MINISTÉRIO DA EDUCAÇÃO E DO DESPORTO
Universidade Federal de Ouro Preto – UFOP
Instituto de Ciências Exatas e Biológicas – ICEB
Programa de Pós-Graduação
Graduação em Ciência da Computação PPGCC/UFOP
João Tácio Corrêa da Silva
SIGHabitar - Uma abordagem baseada em Inteligência de
Negócios para o desenvolvimento de Sistemas de
Informação Territorial: O Cadastro Técnico Multifinalitário
do Município de Ouro Preto, MG
Ouro Preto
2012
João Tácio Corrêa da Silva
SIGHabitar - Uma abordagem baseada em Inteligência de
Negócios para o desenvolvimento de Sistemas de
Informação Territorial: O Cadastro Técnico Multifinalitário
do Município de Ouro Preto, MG
Dissertação apresentada ao Programa de
Pós-Graduação
em
Ciência da
Computação da Universidade Federal de
Ouro Preto como requisito para a
obtenção do título de mestre em Ciência
da Computação.
Orientador: Tiago Garcia de Senna Carneiro
Co-orientador: Joubert de Castro Lima
Ouro Preto
Instituto de Ciências Exatas e Biológicas da UFOP
2012
S586s
Silva, João Tácio Corrêa da.
SIGHabitar – Uma abordagem baseada em inteligência de negócios para o
desenvolvimento de sistemas de informação territorial [manuscrito] : o cadastro técnico
multifinalitário do município de Ouro Preto, MG / João Tácio Corrêa da Silva – 2012.
70 f.: il. color.; tabs.; mapas.
Orientador: Prof. Dr. Tiago Garcia de Senna Carneiro.
Co-orientador: Prof. Dr. Joubert de Castro Lima.
Dissertação (Mestrado) - Universidade Federal de Ouro Preto. Instituto de Ciências
Exatas e Biológicas. Departamento de Computação. Programa de Pós-graduação em
Ciência da Computação.
Área de concentração: Sistemas de computação
1. Sistemas de informação geográfica - Teses. 2. Cadastro técnico multifinalitário Teses. 3. Data Warehouse - Teses. 4. Banco de dados - Teses. 5. Processo decisório Processamento de dados - Teses. I. Universidade Federal de Ouro Preto. II. Título.
CDU: 004.65
Catalogação: [email protected]
Dedico este trabalho a todos aqueles que
contribuíram para que ele fosse consolidado.
Agradecimentos
À Universidade Federal de Ouro Preto (UFOP) por esta oportunidade.
Aos professores do PPGCC que contribuíram em minha formação..
À Prefeitura Municipal de Ouro Preto, patrocinadora do projeto SIGHabitar.
Ao laboratório TerraLAB, pelo acolhimento, suporte e infra-estrutura. Em especial à
equipe de colaboradores do projeto SIGHabitar, José Francisco, Erika, Augusto e
Luiz pelo empenho e dedicação.
Aos meus orientadores prof. Dr. Tiago Garcia de Senna Carneiro e prof. Dr. Joubert
de Castro Lima, pela orientação, confiança e paciência ao longo desse trabalho.
À minha namorada Luciene, pelo carinho, dedicação e companheirismo.
Aos meus pais e irmãs, fonte de inspiração e confiança.
A Deus, que concedeu-me força, persistência e condições para realizar esse
trabalho.
Resumo
As técnicas para o desenvolvimento de sistemas de informação para a gestão dos
territórios municipais têm evoluído rapidamente. A crescente demanda por análises
completas e atualizadas para apoiar a tomada de decisão e o planejamento
municipal levou à especialização do cadastro imobiliário, cujos fatos relacionam-se
com questões imobiliárias, jurídicas e fiscais, em um Cadastro Técnico Multifinalitário
(CTM). O CTM busca representar vários outros aspectos do município, como saúde,
segurança, educação e meio ambiente. Os Sistemas de Informação Territoriais (SIT)
passaram a incorporar métodos e tecnologias de Sistema de Informação Geográfica
(GIS) para representar a forma e localização geográficas dos fatos. O
armazenamento e análise de um grande volume de dados espaciais e temporais
levou a pesquisas por ferramentas que pudessem realizá-los com segurança e
eficiência. No entanto, são raras as experiências relatadas na literatura que
exploram o uso de técnicas de Inteligência de Negócios (Business Intelligence - BI)
para a construção de SITs. Apesar de há anos existirem tecnologias livres para
construir SITs, em todo o mundo, pouquíssimos municípios dispõe de um. Este fato
justifica-se pela falta de pessoas especializadas para construí-los e mantê-los, de
exemplos bem documentados para ser copiado e da garantia de retorno do
investimento no sistema. Diante deste cenário, este trabalho procura desenvolver,
avaliar e documentar uma abordagem que permita o desenvolvimento de um SIT
que seja flexível o suficiente para absorver mudanças no território e nas questões a
serem analisadas, sem que elas demandem grandes alterações nos esquemas dos
bancos de dados e nas ferramentas para integração e análise. Para isso, métodos e
ferramentas de BI foram emprega para implementar o CTM de um município de
médio porte como um armazém de dados espaço-temporal (Spatio-Temporal Data
Warehouse - STDW). Ferramentas ETL (Extract Transform and Load) foram
utilizadas para a integração dos dados e ferramentas OLAP (On Line Analytical
Processing) foram utilizadas para análise. Os resultados mostraram que, em dois
meses, 92,5% dos 3.037 imóveis registrados na área de estudo foram corretamente
georreferenciados e associados a informações de sistemas legados. Estima-se que
a maior parte dos investimentos no SIT seja recuperada após o primeiro ano de uso
para cobranças de taxas por serviços e de impostos imobiliários.
Sumário
1. INTRODUÇÃO ..............................................................................................................................................10
1.1. OBJETIVO GERAL ......................................................................................................................................13
1.2. OBJETIVOS ESPECÍFICOS ...........................................................................................................................13
1.3. JUSTIFICATIVA ..........................................................................................................................................14
2. FUNDAMENTAÇÃO TEÓRICA .......................................................................................................................15
2.1. CONCEITOS BÁSICOS ................................................................................................................................15
2.1.1. Cadastro Imobiliário ........................................................................................................................... 15
2.1.2. Cadastro Técnico Multifinalitário ....................................................................................................... 16
2.1.3. Sistemas de Informação Territorial .................................................................................................... 17
2.1.4. Modelo de dados transacionais e modelos multidimensionais.......................................................... 18
2.1.5. Inteligência de Negócio ...................................................................................................................... 21
2.1.6. Data Warehouse ................................................................................................................................ 21
2.1.7. Consultas OLAP .................................................................................................................................. 24
3. UMA ABORDAGEM PARA O DESENVOLVIMENTO E A MANUTENÇÃO DE SITS ............................................31
3.1. PRINCÍPIOS BÁSICOS DESTA ABORDAGEM ...............................................................................................31
3.2. METODOLOGIA DE DESENVOLVIMENTO EVOLUTIVA ...............................................................................32
3.3. ARQUITETURA DE SISTEMA DE INFORMAÇÃO TERRITORIAL ....................................................................33
3.4. MODELO DE DADOS .................................................................................................................................34
3.5. PROCESSO DE DESENVOLVIMENTO DO CTM ESPAÇO TEMPORAL ............................................................37
3.6 CADASTRO E INTEGRAÇÃO DE INFORMAÇÕES ..........................................................................................41
3.7. PROCESSOS E FERRAMENTAS PARA O DESENVOLVIMENTO E MANUTENÇÃO DO CTM ............................43
3.8. FERRAMENTAS PARA COLETA, ATUALIZAÇÃO E CONTROLE DE QUALIDADE DE DADOS ...........................44
3.9 ARMAZENAMENTO DE INFORMAÇÕES ESPAÇO-TEMPORAL .....................................................................48
3.10 CONSULTAS AGREGADAS ........................................................................................................................49
4. UM ESTUDO DE CASO – O MUNICÍPIO DE OURO PRETO, MG ......................................................................51
4.1. ÁREA DE ESTUDO .....................................................................................................................................51
4.2. O SISTEMA DE INFORMAÇÃO TERRITORIAL SIGHABITAR .........................................................................52
4.3. O CADASTRO TÉCNICO MULTIFINALITÁRIO DE OURO PRETO ...................................................................53
4.4. EXPERIMENTOS PARA AVALIAÇÃO DA ABORDAGEM PROPOSTA .............................................................53
5. CONCLUSÕES E TRABALHOS FUTUROS ........................................................................................................56
REFERÊNCIAS ..................................................................................................................................................59
ANEXO A – FORMULÁRIO BCI .........................................................................................................................64
ANEXO B – CARNE DE PAGAMENTO DE ITPU ..................................................................................................65
ANEXO C – MODELO CCDM PARTE 1 ...............................................................................................................66
ANEXO D – MODELO CCDM PARTE 2...............................................................................................................67
ANEXO E – MODELO DE DADOS CONCEITUAL PARA CTM ...............................................................................68
Lista de Figuras
FIGURA 1. FICHA DO ARQUIVO FÍSICO DO CADASTRO UTILIZADA EM 1982. FONTE: PMOP ..................................................16
FIGURA 2. CADASTRO TÉCNICO MULTIFINALITÁRIO .....................................................................................................17
FIGURA 3. EVOLUÇÃO DO CADASTRO IMOBILIÁRIO PARA O SIT ......................................................................................17
FIGURA 4. EVOLUÇÃO DE OBJETOS. FONTE: ADAPTADA DE [GÓMEZ, ET AL., 2011] ...........................................................22
FIGURA 5. ESQUEMA FLOCO DE NEVE E ESTRELA. FONTE: ADAPTADA DE [INMON, 1996] ....................................................23
FIGURA 6. ESTRATÉGIA BOTTOM-UP PARA CONSTRUÇÃO DE DW....................................................................................23
FIGURA 7. FLUXO DE ANÁLISE OLAP NO DW. ...........................................................................................................24
FIGURA 8. CICLO DE EVOLUÇÃO DO CADASTRO. ..........................................................................................................26
FIGURA 9. NÚCLEO DO CCDM. FONTE: VAN OOSTEROM ET AL. , 2006FIGURA ................................................................28
FIGURA 10. ARQUITETURA REGIONAL DO DW. FONTE: [SIMONOVA E KOMARKOVA, 2004]. ...............................................29
FIGURA 11. COMPARATIVO ENTRE TRABALHOS CORRELATOS. ........................................................................................30
FIGURA 12. ARQUITETURA DE SOFTWARE DE UM SIT ESTRUTURADO COMO UM BI.............................................................34
FIGURA 13. MODELO DE BANCO DE DADOS RELACIONAL DE UM CADASTRO IMOBILIÁRIO. ....................................................35
FIGURA 14. MODELO CONCEITUAL ORIENTADO POR OBJETOS DO CTM. ...........................................................................35
FIGURA 15. MODELOS ENTIDADE-RELACIONAMENTO DO CTM ORGANIZADO COMO UM STDW. ..........................................37
FIGURA 16. MODELO DE DADOS GEOGRÁFICOS (OMT-G) DO CTM ESPAÇO TEMPORAL ......................................................38
FIGURA 17. REGISTRO DE IMAGEM DE SENSOR REMOTO . .............................................................................................38
FIGURA 18. MODELO DIGITAL DE ELEVAÇÃO. .............................................................................................................39
FIGURA 19. IMAGEM DE WEIHEIM, ALEMANHA: A) ANTES DA CORREÇÃO E B) APÓS A CORREÇÃO RADIOMÉTRICA. FONTE: [ROSA E
FERNANDES, 2011] ....................................................................................................................................40
FIGURA 20. COMPARATIVO ENTRE GOOGLE EARTH, GPS E DGPS. FONTE: [ LIMA ET. AL, 2009] ..........................................41
FIGURA 21. ERROS CADASTRAIS ..............................................................................................................................42
FIGURA 22. CATÁLOGO DE ERROS DO ETL .................................................................................................................42
FIGURA 23. LAYER DE UNIDADES HABITACIONAIS. .......................................................................................................43
FIGURA 24. ESTRUTURA DE UM SCRIPT NO GEOKETTLE ................................................................................................44
FIGURA 25. INFORMAÇÕES COLETADAS EM CAMPO .....................................................................................................45
FIGURA 26. DISTORÇÃO ENTRE IMAGENS. .................................................................................................................45
FIGURA 27. MAPA RESULTANTE DO PLUGIN QUALITYCONTROL ......................................................................................46
FIGURA 28. PLUGIN ADDRESSLOCATOR ....................................................................................................................47
FIGURA 29. PLUGIN REPORTMAKER ........................................................................................................................48
FIGURA 30. ARMAZENAMENTO DE DADOS NO DW .....................................................................................................49
FIGURA 31. FLUXO DE ACESSO AOS DADOS ................................................................................................................50
FIGURA 32. EVOLUÇÃO DE 300% NO CADASTRO IMOBILIÁRIO NO BAIRRO LAGOA ..............................................................50
FIGURA 33. ÁREA DE ESTUDO NO MUNICÍPIO DE OURO PRETO, MINAS GERAIS, BRASIL. .....................................................51
FIGURA 34. CADASTROS INCORRETOS ......................................................................................................................54
FIGURA 35. EVOLUÇÃO DA DISTRIBUIÇÃO ESPACIAL DO VALOR DO IPTU NOS ANOS DE 2009, 2010 E 2011. ...........................55
Lista de Siglas e Abreviaturas
BI – Business Intelligence
BCI – Boletim de Cadastro Imobiliário
CCDM – Core Cadastral Domain Model
CTM – Cadastro Técnico Multifinalitário
DM – Data Mining
DW – Data Warehouse
ETL – Extract, Transform and Load
FCI – Ficha de Cadastro Imobiliário
IPTU – Imposto Predial Territorial Urbano
PMOP – Prefeitura Municipal de Ouro Preto
RUP – Rational Unified Process
SDW – Spatial Data Warehouse
SIG – Sistema de Informação Geográfica
SIT – Sistema de Informação Territorial
SOLAP – Spatial Online Analytical Processing
STDW – Spatial-Temporal Data Warehouse
TDW – Temporal Data Warehouse
1. Introdução
Tecnologias gratuitas para o desenvolvimento de sistemas de informação destinados
à administração territorial de municípios existem há vários anos [Câmara e Fonseca,
2008]. No entanto, um estudo realizado pela Fundação Getúlio Vargas em 2007
apontou que, no Brasil somente 95 (2,82%) dos 3.359 municípios avaliados puderam
ser considerados eficientes na gestão tributária. Em 2009 o Ministério das Cidades
criou a portaria 511, com diretrizes para criar, instituir e atualizar o Cadastro Técnico
Multifinalitário (CTM) nos municípios brasileiros. Esse cadastro, além de armazenar
o inventário do município, atende às necessidades sociais, ambientais, econômicas,
da administração pública e de segurança jurídica da sociedade. Porém, os
investimentos em tecnologia são bastante restritos na maioria dos municípios de
pequeno e médio porte [Pereira, 2002]. A ausência de uma metodologia padronizada
e reconhecida para a construção e manutenção de um Sistema de Informação
Territorial é uma limitação que desencoraja muitos municípios a investir recursos na
reforma do cadastro imobiliário, pelo fato de não terem garantia de sucesso. No
Brasil, essa situação é agravada porque o número de profissionais capacitados
nessa área é insuficiente para um país com dimensões continentais [Loch, 2007].
Sistemas de Informação Territorial (SIT), de um modo geral, são sistemas de
informação transacionais, baseados em Sistemas de Informação Geográfica (SIG),
que visam armazenar e consultar informações descritivas e espaciais do território,
para promover o crescimento ordenado de um município e a distribuição eficaz e
justa de seus recursos [Fourie e Nino-Fluck, 2000] [Wyatt e Ralphs, 2003] [Loch e
Erba, 2007]. Apesar do desenvolvimento de SITs ser um tema muito pesquisado nas
últimas décadas, são poucas as iniciativas relatadas na literatura que exploram os
métodos, técnicas e ferramentas de Inteligência de Negócios (Business Intelligence BI) neste nicho [Ting and Williamson 2000] [Abdel-Rahman et. al 2001] [Ahmed, et.
al 2004]. Os primeiros trabalhos buscaram responder a questões sobre os requisitos
e o projeto do modelo de dados relacional de um repositório unificado de dados
heterogêneos, com informações descritivas sobre diversos assuntos relacionados ao
território, o chamado Cadastro Técnico Multifinalitário (CTM) [Kaufmann e Steudler
1998] [Williamson 2000]. No entanto, esses trabalhos são indicados para uso em
sistemas transacionais e não suportam armazenar e explorar analiticamente dados
10
sobre a localização e as mudanças de objetos armazenados em fontes de dados
independentes [Bédard, 2001]. Para permitir análises completas e atualizadas
capazes de apoiar o processo de tomada de decisão, o CTM pode ser entendido e
modelado como um repositório de dados multidimensional constituído por
informações espaciais e temporais. Devido à complexidade do dinamismo urbano,
na qual mudanças são comuns, a atualização e evolução desse repositório são os
principais desafios.
Por outro lado, pesquisas em BI levaram ao desenvolvimento de métodos e
ferramentas para coletar, armazenar, integrar, explorar e servir um grande volume
de dados que ajudam os municípios, a tomarem decisões a partir de informações
completas e atualizadas [Turban e Aronson 1998] [Shmueli et al. 2007]. Sistemas de
BI apóiam decisões nos níveis tático (um técnico que monitora a disponibilidade de
recursos), operacional (um gerente rastreando resultados para planejar ações
futuras) e estratégico (um executivo analisando indicadores de desempenho) das
organizações. Armazéns de Dados Espaço-Temporais (Spatial Temporal Data
Warehouse – STDW) organizam hierarquicamente uma quantidade massiva de
dados referente à localização espacial e variações no tempo de objetos [Gómez et
al., 2011]. O uso de ferramentas de extração, transformação e carga (Extract,
Tranform and Load - ETL) permitem a eficiente atualização do STDW a partir de
fontes de dados heterogêneas e dispersas por diferentes sistemas de informação.
Mudanças nestas fontes ou no modelo de dados do próprio STDW podem ser
absorvidas por pequenas mudanças em fluxos ETL, conferindo flexibilidade ao
sistema. A utilização de ferramentas de mineração de dados (Data Mining – DM e
Online Analytical Processing - OLAP) resulta na eficaz personalização de relatórios
[Kimball e Caserta, 2004].
Diante deste cenário, este trabalho avalia o uso de métodos, técnicas e ferramentas
de BI como uma abordagem viável para a construção e manutenção eficiente de
CTMs no contexto de um Sistema de Informação Territorial (SIT). Para isso, o CTM
do município Ouro Preto, que pertence ao estado de Minas Gerais (MG), foi
construído na forma de um STDW e tecnologias de BI foram utilizadas na
construção de um SIT focado em aspectos geográficos, imobiliários e tributários. Ao
11
longo de dois anos, esse SIT foi maturado em ciclos de desenvolvimento
incrementais. A cada ciclo, versões melhoradas do STDW, dos fluxos ETL e dos
relatórios foram produzidas para atender necessidades de análise que evoluíram no
tempo. Atividades de levantamento de requisitos orientadas por objetos subsidiaram
o projeto do modelo de dados do STDW. Fluxos ETL foram desenvolvidos para
integrar dados de diversos bancos de dados geográficos com dados provenientes do
cadastro de imóveis do município. Coletas de dados em campo e ferramentas de
controle de qualidade de dados subsidiaram a contínua melhoria do STDW e dos
fluxos ETL. Foram desenvolvidas ferramentas integradas a Sistemas de Informação
Geográfica (SIG) para geração de relatórios na forma de mapas dinâmicos e
interativos. Além disso, a região do município que apresenta a maior dinâmica de
ocupação do solo foi escolhida para a condução de experimentos que permitissem
avaliar a capacidade da abordagem proposta em evoluir e manter atualizado o CTM
construído.
O uso de BI para o desenvolvimento de um SIT mostrou-se uma abordagem eficaz e
também uma solução eficiente para a contínua atualização e evolução de um CTM.
A integração do cadastro imobiliário pré-existente com o SIT resultou na
padronização das informações comuns entre os sistemas, como nomenclatura de
vias, bairros e informação complementar dos imóveis. Os experimentos de avaliação
mostraram que, em um período de seis meses, 92,5% dos 3.037 imóveis registrados
a área de estudo foram corretamente georreferenciados e associados a informações
oriundas de outros sistemas. Além disso, outros 1.195 novos imóveis foram
identificados em campo e cadastrados no SIT. Ao longo de todo o projeto, uma
equipe formada basicamente por quatro estudantes conseguiu manter o sistema em
funcionamento e atualizado, absorvendo com rapidez diversas mudanças sofridas
pelas fontes de dados, pelo modelo de dados do CTM e pelas necessidades de
análise demandadas pelos técnicos administrativos do município. Estima-se que
devido à ampliação da base imobiliária cadastrada e de uma tributação mais justa e
efetiva, cinquenta por cento do investimento no projeto seja recuperado no primeiro
ano em que ele for utilizado pela Secretaria da Fazenda, para cobranças de taxas e
impostos. As demais secretarias, como saúde, educação e meio ambiente, deverão
ser integradas com o avanço da implantação do CTM.
12
O restante deste texto está organizado como segue: O Capítulo 2 apresenta os
conceitos fundamentais e compara o trabalho realizado com trabalhos relevantes
encontrados na literatura. O Capítulo 3 apresenta a abordagem desenvolvida neste
trabalho, na qual um SIT é arquitetado na forma de uma plataforma BI. Ele também
descreve o modelo de dados do STDW e as ferramentas de atualização,
manutenção e análise desenvolvidas neste trabalho. No Capítulo 4, o estudo de
caso que permitiu avaliação desta abordagem é descrito. As principais lições
aprendidas no decorrer deste trabalho e propostas de trabalhos futuros são
discutidos no Capítulo 5.
1.1. Objetivo Geral
Este trabalho tem como objetivo desenvolver pesquisas acerca de uma abordagem
para a implementação de SITs em municípios de pequeno e médio porte. Esta
abordagem visa superar deficiências das abordagens tradicionais, inclui o
desenvolvimento e a manutenção de um CTM arquitetado na forma de um STDW.
Acredita-se que essa abordagem permitirá a tomada de decisão e o planejamento
territorial mais completo e mais acurado, levando a um melhor e maior conhecimento
do território e de seus fenômenos sociais, econômicos e ambientais.
1.2. Objetivos Específicos
Como objetivos específicos são pretendidos alcançar os seguintes:
•
Investigar o estado da arte das abordagens para desenvolvimento de SIT;
•
Investigar o estado da arte do CTM no Brasil e no mundo;
•
Comparar os resultados dos trabalhos mais relevantes;
•
Verificar as limitações dos métodos e ferramentas existentes, de maneira a
identificar melhorias para o desenvolvimento e manutenção de CTMs;
•
Desenvolver e documentar um conjunto de métodos e ferramentas que
apoiem o desenvolvimento e manutenção de SITs para municípios de
pequeno e médio porte sobre tecnologias livres;
13
•
Avaliar estas ferramentas e métodos em um estudo de caso real no qual o
SIT para um município de médio porte é desenvolvido .
1.3. Justificativa
O cadastro imobiliário é mundialmente utilizado há mais de um século. No decorrer
desse tempo, evoluções no método cadastral, inserção de novas funcionalidades,
aumento do número de usuários e avanço tecnológico, tornou-o em um CTM.
Comumente pesquisas nacionais e internacionais sobre CTM estruturam-no sobre
sistemas transacionais, tecnologia SIG e modelo de dados relacional. No entanto,
essa estrutura é relativamente limitada para ser utilizada como ferramenta de
suporte a tomada de decisão e planejamento urbano sobre um grande volume de
dados. Além disso, no Brasil não existe um conjunto consolidado e reconhecido de
métodos e tecnologias para implantar e manter o CTM. Essas limitações
desencorajam a maioria dos municípios brasileiros iniciarem projetos nesse nicho,
porque não há garantia de sucesso. Em 2007 uma pesquisa desenvolvida pela
Fundação Getúlio Vargas, apontou que dentre 3359 municípios brasileiros avaliados,
somente 2,87% foram considerados eficientes na gestão urbana de tributos.
14
2. Fundamentação Teórica
2.1. Conceitos Básicos
Essa seção descreve conceitos básicos abordados neste trabalho. Inicialmente eles
são relacionados ao cadastro de características urbanas que impactam na cobrança
de tributos e distribuição de recursos. Em seguida são descritas tecnologias e
ferramentas capazes de armazenar, explorar e integrar essas características a
diversas bases de dados independentes e heterogêneas, para garantir a tomada de
decisão mais precisa.
2.1.1. Cadastro Imobiliário
O cadastro do território brasileiro existe desde 1530 por meio do sistema sesmarial1.
Porém, a preocupação com o registro público de terras foi a partir de 1850, com a
criação da lei 601, também conhecida como lei das terras, que foi o marco inicial do
cadastro estruturado em parcelas. O Ministério das Cidades define que parcela é a
menor unidade cadastral do cadastro imobiliário. Ela é uma parte contígua da
superfície terrestre com regime jurídico único. É considerada parcela cadastral toda
e qualquer porção da superfície no município a ser cadastrada [Ministério das
Cidades, 2009]. O cadastro imobiliário é um inventário público com informações
estruturadas baseadas em levantamentos de campo, sobre características físicas,
legais e jurídicas das parcelas de um território, situadas em uma região (país,
estado, município, etc.), [Williamson, 1983] [Dale, 1989].
1
Sesmarial é um sistema para normalizar a distribuição do território criado pelo Instituto Jurídico Sesmaria
Português.
15
Figura 1. Ficha do arquivo físico do cadastro utilizada em 1982. Fonte: PMOP
A Figura 1 apresenta uma das fichas que compunha o arquivo físico da prefeitura de
Ouro Preto, utilizada para o cadastro de imóveis, denominada Ficha de Cadastro
Imobiliário (FCI). Ao longo dos anos, as fichas se tornaram obsoletas e originaram
um novo formulário nomeado Boletim de Cadastro Imobiliário (BCI). Ao BCI foram
adicionadas características para descrever com maior nível de detalhes informações
sobre o imóvel (estado de conservação, tipo de revestimento interno e externo e
vagas de garagem); serviços disponíveis (água, esgoto e coleta de lixo); pavimento
da via (calçamento, asfalto e terra) e geologia do terreno (rochoso, plano, inclinado).
Além dessas, inúmeras outras características constituem o BCI e são utilizadas para
calcular o valor dos tributos imobiliários, por meio de carnês enviados aos
contribuintes. Os formulários BCI e carnê de cobrança utilizados no município de
Ouro Preto, são ilustrados respectivamente nos anexos A e B.
2.1.2. Cadastro Técnico Multifinalitário
O Cadastro Técnico Multifinalitário (CTM) é um cadastro capaz de manter dados
alfanuméricos das parcelas e de diversos fatos que elas se relacionam. Além de
contemplar aspectos do tradicional cadastro imobiliário concernentes às parcelas, é
possível relacioná-las com informações de bancos de dados heterogêneas e até
mesmo desconectadas sobre uma diversidade de assuntos, como: fatores sociais
(trabalho, lazer, saúde, educação e segurança); econômicos (produção e
comercialização de bens e serviços) e urbanos (sistemas de abastecimento de água
e coleta de esgoto, transporte e rede de comunicação). Isso permite conhecer
detalhadamente qualquer porção do território, promover a distribuição justa de
16
recursos e tornar o planejamento urbano mais
mais acurado. [Loch e Erba, 2007]
[Kaufmann e Steudler
ler 1998] [Williamson 2000]. A Figura 2 ilustra o CTM.
Figura 2. Cadastro Técnico Multifinalitário
2.1.3. Sistemas de Informação
Informaç Territorial
Com o avanço da tecnologia da informação e novos métodos cadastrais, o cadastro
imobiliário assume um novo papel. Além de armazenar informações sobre as
parcelas, ele passa a ser utilizado para apoiar a tomada de decisão, promover o
desenvolvimento urbano e ambiental, permitir identificar padrões de uso e ocupação
do solo, monitorar intervenções urbanas e fomentar políticas sociais [Loch, 2003].
Figura 3.. Evolução do cadastro imobiliário para o SIT
17
O CTM, quando estruturado sobre uma ferramenta de Sistema de Informação
Geográfica (SIG), é chamado de Sistema de Informação Territorial (SIT), conforme
ilustra a Figura 3. SIG é capaz de armazenar, consultar, transformar e operar sobre
informações espaciais e alfanuméricas de objetos geográficos do mundo real. Esses
objetos devem ser georreferenciados numa projeção cartográfica. Além disso, eles
geralmente são agrupados por assunto e forma geométrica, dispostos em camadas.
[Smith et al., 1987] [Burrough et al., 1986] [Aronoff et al., 1989]. O SIT permite
visualizar com maior nível de detalhes informações sobre direito, restrições e
responsabilidades das parcelas. Ele é capaz de tratar relações espaciais entre
objetos geográficos e criar mapas temáticos, que facilitam o entendimento do
comportamento desses objetos. Além disso, é possível integrar dados espaciais,
censitários, imagens, modelo numérico de terrenos, etc. SIT potencializa a
implantação de políticas de uso do território e tem sido utilizado em vários países em
desenvolvimento para desenvolver políticas fundiárias [Loch, 2007] [UN-FIG, 1999]
[UNECE, 1996].
2.1.4. Modelo de dados transacionais e modelos multidimensionais
Modelos de dados transacionais são projetados para atender demandas
operacionais (cadastrais) dos sistemas de informação. Modelos de dados
multidimensionais são projetados para obterem alto desempenho na realização de
consultas
em
que
medidas
resumem
dados
agregados
por
dimensões
hierarquicamente organizadas.
18
Quadro 1
Sistema Transacional vs Multidimensional
Característica
Sistemas Transacionais
Sistemas Multidimensionais
Objetivo
Operacional
Informativo
Processamento
Transacional
Multidimensional
Tipo de operação
Incluir, alterar e remover
Carga e consulta
Número de usuários
Milhares
Centenas
Tipo de usuários
Operadores
Tomador de decisão
Interação do usuário
Pré-definida
Pré-definida e ad-hoc
Condições dos dados
Dados operacionais
Dados analíticos
Capacidade armazenamento
Megabytes-Gigabytes
Gigabytes-Terabytes
Histórico de informação
60 a 90 dias
5 a 10 anos
Granularidade
Detalhada
Detalhada e resumida
Estrutura
Estática
Variável
Recuperação de registros
Dezenas
Milhares
Atualização
Em tempo real
Periódica
Integridade
Transação
A cada atualização
Número de índices
Simples e poucos
Complexos e muitos
Intenção dos índices
Localizar um registro
Aperfeiçoar consultas
Terminologia
Linhas e colunas
Dimensões, fatos e medidas
Consistência
Microscópica
Global
Fonte: adaptado de [Kimball, 2002], [Inmon, 1996]
Um sistema OLTP (on-line transaction processing) tem a finalidade de registrar
transações corriqueiras de uma organização, como: cadastrar produto, consultar
contribuinte, registrar venda, etc. Esse sistema necessita suportar acesso de
milhares de usuários, garantir a integridade do banco a cada alteração, validar
informação antes de armazená-la e gerar relatórios rápidos. Os dados transacionais
gerados pelo OLTP são usados diariamente em processos que envolvem gravação
e leitura. Esses dados são armazenados em tabelas normalizadas, com o mínimo de
redundância, o que agrega complexidade para formular consultas pelo usuário final.
Modelos multidimensionais são modelados para a tomada de decisão. Eles
exploram analiticamente e com eficiência um grande volume de informações
19
oriundas de diversas fontes de dados. Por isso, essa solução é aplicável ao CTM. A
comparação apresentada no quadro 1 evidencia que um CTM estruturado sobre
uma ferramenta de base de dados multidimensionais é uma solução que agregaria
ao cadastro importantes valores, como: armazenamento de séries históricas,
otimização
de
consultas
analíticas,
visualização
de
dados
com
diversas
granularidades, etc.
O modelo multidimensional armazena os dados usando o operador relacional cubo
de dados. Tal operador é a generalização do operador relacional group-by sobre
todas as possíveis combinações de dimensões com variadas granularidades. Uma
dimensão é uma perspectiva do processo decisório. Podemos citar a dimensão
tempo como uma dimensão fundamental ao processo decisório. O espaço
normalmente é outra perspectiva que comumente usamos ao tomar decisões. Como
normalmente consideramos várias perspectivas no processo decisório, daí o nome
cubo multidimensional de dados [Inmon, 1996].
O modelo multidimensional de dados é organizado em torno de um tema central, tal
como notas de alunos. O tema central é representado por fatos. Um fato é a
quantidade mínima de informação a ser analisada, isto é, a quantidade mínima da
qual se quer analisar os relacionamentos entre as dimensões. Consideremos o cubo
de dados IPTU usando apenas duas dimensões: tempo e bairro. Na representação
2D, os valores de IPTU são apresentadas em uma tabela, onde uma coluna indica o
tempo e outra indica os bairros. O fato ou medida mostrada é a média de IPTU
pago, conforme podemos ver na Tabela 1 [Kimball, 2002].
Tabela 1
Cubo de dados com 2 dimensões
IPTU
Tempo
Lagoa
N. Sra. Carmo
N. Sra. Rosário
Barra
2009
14.000
20.000
18.000
8.000
2010
18.000
22.000
21.000
9.800
2011
25.000
23.500
23.000
10.500
20
2.1.5. Inteligência de Negócio
Um Sistema de Inteligência de Negócios é definido como um sistema de informação,
que envolve ferramentas, métodos e softwares que subsidiam a tomada de decisão
para o planejamento estratégico e tático na organização. Ele permite extrair,
armazenar, explorar e transformar um grande volume de dados, de maneira rápida e
simples para o usuário final. Elementos fundamentais são: data warehouse, ETL,
ferramentas OLAP e data mining. Geralmente organizações armazenam suas
informações em fontes de dados independentes pelos departamentos. Com isso,
recuperar a analisar informações em tempo hábil torna-se difícil [Luhn HP, 1958],
[Watson e Wixom, 2007].
2.1.6. Data Warehouse
A tecnologia de data warehouse (DW) é definida como um armazém de dados,
orientado por assunto, integrado, variante no tempo e não volátil, que tem por
objetivo dar apoio ao processo de tomada de decisão [Inmon, 1996] [Poe, et al.,
1998]. Existem diferentes estratégias para implantar DW, que variam conforme o
assunto dos dados e esquema do modelo dimensional de armazenamento.
Temporal Data Warehouse (TDW) armazena dimensões sobre a trajetória de
objetos. Spatial Data Warehouse (SDW) armazena dimensões espaciais sobre
objetos. A união desses dois cria o Spatial-temporal Data Warehouse (STDW), que
mantém integrado dimensões espaciais e temporais, para explorar dados sobre a
evolução e também a localização geográfica de objetos do mundo real, como:
veículos, migração de animais, furacões, tsunamis e ocupação do território.
[Marchand, 2003],[Miquel et al., 2004] [Papadias et al., 2002] [Malinowski e Zimányi,
2008] [Gómez et al., 2011]. A Figura 4 ilustra como as evoluções dos objetos são
inseridas no STDW. Inicialmente as informações sobre a evolução de um objeto são
capturados pelo gestor de fluxo de evolução, que adiciona um identificador para
cada evolução. Esses dados são inseridos no banco de dados MOD (moving object
database) por meio de fluxos ETL. Finalmente as informações do MOD e espaciais
são integradas ao TDW, formando o STDW.
21
Figura 4. Evolução de objetos. Fonte: Adaptada de [Gómez, et al., 2011]
A disposição do DW no esquema estrela é caracterizada pela existência da tabela
de fatos ao centro, conectada às dimensões por meio de chaves estrangeiras. As
vantagens
dessa
abordagem
são:
desenho
simétrico,
poucas
tabelas
e
relacionamentos, bom desempenho, consultas simples e boa manutenibilidade.
Como desvantagens, não aplicáveis em modelos transacionais, informações
redundantes e dimensões não normalizadas. Já o modelo flocos de neve estrutura o
DW num modelo relacional, por meio da normalização das dimensões. Embora esse
modelo diminua o espaço de armazenamento dos dados, ele acarreta diversas
desvantagens, porque insere mais tabelas no modelo, aumenta o número de
relações entre elas, o que torna as consultas mais complexas e lentas [Kimball,
2002]. A Figura 5 ilustra os esquemas estrela e flocos de neve.
22
Figura 5. Esquema floco de neve e estrela. Fonte: Adaptada de [Inmon, 1996]
A construção de um DW pode ocorrer por meio de uma estratégia denominada
bottom-up, que é ilustrada na Figura 6. Ela consiste na criação de data marts
departamentais que, quando integrados, consolidam o DW. Conforme [Inmon, 1996],
data mart é um subconjunto dos dados de um data warehouse. Ele é destinado para
atender as demandas de um grupo específico de pessoas, referente a um
determinado assunto, em um período de tempo qualquer.
Fontes de dados
Figura 6. Estratégia bottom-up para construção de DW
Ferramentas ETL (Extract Transform and Load), permitem a criação de scripts
utilizados no processo que extrai, transforma e carrega dados de fontes de dados
heterogêneas e dispersas geograficamente, para um DW. Na extração ocorre a
leitura de informações provenientes de diversas fontes de dados (planilha eletrônica,
arquivo texto, banco de dados, etc.); o tratamento dessas informações, tais como:
alteração de tipo, quantidade de casas decimais, remoção de caracteres especiais,
entre outras, realizam-se na transformação. Na etapa de carga, as informações são
23
armazenadas no DW. A construção dos scripts ETL é uma tarefa muito complexa,
sendo responsável por consumir a maior parte de recursos durante a construção do
DW [Kimball e Caserta, 2004].
2.1.7. Consultas OLAP
A partir das informações armazenadas no DW, são necessárias ferramentas
fe
analíticas capazes de operar sobre um grande volume de dados, dispostos em um
modelo multidimensional de dados, para gerar agregações sumarizadas, em
diversos níveis de granularidade. Na Figura 7, ao centro do cubo contém os fatos,
representados pela tabela (Zona_Geográfica_Fact).
(Zona_
. Em cada uma das células
centrais estão as medidas. As dimensões estão dispostas aos lados do cubo
(Imóveis e Tempo).
Figura 7. Fluxo de análise OLAP no DW.
Ferramenta OLAP deve trabalhar conforme a maneira que os dados estão
armazenados, no cubo, para isso algumas estratégias são: relacional OLAP
(ROLAP), multidimensional OLAP (MOLAP) e híbrido OLAP (HOLAP). ROLAP
trabalha sobre o modelo relacional, onde são realizadas otimizações no SGBD para
implementar agregação lógica. MOLAP é utilizado quando o banco de dados e o
SGBD são multidimensionais, isso permite bom desempenho e análises simples e
rápidas. HOLAP é a combinação entre ROLAP e MOLAP. Geralmente os dados são
armazenados em estruturas
estruturas relacionais (ROLAP) e as agregações são armazenadas
em estruturas multidimensionais (MOLAP) [Bédard
[
et al., 2007].
]. O acoplamento de
DW a diferentes tecnologias da informação impulsionou o aparecimento de
24
ferramentas analíticas especializadas tais como, SOLAP e ST-OLAP. A Figura 7
apresenta o fluxo de analise de uma ferramenta OLAP sobre o DW.
SOLAP é uma variação das ferramentas OLAP para tratar dimensões espaciais. Já
ST-OLAP explora um cubo com dimensões espaciais e temporais, por meio de
operadores especializados. Em geral os operadores são: drill-down, roll-up, drillacross, swap, pivot, slice e dice. O quadro 2 apresenta esses operadores com mais
detalhes. Essas operações estão disponíveis para diferentes tipos de visualização
(temático, temporal e espacial), e devem ser utilizados conforme o tipo de dimensão
manipulada. Visualização Temática permite manipular dimensões descritivas para
conhecer dimensões temporais e espaciais. Temporal manipula dimensões
temporais para conhecer dimensões temáticas e espaciais. Espacial manuseia
dimensões espaciais para conhecer níveis das dimensões temáticas e temporais.
[Bédard et al., 2007].
Quadro 2
Operadores OLAP
Operação
Drill Drown
Roll-Up
Drill-Across
Swap
Pivot
Slice e Dice
Descrição
Aumentar o nível de detalhe
da informação em
consequência da diminuição
do nível de granularidade.
Diminuir o nível de detalhe e
aumento do nível de
granularidade
Exemplo
Alterar a análise do total pago
de IPTU no município para o
total pago em uma quadra.
A consulta realizada em uma
dimensão pode alterar de um
nível para outro sem passar
por níveis intermediários.
Uma dimensão tempo
composta por dia, mês e ano,
possibilita alterar o nível de
análise de dia para ano
dentro da mesma dimensão.
Ordenar a informação
independente do tipo (texto
ou número)
Ordenar clientes por nome
Alterar linha e colunas.
Recalcular valores
totalizados.
Arrastar a dimensão
Divida_Ativa para dentro de
uma coluna de tempo, que
constitui as tuplas de uma
tabela.
Seleciona-se um período, por
exemplo ano 2008. A
alteração da análise passa de
ano e região (linha e coluna)
para ano e região (coluna e
linha).
Rotacionar em qualquer
sentido os lados do cubo de
dados em análise, para
combinar dimensões a fim de
obter informações
necessárias.
Alterar a análise de IPTU
pago por uma quadra para o
bairro ao qual ela pertence.
25
Fonte: adaptado de [Inmon, 1996]
2.2. Trabalhos Correlatos
Essa seção relaciona os principais trabalhos relacionados ao SIT encontrados na
literatura. Inicialmente os sistemas de cadastro imobiliário foram desenvolvidos para
manter apenas informações físicas, jurídicas e fiscais das parcelas territoriais. A
Figura 8 ilustra um ciclo de evolução contínua deste cadastro. Os novos métodos
cadastrais,
juntamente
com
a
necessidade
de
integrar
novos
assuntos,
impulsionaram a demanda por armazenamento de dados mais eficiente e aumento
de funcionalidades. Com isso, o cadastro se torna uma ferramenta que atende a
demandas de diversos setores e consequentemente um maior número de usuários.
Todas essas mudanças são estruturadas sobre diversas tecnologias da informação
que, quando integradas, transforma o tradicional cadastro imobiliário em uma
ferramenta completa de gestão territorial, capaz de subsidiar a tomada de decisão e
o planejamento sustentável de uma região administrativa.
Figura 8. Ciclo de evolução do cadastro.
Os primeiros avanços em SITs buscaram identificar os requisitos e projetar o modelo
de dados de um repositório unificado, denominado CTM, para o armazenamento,
consulta e análise de dados espaciais e alfanuméricos acerca do território. No ano
de 1998, a Federação Internacional de Agrimensores (FIG) publicou o documento
26
Cadastre 2014, constituído de requisitos e tendências para um sistema cadastral
imobiliário mais abrangente, para os 20 anos após 1994 [Kaufmann e Steudler
1998]. Este documento destaca a necessidade de melhoria da precisão das
informações espaciais; de mudança de foco das análises a partir das parcelas
territoriais para os objetos territoriais (propriedades); do uso de informações
tridimensionais (3D) e temporais (4D) para lidar com a dinâmica e a verticalização
dos municípios; e de serviços para atualização e consulta de informação cadastral
em tempo-real.
O artigo de [Williamson, 2000] apresenta uma revisão entre os anos de 1996 e 1999
de estratégias criadas para realizar uma reforma cadastral e inúmeros fatores que
afetam o desenvolvimento do território. Existem dois componentes chaves para
desenvolver uma estratégia eficaz. Primeiramente, a reforma cadastral deve possuir
objetivos bem definidos, para promover sustentabilidade, segurança e estabilidade
social. O segundo é desenvovler uma visão para o futuro do sistema cadastral
baseado nas necessidades e infraestrutura disponível em cada lugar. Essas
estratégias aliada à boa governança deverão apoiar a tomada de decisão, para
agregar qualidade ao planejamento das decisões sociais, políticas, econômicas de
desenvolvimento sustentável.
Além disso, o autor reúne as melhores práticas
utilizadas em vários países e destaca que cada país deve desenvolver SITs
específicos, devido a influências de fatores sociais, legais, culturais, econômicos,
institucionais e infra-estrutura disponível.
O modelo de dados entidade relacionamento criado por [Van Oosterom et al., 2006]
é denominado Core Cadastral Domain Model (CCDM), capaz de atender às
necessidades comuns de diversos países na administração territorial. Esse modelo é
fruto de um conjunto de várias versões, ajustadas em workshops e pela troca de
experiências de estudos de casos aplicados em diversos países (Holanda, El
Salvador, Bolívia, Dinamarca, Suíça, Portugal, Grécia, Australia, Nepal, Egito,
Islândia, além de vários países africanos e árabes). A Figura 9 ilustra o cerne do
CCDM, sendo ele comum a todos os países e baseado em três classes,
RegisterObject (imóveis e outros objetos urbanos), RRR (direito, restrição e
responsabilidades) e Person (pessoa física, jurídica ou grupo de pessoas). Além
27
disso, o CCDM permite armazenar aspectos temporais, documentos cadastrais,
objetos de diversos tipos geométricos
geométricos (ponto, linha e polígono), fotos de satélite,
topografia de terreno e até topologias baseada em 2 ou 3 dimensões.
dimensões Esse modelo é
detalhado nos apêndices C (aspectos legais e propriedade) e D (imóveis e aspectos
diversos relacionados às parcelas).
Figura 9.. Núcleo do CCDM. Fonte: Van Oosterom et al. , 2006Figura
2006
O artigo de [Bennett et al., 2010] apresenta uma revisão do cadastro territorial no
decorrer de 30 anos em vários países. Novas visões, funcionalidades e modelos
alteraram
teraram radicalmente o entendimento e potencial do cadastro. Essas alterações
foram impulsionadas principalmente pela evolução das tecnologias da informação e
teoria de sustentabilidade. As novas tendências seguem para cadastro de 4
dimensões, também chamado
chama
de cadastro em tempo real (redes de sensores e
equipamentos de GPS fornecem informações em tempo real); cadastro orientado
por objetos (representar a estrutura urbana em geral); cadastro orgânico (interesses
ambientais) e global (interligação de redes regionais
regionais e globais de cadastro).
No Brasil, os trabalhos de [Loch e Erba, 2007] [Gonçalves, 2008] identificam os
requisitos e diretrizes de um o modelo conceitual de banco de dados geográfico,
para solucionar deficiências concernentes às limitações e deficiências
deficiências cadastrais nos
municípios brasileiros, em especial de pequeno e médio porte. Esse modelo além de
contemplar informações espaciais e descritivas das parcelas, se integra a diferentes
28
áreas de conhecimento, tais como, saúde, educação, transporte, meio ambiente e
outros. O Anexo E ilustra o diagrama de classes deste modelo de dados conceitual.
Conforme o estudo de caso de [Simonova e Komarkova, 2004], o uso de DW em
uma região de República Checa, tornou a administração pública e o planejamento
urbano mais completo e acurado, a partir da integração de dados provenientes de
diversos setores administrativos em um repositório unificado. Em geral, os
municípios da República Checa possuem sistemas desconectados, que tonam o
processo de tomada de decisão lento e muito complexo. A Figura 10 descreve a
arquitetura de um DW regional. Fluxos ETL (Extract, Transform and Load) utilizam
como fontes de dados sistemas legados, para criar Data Marts que são acessados
por meio de uma rede de computadores. Algumas limitações deste trabalho são a
inexistência suporte para dados espaço-temporais e a escassez de ferramentas e
métodos para consolidar um DW.
Figura 10. Arquitetura regional do DW. Fonte: [Simonova e Komarkova, 2004].
Apesar dos esforços nacionais e internacionais, a dificuldade técnica envolvida para
implantar o CTM tem impedido que se tornem uma realidade na maioria dos
municípios brasileiros. A situação se agrava devido à inexistência de uma
metodologia padronizada que garanta retorno do capital investido. Além disso,
muitos trabalhos em âmbito mundial relatam a importância do CTM entendido como
29
uma ferramenta de tomada de decisão, capaz de analisar e integrar diversas fontes
de dados alfanuméricos, espaciais e temporais. Porém, em geral esses trabalhos
limitam-se a propor um modelo de dados relacional para sistemas puramente
transacionais. A Figura 11 descreve um comparativo entre os trabalhos correlatos
relacionados no decorrer desta seção.
Figura 11. Comparativo entre trabalhos correlatos.
30
3. Uma abordagem para o desenvolvimento e a manutenção de SITs
Esta seção detalha uma abordagem para o desenvolvimento de um SIT estruturado
como um sistema de inteligência de negócios (BI – Business Intelligence). Ela
apresenta os princípios básicos desta abordagem e descreve a metodologia de
desenvolvimento, a arquitetura de software do SIT, o modelo de dados
multidimensional e o processo para construção, atualização e evolução contínua do
CTM, implantado na Prefeitura do município Ouro Preto.
3.1. Princípios básicos desta abordagem
A despeito de todos os domínios de problemas administrados por meio de um SIT,
entre eles, os relacionados às questões econômicas, jurídicas e sociais, um SIT
deve principalmente ser capaz de lidar com a dinâmica de uma cidade. Deve estar
preparado para mudanças e evoluir com elas. Além de ser capaz de atualizar
frequentemente um volume massivo de dados espaciais e temporais. Por isso,
flexibilidade para absorver mudanças com pouco esforço e retrabalho mínimo é
uma característica indispensável. Desta forma, projetar um CTM que seja extensível
é mais importante que projetar um que seja preciso em abranger cada domínio de
problema. Ferramentas que coletam, transformam e analisam os dados de um CTM
não devem depender de seu modelo de dados. Para que resultem em decisões mais
acuradas, estas ferramentas devem permitir análises completas e atualizadas sobre
dados sumarizados em hierarquias espaciais, como país, cidade e imóvel, e
hierarquias temporais, como ano, mês e dia.
O desenvolvimento um de SIT é dispendioso. Entretanto, a sustentabilidade do
sistema deve ser garantida. O desenvolvimento envolve a contratação e treinamento
de uma equipe multidisciplinar e especializada, a realização contínua de coleta de
dados em campo e a aquisição de dados espaciais onerosos como imagens de
satélite de alta resolução, levantamentos topográficos, mapas de arruamento e de
imóveis. A necessidade, quantidade e o nível de detalhe dos dados devem ser
ponderados frente aos benefícios que resultarão de seu custo. É preciso
desenvolver um SIT cujo custo de desenvolvimento seja pago nos primeiros anos
após sua implantação através da ampliação do cadastro de imóveis registrados e da
31
cobrança mais eficaz de taxas e impostos imobiliários. Nos anos posteriores, os
ganhos serão menores, mas deverão financiar a manutenção e evolução do sistema.
No Brasil, para estarem em conformidade com as diretrizes nacionais para
Governo Eletrônico, projetos de desenvolvimento de Sistemas de Informação
públicos
devem
priorizar
soluções,
programas
e
serviços
baseados
em software livre, adotar padrões abertos no desenvolvimento de tecnologia de
informação, garantir a auditabilidade plena e a segurança dos sistemas, restringir o
crescimento do legado baseado em tecnologia proprietária, além de promover a
capacitação de servidores públicos para utilização de software livre. Por estas
razões, esta abordagem prioriza o uso de tecnologias livres e de código aberto cujo
estágio de maturidade garantam a produtividade do projeto e sua continuidade à
longo prazo [Governo Eletrônico, 2012].
No ano de 2009, o Ministério das Cidades publicou a portaria 511 contendo as
diretrizes nacionais para criar, instituir e atualizar um CTM. Essas diretrizes
serão adotadas neste trabalho. Elas definem os procedimentos que deverão ser
seguidos pelos municípios brasileiros para evoluir o cadastro imobiliário em um
CTM. Esta portaria relaciona questões referentes às informações espaciais que
deverão estar contidas no cadastro, por exemplo, a maneira que devem ser
modeladas e as projeções cartográficas que deverão ser utilizadas. A portaria
também evidencia a necessidade de uma equipe de funcionários dedicada à
manutenção do cadastro e a possibilidade do incremento de receita gerado pelo
CTM financiar a reforma cadastral. Além disso, ela estabelece o período entre as
avaliações imobiliárias, diversas práticas que visam o aperfeiçoamento da
distribuição de recursos territoriais e o aprimoramento da avaliação de imóveis e da
coleta de tributos [Ministério das Cidades, 2009].
3.2. Metodologia de Desenvolvimento Evolutiva
A metodologia de desenvolvimento adotada foi o Rational Unified Process (RUP)2,
pelo fato de ser um processo iterativo e incremental, amplamente utilizado na
2
http://www-01.ibm.com/software/awdtools/rup/
32
indústria
de
software,
para
aumentar
a
produtividade
no
processo
de
desenvolvimento As atividades de concepção, projeto, construção e avaliação foram
realizadas para produzir versões melhoradas do SIT e do CTM. Além de assegurar a
qualidade destes componentes, as avaliações buscaram maturar a abordagem
proposta a cada iteração, tornando-a mais confiável e eficiente à medida que fosse
evoluída.
Foram necessários seis ciclos de desenvolvimento ao longo de 24 meses de projeto.
Os três primeiros tiveram a duração de seis meses, devido ao volume de
ferramentas de coleta, atualização e análise a serem produzidas. Nestes ciclos,
somente amostra de dados foram coletadas em campo. Depois, três ciclos de dois
meses tiveram como foco a construção do CTM, quando as atividades de campo e
saneamento do cadastro imobiliário foram intensificadas. Essas atividades foram
acompanhadas com periodicidade quinzenal, o que permitiu acompanhar e validar a
evolução contínua do projeto conforme as métricas acordadas com a Prefeitura
Municipal de Ouro Preto. A equipe utilizada durante estes ciclos foi composta por um
estudante de mestrado e três de graduação.
3.3. Arquitetura de Sistema de Informação Territorial
A Figura 12 ilustra a arquitetura de um SIT estruturado como um sistema de BI. O
modelo lógico de dados do CTM é organizado como um STDW no qual ferramentas
de atualização, implementadas como fluxos ETL, extraem dados de diversas fontes,
tais como planilhas eletrônicas, arquivos texto, arquivos shape e bancos de dados
relacionais transformando-os em informações de entradas para o CTM. Esses fluxos
são executados periodicamente ou sob demanda. Ferramentas de coleta de dados
são desenvolvidas como aplicações para dispositivos móveis que apóiam as
pesquisas de campo. Fluxos ETL são scripts que extraem dados de fontes de dados
heterogêneas, realizam transformações sobre esses dados e os inserem no CTM.
Durante a etapa de transformação, os dados incorretos ou fora de padrão são
saneados e em seguida realimentam os sistemas legados. A análise de dados
espaço-temporais são baseadas em ferramentas que combinam técnicas de
mineração de dados, OLAP e GIS.
33
Figura 12. Arquitetura de software de um SIT estruturado como um BI.
3.4. Modelo de dados
O modelo do banco de dados relacional adotado no cadastro imobiliário serve de
base para construir um modelo multidimensional. Essa evolução foi necessária
porque o modelo multidimensional é mais eficiente para ambientes analíticos.
Nesses ambientes, características não triviais, como trabalhar com um grande
volume de dados obtidos de fontes de dados dispersas e recuperar informações por
meio de agrupamentos, são cruciais para fornecer suporte à tomada de decisão, a
partir de análises completas sobre bases de dados históricos.
A Figura 13 demonstra o modelo do banco de dados relacional similar aos utilizados
pelos cadastros imobiliários vigentes nas prefeituras. A tabela parcela caracteriza as
unidades territoriais. Ela descreve informações sobre o endereço completo,
declividade de terreno, pavimento da via, conservação do imóvel, valor predial, etc.
Contribuinte é a tabela que possui informações sobre o proprietário do imóvel.
Características concernentes à avaliação das unidades habitacionais estão na tabela
Calculo_iptu. Taxas_iptu contém informações sobre as taxas que incidem sobre a
cobrança do IPTU. Dívidas de imóveis referentes ao IPTU são armazenadas na
tabela Dividas_iptu. A maneira de pagamento do IPTU assim como respectiva data
de vencimento são inclusas na tabela Vencimento_iptu. Por fim, os serviços
34
disponíveis
para
cada
unidade
habitacional
são
catalogados
na
tabela
Parcela_serviços.
Figura 13.. Modelo de banco de dados relacional de um cadastro imobiliário.
A Figura 14 apresenta o modelo conceitual do CTM. O uso do paradigma orientado
por objetos, cujas abstrações são próximas aos domínios de aplicação, permite que
decisões relativas ao projeto deste modelo sejam tomadas colaborativamente, pela
equipe responsável pelo SIT
SIT e por especialistas em cada domínio da administração
municipal. Além disso, o mecanismo de herança permite sua fácil especialização
para representar conceitos
eitos de cada domínio [Lorenz e Kidd,1994].
Kidd,1994].
Figura 14. Modelo conceitual
conceitual orientado por objetos do CTM.
A estrutura do modelo conceitual determina que uma pessoa física ou jurídica possa
envolver em diferentes relações temporais.. Cada relação recebe um rótulo que
identifica seu período de validade.
validade. Elas podem possuir um ou mais objetos de
relação.. Objetos de relação podem ser recursos (hospital, escola, delegacia de
35
polícia, etc.) ou serviços (água, luz, esgoto, telefone, coleta de lixo, etc.). Eles
podem estar associados a um único endereço de logradouro e podem ter uma ou
mais geometrias associadas para determinar sua localização e forma. Sobre as
relações econômicas, incidem impostos e taxas sobre qualquer movimentação
relacionada a um imóvel, seja uma venda de um lote ou transferência de titularidade.
Desta maneira, objetos utilizados na administração do território como parcelas e
unidades habitacionais, podem ser modeladas como tipos de recursos. A cada
recurso é atribuído o uso, por exemplo, residência, comércio, delegacia, etc.. Cada
tipo de relação pode posteriormente ser implementado como um data mart.
O Modelo multidimensional voltado para impostos e taxas que incidem nas relações
econômicas é projetado para obter alto desempenho na realização de consultas em
que medidas resumem dados agregados por dimensões hierarquicamente
organizadas e relacionadas com os fatos. Na dimensão tempo, os fatos podem
resumir dados referente ao IPTU pago em um período qualquer. No espaço, eles
podem resumir dados por meio de operações espaciais, interseção, união e buffer.
O fundamental no projeto deste modelo é garantir que mudanças possam ser
realizadas nas dimensões de análise ou nas hierarquias em que elas são
organizadas, sem que isso traga grandes impactos para os dados armazenados ou
para as ferramentas de análise. Por estas razões, o modelo lógico da Figura 15 é
concebido como um STDW extensível estruturado sobre o esquema flocos de neve,
capaz de armazenar informações históricas sobre as relações econômicas que
incidem nas parcelas, sejam elas informações alfanuméricas (alteração de
titularidade, valor pago de IPTU, dívida, etc.) ou espaciais (desmembramento ou
agregação de parcelas). Este esquema é bastante simétrico e de fácil compreensão,
devido à baixa quantidade de tabelas e relacionamentos. Neste exemplo, relações
econômicas são modeladas por uma tabela de fatos a partir da qual relações podem
ser analisadas por medidas (count, sum, average, max) sobre os atributos
ValorCobrado, ValorPago e Juros. Os atributos DataTermino, DataPagamento,
EnderecoProprietario e EnderecoRecurso são úteis para a navegação sobre
medidas hierarquizadas nas dimensões tempo e espaço.
36
entidade relacionamento do CTM organizado como um STDW.
Figura 15.. Modelos entidade-relacionamento
O modelo de dados ilustrado na Figura 15 facilita a construção de consultas e
melhora o tempo de resposta, por causa do menor número de relações. Além disso,
para inserir uma nova dimensão,
dimensão basta relacioná-la com a tabela de fatos. Embora
E
seja um modelo simplificado, ele permite representar uma infinidade
infinidad de relações
sociais que envolva uma relação comercial, seja ela a compra de automóvel, a
transferência de titularidade de um imóvel,
imóvel etc. Os modeloss apresentados nos
anexos C, D e E utilizam o paradigma de sistema transacional. Por isso, possuem
mais tabelas, é difícil de ser estendido,
estendido apresenta maior custo de manutenção e a
desempenho de consulta é comprometida em detrimento do elevado número de
relações.
3.5. Processo de desenvolvimento do CTM espaço temporal
A cada ciclo de desenvolvimento o processo descrito na Figura 16 pode ser total ou
parcialmente executado para a construção e atualização do CTM espaço temporal.
As etapas para o tratamento da imagem de sensor remoto são coleta de pontos de
controle, registro
istro da imagem, elaboração do modelo triangular de terreno, criação do
modelo digital de elevação, ortorretificação e correção radiométrica. As cinco
primeiras conferem acuidade aos cálculos de distância e área realizados sobre as
imagens. O restante do processo
p
refere-se
se à incorporação de informações dos
sistemas legados ao CTM.
37
Registro
imagem
(OMT
do CTM espaço temporal
Figura 16. Modelo de dados geográficos (OMT-G)
Pontos de controle coletados por equipamentos GPS (Global
(
Position System)
System de
alta precisão foram utilizados para registrar imagens de sensores remotos de alta
resolução em um determinado sistema de referência geográfica. Esse registro
consiste numa transformação geométrica capaz de converter coordenadas de uma
imagem
magem em coordenadas geográficas, representadas por latitude e longitude de um
mapa. Isso permite corrigir distorções causadas durante a obtenção da imagem pelo
sensor remoto [Brown, 1992]. A Figura 17 ilustra o registro de imagem.
Figura 17.
17 Registro de imagem de sensor remoto .
38
Curvas de nível e linhas de drenagem foram utilizadas para gerar o modelo
triangular do relevo (TIN – Triangular Irregular Network). Ele é formado a partir de
um conjunto de triângulos adjacentes, que nunca se sobrepõe e são calculados por
meio de pontos com coordenadas tridimensionais irregularmente distribuídos em
uma superfície [Peucker et al., 1978]. Já o modelo digital de elevação (DEM - Digital
Elevation Model), foi obtido após discretizar o modelo TIN em uma grade de células
regulares. O DEM pode ser definido com a representação digital de uma área da
superfície, numa matriz de pixels com coordenadas planimétricas (x,y) para cada
pixel e um valor de intensidade, referente à sua elevação. [O'Callaghan e Mark,
1984]. A Figura 18 apresenta o processo que transforma curvas de nível no TIN e
em seguida no DEM.
Figura 18. Modelo digital de elevação.
A Ortorretificação de imagem é o processo que elimina distorções introduzidas
durante a sua obtenção. Essas distorções são ocasionadas pela variação da altitude
e inclinação do sensor e também pela elevação do terreno. Por isso, é indispensável
o MDE para realizar a ortorretificação e criar uma ortoimagem. A correção
radiométrica tem o objetivo de eliminar interferências nas imagens ocasionadas pela
calibração do sensor, iluminação e atmosfera [Schowengerdt, 1997]. O efeito dessa
correção radiométrica é apresentado na Figura 19b. As imagens resultantes do
processo radiométrico foram unidas para formar um único mosaico que recobre todo
o município. Este mosaico é utilizado como pano de fundo sobre o qual foram
criados layers constituídos por feições de diversos objetos geográficos desenhados
manualmente, tais como, eixos de rua, quadras e unidades habitacionais, etc. As
dimensões desses objetos buscaram respeitar medidas nas plantas registradas nos
cartórios de registro, quando disponíveis.
39
antes da correção e b) após a
Figura 19. Imagem de Weiheim, Alemanha: a) antes
correção radiométrica. Fonte: [Rosa e Fernandes, 2011]
O processo para extrair feições
feiçõ
espaciais do mosaico, embora seja simples e de
custo relativamente baixo se comparado às medidas realizadas nos trabalhos de
campo, não pode ser utilizado como única fonte de informação, devido à imprecisão
inserida durante o desenho e até mesmo do registro da imagem.
Um dos empecilhos mais comum na utilização de SIG é com relação à
indisponibilidade de bases de dados consistentes
consistentes e atualizadas. Essa realidade é
agravada quando é necessário maior nível de detalhes, como é o caso de
mapeamento urbano ou imobiliário. Embora muitas empresas estejam atuando
massivamente nesses mapeamentos, o custo é muito elevado. Há alguns anos o
Google Earth disponibiliza uma maneira fácil para obter coordenadas geográficas de
objetos, mas a precisão dessas informações não é útil para todos os domínios de
aplicação. Um experimento realizado na cidade de Itajubá em Minas Gerais
comparou pontos coletados
etados pelo Google Earth e por um aparelho de alta precisão,
denominado Sistema Diferencial de Posicionamento Global (DGPS). A diferença
encontrada foi de 21 metros, o que inviabiliza o uso do Google Earth como única
fonte de informação, para delimitação de
d parcelas. A Figura 20 ilustra a distorção do
Google Earth e dispositivos GPS perante o DGPS [Lima et. al, 2009].
2009]
40
Figura 20. Comparativo entre Google Earth, GPS e DGPS. Fonte: [ Lima et. al, 2009]
3.6 Cadastro e integração de informações
O cadastro de informações em campo foi realizado por meio de tablets, com um
aplicativo para coletar informações descritivas e geoespaciais. As descritivas são o
nome da via, número, complemento e bairro. Os dados geoespaciais referem-se às
coordenadas latitude/longitude e representação geométrica de cada imóvel. Ambas
coletadas a partir do aplicativo Google Maps3. Devido à impresisão do Google Maps
descrita na seção 3.5, será necessário um ajuste ponto a ponto sobre as
coordenadas de cada objeto. A seção 3.8 detalha como será realizado este ajuste. O
uso do tablet aumentou a produtividade da coleta de informações em campo e
também a exportação dessas informações para o banco de dados do CTM, por meio
de fluxos ETL, que foram customizados na ferramenta GeoKettle. Pela inexistência
de uma chave primária, capaz de conectar os dados dos sistemas legados às
informações coletadas em campo, a integração utilizou um identificador composto
pelos atributos nome da via, número, complemento e bairro. No entanto, essa
solução não integra tuplas que embora sejam sobre o mesmo objeto, estejam com
as descrições incompatíveis, ocasionadas por erros de cadastro, conforme ilustra a
imagem 22.
3
http://maps.google.com
41
Figura 21. Erros cadastrais
Os fluxos ETL foram a etapa mais árdua do processo para acoplar os dados do CTM
ao cadastro imobiliário da prefeitura. O motivo foi a falta de padrão e erros
decorrentes do processo de digitação dos usuários que mantém o cadastro
imobiliário. Portanto, foi inserido nos fluxos ETL um catálogo de anomalias e
respectivas correções para cada erro identificado. Esse catálogo foi atualizado à
medida que novos erros foram detectados. A Figura 22 ilustra uma pequena parte
deste catálogo.
Figura 22. Catálogo de erros do ETL
O trabalho de campo utilizou o aplicativo Google Maps para identificar a localização
das parcelas. Isso acarretou um desajuste significativo quando essas informações
foram sobrepostas na imagem Quickbird comprada pela prefeitura. Essa imagem
está muito bem registrada para Ouro Preto e foi utilizada como plano de fundo para
o ajuste ponto a ponto. A Figura 23 ilustra uma pequena parte do layer de unidades
habitacionais. Esse layer é constituído por pontos, pelo fato de serem facilmente
desenhados, manipulados e consumir menos recursos de armazenamento. Cada
ponto sobre uma parcela representa uma unidade habitacional, ou seja, um prédio
com 20 apartamentos é representado por 20 pontos. Por meio de fluxos ETL essas
unidades habitacionais foram integradas ao cadastro imobiliário.
42
Figura 23. Layer de unidades habitacionais.
3.7. Processos e Ferramentas para o Desenvolvimento e Manutenção do CTM
Os Fluxos ETL viabilizaram o uso das feições para análises estatísticas (total de
IPTU, somatória das áreas dos imóveis, somas de testadas, etc.) e até mesmo
espaciais (imóveis localizados em uma quadra, bairro ou ao longo de uma via), isso
foi possível porque as feições inseridas manualmente no trabalho de campo foram
integradas às informações descritivas do cadastro imobiliário. A localização de uma
unidade habitacional é, em geral, determinada por uma coordenada geográfica
(latitude, longitude) e um endereço (nome da via, número, complemento e bairro). As
unidades habitacionais que não estavam cadastradas da prefeitura fomentavam
trabalho de campo para os fiscais e cadastradores. Finalmente, os fluxos ETL são
utilizados para incorporar dados de sistemas de informação legados de diversas
áreas, tais como educação, saúde, transporte, meio ambiente, etc. Desta forma, à
medida que os fluxos ETL falham em associar dados de sistema legados a recursos
cadastrados no CTM usando sua localização como chave única de associação, o
problema é corrigido com eventuais idas ao campo. Após conhecer a localização
dos recursos, as bases de dados envolvidas são saneadas e integradas de maneira
incremental. A Figura 24 ilustra um dos fluxos ELT. UnidadeHabitacional é a tabela
43
de origem dos dados armazenados
armazenad
no cadastro imobiliário da prefeitura,
UnidadesNaoNulas é um script para remover valores nulos, Transformer_UH contém
o catálogo de informações incorretas e respectivas correções,
correções JS_Clear_Addess
remove espaços em branco e caracteres inválidos dos registros,
registros, HierarquiaEspacial
armazena as informações nas respectivas dimensões espaciais e UnHabitacional
persiste as informações na tabela do layer que armazena as unidades habitacionais.
Figura 24. Estrutura de um script no GeoKettle
le
3.8.. Ferramentas para coleta, atualização e controle de qualidade de dados
Os fluxos ETL responsáveis pela aquisição e atualização dos dados foram
implementados através da ferramenta livre GeoKettle.. Eles são editados
graficamente na forma de diagramas de fluxo de dados. Este fato facilita seu
desenvolvimento e manutenção por pessoas com pouca experiência em
programação. Um plugin nomeado OpenKettle, foi desenvolvido para iniciar o
GeoKettle a partir do ambiente TerraView. Além do OpenKettle foram criados outros
plugins, KMLMaker, QualityControl, AddressLocator, AddressMerge e ReportMaker.
O KMLMaker foi desenvolvido na plataforma android e armazena as informações em
arquivos no formato KML.
KML Esse plugin
gin é instalado nos tablets, que são utilizados
nos trabalhos de campo. O usuário informa o endereço de cada unidade habitacional
e em seguida coleta sua localização espacial, por meio de um ponto. A coordenada
desse ponto é obtida pelo aplicativo
apl
Google Maps. A Figura 25 ilustra alguns pontos
coletados pelo KMLMaker.
KMLMaker
44
Figura 25. Informações coletadas em campo
A diferença entre a precisão da imagem do Google Maps utilizada nos trabalhos de
campo e a imagem Quickbird armazenada no banco de dados do SIT, requer um
ajuste ponto a ponto de cada registro georreferenciado coletado pelo KMLMaker.
Esse problema pode ser corrigido com uma infraestrutura mais sofisticada de
hardware e consequentemente mais cara, capaz de acessar a imagem do SIT
durante os trabalhos de campo via internet. A Figura 26 ilustra à esquerda os pontos
coletados em campo sobre a imagem do aplicativo Google Maps; ao centro destacase a distorção entre as coordenadas de coleta sobrepostas sobre a imagem do SIT;
à direita apresenta as coordenadas ajustadas.
Figura 26. Distorção entre imagens.
45
O plugin QualityControl foi criado para analisar os dados após o povoamento do DW,
ou seja, ao término de cada execução dos fluxos ETL. Ele foi desenvolvido em C++,
sobre a biblioteca TerraLib. Seu funcionamento consiste em 3 passos:
passos ler arquivo
texto, agrupar registros por legenda e apresentar um mapa temático. O arquivo de
entrada deverá conter as colunas nome de via, endereço, complemento
com
e bairro,
para localizar cada unidade habitacional. A legenda é construída por 4 grupos,
associado (objetos que existem no arquivo de entrada e no DW); sugerido (somente
objetos existentes no arquivo de entrada); só destino (objetos que existem somente
so
no DW, provenientes dos levantamentos de campo)
campo e duplicado (objetos com
endereço duplicado). O mapa temático apresenta o layer com as unidades
habitacionais coloridas conforme o agrupamento da legenda. Quando o plugin não
localizar o endereço completo
completo de um registro do arquivo texto, mas encontrar o
nome da via e bairro, o objeto será inserido em um local sugerido nos limites da via.
Além disso, todos os registros que não forem localizados serão persistidos em um
arquivo de log. A Figura 27 ilustra o resultado do plugin Quality Control.
27. Mapa resultante do plugin QualityControl
Figura 27.
O plugin AddressLocator,
AddressLocator exibido na Figura 28,, realiza o cadastro espacial e
alfanumérico das unidades habitacionais coletadas durante os trabalhos de campo.
Essa é uma alternativa para os municípios que não possuem recursos para comprar
dispositivos móveis, tais como, tablets. O usuário realiza o trabalho
trabalho de campo com a
imagem impressa, marcando sobre ela a localização de cada imóvel. Em seguida
ele cria uma planilha eletrônica com esses dados (nome da via, número,
46
complemento e bairro) e a transforma em um arquivo CSV. Esse arquivo servirá de
entrada para o AddressLocator, que exibirá tais informações organizadas em linhas
e colunas. O usuário insere as feições espaciais no mapa e em seguida seleciona a
linha correspondente do arquivo de entrada, a fim de integrar as informações. Para
que o plugin AddressLocator possa ser utilizado por múltiplos usuários, foi criado o
plugin MergeAddress, que permite integrar dois ou mais layers. Ao unir os layers é
criado um versionamento que identifica os objetos que foram persistidos no layer de
destino.
Figura 28. Plugin AddressLocator
O plugin DW-ReportMaker permite confeccionar relatórios temáticos sobre as
dimensões já existentes no modelo ou customizadas a partir da interface do próprio
plugin. Uma dimensão customizada pode ser alfanumérica (formada por dimensões
alfanuméricas); espacial (constituída dimensões espaciais) ou híbrida (quando é
constituída pela combinação de dimensões alfanuméricas e espaciais). Após definir
a origem dos dados de uma dimensão, o usuário escolhe um conjunto de atributos,
criando assim sua hierarquia. Sobre a hierarquia é possível customizar filtros
alfanuméricos, espaciais e também, cadastrar os fatos por diversos níveis de
granularidade, por exemplo, total pago de IPTU por uma quadra, bairro ou cidade. O
DW-ReportMaker armazena um script dos passos utilizados na confecção de cada
relatório, o que simplifica a visualização das informações após atualizações no
banco de dados. A interface desse plugin é apresentada na Figura 29.
47
Figura 29. Plugin ReportMaker
espaço
3.9 Armazenamento de informações espaço-temporal
O data mart armazena informações espaciais e temporais em relações/aspectos
distintos do município.. Informações espaciais são tratadas pela extensão espacial do
SGBD PostgreSQL, denominada PostGIS, capaz de suportar índices e consultas
espaciais. A informação temporal é armazenada por meio do atributo data_evento,
localizado na tabela RelacaoEconomica_fatos.
RelacaoEconomica_
Devido à complexidade envolvida
para armazenar e recuperar a evolução das informações espaciais e temporais das
parcelas,, em geral, o histórico não é mantido no cadastro imobiliário, embora seja
muito importante. Somente em casos específicos e bem justificados
justificados existe uma série
histórica detalhada. A Figura 30 ilustra como são armazenadas informações de uma
parcela, que é modelada como um recurso. A data do evento é inserida no atributo
data_evento,, sua descrição na dimensão recurso e a localização espacial nas
dimensões layer e geometria. Sempre que ocorrer uma alteração qualquer em um
determinado objeto, ocorrerá uma nova entrada nas dimensões a ele relacionadas e
na tabela de fatos, que definirão o estado real do objeto. Com isso, por meio da
tabela RelacaoEconomica_fatos,
RelacaoEconomica_fatos, é possível recuperar a evolução de um objeto
durante toda sua existência.
48
Data
ID
Logradouro
Número
Bairro
Testada
ValorVenal
geometry
12/01/02
1002
TRES
600
LAGOA
11
80.000,00
238989.43
567397.45
Figura 30. Armazenamento de dados no DW
3.10 Consultas Agregadas
A Figura 31 ilustra o processo para acesso aos dados. A partir do DW povoado com
informações de diversas fontes de dados, os usuários poderão customizar
instruções de consulta, para criar mapas temáticos a partir de vários módulos.
Módulo de Instrução OLAP permite sumarizar por diversos níveis de granularidade
as hierarquias de dimensões. O cadastro de metadados mantém o dicionário de
dados de todo o modelo multidimensional. Ao adicionar uma dimensão no modelo os
metadados são atualizados. Visualizadores de hierarquias e dimensões exibem
respectivamente as hierarquias e dimensões cadastradas no registro de metadados.
Customizar dimensões permite unir duas ou mais dimensões, para formar uma nova
dimensão alfanumérica, espacial ou híbrida (combinação de alfanumérica e
espacial). Construtor de consultas permite ao usuário adicionar hierarquias
alfanuméricas ou espaciais, para realizar sumarizações por diversos níveis de
granularidade. Finalmente, é criado um mapa temático com múltiplos layers fatiados
no tempo (mês, ano, intervalo de datas, etc).
49
Figura 31. Fluxo de acesso aos dados
O mapa temático possibilita ao tomador de decisão uma visão inédita das
informações do cadastro imobiliário integrado a diversas características do espaço
geográfico dispostos em camadas, com diferentes séries históricas. Com isso, é
possível tornar mais eficiente
ficiente o planejamento e as políticas sociais, que garantem a
distribuição justa de recursos sobre qualquer porção do território. A Figura 32 ilustra
a evolução entre os anos de 2009 a 2011 do bairro Da Lagoa,, localizado em Ouro
Preto. Em 2009 havia aproximadamente 50 imóveis e no final de 2011 foram
cadastrados mais de 150 imóveis construídos ou em fase terminal de construção.
Figura 32.. Evolução de
d 300% no cadastro imobiliário no bairro Lagoa
entre os anos 2009 a 2011.
50
4. Um estudo de caso – o município de Ouro Preto, MG
Nesta seção, a abordagem proposta é avaliada em um estudo de caso real. Para
isso, o SIT do município de Ouro Preto foi desenvolvido como um sistema de BI e o
CTM estruturado na forma de DW. Isso permitiu utilizar métodos de análise
baseados em inteligência de negócios que são capazes de aperfeiçoar a tomada de
deicisão, tornando-a mais completa.
Conforme o [IBGE, 2010],
2010] Ouro Preto é um município famoso pela arquitetura
colonial que pertence ao estado Minas
Minas Gerais. Além da sede é formado por 13
distritos, possui uma área total de 1.245,114 Km2 e a população está estimada em
70.227 habitantes. Foi a primeira cidade brasileira ser reconhecida como patrimônio
histórico e cultural da humanidade, no ano de 1980,
1980, pela Organização das Nações
Unidas (ONU).
4.1. Área de estudo
Figura 33.. Área de estudo no município de Ouro Preto, Minas Gerais, Brasil.
A Figura 33 delimita a região de estudos utilizada neste trabalho. Essa região foi
escolhida porque vive um intenso e mais recente processo de ocupação. O
dinamismo urbano, impulsionado principalmente pela especulação imobiliária,
imobiliária é um
dos grandes desafios para a gestão
gestão urbana e distribuição de recursos.
51
O STDW foi criado a partir de data marts departamentais, ou seja, utilizando a
técnica bottom-up. O primeiro departamento a ser contemplado foi a Secretaria de
Fazenda, responsável pela arrecadação de vários tributos, dentre eles o imobiliário.
Sua escolha se justifica pela recomendação do Ministério das Cidades, na portaria
511, que aconselha utilizar parte do acréscimo de receita proveniente do aumento
da arrecadação na evolução do CTM. A estratégia de criar vários data marts permite
menor custo inicial e retorno rápido.
O data mart da Secretaria da Fazenda de Ouro Preto foi criado a partir da integração
do cadastro imobiliário vigente ao cadastro espacial, proveniente do trabalho de
campo. As variações no tempo ocorridas nas unidades habitacionais durante sua
existência também foram representadas no data mart. Elas podem ser alfanuméricas
ou espaciais. No primeiro caso, quando ocorrem alterações nas informações
descritivas das parcelas, por exemplo: titularidade, valor pago e dívidas. O segundo
caso geralmente envolve alterações físicas. As mais comuns são a agregação ou
desmembramento de parcelas. Essas informações acerca do histórico das parcelas
foram obtidas por meio de backups do cadastro imobiliário ocorridos entre os anos
de 2009 e 2011 e povoadas no DW através de fluxos ETL.
4.2. O sistema de informação territorial SIGHabitar
O Ministério das Cidades recomenda o uso de ferramentas livres para o
desenvolvimento de CTMs e fornece o aplicativo TerraSIG.
Tanto o TerraSIG
quanto o TerraView são SIGs desenvolvidos pelo uso da biblioteca C++ TerraLib,
mantida pelo Instituto Nacional de Pesquisas Espaciais (INPE). Esta biblioteca
permite o desenvolvimento de bancos de dados geográficos sobre diferentes
SGBDs. Porém, o projeto TerraSIG não tem sido constantemente atualizado. Por
outro lado, a importância do SIG TerraView em projetos de interesse nacional, como
o monitoramento e modelagem do desflorestamento na Amazônia [DETER
4
e
5
TerraME ], é garantia de sua continuidade e evolução. Por isso, o TerraView é
adotado como plataforma para a implementação do CTM e para o desenvolvimento
4
5
http://www.obt.inpe.br/deter
http://www.terrame.org
52
de plugins que permitam a coleta, atualização, controle de qualidade e a análise dos
dados.
4.3. O cadastro técnico multifinalitário de Ouro Preto
O modelo lógico da Figura 3 foi implementado na forma de um banco de dados
TerraLib
sobre
o
SGBD
PostgreSQL
com
extensão
PostGIS.
Imagens
pancromáticas do satélite Quickbird cuja resolução é de 60 cm foram registradas
usando 77 pontos de controle coletados no município. O relevo foi modelado a partir
de curvas de nível equidistantes 5 metros, na sede do município, e 20 metros, nas
demais regiões. As geometrias do arruamento, das quadras e dos lotes foram
desenhadas sobre a imagem. Para isso, foram utilizadas plantas de quadras
fornecidas em papel pela prefeitura e a realização de trabalhos de campo para
levantamento da toponímia, da localização e da geometria de logradouros e imóveis.
4.4. Experimentos para avaliação da abordagem proposta
Para que a abordagem proposta fosse avaliada, foram conduzidos três ciclos de
desenvolvimento do CTM conforme o processo apresentado na Figura 4. Medidas
de qualidade dos dados e de produtividade das equipes foram coletadas a cada
ciclo. A equipe envolvida era composta de um programador, um desenvolvedor, um
técnico de geoprocessamento e um técnico em edificações. O programador ficou
responsável pela construção dos fluxos ETL na ferramenta GeoKettle, customização
de relatórios para fomentar o saneamento do banco de dados da prefeitura que
alimenta o DW e customização de relatórios. O desenvolvedor realizou a construção
dos plugins. Tratamento de informações espaciais, acompanhamento da qualidade
das informações e evolução integrada do CTM foram realizados pelo técnico em
geoprocessamento. A coleta de informações em campo foi realizada pelo técnico em
edificações. Todos os colaboradores ficaram dedicados vinte horas semanais.
O maior esforço no decorrer desses ciclos foi para manter os fluxos ETL. No
cadastro imobiliário da prefeitura havia centenas de erros provenientes dos usuários
do sistema. Os mais comuns referem-se ao nome da via, bairro e principalmente na
informação complementar dos imóveis. Foram detectados 8 variações para o nome
53
da via JUSCELINO KUBITSCHEK, 5 para a informação complementar AP 101 e 6
para identificar o bairro NOSSA SENHORA DO CARMO. Além desses, várias vias e
bairros são armazenadas por apelidos, por exemplo, a via CONDE DE BOBADELA
tem apelido RUA DIREITA e o bairro VILA ITACOLOMI tem o apelido BAUXITA. A
Figura 34 ilustra alguns desses erros de cadastro. As informações saneadas pelos
fluxos ETL, realimentam os sistemas legados.
Figura 34. Cadastros incorretos
Durantes os seis meses de experimentos, a equipe conseguiu construir o CTM a
partir dos dados espaciais listados na seção 5.3.1. Além disso, conseguiu manter o
CTM e fluxos ETL atualizados, absorvendo com rapidez diversas mudanças sofridas
pelas fontes de dados, pelo modelo de dados do CTM e pelas demandas dos
técnicos administrativos do município. Entre os 3.037 imóveis na área de estudo
previamente registrados no cadastro imobiliário do município, 92% foram
corretamente georreferenciados e associados a informações oriundas de sistemas
legados. Diferentes causas justificam a falha na incorporação de 8% dos imóveis. As
três principais são: (i) os cidadãos mudam a numeração dos endereços por vontade
própria; (ii) os imóveis foram demolidos ou agregados; e (iii) os imóveis estão
fechados, não há numeração afixada e as informações fornecidas por vizinhos não
foram suficientes para determinar o endereço. No entanto, 1.195 novos imóveis
foram identificados em campo, incorporados ao CTM e, posteriormente associados a
informações de sistemas legados. A Figura 36 mostra a análise da evolução espaço
temporal do valor do Imposto Predial e Territorial Urbano (IPTU) nos anos de 2009,
2010 e 2011.
54
Figura 35.. Evolução da distribuição espacial do valor do IPTU nos anos de 2009,
2010 e 2011.
A Figura 35 ilustra em 2009 uma cor mais intensa na região próximo à Universidade
Federal de Ouro Preto (UFOP). Nessa área concentram-se
concentram
os imóveis de maior
valor e, portanto, é a região em que o cadastro é mais preciso e atualizado.
atualizado Sendo
estes fatores responsáveis por iniciar o trabalho de campo sobre essa região. As
demais áreas com coloração mais fraca no ano 2009 indicam menor número de
imóveis associados, entre o CTM e o cadastro imobiliário e trabalho de campo em
andamento. No ano de 2010 os trabalhos foram concentrados nas demais regiões e
em 2011 verifica-se
se toda a área mapeada. As regiões que possuem coloração mais
intensa representam maior concentração de imóveis e consequentemente cadastro
imobiliário mais apurado, além de melhor infraestrutura e serviços disponíveis.
55
5. Conclusões e trabalhos futuros
Durante a realização deste trabalho, as seguintes lições foram aprendidas:
•
Lição 1 - É preciso uma equipe multidisciplinar: Dispor de uma equipe
multidisciplinar é o principal fator determinante para sucesso de um SIT. Além
do conhecimento de especialistas na administração do município, é preciso
mão de obra capacitada nas seguintes áreas: edificações e engenharia civil,
computação e geoprocessamento. Durante os trabalhos de campo,
especialistas em construção civil apresentaram maior facilidade no uso de
mapas, em entender o processo de urbanização a partir de imagens
defasadas da realidade e em registrar a geometria de imóveis e logradouros.
O desenvolvimento de um banco de dados geográfico requer especialistas
em geoprocessamento. É ideal que especialistas em computação se
responsabilizem pela gestão do CTM e pela customização das ferramentas
de coleta, atualização e análise de dados.
•
Lição 2 - É preciso envolvimento direto dos administradores municipais
(stakeholders):
O
empenho
de
tomadores
de
decisão,
técnicos
administrativos e especialista nos sistemas legados é vital para a avaliação
de versões de repositório de dados e ferramentas produzidas. Eles devem
assegurar a evolução incremental do SIT. O conhecimento sobre o território
do município e sua história é essencial para o saneamento dos dados.
•
Lição 3 - É possível desenvolver um sistema de BI espaço temporal com
ferramentas livres. Contudo, a produtividade da equipe é afetada:
Existem excelentes frameworks para o desenvolvimento de sistemas de BI
que fornecem ferramentas ETL, DM e OLAP para dados espaciais integradas
a SIGs GeoKettle e Talend6. No entanto, a deficiência ou inexistência de
serviços de suporte técnico e treinamento, a escassez de documentação
exemplificada e de casos de sucesso para serem copiados limitam a
desempenho da equipe de desenvolvimento.
6 Talend - Data Integration Software and Data Management Tools - http://www.talend.com/index.php
56
•
Lição 4 - É preciso contrabalancear a precisão temporal e a precisão
espacial do CTM: O dinamismo da ocupação do solo torna dispendiosa e
extenuante a tarefa de manter atualizado um CTM baseado em polígonos que
representam as parcelas e as unidades habitacionais. No entanto, representar
as parcelas e os respectivos objetos que as sobrepõe, por meio de pontos
simplifica o processo de atualização, permite o mapeamento eficiente de
construções verticais e permite que métodos de análises espaciais sejam
aplicados a dados de sistemas legados: estimadores de kernel, krigagem,
formação de grupamentos espaciais, etc. Por isso, os gestores do SIT devem
considerar o esforço envolvido na atualização dos dados e retorno trazido
pela representação espacial escolhida. É preciso balancear precisão espacial
e precisão temporal.
•
Lição 5 - Ferramentas móveis para coleta de dados trazem enorme
ganho de produtividade. Durante os trabalhos de campo, o uso de
plataformas móveis com GPS e conexão de dados em banda larga permite a
navegação assistida por mapas digitais e reduz erros introduzidos por
processos manuais de coleta de dados. Resultados de mesma qualidade
obtidos por processos manuais requerem, em geral, mais que o dobro do
esforço.
•
Lição 6: É viável abordar um SIT como um sistema para inteligência de
negócio:
O uso de tecnologias de Inteligência de Negócios atendeu às
expectativas da pesquisa. Elas permitem a análise de volumes massivos de
dados. Foi possível atender as diretrizes nacionais para governo eletrônico, a
portaria 511 do Ministério das Cidades e as diretivas do projeto Cadastre
2014. Os tomadores de decisão reportaram enorme vantagem em conhecer
os valores de indicadores sumarizados por diferentes hierarquias temporais e
espaciais. A continuidade do SIT é assegurada pela maturidade das
ferramentas de BI e por serviços para customização de ferramentas através
de diagramas e interfaces gráficas. O uso de fluxos ETL se mostrou uma
estratégia flexível e eficiente na atualização do CTM. Estima-se que devido à
57
ampliação da base imobiliária cadastrada e de uma tributação mais efetiva,
cinquenta por cento do investimento neste projeto seja recuperado no
primeiro ano em que ele for utilizado para cobranças de taxas e impostos. Isto
demonstra a sustentabilidade da abordagem proposta. No entanto, a partir de
certo momento, o esforço de campo não resultará na evolução do CTM até
que ocorra a reorganização do espaço geográfico (estabelecer limites,
oficializar logradouros, normatizar numeração, etc.) e o recadastramento de
imóveis. É necessário recobrir todo universo do cadastro, para que as
políticas sociais sejam viáveis.
•
Lição 7: O SIGHabitar vs outras abordagens: Os trabalhos encontrados na
literatura não apresentam uma metodologia consolidada, para criar e manter
um SIT. A abordagem SIGHabitar consolidou em um estudo de caso real, um
conjunto de métodos, softwares livres e modelo de banco de dados
multidimensional, para instituir o SIT em municípios bresileiros de pequeno e
médio porte. Esse conjunto permitiu georreferenciar informações em campo,
integrá-las aos sistemas legados em um DW e criar fluxos automatizados
para manter o DW atualizado. Com isso, é possível explorar com maior
eficiência um grande volume de dados e gerar relatórios mais completos e
atualizados. A utilização de softwares livres torna a solução mais barata, o
que permite ser utilizada por municípios que possuem menos poder de
investimento destinado às evoluções tecnológicas.
Os trabalhos futuros visarão expandir o uso da abordagem proposta e avaliá-la em
domínios da administração municipal que vão além da gestão do cadastro imobiliário
e da tributação. O desenvolvimento do framework para a construção e atualização
de STDW na tecnologia TerraLib será conintuado. Serão realizas pesquisas por
métodos e ferramentas para computação de cubos muldimensionais e para
mineração de dados espaço temporais.
58
Referências
Abdel-Rahman, M. S., El Bahy, M. M., Malone, J. B., Thompson, R. A. e El Bahy, N.
M. (2001). “Geographic information systems as a tool for control program
management for schistosomiasis in Egypt”. Acta Tropica, 79, 49-57.
Ahmed, I., Azhar, S., e Lukauskis, P. (2004). “Development of a decision support
system using data warehousing to assist builders/developers in site
selection”. Automation in Construction , 13 (4), 525-542.
Aronoff S. (1989). “Geographical information system: a management perspective”.
Ottawa, Canada: WDL.
Bennett, R., Rajabifard, A., Kalantari, M., Wallace, J., Williamson I. (2010). “Cadastral
Futures: Building a New Vision for the Nature and Role of Cadastres”, FIG
Congress 2010: Facing the Challenges – Building the Capacity, Sydney,
Australia.
Burrough, P. A. (1986). “Principles of GIS for land resource assessment”.
Monographs on Soil and Resources Survey No. 12. Oxford Science
Publications, Clarendon Press, Oxford.
Bédard Y., Merrett T. e Han J. (2001). “Fundaments of spatial data warehousing for
geographic knowledge discovery”. In H. Miller and J. Han, editors,Geographic
Data Mining and Knowledge Discovery, pages 45--59. Taylor e Francis.
Bédard, Y., Rivest, S. e Proulx, M.J. (2007). “Spatial online analytical processing
(SOLAP): concepts, architectures, and solutions from a geomatics engineering
perspective”. Wrembel-Koncilia (Ed.), Data Warehouses and OLAP: Concepts,
Architectures and Solutions, IRM Press (2007), pp. 298–319
Brown, L.G. (1992). "A Survey of Image Registration Techniques". ACM Computing
Surveys, Vol. 24, No. 4, pp. 325-376.
Câmara, G. e Fonseca, F. (2008). “Information policies and open source software in
developing countries". Journal of the American Society for Information Science
and Technology, 58(1), 121–131.
Codd , E.F. (1993). “Providing olap (on-line analytical processing) to user-analysts:
An it mandate”. Technical report, E.F. Codd and Associates.
Dale, P. and McLaughlin, J. (1989). “Land Information Management: An Introduction
with Special Reference to Cadastral Problems in Third World Countries”, Oxford
University Press, Oxford.
Gómez, L. I., Kuijpers, B. e Vaisman, A. A. (2011). “A State-of-the-Art in SpatioTemporal Data Warehousing, OLAP and Mining”. Integrations of Data
Warehousing, Data Mining and Database Technologies: 200-236.
59
Inmon, W. H. (1996). “Building the Data Warehouse”, 2nd end. John Wiley e Sons.
Fourie, C. e Nino-Fluck, O. (2000). “Cadastre and Land Information Systems for
Decision Makers in the Developing World”. Geomatica, vol.54, no.3:335-342.
Fundação Getúlio Vargas (2007). “Estudo Comprova Eficiência Fiscal dos
Municípios
do
PNAFM”.
Disponível
em:
http://www.ucp.fazenda.gov.br/PNAFM/, Acesso: Novembro de 2011.
Gonçalves, R. (2008). “Modelagem Conceitual de Bancos de Dados Geográficos
para Cadastro Técnico Multifinalitário”. Tese de Mestrado. Universidade
Federal de Viçosa.
Governo Eletrônico (2012). “Diretrizes”. Disponível em: http://www.governoeletronico.
gov.br/o-gov.br/principios/, Acesso: Julho de 2012.
IBGE (2010). “População por Município, CENSO
http://www.ibge.gov.br. Acesso Março, 2012.
2010”.
Disponível
em:
Kaufmann, J. e Steudler, D. (1998). “Cadastre 2014, A vision for a future cadastral
system”, FIG, July 1998. Disponível em: http://www.swisstopo.ch/Wgwg71/cad2014.htm.
Kimball, R. e Ross, M. (2002). “The Data Warehouse Toolkit: The Complete Guide to
Dimensional Modeling”, 2nd edition, Wiley, New York.
Kimball, R. e Caserta, J. (2004). “The Data Warehouse ETL Toolkit: Practical
Techniques for Extracting, Cleaning, Conforming, and Delivering Data”. John
Wiley e Sons, ISBN 0764567578, 528 p.
Loch, C. (2007). “A realidade do Cadastro Técnico Multifinalitário no Brasil”. Anais do
XIII Simpósio Brasileiro de Sensoriamento Remoto, Florianópolis, Abril. 2007,
Instituto Nacional de Pesquisas Espaciais, pp. 1281-1288.
Loch, C. and Erba, D. A. (2007). “Cadastro Técnico Multifinalitário - Rutal e
Urbano”. Cambridge, MA: Lincoln Institute of Land Policy, 2007. 142p.
Lorenz, M. e Kidd, J. (1994). “Object-Oriented Software Metrics”. Prentice Hall,
Englewood Cliffs, New Jersey.
Luhn H.P. “A business intelligence system”. IBM Journal of Research and
Development. 1958; 2 (4): 314-319.
Malinowski, E. e Zimányi, E. (2008). “Advanced Data Warehouse Design: from
Conventional to Spatial and Temporal Applications”. Springer, 1st Ed.
Marchand, P. (2003). “The Spatio-Temporal Topological Operator Dimension, a Hyperstructure for Multidimensional Spatio-temporal Explorations and Analysis”.
PhD thesis, Universit´e Laval Sainte-Foy.
60
Miquel, M., Brisebois, A., Bèdard, Y. e Edwards, G. (2004). “Implementation and
evaluation of hypercube-based method for spatio-temporal exploration and
Analysis”. ISPRS Journal of Photogrammetry & Remote Sensing , 59(1–2):6–
20.
Miquel, M., Bèdard, Y., Brisebois, A., Pouliot, J., Marchand, P. e Brodeur,
J. (2002). “Modeling Multidimensional Spatio-temporal Data Warehouse in
a
Context of
Evolving
Specifications”,
Joint International Symposium
International Society
for
Photogrammetry
and
Remote Sensing
(ISPRS) Commission IV SDH 2002 95th Annual CIG Conference, pp. 1-6.
Ministério das Cidades (2009). “Portaria 511: Diretrizes para a Criação, Instituição e
Atualização do Cadastro Territorial Multifinalitário (CTM) nos Municípios
Brasileiros”. 2009. ISSN 1676-2339. Disponível em: http://www.cidades.gov.br.
Acesso Agosto, 2011.
O'Callaghan, J. F. e Mark, D. M. (1984). "The Extraction of Drainage Networks From
Digital Elevation Data". Computer Vision, Graphics and Image Processing, 28:
328-344.
Papadias,D., Tao, Y., Kalnis, P. e . Zhang. J. (2002). “Indexing Spatio-Temporal
Data Warehouses”. In Proc. of the 18th International Conference on Data
Engineering, pages 166-175. IEEE.
Pereira N. E. C. (2002). “Repensando o valor do cadastro técnico urbano”. In:
Congresso Brasileiro de Cadastro Técnico Multifinalitário, 5, Florianópolis.
Anais. 2002.
Poe, V., Klauber. P., e Brobst, S. (1998). “Building a Data Warehouse for Decision
Support”. New Jersey: Prentice-Hall.
Rosa, R. A. S. e Fernandes, D. (2011). “Correção Radiométrica de IMAGENS DE
Radar de Abertura Simétrica Aerotransportado”. Anais XV Simpósio Brasileiro
de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, INPE p.8280
Lima, R. S., Lima, J. P., Pons, D. N. A. Dias. (2009). “Precisão aceitável? A utilização
do Google Earth para obtenção de mapas viários urbanos para SIG”. revista
Infogeo, v. 57, p. 34-36.
Rigaux, P., Scholl, M., e Voisard, A. (2001). “Spatial databases: With application to
GIS”. Morgan Kaufmann.
Samet, H. (1990). "Applications of spatial Data structures: Computer Graphics,
Image Processing, and GIS”. Addison-Wesley, Reading, MA.
Schowengerdt, R.A., (1997). “Remote Sensing: Models and Methods for Image
Processing”, Second ed, Academic Press, San Diego, 522 pp.
61
Shmueli, G., Patel, N. R. e Bruce, P. (2007). “Data Mining for Business Intelligence:
Concepts, Techniques and Applications in Microsoft Office Ecel with XLMiner”.
Wiley-Interscience.
Šimonová S., Komárková J. (2004). “Data and Data Warehousing for Management of
Small Region–from the Czech republic Point of View”. WSEAS Transactions on
Information Science and Applications, Issue 1, Volume 1, s. 184-188, ISSN
1790-0832.
Smith, T.R., Menon, S., Star, J.L e Estes, J.E. (1987). “Requirements and principles
for the implementation and construction of large-scale geographical information
systems”. Int. J. Geograph. Inform. Syst., pp. 13–31
Ting, L. e Williamson, I. P. (2000). “Spatial Data Infrastructures and Good
Governance: Frameworks for Land Administration Reform to Support
Sustainable Development”. Proceedings of the 4th Global Spatial Data
Infrastructure Conference, Cape Town, South Africa 13-15.
Turban, E. e Aronson, J.E. (1998). “Decision Support Systems and Intelligent
Systems”. Upper Saddle River, Prentice Hall.
Peucker, T. K., Fowler, R. J. e Little, J. J. (1978). “The triangulated irregular
network”. Proceedings of the ASP Digital Terrain Models (DTMJ Symposium,
09-11 May, St. Louis, Missouri, pp. 516-540.
UN-FIG. (1999). “The Bathurst Declaration on Land Administration for Sustainable
Development”. Report from the UN-FIG Workshop on Land Tenure and
Cadastral Infrastructures for Sustainable Development, Bathurst, NSW,
Australia, pp 18–22.
UNECE. (1996). “Land Administration Guidelines”. Meeting of Officials on Land
Administration. UN Economic Commission for Europe. ECE/HBP/96 Sales no.
E.96.II.E.7, ISBN 92-1-116644–6.
Van Oosterom, P.J.M., Lemmen, C.H.J., Ingvarsson, T., Van der Molen, P., Ploeger,
H., Quak, W., Stoter, J. and Zevenbergen, J. (2006). “The core cadastral
domain model”, Computers, Environment and Urban Systems, Volume 30, 5.
Watson, H., & Wixom, B. (2007). “The current state of Business Intelligence”. IEEE
Computer Society , pp 96-99.
Williamson, I. P. (1983). "A Modern cadastre for New South Wales", Unisurv Report
S23, 250 p. ISBN 0-85839-038-8.
Williamson, I. P. (2000). “Best Practices for Land Administration Systems in
Developing
Countries”. International
Conference
on
Land
Policy
Reform, Jakarta.
62
Wyatt, P., e Ralphs, M. (2003). “GIS in Land and Property Management. Great
Britain”: Spoon Press. 240 p. ISBN 0-415-24065-4.
63
Anexo A – Formulário BCI
64
Anexo B – Carne de pagamento de ITPU
65
Anexo C – Modelo CCDM parte 1
66
Anexo D – Modelo CCDM parte 2
67
Anexo E – Modelo de dados conceitual para CTM
68