Na composição de uma base cartográfica municipal, no plano U...

A alternativa correta é a B - Matricial – vetorial – matricial.

O tema central da questão envolve o entendimento das estruturas de dados em geoprocessamento, especificamente na composição de bases cartográficas. Para responder a esta questão, é necessário compreender as diferenças entre dados matriciais e vetoriais.

Vamos entender o que cada estrutura representa:

• Dados Matriciais: São dados organizados em uma grade de pixels, onde cada pixel tem um valor e representa uma área específica no espaço. Imagens de satélite e ortomosaicos geralmente são dados matriciais, pois são compostos por pixels que capturam variações contínuas do espaço.
• Dados Vetoriais: São dados que representam feições espaciais através de pontos, linhas e polígonos. São usados para descrever estruturas como arruamentos, bordas de construções, rodovias, etc.

A seguir, a justificativa para a alternativa B:

• Ortomosaico: Este é um tipo de imagem aérea ajustada, que mantém a precisão métrica e é construída a partir de várias imagens. Por ser uma imagem, sua estrutura de dados é matricial.
• Arruamentos: As feições geométricas dos arruamentos são representadas por linhas (vetores), portanto, sua estrutura é vetorial.
• Imagem de Satélite: Assim como o ortomosaico, é composta de pixels que capturam informações contínuas do terreno, logo, é matricial.

Agora, vamos analisar por que as outras alternativas estão incorretas:

• A - Vetorial – matricial – matricial: Incorreta, pois o ortomosaico não é vetorial.
• C - Matricial – matricial – vetorial: Incorreta, pois os arruamentos são vetoriais e não matriciais.
• D - Vetorial – matricial – vetorial: Incorreta, pois tanto o ortomosaico quanto a imagem de satélite são matriciais.
• E - Vetorial – vetorial – matricial: Incorreta, pois o ortomosaico é matricial, não vetorial.

Compreender a diferença entre dados matriciais e vetoriais é essencial na área de Geologia e para o uso de sistemas de informações geográficas (SIG). A prática de identificar corretamente essas estruturas de dados será valiosa em vários contextos profissionais e acadêmicos.

Gostou do comentário? Deixe sua avaliação aqui embaixo!