Lista de Operadores sobre PCD  


Análises baseadas em PCD utilizam os valores dos atributos (atuais e históricos) para tomada de decisões através de um conjunto de operadores próprios para este tipo de análise. Porém, as PCD´s podem ser utilizadas como um mapa de pontos estáticos que são cruzados com outros dados dinâmicos da mesma forma que uma análise baseada em objetos monitorados. Neste caso, a sobreposição das PCD´s com os dados dinâmicos é realizadas com uso dos operadores geográficos apresentados no item "Operadores sobre Objetos Monitorados". Todos os operadores foram criados exclusivamente para uso na plataforma, juntamente com os recursos que a linguagem de programação python proporciona.

O resultado desses operadores são armazenados em variáveis locais do python, que são armazenadas em uma nova tabela de atributos que estará associada a tabela de localização das PCD´s. Nessa nova tabela são armazenados ainda a data/hora toda vez que é realizada a análise.

A seguir apresentamos um exemplo típico da utilização de análise baseada em PCD . Assim, no exemplo abaixo considere o seguinte cenário:

  1. A série de dados dinâmicos do tipo PCD recebe as medidas de precipitação com frequência de 1 hora que serão utilizadas para calcular o valor acumulado no período de 24 horas.
  2. Os dados dinâmicos matriciais com valores de precipitação estimada por satélite serão adquiridos com frequência de 30 minutos, porém os valores destes estão em mm/h (dados “hidro”).
  3. O valor acumulado em 24 horas de precipitação por satélite será calculado para uma área de influência de 3 km em torno de cada PCD.
  4. Ambos valores de precipitação acumulada em 24 horas, medido pela PCD e calculado a partir das imagens de satélite, serão armazenado como resultado para posterior uso.


Figura 3.31 – Exemplo de análise com PCD.

Para uma melhor compreensão do programa de análise do exemplo, vamos analisar as partes no programa da figura.

# Cálculo chuva acum. em 24h de PCD

var1 = dcp.history.sum(“pluvio”, “24h”)

Essa linha define uma nova variável denominada de “var1” que será inicializada com o valor do operador “soma” aplicado à cada uma das PCD´s. Observe que “pluvio” é o nome do atributo que contém as informações de chuva horária e deve estar cadastrado em cada PCD.

# Cálculo chuva acum. em 24h satelite

bf1 =  Buffer(BufferType.Out, 3, “km”)

var2 = grid.zonal.history.sum(“hidro”, “24h”, 0, bf1)

Essas duas linhas definem o tipo de buffer a ser aplicado a cada PCD. A variável “bf1” define um buffer de 3 km externo a geometria em questão, no caso em torno dos pontos de cada PCD. A variável “var2” utiliza a área do buffer de cada PCD para sobrepor a um conjunto de dados matriciais dinâmicos de nome “hidro” num período de 24 horas passadas a partir da hora atual.

# Adiciona valor a tabela

add_value(“pcd_24h”, var1)

add_value(“sat_24h”, var2)

Nas duas linha acima são definidos os nomes dos atributos que serão utilizados para armazenar os resultados das variáveis “var1” e “var2” nos atributos “pcd_24h” e “sat_24h” respectivamente. O nome da tabela que deverá receber os dois atributos é um dos parâmetros definidos para este tipo de análise.

Outro ponto importante a ser observado no exemplo, é a presença de comentários que não tem qualquer significado na execução do programa, apenas para fins de documentação. Use o sinal  #  para adicionar uma linha de comentário.

Ainda na Figura 3.31 mostra a tabelas envolvidas nesse tipo de análise. A tabela “tab_obj” mantém a localização de cada PCD da série de dados dinâmico definida. As tabelas “pcd_1”, “pcd_2” entre outras armazenam em cada uma os dados coletados de cada PCD. A tabela “tab_an_pcds” é criada pela análise e armazena os resultados de todas as PCDs.


Para uma maior compreensão da sintaxe da linguagem ou uso de opções avançadas, recomenda-se a leitura da documentação disponível em  https://www.python.org/ .