-
Notifications
You must be signed in to change notification settings - Fork 1
/
03-introducao.Rmd
35 lines (21 loc) · 5.88 KB
/
03-introducao.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
<!-- Opções para livro em pdf -->
<!-- \clearpage -->
<!-- \tableofcontents -->
<!-- \clearpage -->
<!-- \listoffigures -->
<!-- \clearpage -->
<!-- \listoftables -->
# Introdução
O Repositório Brasileiro Livre para Dados Abertos do Solo, **febr**, está baseado no uso de ferramentas de software de código aberto e/ou software livre muito simples, mantendo os custos de implementação e manutenção consideravelmente baixos. Além disso, a filosofia do **febr** é usar uma estrutura de dados com a qual a maioria dos cientistas do solo trabalham em suas atividades cotidianas: planilhas eletrônicas. Isso torna muito fácil para os cientistas do solo entrar dados do solo no repositório porque o obstáculo demorado de ter que aprender um novo software e/ou estruturas de dados é eliminado completamente.
Além disso, usando uma instalação centralizada de armazenamento e compartilhamento de dados do solo, como o **febr**, os esforços duplicados de recuperação de dados do solo podem ser significativamente minimizados, permitindo que os recursos existentes sejam usados para maximizar a colaboração entre cientistas do solo. Isso foi visto nos fóruns de discussão permanentes, onde produtores e usuários de dados do solo compartilham suas experiências, criando assim um conhecimento livre e contínuo dos dados do solo. Na prática, esse conhecimento e colaboração já ajudaram a melhorar a qualidade dos dados legados do solo contidos no **febr**. Também permitiu a implementação de uma camada dedicada de ferramentas de software livre e de código aberto que abstraem dos produtores e usuários de dados do solo a complexidade das rotinas de padronização e harmonização de dados do solo. Como resultado, o tempo gasto em "massagem" de dados do solo é consideravelmente reduzido, permitindo aos cientistas do solo dedicar mais recursos ao que eles melhoram: análise de dados e modelagem.
Finalmente, o **febr** é otimizado para o gerenciamento de conjuntos de dados do solo em vez dos dados do solo. Isso significa que pode ser facilmente expandido para acomodar qualquer tipo de dados em qualquer variável do solo, independentemente do método usado para produzi-los ou sua unidade de medição ou alcance de valores ou qualquer outra característica. Ao ter os conjuntos de dados do solo como unidades de trabalho, o repositório reconhece que qualquer dado do solo tem seu valor, seja reconhecido ou não por um ou outro grupo de cientistas do solo, e que esse valor pode mudar no futuro. Só exige que um conjunto de dados do solo tenha seus próprios metadados abrangentes, o que possibilita conceber as dinâmicas de padronização e harmonização mencionadas acima, bem como a futura reutilização dos dados do solo sem a necessidade de entrar em contato com os autores do conjunto de dados do solo. Esta reutilização inclui, por exemplo, a alimentação de bancos de dados de solo especializados que exigem que os dados do solo cumpram requisitos muito específicos. Além disso, a estrutura orientada por conjuntos de dados garante que os autores dos conjuntos de dados do solo sejam devidamente reconhecidos e citados por outros, contribuindo assim para o aumento das medidas de impacto científico.
## Modelo de dados
Descobertabilidade e reusabilidade referem-se às duas primeiras das Três Leis dos Dados Abertos definidas por [David Eaves em 2009](https://eaves.ca/2009/11/29/three-laws-of-open-data-international-edition/). No âmbito da Política Brasileira de Dados Abertos, garantir que um conjunto de dados possa ser encontrado requer o uso de repositórios de dados e catálogos de metadados. O **febr** veio para suprir essa necessidade. Aqui nos limitamos a apresentar um modelo de dados para garantir a reusabilidade dos dados do solo no Brasil.
A premissa básica do nosso modelo de dados é que, operacionalmente, qualquer observação do solo tem quatro dimensões espaço-temporais. As duas primeiras são as coordenadas espaciais horizontais *x* e *y*, referindo-se a algum sistema de referência de coordenadas (SRC) padrão predeterminado. A terceira dimensão é representada por *t*, a coordenada temporal, o momento -- de acordo com um calendário padrão predeterminado e sistema de zoneamento temporal -- no qual observamos o solo. A quarta e a última dimensão são dadas pela coordenada vertical *d*, que na prática é a profundidade de observação medida de acordo com uma escala padrão predeterminada, por exemplo, metros.
Pode-se argumentar que armazenar dados com quatro dimensões (4D) requer modelos de dados muito complexos, ou seja, bancos de dados relacionais. No entanto, entendemos que a carga de trabalho de um cientista do solo já é muito pesada. Como tal, um modelo de dados deve ser o menos complexo possível e, a longo prazo, deve simplificar as tarefas relacionadas ao gerenciamento de dados. Outros poderiam dizer que um novo modelo de dados é desnecessário porque os dados do solo 4D podem ser facilmente acomodados em tabelas bidimensionais simples, tal como implementadas em software de escritório popular. Nós concordamos que as ferramentas de software da planilha eletrônica são o caminho a seguir -- como mostraremos na sequência. No entanto, as práticas atuais são sub-ótimas e, a longo prazo, tornam desnecessariamente difíceis as tarefas relacionadas ao gerenciamento de dados.
No **febr**, os dados são armazenados em tabelas bidimensionais estruturadas usando planilhas eletrônicas padronizadas construídas a partir de experiências de iniciativas tanto locais como globais. São quatro as tabelas utilizadas, com nomes (`tabela_id`):
1. *dataset*, para os dados sobre o conjunto de dados,
2. *observacao*, para os dados das observações do solo,
3. *camada*, para os dados das camadas e horizontes, e
4. *metadado*, para os dados sobre os dados.
Uma descrição detalhada do propósito e conteúdo específico de cada uma dessas tabelas é apresentado nas sessões que seguem.