Deus, Rui Pedro Gonçalves deCorreia, Anacleto Cortez eRodrigues, Tiago Alexandre Paulino2021-11-292021-11-292021-09http://hdl.handle.net/10400.26/38084A análise e visualização de dados georreferenciados em larga escala constitui um elemento crítico no planeamento das ações de fiscalização marítima a fim de garantir uma alocação eficaz e eficiente do esforço de patrulha por parte da Marinha Portuguesa e da Autoridade Marítima Nacional (AMN). Este esforço advém da segunda função da Marinha Portuguesa, garantir a segurança e autoridade do Estado no mar. Este planeamento requer uma análise de grandes quantidades de dados (dados de posição, relatórios de movimento, relatórios de fiscalização), assentando numa solução de Big Data que envolve a utilização de recursos informacionais, aplicações informáticas e recursos de hardware específicos que permitem processar grandes quantidades de dados com objetivo último de disponibilizar informação e conhecimento para apoio à decisão. Atualmente a execução de missões de fiscalização marítima são executadas com base em informação disponibilizada pelo Gabinete de Fiscalização Marítima do Centro Integrado de Treino e Avaliação Naval (CITAN). Este gabinete analisa dados relativos à fiscalização da pesca e prepara orientações que são disponibilizados aos Comandantes das unidades navais para orientar a sua ação no mar. A atual capacidade de processamento e análise de dados relativos à fiscalização da atividade da pesca está limitada aos dados e sistemas existentes e não permite coligir e analisar dados georreferenciados em largaescala relacionadas com a atividade da pesca. Neste trabalho descreve-se a atual capacidade de análise dados deste gabinete e tendo presente os requisitos de análise no âmbito do projeto APEC-SIFICAP, pretende-se identificar um conjunto de elementos e informação de gestão, que deverão estar integrados numa solução Big Data, a ser tratados e disponibilizados às unidades navais a fim de proporcionar uma fiscalização da atividade da pesca mais eficaz e eficiente.The analysis and visualization of georeferenced data on a large scale constitutes a critical element in the planning of maritime inspection actions in order to ensure an effective and efficient allocation of the patrol effort by the Portuguese Navy and the National Maritime Authority (AMN). This effort comes from the second function of the Portuguese Navy, to ensure the security and authority of the State at sea. This planning requires an analysis of large amounts of data (position data, movement reports, inspection reports), based on a Big Data solution that involves the use of informational resources, computer applications and specific hardware resources that allow processing large amounts with the ultimate purpose of providing information and knowledge to support decision-making. Currently, the execution of maritime inspection missions are carried out based on information provided by the Maritime Inspection Office of the Integrated Center for Training and Naval Assessment (CITAN). This office analyzes data relating to fisheries inspection and prepares guidelines that are made available to the Commanders of naval units to guide their action at sea. The current capacity for processing and analyzing data related to the inspection of fishing activity is limited to existing data and systems and does not allow for the collection and analysis of large-scale georeferenced data related to fishing activity. This work describes the current data analysis capacity of this office and, bearing in mind the analysis requirements under the APEC-SIFICAP project, it is intended to identify a set of elements and management information, which should be integrated in a Big Data solution, to be handled and made available to naval units in order to provide a more effective and efficient inspection of fishing activity.porAtividade de fiscalizaçãoDados georreferenciadosSolução Big DataProposta de indicadoresEficácia,EficiênciaPlaneamento de Ações de Fiscalização Marítima Suportadas por Análise de Dados Georreferenciados em Larga Escalamaster thesis202784797