar o potencial que o modelo STEP apresenta em pode ser mapeado para a gramática da orientação a objetos, de
uma forma quase que natural.
.
7
2
2.1
REVISÃO DE LITERATURA
Paradigma dos sistemas de alerta a inundações
A possibilidade de previsão das inundações, com antecedência apropriada, esti-
mula ações de prevenção e resposta que podem reduzir ou eliminar perdas humanas e
materiais. Krzysztofowicz & Davis (1983 a, b, c) apresenta um modelo genérico para
sistemas de previsão de cheia e resposta a inundações. Este modelo admite que as inundações ocorrem em regiões próximas do rio, ao longo do qual existam estações fluviométricas. Neste modelo o sistema de alerta possui três componentes básicas: monitoramento, previsão e decisão, cujo modo de operação varia entre as implementações
(Figura 2). A componente de monitoramento coleta, trata, armazena e distribui dados
hidrometeorológicos como níveis de rios e reservatórios e índices pluviométricos. Estes
dados são utilizados, direta ou indiretamente, pela componente de previsão, representada por modelos hidrológicos com a função de preparar os hidrogramas de seções estratégicas do canal, onde ocorrem as inundações. O hidrograma expressa, em dada seção, o
comportamento da vazão ou nível do rio ao longo do tempo.
Monitoramento
Previsão
Decisão
Figura 2 - Modelo de sistema de alerta a inundações (Fonte: Krzysztofowicz &
Davis, 1983 a).
No modelo de Krzysztofowicz & Davis (1983 a, b, c) a componente de decisão
é representada por uma organização de gerenciamento da emergência, por um gerente
das planícies de inundação ou pelos habitantes das áreas alagadas que são avisados com
antecedência quando os modelos hidrológicos prevêem valores superiores a limites pre-
8
viamente especificados. Este modelo somente se aplica quando o tempo de concentração da bacia, na seção considerada, é de tal magnitude que estas atividades possam se
processar em tempo hábil para resposta. É o caso dos modelos de sistemas de alerta locais adotados pelo National Weather Service dos Estados Unidos (WSH, 1997; Carpenter et al., 1999) e do modelo do SAISP (Sistema de Alerta a Inundações da Cidade de
São Paulo), adotado pelo Centro Tecnológico de Hidráulica, no Brasil.
2.1.1
Sistema do NWS
Os sistemas de alerta americanos normalmente seguem os padrões estabelecidos
pelo NWS, os quais abrangem tanto sistemas manuais como automatizados. Os sistemas
manuais compreendem um sistema de coleta de dados local, um coordenador comunitário, procedimentos de previsão simplificados, uma rede de comunicação para distribuição de avisos e planos de resposta. As tecnologias utilizadas nesta categoria variam em
sofisticação, desde réguas linimétricas a Sistemas de Coleta Remota Automática Limitada. A previsão da cheia é estimada pelo uso da chuva observada e/ou prevista e um
índice de cheia potencial. O índice é determinado pelo centro regional (RFC - River
Forecast Center) que o repassa ao escritório regional (WFO - Weather Forecast Office)
e por fim ao coordenador local. A previsão pode incluir ainda o tempo remanescente
antes do estágio de cheia ser atingido ou o tempo em que o pico ocorrerá.
Nos sistemas automatizados, sensores enviam dados a um computador numa estação base, e desta para outros sistemas de computadores. Protocolos de comunicação
são utilizados nestas transmissões. Os equipamentos podem incluir registradores automáticos dos níveis de precipitação e do rio, sistema de comunicação, dispositivos de
coleta e processamento de dados automáticos, microprocessador e software para análise
9
e previsão. A nível de implementação os sistemas automatizados podem ser configurados para atuar especificamente sobre problemas locais ou a nível regional. Para o nível
local estes sistemas de coleta de dados são de mão única e possuem pouca ou nenhuma
capacidade de rede computacional. Na configuração mais simples, estes sistemas podem
funcionar como sistemas de alerta a cheias rápidas (Flash Flood Alarm System), em que
sensores de nível d'água, posicionados a montante dos locais de inundação, são ligados
a dispositivos de aviso sonoro e/ou visual, situado na comunidade e operado continuamente. Na configuração mais sofisticada (ALERT - Automated Local Evaluation in
Real Time), sensores transmitem dados através de ondas de rádio (VHF/UHF) à estação
base, passando por um ou mais locais de rádio-repetição. Na estação base equipamentos
de rádio-recepção e software coletam estes sinais e processam-nos em informação hidrometerológica. Esta informação pode seguir diferentes caminhos: ser transmitida para
outros usuários, ser visualizada graficamente em tela ou telão, isolada ou em combinação com a extensão do alagamento, inundação de rodovias, rotas de evacuação, depósitos de suprimentos, hospitais e centros comunitários; ativar alarmes ou iniciar outras
ações programadas. A nível regional o sistema (IFLOWS - Integrated Flood Observing
and Warning System) é composto por vários sistemas locais ALERT em rede, com capacidade de comunicação por voz, dados e textos em via dupla. Além das funções de
aquisição e processamento de dados em tempo real os softwares manipulam a transferência de informação entre os computadores da rede. As transmissões podem se dar através de linhas telefônicas, satélites, ondas VHF/UHF e microondas. (WSH,1997)
10
2.1.2
Sistema SAISP
No SAISP a componente de monitoramento é representada por um sistema de
estações remotas que monitoram estados hidrometeorológicos e por radares de solo, que
vasculham a atmosfera detectando e mapeando chuva, com resolução de 4km2 (grid
2km x 2km). Os dados coletados pela rede telemétrica e radar são transmitidos a intervalos de tempo para um computador central (estação base), através de sinais de rádio
VHF e linhas telefônicas privadas, e daí para uma central de dados hidrológicos - CDH
(CTH, 1999). A componente de previsão é representada por programas computacionais
que, utilizando os dados telemétricos e de radar, implementam previsões de precipitação
e níveis ou vazões de rios. Numa primeira etapa é utilizado um modelo de previsão
(SHARP ou Translation Model), para até 3 horas à frente, do avanço do campo de precipitação detectado pelo radar. Posteriormente são utilizados os modelos hidrológicos
Modelo Estocástico Linear - MEL e Modelo de Previsão de Estados Hidrológicos MOPEH (Nakayama, 1998).O modelo MEL é usado para prever vazões e níveis, expressos por hidrograma, até 3 horas à frente, em locais críticos onde há medições fluviométricas, como Ponte do Limão e Barragem Móvel no Rio Tietê. O sistema de aviso é
acionado quando esta previsão atinge os limiares das situações críticas de atenção, alerta, emergência e extravasamento. O modelo MOPEH é usado para prever estados hidrológicos em locais desprovidos de dados fluviométricos, tanto nas regiões circunvizinhas
como nas regiões distantes dos canais. Estes estados são expressos por índices para apontar as situações críticas de inundações segundo observação, atenção ou alerta, expressas em cada célula de mapas matriciais do campo do radar. A componente de decisão é representada por instituições da sociedade que têm acesso aos produtos gerados
11
pelo SAISP: mapa de chuva observada na área do radar, leituras nos postos da rede telemétrica e mapa de previsão de inundações na cidade de São Paulo.
2.1.3
Monitoramento com GPS
A tecnologia GPS (Global Positioning System) vem se constituindo numa fer-
ramenta sofisticada para incrementar os sistemas de monitoramento. O GPS está estabelecido para a determinação acurada de posições sobre a Terra. Ele tem sido utilizado em
muitos campos de aplicação incluindo sistemas de monitoramento ambiental. No caso
de cheias o GPS tem permitido melhorias na coleta de dados e em sistemas de distribuição de dados. Atributos como umidade do solo e condições hidrometeorológicas podem
ser coletada em tempo-real e constituírem entradas em modelos científicos (Zingler,
Fisher & Lichtenegger, 1999). As transmissões podem ser feitas através de estações
terrestres conectadas a constelações de satélites, abrangendo qualquer parte da Terra
(ORBCOMM, 1999). Esta tecnologia pode ser considerada uma tendência no emergente
campo do Telegeoprocessamento (Laurini, 1999).
2.1.4
Conclusão
Nos sistemas de alerta baseados no modelo de Krzysztofowicz e Davis há duas
situações fundamentais de decisão: primeiro o tomador de decisão deve decidir pelo
momento de emissão do aviso à comunidade; segundo o decisor, coordenador ou membro da comunidade, deve decidir o que fazer após a emissão do aviso. O modelo de
Krzysztofowicz e Davis claramente enfatiza a previsão do evento visando subsidiar os
decisores do primeiro grupo, e praticamente ignoram as atividades posteriores à emissão
do aviso. Apesar da maioria destes sistemas operarem continuamente o seu principal
12
compromisso com a comunidade se encerra com a emissão do aviso. Eles estão voltados
para a ocorrência do evento dentro de um período de tempo restrito ao tempo do evento,
ignorando suas possíveis causas ou conseqüências, que permitiriam decisões mais efetivas de proteção, controle ou minimização, a médio e longo prazos.
2.2
Gerenciamento de desastres naturais - GDN
Gerenciamento de Desastres Naturais - GDN abrange quatro fases: preparação,
resposta, recuperação e mitigação (Figura 3). Estas etapas não seguem um padrão linear,
mas são de natureza cíclica, com ações que se sobrepõem (Maheshwari, 1997). No Anexo 1 podem ser obtidos maiores detalhes sobre estas ações.
Preparação
Mitigação
Resposta
Recuperação
Figura 3 - Fases do Gerenciamento de Desastres Naturais.
A fase de preparação envolve atividades de planejamento bem anteriores à ocorrência do evento e objetivam melhorar a capacidade de resposta operacional durante
uma emergência. Inclui a preparação de planos de emergência, monitoramento do perigo e adoção de medidas estruturais visando prevenir o desastre, como construção de
barragens, diques, reservatórios de detenção e cortes de meandros. A fase de resposta se
caracteriza quando o evento está em progresso. Envolve a coordenação dos recursos
disponíveis imediatamente antes, durante ou após uma emergência, visando reduzir per-
13
das materiais e de vidas. Abrange diversas atividades emergenciais como monitoramento, aviso, supressão ou controle do perigo, avaliação de necessidades emergenciais imediatas, avaliação e mobilização de recursos disponíveis, evacuação e atendimento de
vítimas e treinamento de voluntários.
A fase de restauração se caracteriza pelo restabelecimento dos sistemas afetados
e o retorno às atividades no nível anterior ao desastre, se possível com melhorias. O
restauração pode ser emergencial a curto prazo ou emergencial a longo prazo, em relação à época do evento. O primeiro envolve a procura e resgate de vítimas e o segundo a
provisão de suprimentos como remédios, comida, roupas, material de construção e restauração de serviços públicos como redes de abastecimento de água, energia, comunicações e transporte.
A fase de mitigação se refere à adoção de medidas com o objetivo de reduzir ou
eliminar a vulnerabilidade ao perigo de longo prazo, prevenir futuros desastres e propiciar comunidades mais seguras. Incluem realocação de atividades, evacuações, políticas
de zoneamento para o controle do uso do solo, regulamentação e controle das construções e programas de educação (Boyle, Tsanis & Kanaroglou, 1998). A etapa de mitigação não é bem definida porque algumas de suas atividades se sobrepõem com as etapas
de restauração emergencial a longo prazo e de preparação (Maheshwari, 1997).
Neste contexto o modelo de Krzysztofowicz e Davis se coloca como a etapa inicial da fase de resposta, contribuindo no sentido de monitorar, prever e apoiar a tomada
de decisão sobre o momento de emissão do aviso, antecipado ao evento, em tempo suficiente para que as demais atividades desta fase possam acontecer de maneira eficaz. O
modelo não se enquadra nas demais atividades da fase de resposta e da fase de restauração porque estas atividades envolvem decisões do segundo grupo, ou seja, decidir o que
fazer após o aviso. O modelo representa, portanto, conceitos dirigidos a um sub-
14
domínio particular de um conjunto amplo de problemas relacionados com as inundações.
2.3
Natureza espacial do fenômeno de inundação
Inundações são fenômenos eminentemente espaciais, pois sua extensão ocorre
sobre o domínio geográfico. Superfícies de alagamento tendem a atingir casas, prédios,
ruas, avenidas, lavouras, redes, entre outros, que são componentes de sistemas, correlacionados ou não, e possuem atributos associados. Decidir sobre rotas alternativas em
sistemas de abastecimento de água, energia elétrica, comunicações ou transporte requer
lidar com a localização e com os estados dos dispositivos de controle. Decidir sobre
locais prioritários para atendimento por equipes de restauração ou prevenção exige informação sobre a extensão dos alagamentos e os equipamentos urbanos em iminência de
ser atingidos. Planejar ações que visem melhorar operações de emergência também exige lidar com elementos de distribuição geográfica. Exemplos como estes ilustram que
processos decisórios em GDN envolvem volume significativo de informação e cujo
resultado ou conseqüência de decisões caracteristicamente distribuem-se pelo espaço.
Além disso, os relacionamentos entre as informações geográficas e a presença de um
número de critérios de decisão obstam a elaboração e seleção de alternativas de solução.
Estes elementos dificultam a estruturação do problema de GDN, e a presença de incertezas e riscos tornam desconhecidos os impactos reais da decisão.
2.4
Tecnologias e produtos para lidar com a natureza espacial dos fenômenos de
inundações
O modelo de Krzysztofowicz e Davis vem servindo como base conceitual para o
acoplamento de outros conceitos e tecnologias que incluem o referenciamento espacial
15
da informação, no sentido de prover decisões mais eficazes sobre a emissão de avisos.
Um dos maiores avanços se tem verificado na etapa de monitoramento e espacialização
de precipitações através de radares meteorológicos de solo. A meta é melhorar a estimativa e previsão da chuva como forma de melhorar a qualidade da previsão das inundações, especialmente aquelas provocadas por enxurradas. Nakayama (1998) propõe o uso
do modelo Translation Model como forma de melhorar a estimativa da precipitação em
oito isócronas da bacia de Ponte do Limão e doze isócronas da bacia de Barragem Móvel, ambas integrantes da Bacia do Alto Tietê, em São Paulo, visando a previsão de estados hidrológicos na foz destas bacias. Pesquisas têm demonstrado que a utilização
conjunta de dados de radar e dados de postos pluviométricos convencionais tem propiciado estimativas mais precisas da distribuição e comportamento da precipitação, melhorando significativamente a previsão da inundação, do que o uso somente de dados
das estações pluviométricas (Mimikou & Baltas, 1996; Krzysztofowicz, 1993). Segundo
Krzysztofowicz (1993) a estimativa da chuva acumulada através de radar pode apresentar tendências significativas, por isso o julgamento do decisor permanece vital na atribuição de pesos de credibilidade às fontes de informação. Para o autor, as próximas gerações em engenharia de sistemas deverão combinar a estimativa homem-computador, ou
seja, julgamento humano com ferramentas estatísticas.
Limitado às etapas iniciais da fase de resposta do GDN o modelo conceitual de
Krzysztofowicz e Davis, para sistemas de previsão e alerta, não considera o referenciamento espacial dos alagamentos, especialmente a nível de previsão dos estados hidrológicos e apresentação de resultados. Os produtos disponibilizados usualmente incluem
tabelas e gráficos, referenciados a pontos estratégicos do canal. Estes produtos são formas de comunicação freqüentemente difíceis de interpretar e por isso exigem habilidades pessoais para tomada de decisões. Esta forma de expressar os resultados do monito-
16
ramento e previsão pode estar relacionada com a influência ainda persistente das limitações tecnológicas de tempos passados, como os subsistemas de software de sistemas
computacionais.
2.5
2.5.1
Problema
Definição
Problema existe quando há insatisfação gerada por diferença de estados (Figura
4). Resolver problema significa eliminar a insatisfação e ao mesmo tempo atingir o estado desejado. O estado desejado se constitui no objetivo central da decisão. Pode ocorrer que o estado desejado inclua uma série de estados de um conjunto de objetos (prover
água para hospitais, residências, indústrias, parques) que caracterizem conflitos. A presença de objetivos conflitantes tende a dificultar a solução de um problema. Por isso,
nem sempre uma solução é capaz de resolvê-lo. Apenas parte do problema é considerado resolvido se o nível de insatisfação for apenas reduzido pela solução implementada e
o estado desejado for atingido apenas parcialmente. Neste caso a solução encontrada
pode ter sido apenas "satisfatória".
Estado Atual
Insatisfação
Estado Desejado
Figura 4 - Ocorrência de um problema.
17
2.5.2
Métodos de solução
Solução de problema é, necessariamente, precedida por decisão. Solucionar pro-
blema é parte de um processo em que há um conjunto de procedimentos interativos e
iterativos, que se concluem com a seleção de uma ou mais alternativas de solução ou
cursos de ação. O Processo de Solução de Problemas (Meredith et al., 1985) envolve
definição do problema, plano de abordagem, alocação de recursos, modelagem e análise, projeto e avaliação de alternativas e seleção de alternativa preferida. Para Simon
(1960) este é um Processo de Tomada de Decisão (Figura 5) cujo termo "tomada de
decisão" é adotado como sinônimo de "gestão", entendendo que o ato final de tomar
decisão não é isolado, mas faz parte de um processo de decisão para a solução de problemas. O autor divide este processo em três etapas: inteligência, projeto e escolha.
PTD
Domínio do
Problema
Inteligência
Projeto
Escolha
Sucesso
Implementação
Insucesso
Figura 5 - Processo de tomada de decisão.
A etapa de inteligência é a etapa em que o decisor procura diagnosticar o problema. É nesta etapa que o decisor mais necessita de informações sobre o domínio do
problema. Tecnologias de informação têm papel especial nesta etapa. Na etapa de projeto o decisor procura por cursos de ação ou alternativas de solução. É nesta etapa que o
decisor mais necessita de modelos simplificados, quantitativos e/ou qualitativos, do
18
domínio do problema. Estes modelos, juntamente com informação, serão os insumos
básicos para gerar as alternativas ou cursos de ação. Na etapa de escolha as alternativas
ou cursos de ação passam por um processo de seleção, conduzido pelo decisor, visando
eleger a solução mais adequada. Nesta etapa é fundamental o papel de metodologias de
escolha formal que, inclusive, captem as preferências do decisor e minimizem os riscos
da decisão.
As fases do GDN, incluindo o modelo de Krzysztofowicz e Davis, se constituem
numa matéria potencial para aplicação dos conceitos de H. A. Simon porque podem ser
vistas como um conjunto de situações de solução de problemas. A solução pode ser procurada através de um processo de tomada de decisão associado a cada problema do
GDN. Neste processo há que se delimitar e entender o problema, assistido por informação, desenvolver cursos de ação ou alternativas de solução, assistido por representações
simplificadas do domínio do problema e, finalmente, decidir, através de um processo de
escolha formal, sobre alternativas ou cursos de ação formulados, com base num conjunto de critérios.
2.5.3
Classes
De acordo com Simon (1960) as decisões seguem um contínuo desde as deci-
sões completamente programadas até as decisões completamente não-programadas.
Decisões semi-programadas estariam entre estes extremos.
As decisões programadas são decisões tomadas sobre problemas completamente
estruturados, nos quais os procedimentos são definidos e acionados toda vez que a decisão se faz necessária. Caracterizam-se por estarem associadas a procedimentos repetitivos e rotineiros, próprio das decisões operacionais (Sage, 1991).
19
Nas decisões não-programadas não há método definido para manipular o problema seja porque sua ocorrência é nova, seja porque sua natureza e estrutura precisas
são indefiníveis ou complexas. Neste tipo de decisão os problemas não podem ser estruturados nem pelo decisor nem por teoria relevante (Malczewski, 1997). Outras características de problema não-estruturado são (Porto & Azevedo, 1997):
a) papéis dos agentes que concorrem para o problema não são claramente definidos;
b) ambiente das decisões é mal conhecido ou complexo;
c) carência de informações ou conhecimento especialista;
d) dificuldade para se definir critérios para tomada de decisão;
e) presença de incertezas e riscos.
Em problemas completamente não-estruturados a intuição humana freqüentemente é a base para a tomada de decisão (Turban, 1995).
O conceito de decisão mal ou semi-estruturada foi introduzida em 1978 por Keen e Scott-Morton para abranger a classe de decisões que combinam procedimentos de
solução estruturada e de solução não-estruturada, ou seja, procedimentos padrões e julgamento individual (Turban, 1995). Entre outros fatores Reistma & Carron (1997), citando A. Bosman, afirma que problemas semi-estruturados são aqueles em que as soluções não mostram correspondência consistente com os modelos que as derivam ou a
eficiência e eficácia das alternativas não podem ser numericamente avaliadas. Nas decisões semi-estruturadas o decisor não consegue definir claramente o seu problema ou
articular seus objetivos (Densham, 1991).
20
2.5.4
Papéis
O alto nível de programabilidade dos problemas estruturados permite que tecno-
logias de sistemas computacionais possam exercer o papel de decisor, através do subsistema de software. Por outro lado, a natureza indefinida e complexa dos problemas nãoestruturados impede esta abordagem e exige a participação do julgamento humano no
processo de decisão (Malczewski 1997). Os problemas semi-estruturados abrem caminho para a participação conjunta do homem e do computador no processo de tomada de
decisão. Neste sentido, sistemas computacionais destinados à apoiar uma ou mais etapas
do processo de tomada de decisão têm sido conceitualizados como Sistemas de Apoio à
Decisão - SAD (Sage, 1991; Sprague Jr., 1991; Turban, 1995; Porto & Azevedo, 1997).
Este conceito expressa, precisamente, que o papel do computador é apoiar o ser humano, a quem cabe a tarefa de conduzir o processo e concluí-lo com sua decisão. Segundo
Maniezzo, Mendes & Paruccini (1998) sistemas de apoio à decisão não pretendem substituir o tomador de decisão, mas ajudá-lo a tomar decisões responsáveis e claramente
documentada, utilizando seu potencial tanto quanto possível. Esta abordagem contradiz
uma certa tendência em se adotar conceitos e técnicas da Inteligência Artificial no apoio
à decisão baseado no conhecimento. Nesta abordagem os computadores são agentes
inteligentes que poderiam desempenhar determinadas tarefas tão bem quanto o ser humano (Goul, Henderson & Tonge, 1992). Redes neurais e bancos de conhecimento seriam os principais instrumentos utilizados para isso.
21
problema não
estruturado
problema semi-struturado
nível de estruturação do problema
problema
estruturado
decisão não
programável
decisão semiprogramável
decisão
programável
Tomador de
Decisão
Tecnologia
de Apoio à
Decisão
Computador
Figura 6 - Papéis dos agentes de processo de tomada de decisão.
2.5.5
Problema espacial
Problema espacial é o problema para cuja solução há que se considerar informa-
ção espacial, ou seja, informação relativa a descrição geométrica e/ou posicionamento
de objeto, aparato, serviço ou fenômeno. O fato de existir ou não referência espacial não
elimina a existência do problema no mundo real.
Solução para problema espacial é difícil de ser obtida porque além deste tipo de
problema possuir características semi-estruturadas, há fatores inerentes que compõem o
que Hendriks & Vriens (1995) chamam de "domínio da complexidade". Este domínio é
composto por variáveis de natureza geográfica, técnica, organizacional, social e temporal. Variáveis geográficas são propriedades de entes espaciais que compõem o domínio
do problema. Em sistemas de informação estas variáveis informam sobre a conformação
geométrica, posição espacial e atributos dos entes. Variáveis de natureza técnica se referem ao conhecimento científico ou especialista que existe sobre o domínio do problema
e o aparato tecnológico disponível. Parte de sua função é prover alternativas de solução
e estabelecer critérios de escolha. Variáveis organizacionais se referem ao tipo de organização (pública ou privada), estrutura organizacional (instâncias de decisão), estrutura
22
física, estrutura funcional, capacidade funcional e recursos disponíveis. A componente
social da tomada de decisão inclui variáveis como número de decisores, estilo de decisão, nível de poder institucional e financeiro, acesso à informação e interesse, os quais
podem introduzir coexistência competitiva de objetivos ao processo decisório. Por fim
há a possibilidade de que as variáveis, incluindo as metas, não permaneçam estáveis ao
longo do tempo.
2.6
Sistemas de apoio à decisão
A nível tecnológico Sistemas de Apoio à Decisão são sistemas de informação
dotados de capacidades de modelagem científica, ferramentas de manipulação e de análise de dados, configurados para atender processos de tomada de decisão sobre problemas grandes e mal ou semi-estruturados. Seus objetivos gerais são melhorar a eficácia
(ou qualidade) da decisão e eficiência do processo de tomada de decisão a nível de planejamento e gerência (Bonczek, Holsapple & Whinston, 1980). A eficácia da decisão
pode ser obtida através de um estudo formal do problema (parte estruturada do problema) representado por modelos matemáticos. Este estudo formal exige que o problema
seja analiticamente estruturado. Esta estruturação analítica do problema (Maniezzo,
Mendes, Paruccini, 1998):
a) pode estimular comparações e proporcionar uma referência para a identificação e solução de conflitos;
b) pode produzir conhecimento mais profundo do problema, o que não é óbvio
dada sua natureza complexa;
c) provê um arcabouço que integra informação especialista relativa a várias
disciplinas envolvidas no problema;
23
d) provê documentação técnica da decisão, que pode ser utilizada diante de autoridades e opinião pública (o sistema de apoio "...diz não só qual informação foi utilizada e de onde ela provém, mas também como a informação foi
utilizada e porque a decisão tomada é a melhor.").
Além disso a tecnologia SAD pode assistir planejadores e gerentes na exploração de opções, avaliação de impactos potenciais, experimentar estratégias e descobrir
novo conhecimento (Matthews, K. B., Sibbald, A. R., Craw, S., 1999).
2.6.1
Arquitetura
A arquitetura básica de SAD inclui dado, modelo e usuário (Bonczek, Holsapple
& Whinston, 1980; Sprague Jr. & Watson, 1991; Sage, 1991), que podem ser vistos
como vértices de um triângulo cujas arestas representam as respectivas interfaces
(Figura 7).
Domínio
do
Problema
Usuário
Dado
Modelo
Banco de
Dados
Banco de
Modelos
Figura 7 - Componentes básicos de um SAD.
Arquiteturas estendidas podem incluir componentes de conhecimento e/ou decisão (Turban, 1991; Applegate, Konsynski & Nunamaker, 1986). A componente de conhecimento visa capturar conhecimento especialista sobre o domínio do problema, de
24
tal forma que não especialista possa utilizar o sistema. É representada pelo Banco de
Conhecimento construído com base em técnicas da Inteligência Artificial. A componente de decisão é representada por um Banco de Cenários. Um cenário reflete uma situação específica dos dados e pode se constituir numa alternativa de decisão. Um cenário
pode compor o sistema de banco de dados do SAD (Maniezzo, Mendes & Paruccini,
1998). A componente de dados é gerenciada por um Sistema de Gerenciamento de
Banco de Dados (SGDB) convencional. Um Sistema de Gerenciamento de Banco de
Modelos (SGBM) gerencia a componente de modelo. A componente usuário interage
com os demais através de diálogos geridos por um Sistema de Gerenciamento de Diálogos (SGD). Um Sistema Gerenciador de Banco de Conhecimento gerencia a componente de conhecimento, provendo apoio aos demais subsistemas ou atuando como um componente independente (Turban 1991).
2.6.2
Funcionalidades do gerenciador do banco de modelos
Modelo é uma representação abstrata de um sistema que deve ser utilizado de
forma adequada nos processos decisórios de uma organização, pois se trata de recurso
disponível obtido com certo custo.
Diversos tipos de modelos podem compor o banco de modelos. Por exemplo, no
sistema de Maniezzo, Mendes & Paruccini (1998) o banco de modelos possui algoritmos eurísticos para configurar combinações praticáveis de locais para coleta e tratamento de lixo, modelo de avaliação de risco, modelo de avaliação de impacto ambiental,
modelo de avaliação de custos, modelo de avaliação de risco de transporte e algoritmos
de decisão baseada em múltiplos critérios.
25
A presença do subsistema de gerenciamento de modelos é a principal diferença
entre os sistemas computacionais tradicionais e os sistemas de apoio à decisão (Pearson
& Shim, 1994). Embora o termo gerenciamento de modelo venha sendo utilizado desde
meados da década de 70 (Sage, 1991) é pouco freqüente encontrar profissionais que o
conheçam, especialmente aqueles ligados ao campo de Informações Geográficas. Se,
por um lado, há uma variedade significativa de programas para gerenciamento de dados,
por outro, gerenciadores de modelos existem em número bastante reduzido. Considerando o domínio geográfico, este problema é ainda maior. Bonczek, Holsapple &
Whinston (1980) e Turban (1995) apontam razões que podem ser extrapoladas para o
domínio dos problemas espaciais. Uma primeira seria a existência de inúmeros modelos
em inúmeras áreas de aplicação. Seus especialistas tendem a trabalhar de forma isolada
em domínio particular de problemas, desenvolvendo modelos matemáticos e softwares
respectivos. Poucos têm tido a preocupação em contextualizar seus modelos em processos decisórios organizacionais que potencialmente usam os modelos. Os modelos gerados resultam inflexíveis no sentido de lidar com situações não antecipadas. Outra razão
seria que a utilização de SGBM requer a presença do especialista da área de aplicação.
Em se tratando de problemas espaciais, que possuem uma forte componente de interdisciplinaridade, esta dificuldade se torna mais evidente. Banco de Conhecimento é conceito que visa suprimir parte deste problema mas não será abordado neste trabalho, por
fugir ao seu escopo.
Diversos autores concordam que as funcionalidades de um SGBM podem ser
extraídas das funcionalidades de SGBD convencionais (Applegate, Konsynski & Nunamaker, 1986; Blanning, 1986; Brennan & Elam, 1986; Blanning, 1991; Sage, 1991;
Ma, 1995; Rizzoli, Davis & Abel, 1998). Nesta abordagem um modelo é visto semelhante a dado, na chamada visão "modelo como dado". Certamente que há diferenças
26
conceituais e tecnológicas neste tratamento, mas a abordagem é basicamente a mesma.
Outro ponto de convergência é que modelo é considerado um usuário de dado, capaz de
transformá-lo. Assim sendo, entrada e produto do modelo (ou do sistema) são dados
armazenados no banco de dados e manipulados pelo SGBD.
2.6.2.1 Funcionalidades gerais
Não há classificação consensual sobre as funcionalidades de um SGBM. Os atributos variam de autor para autor com algumas sobreposições1. Uma classificação
simplificada é apresentada por Applegate, Konsynski & Nunamaker (1986). Nesta classificação o SGBM é responsável por suporte nos níveis organizacional e tecnológico.
No primeiro o SGBM descreve, analisa e armazena as decisões da organização. No segundo o SGBM gerencia e controla os modelos da organização. Interessante nesta abordagem é que a história da decisão e da modelagem é mantida pelo sistema e pode ser
utilizada para aprendizado.
Outra forma de agrupar as funcionalidades é quanto as tarefas a serem realizadas. Nesta abordagem o SGBM teria três tarefas básicas: geração, análise e processamento de modelo. Nas tarefas de geração o SGBM é responsável pela prototipação ou
desenvolvimento de novos modelos, implementando o conceito de reutilização. Nas
tarefas de análise o SGBM deve conduzir o usuário ao entendimento, interpretação e
validação do modelo. Podem incluir análises do tipo "o que-se?", procura de respostas
para a pergunta "por que isto aconteceu?", e análise de sensibilidade. Nas tarefas de
processamento o SGBM deve seqüenciar e controlar a execução dos modelos necessá1
Applegate, Konsynski & Nunamaker (1986), Blanning (1986), Brennan & Elam (1986), Dolk (1986),
Geoffrion (1986), Pracht (1990), Blanning (1991), Sage (1991), Eierman, Niederman & Adams (1995),
Ma (1995), Sohl & Venkatachalam (1995), Turban (1995), Kwon & Park (1996), Bennett (1997), Ma
(1997), Porto & Azevedo (1997), Rizzoli, Davis & Abel, (1998), Taylor, Walker & Abel (1999).
27
rios para resolver problemas específicos. Quando um modelo requer dados, o SGBM
deve interagir com o SGBD. Entretanto, estas duas abordagens falham porque ignoram
uma série de atividades e funções que, necessariamente, devem ser previstas em projetos de sistemas efetivos.
2.6.2.2 Funcionalidades para sistemas efetivos
O SGBM é o agente que permite ao usuário realizar determinadas tarefas com
finalidades diversas. Fazendo uma analogia com as funcionalidades gerais de Sistemas
de Informação Geográfica, proporcionadas por Wellar, Cameron & Sawada (1994),
pode-se classificar tais tarefas em atividades de Análise, Síntese, Explanação, Predição
e Seleção em relação ao conteúdo do banco de modelos (Figura 8).
Na Análise o interesse do usuário reside sobre o exame das partes de um modelo. Seu objetivo é inquirir o banco de modelos através de comparação, exploração e revisão do seu conteúdo. Análises de sensibilidade são atividades que visam verificar a
magnitude do impacto com que as variáveis de entrada e/ou os parâmetros do modelo
atingem as variáveis de saída. Este tipo de estudo pode produzir prescrições no mundo
real de forma a que o sistema real atinja estados estáveis e aceitáveis. Pode-se ainda
incluir na Análise atividades que visam verificar/validar os produtos gerados pelo modelo. Neste caso, a questão a ser respondida seria se os resultados apresentados fazem
algum sentido e em que medida isto ocorre. O SGBM deve dar suporte ao usuário inclusive provendo direcionamentos, ou seja, recomendar ações futuras diante de determinados resultados.
28
Usuário
Sistema de Diálogos
Sistema de Gerenciamento de Banco de Modelos
Sistema de Gerenciamento de
Banco de Dados
Banco de Modelos (Modelos)
Análise Síntese
Explanação Predição
Seleção
Sistema de Gerenciamento de Modelos
Geração Acesso Controle
Manipulação Armazenamento
Manutenção
Figura 8 - Arquitetura de um sistema de gerenciamento de banco de modelos de
um SADE (adaptado de Sage, 1991).
Atividades de Síntese são ações que objetivam descrever o banco de modelos de
modo que o usuário tenha compreensão de seu conteúdo. A agregação de partes de modelos ou modelos pode conduzir o usuário à composição de novos modelos, ou generalização de modelos existentes. Através da Síntese o usuário pode reunir as partes de
modelos estudadas na Análise e identificar possíveis sobreposições. Relatórios completos ou resumidos podem ser gerados à partir da união ou unificação de informações
sobre os modelos existentes. Tanto Análise como Síntese podem auxiliar no que Brennan & Elam (1986) chamam de detecção, ou seja, a habilidade de decidir o que realmente é importante numa situação de problema. Os autores comparam a detecção com
as capacidades Holmesianas, criando uma analogia com um imaginário Sherlock Holmes computadorizado. Em outras palavras, Análise e Síntese permitiriam ao sistema
realizar deduções.
29
Na Explanação as atividades visam explicar por que o modelo apresentou certo
comportamento numa determinada situação de problema. Através de associação entre
produtos gerados pelo modelo, em momentos distintos, o usuário pode interpretar racionalmente seus valores e buscar razões ou causas para o comportamento.
Atividades de Predição visam prever comportamentos do sistema real representado pelo modelo. Predições permitem ao usuário realizar experimentações no sentido
de verificar tendências e realizar conjecturas ou hipóteses sobre comportamentos do
sistema real. Atividades preditivas podem ainda dar suporte à construção de modelos
mais simplificados.
Por fim, nas atividades de Seleção o interesse está em optar pelo uso de um ou
mais modelos adequados à solução do problema. Para tanto, há que se realizar procura
ou busca pelos modelos disponíveis, obter informações sobre eles, avaliá-los e então
realizar escolha. Alguns autores preconizam que estas atividades devem ser, preferencialmente, realizadas automaticamente pelo sistema gerenciador. Em que pese esta idéia,
é importante que o usuário tenha suas preferências incorporadas nos algoritmos de ordenação/priorização e seleção de alternativas.
Para que estas atividades possam ser efetivamente implementadas, o SGBM deve estar munido com um aparato de mecanismos ou ferramentas funcionais, análogas às
de um SGBD (Figura 8), com capacidades específicas de realizar:
a) Geração ou construção: são mecanismos que permitem ao usuário desenvolver protótipo de novo modelo, implementando conceitos como reutilização,
integração e/ou decomposição.
b) Armazenamento: são mecanismos que implementam a representação e armazenamento físico de um modelo. Representação de modelo se refere ao projeto lógico do banco de modelos. São utilizadas técnicas como lógica formal
30
(cálculo de predicados, regras de produção e técnicas de procura por estados
no espaço), redes semânticas, frames, teoria relacional e orientação a objetos.
c) Manipulação: são mecanismos que implementam operações de instanciação
(classificação dos modelos existentes), recuperação (pesquisa direcionada
por cláusulas do tipo encontre, se...então, onde, enquanto, etc.), invocação
(requisição de um modelo ou partes de para solucionar um problema) e edição (inclusão, exclusão ou modificação que visam manter o BM atualizado)
de modelo.
d) Acesso: tratam-se de ferramentas que permitem ao usuário, ou mesmo a outro modelo, acessar componentes de modelos ou modelos completos.
e) Controle: é representado por dispositivos que controlam autorização e concorrência de acesso/uso de modelo, consistência, inteireza, integridade e ciclos no sentido de garantir segurança e concisão ao banco de modelos.
f) Descrição: tratam-se de mecanismos que implementam o chamado dicionário de modelos. Sua função é prover descrição pormenorizada dos modelos,
semelhante ao conceito de metadados (Guidara Jr. & Quintanilha, 1997). Pode incluir informação sobre heurística (conjunto de métodos que auxiliam na
solução de um problema), tarefas, modelos, usuários e relacionamentos.
g) Manutenção: ferramentas de manutenção atualizam o conteúdo do banco de
modelos, de modo que o modelo científico reflita o sistema real. Pode ser
executada em dois níveis. No nível de componentes do modelo (variáveis de
entrada e de saída, parâmetros, relações formais, condições iniciais e injunções) realiza edição (inclusão, exclusão ou modificação). No nível do banco
de modelos atua na interface entre os modelos.
31
Atributos complementares, mas não menos importantes, são apresentados em
Pracht (1990) e Sage (1991):
a) Flexibilidade. O usuário deve ser capaz de desenvolver parte da solução usando uma abordagem e então poder mudar para outra abordagem de modelagem, se isto lhe parecer preferível. Qualquer mudança ou modificação no
banco de modelos se tornará disponível para todos os usuários do sistema.
Flexibilidade também significa a capacidade do sistema em se adaptar a novas situações de problema.
b) Retroalimentação. É a capacidade do SGBM em prover respostas suficientes
sobre o estado do processo de resolução do problema a qualquer ponto no
tempo.
c) Interface usuário-modelo. O usuário deve se sentir confortável com um modelo em uso pelo SGBM a qualquer tempo. O usuário não deve ter que realizar entradas laboriosas quando não desejar fazer isto e as mensagens recebidas devem ser compatíveis com a terminologia de seu conhecimento.
d) Redução da redundância. Isto pode ser feito pelo uso de compartilhamento
entre modelos, com eliminação associada de armazenamento redundante.
e) Incremento da consistência. Pode ser conseguido pensando-se em permitir
que múltiplos decisores façam uso do mesmo modelo, e na redução associada de inconsistência, que pode resultar do uso de diferentes dados ou diferentes versões de um modelo.
f) Estruturação e formulação do problema. É a capacidade do SGBM em dar
suporte à postulação de quais elementos ou variáveis que estão no domínio
do problema e como estes elementos se ajustam e interagem.
32
2.6.3
SAD em hidrologia
Hidrologia é a Ciência que estuda a água na natureza no contexto do chamado
Ciclo Hidrológico. Fenômenos de inundação podem ser vistos como parte deste ciclo na
medida em que representam a parcela de armazenamento temporário na superfície.
Em Hidrologia, SAD tem sido aplicado desde a década de 80 em sistemas de
abastecimento de água, operação de reservatórios, gerenciamento de bacias hidrográficas, avaliação de riscos de contaminação em águas subterrâneas, calibração de modelos
hidrológicos, gerenciamento da qualidade da água, avaliação da eutrofização em reservatórios, alerta a inundações, e outros (Nakayama, 1998).
Há duas correntes principais no que tange à modelagem dos fenômenos do ciclo
hidrológico: a dos modelos de parâmetros gerais ou agregados e a dos modelos de parâmetros distribuídos. Na abordagem agregada (“lumped-parameter”), ou caixa-preta
(seção 4.1.2.3), os parâmetros consideram a bacia hidrográfica uma entidade singular
homogênea, em que as entradas são representadas pelo excesso da precipitação e as saídas por hidrograma na foz, sem considerar a variabilidade espacial da bacia (Mamillapalli et al., 1996). Estas formulações simplificadas do fenômeno fazem com que o modelo careça de significado espacial efetivo (Bian, 1997) e que as centenas de softwares
que os implementam tenham características idiossincráticas, que restringem-nos a regiões geográficas específicas (Taylor, Walker & Abel, 1999). Estes softwares oferecem
linguagem própria de comunicação com o usuário e exigem especificação particular
para a entrada e apresentação de dados.
Na vertente dos modelos distribuídos procura-se captar, tanto quanto possível, a
variabilidade espacial da bacia hidrográfica, dividindo-a em áreas menores regulares,
em geral quadrangulares, ou em sub-bacias, onde os parâmetros são considerados uni-
33
formemente (Maidment, 1993). O fenômeno hidrológico é simulado dentro de cada subárea e o resultado é carreado na direção da foz. De acordo com DeVantier & Feldman
(1993) "quando um modelo usa um elemento menor do que o tamanho da escala do processo físico, (o modelo) é descrito como distribuído, e quando a escala do modelo é a
mesma da escala do processo (a bacia completa), ele é chamado de modelo agregado“.
Os modelos distribuídos vêm assistindo a um maior interesse dos pesquisadores
com a melhoria das tecnologias computacionais. Enquanto os modelos agregados proporcionam melhores desempenhos computacionais os modelos distribuídos normalmente apresentam melhores resultados. Os modelos distribuídos exigem a manipulação extensa de uma grande quantidade de dados a fim de prepará-los em arquivos de entrada.
O modelo distribuído AGNPS (Agricultural Nonpoint Source Pollution), por exemplo,
pode exigir até 157 parâmetros de entrada para cada célula espacial (León et al., 1998).
Adicionalmente, a tarefa de análise dos resultados é difícil em vista do formato tabular
usualmente apresentado nos relatórios. Dado que estas dificuldades se constituem num
dos principais problemas encontrados pelos usuários de modelos, as metodologias usuais têm procurado integrar subsistemas de modelagem científica com tecnologias de
Geoprocessamento, em especial Sistemas de Informação Geográfica (SIG) e Sensoriamento Remoto.
2.7
Sensoriamento remoto
A área de Sensoriamento Remoto - SR, considerada afim a área SIG (Fisher &
Lindenberg, 1989), tem sido explorada como ferramenta de suporte à Hidrologia, conforme atestam diversos trabalhos em Anderson, Peters & Walling (1997). A propriedade
hidráulica mais estudada por SR é a extensão do campo de inundação, para calibrar e
34
avaliar modelos científicos e relacionamentos empíricos (Bates et al, 1997). Sua aplicabilidade é recomendada somente para bacias cujo tempo de resposta seja similar à freqüência do imageamento (Bates et al., 1997, Blyth, 1997). O dado sobre a extensão do
alagamento somente pode ser adquirido após o evento de cheia, e por isso não pode ser
usado diretamente como meio de minimização de danos na fase de Resposta, mas pode
ser insumo para procedimentos projetados na fase de Preparação visando reduzir danos
em eventos futuros.
As tecnologias de SR são úteis em situações em que tarefa de amostragem convencional "in loco" se mostra inviável ou mesmo perigosa. Seu uso têm sido estimulado
pelas propriedades de rapidez, qualidade e baixo custo relativo de seus produtos.
2.8
Sistemas de informação geográfica
De uma forma geral, a componente espacial do gerenciamento de problemas tem
conduzido especialistas ligados ao marketing, negócios, teoria da localização, modelagem sócio-econômica, transportes, meio ambiente, agricultura, cadastro, planejamento
urbano, entre outros, em direção à arena dos Sistemas de Informação Geográfica (SIG).
Na Hidrologia, a utilização inicial de recursos SIG foi motivada pela necessidade de
representações mais acuradas do terreno (Sui & Maggio, 1999). Nesta linha de trabalho,
identificam-se iniciativas de utilizar modelos hidrológicos distribuídos sobre representações raster da superfície geográfica e rede de drenagem (Carpenter et al., 1999). Mas
este campo ainda não atingiu maturidade, especialmente no que concerne à solução de
problemas de escala (resolução espacial), tempo e calibração de parâmetros.
Sistemas SIG são capazes de gerenciar dados geográficos, ou seja, dados que
descrevem entes do mundo real em termos de sua posição (em relação a um sistema de
35
referência espacial), geometria, relacionamentos espaciais (relações topológicas) e atributos (Burrough, 1986) (Figura 9). A principal diferença entre estes sistemas e os demais está na sua capacidade em armazenar e gerenciar dados espaciais. As estruturas
matricial e vetorial, própria de cada implementação, são as mais utilizadas para este fim
(Figura 10 e Figura 11). O banco de dados não espacial armazena informações que descrevem características ou atributos das entidades espaciais representadas no banco de
dados espacial.
Domínio
Geográfico
Dados Geográficos
SIG
Geometria
Banco de Dados Não
Espaciais
Posição
Banco de Dados
Espaciais
Atributos de
Visualização
Espacial
Topologia
Espacial
Figura 9 - Componentes básicos de um SIG.
A capacidade de gerenciamento usualmente inclui coleta, edição, armazenamento, recuperação, manipulação e apresentação de uma variedade de dados espaciais, expressos em imagens de satélite, mapas, gráficos, modelos numéricos de terreno (MNT),
e outros, além de ferramentas avançadas de análise e visualização. São comuns usos
destas ferramentas para extração de estruturas topográficas sobre o MNT, como bacias
hidrográficas e direções de fluxos (Jenson & Domingue, 1988) e estudos da distribuição espacial de variáveis de interesse hidrológico, como a umidade do solo (Kostra,
1994).
36
10
11
a)
1
7
12
6
14
2
9
3
5
8
17
15
13
4
16
3
4
19
18
23
5
2
P o lig o n o s
b)
nom e
L is ta
p o n te iro
1
.
2
3
.
.
.
20
1
C a d e ia s
d e C a d e ia s
n o m e p o n to c o m p r .
11
12
13
.
de
p a ra
11
12
.
.
9
7
7
8
0
1
2
2
13
.
8
9
0
2
P o n to s
Nos
c a d e ia x y
x y , x y , ...
1
II
Smith
I
State
4
IV
Rutgers Rd.
c)
2
e s q u e r d a d ir e ita
Nom e
x
7
8
x
x
y
y
y
9
x
y
Birtch St.
III
3
Cherry St.
Itens principais: Grupos de Segmentos
Número CEP
Cód. Área
Trecho
1000
93106
805
14
1001
93117
805
14
Códigos de Segm entos: Cada Segmento de Linha
Esquerda
Nome do
Polígono
Nós
superior
Segmento de para Esquerda
Direita inferior
Direita
inferior
superior
Número
Birch St.
1
2
-
Sm ith Est
101
175
102
178
1000
Cherry St.
3
4
-
Sm ith Est
103
177
104
180
10 00
Rutgers St.
4
1
-
Sm ith Est
8602
8 686
8603
8685
100 0
Localizações de Nós:
Nós
Leste
Norte
1
2
127251
127352
1340600
1040601
3
4
127350
124256
1040584
1040502
Figura 10 - Exemplos de estruturas de dados vetoriais. (a) Modelo de dados
polyvrt (Peuquet, 1990); (b) Estrutura de dados polyvrt; c)
Estrutura de um arquivo dime (Star & Estes, 1990).
37
A R Q U IV O M A P A
v5
a)
P o n to
v4
c o ord en a da X
c oo rde n ad a Y
v3
O ve rla y
v2
v1
va lo r Z
O u tro s
A R Q U IV O
O ve rla y
v1
P o nto
b)
mapa
c oo rd. X
c o ord . Y
v a lo r Z
y
v2
O u tro s ov e rla ys
c)
x
A R Q U IV O M A P A
O v erlay
1
títu lo
e sc a la
un id a de de m a pe a m e nto 1
ró tu lo
sím b o lo s d e a pre se n ta ç ão
v a lo re s d e a tribu tos
co n ju n to d e p o nto s
co o rd e na d as X ,Y
u n id a de d e m ap e am en to 2
u nid ad e d e m a p e am e n to n
O ve rla y 2
O v erlay m
Figura 11 - Estrutura de dados matricial (Burrough, 1986, p.22).
2.8.1
Funcionalidades de SIG para apoio a decisões
Wellar, Cameron & Sawada (1994) agrupam as funcionalidades dos SIG em
Análise, Síntese, Explanação e Predição em relação ao conteúdo do banco de dados.
Análise compreende comparação, construção, exame, exploração, introdução, revisão,
entre outros. Síntese inclui agregação, compreensão, composição, dedução, generalização, integralização, sobreposição, relatório, unificação, união, entre outros. Explanação
abrange associação, causa, interpretação, racionalização, razão, relatório, entre outros; e
Predição envolve previsão, futuro, resultado, prognóstico, tendência, entre outros.
Apesar da versatilidade de funções e competência em lidar com a componente
espacial, os SIG carecem de capacidades suficientes para promover adequado suporte a
38
todas as etapas dos processos decisórios (Van Der Meulen, 1992; Densham, 1991; Keenan, 1995, Seffino et al. 1999, Matthews, Sibbald & Craw, 1999). Com base em levantamento sobre resumos de trabalhos científicos, publicados em diversas fontes, Wellar,
Cameron & Sawada (1994) concluiu que SIG tem sido utilizado mais para Análise e
Síntese, ou seja, inquirir ou descrever o conteúdo do banco de dados, do que para Explanação e Predição, ou seja, explicar ou prever alterações no seu conteúdo. Cerca de 50
trabalhos, de um total de 744, tinham em suas palavras-chaves prefixos relacionados
com Predição (Forecast*, Futur*, Outcome*, Predict*, Prognos*, Trend*). Segundo
estes autores os relatórios dos SIG servem mais ao propósito de descrição e defendem
seu uso para explanação e predição integrados com modelos quantitativos.
A etapa de inteligência, em que o decisor procura por uma situação de problema,
pode ser apoiada pelas funções de Análise, Síntese e Explanação. Na etapa de projeto,
quando necessita escolher modelos formais e gerar alternativas ou cursos de ação, são
úteis as funções de Predição. A etapa de escolha não é abrangida por nenhuma das categorias de funcionalidades dos SIG.
Como ferramenta de suporte à decisão o papel da tecnologia SIG pode ser visto
dentro de uma faixa contínua de adeqüabilidade em relação às fases do GDN (Figura
12). Estes sistemas se mostram excelentes fornecedores e manipuladores de informação,
na forma de dados, e como tal se constituem em tecnologia sem restrições para trabalhos de Análise e Síntese, e com restrições para trabalhos de Predição.
39
baixo
alto
Fase do GDN
Mitigação
Recuperação
nível de restrição
Resposta
Preparação
Análise
Síntese
Explanação
Predição
Funcionalidades gerais de SIG
Figura 12 - Adeqüabilidade de SIG para apoio a decisões sobre problemas do
domínio do GDN.
2.8.2
Interoperabilidade
Interoperabilidade é um conceito que visa exprimir a transferência recíproca de
usuários, dados ou informações, software e outros elementos de um sistema para outro
(Goodchild, Engenhofer & Fegeas, 1997, Sondheim, Gardels & Buehler, 1999). Interoperabilidade se trata de um conceito recente em que diversas questões a nível de tecnologia, semântica e instituição permanecem na agenda das pesquisas. Na área SIG a interoperabilidade visa promover o intercâmbio de dados, simplificar formatos e padrões da
indústria de software, simplificar a interação entre usuário e sistema, e simplificar o
conhecimento exigido do usuário para operar o sistema.
2.8.3
SIG estendido
Tecnologias SIG têm experimentado ampliação de funcionalidades através da
reunião de um conjunto de ferramentas interoperáveis de software voltadas a uma classe
de problemas (Taylor, Walker & Abel, 1999). Isto vem sendo possível porque há uma
clara tendência dos desenvolvedores de SIG em tornar disponíveis produtos mais flexíveis, numa abordagem não monolítica. Seus sistemas tendem a seguir a distribuição de
plataformas, usuários, bancos de dados e processamento (Goodchild, Engenhofer &
40
Fegeas, 1997; Laurini, 1999). Alguns são de domínio público com arquitetura aberta
(SPRING, 1999; GRASS, 1999). Outros possuem bibliotecas que podem ser úteis dentro do paradigma da orientação-a-objetos (Galvão et al., 1999; Sui & Maggio, 1999;
Taylor, Walker & Abel, 1999; Rizzoli, Davis & Abel, 1998). De uma forma geral, as
propostas para melhorar a capacidade de SIG com vista ao suporte à tomada de decisão
são classificadas em (Seffino et al., 1999):
a) apresentação de estudos de casos;
b) implementação de modelos;
c) projeto de sistema e arquitetura.
Na primeira busca-se mostrar como o uso das funções SIG e visualização cartográfica podem melhorar a tomada de decisão espacial. Na segunda, procura-se incorporar módulo de modelagem científica ao SIG. O SIG fornece as ferramentas de desenvolvimento de aplicativos, o banco de dados (e gerenciador) e interface com o usuário. Na
terceira aborda-se ad hoc o problema de como construir tecnologia específica de apoio à
decisão espacial.
Independentemente da estratégia adotada para ampliar as funcionalidades SIG,
em direção a apoio efetivo a decisões espaciais, há que se ressaltar que o sistema resultante é visto por muitos não mais como um "SIG estendido", mas sim como um Sistema
de Apoio à Decisão Espacial - SADE (Densham, 1991). Este conceito vem de encontro
a um consenso crescente quanto a necessidade de tecnologias de suporte efetivo à decisão espacial (Laaribi, Chevallier & Martel, 1996), ou mesmo como um meio de incrementar a utilidade de SIG e SAD para a solução de problemas espaciais (Walsh, 1993).
Uma área promissora que pode se constituir em um nicho apropriado para SADE pode
ser a Geocomputação (Macmillan, 1998).
41
Esta distinção é de fundamental importância porque ressalva que o escopo deste
trabalho está sob uma ordem de conceitos interrelacionados que contribuem para a definição de uma nova disciplina. O fato de se utilizar sistemas SIG para implementar
SADE mostra apenas que esta é uma das abordagens tecnológicas e que, necessariamente, não elimina outras que por ventura venham a surgir na prática, como resultado dos
avanços teóricos nesta disciplina. No capítulo 3 o leitor poderá encontrar uma proposta
de classificação das estratégias de desenvolvimento de SADE, em que SIG é considerado o subsistema principal.
2.9
Sistema de apoio à decisão espacial - SADE
O conceito de Sistema de Apoio à Decisão Espacial - SADE (Armstrong, Den-
sham & Rushton, 1986) vem sendo utilizado como arcabouço teórico para o desenvolvimento de sistemas computacionais, voltados para apoio a processos decisórios sobre
problemas espaciais. A nível tecnológico estes sistemas vêm sendo amplamente aplicados sobre decisões de uso do solo e decisões sobre o uso da água (USDA, 1997, 1998).
O primeiro grupo envolve a divisão da paisagem em partes sobre as quais procedem-se
avaliações e prescrições distintas para cada uma. Incluem decisões sobre alocações,
tratamentos, decisões ambientais e decisões de gerenciamento de riscos. Este último diz
respeito à identificação de riscos específicos, desenvolvimento e avaliação de estratégias de mitigação. Incluem riscos geológicos, de incêndios, nucleares, de transporte de
materiais perigosos e inundações. Os componentes básicos da arquitetura SADE são os
mesmos dos SAD. A diferença está em que a visão de SADE é dirigida para o domínio
da informação espacial.
42
2.9.1
SADE efetivo
Um dos critérios para se definir a eficácia de um sistema é a satisfação do usuá-
rio ou decisor (Gatian, 1994). Se um sistema atende aos anseios do decisor, satisfazendo
suas necessidades quanto à resolução de seus problemas, então pode-se dizer que o sistema é efetivo. Nesta linha de argumentação até mesmo uma calculadora eletrônica seria um sistema de suporte à decisão. Mas o domínio dos problemas espaciais costuma
ser complexo, de modo que esta argumentação merece melhor reflexão.
Para um sistema ser efetivo no suporte a decisões baseadas em dados espaciais
seria preciso que:
a) esteja apto para lidar com problemas relativamente grandes e mal estruturados;
b) efetivamente preste suporte a todas as etapas do processo decisório;
c) apresente alternativas;
d) direcione o decisor rumo à melhor solução possível para o problema;
e) esteja orientado a um domínio específico de aplicação.
Um SADE Efetivo, e não necessariamente eficiente, permitiria ao usuário, especialista ou não, tomar decisões com base em dados espaciais, cujos efeitos sobre o mundo real teriam sido previstos durante o PTD. Um SADE Efetivo poderia assistir planejadores e gerentes na exploração de opções, avaliação de impactos potenciais, experimentar estratégias e descobrir novo conhecimento (Matthews, Sibbald & Craw, 1999). Estes
atributos, aliados aos da Tabela 1, podem se constituir num guia útil para a avaliação de
sistemas que se propõem a dar suporte à decisão espacial, mesmo que sejam desenvolvido a partir de SIG.
43
Tabela 1 - Atributos de um SADE Efetivo.
Assunto
escopo das decisões
modo de decisão
variáveis de decisão
complexidade do problema
nível de apoio
componentes tecnológicos
2.9.2
Atributo
− apoio às fases do processo de tomada de decisão;
− ser orientado para o apoio diante da substituição do fator humano;
− atuar sobre PTD em que varáveis de decisão Quantitativa/qualitativa estejam
espacialmente distribuídas;
− apoio a problemas espaciais mal ou semi-estruturados;
− atuar sobre PTD em que os produtos exigem análises espaciais complexas;
− ser dispositivo prático que direcione o usuário aos objetivos formulados de
uma maneira simples, direta, clara e objetiva (Porto & Azevedo, 1997);
− considerar fatores administrativos, como nível e fluxo das decisões, fatores
sociais e políticos que compõem o ambiente organizacional da decisão e até
fatores psicológicos, como o tipo de tomador de decisão e seu comportamento (Porto & Azevedo, 1997);
− proporcionar ambiente virtual no qual o usuário possa explorar a teoria e
avaliar as estratégias de decisão (Bennett, 1997);
− proporcionar ambiente didático e iterativo que permita ao usuário aprender
sobre o problema e as possibilidades/limitações dos métodos utilizados (Porto & Azevedo, 1997);
− prover funcionalidades de SGBD espacial e não espacial;
− prover funcionalidades de SGBM;
− incorporar experiências de especialista.
SADE específico
SADE específico é um sistema projetado para atender um domínio de aplicações
(Densham, 1991; Sprague Jr., 1991). Este conceito se contrapõe à utopia de um sistema
suficientemente genérico capaz de prover suporte em qualquer domínio.
Uma das estratégias mais comuns para o desenvolvimento de SADE específico
é utilizar o chamado Gerador de SADE (Densham, 1991), semelhante ao Gerador de
SAD (Sprague Jr., 1991). O gerador de SADE é um software que oferece ferramentas
para, isolado ou integrado a outros sistemas, configurar um outro sistema com características de SADE.
44
Aplicativos de SADE- SADE Específico
Usuário
Gerador de
SADE
Desenvolvedor
de SADE
Ferramentas para SADE
Figura 13 - Papel dos desenvolvedores e usuário nos níveis tecnológicos de
SADE (Fonte: adaptado de Densham, 1991).
Atualmente, a grande maioria das estratégias de construção de SADE têm sido
utilizar SIG como gerador de SADE, associado a ferramentas ou a sistemas que implementam a modelagem de sistemas geográficos. O uso de SIG como Gerador de SADE
parece representar uma tendência que provoca certa confusão conceitual entre SADE e
SIG estendido. Entretanto, tratam-se de arcabouços conceituais distintos, cujas principais conseqüências estão associadas à eficiência e eficácia do apoio a processos de tomada de decisão, sobre problemas espaciais semi-estruturados.
2.9.3
Estado da arte
Pode-se comparar a situação vivida pela área SADE hoje com a de SIG há mais
ou menos 30 anos atrás. O conceito SIG essencialmente provém do uso dos computadores para mapeamento e análise espacial nos campos do Mapeamento Cadastral e Topográfico, Cartografia Temática, Engenharia Civil, Geografia, Análise Espacial (estudos
matemáticos da variação espacial), Ciência do Solo, Topografia e Fotogrametria, Planejamento Urbano e Rural, Redes de Serviços, Sensoriamento Remoto e Análise de Ima-
45
gens (Burrough, 1986). Em certo período, percebeu-se que reunir tecnologias diversas
em sistemas computacionais limitavam sua expansão rumo à tecnologia efetiva. Um dos
fatores que contribuíram fortemente para o estabelecimento do conceito SIG foi sua
aceitação pelos desenvolvedores de software. A industria passou a construir sistemas à
partir dos conceitos científicos e estes, por sua vez, foram sendo aprimorados à medida
que a tecnologia se desenvolvia, incorporando e melhorando funcionalidades. Durante
muitos anos sistemas foram desenvolvidos sob a crítica de ser um campo dirigido pela
tecnologia. Em 1990, Michael F. Goodchild lança o desafio de se alterar este paradigma
e estabelecer sua proposta de uma Ciência da Informação Geográfica (Goodchild,
1992). Seus argumentos se calcaram sobre o que chamou de unicidade do dado espacial,
ou seja, que dado espacial é baseado em dimensões contínuas, possui dependência mútua e que se distribui sobre a superfície curva da Terra. Estas características dariam legitimidade a uma série de inferências científicas. Como Ciência, este campo teria que
possuir sub-campos, questões específicas e uma agenda. À partir disto, o autor sugeriu
oito sub-áreas: medição e compilação de dados, captura de dados, estatística espacial,
modelagem e teoria de dados espaciais, estrutura de dados, algoritmos e processos, apresentação de dados, ferramentas analíticas, questões éticas, gerenciais e institucionais.
Com SADE atualmente acontece algo semelhante. Entretanto, a indústria de
software ainda não vê vantagens na construção de sistemas monolíticos, dedicados a
poucas áreas de aplicação e prefere investir em softwares ou módulos expansíveis na
área SIG. Isto tem contribuído para que hoje ainda não se disponha de sistemas comerciais prontos para consumo.
O que facilmente se observa é a prática da "extensibilidade de SIG" entendida
pelos especialistas como "desenvolvimento de aplicativos", ou então a integração de
SIG com softwares de modelagem científica (SMC) (ver capítulo 3). Esta abordagem,
46
essencialmente tecnológica, tem resultado em sistemas pouco eficientes e eficazes no
apoio a PTD porque não há suporte adequado aos problemas conceituais da integração
(Sui & Maggio, 1999). As conceitualizações de espaço, tempo, escala e objetos em SIG
são incompatíveis com a maioria dos modelos hidrológicos (Sui & Maggio, 1999; Bian,
1997). Num SIG vetorial, por exemplo, é comum representar a rede de drenagem por
segmentos orientados, conectados por nós geograficamente referenciados. Este tipo de
representação espacial torna muito difícil que modelos convencionais de processos hidrológicos, disponíveis em pacotes SMC, possam exercer algum tipo de atividade algorítmica sobre esta rede de drenagem. Além disso, os sistemas integrados, em geral, se
tratam de caixas pretas com diferenças semânticas naturais porque foram desenvolvidos
à partir de visões distintas da realidade. Na área SIG o mundo real é visto quase como
estático (expresso conforme atestam os bancos de dados espacial e não espacial). Na
área da modelagem científica geográfica o mundo é visto como um conjunto de processos bem mais dinâmicos, onde as entidades sofrem alterações de comportamento continuamente (ex. fluxo da água em rio). Na área SIG, ênfase é dada na representação espacial de entidades, feições ou objetos geográficos, seus relacionamentos topológicos e
atributos associados. Na área da modelagem científica geográfica ênfase é dada na modelagem quantitativa dos processos que ocorrem junto a estas mesmas entidades, feições
ou objetos geográficos. Enquanto uma rede de drenagem tem uma função praticamente
estática nos bancos de dados SIG, nos modelos hidrológicos estas mesmas entidades
simbolizam fenômenos dinâmicos importantes como o escoamento da água ou a propagação de poluentes. Portanto, estas áreas possuem seu grupo particular de conceitos
desenvolvidos em Ciências distintas, como a Ciência da Informação Geográfica e a Hidrologia. Elas trabalham sobre dois mundos geográficos distintos vistos por Chorley &
Kennedy (1971) como sistemas morfológicos e sistemas em cascata. O primeiro é com-
47
posto por propriedades físicas associadas com o fenômeno, como geometria, composição e localização. No segundo, mais dinâmico, ocorre o fluxo de massa ou energia através de seus componentes. Nesta abordagem, o mundo SIG está mais relacionado a sistemas morfológicos e o mundo SMC mais a sistemas em cascata.
Vale destacar ainda que uma das principais questões a ser formulada e resolvida
é a implementação do banco de modelos e das funcionalidades do seu sistema gerenciador. Isto parece ser difícil sob as tradicionais abordagens dirigidas essencialmente pela
integração de tecnologias, onde se identifica uma visão policotômica da realidade, provinda destes diferentes sistemas. Há, portanto, uma necessidade de convergência conceitual que permita o pleno desenvolvimento de tecnologia SADE efetiva. Isto poderia
envolver as Ciências responsáveis pela representação espacial e modelagem de processos geográficos, como a Ciência da Informação Geográfica, Hidrologia, Geografia Física e Teoria de Sistemas. O objetivo é pensar além e acima das questões meramente tecnológicas em direção a uma integração semântica de conceitos com suporte da Ontologia (Sui & Maggio, 1999).
2.10 Sumário
Inundações são fenômenos de ocorrência mundial que acarretam perdas materiais e humanas. A previsão destes fenômenos vem sendo abordada como forma de estimular ações de prevenção e controle dos seus efeitos. As metodologias tradicionais de
previsão e alerta priorizam a tomada de decisão sobre o momento de emissão e tipo de
aviso e praticamente ignoram decisões sobre as ações posteriores. O conceito de Gerenciamento de Desastres Naturais - GDN inclui a previsão e alerta como etapas de uma
abordagem mais ampla sobre o problema das inundações. O objetivo é obter ações mais
48
efetivas e eficazes de prevenção e controle do fenômeno com a conseqüente minimização das perdas. O caminho a ser percorrido deve considerar que o GDN compreende
fases que se constituem em diversas situações de solução de problemas, que cada uma
destas situações demanda processo de tomada de decisão e este, por sua vez, exige informações, modelos simplificados do domínio do problema, critérios e modelos de escolha formais. Aliado a estes fatores deve-se acrescentar que tanto as precipitações como as inundações são fenômenos espaciais. Os problemas decorrentes deste tipo de fenômeno são problemas espaciais de natureza complexa, cujas decisões para solução são
tomadas sob incertezas e riscos. A natureza complexa dos problemas espaciais, a presença de incertezas e riscos e a impossibilidade de estruturação completa do espaçoproblema abrem caminho para a participação conjunta do homem e do computador no
processo de tomada de decisão. Apesar de ser bastante utilizados na Hidrologia, os Sistemas de Apoio à Decisão não são adequados para apoiar a solução dos problemas espaciais do GDN porque, ao não considerarem o referenciamento espacial, não possuem
ferramentas adequadas de manipulação e análise de informação espacial. A opção tecnológica atualmente disponível para lidar com a componente espacial são os Sistemas
de Informação Geográfica. Mas, mesmo podendo ser utilizada junto com o Sensoriamento Remoto para mapear a extensão dos alagamentos, com vista a calibração e avaliação de modelos hidrológicos, os SIG carecem de recursos para apoio efetivo a todas as
etapas do processo de decisão, especialmente de funções de Explanação e de Predição.
Algumas tentativas têm sido feitas no sentido de estender suas funcionalidades incorporando modelos científicos de processos geográficos, mas os sistemas resultantes ainda
não têm conseguido chegar a sistemas efetivos. O conceito de Sistema de Apoio à Decisão Espacial tem tido aceitação crescente, principalmente pela comunidade científica,
como uma forma de desenvolver arcabouços conceituais mais robustos em direção a
49
tecnologias mais efetivas. Estes conceitos ainda não tiveram plenos reflexos sobre o
segmento tecnológico. Em parte, isto se deve à persistência dos desenvolvedores em
adotar a tecnologia SIG como geradora de SADE. O caminho para se atingir SADE
efetivo deve começar por uma análise de alto nível, desprendida das abordagens puramente tecnológicas. A análise deve se dirigir para o espaço-problema de domínio do
GDN no sentido de buscar uma compreensão integrada sobre entes espaciais e processos físicos associados, incluindo-se as questões de espaço, tempo e escala.
50
3
UMA TAXONOMIA DE CONFIGURAÇÕES DE SISTEMAS DE APOIO À
DECISÃO ESPACIAL ESPECÍFICOS
De acordo com Pressman (1995) um sistema baseado em computador é um con-
junto ou disposição de elementos que é organizado para executar certo método, procedimento ou controle ao processar informações. Do ponto de vista computacional um
SADE é composto pelos subsistemas de software, hardware, dados e de procedimentos.
O subsistema de software é composto por programas, estruturas de dados e documentação correlata que implementam o método, processo ou controle lógico do sistema. O
subsistema de software pode ser classificado em software aplicativo, que executa as
funções de processamento de informações, e software básico, que executa as funções de
integração com outros elementos do sistema (Pressman, 1995) como, por exemplo, o
hardware. As estratégias de desenvolvimento de SADE são metodologias para a incorporação de funções a softwares aplicativos.
Esta seção tem os seguintes objetivos:
a) levantar e analisar as principais variáveis que determinam as metodologias
correntes de desenvolvimento de softwares aplicativos na área de SADE;
b) propor e ilustrar uma taxonomia destas metodologias, tendo como propósitos
ser genérica, abrangente e prática;
c) identificar e analisar a estratégia que apresenta maior flexibilidade para o desenvolvimento de SADE Efetivo.
3.1
Papel dos sistemas de informação geográfica (SIG)
Na Engenharia de Software é comum o agrupamento de funções no subsistema
de software em estruturas modulares de modo a comportar programas extensos. As es-
51
tratégias para o desenvolvimento de SADE fundamentalmente abordam o aproveitamento de softwares ou módulos existentes. Estas metodologias são quase que unânimes
em perseguir o conceito de Sistema de Informação Geográfica (SIG), seja incorporando
softwares de modelagem científica (SMC), seja desenvolvendo interconexões entre SIG
e SMC, conforme já discutido no Capítulo 2. Os motivos para a utilização de SIG estão,
essencialmente, nas capacidades deste sistema em coletar, armazenar, manipular e apresentar uma variedade de dados espaciais, tais como imagens de satélite, mapas vetoriais
e matriciais, gráficos, modelos numéricos de terreno, além de prover ferramentas avançadas para visualização. Entre outros, estas capacidades permitem ao usuário visualizar
e conhecer a localização, distribuição e relacionamentos espaciais dos fenômenos geográficos modelados a partir do mundo real. Para a Hidrologia, atributos importantes
como área de bacia, extensão de fluxo, declividade do terreno, rugosidade da superfície,
tipo de solo e cobertura do terreno (DeVantier & Feldman, 1993) podem ser viabilizados a partir do banco de dados espacial de um SIG. Atributos de descrição de solo, uso
da terra, cobertura do terreno, condições da água no terreno, sistemas feitos pelo homem, podem ser obtidos a partir de um banco de dados não espaciais de um SIG. Por
outro lado, os SMC em geral são muito difíceis de utilizar porque envolvem a manipulação tediosa de formatos inflexíveis de dados (Handcock, 1995) e são inaptos a lidar
adequadamente com a variabilidade espacial dos processos modelados. Uma das funções do SIG num SADE seria fornecer parâmetros de maior qualidade ao SMC. Apesar
destas funcionalidades atraentes ainda não é plena sua aceitação pela comunidade hidrológica. Apesar de SIG estar sendo utilizado em Hidrologia, segundo DeVantier & Feldman (1993), em muitas aplicações as seguintes questões ainda permanecem pendentes:
a) grau em que SIG pode substituir as atividades que são fortemente dependentes do julgamento da Engenharia;
52
b) inclusão de séries temporais no banco de dados do SIG;
c) manipulação apropriada de dados variantes no tempo;
d) custos de implantação de SIG;
e) falta de evidências claras quanto a superioridade dos resultados de SIG sobre
os métodos tradicionais;
f) carência de utilização a campo de tecnologias SIG aplicadas a Hidrologia para que se tenha mais estudos sobre sua real utilidade;
g) falta de consenso sobre quais tecnologias SIG e SMC devem ser aplicadas;
h) discussões inconclusivas quanto ao nível de escala espacial de aplicação de
parâmetros e de modelos hidrológicos;
i) indefinição da resolução espacial para os modelos distribuídos.
Por outro lado, Dragosits et al. (1996) aponta para alguns benefícios importantes
da integração de SIG com SMC:
a) SIG auxilia raciocínio, comunicação e experimentação;
b) previsão de resultados onde a mensuração direta é impossível e/ou muito cara;
c) testes de cenários do tipo "o que se";
d) obtenção dos melhores ou piores cenários;
e) sinergismo de tecnologias.
Além destes aspectos, a tecnologia SIG vem tendo um amplo papel de préprocessamento de dados utilizados pelos SMC, permitindo ao usuário concentrar-se
mais sobre as atividades da modelagem científica do que sobre detalhes do software
(Handcock, 1995).
53
3.2
Taxonomia de estratégias de integração de subsistemas de software
A integração de tecnologias de software visando a configuração de SADE tem
gerado inúmeros sistemas. Alguns autores têm procurado definir classes de metodologias de integração, algumas vezes baseados em experiências próprias no desenvolvimento
e uso destes sistemas (Goodchild et al., 1992; Watkins et al., 1996; Fedra, 1993). Em
geral, estas classes não são claramente diferenciadas, utilizam muitos atributos que, notadamente, ofuscam análises comparativas. A proposta de taxonomia apresentada neste
trabalho tem os seguintes propósitos:
a) ser aplicada à integração de quaisquer subsistemas de software que incorporem a modelagem científica sobre um domínio de aplicações;
b) incluir não apenas as tecnologias atuais, mas também abranger seus potenciais desenvolvimentos futuros;
c) nortear estudos sobre diferentes categorias de sistemas de apoio à decisão
espacial;
d) ter aplicação prática para os desenvolvedores de SADE, uma vez que as diferentes categorias podem servir como ponto inicial ao futuro projeto de
SADE.
3.3
Critérios de classificação
As integrações são atividades que buscam formas de integrar (Watkins et al.,
1996), acoplar (Goodchild et al. 1992), conectar (Watkins et al., 1996) ou interfacear
(Rodrigues & Raper, 1997) subsistemas de softwares. De uma maneira geral, as estratégias que implementam esta integração podem ser agrupadas em duas categorias básicas:
integração parcial e integração plena.
54
Na integração parcial cada subsistema é uma entidade independente, que exige
determinados tipos de dados, tipos e formatos de arquivos e que executa funções particulares sobre um domínio de aplicação. As tecnologias são integradas por mecanismos
que agem sobre arquivos de dados, os quais, essencialmente, se constituem no elo de
ligação. As variações entre as abordagens para integração parcial, fundamentalmente,
ocorrem na implementação do mecanismo de controle da integração e na origem dos
dados que fluem entre os subsistemas.
Na integração plena uma das tecnologias é configurada para executar as tarefas
ou funções de outra(s) tecnologia(s). Tem-se, portanto, uma entidade singular com funções ampliadas ou estendidas. As variações entre as abordagens para integração plena
diferem na forma pela qual ocorre a extensão da tecnologia principal.
Estas duas categorias não são suficientes para diferenciar as diversas metodologias de integração de subsistemas de software com vistas ao desenvolvimento de SADE.
Esta pesquisa estabeleceu alguns critérios que foram agrupados em três categorias básicas: Modelagem Científica, Dados e Controle da Integração (Tabela 2). As seções seguintes apenas descrevem estes critérios enquanto que a análise dos mesmos é procedida no âmbito das classes das estratégias.
Tabela 2 - Categorias de critérios para classificação das estratégias de integração de
subsistemas de software.
Critério
(1) Modelagem Científica
Tipo de Integração
(A) Incorporação
Nível de Integração
Dedicação
Habilitação
(B) Independente
(2) Dados
(A) Compartilhamento
(B) Transferência
(3) Controle da Integração
(A) Incorporação
Dedicação
Habilitação
(B) Independente
55
3.3.1
Modelagem científica
Este critério diferencia as estratégias de integração ou acoplamento conforme o
grau de proximidade física2 dos subsistemas envolvidos. Quando a proximidade física é
mínima ou nula, se tem a independência dos subsistemas. Cada subsistema se constitui
numa entidade independente, que executa funções particulares sobre um domínio distinto de aplicação. Quando a modelagem científica é independente, alguns autores utilizam
o termo "abordagem caixa preta", em que um sistema passa dados para outro sistema e
recebe os resultados de volta. No caso de SMC e SIG o contato entre os sistemas não
passa além do conhecimento necessário das estruturas dos dados de entrada e saída
(Handcock, 1995).
A abordagem caixa preta guarda semelhanças com o conceito de encapsulação
da abordagem orientada a objetos. Quando a proximidade física é máxima denomina-se
de incorporação, ou seja, um subsistema de software absorve totalmente o código necessário para a execução das tarefas executadas pelo outro subsistema. Se a incorporação é representada por linguagens de programação compiladas em código de execução
como C, FORTRAN, C++, Pascal, ou linguagem de programação compilada do sistema
incorporador, tem-se uma incorporação feita por dedicação. Se a incorporação ocorrer
através de uma linguagem de alto nível, interpretada em tempo de execução (p.e. AML
do SIG Arc/Info), e que é de propriedade de um dos subsistemas, tem-se uma incorporação feita por habilitação. Pode-se dizer que, no primeiro caso, um subsistema de
software está “dedicado” às tarefas do subsistema absorvido, além das suas próprias. Na
incorporação há, portanto, uma entidade singular com funções ampliadas ou estendidas.
2
A proximidade física se refere ao nível de incorporação de código de um subsistema em outro subsistema.
56
O nível de dedicação é o mais exigente quanto ao desenvolvimento de software
e é o nível em que há o máximo envolvimento entre a aplicação e o subsistema incorporador. Implementar a dedicação significa trilhar pelos conceitos da Engenharia de Software. Não está no escopo deste trabalho se estender nestes conceitos, de modo que se
faz um pequeno resumo a fim de situar o nível de dedicação.
O desenvolvimento de sistemas de software normalmente segue o conceito de
ciclo de vida de desenvolvimento de sistemas. O ciclo de vida corresponde a uma seqüência ordenada de etapas onde as saídas de uma etapa são as entradas da etapa seguinte. Diferentes abordagens foram desenvolvidas sob o conceito de ciclo de vida e se
constituem em paradigmas da Engenharia de Software, tais como o modelo em cascata,
a prototipação, o modelo espiral e as técnicas de quarta geração. Estes paradigmas podem ser combinados de modo a que se tire proveito das potencialidades de cada um
durante um projeto. Usualmente são descritos como abordagens alternativas à Engenharia de Software em vez de abordagens complementares (Pressman, 1995). As técnicas
estruturadas usualmente adotam o modelo em cascata em que os sistemas são desenvolvidos de acordo com as etapas de Análise, que visa especificar "o que" o sistema
deve fazer, abstraindo o "como"; Projeto, em que se define o "como" e a de Implementação, onde codificam-se, testam-se e concluem-se os programas (Bayas, 1995). O caminho percorrido entre a análise e a implementação envolve diferentes níveis de abstração de dados e de procedimentos.
3.3.2
Dados
Este critério define as estratégias de acordo com os dispositivos e mecanismos
utilizados para operar e acomodar os dados comuns aos subsistemas. Dentre as metodo-
57
logias se destacam aquelas em que há o compartilhamento ou a transferência de dados
entre os subsistemas (Tabela 2). O compartilhamento de dados entre os subsistemas
define o seu nível de proximidade lógica. A proximidade lógica é máxima quando um
subsistema acessa diretamente os dados armazenados conforme o modelo e a estrutura
de dados do outro subsistema. Os dados acessados ficam imediatamente disponíveis
para uso, sem necessidade de operações intermediárias de tradução. A proximidade lógica é mínima ou nula quando, antes de ser utilizados pelos subsistemas, os dados são
extraídos da estrutura de armazenamento (banco de dados ou memória) para um ou mais
arquivos intermediários. Para que um subsistema utilize estes dados é necessário acessálos através do arquivo de transferência. O arquivo de transferência atua como um tradutor entre os subsistemas, em que a linguagem seria o formato do armazenamento.
3.3.3
Controle da integração
A análise deste critério é semelhante ao critério da modelagem científica. O con-
trole da integração discrimina as estratégicas conforme o nível de proximidade física
entre os mecanismos de controle do processo de integração e os subsistemas integrados
por este processo. A proximidade física é máxima quando a parcela de código responsável pelas operações de controle está incorporada totalmente ao código de um dos subsistemas. Evidentemente que se admite ainda a situação em que tal parcela pode estar
segmentada e distribuída junto aos códigos de dois ou mais subsistemas. Todavia, esta
situação não é comum no desenvolvimento usual de SADE, e parece não representar
uma tendência. Conforme ocorre na modelagem científica, a incorporação do controle
da integração também pode dar-se a nível de dedicação ou de habilitação.
58
3.3.4
Assistência ao usuário
Este critério discrimina estratégias conforme o grau de interação entre usuário e
computador, disponibilizadas pelas ferramentas de software. Por ser um recurso que se
interpõe entre usuário e computador, e não entre os subsistemas a serem integrados, a
assistência ao usuário não será considerada no escopo desta classificação de estratégias.
O objetivo de mencionar este critério é deixar um campo aberto na estrutura dos critérios que, eventualmente, pode constituir-se num critério efetivo.
3.3.5
Critérios de classificação aplicados à integração dos subsistemas SIG e
SMC
Os critérios gerais descritos na seção anterior podem ser aplicados considerando
como subsistemas de um lado, um Sistema de Informação Geográfica (SIG) e, de outro,
um software ou sistema de modelagem científica (SMC). A Tabela 3 resulta de uma
adaptação da Tabela 2 para acomodar estes sistemas.
Tabela 3 - Categorias de critérios para classificação das estratégias de integração de
subsistemas de software para configurar SADE.
Critério
(A) Modelagem Científica
Tipo de Integração
(A) Incorporada ao SIG
Nível de Integração
Dedicação do SIG
Habilitação do SIG
(B) Independente do SIG
(B) Dados
(A) Compartilhamento dos bancos de dados
do SIG e do SMC
(B) Arquivo de transferência
(C) Controle da Integração
(A) Incorporado ao SIG
Dedicação do SIG
Habilitação do SIG
(B) Independente do SIG
59
3.4
Classes de estratégias
Dentre os inúmeros relacionamentos possíveis entre as categorias e subcategori-
as de critérios (Figura 14) quatro casos se distinguem (Tabela 4, Figura 15).
A
Incorporado
Compartilhados
Controlador da
Integração
Dados
Transferidos
Independente
B
Independente
Incorporado
SMC
Figura 14 - Domínio dos relacionamentos possíveis entre as categorias e
subcategorias de critérios.
Tabela 4 - Características das estratégias de acoplamento de subsistemas de software.
Classe de Acoplamento
Característica
SMC
Rótulo
Dado
CI
1B
2B
3B
1B
2B
3A
1B
2A
3A
1A
2A
3A
-
-
-
modelagem científica independente
Livre
“loose coupling”
transferência de dados
controle da integração independente
modelagem científica independente
Próximo
“close coupling”
transferência de dados
controle da integração incorporado
modelagem científica independente
Rígido
“tight coupling”
compartilhamento de dados
controle da integração incorporado
modelagem científica incorporada
Pleno
“full integration”
Misto
compartilhamento de dados
controle da integração incorporado
indefinido
60
Os rótulos ilustram uma evolução gradual desde os subsistemas totalmente livres aos subsistemas totalmente integrados.
3.4.1
Acoplamento livre
A integração ou acoplamento é livre (Tabela 2) quando os subsistemas são enti-
dades independentes, que não compartilham, mas sim transferem, os dados entre si no
processo de integração, e cujo controle é desvinculado de quaisquer dos subsistemas. As
proximidades física e lógica são mínimas ou nulas. O símbolo para expressar este nível
de integração é 1B 2B 3B.
SADE
SI
arq. dados
SMC
Livre
CI
SADE
Próximo
SI
arq. dados
CI
SMC
SADE
Rígido
SI
dados
SMC
CI
SI: subsistema incorporador
SMC: subsistema de modelagem científica
CI : controle da integração
SADE
Pleno
SI
+
SMC
CI
Figura 15 - Categorias de estratégias de acoplamentos para configuração de
SADE.
Esta estratégia permite o aproveitamento integral de subsistemas existentes, sem
necessidade de desenvolvimento de código específico para executar tarefas abrangidas
pelos subsistemas integrados. O esforço de programação se concentra, basicamente,
61
sobre os mecanismos de controle do processo de integração, conferindo menor custo e
tempo de desenvolvimento do projeto. As ineficiências desta abordagem estão a nível
de armazenamento e de desempenho do sistema. Os arquivos de transferência configuram dispositivos de duplicação de armazenamento dos dados que serão utilizados pelos
subsistemas. A construção destes arquivos usualmente exige operações de tradução além das operações rotineiras de leitura/gravação. A execução repetida de seqüências de
transferência de dados em arquivos pode ser lenta e podem ser necessárias muitas operações de depuração para assegurar que os dados transferidos entre os subsistemas estejam corretos (Watkins et al., 1996).
3.4.1.1 Acoplamento livre aplicado aos subsistemas SIG e SMC
No chamado acoplamento livre ["loose coupling" conforme termo de Goodchild
et al. (1992), Matson et al. (1995), Handcock (1995), Karimi (1997); "link" conforme
Watkins et al. (1996) e Fedra (1993)] SIG e SMC são sistemas autônomos, integrados
através de arquivos. O programa ou conjunto de programas de interface converte dados
entre os formatos de arquivos do SIG e do SMC (Watkins et al., 1996). O SIG é utilizado para análise geográfica, para geração de arquivos que são a entrada do SMC, para a
leitura, análise e visualização dos arquivos gerados pelo SMC. Os arquivos podem estar
no formato ASCII ou binário.
No nível de ligação de Watkins et al. (1996), o programa de interface usualmente acessa o banco de dados do SIG, prepara o arquivo a ser lido pelo SMC, ativa o SMC,
ativa um programa de formatação do arquivo de saída do SMC para ser lido pelo SIG.
Pode ainda chamar outros programas que preparam a estrutura de dados do SIG para
receber os resultados.
62
3.4.1.1.1 GIS/CADD DSS (4-Dimentional GIS/CADD-Based Decision Support
System)
Apesar de hoje haver versões mais atualizadas em relação às que foram utilizadas por Anderson (1998), o trabalho serve como um bom exemplo de acoplamento livre
em que se tem um número significativo de softwares aplicativos e muitas operações de
transferências e controles, sem assistência de uma interface visual. O trabalho descreve
a integração entre os softwares AutoCad v.12 (CADD - Computer Aided Design and
Draft), ArcCAD v.11.2 e ArcView v.2.1b (SIG) com os softwares de modelagem ambiental 3DFEMWATER (A Three-Dimensional Finite Element Model of WATER Flow
through Satured-Unsatured Media), o qual simula o fluxo de água na subsuperfície, e
3DLEWASTE (A Hybrid Three-Dimensional Lagrangian-Eulerian Element Model of
WASTE Transport through Satured-Unsatured Media), que modela o transporte de contaminantes. Há 10 operações básicas que o usuário deve proceder, quais sejam: desenvolver um mapa-base no CADD 3D, construir o banco de dados no SIG, estabelecer o
grid de elementos finitos para a área modelada e entrar com os pontos nodais no CADD
3D, ativar o modelo ambiental, converter os arquivos de saída ASCII para o banco de
dados do SIG, criar isolinhas e renderizá-las a partir destes pontos, criar os temas do
SIG (ArcCad) a partir das entidades do CADD, ligar o banco de dados aos temas do
SIG, desenvolver análises espaciais, desenvolver saídas gráficas. Como nem todas estas
operações eram assistidas pelos aplicativos, o autor teve que utilizar aplicativos adicionais para fazer a modelagem digital do terreno e converter arquivos.
3.4.1.1.2 WATERSHEDSS
O sistema objetiva avaliar impactos de fontes de poluição não pontuais individuais através de informações sobre qualidade da água e química do solo. Basicamente o
63
WATERSHEDSS (Water, Soil, and Hydro-Environmental Decision Support System)
integra um SIG (GRASS - Geographic Resource Analysis Support System) com um
software aplicativo do modelo AGNPS (Agricultural Non-Point Source Pollution) através de um gerador de arquivo de entrada de dados no AGNPS. O SIG é utilizado para
gerar os 22 parâmetros de entrada exigidos pelo AGNPS. Tanto o processo de simulação no AGNPS como o modelo de dados do SIG seguem o modelo matricial ou raster
(USDA, 1997).
3.4.1.1.3 Integração AGNPS-RAISON
O sistema é resultado do acoplamento livre via arquivo entre um software que
aplica o modelo AGNPS e um Sistema de Apoio a Decisão (RAISON - Regional Analysis Information System). De acordo com León et al. (1998)b, o RAISON é um conjunto de ferramentas de software que interligam banco de dados, planilhas e gráficos
com SIG e Sistemas Especialistas para análise geográfica, aceita diversos formatos de
arquivos SIG e sistemas de bancos de dados e permite a customização do software para
aplicações específicas. O usuário é assistido por uma interface gráfica pela qual se dá
todo o controle do processamento de dados, inicialização dos SMC e análise dos resultados dos modelos. Tendo sido gerado o arquivo ASCII no formato entendido pelo
SMC, este pode ser ativado no ambiente do sistema ou externamente (DOS). O sistema
ainda comporta modos de execução diferenciados, como a execução singular ou a execução múltipla para análise de sensibilidade. A análise dos resultados é assistida por
ferramentas gráficas e estatísticas visando a interpretação dos resultados. León et
al.(1998)b
64
3.4.1.1.4 WOODSS - Workflow-based Spatial Decision Support System
O WOODSS é um sistema de apoio à decisão espacial baseado em workflows
científicos. Workflow científico é uma técnica para descrever a execução de tarefas de
experimentação científica através de documentação. O WOODSS é um sistema que
enfatiza a documentação de procedimentos de geração de mapas por um SIG (IDRISI)
para a posterior avaliação e tomada de decisão sobre problemas ambientais. O sistema
ainda documenta os modelos científicos e seus parâmetros. Permite testar e comparar
estratégias de planejamento. O WOODSS é integrado ao SIG através do módulo Monitor, parte integrante da arquitetura do WOODSS. (Seffino et al., 1999)
3.4.1.1.5 LADSS (Sistema de Apoio à Decisão para Alocação de Solo)
O LADSS tem por objetivo geral explorar opções de uso do solo e o impacto potencial de sua mudança. Especificamente visa maximizar o retorno financeiro de um uso
e minimizar seu impacto sobre o meio ambiente. A tecnologia LADSS está baseada na
integração de um SIG (Smallworld) com um sistema baseado no conhecimento - KBS
denominado Gensym ou G2. Os modelos científicos se referem a sistemas de uso do
solo (cevada de primavera, rebanho ovino de planalto, gado leiteiro, pastagem semeada,
cinco espécies de árvores com copa densa e duas espécies de coníferas) e de avaliação
de impactos (produtividade agrícola e análise financeira). Usa técnicas de otimização
por Algoritmos Genéticos. Os módulos de uso do solo avaliam a adeqüabilidade biofísica de um Fragmento de Bloco de Terra, estimam sua produtividade sob um certo regime
de gerenciamento definido pelo gerente e fazem uma avaliação da produtividade financeira marginal de um sistema, dado um conjunto de custos e preços de mercado, denominados de parâmetros globais. Os módulos de avaliação de impactos avaliam impactos
65
econômicos, sociais e ambientais, o que caracteriza um problema multi-objetivo. As
ferramentas de planejamento de uso do solo são usadas para alocar usos do solo, ou seja, definir qual o uso de cada parcela. Dados os objetivos da procura e parâmetros globais do gerenciamento (pagamento de concessões e preços de produtos) pode-se fazer
análises de cenários do tipo "o que-se". Com os objetivos e cenários o Algoritmo Genético procura pela melhor alocação de uso do solo a nível de blocos de terra (um campo
numa fazenda). O usuário pode visualizar uma alocação, definida por um genótipo na
população AG, chamando método do SIG. Modificações de parâmetros são permitidas.
O SIG Smallworld e o KBS G2 são integrados por um mecanismo baseado na
orientação a objetos. O controle da integração é um programa em C que manipula comunicações entre a Interface Padrão do Gensym (GSI) e a interface do Smallworld
chamada Co-processador Alienígena (ACP). O CI passa dados do SIG para o KBS criando dentro do KBS uma estrutura de dados "parcialmente espelhada", ou seja, uma
cópia parcial dos objetos do SIG. Acompanham objetos, seus atributos (dentre os quais
o identificador único do objeto - UID), relacionamentos entre os níveis de informação
no SIG (Empresa, Bloco de Terra, Fragmento de Bloco de Terra), entre outros. O KBS
pode acessar funções SIG através de chamadas remotas de procedimentos (RPC). O
problema da abordagem parcialmente espelhada é a alta suscetibilidade a erros comparada a integração plena. (Matthews, Sibbald & Craw, 1999)
3.4.2
Acoplamento próximo
O acoplamento próximo se difere do acoplamento livre pela incorporação do
controle da integração a um dos subsistemas (Figura 15). Apesar de as proximidades
física e lógica dos subsistemas ainda serem mínimas ou nulas, o acoplamento próximo
66
sinaliza na direção de uma maior aproximação entre os subsistemas. O símbolo para
expressar este nível de integração é 1B 2B 3A.
A estratégia do acoplamento próximo reúne os aspectos positivos do acoplamento livre, com a vantagem adicional de que, a nível de habilitação, os mecanismos de
controle da integração podem ser programados em linguagem de alto nível (p.e. macros), num ambiente amigável ao usuário, pertencente a um dos subsistemas. Em geral,
esses ambientes são configurados para assistir usuários no desenvolvimento de aplicações, incluindo ferramentas para construção rápida de interfaces visuais. Esta abordagem permite reduzir o esforço de programação bem como o tempo e o custo de desenvolvimento do SADE. Por outro lado, as ineficiências do acoplamento livre são também
mantidas, com a desvantagem adicional de que, na habilitação elaborada por linguagens
interpretadas, se tem uma depreciação no desempenho do sistema. Já a nível de dedicação, elaborada por linguagens de baixo nível, os códigos dos mecanismos de controle
são compilados para a linguagem de execução, de modo que esta depreciação não é esperada. Neste caso, o esforço de programação pode ser maior que na habilitação devido
à falta, comumente encontrada, de um ambiente amigável de programação junto a um
dos subsistemas.
3.4.2.1 Acoplamento próximo aplicado aos subsistemas SIG e SMC
No acoplamento próximo ["close coupling" conforme termo de Goodchild et al.
(1992) e Handcock (1995); "integrate" conforme termo de Watkins et al. (1996)] dos
subsistemas SIG e SMC as características funcionais e operacionais são semelhantes ao
seu acoplamento livre.
67
3.4.2.1.1 Integração Arc/Info-MODFLOW - Sistema ARCMOD
Watkins et al. (1996) descreve o sistema ARCMOD que integra o subsistema
SIG Arc/Info ao subsistema SMC MODFLOW (simulação do fluxo da água subterrânea) através de arquivos. O mecanismo de controle da integração é incorporado ao SIG
por habilitação, através da linguagem AML de propriedade do SIG (Maguire, 1995), e
executa as seguintes operações: chama uma série de programas que selecionam um arquivo do banco de dados do SIG, recupera os dados necessários para o SMC e traduzem-nos em um arquivo de transferência ASCII de forma que o MODFLOW possa utilizá-los. O controle também ativa o MODFLOW que, por sua vez, produz um conjunto
de arquivos com os resultados da modelagem científica. Em seguida o controle chama
um programa em FORTRAN para, a partir dos arquivos de saída do MODFLOW, gerar
novo arquivo traduzido para o formato compatível com o SIG. O controle ainda é o responsável pelo preparo da estrutura de dados do SIG para receber os dados do arquivo
traduzido.
3.4.2.1.2 Integração MGE-MODFLOW
Outro sistema citado por Watkins et al. (1996) resulta da integração por dedicação dos subsistemas SIG MGE (Modular GIS Environment) e SMC MODFLOW. O
controle da integração é desenvolvido em linguagem C e utiliza recursos de assistência
ao usuário através de interface gráfica com caixas de diálogos, comandos gráficos e
consulta a banco de dados. O controle permite a entrada de dados a partir de diversas
fontes e os traduz em um arquivo de entrada padrão do MODFLOW. Ainda provê métodos para visualização e análise dos resultados do MODFLOW.
68
3.4.2.1.3 Integração MGE-SWMM
O sistema objetiva o gerenciamento de eventos de chuva sobre bacias hidrográficas usando o modelo SWMM (StormWater Management Model) que simula escoamento e transporte superficial. O SADE objetiva apoiar a identificação de inadequações
existentes e potenciais do sistema de drenagem da bacia, desenvolver melhorias práticas, incluindo projeções de custos (Barber et al., 1994). O sistema integra um SIG
(MGE), um CAD (MicroStation), um banco de dados (Oracle) e um aplicativo de simulação do modelo SWMM. O sistema executa as seguintes tarefas: (a) organiza e entra
com dados descritores da bacia de drenagem em tabelas relacionais, (b) filtra e exporta
dados do SIG para os arquivos de dados ASCII do SWMM através de uma aplicação
desenvolvida em MDL (MicroStation Development Language), (c) mostra os resultados
do modelo de simulação graficamente no SIG.
3.4.2.1.4 Geo-STORM (Storm Water System)
O sistema foi concebido para tornar mais eficientes e eficazes as tarefas de modelagem de eventos de chuva em relação aos métodos convencionais. O Geo-STORM é
um programa de interface escrito em AML e integra um SIG (ARC/INFO) a dois aplicativos compilados em FORTRAN que implementam a simulação de processos hidrológicos. Um dos aplicativos implementa os modelos TR-55 e TR-20 ao passo que o outro
aplicativo implementa o modelo HEC-2. Estes modelos têm por características estimar o
volume do escoamento superficial, o tempo para a vazão de pico e os níveis de elevação
de superfícies de alagamentos, respectivamente. As saídas do primeiro modelo são as
entradas do modelo seguinte. Através de chamadas externas o Geo-STORM executa os
69
aplicativos. O Geo-GUIDE é uma interface gráfica com o usuário que lhe permite acessar as funções do SIG, o Geo-STORM e os aplicativos de simulação. (Thomas, 1995)
3.4.2.1.5 STAMP (Spatial Temporal Modeling Program)
O sistema objetiva prever as conseqüências ambientais de determinados cursos
de ação (cenários) sobre lagos. O STAMP é um sistema que integra, através de arquivos, um SIG (Arc/Info), um aplicativo para visualização animada de séries de grid temporais (Data Explorer) e um aplicativo para modelagem ambiental (PnET). O sistema
foi concebido sob o conceito de reutilização de componentes pela, orientação a objetos,
para permitir a construção de outros modelos, além do modelo PnET, alterando algumas
partes específicas do sistema. Os dados tabulares são armazenados no banco de dados
do SIG (Handcock, 1995), mas os dados são transferidos do STAMP para o PnET através de arquivo e memória.
3.4.3
Acoplamento rígido ou forte
A estratégia de acoplamento rígido reúne os aspectos positivos do acoplamento
próximo e implementa uma maior aproximação lógica entre os subsistemas (Figura 15).
Ainda assim, a proximidade lógica não é completa e a proximidade física permanece
mínima ou nula. Nesta abordagem os subsistemas ainda são independentes, a integração
é controlada por mecanismos incorporados a um dos subsistemas, porém não há arquivos de transferência. Os subsistemas integrados por acoplamento rígido compartilham
os dados através de acesso direto às suas estruturas de dados ou ainda à memória. Esta
operação pode ser executada pelo controlador da integração com ou sem a assistência de
um gerenciador de banco de dados.
70
Devido ao compartilhamento de dados, no acoplamento forte se espera uma melhoria sensível no desempenho do sistema e na redução do espaço de armazenamento
dos dados. O acoplamento forte permite maior eficiência em termos de tempo de execução, uma vez que as operações de formatação e reformatação de arquivos de dados são
reduzidas significativamente (Watkins et al. , 1996). Este aspecto é especialmente relevante quando há uma quantidade massiva de dados de entrada. Esta estratégia apresenta
algumas limitações importantes para o desenvolvimento de SADE efetivo, discutidas
abaixo.
Embora pressuponha compartilhamento de dados entre os subsistemas, os mecanismos de controle da integração representam dispositivos artificialmente construídos
para manter a interoperabilidade a nível de fluxo de dados. Os subsistemas continuam
sendo entidades independentes, construídas em momentos distintos para atender necessidades sobre domínios de aplicações particulares e que, portanto, se conformam a conjuntos de especificações desarticulados entre si. Cada subsistema tem uma estrutura de
dados específica orientada para um modelo singular da realidade. Um SADE desenvolvido sob esta estratégia tende a apresentar uma visão policotômica de um supradomínio
de aplicações, conforme a visão que cada subsistema possui sobre seu domínio de aplicações respectivo. Um dos problemas advindos desta abordagem é a pouca flexibilidade
para a introdução do banco de modelos e a conseqüente aplicação dos conceitos associados como geração, análise e processamento. Esta constatação é corroborada pelos inúmeros SADE já desenvolvidos nos quais se observa, no máximo, uma abordagem tímida do conceito de banco de modelos. É comum em tais sistemas encontrar o segmento
de modelagem científica incorporado de forma rígida, guardando pouca ou nenhuma
flexibilidade para, por exemplo, apoiar o desenvolvimento e experimentação de novos
modelos, a partir de peças de modelos já consagradas no sistema.
71
Segundo Bennett (1997), um SADE deve apoiar o desenvolvimento e modificação de modelos científicos, e facilitar a interação com o usuário durante um evento de
simulação hidrológica. O usuário pode desejar paralisar o processamento, analisar resultados parciais, verificar valores de parâmetros ou ainda visualizar espacialmente o andamento do processo. Pela sua propriedade de independência os SMC usualmente executam uma seqüência determinada de procedimentos, os quais se concluem com o armazenamento dos resultados. Esta seqüência vetorial dificulta bastante a implementação
de mecanismos de interferência sobre o andamento do processo de modelagem.
As componentes tempo e escala espacial têm sido amplamente debatidas pela
comunidade científica, tanto em relação à modelagem de processos físicos naturais como em relação a bancos de dados espaciais. Estas variáveis ainda não estão devidamente equacionadas e ainda estão merecendo grande atenção dos pesquisadores. Se estas
componentes são variáveis consideradas relevantes no âmbito dos subsistemas, então se
deve esperar abordagens eficazes de integração que permitam considerá-las durante a
vida útil do SADE. O sistema integrado deve ser suficientemente flexível para permitir
a incorporação eficiente destes conceitos.
3.4.3.1 Acoplamento rígido aplicado aos subsistemas SIG e SMC
No acoplamento rígido ["tight coupling" conforme termo de Karimi (1997),
Matson et al. (1995), Voris et al. (1993) e Fedra (1993)] SIG e SMC são subsistemas
independentes, integrados por mecanismos de controle incorporados ao SIG a nível de
habilitação ou de dedicação. As operações de leitura/gravação tanto do SIG para o SMC
como do SMC para o SIG, em geral ocorrem diretamente sobre os arquivos do banco de
72
dados do SIG. Isso significa que a estrutura de dados do SIG é compartilhada (Handcok,
1995).
3.4.3.1.1 Integração Arc/Info-MODFLOW - Sistema MODFLOWARC
A exemplo do sistema ARCMOD, o sistema MODFLOWARC (Watkins et al.,
1996) possui os mecanismos de controle da integração incorporados ao SIG por habilitação. Neste sistema, o controle aciona os módulos modificados para lerem e escreverem diretamente sobre os arquivos do banco de dados do SIG. Enquanto matrizes de
dados espaciais são armazenadas em arquivos do banco de dados do SIG, algumas informações de controle, tais como número de passos de tempo e parâmetros de iteração,
são armazenados em arquivos ASCII próprios.
3.4.4
Integração plena
O diferencial da integração plena para o acoplamento rígido está em que as tare-
fas funcionais de um subsistema são incorporadas, por habilitação ou dedicação, pelo
outro subsistema. As proximidades física e lógica são máximas porque a integração
funcional ocorre pelo compartilhamento de código e de dados, respectivamente. No que
tange às estratégias de habilitação e dedicação, valem as mesmas observações feitas na
descrição do critério da modelagem científica, para a integração de subsistemas, e na
análise do acoplamento próximo, para a incorporação do controle da integração a um
dos subsistemas.
Devido a que as linguagens de macros são usualmente projetadas para atender a
usuários pouco experientes em programação, a habilitação permite abstrações de alto
nível, ou seja, o usuário não necessita preocupar-se com detalhes do armazenamento
73
interno ou como determinada matriz ou tabela relacional está sendo manipulada internamente pelo código. Diversos detalhes de implementação ficam escondidos do usuário
desenvolvedor da aplicação e isso permite que ele possa se dedicar mais efetivamente
ao domínio do problema. Por estas razões, normalmente a habilitação conduz à integração plena de forma mais rápida que a dedicação.
Por ser interpretada, a linguagem de macros se torna problemática em aplicações
complexas seja pelo tempo de execução, seja pela quantidade de procedimentos. Aplicações complexas, tais como as de modelagem ambiental, tendem a exigir que determinados procedimentos sejam agrupados em módulos estruturados. Quantidades excessivas de módulos podem tornar difícil sua compreensão e reutilização.
Na descrição do critério da modelagem científica foi dito que o nível de dedicação é o mais exigente quanto ao desenvolvimento de software e que é o nível em que há
o máximo envolvimento entre a aplicação e o subsistema incorporador. Foram descritos
brevemente alguns dos principais conceitos e metodologias que têm pautado o desenvolvimento de sistemas na área da Engenharia de Software. Este contexto é importante
na medida em que, para se aplicar a dedicação, deve-se trabalhar junto ao código de um
dos subsistemas. Este trabalho pode ser feito por Analistas de Sistemas juntamente com
especialistas na área de aplicação. Quando se trata de integrar funcionalidades de SIG
com SMC, Handcock (1995) considera o SIG como o instrumento principal de integração. Embora não haja confirmações experimentais pela literatura científica, os principais aspectos positivos desta abordagem poderiam ser:
a) compartilhamento de modelo de dados: o modelo de dados da aplicação é integrado naturalmente ao modelo de dados do SIG;
b) compartilhamento de bancos de dados: dados de entrada ou saída dos modelos de simulação são armazenados junto a estrutura de dados do SIG;
74
c) eficácia e eficiência no acesso a dados: não há arquivos de transição, necessidade de depuração de dados, nem programas e operações de formatação de
dados para transferências;
d) flexibilidade para o desenvolvimento de aplicações complexas;
e) compartilhamento do mesmo subsistema de interfaces visuais: usuário pode
ser assistido pelas interfaces visuais do SIG;
f) a modelagem científica fica sendo parte integrante das ferramentas disponíveis do SIG;
g) flexibilidade para incorporação de dispositivos que implementem conceitos
modernos como técnica de análises baseadas em múltiplos critérios
(MCDM), base de conhecimento, agente inteligente, interface adaptativa, redes neurais e realidade virtual;
h) documentação e suporte dos desenvolvedores do SIG (Goodchild et. al,
1992);
i) os modelos científicos ficam disponíveis para todos os usuários do SIG (Goodchild et. al, 1992).
j) o código compartilhado permitiria:
- flexibilidade para o desenvolvimento do conceito de banco de modelos incluindo-se as funcionalidades do gerenciamento;
-
flexibilidade para prover mecanismos de interrupção do processo de modelagem científica, fazer análises de resultados parciais, valores de parâmetros, entre outros;
-
busca por eficiência no desempenho do software quanto as interações entre as chamadas e as funções de gerenciamento de dados e de modelos;
75
-
busca por eficiência na interação usuário-computador, sem a presença de
interpretadores intermediários, a exemplo das macros;
-
reutilização de código;
-
acesso completo às funcionalidades do SIG.
Os principais aspectos negativos da integração plena, pelo nível de dedicação,
seriam:
a) exige maiores conhecimentos e esforços de programação;
b) maior tempo de desenvolvimento e são esperados maiores custos associados;
c) os modelos científicos ficam ossificados dentro do SIG, ou seja, alguns usuários podem requerer mudanças as quais, para outros usuários, não seriam necessárias (Goodchild et. al, 1992);
d) dificuldade em persuadir os desenvolvedores de SIG a adotar esta abordagem sem que haja pressão do mercado por tais facilidades (Goodchild et. al,
1992).
As duas primeiras dificuldades acima são naturalmente esperadas em sistemas
complexos, mas podem ser pouco relevantes se o objetivo for chegar-se a SADE Efetivo. Quanto ao risco de ossificação seria necessária uma solução flexível que suporte as
funcionalidades de gerenciamento de modelos abordadas no capítulo 2. Estas funcionalidades permitiriam o desenvolvimento de modelos por diferentes grupos de usuários.
3.4.5
Integração plena aplicada aos subsistemas SIG e SMC
Na integração plena ("full integration" conforme termo de Goodchild et al.
(1992); "embed" conforme termo de Watkins et al., (1996)] os métodos de propriedade
do SMC são completamente embutidos no software SIG. A abordagem mais comum na
76
integração plena entre SIG e SMC é por habilitação, na qual se constrói macros no ambiente SIG que desempenham seqüências de procedimentos, tais como: manipular banco de dados, selecionar objetos, atribuir valores a objetos, chamar programas externos,
executar álgebra de mapas, entre outros. Em geral, na dedicação se tem construído funções, rotinas e algoritmos relacionados à aplicação modificando o código do SIG. Abordagem menos freqüente, a dedicação tem sido implementada em SIG que possui arquitetura aberta, geralmente desenvolvidos por instituições públicas que disponibilizam
gratuitamente estes sistemas ou a um custo bem reduzido, como é o caso dos sistemas
GRASS e SPRING. Já se observa uma tendência crescente entre os desenvolvedores de
SIG em modularizar e simplificar seus sistemas, abandonando a abordagem de sistemas
grandes, complexos e generalistas. O objetivo é construir diversos subsistemas cada vez
mais simples, mais portáteis, mais integrados e segundo uma arquitetura flexível que
permitam a implementação da integração plena. O paradigma da orientação a objetos
tem sido utilizado como uma metodologia útil para isso.
3.4.5.1 Análise comparativa de desempenho computacional entre acoplamento
próximo por habilitação e acoplamento pleno por habilitação
Dois trabalhos experimentais são descritos a seguir, para ilustrar a importância
do desempenho computacional sobre a manipulação de dados durante um evento de
modelagem científica.
Dragosits et al. (1995) descreve os resultados experimentais da aplicação da
modelagem científica para avaliar os efeitos da poluição do ar por dióxido de enxofre
(SO2). Foram implementadas duas abordagens para o modelo ambiental: (1) Somente
SIG e (2) Sistemas Acoplados. Em 1 as rotinas foram implementadas em AML e em 2
foi utilizado um programa em FORTRAN. O algoritmo do modelo trabalhou sobre ma-
77
trizes armazenadas em arquivos ASCII. Estas matrizes representavam a distribuição
espacial de valores de temperatura e de velocidade do vento, geradas por extrapolação
de valores pontuais de estação de medição, tendo por base o modelo numérico do terreno (MNT). Isso foi feito pelo Arc/Info GRID. Em 1 estes arquivos já estavam no formato de leitura sendo que em 2 houve necessidade de exportá-los como ASCII para serem
lidos pelo FORTRAN. O processo de exportar para o FORTRAN e importar para o SIG
foi assistido dentro da AML evitando que o usuário interferisse. O algoritmo foi programado para iterar o processo de cálculo do SO2 para cada passo de tempo (8760 horas
em um ano), gerando a cada iteração uma matriz de valores, os quais indicavam a distribuição espacial do SO2 acumulado até uma determinada data. Em 1 a cada iteração
era gerada uma matriz (um grid) que, obrigatoriamente, era armazenada em um arquivo
com outro nome. Isso acarretou dois problemas: teve-se que deletar os últimos 3-4 grid
e gravar o novo grid. O processo de deletar consumiu cerca de 2-3 horas e o de gravar
18 horas. Em 2 o tempo total foi de 2,5 minutos e em 1 foi de 21 horas. Apesar das melhorias tentadas não se conseguiu desempenhos inferiores a 3 horas de processamento
total. Houve casos em que o tempo aumentou para até 44 horas. As razões apontadas
para o baixo desempenho foram:
a) na execução a AML é uma liguagem interpretada e a FORTRAN é compilada;
b) o processamento sobre matrizes no SIG também gera a topologia, incluindo
a geração de tabelas de atributos e estatísticas.
Watkins et al. (1996) elaboraram um experimento semelhante ao anterior visando verificar o desempenho destas estratégias. Testaram um algoritmo numérico (diferenças finitas com iteração de Gauss-Seidel para resolver as equações de modelagem de
processos de escoamento da água subterrânea) através de: (1) programa em FORTRAN
78
isoladamente; (2) programa em FORTRAN invocado por um SIG (Arc/Info) através de
macros; (3) SIG através de macros. As rotinas rodaram sobre um modelo de dados matricial (raster). A principal conclusão foi que, independente do número de iterações, o
uso de SIG foi sempre mais lento do que o FORTRAN isolado. O tratamento 2 foi cerca
de 2-3 vezes mais lento e o tratamento 3 foi cerca de 2 vezes. Vale ressaltar que o tempo
das execuções foi, no máximo, de 6 segundos, com 1180 iterações, mas que não deve
ser comparado com o trabalho de Dragosits et al. (1995) porque não há informações
sobre o tamanho e tipo dos arquivos utilizados, nem de outras variáveis como hardware,
algoritmos, etc. As razões da diferença nos desempenhos apontadas pelos autores coincidem com as de Dragosits et al. (1995) e são:
a) forma pela qual o grid no SIG é calculado;
b) tradução de dados para o SMC em FORTRAN no tratamento 2;
c) cálculos exigem leitura e gravação de grid no tratamento 3.
Segundo os autores, no tratamento 3 cada iteração exige que um grid inicial seja
lido como entrada e, durante os cálculos, os resultados do grid são gravados e não mantidos na memória. Estas operações de leitura/gravação são as que consomem mais tempo. Além disso, alguns operadores e funções da álgebra de mapas, loop e indexação de
matrizes, são menos poderosos no SIG que no FORTRAN e contribuem para a maior
lentidão.
Pode-se acrescentar ainda que no FORTRAN isolado as iterações sobre o modelo matricial se fazem totalmente a nível de memória, sem nenhuma operação de leitura/gravação de resultados intermediários.
Estes dois trabalhos mostram que a integração plena por habilitação, através de
linguagens interpretadas, pode comprometer seriamente a eficiência do sistema. Mais
importante que isso são os recursos que o subsistema incorporador possui para realizar
79
as mesmas funções do subsistema incorporado. Estes recursos são limitados pela linguagem utilizada para estender o subsistema incorporador. Linguagens de alto nível
beneficiam usuários inexperientes, mas limitam-se a aplicações não complexas. Linguagens de baixo nível exigem programadores experientes, e podem ser utilizadas no desenvolvimento de aplicações complexas.
3.4.6
Integração mista
A integração mista não representa uma estratégia em si, mas é um termo que ex-
pressa a metodologia que congrega os acoplamentos livre, rígido e ainda usa softwares
não acoplados. Particularmente pode ser citado o trabalho de Matson et al. (1995) que
apresenta metodologias do tipo acoplamento misto aplicado ao estudo da interação entre
o uso do solo, condições hidrológicas e transporte e destino de poluentes, sob o escopo
de prever seus efeitos sobre a qualidade da água. O esquema proposto pelo projeto congrega diversos softwares aplicativos: SIG, gerenciador de dados, modelos de qualidade
da água e pacotes estatísticos (Figura 16). McDonald (1996) também desenvolveu um
SADE específico para planejadores envolvidos com o destino de lixo sólido. Seu sistema congrega um SIG (TransCad, da Caliper Corporation), um gerenciador de banco de
dados convencional (Paradox da Borland), planilha eletrônica (Excel da Microsoft Corporation) e software de apoio à decisão sobre questões envolvendo múltiplos critérios
(Expert Choice). Os subsistemas são integrados por uma combinação de programas escritos em C++, DOS e ligações DDE em Windows.
Além dos aspectos já discutidos nas seções anteriores o acoplamento misto mostra uma quantidade significativa de conexões diversificadas entre os aplicativos. A interface com o usuário assume papel fundamental no sentido de isolá-lo das inúmeras ope-
80
rações de transferências e controles associados. Este seria um caso típico em que talvez
a melhor abordagem não seja acoplar aplicativos através de programas de interfaces e
sim através de interfaces inteligentes (Rodrigues & Raper, 1997).
Fontes de dados externas
(uso do solo, hidrologia,
solo, clima, elevação)
arquivo
SIG
arquivo
SMC
Resultados
arquivo
(mapas, gráficos,
tabelas, listas)
arquivo
SMC
SMC
arquivo
Pacotes Estatísticos
Interface com o usuário
Figura 16 - Integração de softwares aplicativos através de acoplamento misto
(adaptado de Matson et al., 1995).
81
4
MODELO CONCEITUAL DE SADE EFETIVO
"O mundo real é imensamente complexo. O homem reage a isto tentando, primeiro, isolar partes da realidade - seja de fato
ou em teoria - e, segundo, investigar como as partes operam
sob condições simplificadas. Apesar de intelectualmente necessária, esta decomposição do mundo real em estruturas simplificadas é um produto inteiramente subjetivo da mente do investigador."
R. J. Chorley e B. A. Kennedy
Neste capítulo é apresentado o modelo STEP, essencialmente com vistas ao gerenciamento do banco de modelos e integração deste com o banco de dados espacial. O
objetivo maior deste modelo é prover uma estrutura conceitual que norteie o desenvolvimento de sistemas de apoio à decisão espacial efetivos.
4.1
Material
Para a construção do modelo STEP procurou-se selecionar um conjunto de fer-
ramentas que possibilitassem a concepção, construção e expressão do modelo. Os critérios considerados na seleção foram:
a) poder de abstração tanto no nível conceitual como tecnológico;
b) eficiência na definição dos elementos do sistema;
c) eficiência na identificação das propriedades dos elementos do sistema;
d) eficiência na identificação de relacionamentos;
e) poder de consistência semântica durante a elaboração do modelo;
f) abordagem essencialmente científica.
Estes critérios foram analisados e ponderados de forma empírica. Chegou-se às
seguintes ferramentas:
a) Modelo Ontológico de Wand
82
b) Teoria de Sistemas
c) Teoria de Conjuntos
Nas seções seguintes procura-se focalizar sobre os pontos essenciais de cada ferramenta que tiveram repercussão sobre o modelo proposto.
4.1.1
Modelo ontológico de Wand
Wand (1996), citando Bunge (1974), apresenta a Ontologia como 'teoria filosó-
fica interessada nas características básicas do mundo'. Kemp & Vckovsky (1998) apresentam a definição de outros filósofos como sendo 'um ramo da metafísica interessado
na natureza e relações dos seres'. Para Wand a ontologia de Bunge é apropriada para
modelagem de sistemas de informação porque:
a) lida com sistemas;
b) é compreensiva;
c) é bem formalizada;
d) é bem fundamentada em trabalhos prévios em Ontologia e Filosofia da Ciência.
O autor usa conceitos como coisa, propriedade, composição, atributo, modelo de
uma coisa, estado, evento e interação para capturar aspectos relevantes do mundo real.
Sua premissa é de que um sistema de informação é uma representação de outro sistema,
ou seja, o mundo real e faz um mapeamento entre estes conceitos ontológicos para conceitos da orientação-a-objetos.
A abordagem de Wand é uma metodologia interessante para a construção de
modelos ontológicos de alto nível (meta ou meta-meta modelos). Esta abordagem vem
de encontro ao que foi discutido no capítulo 2, quando identificou-se a necessidade de
83
aboragens de alto nível para a concepção de SADE Efetivo. Naquela ocasião, constatouse que as abordagens para desenvolvimento de SADE são estritamente dirigidas pela
tecnologia e que isto representa um dos fatores que hoje impede a construção de sistemas efetivos. A abordagem de Wand pode representar uma teoria básica para o desenvolvimento de sistemas computacionais que efetivamente apoiem processos de tomada
de decisão, especialmente em situações de problemas espaciais. Ela pode se constituir
numa estrutura ontológica comum capaz de acomodar múltiplas visões dos usuários e
conceitos de espaço-tempo. A Figura 17 representa uma visão esquemática do modelo
de Wand, baseada na sua descrição textual (Wand, 1996). Este esquema dá apenas uma
idéia da abordagem. Para maiores detalhes o leitor deve reportar-se ao trabalho original.
Mundo
Real
é constituído de
Coisa
Mudança
sofre
caracteriza
Composta
Simples
altera
provoca
possui
intrínseca
mútua
externo
provoca
Evento
Propriedade
interno
herdada
emergente
modela
restringem
Leis
Atributo
possui
caracterizam
restringem
Transição
sofre
Comportamento
Relevante
modela
modelo de
uma coisa
é um
Esquema
Funcional
define
Valor
define
Estado
instável
estável
acarreta
Figura 17 - Sumário esquemático do modelo ontológico de Wand.
84
4.1.2
Teoria de sistemas - enfoque sistêmico
No enfoque sistêmico o mundo real é visto como um conjunto de elementos hie-
rarquicamente estruturados, sejam estes naturais ou feitos pelo homem (Simon, 1990).
Prótons, neutros e elétrons se combinam para formar átomos, que se combinam para
formar moléculas, que se combinam para formar estruturas moleculares e assim por
diante, numa cadeia contínua de níveis de agregação que pode se encerrar em estruturas
biológicas, ambientais, sociais, políticas e inúmeras outras.
Uma propriedade importante dos sistemas hierárquicos é que o comportamento
de uma unidade em um nível específico pode ser descrito e explicado sem a necessidade
de se descrever ou explicar o comportamento das sub-unidades. O comportamento dinâmico do sistema pode ser fatorado em diferentes faixas de freqüências, cada qual correspondendo a um nível particular de taxa de interação. Este mecanismo auxilia compreender o mundo real, em um certo nível de agregação, com pouca ou nenhuma preocupação sobre os níveis imediatamente acima ou abaixo. Simon (1990)
4.1.2.1 Ontologia de um sistema
Para Wand (1996) um sistema é definido como um conjunto de coisas que interagem. A interação é uma propriedade mútua de duas coisas que pressupõe ações próximas via variáveis de estado de articulação. O ambiente de um sistema compreende
coisas que não pertencem ao sistema mas que interagem com componentes do sistema.
A estrutura do sistema é definida pelo conjunto de interações entre os componentes do
sistema e destes com as coisas no ambiente do sistema. Um subsistema é um sistema
cuja composição e estrutura são subconjuntos da composição e estrutura de um outro
sistema. O comportamento de um sistema é uma propriedade dinâmica emergente do
85
sistema uma vez que ele emerge do comportamento de seus componentes (subsistemas)
e suas interações. Eventos externos relevantes definem o que acontece fora do sistema
que afeta o sistema.
4.1.2.2 Sistema geográfico
Eventos de inundações compreendem interações entre diversas componentes físicas relacionadas com o ciclo da água na natureza. Estas componentes podem ser vistas
como coisas de um sistema geográfico que interagem. Os sistemas geográficos podem
ser classificados em sistemas morfológicos e sistemas em cascata (Chorley & Kennedy,
1971).
Sistema morfológico modela uma porção reconhecível da realidade física, cujas
variáveis de estado morfológicas ou físicas formais do sistema ou de seus componentes
(ou coisas), podem indicar o grau de interação entre suas propriedades dinâmicas respectivas. Por exemplo, a interação entre os componentes de um sistema bacia hidrográfica pode ser inferida à partir da magnitude de parâmetros morfométricos como área,
fator de forma e densidade de drenagem (Neto, 1994). Estas variáveis de estado morfológicas são variáveis formais que podem indicar o grau de severidade de um evento de
inundação. Inundação pode ser vista como um resultado da resposta do sistema bacia
hidrográfica frente a eventos externos relevantes. O comportamento do sistema bacia
hidrográfica depende da natureza dos subsistemas envolvidos, dos seus componentes
(ou coisas) e de sua estrutura.
Sistema em cascata modela o caminho percorrido pelo fluxo de massa ou energia quando esta se transfere de um elemento do sistema para outro (p.e. sistemas de drenagem, ciclo hidrológico). Neste caminho há armazenadores e reguladores que podem
86
ou não estar organizados em subsistemas. O caminho é definido à medida que limiares
são atingidos nos reguladores. Por exemplo, o fluxo da água no sistema do ciclo hidrológico freqüentemente é analisado pelos hidrologistas como um conjunto de reservatórios. A água se transfere de um reservatório para outro à medida em que sua capacidade
é atingida. Outro exemplo seriam os sistemas em cascata urbanos como os sistemas de
distribuição em geral.
Sistemas geográficos tendem a ser complexos porque envolvem estruturas e dinâmicas cujas influências sobre o problema espacial3 são de difícil formulação. Outra
forma de explicar esta complexidade pode ser buscada na Teoria do Caos (Simon,
1990). Exemplo prático pode ser visto em Frank (1995), sobre a bacia hidrográfica do
Rio Itajaí, em Santa Catarina.
A abordagem ou enfoque sistêmico é um instrumento útil para a solução de problemas grandes e complexos. Nesta abordagem o problema é visto como algo que ocorre integrado a um sistema. Entender e modelar o sistema é, portanto, etapa fundamental
para a solução do problema. Em se tratando de problema espacial, e mais especificamente de problema de cheias, o enfoque sistêmico funciona como um agente estruturador do problema. Permite que o problema possa ser decomposto em problemas menores,
tratáveis como partes do domínio de subsistemas. Com o enfoque sistêmico o problema
espacial é considerado parte de um processo que acontece no mundo real, no qual seus
componentes interagem.
3
Neste texto será utilizado o termo problema espacial para designar a classe de problemas em que os
componentes do sistema estão referenciados no espaço geográfico.
87
4.1.2.3 Níveis de agregação de sistemas
Chorley & Kennedy (1971) apresenta três formas de se analisar sistemas geográficos:
a) caixa branca: o sistema é visto como um conjunto de elementos identificáveis e analisáveis. Procura-se analisar, tanto quanto possível, os armazenamentos, fluxos, relações, atributos, estados, entre outros, de modo a se obter
o maior conhecimento possível sobre a estrutura e comportamento do sistema em resposta a uma entrada.
Sistema
S
S
S
E
S
S
E
Subsistema 1
S
Subsistema 2
regulador
armazenador
Figura 18 - Sistema caixa branca.
b) caixa cinza: a visão sobre o sistema é dirigida a um número limitado de subsistemas e as operações internas não são consideradas.
Sistema
S
S
S
E
S
Subsistema 1
S
E
S
Subsistema 2
Figura 19 - Sistema caixa cinza.
c) caixa preta: o sistema é visto como uma unidade sem que haja interesse sobre sua estrutura interna ou sobre os relacionamentos entre seus componen-
88
tes. A atenção é dirigida apenas para os fatores de entrada no sistema e os
produtos resultantes da ação do sistema sobre aqueles.
Sistema
E
S
Figura 20 - Sistema caixa preta.
Os sistemas caixa preta são vistos como sistemas agregados ("lumped"). Em
termos de problemas espaciais as dimensões físicas ou posições dos elementos do sistema não possuem significado primário para análise do comportamento do sistema. Por
exemplo, a análise do comportamento hidrológico do sistema bacia hidrográfica (i.e.
como a água se comporta neste sistema) pode ser feito considerando chuva como entrada e descarga na foz como saída. Um sistema caixa preta recebe dados (E), transformaos através de ações não transparentes e os apresenta na forma de um produto (S).
Sistema caixa preta pode ser formado por um conjunto de subsistemas caixa preta encadeados. A entrada de um subsistema pode se originar da saída de outro e isto
pode acarretar ciclos (Figura 21).
Subsistema Atmosfera
Subsistema
Superfície
do Terreno
Subsistema
Canal
Subsistema
Lago
Figura 21 - Entrada e saída de água de alguns subsistemas do ciclo hidrológico.
Os sistemas caixa branca podem ser tratados como sistemas distribuídos em que
a dimensão espacial integra o problema (Vemuri, 1978). Por exemplo, o comportamento
89
hidrológico do sistema bacia hidrográfica pode ser implementado em partes individualizáveis da bacia. O comportamento do sistema é definido a partir do comportamento de
cada parte individual. Alguns autores consideram que a abordagem distribuída nada
mais é do que a aplicação da abordagem agregada em regiões espaciais menores.
4.1.2.4 Modelo de um sistema
Conforme visto no capítulo 2 um problema pode ser definido à partir de uma insatisfação gerada por uma diferença entre o estado atual das coisas e seu estado desejado. Pelo enfoque sistêmico um problema existe quando um sistema não é mais capaz de
manter o estado4 de suas variáveis dentro de certos limites (Hendriks & Vriens, 1995).
A solução do problema seria buscar uma readaptação do sistema a fim de que este atinja
uma nova ordem de equilíbrio (Simon, 1990).
Problemas espaciais tendem a ser complexos e o enfoque sistêmico pode ser utilizado tanto no nível conceitual como tecnológico não só como meio de decompor sistemas complexos do mundo real, mas também como ferramenta de modelagem dos aspectos relevantes de uma situação de problema (Hendriks & Vriens, 1995; Pooch &
Wall, 1993; Meredith et al, 1985; Mesarovic & Takahara, 1975). Para Meredith et al.
(1985) a nova ordem de equilíbrio de um sistema é encontrada através de um Processo
de Solução de Problemas no qual devem ser definidos:
a) o problema;
b) plano de abordagem;
c) recursos;
d) modelo do sistema;
4
Estado é a situação de todos os elementos do sistema, seus atributos e atividades num determinado ponto no tempo (Pooch & Wall, 1993).
90
e) análise do sistema;
f) projeto de soluções;
g) avaliação e seleção de alternativas.
Para Pooch & Wall (1993) a solução de problema é obtida através de uma Metodologia de Sistema em que identificam-se quatro fases (Figura 22):
a) planejamento;
b) modelagem;
c) validação;
d) aplicação.
Tabela 5 - Metodologia de sistema para solução de problema.
Panejamento Formulação do Problema
Definição do problema incluindo um enunciado
do objetivo da sua solução.
Estimativa de Recursos
Tempo, custos, pessoal, gerenciamento.
Análise de Sistema e Dados
Modelagem Construção do Modelo
Abstração do sistema em relacionamentos matemáticos.
Aquisição de Dados
Identificação, especificação e coleta de dados.
Tradução do Modelo
Preparação e depuração do modelo para processamento computacional.
Verificação/ Verificação
Validação
Processo de estabelecer que o programa execute
conforme pretendido.
Validação
Estabelecimento de nível de acuracidade entre o
modelo e o sistema real.
Aplicação
Experimentação
Execução do modelo para obter produtos.
Análise
Análise de resultados da experimentação, traçado de inferências e recomendações para a solução do problema.
Implementação/Documentação
Processo de implementação das decisões resultantes da simulação e documentação do modelo
e seu uso.
Fonte: Pooch & Wall (1993, p.7)
•
•
•
•
Grade de tempo
Medida de desempenhos
Fronteiras do sistema
Plano do projeto preliminar
91
Tanto na visão de Meredith et al. (1985) como de Pooch & Wall (1993) a solução de problema necessita de um modelo de representação do sistema real.
Definição do Problema
PLANEJAMENTO
Planejamento
Estratégico/Tático
Escopo da Modelagem
Aquisição de Dados
Construção do Modelo
Tradução do Modelo
MODELAGEM
Verificação
Validação
VERIFICAÇÃO/
VALIDAÇÃO
Experimentos
Análise
APLICAÇÃO
Implementação/
Documentação
Figura 22 - Metodologia de sistema para solução de problema com
retroalimentação (Fonte: Pooch & Wall, 1993, p.6).
4.1.2.4.1 Tipos de modelos
Wand (1996) apresenta três tipos de modelos baseados em conceitos ontológicos
e que possuem aplicação na modelagem de sistemas de informação:
a) Modelo de representação: lida com as técnicas da análise e projeto de sistemas para modelar domínios de aplicação;
b) Modelo de rastreamento de estado: lida com o funcionamento do sistema de
informação como uma representação do sistema real;
92
c) Modelo do sistema: analisa a estrutura e dinâmica de um sistema em termos
da estrutura e dinâmica de seus componentes.
O modelo de representação expressa diferentes percepções desde o sistema real
até o sistema computacional. As transformações são expressas por uma seqüências de
documentos, cada qual escrito numa certa gramática. No primeiro estágio a gramática é
orientada para o ser humano e o documento resultante é um modelo conceitual. O documento final é executável no computador (Tabela 6).
Tabela 6 - Seqüencia de atividades, modelos e documentos produzidos no modelo de
representação.
Atividade
Análise
Projeto
Implementação
Modelo
Percepções
⇓
Modelo conceitual
⇓
Modelo de projeto
⇓
Sistema computacional
Documento
Orientado ao ser humano
Orientado ao sistema
Orientado à máquina
(executável)
Fonte: Wand (1996).
O modelo de rastreamento de estado habilita o sistema de informação a representar fielmente o comportamento do sistema real ao longo do tempo, ou seja, os sistemas real e de informação devem ser isomórficos. Segundo Wand (1996) este modelo
pode ser utilizado para se avaliar a gramática de um sistema de informação quanto a sua
capacidade em suportar rastreamento e avaliar a correção de um documento. Para que o
rastreamento possa ocorrer o modelo deve atender a quatro necessidades:
a) Mapeamento: deve haver um mapeamento um-para-um ou um-para-vários
dos estados do sistema real para os estados do sistema de informação.
b) Rastreamento: deve haver um isomorfismo entre as mudanças de estados no
sistema real e no sistema de informação.
93
c) Reportagem: um evento externo que aconteça no sistema real deve induzir
um evento externo correspondente no sistema de informação.
d) Seqüenciação: a ordem de eventos externos induzidos no sistema de informação deve corresponder a ordem de eventos correspondentes no sistema real.
Finalmente, o modelo de sistema representa a estrutura e comportamento dos
seus componentes. É baseado em cinco princípios:
1. O sistema pode ser visto tanto como uma coisa simples, como uma coisa
composta, feita de componentes que interagem.
2. Os estados do sistema podem ser mapeados nos estados das variáveis de articulação dos componentes.
3. O comportamento do sistema emerge do comportamento e das interações de
seus componentes.
4. Eventos externos desencadeiam propagação de eventos dentre os componentes via variáveis de estado de articulação.
5. O comportamento do sistema deve ser estudado com relação a um dado conjunto de eventos externos.
O modelo de um sistema pode ser utilizado para representar sistemas complexos, a exemplo de sistemas geográficos do tipo bacia hidrográfica, tanto a nível conceitual como tecnológico. Em ambos, o modelo de um sistema geográfico é representado
por estruturas que procuram capturar comportamentos relevantes do fluxo de material
ou energia entre os componentes morfológicos. Isto requer gramáticas e documentos
com visões dirigidas ora para o ser humano, ora para a tecnologia.
94
4.1.2.4.2 Modelo científico
Em benefício da clareza, neste texto utilizar-se-á o termo particular modelo ci-
entífico (MC) ao invés de simplesmente "modelo" para se referir ao modelo de um sistema documentado na gramática formal da Matemática. O modelo de um sistema ou
modelo científico de um sistema pode ser útil para (Pooch & Wall, 1993; Simon 1990):
a) definir um sistema ou problema;
b) determinar os elementos de um sistema;
c) sintetizar e avaliar alternativas de solução do problema;
d) prever comportamentos e auxiliar planejamentos de ações futuras;
e) avaliar as magnitudes das variáveis do sistema e realizar prescrições que tragam efeitos desejados sobre as saídas do sistema;
f) prover documentação;
g) prover treinamento;
h) realizar controle.
4.1.2.4.3 Elementos da modelagem científica
O domínio de um modelo científico é definido pelo sistema que ele representa.
Em se tratando de sistemas geográficos o domínio da modelagem científica se restringe
ao espaço geográfico, incluindo as interações entre os componentes de expressão espacial que coexistem no sistema. O comportamento de um sistema, representado por um
modelo científico, é definido, pois, em termos das interações ou relacionamentos entre
seus componentes e não pelos seus componentes propriamente ditos (p.e., interações ou
relações entre semáforos de um sistema de trânsito urbano, relações solo-água-planta-
95
atmosfera de um sistema bacia hidrográfica, relações entre pontos de distribuição e coleta de um sistema de transporte).
Domínio do Modelo
modelo científico
(sistema)
Variável
Independente
Parâmetros
+
Relacionamentos
Variável
Dependente
Condições de Contorno
Figura 23 - Elementos de um modelo científico (abordagem caixa preta).
4.1.2.4.3.1 Variáveis de um modelo científico
De forma geral um sistema S pode ser descrito por conceitos matemáticos, i. e.,
um conjunto de equações que especifiquem relações entre entrada (X) e saída (Y) do
sistema (Mesanovic & Takahara, 1975):
S ⊂ X ×Y
(1)
na qual
X T = ( x1 , x 2 ,..., x n )
(2)
Y T = ( y1 , y 2 ,..., y n )
(3)
Os termos xi, yi representam as entradas e saídas respectivas dos subsistemas.
Um sistema pode ser visto ainda como relações funcionais entre pares de variáveis:
S : X →Y
(4)
Y = f (X )
(5)
96
A função f especifica estas relações. A toda variável corresponde um elemento
do sistema (Mesanovic & Takahara, 1975). Por exemplo, a variável declividade pode
corresponder ao elemento canal de um sistema de drenagem. Na área de Geoprocessamento normalmente se considera este tipo de informação como um atributo do elemento. De fato, Vemuri (1978) considera que variável é atributo de um sistema que pode
variar no tempo e no espaço.
X
f
Y
Figura 24 - Representação pictórica da relação funcional
variáveis (entrada e saída) de um sistema.
f entre pares de
No domínio dos problemas espaciais, variável independente usualmente se origina de mensurações diretas sobre o sistema real, através de processos de amostragem
(p.e. medição de precipitações através de pluviometria ou radarmetria, amostragem de
solo, amostragem de água em lagos e rios, amostragem de alturas da lâmina d’água em
canais, amostragem de potenciais consumidores em uma região urbana, etc). Usualmente a variável amostrada está associada a um elemento do sistema morfológico (canal,
rio, lago, setor censitário, avenida, parcela de solo, etc). Os dados observados podem
sofrer tratamento a fim de atender critérios de consistência (persistência), integridade
(ausência de corrupção) e inteireza (ausência de falhas).
4.1.2.4.3.2 Parâmetros de um modelo científico
O MC de um sistema corresponde à função f. Para toda variável independente
no vetor de entrada X o MC calcula uma ou mais variáveis dependentes do vetor de
saída Y. Este cálculo geralmente envolve parâmetros (Figura 23). Parâmetro é uma
97
constante usualmente arbitrária (i.e. pode ser alterada) em um MC e expressa uma relação particular entre entrada e saída (Vemuri, 1978).
Domínio do modelo
Y =
f (X)
Variável
Parâmetros
Variável
Dependente
+
Independente
(saída)
Relações
(entrada)
Considerando que problemas espaciais estão associados a sistemas morfológicos
e em cascata, pressupõe-se que a alteração de um parâmetro de modelo pode ser induzida por:
a) Alteração do estado de um componente de sistema morfológico: em sistemas
geográficos em geral a alteração de um elemento físico produz efeitos sobre
o comportamento do fluxo de material ou energia. Por exemplo, a alteração
da capacidade de infiltração de parcelas de solo de uma bacia hidrográfica
pode acarretar efeitos significativos sobre seu comportamento hidrológico,
inclusive agravando o problema das inundações.
b) Introdução de novos valores observados das variáveis independentes: o valor
de um parâmetro é determinado pelo processo de calibração do MC, o que
ocorre durante a etapa de desenvolvimento (Figura 22). A calibração visa atingir uma determinada configuração numérica para um grupo de parâmetros
a fim de que o par observado entrada-saída de um sistema seja reproduzido
pelo MC. O valor do parâmetro será tanto melhor quanto melhor for o resultado apresentado pelo MC. Numa situação ideal o MC é isomórfico ao sistema real.
c) Desejo em explorar o MC: cientistas e estudiosos do problema espacial podem querer explorar o mundo real num ambiente de representação. Isto pode
98
incluir processos de tentativa-erro (determinar o impacto de alterações sobre
variáveis), "o que acontece se..." (realizar predições sobre as variáveis de saída com base em suposições sobre as variáveis de entrada e parâmetros) e recorrência a metas (determinar valor de uma variável de entrada de modo que
o sistema produza saída desejada) (Turban, 1995).
Na modelagem de sistema geográfico a permanência do valor do parâmetro deve
ser prevista pelo menos durante um passo de tempo discreto do domínio temporal da
modelagem. Um caso especial de calibração ocorre nas situações em linha (“on line”),
em que os parâmetros do modelo são válidos em um intervalo de tempo, até que haja
novos valores observados das variáveis independentes e dependentes. Os valores observados proviriam de monitoramento contínuo do sistema real e seriam utilizados para
redefinir os parâmetros do MC, com o objetivo de melhorar sua representatividade.
4.1.2.4.3.3 Estado de um sistema
A função f ou MC traduz o comportamento do sistema ao longo do tempo (o
comportamento pode alterar-se). O estado do sistema informa o que o sistema está "fazendo" num certo instante de tempo (Vemuri, 1978). Ao conjunto de variáveis de referência (ou variáveis de estado) utilizadas para descrever o sistema e entender seu comportamento denomina-se vetor de estado (Meredith et al., 1993). Uma variável de estado
pode também ser entendida como um atributo associado a um elemento do sistema. Por
exemplo, índice de rugosidade de um canal, largura de um canal, declividade, e outros.
Se algum destes atributos ou variáveis de estado sofrer alterações, estas devem ser devidamente previstas e armazenadas como estados do sistema num certo momento.
99
Segundo Meredith et al. (1993) há três problemas envolvidos na teoria de estados:
a) Determinar se uma variável em particular pode ou não ser qualificada como
uma variável de estado. Se o for então seu valor pode ser desnecessário ou
então deduzido à partir de outras variáveis de estado. Por exemplo, se a densidade de drenagem (Dd) de uma bacia é qualificada então ela é deduzida pela razão entre o comprimento dos canais da bacia e sua área.
b) Determinar o conjunto mínimo de variáveis que constituirão o vetor de estado capaz de retratar a configuração do sistema ou seu comportamento.
c) Determinar se o MC será utilizado para retratar o estado do sistema ou prever futuros padrões de comportamento.
Considerando que o banco de modelos de um SADE deve estar apto a abrigar
um ou mais MC, e que estes podem representar de forma particular o mesmo processo
geográfico, então o estado de uma entidade espacial (componente de sistema morfológico) pode qualificar o uso de um ou mais destes MC. Por exemplo, o processo de escoamento da água no sistema de drenagem de uma cidade pode ser representado por diferentes modelos matemáticos, cada qual com suas características próprias. O estado do
sistema num determinado momento pode determinar qual modelo é mais apropriado
para representá-lo.
As seguintes variáveis podem compor o vetor de estados (Meredith et al.,
1993):
a) atributos do sistema relativos a um conjunto de seus componentes (p.e. densidade de drenagem, declividade média de uma bacia, índice de porosidade
média de um tipo de solo, e outros);
100
b) descritores da configuração atual do sistema, dos componentes atualmente
em operação (p.e. número de canais de ordem 3 num sistema drenagem, vazão máxima de um canal, declividade de uma vertente, altura de lâmina d'água num instante de tempo, e outros), da localização relativa e espacial (p.e.
coordenadas cartesianas ou geodésicas de feições geográficas);
c) descritores da(s) configuração(ões) passada(s) do sistema;
d) vetor atual de entradas;
e) descritores de entrada(s) passada(s) no sistema;
f) descritores indicando o vetor atual de potenciais estados futuros do sistema;
g) descritores da história passada dos potenciais estados futuros do sistema e da
história dos estados;
h) variáveis de propósitos especiais.
4.1.2.4.3.4 Condição inicial de um sistema
É o estado inicial do sistema (Figura 23), antes deste realizar atividades comportamentais. As condições iniciais incluem o estado das variáveis independentes (ou de
entrada) e dos componentes do sistema. Em sistemas geográficos vale dizer que as condições iniciais também se referem ao estado dos componentes de sistema morfológico
e/ou de sistema em cascata. Por exemplo, o comportamento hidrológico de uma bacia
hidrográfica pode ser visto como um processo sistêmico onde interagem tanto o sistema
morfológico (superfície do relevo, solo, subsolo, planta, atmosfera, sistema de drenagem) como sistema em cascata (fluxo da água entre os diversos subsistemas morfológicos). Um MC de representação do fluxo da água pode depender das condições iniciais
101
do sistema morfológico para cumprir sua tarefa, como a declividade de um canal, tipo
de revestimento, capacidade de infiltração de um solo, e outros.
4.1.2.4.3.5 Condição de contorno ou de fronteira de um sistema
Contornos ou fronteiras são injunções que impõem limites ao comportamento do
modelo científico. Estes limites podem se originar de observações do sistema real ou
estabelecidos com base em conhecimento especialista sobre o comportamento do sistema.
Em processos geográficos as condições de contorno podem estar associadas a
uma localização espacial. Uma classificação que pode ser útil para implementações
computacionais é fornecida por Wallinford (1999). Neste, as condições de contorno
podem ser externas ou internas. Os contornos externos são limites impostos nos extremos espaciais de um processo geográfico e os contornos internos são limites impostos
entre dois extremos espaciais deste processo. Extremos geográficos são definidos pelas
localizações espaciais onde o processo geográfico se inicia e se conclui. Nos modelos
ISIS e MIKE 11 estes extremos são representados espacialmente por "nós". Na modelagem do fluxo da água, que pode resultar em cheias, o modelo ISIS utiliza como contornos externos o hidrograma de vazões (Q x t) no nó “de” de um segmento de canal, de
nível d’água ou pressão (h x t) no nó “para”, e/ou curva-chave (Q x h) no nó “para” de
um segmento de canal. Os contornos internos são representados por reservatórios, índices de perda de carga, junções (bifurcações e confluências) e estruturas de controle como barragens ou represas, eclusas, bueiros e comportas.
102
4.1.2.4.3.6 Relacionamentos entre componentes de um sistema
Os relacionamentos compõem, juntamente com os parâmetros, o corpo formal
do MC do sistema. A exemplo dos parâmetros, as relações formais são determinadas
por especialistas que conhecem o sistema onde o problema espacial ocorre.
4.1.3
Teoria de conjuntos
O modelo de SADE Efetivo que se propõe neste trabalho é do tipo de represen-
tação (seção 4.1.2.4.1) no nível conceitual. A Teoria de Conjuntos foi explorada como
uma gramática para produzir o documento que expressa o modelo proposto. Esta gramática vem de encontro à ontologia de Wand e ao enfoque sistêmico na medida em que um
sistema é visto como uma coisa ou conjunto de coisas que interagem e realizam comportamento. Conforme dito na referida seção, o modelo de representação, no nível conceitual, deve produzir documentação com a visão orientada para o ser humano. Esta
gramática foi utilizada porque:
a) possui aceitação científica;
b) vem de encontro à necessidade identificada por abordagens de alto nível;
c) guarda correspondência conceitual com a ontologia de Wand e enfoque sistêmico;
d) pode ser aplicada tanto no nível conceitual como tecnológico;
e) permite independência de domínio de aplicação;
f) proporciona semântica precisa;
g) proporciona linguagem clara, compreensível e assimilável independente de
área de formação;
103
h) proporciona desenvolvimento eficaz (documentos consistentes, íntegros e
completos) e eficiente de modelos conceituais de sistemas;
i) pode ser ilustrada ou expressa por elementos gráficos;
j) pode ser mapeada para gramáticas orientadas a sistemas de informação, como as orientadas a objetos.
4.2
Métodos
O formalismo que se apresenta a seguir utiliza como ferramentas o modelo onto-
lógico de Wand, enfoque sistêmico e Teoria de Conjuntos. Os dois primeiros foram
utilizados durante o processo de abstração dos componentes do Banco de Modelos e do
Banco de Dados Espacial. O último serviu a gramática necessária para expressar as abstrações tão exato quanto possível.
A maior contribuição deste trabalho pretende estar sobre a concepção do Banco
de Modelos (BM) e não tanto sobre o Banco de Dados Espacial (BDE), haja visto que
este vem sendo amplamente tratado no meio científico e se encontra em estágio adiantado de maturidade. Entretanto, não se poderia deixar de abordar a concepção do BDE
porque tanto subsistema morfológico (modelado pelo BDE) como subsistema em cascata (modelado pelo BM) fazem parte de sistema geográfico e interagem entre si.
A concepção do BM realizada neste trabalho está voltada para a captura de modelos científicos de sistemas geográficos, embora se saiba que um BM pode ser formado
por uma variedade de modelos tais como modelos estatísticos, modelos de avaliação,
modelos de otimização, entre outros. O objetivo é fornecer arcabouço suficiente para
que problemas de inundações sejam resolvidos através de processos de tomada de decisão onde o decisor é auxiliado pelo computador. Evidentemente que neste processo po-
104
de e deve haver a articulação de diversas classes de modelos mas, conforme identificado
no capítulo 2, o paradigma atual dos sistemas de alerta merece ser tratado num contexto
mais amplo, como do Gerenciamento de Desastres Naturais, em que modelos de simulação do processo físico se destacam.
O modelo hora proposto resulta de abstrações que ocorrem em três níveis. No
primeiro nível (Figure 25), orientado para o ser humano, utiliza-se do enfoque sistêmico
para abstrair-se desastre por inundação como parte de um sistema geográfico onde diversos elementos ou componentes interagem.
Sistema
Real
Sistema
Geográfico
nível 1
Sistema em
Cascata
Sistema
Morfológico
Problema
Espacial
Usuário
nível 2
Processo
de Tomada
de Decisão
Diálogo
Inteligencia
nível 3
Banco
de
Modelos
Banco de
Dados
Espaciais e
Não Espaciais
entendimento
Projeto
alternativas
Escolha
decisão
Implementação
Solução
Figure 25 - Arquitetura de SADE com expansão ao domínio do problema e
processo de tomada de decião.
Os elementos relacionados com a descrição do meio físico, onde ocorrem tais
fenômenos, foram vistos como constituintes de sistemas morfológicos (SM). Os elementos relacionados com a descrição dos processos geográficos como constituintes de
sistemas em cascata (SC). O segundo nível de abstração ocorreu na direção da tecnologia de apoio à decisão, no sentido de que os subsistemas geográficos identificados fos-
105
sem modelados por segmentos distintos do SADE. Neste nível a tecnologia SADE foi
vista através de seus componentes básicos: modelo científico e dado. Dado tem a função
de prover informação e modelo científico de conduzir a alternativas de solução, no processo de tomada de decisão. A função de modelar a classe dos subsistemas morfológicos foi atribuída ao Banco de Dados Espacial (BDE) e a de modelar a classe dos subsistemas em cascata foi atribuída ao Banco de Modelos (BM). A visão por sistemas permitiu que fossem definidos elementos ou componentes tanto para o BM como para o BDE.
O modelo ontológico de Wand atuou em duas dimensões que tiveram reflexos
significativos no modelo proposto. Numa possibilitou que um sistema geográfico ou um
sistema computacional fosse visto como uma coisa composta de outras coisas e que
ambas possuíam propriedades. Isto deu liberdade de raciocínio no sentido de não se
ficar preso a conceitos da Teoria de Sistemas (a visão por "coisas" parece ser mais simples que a visão "por elementos". Noutra forneceu alguns princípios, discriminados abaixo) que serviram de base para a formulação do comportamento de um sistema, chamado aqui de desempenho comportamental. O terceiro nível de abstração ocorreu "dentro" da tecnologia de apoio à decisão. Neste nível foram discriminados e definidos os
elementos do BM e do BDE, suas associações e seus estados.
Procurou-se definir os elementos do BM e do BDE do geral para o específico,
numa técnica de refinamento passo-a-passo. A arquitetura foi definida refinando-se níveis de detalhes procedimentais (Pressman, 1995). Assim, são inicialmente apresentados
princípios básicos na forma de postulados. A seguir são propostos os componentes estruturais do BM e do BDE. Em cada um são propostas propriedades consideradas importantes para se capturar diferentes variáveis relativas a problemas espaciais. Uma vez
definidos os componentes de cada segmento partiu-se para a formalização da sua associação. Neste caso inferiu-se que, se tanto BM como BDE são compostos por elementos
106
e estes possuem propriedades, então uma associação pode acontecer a nível de componente e a nível de propriedades. Finalmente, o modelo formaliza o estado do sistema. O
modelo atinge o nível de identificação formal do componente, suas propriedades, associações e estados.
Neste trabalho procurou-se seguir os princípios delineados por Wand para a
proposição do modelo de SADE Efetivo. Em favor da clareza estes princípios serão
reproduzidos e em seguida serão discutidos seus efeitos sobre este trabalho.
Primeiro princípio: "Um sistema pode ser visto como uma coisa simples ou como uma
coisa composta feita de componentes que interagem"
Pelo primeiro princípio passou-se a considerar que tanto o domínio do problema
das inundações como o domínio tecnológico, na verdade, fazem parte de um sistema
único, que se poderia aqui chamar de grande sistema (Figura 26). O domínio do problema definiria um subsistema enquanto o domínio tecnológico definiria outro subsistema. O subsistema do domínio do problema é o que se poderia chamar de sistema geo-
gráfico e o subsistema do domínio tecnológico de sistema de apoio à decisão espacial.
Note-se que tanto um como outro podem ser decompostos em subsistemas até atingirem-se unidades elementares.
A relação entre um e outro é tomada nesta tese como uma hipótese: a de que o
subsistema morfológico de um sistema geográfico pode ser modelado em um Banco de
Dados Espaciais e de que o subsistema em cascata, deste mesmo sistema geográfico
pode ser modelado em um Banco de Modelos. Esta hipótese é formulada de maneira
empírica com base em metodologias usuais das áreas de Sistemas de Informação Geográfica e de Sistemas de Apoio à Decisão. A primeira tem suporte da modelagem de
dados espaciais e os implementa em bancos de dados espaciais. A segunda provê um
107
número de trabalhos que mostra a estratégia de se tratar modelos matemáticos à semelhança de dados e implementá-los em bancos de modelos, conforme visto no capítulo 2.
Grande Sistema
Sistema Bacia
Hidrográfica
Sistema
Morfológico
Sistema em
Cascata
Sistema
Geográfico
Nível
Conceitual
hipótese
SADE
Sistema de
Informação
Banco de Dados
Espaciais
Banco de
Modelos
Nível
Tecnológico
Figura 26 - Enfoque sistêmico aplicado à representação conceitual e tecnológica
de sistemas geográficos.
Outra forma de entender a separação da parte dado da parte modelo é considerar
que, num SADE, modelo científico exerce o papel de usuário e produtor de dados, abordado também no capítulo 2. Como usuário o MC recebe os dados de entrada do sistema real e executa um conjunto de operações sobre os mesmos. O papel de produtor de
dados se configura na medida em que tais operações retornam valores, dentre os quais
os dados que representam a saída do sistema real.
A origem e destino natural dos dados é o Banco de Dados (Furtado & Santos,
1986; Yong, 1983; Neto, Dalmolin, & Robbi, 1994), cuja função primordial é servir de
repositório da informação. O MC usualmente é implementado na forma de algoritmos,
funções, subrotinas ou métodos, que merecem abordagem distinta por se tratarem de
processos implementados. Além disso, há que se considerar que muitas das funcionalidades de um SADE Efetivo, delineadas no capítulo 2, impõem uma abordagem distinta.
108
Um exemplo de uso desta arquitetura dual pode ser obtido em Maniezzo, Mendes & Paruccini (1998) (Figura 27). Os autores desenvolveram um SADE para auxiliar
planejadores a decidir, com base em múltiplos critérios, lugar para depósito e tratamento
de lixo. O objetivo é reduzir, tanto quanto possível, custos de transporte, impactos sobre
o meio ambiente e humanos na região de interesse. As variáveis de decisão são baseadas
em fatores econômicos, socio-econômicos, segurança, saúde, políticas ambientais e
públicas. A decisão é auxiliada por método multi-critério baseado em técnica de ordenamento superior. Este exemplo ilustra ainda que um Banco de Modelo pode ser composto por uma variedade de modelos, dentre os quais modelos científicos (MC) que representam sistemas no mundo real.
SADE
módulo de gerenciamento de dados geográficos
Sistema
Gerenciador
de Banco de
módulo de gerenciamento de dados sobre serviços
de coleta/tratamento de lixo
módulo de gerenciamento de dados sobre produção
de lixo
Dados
módulo de gerenciamento de cenários
Interface
com o
algoritmos eurísticos para configurações praticáveis
de serviços de coleta/tratamento de lixo
Usuário
Sistema
modelo de avaliação de risco
Gerenciador
modelo de avaliação de impacto ambiental
de Banco de
Modelos
modelo de avaliação de custos
modelo de avaliação de risco de transporte
algoritmos de decisão baseada em múltiplos critérios
Figura 27 - Componentes de um SADE aplicado ao gerenciamento de lixo em
Lombardia, norte da Itália (adaptado de Maniezzo, Mendes &
Paruccini, 1998).
Segundo princípio: "O estado do sistema pode ser mapeado nos estados das variáveis
de articulação dos componentes".
109
O segundo e os demais princípios vêm de encontro à necessidade identificada
por abordagens eficazes sobre o problema de concepção do Banco de Modelos e suas
relações com o Banco de Dados Espacial de um SADE. O estado do sistema foi a última
etapa da formalização do modelo proposto porque se entendeu que estado define a situação dos componentes de ambos subsistemas num dado momento. Isto inclui não apenas os componentes em si, mas suas propriedades e suas respectivas associações. Aliado
à propriedade de comportamento de um sistema, a noção de estado permitiu que se introduzisse proposições e formalizações sobre transição de estados, pontos de estado e
identificação de estados.
Terceiro princípio: "O comportamento do sistema emerge do comportamento e das interações de seus componentes ".
Uma estrutura hierárquica de componentes foi definida para o banco de modelos, capaz de capturar o comportamento de um MC e permitir a implementação das funcionalidades do Sistema Gerenciador respectivo. O comportamento do sistema é representado pelo comportamento do MC e este, por sua vez, é subdividido em subcomportamentos. A estrutura comportamental recebeu o nome de STEP devido às iniciais das unidades que compõem cada nível de agregação: simulador, tarefa, etapa e procedimento. A estas unidades estabeleceu-se a propriedade de interagir umas com as outras, de acordo com as interações dos componentes do sistema real. Isto depende de como o MC representa o sistema real e é parte das funcionalidades dos especialistas na
área de aplicação.
Quarto princípio: "Eventos externos desencadeiam a propagação de eventos dentre os
componentes via variáveis de estado de articulação".
110
Os componentes da estrutura STEP foram vistos como coisas simples ou como
coisas compostas. Em outras palavras, cada componente foi visto como um sistema caixa-preta, como um sistema caixa-cinza ou como um sistema caixa-branca, conforme o
nível de agregação dos seus subsistemas. Considerou-se que estes subsistemas se articulavam através das suas entradas e saídas respectivas, de modo que o comportamento do
sistema fosse definido pelo comportamento dos seus subsistemas, desencadeado por
algum estímulo inicial. Quando a saída de um subsistema A é definida como a entrada
de um subsistema B então a saída de A se constitui num evento externo a B, e assim
sucessivamente.
Quinto princípio: "O comportamento do sistema deve ser estudado com relação a um
dado conjunto de eventos externos".
Este princípio é uma conseqüência se os demais forem seguidos. Se o sistema é
representado por um MC e este é desagregado em unidades representativas menores,
que interagem através de variáveis de articulação, então o comportamento do sistema
pode ser analisado através da análise do comportamento destas unidades. Os eventos
externos respectivos se constituem nos estímulos que desencadeiam a série de comportamentos. A implementação da decomposição e dos conceitos de transição e pontos de
estado, propostos no modelo de SADE Efetivo devem ser suficientes para a implementação do quinto princípio.
4.3
4.3.1
Modelo formal
Modelo formal do banco de modelos
Postulados:
111
I
Um sistema em cascata (SC) existe no domínio espacial euclidiano R3.
II
Se R1 ⊂ R2 ⊂ R3 então um SC existe também em R1 e R2.
III
Banco de Modelos (BM) é um esquema conceitual que representa o repositório de um conjunto de modelos científicos (MC) que modelam sistemas em
cascata (SC).
BM = {MC1 , MC 2 ,....MC m ,..., MC mc }
(6)
BM = {SC1 , SC 2 ,....SC m ,..., SC mc }
(7)
ou
IV
Um sistema em cascata pode ou não representar processos geográficos.
Esta tese tratará de sistemas em cascata relacionados a processos geográficos.
4.3.1.1 Componentes estruturais do banco de modelos
Proposições 1:
I
Um SC é composto por elementos.
II
Similarmente a uma coisa elemento de SC pode ser simples ou composto.
III
Similarmente a uma coisa elemento simples possui apenas propriedades emergentes.
IV
Similarmente a uma coisa composta elemento composto deve possuir propriedades emergentes e pode possuir propriedades herdadas.
V
Similarmente a propriedade de uma coisa propriedade de um elemento pode
ser intrínseca ou mútua a diversos elementos.
112
4.3.1.1.1 Propriedades de um elemento de SC
Proposição 2. As propriedades relevantes de um elemento Cw de um SC são: estrutura,
insumo, limite, desempenho e produto.
Definição 1. Estrutura (Η) é a situação do elemento em relação aos demais elementos do
SC.
Definição 2. Insumo (Γ) é o fator que estimula o desempenho do elemento.
Definição 3. Limite (Λ) é o fator que impõe restrições sobre o desempenho do elemento.
Definição 4. Desempenho (∆) é a atitude comportamental do elemento sobre insumo
restrito por limite.
Definição 5. Produto (Ρ) é o resultado da realização do desempenho do elemento.
Proposições 3:
I
O conceito Estrutura corresponde ao conceito Sistema e confere ao elemento
organização, ordem de desempenho e níveis de agregação. Depende do grau
de estruturação do problema.
II
O conceito Insumo corresponde ao conceito Entrada de um sistema.
III
O conceito Limite corresponde ao conceito Regulador de um sistema.
IV
O conceito Desempenho corresponde ao conceito Comportamento de um sistema.
V
O conceito Produto corresponde aos conceitos Armazenador e Saídas de um
sistema.
Definição 6. As propriedades de um componente Cw qualquer da estrutura de um SC
discriminado da Definição 1 à Definição 5 pode ser descrito pela tupla:
C w = Η , Γ, Λ , ∆ , Ρ
(8)
113
4.3.1.1.2 Percepção de um SC
Proposições 4:
I
A percepção de um SC depende da aplicação a qual se destina, do nível de estruturação do problema, da natureza dos elementos que o compõem e do nível
de detalhamento espacial desejado para estes elementos.
II
Um SC é passível de ser modelado por um modelo científico (MC).
III
O MC é um simulador do SC.
IV
A determinação da saída ou saídas de um SC pode ser percebida como um
processo de resolução de problema.
V
Se um problema pode ser modelado formalmente por um simulador, então o
problema de determinar a saída de um SC pode ser decomposto em subproblemas.
VI
A solução estruturada de sub-problemas define níveis comportamentais de um
simulador.
4.3.1.1.3 Estrutura comportamental de um SC
Proposição 5. Um simulador resolve problemas através das soluções produzidas por
tarefas, executadas em etapas conforme procedimentos definidos.
Definição 7. Um banco de modelos (BM) é composto por unidades estruturais
denominadas Simuladores (S) que modelam sistemas em cascata (SC), logo, BM ⊃ S.
BM = {S1, S2, ..., Si,..., Ss}
(9)
Corolário 1. Um simulador Si do conjunto BM é identificado por propriedades intrísecas
da tupla:
S i = Η i , Γi , Λ i , ∆ i , Ρi
( 10 )
114
Definição 8. Simulador (S) é a unidade comportamental no nível do banco de modelos
que resolve, através de tarefas (T), problema relacionado a SC do mundo real, logo S ⊃
T:
Si = {T1, T2, ..., Tj,..., Tt}
( 11 )
Corolário 2. Uma tarefa Tj é identificada no conjunto Si através de propriedades
intrínsecas da tupla:
T ji = Η j , Γ j , Λ j , ∆ j , Ρ j
( 12 )
Definição 9. Tarefa (T) é a unidade comportamental no nível de Simulador que possui a
propriedade intrínseca de resolver problema por etapas (E), logo T ⊃ E:
Tij = {E1, E2, ..., Ek,..., Ee}
( 13 )
Corolário 3. Uma etapa Ek é identificada no conjunto Tj através de propriedades
intrínsecas da tupla:
E ki , j = Η k , Γk , Λ k , ∆ k , Ρk
( 14 )
Definição 10. Etapa (E) é a unidade comportamental no nível de Tarefa que possui a
propriedade intrínseca de resolver problema por procedimentos (P), logo E ⊃ P:
Ei,jk = {P1, P2, ..., Pl,..., Pp}
( 15 )
Corolário 4. Um procedimemento Pl é identificado no conjunto Ek através de
propriedades intrínsecas da tupla:
Pl i , j ,k = Η l , Γl , Λ l , ∆ l , Ρl
( 16 )
Definição 11. Procedimento (P) é a menor unidade comportamental do simulador capaz
de resolver problema através de unidades procedurais (up), logo P ⊃ up:
Pi,j,k l = {up1, up2, ..., upm,..., upu}
( 17 )
Corolário 5. Uma unidade procedural upm é identificada no conjunto Pl através de
propriedades intrínsecas da tupla
up mi , j , k ,l = Η m , Γm , Λ m , ∆ m , Ρm
( 18 )
115
Definição 12. Unidade procedural (up) é a unidade de comportamento elementar de um
simulador.
Regra 1. Se BM ⊃ S ⊃ T ⊃ E ⊃ P então S ∪ T = S , T ∪ E = T e E ∪ P = E (Figura
28).
BM
S
T
E
P
Figura 28 - Diagrama de conjuntos e subconjuntos dos componentes estruturais
do BM.
Nesta estrutura os algoritmos que implementam de fato o MC são escritos nas
unidades procedurais.
Simuladork
Tarefai
Tarefaj
...
E1
P1
P2
E2
...
...
En
E1
E2
...
Eu
Pm
Figura 29- Diagrama da hierarquia dos componentes de um SC ou MC.
Exemplo 1. O elemento P2,4,63 se trata do procedimento 3 pertencente à etapa 6 da tarefa
4 executada pelo simulador 2 do banco de modelos (Figura 30).
116
BM
T24
S2
E2,46
P2,4,63
Figura 30 - Exemplo ilustrativo da identificação de um componente nos
diferentes níveis da estrutura hierárquica STEP de um BM.
4.3.1.1.3.1 Níveis de informação e controle
De acordo com a equação 1 simulador, tarefa, etapa ou procedimento é descrito
por uma tupla composta por informações sobre estrutura (Η), insumos (Γ), limites (Λ),
desempenhos (∆) e produtos gerados (Ρ). Isso implica em que o nível de estruturação da
informação no BM depende do nível de estruturação do problema. Níveis mais altos
agregam informações de níveis mais baixos. Como conseqüência das Proposições 1
tem-se que
ΓS ⊇ ΓT ⊇ ΓE ⊇ ΓP
( 19 )
ΛS ⊇ ΛT ⊇ ΛE ⊇ ΛP
( 20 )
∆S ⊇ ∆ T ⊇ ∆E ⊇ ∆P
( 21 )
ΡS ⊇ ΡT ⊇ ΡE ⊇ ΡP
ΓP
ΓE
( 22 )
ΓT
ΓS
Figura 31 - Formalismo da agregação de informações sobre insumos (Γ) de um
SC.
Baseado no modelo de Wand, as propriedades dos elementos do conjunto ΓP na
Figura 31 são herdadas pelos conjuntos ΓE, ΓT, ΓS. Analogia pode ser feita com os limi-
117
tes Λ, desempenhos ∆ e produtos Ρ. A área hachurada representa as propriedades emergentes do elemento ΓE em relação às propriedades dos seus componentes em ΓP. Isso
significa que o conjunto ΓE tem a capacidade de herdar propriedades do conjunto ΓP
além de suas próprias.
De forma complementar, as relações 19 a 20 indicam que as propriedades de um
elemento de nível mais alto podem ou não ser exclusivamente formadas pelas propriedades do elemento de nível mais baixo.
Proposições 6:
I
O nível BM informa e realiza controle sobre propriedades comportamentais
dos simuladores.
II
O nível Simulador informa e realiza controle sobre propriedades comportamentais das tarefas.
III
Tarefa informa e realiza controle sobre propriedades comportamentais das etapas.
IV
Etapa informa e realiza controle sobre propriedades comportamentais dos procedimentos.
V
Procedimento informa e realiza controle sobre propriedades comportamentais
das unidade procedurais.
VI
As propriedades comportamentais de um componente perduram no BM por
tempo determinado (ver Estado).
VII
A agregação da informação pode ser vista através de uma adaptação da visão
relacional de Blanning (1986).
118
(a) Agregação no nível do banco de modelos
Simulador
S1
S2
...
Ss
Insumo
(Γ
Γ)
...
Limite
(Λ
Λ)
...
Desempenho
(∆
∆)
...
Produto
(Ρ
Ρ)
...
...
...
...
...
...
...
...
...
...
...
...
...
(b) Agregação no nível do simulador Si
Tarefa
T1
T2
...
Tt
Insumo
(Γ
Γ)
...
...
...
...
Limite
(Λ
Λ)
...
...
...
...
Desempenho
(∆
∆)
...
...
...
...
Produto
(Ρ
Ρ)
...
...
...
...
Figura 32 - Visão relacional da agregação da informação: (a) a nível do banco de
modelos, (b) a nível do simulador.
Definição 13. De acordo com as Proposições 6 e a Figura 32 tem-se:
BM = <S, Γ, Λ, ∆, Ρ>
Si = < T, Γ, Λ, ∆, Ρ>
Tij = < E, Γ, Λ, ∆, Ρ>
(23)
Ei,jk = < P, Γ, Λ, ∆, Ρ>
Pi,j,kl = < up, Γ, Λ, ∆, Ρ>
Os componentes da estrutura do BM permitem que se abstraia o comportamento
de um simulador em níveis, conforme o grau de estruturação que seja dado à resolução
de um problema espacial. Cada camada ou nível de abstração agrega informações e realiza controle sobre as propriedades comportamentais (estrutura, insumos, limites, desempenho e produtos) da camada inferior. Por conseguinte o nível mais alto, Banco de
Modelos, é o nível que apresenta a maior agregação. A propriedade de agregar informação pelas diferentes camadas permite que se estabeleça níveis de abstração sobre o banco de modelos.
119
As abstrações conferem ao BM a capacidade de expressar seu conteúdo para usuários distintos, desde os especialistas com interesse sobre o desenvolvimento de modelos, calibração de parâmetros e análise de sensibilidade aos menos experientes, interessados apenas em utilizar as capacidades do sistema com base num conhecimento
mínimo. Estes níveis permitem que usuários inexperientes discutam e utilizem o sistema
sem se preocupar com detalhes operacionais a nível de Tarefa, Etapa ou Procedimento.
Por este motivo, em sistemas computacionais, os níveis BM e Simulador são os que
estão o mais próximo do usuário do sistema.
4.3.1.1.3.2 Exemplos de aplicação da estrutura STEP a sistemas hidrológicos
4.3.1.1.3.2.1 Modelos conceituais
Os modelos conceituais se fundamentam no ciclo hidrológico (Figura 33) e são
concebidos sob a abordagem caixa-preta, na qual cada subsistema hidrológico é modelado individualmente e visto como um reservatório. O sistema é composto por diversos
"reservatórios" e o fluxo do material ocorre de um para outro. É o caso dos modelos
NAM implementado no sistema Mike 11, SMAP desenvolvido na Universidade de São
Paulo, Stanford Watershed Model, MERO, entre outros.
A Tabela 7 ilustra como poderia ser aplicada a estrutura STEP para modelar os
fenômenos do ciclo hidrológico, baseado no conceito de reservatórios. No exemplo, o
modelo poderia ser chamado de SCicloHidrologico cuja função é simular o fluxo da
água entre os reservatórios. Isto poderia ser divido em algumas tarefas de acordo com o
reservatório em questão: vegetação, superfície, solo, aqüífero, lago, atmosfera e oceano.
120
ATMOSFERA
P
P
P
E
E
P
E
E
Vegetação
gotejamento
Superfície da Terra
infiltração
filtração
ascendente
escoamento
superficial
difusão de
vapor
Correntes
Lagos e Rios
Solo
escoamento
subsuperificial
percolação
escoamento
superficial
ascenção
capilar
Aqüífero
fluxo
subterrâneo
Oceano
Figura 33 - Ciclo hidrológico (Fonte: Porto, 1973).
Cada tarefa se responsabilizaria pela modelagem de um destes subsistemas. As
etapas de cada tarefa podem ser identificadas pelas setas que indicam o fluxo a ser modelado. Por exemplo, na tarefa TVegetação os processos de evaporação e gotejamento
poderiam ser representados como etapas distintas que modelam a saída do subsistema.
Finalmente, cada uma destas etapas poderia ser realizada através de procedimentos específicos classificados de acordo com sua finalidade no modelo. No mesmo exemplo
estes procedimentos poderiam ser agrupados de acordo com:
a) levantamento das contribuições aos subsistema;
b) levantamento e verificação dos parâmetros do procedimento;
c) verificação das condições para evaporação;
d) aplicação da função ou funções que modelam o fluxo;
e) armazenamento dos resultados.
121
A implementação destes procedimentos seria realizada nas unidades procedurais
da estrutura STEP. Eles não são explícitos na figura mas podem ser apresentados de
forma genérica conforme a Tabela 7:
Ex = {PContrib, PParam, PFunçãoTransf, PArmazen,...}
em que x representa uma das etapas definidas nas tarefas do modelo.
Tabela 7 - Aplicação da estrutura STEP sobre modelos baseados no ciclo hidrológico.
Simulador
Tarefa
(determinar)
vegetação
(T1 = TVegetação)
Etapa
(calcular)
(E1) evaporação
(E2) gotejamento
Ciclo
Hidrológico
(S1 = SCicloHidrologico)
superfície da terra
(E1) evaporação
(T2 = TSuperficieTer- (E2) infiltração
ra)
(E3) escoamento superficial
(E1) percolação
(E2) escoamento subsupersolo
ficial
(T3 = TSolo)
(E3) filtração ascendente
(E4) difusão de vapor
(E1) evaporação
(E2) escoamento superficial
correntes, lagos e rios
(E3) fluxo subterrâneo
(T4 = TCorrentes)
(E4) escoamento subsuperficial
aqüífero
(E1) ascensão capilar
(T5 = TAquifero)
(E2) fluxo subterrâneo
oceano
(E1) evaporação
(T6 = TOceano)
Procedimento
(proceder)
(P1) levantamento de contribuições
(P2) verificação de parâmetros do modelo
(P3) verificação das condições para evaporação
(P4) aplicar função de transferência
(P5) computar armazenamento
...
...
...
...
...
...
Os elementos do SC acima poderiam ser os seguintes:
•
BM = {SCicloHidrológico}
•
S1 = SCicloHidrológico = {TVegetação, TSuperfícieTerra, TSolo, TCorrentes, TAqúífero, TOceano}
•
T1 = TVegetação = {EEvaporação, EGotejamento}
•
T2 = TSuperfícieTerra = {EEvaporação, EInfiltração, EEscSuperficial}
122
•
T3 = TSolo = {EPercolação, EEscSuperficial, EFiltrAscentende, EDifusVapor}
•
T4 = TCorrentes = {EEvaporação, EEscSuperficial, EFluxoSubter, EEscSubSuperf}
•
T5 = TAqüífero = {EAscCapilar, EFluxoSubter}
•
T6 = TOceano = {EEvaporação}
À medida em que se realiza a estruturação da modelagem formal converge-se
simultaneamente para a estruturação do problema. O problema inicial de resolver a representação do sistema real passa a ser abordado pela técnica passo-a-passo, refinandose os procedimentos. Note-se que a implementação efetiva se dá nas unidades procedurais. Nas camadas superiores o usuário do SADE teria informações das camadas vizinhas. O usuário escolheria um nível destes para trabalhar com o modelo científico de
acordo com seu conhecimento especialista sobre o assunto. Se este usuário deseja criar e
desenvolver o modelo, então ele deve atingir o nível das unidades procedurais. Se ele
conhece muito pouco do assunto, o sistema deve estar apto a fornecer as informações de
que necessita em alto nível. Em contrapartida o usuário também daria as ordens ou comandos no mesmo nível. Esta capacidade de atender usuários com diferentes experiências deve estar prevista nas funcionalidades do Sistema Gerenciador do Banco de Modelos. Uma forma de atender este requisito seria o sistema se reconfigurar de acordo com
o usuário que o está manejando. Conceitos como interfaces adaptativas e banco de conhecimento podem ser explorados neste item.
4.3.1.1.3.2.2 Modelos teóricos
Os modelos teóricos utilizam princípios físicos para a modelagem do processo
hidrológico como o Modelo Racional para a quantificação de vazão na foz de uma bacia
hirográfica, Método do Soil Conservation Service para a modelagem da capacidade de
infiltração de água no solo e Hidrograma Unitário (Righetto, 1998).
123
A Figura 34 ilustra uma bacia hidrográfica e dois pontos na rede de drenagem
onde há interesse na aplicação do método racional para a estimativa da vazão. Na
Tabela 8 é apresentada a aplicação do método conforme a abordagem de Righetto
(1998) sobre este método.
Q1
1
A1
2
A2
Q2
Figura 34 - Aplicação do modelo racional (Fonte: Righetto, 1998).
Tabela 8 - Aplicação da estrutura STEP sobre o modelo racional.
Simulador
Tarefa
(determinar)
(T1) vazão no
ponto 1
Modelo
Racional
(S1 = SRacional)
(T2) vazão no
ponto 2
Etapa
(calcular)
(E1) tempo de concentração (tc1)
(E2) coeficiente de
deflúvio
(E3) intensidade da
chuva (i1)
(E4) vazão ponto 1
(Q1)
(E1) tempo de concentração (tc2)
(E2) coeficiente de
deflúvio médio (C)
(E3) intensidade da
chuva (i2)
(E4) vazão ponto (Q2)
Procedimento
(proceder)
tc1 = t 0 + Lt / vc + Lc / vc
C (tabelas)
i ( d c ; T ) = 1519T −0, 236 /(16 + d c ) 0,935
Q = C .i . A
...
C = (C1 . A1 + C 2 . A2 ) / A
...
...
Como no exemplo anterior o modelo racional pode ser aplicado na estrutura
STEP à partir do simulador SRacional. As tarefas poderiam ser divididas em suas, conforme o ponto onde se deve calcular a vazão. Ou ainda poderia ser apenas uma tarefa na
medida em que as etapas definidas para cada uma são as mesmas, variando apenas a sua
124
implementação. No nível de procedimento seriam implementadas as equações que modelam o sistema.
Os elementos do SC acima poderiam ser os seguintes:
•
BM = {SRacional}
•
SRacional = {TVazão}
•
TVazão = {ETempoConcentr, ECoefDefluv, EIntChuva, EVazão}
•
ETempoConcentr = {P_tc1}
•
ECoefDefluv = {P_Tabelas, P_Ponderado)
•
EIntChuva = {P_i(dc;T)}
•
EVazão = {P_Q)
4.3.1.1.3.2.3 Modelos distribuídos
Modelos distribuídos podem ser tratados como sistemas caixa-branca (Capítulo
4) ou como um conjunto de sistemas caixa-preta menores. Nestes modelos a dimensão
espacial integra a formulação do problema e o comportamento do sistema é obtido a
partir do comportamento de seus componentes.
Na modelagem hidrológica de bacia hidrográfica usualmente divide-se o espaço
em regiões regulares ou não, onde o processo é modelado. O produto de cada um destes
subsistemas é computado para os subsistemas adjacentes de acordo com a declividade e
direção das vertentes topográficas.
Um dos diversos representantes desta abordagem é o modelo científico
TOPMODEL (Beven et al., 1995). Este modelo busca reproduzir o comportamento hidrológico de uma bacia hidrográfica considerando as variáveis de forma distribuída dinâmica e heterogênea. O conceito de macroescala é utilizado no sentido de procurar
simplificar diversos processos complexos que ocorrem no mundo real. No TOPMODEL
este conceito é aplicado para simplificar as variações na profundidade do lençol freático
125
supondo que, em solos relativamente rasos em relação a dimensão da vertente, o controle gravitacional sobre o escoamento na zona saturada pode produzir lençol aproximadamente paralelo à superfície topográfica, especialmente em condições de umidade suficiente para permitir o escoamento saturado lateral (Figura 35).
ai
Figura 35 - Esquema do modelo TOPMODEL (Fonte: Righetto, 1998).
A Tabela 9 apresenta a aplicação do modelo TOPMODEL na estrutura STEP do
Banco de Modelos. Os elementos do SC poderiam ser os seguintes:
BM = {STopmodel},
STopmodel = {TElemEstáticos, TVazãoFoz}, TElemEstáticos = {EDeclivMédiaCélula, EÁreaContrCélula, EÍndiceTopoCélula, ...EVazão_Qo}, TVazãoFoz = {ESérieTemporal}, ESérieTemporal = {P_ z , P_zi, P_Qv, P_Qb, P_Qs}
126
Tabela 9 - Aplicação da estrutura STEP sobre o modelo TOPMODEL.
Simulador
Tarefa
(determinar)
Etapa
(calcular)
(E1) declividade média célula i
Procedimento
(proceder)
(E2) área de contribuição célula i
(T1) elementos
estáticos da
bacia
(E3) índice topográfico célula i
ln(ai / tgβ i )
(E4) índice de Beven célula i
ln(ai / T0 tgβ i )
(E5) freqüência dos índices topográficos
e de Beven
(E6) distribuição de freqüências
(E7) células com mesma resposta hidrológica
(E8) constante topográfica λ
(S1) Modelo
TOPMODEL
(E9) constante topográfica γ
(E10) descarga quando
a zero
(T2) elementos
dinâmicos:
vazão na foz da (E1) série temporal
bacia para
períodos secos
(T3) elementos
dinâmicos:
vazão na foz da
(E1) série temporal
bacia para
períodos chuvosos
z e S são iguais
ai
1 N
ln
∑
A i =1 tan β i
ai
1 N
γ = ∑ ln
A i =1 T0 tan β i
λ=
Q0 = Ae − γ
z , zi, Qv, Qb, Qs
z , zi, Qv, Qb, Qs
Obs: não estão sendo considerados valores de entrada nem parâmetros no modelo.
A tarefa TVazãoFoz é a mesma a ser executada tanto para períodos secos como
períodos úmidos. Por isso, a equação STopmodel apresenta dois conjuntos enquanto que
a tabela mostra três. Na tabela está especificado que uma mesma tarefa é executada em
momentos distintos. Porém, formalmente, trata-se da execução de um conjunto apenas.
127
4.3.1.2 Insumos e produtos comportamentais
4.3.1.2.1 Entrada
Definição 14. Entrada ou insumo (Γ) é o valor ou conjunto de valores que desencadeiam
o estímulo que inicia a execução de um componente de um SC e deve satisfazer
critérios de consistência, integridade e inteireza.
Γ = {γ 1 , γ 2 ,..., γ f ,..., γ w }
( 24 )
Definição 15. Conjunto de entrada consistente é formado por valor ou conjunto de
valores estáveis.
Definição 16. Conjunto de entrada íntegro é formado por valor ou conjunto de valores
não corrompidos.
Definição 17. Conjunto de entrada inteiro ou completo é o conjunto onde não há
elementos faltantes.
A propriedade Entrada corresponde aos elementos de entrada no sistema e
subsistemas. Ela representa as variáveis independentes da estrutura geral de um modelo
científico.
Proposições 7:
I
Entrada se aplica a um componente de simulador independentemente do tipo
de execução (série, paralela ou simultânea).
II
O conjunto de entrada pode ser vazio, unitário ou composto.
III
Entrada vazia significa que o conjunto de entrada não satisfaz os critérios de
consistência, integridade e/ou inteireza.
128
Tarefa Individual
Etapa 1
Etapa 2
Etapa 3
Entrada
...
Etapa n
Saída
Figura 36 - Pontos de entrada e saída durante a execução em série de uma tarefa
de simulador.
4.3.1.2.2 Saída
Definição 18. Saída (Ρ) é o valor ou conjunto de valores que resultam do desempenho
comportamental de componente de SC e deve satisfazer critérios de consistência,
integridade e inteireza.
Ρ = {ρ1 , ρ 2 ,..., ρ h ..., ρ r }
( 25 )
Definição 19. Conjunto de saída consistente é formado por valor ou conjunto de valores
estáveis.
Definição 20. Conjunto de saída íntegro é formado por valor ou conjunto de valores não
corrompidos.
Definição 21. Conjunto de saída inteiro ou completo é o conjunto onde não há
elementos faltantes.
A propriedade Saída corresponde aos elementos de saída do sistema e subsistemas. Ela representa as variáveis dependentes da estrutura geral de um modelo científico.
Uma saída se constitui em um conjunto-solução para o problema em pauta.
Proposições 8:
I
Saída se aplica a um componente de simulador independentemente do tipo de
execução (série, paralela ou simultânea).
II
Um conjunto-solução pode ser vazio, unitário ou composto.
129
III
Saída vazia significa que o conjunto de saída não satisfaz os critérios de
consistência, integridade e inteireza.
4.3.1.2.2.1 Solução e solução parcial
Definição 22. Solução é a saída apresentada pelo componente de SC como resultado do
seu desempenho integral.
Definição 23. Desempenho integral é o desempenho concluído.
Definição 24. Solução Parcial é a saída apresentada pelo componente como resultado do
seu desempenho parcial.
Definição 25. Desempenho parcial é o desempenho não concluído.
Proposição 9. Uma solução parcial pode ser vazia, unitária ou composta.
Exemplo 2. Processamentos computacionais freqüentemente são limitados por
restrições comportamentais como número limite de processos iterativos, limite de
aproximações numéricas, limites espaciais, limites de laços, e outros. Se o
processamento é interrompido num certo momento, sem que limites como estes tenham
sido atingidos, então haverá um conjunto-solução cujos elementos não representam
efetivamente a solução final ou solução. O conjunto-solução apresentará, nestas
situações, valores parciais que podem ou não estar convergindo para a solução final. Em
se mantendo esta possibilidade o usuário poderá, num dado momento, interromper o
processamento e verificar o estado do sistema.
4.3.1.3 Limites Comportamentais
Definição 26. Limite (Λ) é o valor, conjunto de valores ou de condições que afetam ou
restringem o comportamento do componente do SC.
Proposição 10. Limite (Λ) pode ser do tipo Conceitual (C), Paramétrico (Π), Contorno
(Χ) ou Procedimental (Φ).
130
4.3.1.3.1 Limite conceitual
Definição 27. Limite Conceitual (C) é o limite que se aplica nos níveis de Simulador,
Tarefa, Etapa, Procedimento e Unidade Procedural.
C = {c1 , c 2 ,...ci ,...c n }
( 26 )
Limites conceituais são apresentados como forma de incrementar as informações relativas a um componente do BM. Estes limites são impostos pelo conhecimento
especialista que se possui sobre o assunto, de modo que podem ser utilizados pelo Gerenciador do Banco de Modelos como forma de selecionar o componente que melhor se
adapta a uma situação de problema.
Exemplo 3
Limite a nível de simulador:
I
i
Limite 1: O TOPMODEL não é adequado para problemas de cheias em
tempo real. (Todini, 1999)
ii
Limite 2: O TOPMODEL somente pode ser utilizado se a bacia satisfizer os
três postulados (armazenamento na zona saturada, paralelismo do lençol freático e controle topográfico sobre a profundidade do lençol freático). (Beven
et al., 1995)
II
Limite a nível de tarefa: O TOPMODEL deve atuar em períodos secos e chuvosos separadamente. (Righetto, 1998)
III
Limite a nível de etapa: "Se o número de células for elevado a distribuição de
freqüências é obtida a partir da seleção de intervalos de classe para o índice de
Beven" (Righetto, 1998)
131
4.3.1.3.2 Limite paramétrico
Definição 28. Limite do tipo Paramétrico (Π) é o valor ou conjunto de valores que
compõem o corpo formal das relações matemáticas do simulador.
Π = {π 1 , π 2 ,..., π l ,..., π q }
( 27 )
Parâmetro faz parte do corpo formal do modelo e permanece estável por tempo
limitado, conforme sua validade em representar o sistema real. O valor ou conjunto de
valores que representam um parâmetro pode ser constante ou variar dentro de uma faixa
de valores. A permanência do valor de um parâmetro é limitada por eventos de calibração.
Proposição 11. Eventos de calibração podem ser induzidos ou automáticos.
Definição 29. Eventos induzidos são os eventos que sofrem interferência permanente do
usuário.
Definição 30. Eventos automáticos são eventos que não sofrem interferência do usuário
ou, quando acontece, é mínima.
Exemplo 4. São exemplos de parâmetros de modelo científico o índice topográfico
ln(ai/tgβi) do TOPMODEL para uma célula i da bacia ou a constante topográfica γ da
bacia. Seus valores perduram até que eventos de calibração os altere. Seus valores
podem variar dentro de certos limites, impostos de acordo com as características da
bacia. Em modelos capazes de simulações em tempo real a calibração pode ser
executada em linha, ou seja, à medida que novas observações alimentam o sistema este
poderá executar uma calibração automática com ou sem o consentimento do usuário.
4.3.1.3.3 Contorno ou fronteira
Definição 31. Contorno ou fronteira (Χ) é o valor ou conjunto de valores que impõem
limiares de validade ao comportamento do modelo científico.
Χ = {χ 1 , χ 2 ,..., χ m ,..., χ c }
( 28 )
132
Na modelagem de sistemas geográficos a propriedade Limite do tipo Contorno
funciona como uma injunção formal que restringe o comportamento do sistema e normalmente está associada a posições espaciais. Neste sentido os modelos hidrológicos
ISIS Flow e MIKE 11 proporcionam uma classificação útil que permite tratá-los de
forma distinta. Esta classificação é tomada por base para a seguinte proposição:
Proposição 12. Uma condição de contorno ou fronteira pode ser imposta nos extremos
espaciais de um processo geográfico (condição externa) ou entre tais extremos
(condição interna).
Definição 32. Contorno externo é a restrição localizada nos pontos de início e fim (ou
extremos espaciais) de um processo geográfico modelado pelo simulador.
Definição 33. Contorno interno é a restrição localizada entre os pontos de início e fim
(ou extremos espaciais) de um processo geográfico modelado pelo simulador.
Exemplo 5. Podem se constituir contornos externos a vazão Q, o nível d'água h ou a
pressão p (observada ou calculada) imposta numa seção de montante de um canal num
tempo t. Restrições como estas são utilizadas pelos sistemas computacionais ISIS Flow
e MIKE 11.
Exemplo 6. Podem se constituir contornos internos valores expressos na curva-chave de
estruturas hidráulicas de controle (barragens ou represas, eclusas, bueiros, comportas),
oscilação entre entrada e saída de reservatórios5, índices de perdas de carga localizadas,
junções (bifurcações e confluências). Estas restrições também são consideradas pelos
sistemas ISIS Flow e MIKE 11.
4.3.1.3.4 Limite procedimental
Definição 34. Limite do tipo procedimental (Φ) é o valor ou conjunto de valores que
condicionam desempenhos comportamentais do sistema computacional.
Φ = {φ1 , φ 2 ,..., φ n ,..., φ v }
5
( 29 )
Reservatórios são definidos como áreas de armazenamento onde os efeitos dinâmicos são negligenciáveis e que tem uma ampla superfície líquida (Wallinford, 1999).
133
Tanto Contorno como Limite Procedimental são propriedades que restringem o
comportamento do modelo científico. A diferença está em que, enquanto Contorno se
origina de restrição conceitual no sentido de que o modelo científico deve agir dentro da
realidade (representar o sistema real), Limite Procedimental se origina de restrição procedural relativa ao sistema computacional. Por exemplo, podem se constituir em limite
procedimentais o número máximo de iterações, valores para critérios de convergência,
valores para níveis de aceitação/rejeição de resultados, entre outros.
Tendo em vista que Unidade Procedural é a unidade comportamental de um simulador, então os limites do tipo paramétrico, contorno e procedimental são implementados neste nível, através de valores quantitativos ou qualitativos.
4.3.1.4 Desempenho comportamental
Definição 35. Desempenho ou execução (∆) é o ato de processar componente de um SC
a partir de uma perturbação ou estímulo e está altamente correlacionada com o nível de
estruturação do problema.
∆ = {δ 1 , δ 2 ,..., δ g ,..., δ d }
( 30 )
Definição 36. Um estímulo ocorre quando há uma alteração de estado, ou seja, um
evento sobre Entrada.
A nível conceitual a propriedade de desempenho corresponde ao comportamento
dinâmico do sistema real. A nível de tecnologia esta propriedade representa a capacidade de processamento computacional que impõem dinâmica ao modelo científico do sistema.
O desempenho ou execução de um modelo científico ou simulador pode ser entendida nos diferentes níveis da estrutura STEP, mas sua implementação sempre ocorrerá a nível de unidades procedurais. Por exemplo, a nível de Simulador pode-se entender
134
que um modelo científico que represente a precipitação numa bacia hidrográfica produz
resultados que são entrada para outro modelo científico que represente o escoamento na
superfície. Estas capacidades são atributos específicos de cada simulador. Todavia, o
processamento computacional de cada um ocorrerá conforme os algoritmos desenvolvidos como unidades procedurais a nível de Procedimento. Neste exemplo, há a participação de dois simuladores, cada qual desempenhando uma função diante da modelagem
do sistema real. Esta noção de participação coletiva faz com que se elabore a seguinte
proposição:
Proposição 13. O desempenho comportamental pode envolver um ou mais componentes
de um SC.
Isto significa que pode haver a participação de uma ou mais Tarefas, Etapas,
Procedimentos e Unidades Procedurais. Nesta linha de argumentação procurou-se distinguir diversas categorias de processamentos que podem envolver estes componentes.
Para isso, eles passaram a ser visto como subsistemas que interagem através de variáveis de estado de articulação (ver seção 4.1.2). Estas variáveis são representadas pela
propriedade Saída, fruto do processamento em cada nível da estrutura. Assim, a saída
produzida por Unidades Procedurais incorporam-se como uma das saídas do componente Procedimento ao qual pertencem. O conjunto de saídas produzidas pelo componente
Procedimento incorporam-se a uma das saídas do componente Etapa à qual pertence. E
assim por diante.
Inicialmente distingiu-se duas categorias básicas de desempenho comportamental, as quais se diferenciam quanto ao número de componentes envolvidos e quanto à
ordem com que são executados. Na primeira distinguem-se os casos em que a execução
é individual, coletiva ou compartilhada. Na segunda destacam-se as situações em que a
135
execução computacional destes componentes ocorre em série, paralela ou simultânea.
Estas categorias serão abordadas a seguir.
4.3.1.4.1 Categorias de desempenho comportamental
4.3.1.4.1.1 Quanto ao número de componentes
4.3.1.4.1.1.1 Execução individual
Definição 37. Execução individual é a execução em que participa apenas um
componente de SC.
A nível de banco de modelos a execução individual envolve apenas um simulador, a nível de simulador uma tarefa, a nível de tarefa uma etapa, a nível de etapa um
procedimento e a nível de procedimento uma unidade procedural.
Proposição 14. A execução individual de um componente de um nível não exclui a
participação coletiva dos componentes de níveis adjacentes (Figura 37).
S
T
E
P
UP
Figura 37 - Variação da execução conforme o número de componentes.
Exemplo 7. Num sistema morfológico com sub-bacias adjacentes, a tarefa única de
calcular a vazão na foz de uma bacia pelo TOPMODEL não exclui a possibilidade deste
simulador (ou modelo) estar sendo executado coletivamente com outros simuladores,
nem de que esta tarefa seja executada em mais de uma etapa. A vazão produzida poderia
136
ser elemento de entrada em outra bacia, em que haveria outro simulador em melhores
condições de representar o sistema.
4.3.1.4.1.1.2 Execução coletiva
Definição 38. Execução coletiva é a execução em que participam dois ou mais
componentes sendo que cada componente é responsável por um conjunto específico de
funções.
Proposição 15. A execução coletiva de um componente de um nível não exclui a
participação individual dos componentes de nível mais alto ou mais baixo respectivos
(Figura 37).
4.3.1.4.1.1.3 Execução compartilhada
Considerando a necessidade identificada pela capacidade de reutilização de
componentes já consagrados no Banco de Modelos, propõe-se que os componentes da
estrutura STEP possam compartilhar subcomponentes. A função de controlar o compartilhamento é do Gerenciador do Banco de Modelos, nos níveis de criação, processamento e análise de modelos.
Definição 39. Execução compartilhada é a execução em que há o compartilhamento de
componentes de mesmo nível (Figura 40).
Proposição 16. Dois simuladores podem compartilhar tarefas, duas tarefas podem
compartilhar etapas, duas etapas podem compartilhar procedimentos, procedimentos
podem compartilhar unidades procedurais (Figura 38).
137
Si
Ti
Sj
Tk
El
Tl
Ex
Px
Ey
Pz
upv
Pw
Figura 38 - Compartilhamento de componentes entre simuladores, tarefas,
etapas e procedimentos.
S
T
E
P
UP
componente
compartilhado
compartilhamento
Figura 39 - Diagrama de reutilização de componentes.
4.3.1.4.1.1.3.1 Formalização do compartilhamento estrutural
Proposição 17. O compartilhamento estrutural entre elementos dos diferentes conjuntos
pode ser formalizado como uma intersecção de conjuntos.
138
S
S1
S2
S1 ∩ S 2 = {t c }
T
T1
T2
T1 ∩ T2 = {ec }
E
E1
E2
E1 ∩ E 2 = { pc }
P
up1
up2
P1 ∩ P2 = {upk }
Figura 40 - Formalização do compartilhamento de elementos entre os conjuntos.
De acordo com a Figura 40 em S os simuladores compartilham tarefas tc, em T
as tarefas compartilham etapas ec, em E as etapas compartilham procedimentos pc e em
P há compartilhamento de unidades procedurais.
Exemplo 8. A operação algébrica SOMA pode ser mapeada como um procedimento
composto por unidades procedurais que efetivamente executam esta operação. O
procedimento SOMA pode ser compartilhado com outros componentes do Banco de
Modelos, por exemplo, entre etapas de uma tarefa. Junto com SOMA serão
compartilhadas todas as unidade procedurais que a compõem e não apenas algumas. Isto
não exclui que uma ou mais de suas unidades procedurais possam também ser
compartilhadas.
A nível de implementação o compartilhamento de componentes sempre se dará
pelo compartilhamento de unidades procedurais porque são estas que efetivamente
guardam o código que executa o comportamento do modelo. Formalmente escreve-se:
Regra 2. Sejam ρi e ρj dois componentes que compartilham o elemento τk, se τk ⊂ ρi
então ρi ∩ ρj = {τk}.
Corolário 6. A recíproca da Regra 2 é verdadeira. Se τk ⊂ ρj então ρi ∩ ρj = {τk}.
Regra 3. Sejam Ei ⊂ Ti ⊂ Si e Ej ⊂ Tj ⊂ Sj, se Ei ∩ Ej = {Pk}, com Pk ⊂ Ei ou Pk ⊂ Ej,
então Ti ∩ Tj = {Pk} e Si ∩ Sj = {Pk}.
139
Isto que dizer que, independentemente de a qual componente pertence o elemento compartilhado, este sempre será o elo de ligação entre os componentes compartilhados.
A Regra 2 e a Regra 3 podem ser ilustradas conforme a figura abaixo:
i
j
S
S
T
T
E
Pk
E
Figura 41 - Compartilhamento de procedimentos no nível de etapa.
A Figura 41 ilustra que um procedimento P está sendo compartilhado por duas
etapas. Vale dizer ainda que este procedimento vincula não apenas as etapas mas também as tarefas e simulador i,j respectivamente associados. Daí surge a seguinte regra:
Regra 4. Se o elemento τk é compartilhado então isto também ocorre com todos os
níveis inferiores da sua estrutura (Figura 39).
Exemplo 9. Se o procedimento SOMA está contido na etapa EEscSuperficial da tarefa
TSolo do simulador SCicloHidrológico e SOMA é compartilhada com a etapa
EIntChuva da tarefa TVazão do simulador SRacional, então as tarefas TSolo e TVazão
compartilham o procedimento SOMA assim como os simuladores SCicloHidrológico e
SRacional.
Exemplo 10. Se a tarefa TVazão do simulador SCicloHidrológico é compartilhada com
outro simulador qualquer então este compartilhamento acontece também a nível de
etapas e procedimentos vinculados à TVazão.
Exemplo 11. Se a etapa EDeclivMédiaCélula da tarefa TElemEstáticos do simulador
STopmodel é compartilhada com uma outra etapa, pertencente ou não à estrutura do
modelo TOPMODEL, então os procedimentos vinculados à etapa EDeclivMédiaCélula
também são compartilhados.
140
4.3.1.4.1.1.3.2 Identificação formal dos elementos compartilhados
Proposição 18. A identificação formal dos componentes compartilhados deve exprimir a
identificação de compartilhamento, identificação do conjunto ao qual pertence o
elemento compartilhado, identificação dos conjuntos que compartilham o elemento.
Definição 40. Sejam ρi e ρj dois componentes que compartilham o elemento τk. A
identificação de compartilhamento é expressa pelo símbolo (-) sobre o elemento
compartilhado.
{ }
ρi ∩ ρ j = τ k
( 31 )
Exemplo 12. Sejam as situações (a) e (b) apresentadas na Figura 42 onde numa são
compartilhadas etapas de tarefas de dois simuladores distintos e noutra em que são
compartilhados procedimentos de etapas pertencentes a tarefas distintas. Uma etapa
qualquer m compartilhada por duas tarefas k e l é:
i ,k
{E m } = Tki ∩ Tl j
(32)
ou
j ,l
{E m } = Tki ∩ Tl j
(33)
Similarmente para a situação (b) tem-se:
i ,k
{P m } = E ki ∩ E l j
(34)
ou
j ,l
{P m } = E ki ∩ E l j
(35)
nas quais:
i, j: identificação dos conjuntos de simuladores S;
k,l: identificação dos conjuntos de tarefas T que compartilham a etapa Em; ou de
etapas E que compartilham o procedimento Pm;
m: identificação dos elementos compartilhados.
141
etapas compartilhadas
(Ei,km) ou (Ej,l m)
procedimentos compartilhados
(Pi,km ) ou (Pj,l m )
Si
Ti
Ti k
Ei k
Tjl
E jl
Sj
Tj
(a)
(b)
Figura 42 - Compartilhamento de componentes entre os conjuntos Tarefa e
Etapa. (a) compartilhamento de etapas; (b) compartilhamento de
procedimentos.
As equações 31 e 33 indicam que os elementos compartilhados Em e Pm pertencem ao simulador i e à tarefa k. As equações 32 e 34 indicam que os mesmos pertencem
ao simulador j e tarefa l. Para os casos em que os conjuntos Tk e Tl ou Ek e El pertençam
a um mesmo simulador ou tarefa, respectivamente, os valores dos identificadores em
i ,k
sobrescrito serão os mesmos. Por exemplo, {E m } = Tki ∩ Tl i indica que a etapa compartilhada Em pertence à tarefa k, e que tanto a tarefa k como a tarefa l pertencem ao simulador i. Por conseguinte, Em também pertence ao simulador i.
4.3.1.4.1.2 Quanto à ordem
4.3.1.4.1.2.1 Desempenho ou execução em série
Definição 41. Execução em série de um nível é a execução em que os elementos ou
componentes são processados de maneira seqüencial. Caracteristicamente os resultados
de um componente são utilizados como entrada do componente subseqüente (Figura
43).
142
Regra 5. Sejam ρi e ρj dois componentes estruturais de um SC; Γi e Γj os insumos e Ρi e
Ρj os produtos respectivos. Se Γj = f (Ρi) com Ρi = Γj ∨ Ρi ≠ Γj então o processamento de
ρi e ρj é seqüencial (Figura 43).
ρi
Γi
Λ+∆
ρj
Ρi
Γj
Λ+∆
Ρj
Figura 43 - Formalização da execução seqüencial entre dois componentes
estruturais de um SC.
S
T
E
P
UP
Figura 44 - Execuções seqüenciais e paralelas de componentes da estrutura
STEP. O estabelecimento de relações entrada-saída (setas) nos
níveis mais baixos da hierarquia acarreta vínculos entre os níveis
superiores.
Exemplo 13. Num simulador computacional, a nível de procedimento, se pode ter
cálculos iterativos (ajustamento pelo método dos mínimos quadrados, programação
linear e outros), cálculo de funções e armazenamento seletivo em matrizes e vetores.
Normalmente a resolução deste tipo de problema envolve uma seqüência de
procedimentos.
Exemplo 14. Alguns modelos baseados no ciclo hidrológico simulam o processo
geográfico como uma seqüência de reservatórios. Em geral, o balanço hídrico é
efetuado seqüencialmente seguindo o fluxo do material.
Proposição 19. As execuções em série podem ser expressas pelos termos simulação
seqüencial, tarefa seqüencial, etapa seqüencial e procedimento seqüencial.
143
Regra 6. Sejam ρi e ρj dois componentes estruturais de um SC; Γi e Γj os insumos e Ρi e
Ρj os produtos respectivos. Se Γi = f (Ρj) com Γi = Ρj ∨ Γi ≠ Ρj então há um encadeamento
circular entre ρi e ρj (Figura 43).
4.3.1.4.1.2.2 Execução em paralelo
Definição 42. Execução em paralelo de um nível é a execução em que os elementos ou
componentes são processados de maneira independente dos demais componentes de
mesmo nível sem, inclusive, importar a ordem de execução. Caracteristicamente os
resultados de um componente não interferem nos valores de entrada de outro
componente, mas todos contribuem à sua maneira para que o simulador produza solução
S.
Regra 7. Sejam ρi e ρj dois componentes estruturais de um SC; Γi e Γj os insumos. Se S
= {Ρi, Ρj / Ρi ≠ Ρj} então o processamento de ρi e ρj é paralelo (Figura 43).
ρi
Γi
Λ+∆
Ρi
S = {Ρi, Ρj}
ρj
Γj
Λ+∆
Ρj
Figura 45 - Formalização da execução paralela entre dois componentes
estruturais de um SC.
Exemplo 15. Antes de se iniciar a execução propriamente dita de um simulador algumas
operações devem ser efetuadas. É o caso da preparação dos dados de entrada,
verificação de parâmetros do modelo e estabelecimento das condições iniciais e de
contorno. Em geral estas três atividades podem ser executadas independentemente uma
da outra, dada a natureza de cada uma.
Proposição 20. A solução pode ser resultado da ação conjunta dos componentes que
agem de maneira individual independente, ou resultado de um processamento sobre as
soluções apresentadas por cada um (Figura 46).
144
ρi
Γi
Ρi
Λ+∆
ρk
Γk
ρj
Γj
Λ+∆
Ρk
Ρj
Λ+∆
(a)
(b)
Figura 46 - Execuções em paralelo indicando que a solução final pode ser
formada: a) pela união de soluções, ou seja, S = {Ρi, Ρj}; b) pelo
processamento final que produza solução única, ou seja, S = [Ρk /
Γk = {Ρi, Ρj}].
Exemplo 16. Um exemplo de processamento sobre um conjunto de soluções é a seleção
de alternativas de solução de um mesmo problema, produzidas por diferentes métodos.
Não importa a ordem com que os métodos são processados, nem há um relacionamento
seqüencial entre eles. Cada qual produzirá seus resultados estes passíveis de análise e
escolha (Figura 47).
Tarefa
Tarefa
Sk
[a]
Tarefa
Su
Tarefa
Tarefa
Tarefa
[b]
Tarefa
Si
Sj
Figura 47 - Execuções em paralelo e em série de tarefas.
Proposição 21. As execuções em paralelo podem ser expressas pelos termos simulação
paralela, tarefa paralela, etapa paralela e procedimento paralelo.
145
4.3.1.4.1.2.3 Execução simultânea
Definição 43. Execução simultânea é a execução tratada como caixa-preta, em que
estados intermediários (Η, Γ, Λ, ∆, Ρ) de um componente de SC não são explícitos ao
componente do nível mais alto devido à natureza do problema ou interesse do usuário
(Figura 48). O interesse reside sobre um conjunto de insumos (Γw) e de produtos (Ρw)
produzidos na conclusão do desempenho comportamental.
ρw
Γw
Ρw
Figura 48 - Execução simultânea de componente de SC. Internamente o
processamento pode ser em série ou paralelo, mas as saídas
produzidas não são relevantes para a análise ou solução de um
problema em questão.
Exemplo 17. Na resolução de sistemas de equações por métodos numéricos implícitos6
(diferenças finitas, volumes finitos, elementos finitos), operações matriciais
(transposição, inversão, triangularização, e outros), operações algébricas, entre outros,
usualmente há pouco interesse em se determinar resultados ou estados intermediários. O
interesse maior reside sobre o que entra e o que sai dos seus algoritmos de
implementação.
Dependendo da natureza do problema modelado e do interesse em se determinar
estados intermediários, o simulador pode ser desenvolvido parte dentro do escopo da
execução em série e parte dentro do escopo da execução simultânea.
Exemplo 18. Algumas execuções de modelos hidráulico-hidrológicos, através de
métodos numéricos, em que são discretizados o espaço e o tempo, ocorrem em
seqüências de aproximações sucessivas. O estado do sistema em tempos passados é
importante para determinar estados no tempo atual e futuro. A execução entre estados
sucessivos pode ser modelada como uma execução em série ao longo de uma linha de
6
Nos métodos explícitos os valores das variáveis são calculados por meio de equações individuais para
cada variável. Nos métodos implícitos os valores das variáveis são obtidos na solução de um sistema de
equações do qual fazem parte. (Righetto, 1998, p.310).
146
tempo ao passo que a execução do algoritmo para produzir cada estado pode ser
modelado como uma execução simultânea.
Proposição 22. As execuções simultâneas podem ser expressas pelos termos simulação
simultânea, tarefa simultânea, etapa simultânea e procedimento simultâneo.
Componente
Série
Componente
Paralela
Componente
Simultânea
Figura 49 - Esquema de execuções dos componentes de um SC.
4.3.2
Modelo formal do banco de dados espacial
Postulados:
I
Um sistema morfológico existe no domínio espacial euclidiano R3.
II
Se R1 ⊂ R2 ⊂ R3 então um SM existe também em R1 e R2.
III
Um sistema morfológico possui estrutura.
IV
Um banco de dados espacial é o repositório de um conjunto de dados que representam ou modelam sistemas morfológicos.
4.3.2.1 Componentes estruturais do BDE
Proposições 23:
147
I
A estrutura de um sistema morfológico é composta por elementos.
II
Similarmente a uma coisa o elemento de um SM pode ser simples ou composto.
III
Similarmente a uma coisa composta elemento composto deve possuir propriedades emergentes e pode possuir propriedades herdadas.
IV
Similarmente a propriedade de uma coisa propriedade de um elemento pode
ser intrínseca ou mútua a diversos elementos.
Exemplo 19. Considerando que elemento seja uma linha e admitindo que uma linha é
definida por dois pontos e que cada ponto possua a propriedade de posição no espaço,
então a posição da linha é uma propriedade herdada dos pontos que a definem. Por outro
lado, o comprimento da linha é uma propriedade emergente porque os componentes da
linha (pontos) não a possuem.
Exemplo 20. A posição de uma linha, herdada da posição dos pontos que a compõem, é
uma propriedade intrínseca da linha em relação a outras linhas porque nenhuma outra
ocupa a mesma posição no espaço. Entretanto, se uma linha for visualizada então
poderá possuir atributo de cor mútuo a outras linhas.
Exemplo 21. É comum em bancos de dados espaciais a atribuição de identificador único
para um elemento de um SM. Este identificador se constitui, portanto, numa
propriedade intrínseca do elemento permitindo que ele seja identificado unicamente
dentre os demais que compõem o BDE.
4.3.2.1.1 Propriedades de um elemento de SM
Proposição 24. Do ponto de vista de um SM um elemento possui: conformação, posição
no espaço e atributo.
Definição 44. Conformação (Ψ) ou geometria é a propriedade que descreve a estrutura
da forma7 de um elemento do SM no R3.
7
Na matemática a Geometria lida com quantidades espaciais e a conformação das formas espaciais. Uma
forma espacial está relacionada a propósito ou função. P.e. a forma hexagonal das colmeias de abelhas
atende aos princípios de otimização do espaço e estabilidade estrutural. A cobertura de um solo apresenta
148
Definição 45. Posição (Θ) é a situação do elemento em relação a um referencial no R3.
Definição 46. Atributo (Α) é uma característica consignada ao elemento por humanos.
Proposições 25:
I
Devido a uma imposição física a única propriedade intrínseca de um elemento
de SM é a sua posição no espaço R3.
II
As propriedades Conformação e Atributo podem ser intrínsecas ou mútuas.
Exemplo 22. Admitindo que o elemento seja um polígono então somente ele poderá
ocupar sua posição no espaço R3. Entretanto, sua Conformação e dimensões podem ser
propriedades iguais às de outros polígonos, como lotes em uma cidade ou a seção
transversal de um rio canalizado. Neste caso Conformação e Atributo são propriedades
mútuas.
Exemplo 23. Se o polígono do exemplo acima representar uma região que apresenta um
tipo de solo então, devido à propriedade de aleatoriedade dos fenômenos naturais, é
possível que sua conformação e dimensões sejam únicas, mas o atributo de tipo de solo
poderá ser mútuo a outros polígonos. Neste caso, Conformação e o atributo de dimensão
são únicos, mas o atributo de tipo de solo é mútuo.
Exemplo 24. De maneira análoga, admita-se que o elemento é um ponto. Somente ele
ocupa sua posição no espaço R3. Entretanto, se este ponto representar a seção de um rio
canalizado atributos como área da seção e revestimento podem ser os mesmos de outras
seções situadas a montante ou jusante.
Proposição 26. Um elemento Dz da estrutura de um SM pode ser descrito pela tupla:
D z = Ψz , Θ z , Α z
( 36 )
Corolário 7. Um elemento de um SM somente poderá ser identificado através de
propriedade intrínseca.
conformação que pode ser importante para práticas agrícolas ou planejamento de atividades recreacionais
(Laurini & Thompson, 1992).
149
4.3.2.1.2 Percepção de um SM
Proposições 27:
I
A percepção de um SM depende da aplicação a qual se destina, do nível de estruturação do problema, da natureza dos elementos que o compõem e do nível
de detalhamento espacial desejado para estes elementos.
II
Um SM pode ser percebido por humanos como um sistema contínuo ou discreto.
4.3.2.1.2.1 Percepção discreta de um SM
Proposições 28:
I
A percepção discreta de um SM se dá através da identificação de elementos
individualizáveis no espaço R3.
II
A fronteira de um elemento discreto é sempre identificável porque a discretização exige um alto grau de generalização por humanos.
III
Na percepção discreta as propriedades de um elemento do SM são válidas dentro da região ocupada pelo elemento, mas são identificáveis somente ao longo
de suas fronteiras.
Corolário 8. Se na percepção discreta as propriedades de um elemento são válidas
dentro da região ocupada pelo elemento e identificáveis somente ao longo de suas
fronteiras, então poderá haver pontos em R3 dissociado de qualquer elemento de SM.
Exemplo 25. Tome-se o sistema solo do Exemplo 29 como um SM discreto em R3. Se
este sistema for percebido como um conjunto de elementos discretos então poderá haver
pontos em R3 onde não existirá solo. Esta situação não pode surgir em R3 (sob lagos,
rios, oceanos, atmosfera e vegetação sempre há solo ou a própria rocha-mãe) mas pode
ocorrer em R2. Neste caso, sob o argumento de uma cota ou altitude fixada pode haver
água ou mesmo ar, mas não solo em um determinado ponto.
150
identificação
validade
Solo A
Água
Solo B
identificação
validade
Figura 50 - Identificação e validade das propriedades de um elemento de SM
percebido como discreto. Suas fronteiras são sempre identificáveis
e as propriedades do elemento somente são obtidas através de suas
fronteiras.
Exemplo 26. Tome-se o fenômeno de estratificação térmica sazonal de lagos do
Exemplo 30. Para que este fenômeno seja percebido como discreto deve-se lançar mão
de um alto grau de generalização por humanos para delinear as fronteiras entre as
camadas.
Exemplo 27. Tomando-se o relevo topográfico de uma bacia hidrográfica como um SM
discreto, deve-se estabelecer as fronteiras que delimitam padrões morfológicos, tais
como vertente, tergo, vale, cumeada, divisor de águas ou interflúvio, garganta, talvegue,
e outros.
Exemplo 28. Tome-se o conjunto de vias públicas de uma cidade como um SM discreto.
Uma rua ou calçada são elementos do SM que ocupam uma região no R3 e podem ser
percebidos como discretos adjacentes. A fronteira entre eles pode ser indentificável
através do elemento meio-fio.
4.3.2.1.2.1.1 Elementos para captura da percepção discreta de um SM
Proposições 29:
I
Um elemento de SM é discretizado de acordo com sua natureza.
II
Um elemento de SM pode ser de natureza pontual, linear ou poligonal.
III
Elemento de natureza pontual é discretizado pela primitiva geométrica Ponto.
151
IV
Elemento de natureza linear é discretizado pela primitiva geométrica Linha.
V
Elemento de natureza poligonal é discretizado pela primitiva geométrica Polígono.
Pelas proposições acima decorre que um sistema morfológico percebido como
discreto será representado no Banco de Dados Espacial através destas primitivas geométricas. Estes elementos se constituem nas unidades espaciais elementares que compõem
o BDE, agrupados, armazenados e tratados de acordo sua natureza espacial.
SM = {Pt , L, Pg}
( 37 )
SM
Pt
L
Pg
Figura 51 - Elementos de um sistema morfológico (SM).
Definição 47. Ponto (pt) é o componente estrutural elementar de um SM.
Pt = {pt1 , pt 2 ,..., pt i ,... pt t }
( 38 )
Corolário 9. Um elemento pontual pti somente será identificado no conjunto Pt por
propriedades intrínsecas da tupla (Figura 52)
pt i = Θ i , Α i
( 39 )
Proposição 30. Os elementos de natureza pontual (pt) podem estar agrupados em
conjuntos Pt distintos.
SM = {Pt1 , Pt 2 ,..., Pt l ,..., Pt s }
( 40 )
Corolário 10. Um elemento pontual pti, pertencente ao conjunto Ptl, somente será
identificado por propriedades intrínsecas da tupla (Figura 52)
pt il = Θ i , Α i
( 41 )
152
Definição 48. Linha (l) é o componente estrutural de um SM definido por um mínimo
de dois pontos (pt).
L = {l1 , l 2 ,..., l j ,...l u }
( 42 )
l j = {pt a , pt b }
( 43 )
Corolário 11. Um elemento linear lj somente será identificado no conjunto L por
propriedades intrínsecas da tupla (Figura 52)
l j = Ψj ,Θ j , Α j
( 44 )
Proposição 31. Os elementos de natureza linear l podem estar agrupados em conjuntos L
distintos.
SM = {L1 , L2 ,..., Lm ,..., Lr }
( 45 )
BDE
Pt
Pt1 Pt2 Pt3
L
Ptl
...
Pts
L1 L2 L3
...
Lm
...
ptli
Lr
...
lmj
Pg
Pg1 Pg2 Pg3
Pgn
...
Pgq
...
pgnk
Figura 52 - Conjuntos de pontos, linhas e polígonos de um BDE.
Corolário 12. Um elemento linear lj, pertencente ao conjunto Lm, somente será
identificado por propriedades intrínsecas da tupla (Figura 52)
l mj = Ψ j , Θ j , Α j
( 46 )
153
Definição 49. Polígono (pg) é um componente estrutural de um SM definido por três ou
mais linhas (l).
Pg = {pg 1 , pg 2 ,..., pg k ,..., pg v }
( 47 )
pg k = {l a , l b , l c ,...}
( 48 )
Corolário 13. Um elemento poligonal pgk somente será identificado no conjunto Pg por
propriedades intrínsecas da tupla (Figura 52)
pg k = Ψk , Θ k , Α k
( 49 )
Proposição 32. Os elementos de natureza poligonal (pg) podem estar agrupados em
conjuntos Pg distintos.
SM = {Pg 1 , Pg 2 ,..., Pg n ,..., Pg q }
( 50 )
Corolário 14. Um elemento poligonal pgk, pertencente ao conjunto Pgn, somente será
identificado por propriedades intrínsecas da tupla
pg kn = Ψk , Θ k , Α k
( 51 )
4.3.2.1.2.2 Percepção contínua de um SM
Proposições 33:
I
A percepção contínua de um SM se dá através da identificação de diferenças
de padrão de continuidade entre seus elementos no espaço R3.
II
A fronteira entre elementos contínuos adjacentes pode ou não ser identificável,
imposto através do grau de generalização por humanos ou pelo próprio SM.
Quanto maior o grau de generalização mais identificável se torna a fronteira.
III
Na percepção contínua as propriedades de um elemento do SM são válidas e
identificáveis dentro da região ocupada pelo elemento, inclusive na sua fronteira identificável.
154
Corolário 15. Se na percepção contínua todos os lugares em R3 são ocupados por um
elemento do SM então a qualquer ponto em R3 estão associadas as propriedades do
referido elemento.
Exemplo 29. Tome-se o sistema solo como um SM contínuo apesar de ser formado por
partículas discretas de areia, silte, argila e matéria orgânica em R3. i) Dentro de uma
região limitada em R3 é lícito perceber e admitir a ocupação por um tipo de solo, como
latossolo roxo. Este atributo é válido, identificável e distribuído continuamente dentro
desta região. A fronteira que define mudança neste atributo pode ou não ser
identificável. ii) Em algumas situações camadas de perfis de solo apresentam fronteiras
visual ou analiticamente definidas entre os horizontes adjacentes. Em outras pode-se ter
um tipo de solo numa vertente e outro tipo de solo em outra separadas por um talvegue.
Solo A
Água
Solo B
identificação e validade
Figura 53 - Identificação e validade das propriedades de um elemento de SM
percebido como contínuo. Suas fronteiras podem ou não ser
identificáveis e as propriedades do elemento sempre são obtidas
acessando-se qualquer ponto de sua região, incluindo suas
fronteiras identificáveis.
Exemplo 30. Tome-se o fenômeno de estratificação térmica sazonal de lagos como um
SM contínuo no espaço R3. A fronteira que define mudança do atributo temperatura
entre camadas adjacentes tipicamente pode ser tomada como não identificável, dado que
o fenômeno físico de transferência natural de calor entre as partículas de água é gradual.
Exemplo 31. Tome-se o relevo topográfico de uma bacia hidrográfica como um SM
contínuo no espaço R3. As diferenças de padrão de continuidade entre seus elementos
permite perceber as nuances de suas conformações (tergos e vales de vertentes,
talvegues, etc). A determinação da fronteira exata entre atributo tergo e atributo vale de
uma vertente pode ser tomada como não claramente identificável.
Exemplo 32. Tome-se o conjunto de vias públicas de uma cidade como um SM
contínuo no espaço R3. Analogamente ao relevo topográfico, suas conformações podem
155
ser percebidas pela alteração do padrão de continuidade de seus elementos. Uma rua ou
calçada são elementos do SM que ocupam uma região no R3 e podem ser percebidos
como superfícies contínuas adjacentes. A fronteira entre duas ruas com mesmo padrão
de revestimento, pode ser tomada como não claramente identificável, a não ser que
sejam aplicados critérios como, por exemplo, critérios geométricos de alinhamentos.
Entretanto, a fronteira entre rua e calçada pode ser indentificável através do elemento
meio-fio. Mesmo assim este critério fica restrito por uma generalização suficiente para
perceber um meio-fio como uma linha.
4.3.2.1.2.2.1 Elementos para captura da percepção contínua de um SM
Apesar de haver ampla discussão sobre os problemas advindos dos modelos de
representação da realidade espacial, ainda hoje permanece a limitação de se discretizar
elementos contínuos. Uma das principais razões para isso pode ser apontada na limitação das tecnologias computacionais, uma vez que a "palavra" do computador ainda continua sendo o byte e a "letra" o bit. Estes componentes de hardware são discretos por
natureza e impedem que se evolua para representações contínuas de sistemas reais contínuos.
Proposições 34:
I
A representação de SM contínuo é feita através de elementos discretos.
II
Os elementos discretos primitivos utilizados para capturar elementos contínuos no espaço R3 são: ponto, linha ou polígono.
III
Estes elementos discretos podem compor outros elementos.
Neste trabalho serão definidos elementos comumente utilizados nas aplicações
de geoprocessamento. Apesar de alguns autores divergirem quanto a nomenclatura, os
termos apresentados a seguir provém de um apanhado geral e procuram refletir aqueles
mais comumente utilizados no Brasil.
Usualmente um elemento primitivo isolado não é suficiente para capturar sistemas morfológicos complexos. Em geral, eles são agrupados e associados uns com os
156
outros, formando assim o sistema de representação. Neste trabalho não serão abordadas
técnicas de implementação destas associações por fugirem ao escopo da pesquisa.
Definição 50. Rede irregular triangular (TIN) é um subconjunto particular de t
polígonos triangulares adjacentes (trg) do conjunto Pg, cuja propriedade Conformação
(Ψ) não segue padrão definido.
TIN ⊂ Pg / TIN = {trg 1 , trg 2 ,..., trg t }
( 52 )
Definição 51. Subdivisão planar (SP) é um subconjunto particular de s polígonos
quaisquer adjacentes (sp) do conjunto Pg, cuja propriedade Conformação (Ψ) não segue
padrão definido.
SP ⊂ Pg / SP = {sp1 , sp 2 ,..., sp s }
( 53 )
Definição 52. Grade regular (GR) é um subconjunto particular de m células poligonais
adjacentes (c) do conjunto Pg, cuja propriedade Conformação (Ψ) segue padrão
definido.
GR ⊂ Pg / GR = {c1 , c 2 ,..., c m }
( 54 )
Definição 53. Grade irregular (GI) é um subconjunto particular de n células poligonais
adjacentes (c) do conjunto Pg, cuja propriedade Conformação (Ψ) não segue padrão
definido.
GI ⊂ Pg / GI = {c1 , c 2 ,..., c n }
( 55 )
Definição 54. Isolinha (Is) é um subconjunto particular de l linhas adjacentes (is) do
conjunto L, em que não há padrão definido para sua conformação (Ψ), mas há um
padrão definido para sua posição (Θ).
Is ⊂ L / Is = {is1 , is 2 ,..., is l }
( 56 )
Definição 55. Amostra pontual (AP) é um subconjunto particular de a amostras pontuais
(ap) do conjunto Pt, em que pode ou não haver padrão de posição (Θ).
AP ⊂ Pt / AP = {ap1 , ap 2 ,..., ap a }
( 57 )
157
AP
Pt
L
Is
GR
Pg
GI
SP
TIN
polígonos (trg)
pontos (pt)
pontos (ap)
linhas (l)
linhas (is)
polígonos (pg)
polígonos (sp)
SM= {Pt, L, Pg}
Figura 54 - Conjuntos de elementos para captura da percepção contínua de um
SM.
Exemplo 33. Usualmente relevos topográficos são discretizados por TIN, GR, GI, Is ou
AP. Em TIN aos vértices ou pontos de cada triângulo são atribuídos valores posicionais
e o plano constituído pelos pontos é utilizado em análises tais como exposição de
vertentes e declividades. Em GR a forma normalmente utilizada é a quadrada ou
retangular, útil na modelagem hidrológica como do TOPMODEL. Em GI a forma das
células é de padrão indefinido, e é usada algumas vezes na delimitação de subregiões
em bacias hidrográficas sobre as quais atuam modelos hidrológicos. Em Is as linhas são
posicionadas a intervalos regulares de desnível. Em AP os pontos são distribuídos
conforme o grau de rugosidade topográfica ou interesse específico sobre um lugar.
Subdivisões planares são utilizadas em geral para delimitar regiões com atributos
contínuos como tipos de solo, tipo de vegetação, corpos d'água, polígonos de Thiessen,
zonas de cadastro urbano, e outros.
Exemplo 34. TIN e GR podem ser gerados a partir de Is ou AP e Is a partir de AP. GI
em geral exige a intervenção de humanos. Considere-se uma amostragem pontual AP
aleatória do solo de uma bacia hidrográfica, com o propósito de determinar suas
propriedades físicas, tais como a capacidade de saturação máxima, capacidade de
campo, porosidade total, entre outros. Cada ponto tem uma posição em R3 e, por
conseguinte, em R2 também. Considerando o domínio R2 então o valor de atributo que
exprime a tal propriedade pode ser transportado para o domínio R3 e utilizado em
algoritmos de geração de TIN, GR ou Is.
158
4.3.2.1.3 Topologia espacial entre os elementos de um SM
Os elementos para captura da percepção discreta ou contínua de um SM vistos
até aqui foram abordados unicamente sob o ponto de vista geométrico. Alguns relacionamentos entre estes elementos podem ser relevantes para a modelagem adequada do
SC, em vista de que o fluxo do material ou energia do SC pode ser considerado intimamente relacionado com elementos do SM.
A topologia espacial reúne um conjunto específico de pontos, linhas e/ou polígonos especialmente relacionados com o processo geográfico (SC). Laurini & Thompson (1992) enumeram algumas utilizações importantes destes relacionamentos, dentre as
quais:
a) análises ou procedimentos que necessitam da conectividade de linhas ou dos
dados associados a elas;
b) procura por vizinhanças;
c) recuperação de dados de elementos associados;
d) agregação de primitivas espaciais em unidades maiores;
e) raciocínio espacial.
Não está no escopo deste trabalho tecer detalhes sobre topologia espacial. O objetivo é focalizar os tópicos mais relevantes no contexto do formalismo para um SADE
Efetivo.
Definição 56. Topologia espacial (Τ) exprime, através de grafos, relacionamentos
espaciais entre os elementos de natureza pontual, linear e/ou poligonal de um SM.
Complemento 1. Um grafo é composto por intersecções ou pontos de fim de linha,
chamados vértices ou nós; linha, chamada de borda, ligação, arco ou cadeia; conjunto
de ligações singulares desconectadas chamadas de subgrafos e espaço vazio entre ou
fora de bordas, chamados faces ou regiões. Uma seqüência de ligações produz um
caminho que pode ser usado como uma rota. Um caminho pode ser orientado, quando
159
possui nó de origem e nó de destino, ou não orientado, quando apresenta conexões mas
não há pontos de origem e destino (Lurini & Thompson, 1992).
Proposição 35. Conforme o Complemento 1 a topologia espacial T de um SM é
composta por conjunto N de nós n, conjunto Lg de ligações lg e conjunto C de células c.
Τ = {N , Lg , C}
( 58 )
N = {n1 , n 2 ,..., ni ,..., no }
( 59 )
Lg = {lg 1 , lg 2 ,..., lg j ,..., lg p }
( 60 )
C = {c1 , c 2 ,..., c k ,..., c q }
( 61 )
Proposição 36. Em acordo com Laurini & Thompson (1992) a topologia espacial de um
SM é derivada das propriedades geométricas espaciais Ψ e Θ dos elementos que o
compõem, logo, os conjuntos Pt, L e Pg compõem o domínio das funções que derivam
os conjuntos N, Lg e C.
f : Pt → N
( 62 )
f : L → Lg
( 63 )
f : Pg → C
( 64 )
Pt
N
L
Lg
Pg
C
Figura 55 - Origem das relações topológicas entre os elementos de um SM.
Proposição 37. Nós podem estar agrupados em conjuntos de nós N distintos.
T = {N 1 , N 2 ,..., N l ,..., N t }
( 65 )
Corolário 16. Um nó ni, pertencente ao conjunto Nl, somente será identificado por
propriedades intrínsecas da tupla (Figura 56)
160
nil = Θ i , Α i
( 66 )
Proposição 38. Ligações podem estar agrupadas em conjuntos de ligações Lg distintos.
T = {Lg 1 , Lg 2 ,..., Lg m ,..., Lg u }
( 67 )
Corolário 17. Uma ligação lgj, pertencente ao conjunto Lgm, somente será identificado
por propriedades intrínsecas da tupla (Figura 56)
lg mj = Ψ j , Θ j , Α j
( 68 )
N
N1 N2 N3
Lg
Nl
...
Nt
Lg1 Lg2 Lg3
...
Lgm
...
nli
Lgu
...
lgmj
C
C1 C2 C3
Cn
...
Cv
...
cnk
Figura 56 - Conjuntos de nós, ligações e células de um BDE.
Proposição 39. Células podem estar agrupadas em conjuntos de células C distintos.
T = {C1 , C 2 ,..., C n ,..., C x }
( 69 )
Corolário 18. Uma célula ck, pertencente ao conjunto Cn, somente será identificado por
propriedades intrínsecas da tupla (Figura 56)
c kn = Ψk , Θ k , Α k
( 70 )
Corolário 19. As propriedades Ψ, Θ e Α de um elemento em Pt, L e Pg podem ser
herdadas pelos elementos em N, Lg e C, respectivamente.
161
4.3.3
Associação entre modelo científico e feição geográfica
Postulado: Fenômenos geográficos ocorrem no tempo e no espaço.
Proposição 40. A associação entre um modelo científico, que modela fenômeno
geográfico (ou SC), e uma feição geográfica pode ser percebida como uma associação
entre componentes de sistemas em cascata e morfológico.
Exemplo 35. Uma associção deste tipo pode ser utilizada para determinar um limite Λ,
p.e., os parâmetros π do conjunto de parâmetros Π de um modelo científico ou
simulador. Alguns parâmetros podem depender da propriedade Conformação do sistema
morfológico e/ou da propriedade Atributo associado a um de seus componentes.
Parâmetros morfométricos de bacias hidrográficas tais como densidade de drenagem,
comprimento de um canal de ordem u, declividade do canal de ordem u (Neto, 1994),
índice topográfico de Beven da célula i para o TOPMODEL, entre outros, ilustram
parâmetros relacionados à forma da feição espacial. Exemplo de atributos são a
capacidade de saturação de um tipo de solo, tipo de solo, evapotranspiração potencial de
um tipo de vegetação e solo, tipo de vegetação, tipo de revestimento de um canal de
ordem u, entre outros.
Proposição 41. Um SC está associado a um SM do qual podem ou não estarem
explícitas a topologia espacial de seus componentes.
Nem sempre as relações espaciais entre os elementos de um SM são exigidas pela aplicação. No caso da modelagem de processos geográficos relacionados com o ciclo
da água há que se considerar as diferentes abordagens dos modelos científicos. Alguns
resumem a modelagem sobre um ponto, uma linha ou um polígono, como é o caso do
método racional. Outros envolvem a modelagem sobre um conjunto de pontos, linhas ou
polígonos, como os modelos distribuídos. Neste último, em geral, necessita-se estabelecer relações entre os elementos espaciais que podem, direta ou indiretamente, ser utilizadas para determinar os vetores de fluxo do material.
Exemplo 36. O modelo racional calcula a vazão numa dada seção de um canal. A bacia
pode estar mapeada como um polígono (pg) do conjunto Pg ou uma subdivisão planar
(sp) do conjunto SP, o canal como uma ou mais linhas conectadas (l) do conjunto L e a
seção pode estar definida por um ponto (pt) do conjunto Pt. A bacia pode ainda estar
divida em regiões conforme o uso do solo. Neste o mapeamento espacial pode ser
162
definido como subdivisões planares (sp) do conjunto SP ou mesmo polígonos (pg) do
conjunto Pg. Numa primeira abordagem o tempo de concentração e a intensidade da
chuva podem ser associados a toda a bacia, logo, ao polígono pg ou sp; e a vazão ao
ponto pt; os coeficientes de deflúvio individuais para cada região são associados aos
respectivos polígonos pg ou sp e o coeficiente de deflúvio médio à bacia. Numa
segunda abordagem, pode-se partir do princípio de que, à exceção dos coeficientes de
deflúvio individuais, os demais procedimentos não dependem da localização espacial do
fenômeno, para que o modelo resolva o problema. Desse modo, poder-se-ia admitir que
a associação se resume a uma associação do modelo racional somente com a foz da
bacia, ou seja, com o ponto pt que a representa no BDE.
Exemplo 37. De acordo com Righetto (1998) os modelos hidráulico-hidrológicos se
utilizam da equação da continuidade (conservação da massa) e da quantidade de
movimento aplicadas na sua forma discreta sobre um domínio espacial, também
discretizado, ao longo do tempo. É construído um sistema de equações algébricas que
relaciona variáveis hidrodinâmicas com a sua posição espacial. Quando o domínio se
trata de um canal este é subdividido em trechos para a modelagem do escoamento
dinâmico. Quando o domínio é uma bacia hidrográfica a sua área de drenagem é
subdividida em subregiões ou células. Nestas são aplicadas funções ou relações de
transferência chuva-vazão interativamente com os escoamentos provindos de células
vizinhas. Necessita-se, pois, de uma descrição dos relacionamentos espaciais entre as
células e seus componentes, para que os vetores de fluxo e a quantificação das vazões
respectivas tomem efeito. A Tabela 10 aplica a estrutura STEP ao problema de
determinação da topologia espacial a ser utilizada pela modelagem hidrológica
distribuída. Maiores detalhes podem ser obtidos em Righetto (1998).
Q2
2
nj2
nj1
2
3
Q1
nj3
3
Q3
A5
1
A4
1
4
nj5
5
célula j
(a)
nj4
4
Q5
5
Q4
célula j
(b)
Figura 57 - Células de uma grade irregular GI: (a) vetores indicando as direções
de linha de maior declive dos triângulos de uma célula j; (b) áreas de
influência para o cálculo ponderado das vazões efluentes sobre a
vazão total da célula j. (Fonte: adaptado de Righetto, 1998, p.345).
163
Tabela 10 - Estrutura STEP para a determinação da topologia espacial a ser utilizada por
um modelo hidrológico.
Simulador
(S1) Topologia
de Fluxo Espacial
Tarefa
Etapa
Procedimento
Unidade Procedural
(determinar)
(calcular)
(proceder)
(calcular)
(T1) parâmetros (E1) linha de maior (P1) ponto médio célula ...
geométricos da declive
j
célula j
(P2) dividir célula em
(up1) gradiente de
triângulos
elevação do plano
formado pelos vértices
do triângulo jk
(up2) linha de maior
declive do triângulo jk
( n jk )
*
...
(E2) área de drena- (P1) ponto médio do
gem referente à
lado que recebe o
aresta k
divisor de águas
(P2)* calcular área por ...
determinante
(T2) parâmetros (E1) Afluência /
(P1) definir vetor da
...
vetoriais dos
Efluência de fluxo aresta k a j
k
fluxos na célula (sentido do vetor)
(P2) fazer o produto
j
vetorial a j k x n jk
*
métodos não citados pelo autor.
Neste exemplo (Figura 57) o SM é percebido como uma superfície contínua,
capturada por uma grade de células irregulares (GI) discretas. A topologia espacial, necessária à modelagem científica, identifica nós, arestas, células em uma estrutura de
dados vetorial. A Figura 58 ilustra um tipo de estrutura topológica para duas células
adjacentes, utilizada pela solução algorítmica do modelo.
164
1
1
4
1
4
2
3
2
2
5
7
2
2
3
3
5
6
6
Células
Arestas
id_célula
nº de nós
lista de nós
lista das
arestas
1
2
4
4
1, 2, 3, 4.
2, 3, 5, 6.
1, 2, 3, 4.
2, 5, 6, 7.
Coordenadas dos nós
id_nó
x
y
1
...
...
2
...
...
3
...
...
4
...
...
5
...
...
6
...
...
Nós
id_aresta
z
...
...
...
...
...
...
1
2
3
4
5
6
7
de
1
2
3
4
5
6
2
para
2
3
4
1
6
3
5
Figura 58 - Estrutura topológica para descrição dos relacionamentos espaciais de
um SM a ser utilizada por um modelo hidrológico.
4.3.3.1 Associação a nível de componentes
Proposições 42:
I
Uma associação binária (Ω) entre um componente de SC (Cw) e um componente de um SM (Dz) pode ou não ocorrer por intermédio da estrutura topológica do SM.
II
Os componentes de um SM referenciáveis por um ou mais componentes de
um SC pertencem aos conjuntos Pt, L ou Pg.
165
Tanto na percepção discreta do SM como na contínua a topologia espacial exprime relações entre os elementos geométricos básicos (ponto, linha e polígono). Estes
elementos são referenciados de algum modo pelos algoritmos de solução do problema.
Exemplo 38. A equação Q tjk = α jk Q tj referente à abordagem distribuída da Tabela 10
calcula a vazão relativa a uma aresta k da célula j no tempo t. Os índices k e j são
referências explícitas a dois elementos do SM, o primeiro de natureza poligonal (célula)
e o segundo de natureza linear (aresta), respectivamente.
SM
T
Ω
SC
Pt
SM
L
Ω
SC
SM = {Pt, L, Pg}
Pg
(a)
(b)
Figura 59 - Associação entre SM e SC: (a) indireta, através da topologia espacial
(T) do SM; (b) direta, por acesso direto aos elementos geométricos
básicos do SM.
Proposição 43. Uma associação binária (Ω) entre um componente de SC (Cw) e um
componente de um SM (Dz) ocorre em níveis conforme o grau de estruturação do
problema do SC e da natureza do componente do SM.
Ω
C w ←→
Dz
( 71 )
Tabela 11 - Níveis de associação binária entre componentes estruturais do banco de
modelos e componentes estruturais do banco de dados espacial.
Banco de Modelos
(SC)
S
T
E
P
Pt
S ↔ Pt
T ↔ Pt
E ↔ Pt
P ↔ Pt
Banco de Dados Espacial (SM)
L
S↔L
T↔L
E↔L
P↔L
Pg
S ↔ Pg
T ↔ Pg
E ↔ Pg
P ↔ Pg
166
O nível de estruturação do problema define como a estrutura STEP é definida no
BM para obter-se a solução. A natureza do componente do SM define como ele é representado no BDE.
No nível de Unidade Procedural ocorre a implementação dos relacionamentos
explícitos entre este componente e o elemento do SC (Exemplo 38).
A associação definida no nível de procedimento se estende aos níveis superiores. Um simulador, uma tarefa ou uma etapa podem estar associados a um ponto, uma
linha ou um polígono se esta associação for definida em P.
A Proposição 43 visa permitir que usuários com diferentes experiências possam
utilizar o BM. Desenvolvedores de modelos ou pesquisadores podem querer trabalhar a
nível de algoritmos, a fim de melhorar o desempenho do simulador, ou efetuar análises
de sensibilidade de parâmetros, entre outros. Usuários não experientes não necessitam
descer até o nível P. Para estes, por vezes basta saber, p.e., que o simulador (S1) resolve
melhor o seu problema de prever a ocorrência de cheias numa região do que o simulador (S2). Esta informação pode ser suprida pelo GBM.
Proposição 44. Uma associação (Ω) pode ser vista como um vetor no espaço formado
pela intersecção dos domínios SM e SC, sendo o domínio SM definido pelos
subdomínios da percepção contínua e discreta (Figura 60).
Proposição 45. Uma associação (Ω) entre um componente de um SC (Cw) e um
componente de um SM (Dz) pode ser genericamente expressa por
Ω
C w ←→
D z (d k )
( 72 )
na qual w identifica o elemento do SC e z o conjunto ao qual pertence o elemento dk do
SM.
167
Dz
Pt
L
Pg
Sub-Domínio da Percepção Discreta
Plano do Sistema Morfológico
Ω
Domínio do Sistema em Cascata
S
T
E
GR
P
Cw
Is
AP
SP
TIN Sub-Domínio da
Percepção Contínua
Figura 60 - Visão vetorial de uma associação binária entre componente de um
SC e componente de um SM.
Exemplo 39. A associação de um simulador Si com um ponto k do conjunto de pontos
Ptj é expressa por
Ω
S i ←→
Pt j ( pt k )
( 73 )
na qual
-
i: identificador do simulador;
-
j: identificador do conjunto de pontos que contém o ponto k;
-
k: identificador do ponto no conjunto de pontos j.
S
Pt
S1
pt1
pt2
S2
S3
Ω
pt3
pt4
pt5
Figura 61 - Associação entre simuladores e pontos.
168
Proposição 46. Um componente de um SC (Cw) pode estar associado a um ou mais
componentes de um SM (Dz) (Figura 61).
Exemplo 40. Um simulador pode estar associado a um ou mais pontos do conjunto Pt,
uma ou mais linhas do conjunto L, um ou mais polígonos do conjunto Pg. Análise
similar pode ser estendida para os níveis T, E e P (Figura 61).
S i ↔ Pt J ( pt j , pt k ,...), Pt K ( pt j , pt k ,...),...
( 74 )
S i ↔ L J (l j , l k ,...), LK (l j , l k ,...),...
( 75 )
S i ↔ Pg J ( pg j , pg k ,...), Pg K ( pg j , pg k ,...),...
( 76 )
Exemplo 41. A equação Q tjk = α jk Q tj é aplicada para cada aresta k de uma célula j. O
componente Q tjk é associado a todas as células do conjunto de células que compõem a
bacia (índice j) e também a todas as arestas do conjunto de arestas que compõem uma
célula (índice k).
Exemplo 42. Considere-se que a superfície de uma bacia hidrográfica é dividida em
células. Uma vez definida a estrutura da malha podem-se aplicar modelos hidrológicos
sobre a mesma. Nesta situação, cada célula é passivel de ser referenciada por mais de
um modelo hidrológico.
4.3.3.2 Associação a nível de propriedades
Proposição 47. Uma associação (Ω) entre um componente de um SC (Cw) e um
componente de um SM (Dz) atinge o nível de suas propriedades respectivas.
Corolário 20. Se Cw= <Ηw, Γw, Λw, ∆w, Ρw> e Dz = <Ψz, Θz, Αz> são as tuplas
descritoras das propriedades dos componentes de um SC e SM, respectivamente, então
as possíveis associações binárias Ω entre os campos destas tuplas serão (Figura 62)
FWZ = CW ⊗ D Z
( 77 )
a) ΗΨ (estrutura-conformação): associação que permite determinar se a conformação
de um componente de SM afeta o nível de estruturação do problema e vice-versa.
Significa que a conformação de um componente de SM pode determinar quais ou
169
quantos simuladores, tarefas, etapas e procedimentos serão necessários para solucionar o problema.
Η
Γ
Λ
∆
Ρ
Cw
Ω
Θ
Α
Ψ
=
ΗΘ
ΓΘ
ΛΘ
∆Θ
ΡΘ
ΗΑ
ΓΑ
ΛΑ
∆Α
ΡΑ
ΗΨ
ΓΨ
ΛΨ
Ψ∆
ΡΨ
Dz
Fwz
Figura 62 - Associação binária formal entre propriedades dos componentes de
um SC e SM. Esta associação estabelece uma relação interativa
causa-efeito entre os componentes associados.
Exemplo 43. A etapa de determinar a distribuição de freqüência das freqüências dos
índices topográfico [ln(a/tgβ)] e de Beven [ln(a/T0tgβ) no TOPMODEL somente é
executada se houver grande quantidade de células o que dependerá, por sua vez, da
configuração do relevo e da malha escolhida.
b) ΗΘ (estrutura-posição): associação que permite determinar se a posição de um componente de SM afeta o nível de estruturação do problema e vice-versa.
Exemplo 44. O modelo racional pode ser aplicado para o cálculo da vazão numa
dada seção de um canal. Esta seção pode estar localizada na foz da bacia ou no seu
interior. Se ele estiver na foz da bacia a área A será a própria área da bacia;
entretanto, se estiver no interior então deverá ser prevista uma etapa, e
procedimentos respectivos, para determinar a área de contribuição daquele ponto.
c) ΗΑ (estrutura-atributo): associação que permite determinar se algum atributo de um
componente de SM afeta o nível de estruturação de um problema e vice-versa.
Exemplo 45. i) O atributo fator de forma Kf de uma bacia compara a forma da bacia
com um retângulo de área equivalente, e pode ser utilizado como um parâmetro
para analisar a propensão da bacia a enchentes. Um Kf = 1.0 indica que a bacia é
quadrangular, com uma propensão a enchentes tanto maior quanto menor o valor do
atributo área. Nesse sentido vale dizer que o fator Kf pode determinar qual o
simulador, tarefa, etapa ou procedimento que melhor se adequa a tais condições. ii)
170
Análise semelhante pode ser extrapolada para o coeficiente de compacidade(Kc),
circularidade (Rc), elongação (Re) e lemniscata (k) (Neto, 1994).
d) ΓΨ (insumo-conformação): associação que permite determinar se a conformação de
um componente de SM influi sobre os elementos de entrada do SC e vice-versa.
Exemplo 46. A forma dos polígonos de Thiessen determina o quanto de
precipitação será atribuída a uma região da bacia.
e) ΓΘ (insumo-posição): associação que permite determinar se a posição de um componente de SM influi sobre os elementos de entrada do SC e vice-versa.
Exemplo 47. A posição de uma célula numa grade regular ou irregular determina a
quantidade de precipitação atribuída a ela e as contribuições de células vizinhas.
Exemplo 48. Estações de coleta de dados hidrometeorológicos possuem a
propriedade posicional. Valores coletados como cota linimétrica numa estação
fluviométrica ou precipitação, numa estação pluviométrica, representam insumos
para procedimentos formais de modelagem de um SC. No caso da medição da
precipitação o efeito da posição sobre os valores observados se torna mais evidente,
dada a característica de eleatoriedade da distribuição espacial deste fenômeno.
f) ΓΑ (insumo-atributo): associação que permite determinar se algum atributo de um
componente de SM influi sobre os elementos de entrada do SC e vice-versa.
Exemplo 49. As funções de transferência de material entre os reservatórios dos
modelos baseados no ciclo hidrológico normalmente consideram uma capacidade
máxima de armazenamento. O material flui de um reservatório para outro à partir de
um limiar atribuído ao reservatório. É o caso da percolação profunda. Esta somente
acontece se o atributo capacidade de campo for excedido.
g) ΛΨ (limite-conformação): associação que permite determinar se a conformação de
um componente de SM influi sobre limite conceitual, parâmetro de modelo, condição de contorno ou processamento computacional e vice-versa.
Exemplo 50. i) Os parâmetros calibrados do TOPMODEL são altamente
influenciados pelo tamanho da malha. ii) Ainda neste modelo, a configuração do
relevo topográfico impõe limites de processamento computacional, por exemplo,
171
como quando se estabelece as classes de células que possuem o mesmo
comportamento hidrológico.
Exemplo 51. A configuração da rede de nós utilizada pelo modelo MIKE11 e ISIS
Flow determina os valores calibrados dos seus parâmetros, os locais onde as
condições de contorno podem ser aplicadas e impõe restrições sobre o
processamento do sistema de equações.
h) ΛΘ (limite-posição): associação que permite determinar se a posição de um componente de SM influi sobre limite conceitual, parâmetro de modelo, condição de contorno ou processamento computacional e vice-versa.
Exemplo 52. Nos modelos MIKE11 e ISIS Flow as condições de contorno são
aplicadas em locais específicos da rede de nós.
i) ΛΑ (limite-atributo): associação que permite determinar se algum atributo de um
componente de SM influi sobre limite conceitual, parâmetro de modelo, condição de
contorno ou processamento computacional e vice-versa.
Exemplo 53. i) Os índices topográfico e de Beven no TOPMODEL dependem do
atributo de declividade da célula. ii) Diversas equações de escoamento em canais
consideram atributos de declividade e rugosidade do canal. Alterações nestes
atributos determinam alterações nos parâmetros calibrados dos modelos.
j) ∆Ψ (desempenho-conformação): associação que permite determinar se a execução
do componente do SC (simulador, tarefa, etapa ou procedimento) é afetada pela conformação do componente do SM e vice-versa. Ver também associação ΗΨ.
Exemplo 54. i) Esta associação ocorre em modelos que dependem da configuração
do sistema morfológico para definir seu sistema de equações implícitas, como
MIKE11 e ISIS Flow. ii) Modelos que dependem da configuração da malha regular
ou irregular que modela o relevo topográfico, também têm sua execução afetada por
este fator. iii) à medida em que o sistema em cascata realiza comportamento pode
afetar o sistema morfológico, como erosão, por exemplo.
172
k) ∆Θ (desempenho-posição): associação que permite determinar se a execução do
modelo é afetada pela posição do componente do SM e vice-versa. Ver também associação ΗΘ.
Exemplo 55. Quando alguma condição de contorno é imposta em um ponto do SM
o componente de SC deve atuar de forma diferenciada neste ponto, como nos
modelos MIKE11 e ISIS Flow.
l) ∆Α (desempenho-atributo): associação que permite determinar se a execução do
modelo é afetada por algum atributo do componente do SM e vice-versa. Ver também associação ΗΑ.
Exemplo 56. O modelo racional somente é válido para bacias pequenas. Se o
atributo área da bacia for considerado grande deve-se alterar os procedimentos no
sentido de ponderar efeitos de chuvas locais no interior da bacia ou mesmo
abandonar este modelo em favor de outro mais adequado.
m) ΡΨ (produto-conformação): associação que permite determinar se uma solução ou
solução parcial é afetada pela conformação do componente do SM e vice-versa.
Exemplo 57. Os resultados de um componente de SC podem ser grandemente
influenciados pela configuração dos componentes do SM. i) Mantendo-se os demais
fatores equivalentes, pode-se afirmar que uma bacia próxima do formato circular é
mais propensa em receber uma carga de precipitação sobre toda a sua superfície do
que uma bacia de conformação retangular e com isso produzir descargas maiores na
foz. ii) A sinuosidade total de um canal é um fator que afeta a velocidade do fluxo
da água. É a relação entre o comprimento total do canal e a distância vetorial entre
sua nascente principal e a foz. iii) Células de uma rede irregular como as da Figura
57 possuem formas distintas que determinam os diferentes vetores de vazão
afluente e efluente nas arestas.
n) ΡΘ (produto-posição): associação que permite determinar se uma solução ou solução parcial é afetada pela posição do componente do SM e vice-versa.
Exemplo 58. No TOPMODEL a equação q i = ri a i calcula vazão q que sai de uma
célula i que tem uma área de contribuição a onde ocorre uma precipitação r. Tanto a
como r variam de célula para célula as quais ocupam posições distintas no relevo.
173
Exemplo 59. Na situação do Exemplo 44 o modelo racional é aplicado tanto no
ponto da foz como no ponto do interior da bacia, sobre o mesmo canal. Embora o
modelo seja o mesmo as vazões nos mesmos são diferentes, pois que cada ponto
caracteriza um C, um i e um A distintos.
o) ΡΑ (produto-atributo): associação que permite determinar se uma solução ou solução parcial é afetada por algum atributo do componente do SM e vice-versa.
Exemplo 60. A exemplo das associações ΡΨ e ΡΘ esta associação é comum na
modelagem de processos geográficos. Diversos atributos podem influir na saída de
um processo. i) A vazão de um canal pode ser afetada pela largura, declividade e
tipo de revestimento do canal. ii) A vazão numa célula i de uma malha regular pode
ser afetada pelas dimensões (largura e comprimento) atribuídas à célula, pelo tipo
de vegetação e solo, declividade, entre outros. iii) A capacidade de um vertedor de
uma barragem é determinada pelos seus atributos dimensionais. iv) A lâmina d'água
de irrigação depende do atributo cultura, tipo de solo, desníveis hidráulicos, entre
outros.
A presença ou ausência de uma ou mais destas associações depende das percepções dos sistemas envolvidos. A percepção de um SC ou SM depende da aplicação à
qual se destina, do nível de estruturação do problema, da natureza dos elementos que
compõem o sistema e do nível de detalhamento espacial desejado para estes elementos.
4.4
Estado do sistema
Definição 57. Estado Σ é o valor ou conjunto de valores das propriedades Η, Γ, Λ, ∆, Ρ
de um elemento estrutural Cw (simulador, tarefa, etapa, procedimento) de um SC, das
propriedades Ψ, Θ, Α de um elemento estrutural Dz (ponto, linha, polígono) de um SM
e de suas respectivas associações Ω, em um dado momento.
Proposição 48. Seja um componente estrutural Cw de um SC que necessita dos insumos
Γ = {γ 1 , γ 2 ,..., γ f ,..., γ w } para efetuar o desempenho ∆ = {δ 1 , δ 2 ,...,δ g ,...,δ d } restrito pelos
limites conceituais C = {c1 , c 2 ,...ci ,...c n } , parâmetros de modelo Π = {π 1 , π 2 ,..., π l ,...,π q },
pelos
contornos
e
limites
de
processamento
Χ = {χ 1 , χ 2 ,..., χ m ,..., χ c }
Φ = {φ1 , φ 2 ,..., φ n ,..., φ v } , a fim de produzir os resultados Ρ = {ρ1 , ρ 2 ,..., ρ h ..., ρ r } , então o
estado Σ de Cw num dado momento é definido por:
Σ(Cw ) = {ΓC w , Π C w , Χ C w , ΦC w , ∆ C w , ΡC w }
( 78 )
174
Proposição 49. Seja um componente estrutural Dz de um SM que possui as propriedades
de conformação Ψ, posição espacial Θ e atributos descritivos Α, então o estado Σ de Dz
num dado momento é definido por
Σ( Dz ) = {ΨDz , Θ D z , Α D z }
( 79 )
Proposição 50. Se uma associação Ω ocorre a nível de componentes e a nível de suas
propriedades então o estado da associação Σ(Ω) depende do estado dos elementos
associados.
Σ(Ω ) = f (Σ(C w ), Σ( D z ) )
4.4.1
( 80 )
Transição ou mudança de estado
Pela ontologia de Wand (1996), uma transição ou mudança de estado de uma
coisa é um evento que ocorre quando ela sofre uma alteração de suas propriedades, passando de um estado e1 para um estado e2, através de um esquema funcional, restrito por
leis de transição. Um evento é composto pelo tripé <e1, e2, g> em que g é uma transformação que muda o estado e1 para o estado e2.
Proposição 51. No contexto de um SADE pode-se considerar que um evento ou
transição de estado pode ocorrer através do usuário, de entradas automáticas ou através
de desempenhos ∆ de um SC.
Nesta abordagem o usuário é considerado o "esquema funcional" que altera um
estado. O usuário poderá, num dado momento, querer alterar valores de parâmetros do
modelo para analisar sua sensibilidade, alterar limites computacionais ou modificar dados de entrada do modelo. Da mesma forma, as entradas automáticas podem acontecer
nos monitoramentos em linha (on-line), quando novos dados entram no sistema enquanto o sistema está trabalhando. Estes dados podem servir para recalibrar os parâmetros do
modelo, alterando o seu estado original. Os desempenhos são propriedades do simulador que representam o comportamento do sistema real através do modelo científico. O
175
processamento do simulador, estruturado conforme a estrutura STEP, reúne grupos de
esquemas funcionais que podem alterar os estados de diversos componentes do sistema.
4.4.2
Pontos de estado
Definição 58. Ponto de estado é um local na estrutura STEP de um SC onde os estados
Σ(Cw), Σ(Dz) e Σ(Ω) podem ser verificados ou alterados.
Lembrando que a estrutura STEP define os componentes (Cw) simulador S, tarefa T, etapa E, procedimento P e Unidade Procedural up, e que cada qual pode ser visto
como um subsistema, então a situação de Σ(Cw), Σ(Dz) e Σ(Ω) pode ser caracterizada no
início ou fim de sua execução.
αΣ
Cw
βΣ
Figura 63 - Pontos de estado de um elemento da estrutura STEP.
Proposição 52. Os pontos de estado estão situados na entrada e na saída de um elemento
da estrutura STEP de um SC.
Definição 59. Estado primário (αΣ) é a situação de Σ(Cw), Σ(Dz) e Σ(Ω) na posição de
entrada de um elemento da estrutura STEP de um SC, logo, prévio à realização de um
evento.
Definição 60. Estado final (βΣ) é a situação de Σ(Cw), Σ(Dz) e Σ(Ω) na posição de saída
de um elemento da estrutura STEP de um SC, logo, posterior à realização de um evento.
A Proposição 52 permite que se tenha acesso aos estados Σ(Cw), Σ(Dz) e Σ(Ω)
em níveis, de acordo com a estrutura STEP. Por exemplo, admitindo-se que um simulador S do banco de modelos está associado a uma linha l do conjunto de linhas L ou a
176
uma ligação lg do conjunto topológico Lg, então as tarefas T deste simulador também o
estão, bem como as respectivas etapas E, procedimentos P e unidades procedurais up.
Proposição 53. Os estados α e β estão aptos a compor conjuntos de estados,
formalmente definidos como
α
Σ(C w ) =
{
α
Σ( D z ) =
{ Σ( D ) ,
α
Σ (Ω) =
β
Σ(C w ) =
{
β
Σ(C w )1 , β Σ(C w ) 2 , β Σ(C w ) 3 ,...
}
( 84 )
β
Σ( D z ) =
{
β
Σ( Dz )1 , β Σ( Dz ) 2 , β Σ( Dz ) 3 ,...
}
( 85 )
β
Σ (Ω) =
α
1
α
z
{ Σ(Ω) ,
1
α
{
β
}
( 81 )
}
( 82 )
Σ(C w )1 ,α Σ(C w ) 2 ,α Σ(C w ) 3 ,...
α
α
Σ( Dz ) 2 ,α Σ( Dz ) 3 ,...
}
Σ(Ω) 2 ,α Σ(Ω) 3 ,...
}
Σ(Ω)1 , β Σ(Ω) 2 , β Σ(Ω) 3 ,...
( 83 )
( 86 )
nas quais os índices 1, 2, 3, ... em sobrescrito representam eventos associados aos respectivos estados (Figura 64). Estes conjuntos representam a história dos estados do sistema.
Observando-se os elementos da Figura 64 no sentido horizontal, nota-se que o
par αΣ(Cw) = {αΣ(Cw)1, βΣ(Cw)1} ou simplesmente Cw(1,1) indica os estados primário e
final do elemento Cw durante o evento 1, o par αΣ(Cw) = {αΣ(Cw)2, βΣ(Cw)2} ou simplesmente Cw(2,2) indica os estados primário e final do elemento Cw durante o evento 2,
e assim por diante. Já no sentido vertical, o tripé α(1,1,1) especifica o grupo de estados
primários dos componentes Cw, Dz e Ω relativos ao evento 1, ao passo que o tripé
α(2,2,2) reúne o grupo de estados antes do evento 2, e assim sucessivamente. Portanto,
a Proposição 53 permite que haja mais de um estado primário α e final β, e que os
mesmos sejam preservados para estudos futuros junto aos conjuntos αΣ(Cw), αΣ(Dz),
αΣ (Ω), βΣ (Cw), βΣ(Dz)
e βΣ(Ω).
177
Exemplo 61. Considere-se eventos de simulação hidrológica com o modelo
TOPMODEL, nos quais este modelo se encontra estruturado conforme a estrutura STEP
e associado a células espaciais que modelam o relevo topográfico. No ínicio do primeiro
evento, no banco de modelos, há um conjunto de valores referentes ao estado do
simulador TOPMODEL, das tarefas, das etapas e dos procedimentos definidos. Estes
valores correspondem ao conjunto αΣ(Cw)1 da Figura 64. No banco de dados espacial há
um conjunto de valores que se referem ao estado das células espaciais que representam
o relevo topográfico. Estes valores correspondem ao conjunto αΣ(Dz)1 da Figura 64.
Neste momento, os elementos que compõem a estrutura STEP para o TOPMODEL
guardam relações com as células espaciais. Estas relações correspondem ao conjunto
1
αΣ (Ω) da Figura 64. Portanto, o estado prévio ao evento de simulação, referente aos
elementos no banco de modelos, banco de dados espacial e suas relações, corresponde
ao tripé α(1,1,1) da Figura 64. Uma vez concluído o evento, o estado destes mesmos
elementos poderá estar alterado ou não. De qualquer forma o tripé β(1,1,1) exprime esta
situação. Analogia semelhante pode ser estendida para outros eventos de simulação.
Estado
Primário
Estado
Final
αΣ(Cw)
Sistema em
Cascata (Banco
de Modelos)
1
αΣ(Cw)
2
αΣ(Cw)
β Σ(Cw)
3
αΣ(Cw)
1
β Σ(Cw)
2
βΣ(Cw)
3
β Σ(Cw)
...
...
Cw(1,1)
αΣ(Dz)
Sistema
Morfológico
(Banco de Dados
α(1,1,1)
Espaciais)
1
α Σ(Dz)
2
αΣ(Dz)
β Σ(Dz)
3
αΣ(Dz)
1
β Σ(Dz)
3
β Σ(Dz)
...
...
αΣ(Cw)
1
αΣ(Ω)
Associações BM - BDE
2
β Σ(Dz)
2
αΣ(Ω)
β Σ(Cw)
3
αΣ(Ω)
1
β Σ(Ω)
...
2
β Σ(Ω)
3
β Σ(Ω)
...
Figura 64 - Conjuntos de estados primário e final relativos a eventos distintos.
Proposição 54. Uma seqüência de estados é definida por uma seqüência de pares de
estados primário e final dos elementos Cw, Dz e Ω.
178
C w( 1,1 ), C w( 2 ,2 ), C w( 3,3 ),...
D z ( 1,1 ), D z ( 2,2 ), D z ( 3,3 ),...
Ω( 1,1 ),Ω( 2 ,2 ),Ω( 3,3 ),...
A noção de seqüência de estados num SADE é importante na medida em que a
história dos estados pode ser mantida e utilizada em análises futuras, como no caso do
problema de cheias em bacias hidrográfica.
4.4.2.1 Pontos de estado durante desempenhos ∆
Desempenho ∆ é a propriedade de um elemento de SC (estrutura STEP) de se
comportar mediante insumos Γ e restrito por limites Λ. Num SADE esta propriedade é
expressa pela execução do elemento Cw e corresponde ao conceito de processamento de
modelos da área SAD. Os pontos de estado são identificados na estrutura de execução
do elemento S, T, E ou P. Por convenção, está-se limitando neste texto a explorar o conceito de ponto de estado até o nível de Procedimento. Em termos conceituais esta barreira na verdade não existe, podendo se estender até as Unidades Procedurais. A Figura 65
ilustra as categorias de execuções de uma tarefa genérica j executada em n etapas.
Os pontos de estado representam momentos em que a execução pode ser suspensa temporariamente, a fim de que o usuário possa acessar os diferentes estados dos
elementos de todo o sistema, incluindo os elementos Dz do banco de dados espacial e os
relacionamentos Ω. Grupos de estados primários α e finais β podem ser armazenados
para pesquisas futuras, ou seja, registram a história dos estados do SADE para um mesmo evento de simulação.
179
Tarefa j
Série
Etapa 1
Etapa 2
Etapa 3
entrada (Γ)
Etapa n
saída (Ρ)
Tarefa j
Paralela
...
Simultânea
Tarefa j
Etapa 1
Etapa 2
Etapa n
ponto de
estado
solução parcial
categoria
primário (αΣ)
final (β Σ)
solução
Figura 65 - Pontos de estado nas execuções em série, paralela e simultânea.
Conforme a Figura 65 a tarefa j possui os pontos de estado primário e final nas
três categorias de execuções. Na execuções em série e paralelo as informações sobre os
estados de um componente da estrutura STEP são explícitos ao componente do nível
mais alto, o que não acontece na execução simultânea, devido à natureza do problema
ou interesse do usuário.
Proposição 55. Considerando que a estrutura STEP define níveis de informação e
controle dos seus componentes, os valores específicos de um estado Σ(Cw) estão
vinculados ao nível considerado.
No exemplo da Figura 65 há os pontos de estado no nível de tarefa, em que se
identifica um par entrada-saída, e os pontos de estado nos níveis de etapas. No par a
nível de tarefa encontram-se estados sobre a tarefa Tj propriamente dita e sobre as etapas que a compõem. Num par a nível de etapa os valores de estado referem-se à esta
etapa e aos procedimentos que a compõem.
180
4.4.2.2 Identificação formal de estados
4.4.2.2.1 Estados dos elementos da estrutura STEP
Proposição 56. Seja o procedimento l pertencente à etapa k da tarefa j executada pelo
simulador i do banco de modelos BM e seus respectivos identificadores Pi,j,kl, Ei,jk, Tij,
Si, então os conjuntos αΣ(Cw) de seu estado primário (α) e βΣ(Cw) de seu estado final (β)
definidos nos eventos 1, 2, 3, ... podem ser expressos por:
α
Σ( S i ) =
{
α
Σ( S i )1 ,α Σ( S i ) 2 ,α Σ( S i ) 3 ,...
}
( 87 )
β
Σ( S i ) =
{
β
Σ( S i ) 1 , β Σ( S i ) 2 , β Σ( S i ) 3 ,...
}
( 88 )
α
Σ(T ji ) =
{
α
Σ(T ji ) 1 ,α Σ(T ji ) 2 ,α Σ(T ji ) 3 ,...
}
( 89 )
β
Σ(T ji ) =
{
β
Σ(T ji ) 1 , β Σ(T ji ) 2 , β Σ(T ji ) 3 ,...
}
( 90 )
α
Σ( E ki , j ) =
{
}
( 91 )
β
Σ( E ki , j ) =
{
}
( 92 )
α
Σ( Pl i , j ,k ) =
{
α
Σ( Pl i , j , k )1 ,α Σ( Pl i , j , k ) 2 ,α Σ( Pl i , j ,k ) 3 ,...
β
Σ( Pl i , j , k ) =
{
β
Σ( Pl i , j , k )1 , β Σ( Pl i , j , k ) 2 , β Σ( Pl i , j , k ) 3 ,...
Σ( E ki , j ) 1 ,α Σ( E ki , j ) 2 ,α Σ( E ki , j ) 3 ,...
α
β
Σ( E ki , j )1 , β Σ( E ki , j ) 2 , β Σ( E ki , j ) 3 ,...
}
( 93 )
}
( 94 )
Por exemplo, o estado αΣ(P2,4,61)3 refere-se ao estado primário do procedimento
1, pertencente à etapa 6, da tarefa 4, esta executada pelo simulador 2 do banco de modelos, no evento de simulação 3. O identificador βΣ(P2,4,61)3 refere-se aos mesmos elementos porém se trata do seu estado final.
4.4.2.2.2 Estados dos elementos geométricos e topológicos do BDE
Proposição 57. Sejam as seguintes primitivas geométricas de um BDE que representam
um sistema morfológico SM: i-ésimo ponto pt pertencente ao l-ésimo conjunto de
pontos Pt, j-ésima linha l pertencente ao m-ésimo conjunto de linhas L, k-ésimo polígno
181
pg pertencente ao n-ésimo conjunto de polígonos Pg, respectivamente identificados
como ptli, lmj, pgnk, então os conjuntos αΣ(Dz) de seu estado primário (α) e βΣ(Dz) de seu
estado final (β) definidos nos eventos 1, 2, 3, ... podem ser expressos por:
α
β
α
Σ( pt il ) =
{
α
Σ( pt il )1 ,α Σ( pt il ) 2 ,α Σ( pt il ) 3 ,...
}
( 95 )
β
Σ( pt il ) =
{
β
Σ( pt il )1 , β Σ( pt il ) 2 , β Σ( pt il ) 3 ,...
}
( 96 )
}
( 97 )
}
( 98 )
α
Σ(l mj ) =
{
α
Σ(l mj )1 ,α Σ(l mj ) 2 ,α Σ(l mj ) 3 ,...
β
Σ(l mj ) =
{
β
Σ(l mj ) 1 , β Σ(l mj ) 2 , β Σ(l mj ) 3 ,...
{
Σ( pg kn ) =
Σ( pg kn ) =
}
α
{
Σ( pg kn ) 1 ,α Σ( pg kn ) 2 ,α Σ( pg kn ) 3 ,...
( 99 )
}
( 100 )
Σ( pg kn )1 , β Σ( pg kn ) 2 , β Σ( pg kn ) 3 ,...
β
Proposição 58. Sejam as seguintes primitivas topológicas de um BDE que representam a
topologia espacial de um sistema morfológico SM: i-ésimo nó n pertencente ao l-ésimo
conjunto de nós N, j-ésima ligação lg pertencente ao m-ésimo conjunto de ligações Lg,
k-ésima célula c pertencente ao n-ésimo conjunto de células C, respectivamente
identificados como nli, lgmj, cnk, então os conjuntos αΣ(Dz) de seu estado primário (α) e
βΣ(Dz) de seu estado final (β ) definidos nos eventos 1, 2, 3, ... podem ser expressos por:
α
{
α
Σ(nil )1 ,α Σ(nil ) 2 ,α Σ(nil ) 3 ,...
{
β
Σ(nil ) 1 , β Σ(nil ) 2 , β Σ(nil ) 3 ,...
Σ(nil ) =
}
.
}
β
Σ(nil ) =
α
Σ(lg mj ) =
{
α
Σ(lg mj ) 1 ,α Σ(lg mj ) 2 , α Σ(lg mj ) 3 ,...
β
Σ(lg mj ) =
{
β
Σ(lg mj )1 , β Σ(lg mj ) 2 , β Σ(lg mj ) 3 ,...
α
Σ(c kn ) =
β
Σ(c kn ) =
{
α
Σ(c kn )1 ,α Σ(c kn ) 2 ,α Σ(c kn ) 3 ,...
{
β
Σ(c kn ) 1 , β Σ(c kn ) 2 , β Σ(c kn ) 3 ,...
( 101 )
( 102 )
}
( 103 )
}
( 104 )
}
( 105 )
}
( 106 )
182
5
MODELO DE IMPLEMENTAÇÃO
Neste capítulo será apresentado um modelo de dados orientado a objetos que
pode ser utilizado como referencial para implementação do modelo STEP. A gramática
da orientação a objetos foi escolhida porque pode ser utilizada tanto no nível conceitual
como tecnológico. A função principal desta linguagem é traduzir o modelo STEP, expresso numa linguagem formal, para um modelo mais próximo da implementação. O
modelo que se apresenta a seguir não é completo, ou seja, não especifica todos os dados,
métodos e classes necessários à efetiva programação do sistema. Trata-se de um modelo
de dados parcial que visa mostrar como que as proposições do modelo STEP podem ser
implementadas a nível de classes de objetos.
5.1
Mapeamento entre conceitos
O modelo ontológico de Wand e a Teoria de Sistemas foram apresentados neste
trabalho como materiais utilizados para o desenvolvimento do modelo STEP. O modelo
STEP define e expressa conceitos básicos necessários para a integração das visões dos
especialistas das áreas de Informação Geográfica, Apoio à Decisão e área de aplicação.
Esta abordagem atendeu à necessidade identificada por abordagens de alto nível conceitual, que procurassem se desligar das limitações tecnológicas, que vêm restringindo as
capacidades dos atuais Sistemas de Apoio à Decisão Espacial.
O modelo que se apresenta a seguir está inserido na etapa de Análise para o desenvolvimento de sistemas na Engenharia de Software. Um dos principais produtos desta fase é o documento que expressa um modelo conceitual do mundo real. Na Tabela 12
são apresentadas as correspondências entre os diferentes modelos que norteiam este
183
trabalho. Seu objetivo é realizar um mapeamento entre conceitos que procuram capturar
de forma particular a complexidade do mundo real.
Tabela 12 - Mapeamento entre estruturas conceituais utilizadas na pesquisa.
STEP
Elemento de um SC
Orientação a Objetos
Classe ou objeto
Ontologia de Wand
Coisa
Teoria de Sistemas
Elemento
simples
subclasse ou objeto
simples
subsistema
composto
subclasse ou objeto
composta
sistema
Propriedades
estrutura
hierarquia de classes
modelo de coisas
sistema
modelo de classes ou
de objetos
insumo
dado, argumento de
mensagem
estado inicial de uma
coisa
entrada
limite
dado, atributo/função
leis de transição
regulador
desempenho
método ou operação
comportamento
comportamento
produto
dado, argumento de
resposta
estado final de uma
coisa
saída
mensagem, relacionamento
evento externo mútuo
interação
Interação
encapsulação
caixa-preta
herança
herança
Estado
estado
estado
estado
Associação
relacionamento
interação
conexão
Cada modelo tem sua utilidade de acordo com a formação especialista e necessidade do modelador. Por exemplo, nesta pesquisa a visão sistêmica proporcionada pela
Teoria de Sistemas se mostrou útil para a hierarquização do modelo STEP, na medida
em que os processos geográficos passaram a ser vistos numa estrutura procedural. O
modelo de Wand facilitou a definição das propriedades tanto dos elementos do Banco
de Modelos como do Banco de Dados Espacial. Além disso, foram úteis os conceitos de
coisa, comportamento, evento e estado. Já o próprio modelo STEP visa atender visões
conceituais de alto nível. Por isso, pode ser útil tanto para iniciantes tomarem contato
com fundamentos conceituais, como para desenvolvedores de sistemas e especialistas
184
na área de aplicação, como meio de prover arcabouço conceitual para ambos. A principal função do modelo orientado a objetos neste trabalho é mostrar que os conceitos do
modelo STEP podem ser aplicados. Mas ainda pode ser útil para desenvolvedores que
queiram migrar de conceitos de alto nível para a efetiva implementação. Outro ponto
forte deste modelo está no poder expressivo do diagrama de classes, na medida em que
provê uma visão gráfica contextualizada e sintética dos elementos essenciais da teoria.
5.2
Diagrama de classes
Um dos problemas na construção de modelos orientados a objetos é definir
quais elementos do mundo real serão representados por objetos e classes de objetos.
Wand (1996) vê um objeto como uma representação de uma coisa e usa o modelo ontológico para propor características orientadas a objetos. Pela sua proposta atributos, classes e eventos não são objetos porque um objeto seria o resultado da combinação de existência com visão. A existência é designada por uma identificação única do objeto e a
visão é definida em termos de um conjunto de funções de atributos. O conceito de composição passa a ter destaque, de modo que um objeto composto deve ter propriedades
emergentes, ou seja, propriedades não pertencentes a nenhum de seus componentes. O
conceito de mensagem é visto não como um elemento fundamental para a modelagem,
mas sim como uma metáfora a nível de implementação. Com base nestas observações o
autor apresenta algumas regras para identificar objetos dentre um conjunto de objetos
candidatos:
a) Definir as interações entre o sistema e seu ambiente. A escolha de um conjunto de interações define o escopo do modelo.
185
b) Os objetos candidatos são aqueles que representam coisas que se tornam ativas devido às interações entre o sistema e seu ambiente.
c) As propriedades relevantes de um objeto são aquelas que efetivamente participam das interações.
d) O estado do sistema provém do estado dos objetos.
e) Objetos agregados devem somente ser incluídos se estes possuírem propriedades emergentes.
A Figura 66 apresenta o diagrama das classes definidas para a modelagem
STEP.
CGrade_ Regular
CGrade_ Irregular
0..*
CSimulador
0..* 0..*
0..* 0..*
0..*
CPolígono
CSubdivisão_ Planar
0..* 0..*
1..*
CTIN
CTarefa
0..* 0..* 0..*
CCélula
1..*
CEtapa
3...*
0..* 0..* 0..*
0..* 0..*
CIsolinha
CLinha
0..* 0..* 0..*
1..*
CLigação
CProcedimento
0..* 0..* 0..*
2...*
0..* 0..*
1..*
CPonto
CAmostra_Pontual
0..* 0..* 0..*
CNó
CUnidade_Procedural
0..* 0..* 0..*
Figura 66 - Diagrama de classes do modelo STEP (nomenclatura UML).
186
5.3
Classes, atributos e operações
As classes representadas no diagrama da Figura 66 foram definidas conforme os
conjuntos do modelo STEP. Uma classe reúne um conjunto de objetos que compartilham uma estrutura comum e comportamentos semelhantes. Cada objeto individual representa uma instância de uma classe. A classe CSimulador é a classe que agrupa modelos formais de simulação de sistemas geográficos particulares. A classe CTarefa representa o conjunto de tarefas definidas para um simulador. A classe CEtapa modela as
etapas definidas para uma tarefa, e assim por diante.
CSimulador
dados
id_simulador: ...
tarefas: lista [CTarefa]
ordem_de_execução: lista [CTarefa]
insumos: lista, descrição [CSimulador, CTarefa]
limites: lista, descrição [CSimulador, CTarefa]
produtos: lista, descrição [CSimulador, CTarefa]
comportamentos: descrição [CSimulador, CTarefa]
estado_passado: id_evento, inicial, final [CSimulador, CTarefa]
estado_presente: id_evento, inicial, final [CSimulador, CTarefa]
estado_futuro: id_evento, inicial, final [CSimulador, CTarefa]
feições geográficas: lista, estado [CPonto, CLinha, CPolígono]
...
métodos
obter_insumo (CSimulador, CTarefa)
obter_limite (CSimulador, CTarefa)
obter_produto (CSimulador, CTarefa)
obter_comportamento (CSimulador, CTarefa)
ligar (CSimulador, CTarefa)
obter_estado (insumo, limite, produto)
armazenar (estado)
analisar_consistência (estado)
analisar_integridade (estado)
analisar_inteireza (estado)
ligar_com (CPonto, CLinha, CPolígono, CTopologia)
obter_estado (feição geográfica)
analisar_consistência (feição geográfica)
...
CTarefa
187
dados
id_tarefa: ...
simuladores: lista [CSimulador]
compartilhamento: lista [CSimulador]
etapas: lista [CEtapa]
ordem_de_execução: lista [CEtapa]
insumos: lista, descrição [CTarefa, CEtapa]
limites: lista, descrição [CTarefa, CEtapa]
produtos: lista, descrição [CTarefa, CEtapa]
comportamentos: descrição [CTarefa, CEtapa]
estado_passado: id_evento, inicial, final [CTarefa, CEtapa]
estado_presente: id_evento, inicial, final [CTarefa, CEtapa]
estado_futuro: id_evento, inicial, final [CTarefa, CEtapa]
feições geográficas: lista, estado [CPonto, CLinha, CPolígono]
...
métodos
obter_insumo (CTarefa, CEtapa)
obter_limite (CTarefa, CEtapa)
obter_produto (CTarefa, CEtapa)
obter_comportamento (CTarefa, CEtapa)
ligar (CEtapa, CTarefa, CSimulador)
obter_estado (insumo, limite, produto)
armazenar (estado)
analisar_consistência (estado)
analisar_integridade (estado)
analisar_inteireza (estado)
ligar_com (CPonto, CLinha, CPolígono, CTopologia)
obter_estado (feição geográfica)
analisar_consistência (feição geográfica)
...
CEtapa
dados
id_etapa: ...
tarefas: lista [CTarefa]
compartilhamento: lista [CTarefa]
procedimentos: lista [CProcedimento]
ordem_de_execução: lista [CProcedimento]
insumos: lista, descrição [CEtapa, CProcedimento]
limites: lista, descrição [CEtapa, CProcedimento]
produtos: lista, descrição [CEtapa, CProcedimento]
comportamentos: descrição [CEtapa, CProcedimento]
estado_passado: id_evento, inicial, final [CEtapa, CProcedimento]
estado_presente: id_evento, inicial, final [CEtapa, CProcedimento]
estado_futuro: id_evento, inicial, final [CEtapa, CProcedimento]
feições geográficas: lista, estado [CPonto, CLinha, CPolígono]
...
188
métodos
obter_insumo (CEtapa, CProcedimento)
obter_limite (CEtapa, CProcedimento)
obter_produto (CEtapa, CProcedimento)
obter_comportamento (CEtapa, CProcedimento)
ligar (CProcedimento, CEtapa, CTarefa)
obter_estado (insumo, limite, produto)
armazenar (estado)
analisar_consistência (estado)
analisar_integridade (estado)
analisar_inteireza (estado)
ligar_com (CPonto, CLinha, CPolígono, CTopologia)
obter_estado (feição geográfica)
analisar_consistência (feição geográfica)
CProcedimento
dados
id_procedimento: ...
etapas: lista [CEtapa]
compartilhamento: lista [CEtapa]
unidade_procedural: lista [CUnidadeProcedural]
ordem_de_execução: lista [CUnidadeProcedural]
insumos: lista, descrição [CProcedimento, CUnidadeProcedural]
limites: lista, descrição [CProcedimento, CUnidadeProcedural]
produtos: lista, descrição [CProcedimento, CUnidadeProcedural]
comportamentos: descrição [CProcedimento, CUnidadeProcedural]
estado_passado: id_evento, inicial, final [CProcedimento, CUnidadeProcedural]
estado_presente: id_evento, inicial, final [CProcedimento, CUnidadeProcedural]
estado_futuro: id_evento, inicial, final [CProcedimento, CUnidadeProcedural]
feições geográficas: lista, estado [CPonto, CLinha, CPolígono]
métodos
...
obter_insumo (CProcedimento, CUnidadeProcedural)
obter_limite (CProcedimento, CUnidadeProcedural)
obter_produto (CProcedimento, CUnidadeProcedural)
obter_comportamento (CProcedimento, CUnidadeProcedural)
ligar (CUnidadeProcedural, CProcedimento, CEtapa)
obter_estado (insumo, limite, produto)
armazenar (estado)
analisar_consistência (estado)
analisar_integridade (estado)
analisar_inteireza (estado)
ligar_com (CPonto, CLinha, CPolígono, CTopologia)
obter_estado (feição geográfica)
analisar_consistência (feição geográfica)
analisar_integridade (feição geográfica)
analisar_inteireza (feição geográfica)
selecionar_o_melhor (CUnidadeProcedural)
189
simular (CUnidadeProcedural)
...
CUnidade_Procedural
dados
id_unidade_procedural: ...
procedimentos: lista [CProcedimento]
compartilhamento: lista [CProcedimento]
insumos: lista, descrição [CUnidadeProcedural]
limites: lista, descrição [CUnidadeProcedural]
produtos: lista, descrição [CUnidadeProcedural]
comportamentos: descrição [CUnidadeProcedural]
estado_passado: id_evento, inicial, final [CUnidadeProcedural]
estado_presente: id_evento, inicial, final [CUnidadeProcedural]
estado_futuro: id_evento, inicial, final [CUnidadeProcedural]
feições geográficas: lista, estado [CPonto, CLinha, CPolígono]
métodos
...
obter_insumo (CUnidadeProcedural)
obter_limite (CUnidadeProcedural)
obter_produto (CUnidadeProcedural)
obter_comportamento (CUnidadeProcedural)
ligar (CUnidadeProcedural, CProcedimento)
obter_estado (insumo, limite, produto)
armazenar (estado)
analisar_consistência (estado)
analisar_integridade (estado)
analisar_inteireza (estado)
ligar_com (CPonto, CLinha, CPolígono)
obter_estado (feição geográfica)
analisar_consistência (feição geográfica)
analisar_integridade (feição geográfica)
analisar_inteireza (feição geográfica)
simular (CUnidadeProcedural)
...
5.4
Associação
Associações são utilizadas para expressar dependências estruturais entre os obje-
tos, geralmente de classes diferentes. No diagrama da Figura 66 há associações do tipo
vários-para-vários entre as classes do banco de modelos e as classes do banco de dados
190
espacial. Isto significa que há algum tipo de conecção entre os objetos destas classes.
Por exemplo, algum objeto da classe CSimulador se conecta com um número de objetos
da classe CPonto, CLinha ou mesmo CPolígono. O método ligar_com ( ) é o responsável pelo estabelecimento desta conexão. O adorno "0...*" indica o número de objetos
que participam do relacionamento. Neste exemplo, ele indica que um objeto da classe
CSimulador pode estar associado a "zero-a-vários" objetos espaciais. Isto permite a que
no banco de modelos existam modelos científicos tradicionais, que não utilizam referência espacial.
Na UML as associações são, a princípio, bidirecionais. Isto quer dizer que uma
instância de uma classe pode "navegar" pelas instâncias da outra classe, e vice-versa.
Classe 1
associação
Classe 2
Figura 67 - Associação bi-direcional entre duas classes.
5.5
Agregação
Uma agregação é um tipo especial de associação usada para mostrar que um ob-
jeto é composto, no mínimo em parte, por um outro objeto. Uma agregação indica que o
tempo de vida das partes depende do tempo de vida do todo. Em conseqüência tem-se
que os objetos-parte não podem ser criados sem que o seu correspondente objeto-todo
esteja criado. Similarmente, objetos-parte não podem ser destruídos por outros objetos
que não seja o correspondente objeto-todo.
191
Todo
Parte
Figura 68 - Associação de agregação.
As agregações ocorrem entre as classes do banco de modelos em acordo com a
abordagem de conjuntos desenvolvida no capítulo anterior.
As três classes fundamentais de um banco de dados espacial são as classes que
capturam a percepção discreta de um sistema morfológico (SM): CPonto, CLinha, CPo-
lígono. Uma instância da classe CPolígono é uma agregação de três ou mais instâncias
da classe CLinha resultantes da agregação de duas ou mais instâncias da classe CPonto.
5.6
Herança
Relacionamento de herança é utilizado quando uma classe compartilha estrutura
e comportamento definidos em outra classe. Relacionamentos de herança estão presentes entre as classes que capturam a percepção discreta e as que capturam a percepção
contínua de um SM (Figura 66). Instâncias das classes CGrade_Regular, CGra-
de_Irregular, CSubdivisão_Planar, CTIN, CCélula, são especializações de instâncias da
classe CPolígono. As instâncias destas classes poderão herdar propriedades intrínsecas
de Conformação, Posição e Atributo, da classe CPolígono, e ainda possuir propriedades
intrínsecas próprias. Um objeto topológico célula da classe CCélula pode herdar a geometria e posição de um objeto polígono e ter atributos intrínsecos de vizinhança com
outras células. Um objeto da classe CSubdivisão_Planar pode ter atributos intrínsecos
192
como tipo de solo, índice de precipitação média, etc. Especializações das classes CLi-
nha e CPonto podem ser analisadas desta mesma forma.
193
6
CONCLUSÕES E RECOMENDAÇÕES
6.1
Conclusões
6.1.1
Sobre o paradigma dos sistemas de alerta
1. O paradigma dos sistemas de alerta a inundações baseados no modelo de Krzysztofowicz e Davis os limita ao monitoramento de eventos e ao aviso à comunidade
quando um evento está para ocorrer.
2. O compromisso destes sistemas com a comunidade se encerra com a emissão do
aviso.
3. Há necessidade de se ampliar esta abordagem, no sentido de atacar o problema das
inundações como parte de um sistema complexo.
6.1.2
Sobre o gerenciamento de desastres naturais
1. O conceito de gerenciamento de desastres naturais (GDN) se apresenta como uma
abordagem mais ampla que a anterior, de forma que suas etapas podem ser efetivamente utilizadas como domínios referenciais para a busca de soluções aos problemas de inundações.
2. O GDN permite que se amplie o escopo dos sistemas de alerta no sentido de fornecer alternativas de ações aos agentes da comunidade.
3. O GDN pressupõe ações de prevenção e correção a médio e longo prazos sobre subsistemas complexos relativos a problemas de inundações.
194
4. As fases do GDN constituem domínios onde há diversas situações de problemas que
demandam soluções.
5. O conceito de Processo de Tomada de Decisão é potencialmente útil para a solução
de situações de problemas do GDN.
6. Solução efetiva de problema do domínio do GDN exige abordagem espacial e tecnologias apropriadas.
6.1.3
Sobre problemas espaciais e processos de tomada de decisão
1. Durante um PTD deve-se ter em mente que as causas e conseqüências das inundações possuem forte componente espacial.
2. A componente espacial dos problemas de cheias faz emergirem problemas espaciais.
3. PTD sobre problemas de natureza espacial freqüentemente envolvem muitas informações, objetivos conflitantes, muitas variáveis e parâmetros de análise, carência de
alternativas ótimas e busca por soluções satisfatórias.
4. Problemas espaciais, como os do domínio do GDN, se caracterizam como problemas semi-estruturados e, como tal, necessitam da participação humana e computacional para que sejam resolvidos com eficácia.
6.1.4
Sobre as tecnologias de suporte à decisão
1. Sistemas de Apoio à Decisão (SAD) são tecnologias comumente empregadas nas
atividades estruturáveis de um PTD.
2. Sistemas de Informação Geográfica (SIG) são tecnologias aptas a lidar com dados
espaciais.
195
3. A componente espacial dos problemas do GDN limita a tecnologia SAD ao passo
que a tecnologia SIG é limitada por não proporcionar adequado suporte a atividades
de explanação, predição, prescrição e seleção, necessárias à solução efetiva de problemas espaciais do GDN.
4. Sistema de Apoio à Decisão Espacial (SADE) é o conceito que melhor se ajusta às
necessidades de tomada de decisão espacial sobre problemas do GDN porque seu
domínio abrange os domínios dos conceitos anteriores.
5. Tecnologias SADE ainda não atingiram maturidade e demandam muitos estudos e
pesquisas a fim de se obter sistemas efetivos.
6. O Banco de Modelos e, especialmente, as funcionalidades do seu Gerenciador são
os principais entraves à obtenção de sistemas efetivos.
6.1.5
Sobre o desenvolvimento de SADE efetivo
1. SADE Efetivo ainda é tecnologia não existente.
2. A estratégia provavelmente mais flexível e capaz de prover SADE Efetivo é a de
integração plena de seus componentes: dado, modelo científico e usuário.
3. A integração plena destes componentes deve ser pensada acima das questões meramente tecnológicas que nortearam os desenvolvedores de SADE nos últimos dez
anos.
4. Os elementos a serem plenamente integrados devem ser previamente entendidos,
definidos e relacionados, independente de domínio de aplicação, tanto quanto possível.
196
6.1.6
Sobre as ferramentas de trabalho
1. A Teoria de Sistemas, Ontologia e Teoria de Conjuntos podem ser utilizadas como
ferramentas de trabalho.
2. A classificação de sistemas de Chorley e Kennedy deu embasamento científico para
o tratamento separado dos elementos de compõem o meio físico, onde as inundações
ocorrem, dos processos de transferência de material e energia.
3. A Teoria de Sistemas, modelo ontológico de Wand e relações formais da Teoria de
Conjuntos se mostraram úteis, do ponto de vista científico, e eficientes, do ponto de
vista prático.
6.1.7
Sobre o uso da teoria de sistemas
1. Proporcionou uma visão sistêmica dos problemas independente de domínio de aplicação.
2. Permitiu que se pensasse acima das limitações tecnológicas.
3. A visão por elementos ou componentes possibilitou uma estruturação relativamente
rápida dos componentes de um SADE sem que se tivesse grandes conhecimentos em
modelagem de dados.
4. Permitiu que se trabalhasse separadamente a definição de componentes dos sistemas, suas associações e seus estados.
5. Permitiu que a transição entre os níveis de abstração fosse feita de forma natural.
6.1.8
Sobre o uso do modelo ontológico de Wand
1. Permitiu uma associação bem definida entre elementos de sistemas e coisas.
197
2. Complementou o enfoque sistêmico através dos conceitos de coisa, propriedade,
atributo, evento e estado.
3. Manteve-se nos mesmos níveis de abstração do enfoque sistêmico.
4. Mostrou flexibilidade para circular entre os níveis de abstração e ser utilizado quando necessário.
6.1.9
Sobre o uso da teoria de conjuntos
1. Forneceu semântica precisa para expressar o modelo.
2. Forneceu gramática de poder científico, semântico e entendimento universal necessários em trabalhos de pesquisa desta natureza.
3. Sua gramática evitou o uso de jargões técnicos que permeiam áreas afins a área
SADE, como SIG e modelagem científica.
4. Manteve-se estável no nível conceitual e pode ser facilmente estendida para o nível
tecnológico.
5. Permitiu identificar inconsistências e incongruências.
6. Permitiu independência de domínio de aplicação, de tempo e de espaço (escala).
7. Forneceu dispositivos formais suficientes para a modelagem.
6.1.10 Sobre o modelo formal proposto
1. Incorpora os atributos da Teoria de Conjuntos de modo que pode sofrer análises de
acordo com seus postulados, axiomas, teoremas, entre outros.
2. É orientado para prover sistemas efetivos.
3. Vem de encontro à carência de delineamentos teóricos sobre o assunto.
4. Ajuda iniciantes a se familiarizarem e entenderem conceitos essenciais.
198
5. A formalização dos componentes do BM e do BDE, bem como de suas propriedades, facilitou a formalização das associações e dos estados, respectivamente;
6. Independe de domínio de aplicação.
6.2
Recomendações
Devem ser testadas as seguintes hipóteses:
1. O modelo apresentado conduz a SADE Efetivo.
2. O modelo é de uso genérico, independente de domínio.
3. O modelo é suficiente para apoiar quaisquer decisões espaciais.
4. O modelo é apto a apoiar todas as fases do GDN.
5. O modelo está apto a capturar todas as variáveis de decisão.
6. O modelo atua com eficiência e eficácia nas atividades de análise, síntese, explanação, prescrição e predição.
7. O modelo permite ao usuário explorar a teoria.
8. O modelo possibilita ambiente iterativo e interativo que permitem ao usuário aprender sobre o espaço-problema.
9. O modelo se ajusta à estruturação de problema.
199
ANEXO 1 - FASES DO GERENCIAMENTO DE DESASTRES NATURAIS
200
Ambiente Sistêmico do Decisor
Monitoramento e Previsão
Objetivo: Detecção e alerta.
PREPARAÇÃO
Estabelecer objetivos, planejar estratégias para atingir objetivos, alocar recursos.
Objetivo: melhorar a capacidade de
resposta operacional a uma emergência
(Evento não Iminente)
RESPOSTA
Coordenar a aquisição, aplicação e uso
dos recursos existentes (humanos, financeiros, materiais, tempo)
Objetivo: reduzir perdas materiais e
humanas
(Iminência e Ocorrência)
RESTABELECIMENTO
Objetivo: retorno dos sistemas aos níveis
anteriores à ocorrência do evento
MITIGAÇÃO
Objetivos: reduzir ou eliminar a vulnerabilidade ao perigo de longo prazo, prevenir futuros desastres e propiciar comunidades mais seguras
(Pós-Ocorrência)
(Evento não Iminente)
estudos hidrológicos/hidráulicos
alocação de equipes e materiais de
trabalho de campo para recuperar even- análise dos benefícios de projetos
alternativos (configuração da rede,
tuais danos materiais
modelos, metodologias)
gerenciar recursos
priorização de projetos alternativos
ou modificações
análise de modificações em componentes internos dos sistemas
determinação e escolha de fluxos
simulação de perdas
determinar atributos técnicos de
análise dos benefícios de projetos
adaptação dos sistemas
alternativos
alocação de equipes e materiais de
planejamento e análise de fluxos
trabalho de campo
alternativos
análise de modificações em componentes internos dos sistemas
priorização de fluxos ou modificações
análises custo/benefício sobre
medidas estruturais de mitigação
planejamento de políticas de contro
priorização de medidas de minimile do uso do solo, controle de construzação de danos e restabelecimento do
ções, educação e legislação.
sistema viário (desobstrução, limpeza,
simulação de crescimento urbano e
pavimentação)
análise de efeitos
alocação de equipes e materiais de
análises custo/benefício sobre
trabalho de campo
medidas estruturais de mitigação
alocação de equipes e materiais de
trabalho de campo
projetar sistemas de alerta
simulação de prejuízos no sistema
de monitoramento e alerta e planejamento de estratégias de ação
planejar comunicação com sistemas
externos durante um evento
Serviços de Rede
(energia, água potável, reservatório,
comunicação, transporte)
Objetivo: Minimização de impacto,
Restabelecimento, Combate estrutural.
projetar sistemas de rede
planejamento e análise de fluxos
alternativos
análise de possíveis danos nos
sistemas e planejamento de medidas
emergenciais
planos de emergência gerais e
localizados nas áreas de risco
Poderes políticos e organização da socie
análise de possíveis danos nas áreas
dade
de risco e planejamento de medidas
(associações, prefeituras/secretarias)
emergenciais
Objetivo: Minimização, Restabelecimento, Combate estrutural.
Defesa social
(defesa civil, bombeiros, polícias)
escolha de locais para obras de
contenção emergenciais
seleção de espaços para abrigo de
vítimas
alocação de equipes e materiais de
trabalho de campo
evacuação de habitantes
planos de emergência
planos de emergência localizados
Atendimento social
(hospitais, postos de saúde, abrigos)
Decisor individual
(habitante de área inundada, gerente de
estabelecimento comercial ou industrial)
prever/detectar possibilidade de
inundações
prever local, magnitude e hora de
início do evento
determinar os recebedores e emitir
relatórios de aviso
(fornecer possíveis cursos de ação
para otimizar tempo disponível)
avaliação de necessidades emergenciais imediatas
avaliação e mobilização de recursos
disponíveis
determinação e escolha de fluxos
determinar atributos técnicos de
adaptação dos sistemas
alocação de equipes e materiais de
trabalho de campo
planos de emergência localizados
atividades passíveis de ser assistidas por SADE
alocação de equipes e materiais de
trabalho de campo
evacuação
alocação de equipes e materiais de
trabalho
disponibilização de espaços para
abrigo de vítimas
evacuação
201
REFERÊNCIAS BIBLIOGRÁFICAS
ANDERSON, A. H.
The development of a 4-dimensional gis/cadd-based decision support
system for managing environmental remediation projetcs. Watermodeling Resources.
[http://www.watermodeling.org/html/4d_gis_cadd.html], 1998.
ANDERSON, M.; PETERS, N.; WALLING, D.
Special issue: remote sensing. Hydrological
Processes, v.11, 1997.
Model management systems: design for
decision support. Decision Support Systems, v.2, p.81-91, 1986.
APPLEGATE, L.; KONSYNSKI, B.; NUNAMAKER, J.
ARMSTRONG, M.; DENSHAM, P.; RUSHTON, G. Architecture for a microcomputer based
spatial decision support system. In: INTERNATIONAL SYMPOSIUM ON SPATIAL DATA
HANDLING, 2., Seatle, Washington, 1986. Proceedings. International Geographical
Union, 1986. p.120-131.
Stormwater management and modeling integrating SWMM and GIS. URISA, p.310-314, 1994.
[http://www.odyssey.maine.edu/gisweb/spatdb/urisa/ur94027.html]
BARBER, J. L.; LAGE, K. L.; CAROLAN, P. T.
Integrating remote sensing observations of
flood hydrology and hydraulic modelling. Hydrological Processes, v.11, p.1777-95,
1997.
BATES, P.; HORRIT, M.; SMITH, C.; MASON, D.
Caracterização da atividade de análise no desenvolvimento de software orientado a objetos. São Paulo, 1995. Dissertação (Mestrado) - Escola Politécnica, Universidade de São Paulo.
BAYAS, M. R. C.
A framework for the integration of geographical information systems and
modelbase management. International Journal of Geographical Information Sciences, v.11, p.337-57, 1997.
BENNETT, D.
Topmodel. In: Singh, V. P.
ed. Computer Models of Watershed Hydrology, 1995. p.627-67.
BEVEN, K.; LAMB, R.; QUINN, P.; ROMANOWICKZ, R.; FREER, J.
Integrating environmental models and gis in the framework of gis interoperability. 1997.
[http://www.ncgia.ucsb.edu/conf/interop97/program/papers/bian.html]
BIAN, L.
An entity-relationship approach to model management. Decision Support Systems, v.2, p.65-72, 1986.
BLANNING, R. W.
Sistemas para gerenciamento de modelos. In: Sprague Jr., R. H.; Watson, H. J., ed. Sistema de Apoio à Decisão: colocando a teoria em prática. Rio de Janeiro, Campus, 1991. p.187-203.
BLANNING, R. W.
Floodnet: a telenetwork for acquisition, processing and dissemination of earth
observation data for monitoring and emergency management of floods. Hydrological
Processes, v.11, p.1359-75, 1997.
BLYTH, K.
The evolving roles of models in
decision support systems. Decision Sciences, v.11, p.337-56, 1980.
BONCZEK, R. H.; HOLSAPPLE, C. W.; WHINSTON, A. B.
202
Developing geographic information systems for
land use impact assessment in flooding conditions. Journal of Water Resources
Planning and Management, v.124, p.89-98, 1998.
BOYLE, S.; TSANIS, I.; KANAROGLOU, P.
Understanding and validating results in model-based decision
support systems. Decision Support Systems, v.2, p.49-54, 1986.
BRENNAN, J. J.; ELAM, J. J.
Buntz, R. Integrating the hec ras hydraulic model with arcview gis. ArcUser, AprilJune, 15-17, 1998.
Principles of geographical information systems for land resources
assessment. Oxford, Clarendon Press, 1986.
BURROUGH, P.
National
threshold runoff estimation utilizing gis in support of operational flash flood warning
systems. Journal of Hydrology, v.224, p.21-44, 1999.
CARPENTER, T.; SPERFSLAGE, J.; GEORGAKAKOS, K.; SWEENEY, T.; FREAD, D.
CHORLEY, R.; KENNEDY, B. Physical
geography: a systems approach. London, Prentice-
Hall, 1971.
The drainage basin in environmental management. In:
Geomorphology in environmental management: an introduction. Oxford, Claredon
Press, 1978.
COOKE, R. U.; DOORNKAMP, J. C.
CTH.
Fundação Centro Tecnológico de Hidráulica e Recursos Hídricos. Sistema de alerta
a inundações da cidade de são paulo, http://www.cth.usp.br/rmsp.htm, 1999.
Use of ers-1 data for the extraction of flooded areas. Hydrological Processes, v.11, p.1393-96, 1997.
DELMEIRE, S.
Spatial decision support systems. In: Maguire, D. J.; Goodchild M. F.;
Rhind D. W., ed. Geographical Information Systems: principles and applications.
New York, Longman, 1991. v.1, p. 403-412.
DENSHAM, P.
Review of gis applications in hydrologic modeling.
Journal of Water Resources Planning and Management, v.119, p.246-60, 1993.
DEVANTIER, B. A.; FELDMAN, A. D.
Data as models: an approach to implementing model management. Decision
Support Systems, v.2, p.73-80, 1986.
DOLK, D. R.
DRAGOSITS, U.; PLACE, C. J.; SMITH R. I. The
potential of gis and coupled gis/conventional
systems to model acid deposition of sulfur dioxide. (em CD-ROM) In:
INTERNATIONAL
CONFERENCE/WORKSHOP
ON
INTEGRATING
ENVIRONMENTAL MODELING, 3., Santa Fe, 1996. Proceedings.
GIS
AND
[http://www.sbg.ac.at/geo/idrisi/GIS_Environmental_Modeling/sf_papers/drago
sits_ulli/my_paper.html]
Metamodeling: theory and practical implications. In: Wojtkowski W.;
Wojtkowski, W. G.; Wrycza, S.; Zupancic, J., ed. Systems development methods
for databases, enterprise, modelling, and workflow management. New York,
Kluwer Academic/Plenum, 2000.
DRBOHLAV, M.
DSS. GLOSSARY OF TERMS,
1998. [http://dss.cba.uni.edu/glossary/dssglossary.html]
DSS theory: a model of constructs and relationships. Decision Support Systems, v.14, p.1-26, 1995.
EIERMAN, M. A.; NIEDERMAN, F; ADAMS, C.
203
Gis and environmental modeling. In: Goodchild, M. F.; Parks, B. O.;
Steyaert, L. T., ed. Environmental modeling with GIS. New York, Oxford, 1993.
p.35-50.
FEDRA, K.
On distinction among cartography, remote sensing and geographic information systems. Photogrammetric Engineering and Remote Sensing,
v.55, p.1431-34, 1989.
FISHER, P.; LINDENBERG, R.
Uma abordagem para o gerenciamento ambiental da bacia hidrográfica
do rio itajaí, com ênfase no problema das enchentes. Florianópllis, 1995. Tese
(Doutorado) - Departamento de Engenharia Civil, Universidade Federal de Santa Catarina.
FRANK, B.
FURTADO, A. L.; SANTOS, C. S.
Organização de banco de dados. 6. ed. Rio de Janeiro,
Campus, 1986.
Georedes: sistema de apoio à decisão espacial para modelos em redes georeferenciadas. (em CD-ROOM) In:
GISBRASIL'99, Salvador, 1999. Anais. FatorGis, 1999.
GALVÃO, R.; BARROS NETO, J.; PESSE, R.; GLAZAR, J.
Is user satisfaction a valid measure of system effectiveness?. Information and Management, v.3, p.119-31, 1994.
GATIAN, A. W.
An introduction to structured modeling. Management Science, v.33,
p.547-88, 1987.
GEOFRION, A. M.
Geographical information science. International Journal of Geographical Information Systems, v.6, p.31-45, 1992.
GOODCHILD, M. F.
Interoperating gis. 1997.
[http://www.ncgia.ucsb.edu/conf/interop97/report.html]
GOODCHILD,
M.
F.;
ENGENHOFER,
M.;
FEGEAS,
R.
Integrating gis and spatial data analysis: problems and possibilities. International Journal of Geographical Information Systems, v.6, p.407-23, 1992.
GOODCHILD, M. F.; HAINING, R; WISE, S.
The emergence of artificial intelligence as a
reference discipline for decision support systems research. Decision Sciences, v.23,
p.1263-76, 1992.
GOUL, M.; HENDERSON, J. C.; TONGE, F. M.
Geographic Resources Analysis Support System. 1999.
[http://www.baylor.edu/~grass/]
GUIDARA JR., P.; QUINTANILHA, J. A. Padrões e metadados para base de dados geográficos. In: SIMPÓSIO BRASILEIRO DE GEOPROCESSAMENTO, 4., São Paulo, 1997. Anais.
São Paulo, Instituto de Desenvolvimento de Eventos em Tecnologia de Informação IDETI. 1997. p.569-80.
GRASS
HANDCOCK, R. N..
Model objects - managing an environmental model from within the
gis. Part of M. Sc. at University of Toronto (1995).
[http://eratos.erin.utoronto.ca/grad/handcock/mosaic_files/esri/P366.HTM]
HENDRIKS, P. & VRIENS, D.
Collaborative exploration of spatial problems. In: Densham,
P. J.; Armstrong, M.; Kemp, K. Collaborative spatial decision-making. Research Initiative 17. Report For The Specialist Meeting. London, NCGIA, 1995.
[http://ncgia.ucsb.edu/research/il7/htmlpapers/hendriks/Hendriks.html]
204
Extraction topographic structure from digital elevation data
for geographic information system analysis. Photogrammetric Engineering and
Remote Sensing, v.54, p.1593-1600, 1988.
JENSON, S.; DOMINGUE, J.
KARIMI, H. A. Interoperable gis applications: tightly coupling environmental models with
GIS. INTERNATIONAL CONFERENCE AND WORKSHOP ON INTEROPERATING
GEOGRAPHIC INFORMATION SYSTEMS, Santa Barbara, 1997.
[http://bbq.ncgia.ucsb.edu/conf/interop97/program/papers/karimi.html]
Components of interoperable geographic information systems. 1998.
[http://bbq.ncgia.ucsb.edu/conf/interop97/appendix3.html]
KARIMI, H. A.
Using a GIS as a DSS generator. University College Dublin, Michael
Smurfit Graduate School of Business, Department of Management Information Systems. 1995. [http://www.ucd.ie/~misys/staff/pkeenan/gis_as_a_dss.html]
KEENAN, P.
KEMP, K.; VCKOVSKY, A. Towards
an ontology of fields. In: International Conference on
Geocomputation, 3., 1998, University of Bristol, UK.
[http://www.geog.port.ac.uk/geocomp/geo98/60/gc_60.htm]
Study of soil moisture spatial distribution in mountain catchment using gis.
In: EGIS'94, 1994, p.1042-1050.
[http://www.odyssey.maine.edu/gisweb/spatdb/egis/eg94118.html]
KOSTRA, Z.
A methodology for evaluation of flood forecastresponse systems, 1, analyses and concepts. Water Resources Research, v.19,
p.1423-29, 1983a.
KRZYSZTOFOWICZ, R.; DAVIS, D.
____. A methodology for evaluation of flood forecast-response systems, 2, theory. Water Resources Research, v.19, p.1431-40, 1983b.
____. A methodology for evaluation of flood forecast-response systems, 3, case studies.
Water Resources Research, v.19, p.1441-4, 1983c.
A theory of flood warning systems. Water Resources Research,
v.29, p.3981-94, 1993.
KRZYSZTOFOWICZ, R.
RMT - a modeling support system for model reuse. Decision
Support System, v.16, p.131-53, 1996.
KWON, O. B. & PARK, S. J.
A spatial decision aid: a multicriterion evaluation approach. Computers, Environment and Urban Systems, v.22, p.351-66,
1996.
LAARIBI, A.; CHEVALLIER, J.; MARTEL, J.
LAURINI, R.; THOMPSON, D.
Fundamentals of spatial information systems. London, Aca-
demic Press, 1992.
Telegeoprocessing. Computers, Environment and Urban Systems, v.23,
p.243-44, 1999.
LAURINI, R.
Agricultural non-point source pollution modeling
for watershed management studies. 1998a.
[httP://sunburn.uwaterloo.ca/~lfleonvi/artics/art27.html]
LEÓN, L. F.; LAM, D. C.; FARQUHAR, G.
Integration of a nonpoint
source pollution model with a decision support system. 1998b.
[httP://sunburn.uwaterloo.ca/~lfleonvi/artics/art25.html]
LEÓN, L. F.; LAM, D. C.; SWAYNE, D.; FARQUHAR, G.; SOULIS, R.
205
An object-oriented framework for model management. Decision Support Systems, v.15, p.133-39, 1995.
MA, J.
____. Type and inheritance theory for model management. Decision Support Systems,
v.19, p.53-60, 1997.
A multi-attribute spatial decision support system for solid waste
planning. Computers, Environment and Urban Systems, v.20, p.1-17, 1996.
MACDONALD, M. L.
On geocomputation. Computers, Environment and Urban Systems,
v.22, p.1-6, 1998.
MACMILLAN, W.
D. J. Gis
application development.
szeged.hu/arcinfo.htmls/ovmsproc95/p243.html]
MAGUIRE,
1995.
[http://globe.geo.u-
Gis from a disaster management perspective: an overview. Conference
on GIS and Applications of Remote Sensing to Disaster Management, Maryland,
1997.
[http://www.spatial.maine.edu/ucgis/testproc/maheshwari/disaster.html].
MAHESHWARI, S.
Gis and hydrologic modeling. In: Goodchild, M. F.; Parks, B. O.;
Steyaert, L. T., ed. Environmental Modeling with GIS. New York, Oxford, 1993.
p.146-67.
MAIDMENT, D.
Unit 127 - spatial decision support systems. 1999.
[http://ncgia.ncgia.ucsb.edu:80/education/curricula/giscc/units/u127/u127.html]
MALCZEWSKI, J.
MAMILLAPALLI, S.; SRINIVASAN, R.; ARNOLD, J. G.; ENGEL, B. A. Effect
ity
on
basin
scale
modeling.
(em
CD-ROM)
of spatial variabil-
In:
INTERNATIONAL
CONFERENCE/WORKSHOP ON INTEGRATING GIS AND ENVIRONMENTAL MODELING,
3., Santa Fe, 1996, [http://ncgia.ucsb.edu/conf/SANTA_FE_CD-ROM/sf_papers/
mamillapalli_sudhakar/my_paper.html].
Decision support for sitting problems. Decision Support Systems, v.23, p.273-84, 1998.
MANIEZZO, V.; MENDES, I.; PARUCCINI, M.
MATSON,
et al. Watershed scale hydrologic modeling in a gis environment. In:
GIS/LIS'95, 1995.
[http://www2.ncsu.edu/bae/people/faculty/matson/gislis95/w-shed_mod.html]
Implementation of a spatial decision support
system for rural land use planning: integrating geographic information system and
environmental models with search and optimization algorithms. Computers and
Electronics in Agriculture, v.23, p.9-26, 1999.
MATTHEWS, K. B.; SIBBALD, A. R.; CRAW, S.
Integrated planning decision support system
(IPDSS). Integrated Decision Support Group. Colorado State University. 1995.
[http://www.engr.colostate.edu/~mario/ipds.html]
MEJIA-NAVARRO, M.; GARCIA, L. A.
Design and planning of engineering systems. 2 ed. Englewood Cliffs, NJ, Prentice-Hall, 1985.
MEREDITH, D.; WONG, K.; WOODHEAD, R.; WORTMAN, R.
General system theory: mathematical foundations.
New York, Academic Press, 1975.
MESAROVIC, M. D.; TAKAHARA, Y.
Flood forecasting based on radar rainfall measurements.
Journal of Water Resources Planning and Management, v.122, p.151-56, 1996.
MIMIKOU, M.; BALTAS, E.
206
Sistema de suporte à decisão: previsão de chuva e alerta a inundações
com radar meteorológico. São Paulo, 1998. Tese. (Doutorado) - Escola Politécnica,
Universidade de São Paulo.
NAKAYAMA, P.
A taxonomy of strategies for developing spatial decision support systems. In: Wojtkowski, W.; Wojtkowski, W. G.; Wrycza, S.; Zupancic, J., ed.
Systems development methods for databases, enterprise, modelling, and workflow management. New York, Kluwer Academic/Plenum, 2000.
NETO, S.; RODRIGUES, M.
Análises morfométricas em bacias hidrográficas integradas a um sistema de informações geográficas. Curitiba, 1994. Dissertação (Mestrado) - Departamento de Geociências, Universidade Federal do Paraná.
NETO, S. L. R.
Bancos de dados nos sistemas de informações
geográficas. Curitiba, Editora da UFPR, 1994.
NETO, S. L. R.; DALMOLIN, Q.; ROBBI, C.
ORBCOMM.
1999. [http://www.orbcomm.com]
An empirical investigation into decision support systems capabilities: a proposed taxonomy. Information and Management, v.27, p.45-57,
1994.
PEARSON, J. M.; SHIM, J. P.
A conceptual framework and comparison of spatial data models. In: Peuquet, D. J.; Mable, D. F., ed. Introductory readings in geographic information systems. Bristol, PA, Taylor e Frances, 1990.
PEUQUET, D. J.
Discrete event simulation: a practical approach. Boca Raton,
Florida, CRC Press, 1993. (Computer Engineering Series)
POOCH, U. W.; WALL, J. A.
Sistemas de suporte a decisões aplicados a problemas
de recursos hídricos. In: Porto, R. L. L., org. Técnicas quantitativas para o gerenciamento de recursos hídricos. Porto Alegre, UFRGS-ABRH, 1997. p.43-95.
PORTO, R. L. L.; AZEVEDO, L. G. T.
PORTO, R. L. L. Alguns
aspectos da simulação matemática em hidrologia: exemplos de
aplicação. São Paulo, DAEE/DP, 1973. (Boletim Técnico)
Model visualization: graphical support for dss problem structuring and
knowledge organization. Decision Support Systems, v.6, p.13-27, 1990.
PRACHT, W. E.
PRESSMAN, R. S.
Engenharia de Software. São Paulo, Makron Books, 1995.
Object-oriented simulation and evaluation of river basin operations. Journal of Geographic Information and Decision Analysis, v.1, p.9-24, 1997.
[http://www.geog.uwo.ca/gimda/journal/vol1.1/R&C/REITSM~1.HTM]
REITSMA, R.; CARRON, J.
RIGHETTO, A. M.
Hidrologia e recursos hídricos. São Carlos, EESC/USP, 1998 (Projeto
REENGE)
Model and data integration and re-use in environmental
decision support systems. Decision Support Systems, v.24, p.127-44, 1998.
RIZZOLI, A.; DAVIS, J.; ABEL, D.
Defining spatial agents. 1997.
[http://helios.cnig.pt/~armanda/html/Livro.html]
RODRIGUES A.; RAPER J.
RUMBAUGH, J.; BLAHA, M.; PREMERLANI, W.; EDDY, F.; LORENSEN, W.
Modelagem de
projetos baseados em objetos. Rio de Janeiro, Campus, 1994.
SAGE, A.
Decision support systems engineering. New York, Willey & Sons, 1991.
207
Secretaria de Estado do Desenvolvimento Urbano e Meio Ambiente. Bacias
hidrográficas de santa catarina: diagnóstico geral. (em CD-ROM). Florianópolis,
1997.
SDM.
Woodss - a spatial decision support
system based on workflows. Decision Support Systems, v.27, p.105-23, 1999.
SEFFINO, L. A.; MEDEIROS, C. B.; ROCHA, J. V.; YI, B.
SIMON, H. A.
The new science of management decision. New York, Harper and Row,
1960.
____. Prediction and prescription in systems modeling. Operations Research, v.38,
p.7-14, 1990.
A neural network approach to forecasting model
selection. Information & Management, v.29, p.297-303, 1995.
SOHL, J. E.; VENKATACHALAM, A. R.
Gis interoperability. 1999.
[http://www.env.gov.bc.ca/gdbc/fmebc/comment7.htm]
SONDHEIM, M.; GARDELS, K.; BUEHLER, K.
Sistema de Apoio à Decisão: colocando a teoria em
prática. Rio de Janeiro, Campus, 1991.
SPRAGUE JR., R. H.; WATSON, H. J.
Estrutura para o desenvolvimento de sistemas de apoio à decisão. In:
Sprague Jr., R. H.; Watson, H. J., ed. Sistema de apoio à decisão: colocando a teoria
em prática. Rio de Janeiro, Campus, 1991. p.9-42.
SPRAGUE JR., R. H.
SPRING.
1999. [http://www.dpi.inpe.br/spring]
STAR, J.; ESTES, J.
Geographic information systems: an introduction. New Jersey, Prentice
Hall, 1990.
Integrating gis with hydrological modeling: practices, problems,
and prospects. Computers, Environment and Urban Systems, v.23, p.33-51, 1999.
SUI, D. & MAGGIO, R.
A framework for model integration in spatial decision support systems. International Journal of Geographical Information Sciences, v.13, p.533-55, 1999.
TAYLOR, K.; WALKER, G.; ABEL, D.
A complete gis-based stormwater modeling solution. 1995.
[http://spheroid.otago.ac.nz:808/esriproc/proc95/to050/p038.html]
THOMAS, G.
A new approach to multi-criteria decision making in water
resources. International Journal of Geographic Information and Decision Analysis,
v.1, p.25-43, 1997.
[http://www.geog.uwo.ca/gimda/journal/vol1.1/T&S/TKACH-~1.HTM]
TKACH, R.; SIMONOVIC, S.
The role of rainfall measurements and forecasts in real-time flood forecasting
and management. 1999. [http://unesco.org.uy/phi/libros/radar/art13.html]
TODINI, E.
Decision support systems and expert systems. 4 ed. Englewood Cliffs,
NJ, Prentice-Hall, 1995.
TURBAN, E.
USDA.
Global Environmental Change Data Assessment and Integration Project. CIESIN.
Research report on advances in spatial decision support system technology and application. 1997.
[http://www.ciesin.colostate.edu/USDA/Task%203%20Web/97T31.html]
208
USDA.
Global Environmental Change Data Assessment and Integration Project. Research
report on advances in spatial decision support system technology and application.
1998. [http://www.ciesin.colostate.edu/USDA/98T31.htm]
VAN DER MEULEN, G. Geographical information and decision support system. Computers, Environment and Urban Systems, v.16, p.187-93, 1992.
Modeling of complex systems: an introduction. New York, Academic
Press, 1978.
VEMURI, V.
WALLINFORD LTD, HR
ISIS Flow: user manual. Oxfordshire, U.K, 1999.
Toward spatial decision support systems in water resources. Journal of Water Resources Planning and Management, v.119, p.158-69, 1993.
WALSH, M.
Ontology as a foundation for meta-modeling and method engineering. Information and Software Technology, v.38, p.281-87, 1996.
WAND, Y.
WATKINS, D. W.; MCKINNEY, D. C. Recent
developments associated with decision support
systems in water resources. U. S. National Contributions in Hydrology 1991-1994,
Reviews of Geophysics, Supplement, p.941-948, 1995.
[http://earth.agu.org./revgeophys/watkin00/watkinoo.html]
Use of geographic information systems in ground-water flow modeling. Journal of Water Resources Planning
and Management, v.122, p.88-96, 1996.
WATKINS, D. W.; MCKINNEY, D. C.; MAIDMENT, D. R.; LIN, M.
Progress in building linkages between gis and
methods and techniques of scientific inquiry. Computers, Environment and Urban
Systems, v.18, p.67-80, 1994.
WELLAR, B.; CAMERON, N.; SAWADA, M.
WSH.
Automated local flood warning systems handbook, n.2. Weather Service Hydrology. 1997 [http://www.alertsystems.org]
YONG, C. S.
Banco de dados: organização, sistemas e administração. São Paulo, Atlas,
1983.
Wireless field data collection and eo-gis-gps
integration. Computers, Environment and Urban Systems, v.23, p.305-13, 1999.
ZINGLER, M.; FISHER, P.; LICHTENEGGER, J.