360 likes | 512 Views
Sistemas de Información Geográfica. Bases de datos espaciales. Contexto. Agricultura de Precisión genera muchos datos Necesidad de almacenar y articular datos Limitaciones en las bases de datos relacionales. Antecedentes. Bases de datos tradicionales (RDBMS) Concepto de base de datos
E N D
Sistemas de InformaciónGeográfica Bases de datos espaciales.
Contexto • Agricultura de Precisión genera muchos datos • Necesidad de almacenar y articular datos • Limitaciones en las bases de datos relacionales
Antecedentes • Bases de datostradicionales (RDBMS) • Concepto de base de datos • Concepto de tabla • Concepto de campo – tipos • Concepto de relaciones • Sistemas de InformaciónGeográfica • Datosvectoriales • Datos raster (matriciales)
Objetivos • Diferenciar entre bases de datosrelacionales (tradicionales) y espaciales. • ventajas bases de datosespaciales • vincular bases de datosespaciales con sistemasGIS
Programa • Repaso • Ejemplo • Planteo de la problemática • Conclusión • Bases de datos espaciales • Concepto • Tipos de datos espaciales • Operadores - Indices • Nuevas funciones de consultas • Resolución de la problemática • SDBMS + Sistemas GIS • Ejercitación
Repaso • Base de Dato: Es una herramienta para almacenar, agrupar, relacionar y acceder a tablas de información - Básicamente almacenan texto y números en forma tabular • Tabla: Consiste en una agrupación de datos organizados en forma de Campos (columnas) y registros (filas) • Campo: Unidad básica de almacenamiento de información, de una base de datos. Se debe definir su “tipo”. • Relaciones • Primary Key • Foreign Key • Integridad referencial
Repaso SQL (StructuredQueryLanguage) • lenguaje de programación • comunicación con base de datos. • es el estándar para los sistemas de gestión de bases de datos relacionales.
Repaso Sistemas de Información Geográfica Datos vectoriales Datos raster (matriciales) [(0,0),(1,0)] [(0,0),(0,1)] [(0,0),(1,0),(1,1),(0,1),(0,0)]
Ejemplo 1 2 3 4 Empresa: Las tres margaritas Campo: Lezama Año: 2007
Ejemplo 64,931 Análisis de P 70,655 11,179 42,296 52,27 19,902 80,843 68,643 38,916 1 3,2 2,192 2 3 46,627 4 Empresa: Las tres margaritas Campo: Lezama Año: 2007
Ejemplo 1: Consultas • ¿Cuánto rindió el lote 1 en el año 2006? select "Empresas"."Nombre", "Campos"."Nombre", "Lotes".id_lote, "Campanias".anio, "Campanias".cultivo, "Campanias".rendimiento from "Campanias", "Lotes", "Campos", "Empresas" where "Campanias".anio = 2007 and "Lotes".id_lote = 1 and "Campos"."Nombre" = 'Lezama' and "Empresas"."Nombre" = 'Las tres margaritas' and "Lotes".id_campo = "Campos".id_campo and "Campos".id_empresa = "Empresas".id_empresa and "Campanias".id_lote = "Lotes".id_lote
Ejemplo 2: Consultas • ¿Cuánto P había en cada lote en el año 2006? select "Empresas"."Nombre", "Campos"."Nombre", "Lotes".id_lote, avg("AnalisisSuelo"."P") from "AnalisisSuelo", "Lotes", "Campos", "Empresas" where "Campos"."Nombre" = 'Lezama' and "Empresas"."Nombre" = 'Las tres margaritas' and "AnalisisSuelo".fecha BETWEEN '20060101' and '20070101' and "AnalisisSuelo".id_lote = "Lotes".id_lote and "Lotes".id_campo = "Campos".id_campo and "Campos".id_empresa = "Empresas".id_empresa group by "Empresas"."Nombre", "Campos"."Nombre", "Lotes".id_lote, "AnalisisSuelo".id_lote order by "AnalisisSuelo".id_lote
1 2 3 4
2 3 1 4 5
Análisis de P 64,931 2 70,655 11,179 3 42,296 52,27 1 19,902 80,843 68,643 38,916 4 3,2 2,192 5 46,627 Establecimiento: Las tres margaritas Campo: Lezama Año: 2009
Conclusión • Los datos de campo (fertilidad, rendimiento) son georeferenciados • Los límites de los lotes son cambiantes • Las bases de datos tradicionales poseen limitaciones para modelar estas cuestiones. Las bases de datos espaciales permiten superar estas limitaciones
SDBMS (Spatial DBMS) Añade soporte para objetos geográficos a la base de datos objeto-relacional • Trabaja con un DBMS de fondo • Proporciona ADTs espaciales (spatial Abstract Data Types ) accesibles desde un lenguaje de consultas (SQL) • Proporciona métodos para un procesamiento eficiente de consultas espaciales
SDBMS • Componentes que deben estar presentes en un SGDBR espacial • Tipo de dato espacial • Esquema de indexación espacial • Operadores espaciales. Lenguaje de consultas, procesado y optimización espacial
Operadores - Indices Los índices entran en juego cuando se reconoce un operador en la sentencia SQL. Por ejemplo, en las RDBMS: • SELECT * FROM tabla WHERE nombre = ‘Pablo’ = es un operador • SELECT * FROM tabla WHERE edad < 2 < es un operador
Operadores - Indices En las SDBMS, el operador del índice espacial es “&&” A && B = TRUE A && B = FALSE
Funciones - Ejemplos • ST_Intersects(A,B) • ST_Touches(A,B) • ST_Crosses(A,B) • ST_Contains(A,B) • ST_Within(B,A)
Análisis Espacial - Ejemplos ¿Cuál es el área del lote 3? select Nombre, st_area(the_geom) from Lotes where id_lote = 3;
Análisis Espacial - Ejemplos ¿Cuantos análisis de suelo se hicieron en el lote 3? select count(AnalisisSuelos.id_analisisSuelo) from AnalisisSuelos, Lotes whereST_Within(AnalisisSuelos.the_geom,Lotes.the_geom) and Lotes.id_lote = 3;
Resolución de la problemática • ¿Cuánto P había en cada lote en el año 2006? select "Empresas"."Nombre", "Campos"."Nombre", "Lotes".id_lote, avg("AnalisisSuelo"."P") from "AnalisisSuelo", "Lotes", "Campos", "Empresas" where "Campos"."Nombre" = 'Lezama‘ and "Empresas"."Nombre" = 'Las tres margaritas‘ and "AnalisisSuelo".fecha BETWEEN '20060101' and '20070101' and ST_Within(“AnalisisSuelo”.the_geom, “Lotes”.the_geom) and ST_Within(“Lote”.the_geom, “Campo”.the_geom) and "Campos".id_empresa = "Empresas".id_empresa group by "Empresas"."Nombre", "Campos"."Nombre", "Lotes".id_lote, "AnalisisSuelo".id_lote order by "AnalisisSuelo".id_lote
Ejercitación • 1- Resolver el ejemplo 1 utilizando las ventajas de las bases de datos espaciales: -¿Cuánto rindió el lote 1 en el año 2006? • 2- ¿A qué campo y empresa pertenece el lote en el cual se registró la mayor concentración de “Fe” a lo largo del tiempo, y cuál es ese valor? (Considere el modelo espacial)