• Curso:Computação Aplicada (CAP)
• Nível: Doutorado
• Formação: Matemática (Universidade de Taubaté)
• Orientadora: Dra. Corina da Costa Freitas
• Co-Orientador: Dr. Luciano Vieira Dutra
• Contato: flavinha@dpi.inpe.br (Ramal:6469)

• Relatório 1 (Modelagem e Criação de Bancos de Dados) lab1_flaviamartins.pdf
• Relatório 2 (Cartografia em GIS - Registro) lab2_flaviamartins.pdf
• Relatório 3 (Álgebra de Mapas) lab4_flaviamartins.pdf lab4.1_flaviamartins.pdf
• Relatório 4 (Modelagem Numérica de Terreno) lab3_flaviamartins.pdf
• Relatório 5 (Geo-Estatística) lab5_flaviamartins.pdf

Estimativa da esquistossomose no estado da Bahia

Assim como outras doenças de veiculação hídrica a esquistossomose é dependente de algumas caracteristicas ambientais e sociais, ocorrendo principalmente nas periferias e na zona urbana. No estado da Bahia os dados de prevalência da esquistossomose são agregados a nível municipal, o que dificulta a elaboração de um modelo que consiga explicar as relações entre os fatores socio-ambientais e a doença de maneira mais acertada. Para se tentar minimizar esse problema, já que nao se existem dados pontuais da prevalência da doença disponíveis, o uso de interpoladores para estimar o valor da prevalência a cada 250m pode ser bastante útil para o estudo.

Os municípios do estado da Bahia com baixa prevalência podem ser afetados pelos municípios com alta prevalência? Existem áreas no estado onde a prevalência é maior? As áreas de maior prevalência coincidem com as áreas com maior declividade?

Comentários para a Flávia - Miguel

Comentários para o Miguel - Flávia

Refinamento de dados de SR como subisídio na estimativa da prevalência da esquistossomose no estado de Minas Gerais

Assim como outras doenças de veiculação hídrica a esquistossomose é dependente de algumas características ambientais e sociais, ocorrendo principalmente nas periferias e na zona urbana. No estado de Minas Gerais os dados de prevalência da esquistossomose são agregados a nível municipal e até o momento as estimativas do risco da prevalência da doença foram feitos usando a média por município de dados sócio-ambientais.

As informações contidas nos dados ambientais derivados dos sensores MODIS e SRTM perdem o significado, já que a média por município não pode ser considerada uma técnica eficaz para refletir a variabilidade existente nos municípios.

Para tentar minimizar este problema propõe-se refinar alguns dos dados derivados de SR a fim de aproveitar melhor a informação da variabilidade existente nos municípios.

Serão gerados dois mapas. Para geração do primeiro serão usados os pixels que possuírem valor menor que 30% do componente solo do modelo linear de mistura espectral. Supõe-se que, com este limiar, serão usados apenas os pontos em que não se tem solo exposto. Sobrepondo o NDVI a estes pontos (que não tem solo exposto) será calculada a média do NDVI usando apenas estes pontos e não mais todos os pontos do município. Para a geração do segundo mapa serão usados os pixels que possuírem valor maior que 70% do componente sombra do modelo linear de mistura espectral. Supõe-se que, com este limiar, serão usados apenas os pontos de provável existência de água. Sobrepondo o mapa de declividade (DEC) a estes pontos (de provável existência de água) será calculada a média de DEC usando apenas estes pontos para cada município.

A média de alguns pixels selecionados de dados derivados se SR no município é mais relacionada com a doença do que a média por município.

A média dos pontos é mais relacionada com a prevalência da doença do que a média por município?

modelo_omt-g_flavia.pdf

Comentário 3 para o Miguel - Flávia