Mostrando postagens com marcador coordenadas geográficas. Mostrar todas as postagens
Mostrando postagens com marcador coordenadas geográficas. Mostrar todas as postagens

31 de out. de 2013

Ferramentas para converter e gerenciar coordenadas geográficas

Coordenadas geográficas do local de coleta de espécimes depositados em coleções biológicas são essenciais para entender a distribuição geográfica das espécies e subsidiar a conservação da biodiversidade. Visando auxiliar o georreferenciamento dos espécimes, disponibilizamos 5 ferramentas online que podem ser utilizadas abertamente por qualquer usuário.


Coleções biológicas do mundo todo estão disponibilizando cada vez mais seus acervos online, favorecendo a realização de estudos com diversos fins, sejam acadêmicos ou voltados à conservação da biodiversidade ou ao manejo de recursos naturais. Entretanto, atualmente a maior parte dos espécimes não possui informações sobre as coordenadas geográficas do local onde foram coletados ou têm somente descrições textuais sobre esse local, limitando a compreensão sobre a distribuição das espécies. Visando facilitar e ampliar a capacidade de georreferenciar os espécimes, o CRIA desenvolveu algumas ferramentas online para auxiliar os pesquisadores e curadores das coleções a gerenciar os registros incorporados à rede speciesLink. Ao todo existem 5 ferramentas complementares que podem ser utilizadas abertamente por qualquer usuário.


1. geoLoc :: Fornece coordenadas geográficas para um determinado município ou localidade. A busca pode ser feita pelo nome completo ou parcial da localidade ou município, sendo que a informação do estado é opcional.

http://splink.cria.org.br/geoloc?criaLANG=pt
Interface do geoLoc (http://splink.cria.org.br/geoloc).

Na lateral direita, o usuário pode escolher utilizar cada um dos 3 bancos de dados: IBGE, GEONet, speciesLink ou todos (all), que somam aproximadamente 550.000 registros de localidades brasileiras.

O formato de saída também pode ser escolhido: HTML ou MS-Excel.

O usuário pode buscar as localidades ou municípios individualmente ou em lote, importando uma planilha excel (veja o modelo).

Clicando na opção “ver mapa”, um mapa do Brasil é exibido mostrando os pontos onde as localidades foram encontradas. O usuário pode destacar cada localidade no mapa clicando no nome apresentado na tabela auxiliar.

O geoLoc é capaz de calcular uma coordenada para uma determinada distância e direção se a opção do mapa estiver selecionada. Para isso basta informar a distância no campo "distância (km)", a direção (N, S, E, W, NE, NW, SE ou SW) e clicar sobre a localidade de origem (na tabela). No mapa será exibido o conjunto de coordenadas do ponto selecionado e do ponto calculado, informando o erro inerente ao cálculo da distância.

Veja mais informações sobre o geoLoc.


2. conversor :: Permite a conversão de diferentes tipos de representação de coordenadas geográficas e datums disponíveis no Brasil.

http://splink.cria.org.br/conversor
Interface do conversor (http://splink.cria.org.br/conversor).

Embora as coordenadas possam ser expressas em diferentes formatos, como o clássico 'Graus, Minutos e Segundos' ou UTM, recomenda-se que o formato de graus decimais seja utilizado preferencialmente.

O principal motivo é que o formato GRAUS DECIMAIS não apresenta símbolos, reduzindo assim a chance de incorrer em erros, e é o principal formato utilizado pelos softwares de georreferenciamento. Recomenda-se também utilizar o datum WGS84.

O conversor facilita muito a conversão desses formatos, tanto individualmente quanto em lotes. Para isso, basta colocar as coordenadas em cada uma das linhas do lado esquerdo, selecionar o formato de entrada e saída, o datum e converter.

Veja mais informações sobre o conversor.


3. infoXY :: Visa auxiliar as coleções biológicas na validação dos dados geográficos a partir de coordenadas geográficas.

http://splink.cria.org.br/infoxy
Interface do infoXY (http://splink.cria.org.br/infoxy).

Através da coordenada geográfica, retorna informações sobre o ponto, como o nome do país, estado ou região administrativa e o nome no município ou distrito. Se a coordenada cair no mar, a ferramenta calcula a distância até o país mais próximo.

Pode-se escolher o formato de saída (HTML ou MS-Excel) e ainda ver no mapa mundial a localização da coordenada.


4. speciesMapper :: Permite a visualização de coordenadas em um mapa.

http://splink.cria.org.br/mapper
Interface do speciesMapper (http://splink.cria.org.br/mapper).

Para utilizá-lo, basta inserir medidas de coordenadas geográficas em graus decimais para visualizar o(s) ponto(s) em um mapa.

É possível controlar o formato, tamanho e cor dos símbolos antes de fazer a projeção. As opções de mapas incluem o mundo, América Central e do Sul e Brasil.


5. spOutlier :: Detecta outliers (pontos fora do padrão esperado) para latitude, longitude e altitude.

http://splink.cria.org.br/outlier
Interface do spOutlier (http://splink.cria.org.br/outlier).

O spOutlier ferramenta usa técnicas modificadas por Chapman 1999 para detectar outliers para latitude, longitude e altitude. Permite também a identificação de pontos "na terra" e "no mar". Selecionando a opção "na terra", por exemplo, destaca os pontos que ocorrem no mar. Se nenhuma das opções for selecionada serão apenas indicados possíveis outliers.

Veja mais informações sobre o spOutlier.


Saiba mais!

22 de out. de 2013

Dados primários de biodiversidade e políticas públicas: o exemplo das espécies da flora brasileira com deficiência de dados

Artigo publicado na revista Biological Conservation avalia o conhecimento digital acessível para plantas brasileiras com base em dados disponíveis abertamente no Herbário Virtual da Flora e dos Fungos por meio da rede speciesLink.


Métodos para estimar riscos de perda de biodiversidade estão estreitamente ligados a métodos para a avaliação do status de conservação de espécies, o que depende principalmente de dados sobre distribuição geográfica e tamanho da população. No Brasil, a comunidade científica e o governo publicaram visões diferentes sobre quais e quantas espécies são “Deficientes em Dados”, ou seja, plantas sobre as quais não existem informações suficientes para que uma categoria formal de ameaça possa ser atribuída. A lista produzida pela Fundação Biodiversitas/IBAMA, feita seguindo os critérios da IUCN em colaboração com mais de 300 taxonomistas, contém 1.495 espécies consideradas ameaçadas de extinção (em diferentes categorias) e 2.513 espécies com deficiência de dados. Entretanto, a Lista Oficial de Espécies da Flora Brasileira Ameaçadas de Extinção, publicada pelo Ministério do Meio Ambiente (MMA) em 2008, é bastante diferente (Fig. 1A). Ela foi baseada na lista da Fundação Biodiversitas, mas abrangeu apenas as espécies listadas como ameaçadas pela Biodiversitas, dividindo-as em “Ameaçadas” [Anexo I - 472 espécies] e “Deficiente em Dados” [Anexo II – 1.079 espécies].

Figura 1. A. Comparação do número de espécies consideradas ameaçadas de acordo com as listas da Fundação Biodiversitas/IBAMA e do Ministério do Ambiente (MMA). A lista da Biodiversitas divide as espécies em 890 Vulneráveis, 319 Ameaçadas e 286 Criticamente Ameaçadas, enquanto o MMA divide praticamente o mesmo conjunto de espécies em 1079 Deficientes em Dados e 472 Ameaçadas. B. Parâmetros utilizados para filtrar os dados obtidos na rede speciesLink e o número resultante de registros após o uso dos filtros na primeira e na segunda etapa do processamento dos dados.  

"Durante o desenvolvimento do sistema Lacunas, o qual assinala espécies que estão nas listas de maneira comparativa, percebemos que existiam dados de ocorrência sobre muitas espécies listadas como Deficiente em Dados na lista do MMA", descreve Mariane de Sousa-Baena, pesquisadora associada ao CRIA. Essa foi a motivação pra que o artigo 'Knowledge Behind Conservation Status Decisions: Data Basis for 'Data Deficient' Brazilian plant species', publicado recentemente na revista Biological Conservation, fosse desenvolvido. O objetivo foi avaliar se dados sobre a distribuição eram realmente inexistentes ou insuficientes para caracterizar a distribuição das espécies de angiosperma classificadas como Deficiente em Dados (DD). Foram utilizadas diversas análises baseadas em dados de ocorrência associados a espécimes de herbário disponíveis na rede speciesLink. As análises iniciais foram feitas com cerca de 4 milhões de registros, e após o uso de diferentes filtros para obter apenas os dados com informações adequadas e confiáveis, foram utilizados 1,68 milhões de registros de angiospermas ocorrentes no Brasil (Fig. 1B). Para cada uma das 934 espécies de angiosperma do Anexo II verificou-se o número observado de sítios de ocorrência no Brasil a partir de grids de ½ grau (3.000 km2). Então estimou-se número de sítios de ocorrência esperados a partir dos sítios observados através do cálculo do índice C – Completeness ou Completude. Os valores de C variam entre 0 e 1 e valores altos indicam bom conhecimento da distribuição geográfica da espécie.

Figura 2. A. Gráfico ilustrando a completude do conhecimento da distribuição geográfica para todas as espécies listadas como Deficientes em Dados pelo MMA (2008). O retângulo verde marca as espécies consideradas como bem documentadas em termos de distribuição (com N>5 e C>0.8). B. Gráfico mostrando a porcentagem de modelos obtidos de acordo com sua qualidade.

Espécies que tinham o C maior que 0,8 e o número de registros distintos (N) maior que 5 foram consideradas bem documentadas em termos de distribuição. Das 934 espécies,152 (16,3%) atendem a estes critérios (Fig. 2A). Para o grupo das 690 espécies restantes, i.e. com N menor 5 ou C menor 0,8 (Fig. 2B) foi feita uma amostragem aleatória de 10% das espécies utilizando a função Rnd() do Microsoft Access. Em seguida, para cada espécie selecionada, foram produzidos modelos de nicho ecológico . Através de uma inspeção visual dos modelos, considerando a distribuição dos pontos de ocorrência e comparando-os com a distribuição potencial apontada pelo modelo, concluiu-se que para 33% destas espécies o modelo gerado é excelente e para 19% bom (Fig. 2B, exemplos na Fig. 3). Modelos foram considerados excelentes quando a distribuição potencial não divergia da área de fato ocupada pela espécie; quanto mais diferente a área ocupada da área prevista, pior o modelo.

Figura 3. Exemplos de modelos considerados bons ou ruins.

Assim, somando-se as 152 espécies bem documentadas, com as espécies para as quais o modelo de nicho ecológico foi considerado excelente, conclui-se que pelo menos 40% das espécies listadas como DD pelo MMA não parecem ser genuinamente deficientes em dados (Fig. 4). Além disso, existem dados que permitem a geração de bons modelos para outras 130 espécies, o que indica que existe conhecimento digital disponível para, ao todo, cerca de 55% das espécies DD (Fig. 4).

Figura 4. Diagrama sumarizando a situação do Conhecimento Digital Acessível (DAK) para angiospermas, e como chegou-se nas porcentagens de espécies ‘genuinamente deficientes em dados’ e das que tem ‘DAK’ disponível.

A Lista do MMA foi lançada em 2008, quando a rede speciesLink contava com 1,9 milhões de registros de plantas, sendo que atualmente a rede disponibiliza mais de 4 milhões de registros. Dado o dinamismo da disponibilidade de dados no INCT-Herbário Virtual, processos antes baseados em dados de publicações ou de formulários preenchidos no momento da avaliação do status de conservação poderiam vir a utilizar métodos que permitissem o monitoramento dinâmico do status de conhecimento de espécies. Isto exigiria um maior dinamismo nos processos de tomada de decisão para o planejamento de estratégias para a conservação da flora brasileira. Veja na Figura 5 um exemplo de espécie listada como Deficiente de Dados pelo MMA para a qual vários tipos de dados e informações estão disponíveis online.

Figura 5. Exemplo de espécie do Anexo II – Deficiente em Dados, que tem o C (índice de completude) do conhecimento distribucional alto e para a qual existe DAK disponível. Seus usos também são conhecidos; a Japecanga é explorada comercialmente e de suas raízes são produzidos chás medicinais e comprimidos.

Saiba mais!
  • Para ver o artigo na íntegra: 
Sousa-Baena MS, Garcia LC, Peterson AT. 2013. Knowledge Behind Conservation Status Decisions: Data Basis for 'Data Deficient' Brazilian Plant Species. Biological Conservation, In press.