Análise da Distribuição Espacial do Sistema Turístico de Juiz de Fora / MG

Thiago Pimentel

doi:10.5216/ag.v15i2.66183

Análise da Distribuição Espacial do Sistema Turístico de Juiz de Fora / MG

Ateliê Geográfico ◽

10.5216/ag.v15i2.66183 ◽

2021 ◽

Vol 15 (2) ◽

pp. 254-289

Author(s):

Thiago Pimentel

Keyword(s):

Google Earth

Este trabalho apresenta a análise espacial do sistema turístico/SISTUR a partir da produção cartográfica, temática e agregado, de seus equipamentos turísticos. O quadro teórico emerge na interface entre a administração, com ênfase na gestão pública, a geografia e o turismo, explorando o tema da aglomeração produtiva. Metodologicamente realizou-se um estudo de caso no locus de Juiz de Fora/MG, valendo-se de um banco de dados preexistente com os principais componentes do SISTUR em tela – em termos de equipamentos públicos e privados – de onde foram extraídos 100 itens mais representativos (amostra). Procedeu-se à geolocalização dos spots, via recuperação de informações disponíveis pelo sistema google Earth e, em casos específicos, via o georreferenciamento in locu de pontos não disponíveis. De posse das coordenadas dos 100 spots identificados, procedeu-se a produção de 18 cartas temáticas, por meio do software QGIS, setoriais e gerais, organizadas e analisadas segundo três princípios: o tipo de equipamento do sistema turístico; regiões de planejamento municipal, e concentração e centralidade. Tais mapas permitiram identificar a concentração da atividade em zonas: de alta, média e baixa incidência, cada qual requerendo um tipo de ação. Conclui-se que tais informações são estratégicas e necessárias para o fornecimento de informação qualificada necessária a tomada de decisão e intervenção no SISTUR em tela, visando o pleno desenvolvimento de suas potencialidades. Palavras-chave: Sistema Turístico/SISTUR. Análise Espacial. Geolocalização. Mapas. Equipamentos Turísticos.

Download Full-text

How does Google Earth work?

Nature ◽

10.1038/news060213-7 ◽

2006 ◽

Cited By ~ 3

Author(s):

Declan Butler

Keyword(s):

Google Earth

Download Full-text

Indian typhoid hotspots on Google Earth soon

Nature India ◽

10.1038/nindia.2009.169 ◽

2009 ◽

Keyword(s):

Google Earth

Download Full-text

Temporal Analysis of Land use Pattern Changes In Chittagong District of Bangladesh using Google Earth and ArcGIS

Annual International Conference on Chemical Processes, Ecology & Environmental Engineering (ICCPEE’16) April 28-29, 2016 Pattaya (Thailand) ◽

10.15242/iae.iae0416420 ◽

2016 ◽

Keyword(s):

Land Use ◽

Temporal Analysis ◽

Google Earth ◽

Land Use Pattern ◽

Use Pattern

Download Full-text

Monitoreo de los efectos de los incendios forestales mediante el uso de sensores remotos en el Área de Conservación Guanacaste, Costa Rica

Memorias del I Congreso Internacional de Ciencias Exactas y Naturales ◽

10.15359/cicen.1.74 ◽

2019 ◽

Cited By ~ 1

Author(s):

Mauricio Vega-Araya

Keyword(s):

Costa Rica ◽

Google Earth ◽

Google Earth Engine

La Tierra y su biosfera están cambiando constantemente, por lo tanto, es fundamental detectar los cambios con el fin de entender su impacto en los ecosistemas terrestres. Los esquemas de monitoreo de ecosistemas han evolucionado rápidamente en las ultimas décadas. En el caso del monitoreo forestal, los métodos y herramientas que facilitan la utilización de imágenes satelitales permiten realizar este monitoreo con el cual se puede detectar donde y cuando un bosque es eliminado o afectado debido a un evento de deforestación o bien de fuego, lo anterior casi en tiempo real. Estas nuevas herramientas están disponibles para su implementación, sin embargo, ningún paı́s de la región centroamericana y el Caribe ha implementado un sistema como herramienta de decisión dentro de una estructura de gobierno central o federal debido a la ausencia de programas de transferencia de tecnologı́a o programas de capacitación de talento local. Los sensores remotos proporcionan mediciones consistentes y repetibles que permiten la captura de los efectos de muchos procesos que causan el cambio, incluyendo, por ejemplo, incendios, ataques de insectos, agentes de cambio naturales y antropogénicas como por ejemplo, la deforestación, la urbanización, la agricultura, etc. Las series temporales de imágenes de satélite proporcionan maneras para detectar y vigilar cambios en el tiempo y en el espacio, esto consistentemente durante los últimos 30 años a nivel mundial. Los incendios forestales afectan el proceso de sucesión del bosque, no obstante, es muy limitada la existencia de estudios locales que relacionen el efecto de los incendios forestales con las diferencias en la información espectral a partir de sensoramiento remoto. En el presente estudio se plantea y propone la utilización y aprovechamiento de lo que se ha denominado grandes datos, especialmente con el advenimiento muchas plataformas de sensores remotos como Landsat, MODIS y recientemente Sentinel, para identificar cuál es el efecto de los incendios forestales en la sucesión y sus elementos perturbadores, como por ejemplo, la presencia de lianas. Se procesaron las series temporales se usó la plataforma digital Google Earth Engine, que permitió la selección y reducción de la información espacial de los ı́ndices de vegetación en tendencia, estacionalidad y residuos. Se analizó la respuesta de estos ı́ndices en sitios con diferente afectación por incendios forestales. Con estos índices se pretende desarrollar modelos de clasificación de series espaciales de tiempo de los ı́ndices y poder ası́ comprender los cambios en el tiempo y el espacio de los ecosistemas afectados por incendios forestales. Preliminarmente, se encontró una relación entre la incidencia de los incendios forestales y el fenómeno del Niño-Oscilación del Sur para el índice de vegetación denominado índice de área foliar. Además, la evidencia indica que el índice normalizado de vegetación si presenta diferencias respecto a los sitios que tienen un historial de fuegos diferente. El establecer esta relación implica estudiar también los regı́menes de precipitación y temperatura. El descomponer las series de tiempo facilitó la correlación con otras series de tiempo, permitiendo establecer las bases de un monitoreo y a su vez, relacionar las índices de vegetación y su variación con otros elementos climáticos, como por ejemplo, el efecto ENOS.

Download Full-text

The Map-Based Shortest Route Selection by Using Ant Colony Optimization Algorithm

Indonesian Journal of Artificial Intelligence and Data Mining ◽

10.24014/ijaidm.v1i1.4600 ◽

2018 ◽

Vol 1 (1) ◽

pp. 15

Author(s):

Achmad Fanany Onnilita Gaffar ◽

Agusma Wajiansyah ◽

Supriadi Supriadi

Keyword(s):

Ant Colony Optimization ◽

Shortest Path ◽

Optimization Algorithm ◽

Optimization Problems ◽

Google Earth ◽

Ant Colony ◽

Food Sources ◽

Shortest Route ◽

Study Results ◽

Destination Point

The shortest path problem is one of the optimization problems where the optimization value is a distance. In general, solving the problem of the shortest route search can be done using two methods, namely conventional methods and heuristic methods. The Ant Colony Optimization (ACO) is the one of the optimization algorithm based on heuristic method. ACO is adopted from the behavior of ant colonies which naturally able to find the shortest route on the way from the nest to the food sources. In this study, ACO is used to determine the shortest route from Bumi Senyiur Hotel (origin point) to East Kalimantan Governor's Office (destination point). The selection of the origin and destination points is based on a large number of possible major roads connecting the two points. The data source used is the base map of Samarinda City which is cropped on certain coordinates by using Google Earth app which covers the origin and destination points selected. The data pre-processing is performed on the base map image of the acquisition results to obtain its numerical data. ACO is implemented on the data to obtain the shortest path from the origin and destination point that has been determined. From the study results obtained that the number of ants that have been used has an effect on the increase of possible solutions to optimal. The number of tours effect on the number of pheromones that are left on each edge passed ant. With the global pheromone update on each tour then there is a possibility that the path that has passed the ant will run out of pheromone at the end of the tour. This causes the possibility of inconsistent results when using the number of ants smaller than the number of tours.

Download Full-text