Projeto de análises de dados LiDAR 3D em assentamentos informais e favelas
São Paulo e algumas cidades do Brasil tem levantamentos LiDAR 3D. Tais dados contínuos de toda a área da cidade podem conter informações importantes para análises, classificações e descrições de áreas de assentamento precário como as favelas.
O objetivo desse repositório e estudar, apresentar técnicas, experimentar e avaliar métodos de trazer subsídios para esse tema a partir dos levantamentos LiDAR 3D de algumas cidades brasileiras a começar por São Paulo.
São Paulo tem a disposição dois levantamentos LiDAR 3D, realizados em 2017 e 2020, assim como uma extensa quantidade de dados e levantamentos disponíveis no GeoSampa. A partir de tais conjuntos de dados iremos utilizar linguagem de programação Python em Notebooks afim de gerar resultados como:
- Área contruída estimada
- Densidade Construída
- Aumento/Decréscimo das áreas contruiídas
- Restituição das edificações
- Contagem de edificações
- Dimensões qualitativas da forma
- Classificação tipomórfica das edificações por grau de precariedade
- Presença ou auséncia de recuos para iluminação e ventilação
- Identificação de rotas e acessos
- Segmentação e busca de áreas favelizadas e não favelizadas
Como utilizamos a biblioteca pdal precisamos instalar um ambiente de trabalho compatível:
conda create --yes --name pdal --channel conda-forge pdal ipykernel pip
conda activate pdal
pip install -r requirements.txt
E para subir o banco de dados:
docker run -d -e POSTGRES_USER=postgres -e POSTGRES_PASS=1234 -e POSTGRES_DBNAME=faveLiDAR -e ALLOW_IP_RANGE=0.0.0.0/0 -p 5432:5432 -v pg_data:/var/lib/postgresql --restart=always kartoza/postgis:15-3.3
Espera-se com esse repositório, além dos resultados práticos a serem publicados a medida que forem processados, persistir e disseminar ténicas de LiDAR para as análises da morfologia urbana