Nas últimas duas décadas, o uso de feições lineares tem sido frequentemente investigado no controle de qualidade cartográfica, sendo que diversos métodos foram propostos para tal finalidade. Neste sentido, o presente trabalho tem como objetivo descrever os métodos da Banda Épsilon (Método das Áreas), do Buffer Simples, do Buffer Duplo, da Distância de Hausdorff e da Influência do Vértice na avaliação da acurácia planimétrica através de feições lineares, utilizando como padrão o Decreto-lei nº 89.817 aliada à ET-ADGV, e ao final, compará-los com o método tradicional por pontos. Para tanto, foi avaliada a acurácia posicional planimétrica de uma ortoimagem Ikonos, onde os resultados obtidos mostraram que os métodos da Banda Épsilon, Distância de Hausdorff e Influência do Vértice apresentaram resultados similares, obtendo-se classificação Classe B na escala 1:10.000. Já os métodos Buffer Simples e Buffer Duplo apresentaram resultados semelhantes ao método tradicional por pontos, que por sua vez, foram mais restritivos que os métodos anteriormente citados, classificando a ortoimagem como Classe C na escala 1:10.000.

Currently, during the operation in shallow waters, scanning systems, such as multibeam systems, are capable of collecting thousands of points in a short time, promoting a greater coverage of the submerged bottom, with consequent increase in the detection capacity of objects. Although there has been an improvement in the accuracy of the depths collected, traditional processing, that is, manual, is still required. However, mainly due to the increased mass of data collected, manual processing has become extremely time-consuming and subjective, especially in the detection and elimination of spikes. Several algorithms are used to perform this task, but most of them are based on statistical assumptions hardly met and/or verified, such as spatial independence and normality. In this sense, the goal of this study is to present the SODA (Spatial Outlier Detection Algorithm) methodology, a new method for detection of spikes designed to treat bathymetric data collected through swath bathymetry systems. From computational simulation, promising results were obtained. SODA, in some cases, was capable to identify even 90% of spikes inserted on simulation, showing that the methodology is efficient and substantial to the bathymetric data treatment.

Resumo:Atualmente, tem-se aumentado a preocupação com a avaliação da acurácia posicional em dados espaciais, principalmente em dados com informações altimétricas. Contudo, vários trabalhos avaliam apenas a componente altimétrica, desconsiderando a acurácia posicional planimétrica. Assim, este trabalho tem como objetivo avaliar a acurácia posicional planimétrica dos principais MDSs disponíveis gratuitamente para o Brasil, como os modelos SRTM (banda C e X), Aster GDEM versão 2 e TOPODATA. Para a avaliação da acurácia posicional planimétrica dos MDSs, fez-se a extração de feições características do terreno como linhas de cumeadas e linhas de hidrografia numérica. Em seguida, de posse destas feições lineares, aplicou-se o método do Buffer Duplo para avaliar a acurácia posicional planimétrica de acordo com o padrão definido no Decreto-lei n° 89.817/ET-ADGV. Para a comparação destes modelos, utilizou-se como referência um MDS, na escala de 1:25.000, obtido do sensor ALOS/PRISM. Os resultados da avaliação posicional planimétrica apresentaram Classe C na escala 1:100.000 para os MDS SRTM-X e Aster GDEM; para os MDS TOPODATA e SRTM-C, as classificações obtidas foram Classe B e Classe C na escala de 1:250.000, respectivamente. Palavras-chave:Modelo Digital de Superfície, Acurácia Posicional, Feições Lineares. Abstract:Currently, the concern over positional accuracy assessment in spatial data has grown, primarily in data with altimetric data information. However, several studies only assess the altimetric component, disregarding the planimetric positional accuracy. Thus, this work aims to evaluate the planimetric positional accuracy of the main MDSs available for free in Brazil, such as SRTM (band C and X), Aster GDEM version 2 and TOPODATA models. To evaluate the planimetric positional accuracy ridge lines and numerical hydrography lines were extracted as terrain

No abstract

Abstract:Almost every researcher has come through observations that "drift" from the rest of the sample, suggesting some inconsistency. The aim of this paper is to propose a new inconsistent data detection method for continuous geospatial data based in Geostatistics, independently from the generative cause (measuring and execution errors and inherent variability data). The choice of Geostatistics is based in its ideal characteristics, as avoiding systematic errors, for example. The importance of a new inconsistent detection method proposal is in the fact that some existing methods used in geospatial data consider theoretical assumptions hardly attended. Equally, the choice of the data set is related to the importance of the LiDAR technology (Light Detection and Ranging) in the production of Digital Elevation Models (DEM). Thus, with the new methodology it was possible to detect and map discrepant data. Comparing it to a much utilized detections method, BoxPlot, the importance and functionality of the new method was verified, since the BoxPlot did not detect any data classified as discrepant. The proposed method pointed that, in average, 1,2% of the data of possible regionalized inferior outliers and, in average, 1,4% of possible regionalized superior outliers, in relation to the set of data used in the study. Keywords: Outliers, geoprocessing, LiDAR technology. Resumo:Provavelmente todo pesquisador já se deparou com observações que se "afastam" das demais, sugerindo a existência de inconsistências. O objetivo desse trabalho é propor um novo método de detecção de dados inconsistentes para dados geoespaciais contínuos baseando-se na Geoestatística, independentemente da causa geradora (erros de medição, execução e variabilidade inerente aos dados). A escolha pela Geoestatística está baseada em suas características ideais, como evitar erros