A rede de mobilidade intermunicipal é de suma importância para a compreensão de surtos, sobretudo no Brasil, um país com dimensões continentais. Os autores adotaram os dados do Ministério da Saúde e informações sobre o fluxo de pessoas entre cidades, da base de dados do Instituto Brasileiro de Geografia e Estatística, em duas escalas: cidades brasileiras, sem a região Norte, e do Estado de São Paulo. Com base na abordagem de redes complexas, e considerando que a rede de mobilidade serve como proxy para a propagação do SARS-CoV-2, os nós e arestas representam cidades e fluxos, respectivamente. As medidas de centralidade de rede, como força e grau, são ranqueadas e comparadas à lista das cidades, de acordo com o dia da confirmação do primeiro caso de COVID-19. A medida de força capta as cidades com maior vulnerabilidade à pandemia, além de acompanhar o processo de interiorização do SARS-CoV-2 no Estado de São Paulo quando os fluxos de rede estão acima de limiares específicos. Algumas cidades do interior, como Feira de Santana (Bahia), Ribeirão Preto (São Paulo) e Caruaru (Pernambuco) mostram forças comparáveis às capitais estaduais. Nossa análise oferece ferramentas adicionais para a compreensão e o apoio para a tomada de decisões sobre intervenções na mobilidade intermunicipal em relação ao SARS-CoV-2 e outras epidemias.

The inter-cities mobility network is of great importance in understanding outbreaks, especially in Brazil, a continental-dimension country. We adopt the data from the Brazilian Ministry of Health and the terrestrial flow of people between cities from the Brazilian Institute of Geography and Statistics database in two scales: cities from Brazil, without the North region, and from the São Paulo State. Grounded on the complex networks approach, and considering that the mobility network serves as a proxy for the SARS-CoV-2 spreading, the nodes and edges represent cities and flows, respectively. Network centrality measures such as strength and degree are ranked and compared to the list of cities, ordered according to the day that they confirmed the first case of COVID-19. The strength measure captures the cities with a higher vulnerability of receiving new cases. Besides, it follows the interiorization process of SARS-CoV-2 in the São Paulo State when the network flows are above specific thresholds. Some countryside cities such as Feira de Santana (Bahia State), Ribeirão Preto (São Paulo State), and Caruaru (Pernambuco State) have strength comparable to states’ capitals. Our analysis offers additional tools for understanding and decision support to inter-cities mobility interventions regarding the SARS-CoV-2 and other epidemics.

La red de movilidad entre ciudades es de vital importancia para la comprensión de los brotes, especialmente en Brasil, un país con dimensiones continentales. Conseguimos los datos del Ministerio de Salud Brasileño y el flujo terrestre de gente entre ciudades a partir de la base de datos del Instituto Brasileño de Geografía y Estadística en dos escalas: ciudades de Brasil, sin la región Norte, y Estado de São Paulo. Basado en un planteamiento de redes complejas, y considerando que la movilidad de la red sirve como un proxy para la propagación del SARS-CoV-2, los nodos y extremos representan ciudades y flujos, respectivamente. Las medidas de centralidad de la red como la fuerza y el grado se clasificaron y compararon con la lista de ciudades, ordenadas según el día en que confirmaron el primer caso de COVID-19. La medida de fuerza captura las ciudades con la mayor vulnerabilidad en recibir nuevos casos. Asimismo, le sigue la interiorización del proceso de SARS-CoV-2 en el Estado de São Paulo, cuando los flujos de la red están por encima de determinados umbrales. Algunas ciudades en áreas rurales como Feira de Santana (Estado de Bahía), Ribeirão Preto (Estado de São Paulo), y Caruaru (Estado de Pernambuco) poseen una fuerza comparable a las capitales de los estados. Nuestro análisis ofrece herramientas adicionales para la compresión y apoyo en la toma de decisiones, respecto a las intervenciones de movilidad entre ciudades, en relación con el SARS-CoV-2 y otras epidemias.

A rede de mobilidade intermunicipal é de suma importância para a compreensão de surtos, sobretudo no Brasil, um país com dimensões continentais. Os autores adotaram os dados do Ministério da Saúde e informações sobre o fluxo de pessoas entre cidades, da base de dados do Instituto Brasileiro de Geografia e Estatística, em duas escalas: cidades brasileiras, sem a região Norte, e do Estado de São Paulo. Com base na abordagem de redes complexas, e considerando que a rede de mobilidade serve como proxy para a propagação do SARS-CoV-2, os nós e arestas representam cidades e fluxos, respectivamente. As medidas de centralidade de rede, como força e grau, são ranqueadas e comparadas à lista das cidades, de acordo com o dia da confirmação do primeiro caso de COVID-19. A medida de força capta as cidades com maior vulnerabilidade à pandemia, além de acompanhar o processo de interiorização do SARS-CoV-2 no Estado de São Paulo quando os fluxos de rede estão acima de limiares específicos. Algumas cidades do interior, como Feira de Santana (Bahia), Ribeirão Preto (São Paulo) e Caruaru (Pernambuco) mostram forças comparáveis às capitais estaduais. Nossa análise oferece ferramentas adicionais para a compreensão e o apoio para a tomada de decisões sobre intervenções na mobilidade intermunicipal em relação ao SARS-CoV-2 e outras epidemias.

The inter-cities mobility network is of great importance in understanding outbreaks, especially in Brazil, a continental-dimension country. We adopt the data from the Brazilian Ministry of Health and the terrestrial flow of people between cities from the Brazilian Institute of Geography and Statistics database in two scales: cities from Brazil, without the North region, and from the São Paulo State. Grounded on the complex networks approach, and considering that the mobility network serves as a proxy for the SARS-CoV-2 spreading, the nodes and edges represent cities and flows, respectively. Network centrality measures such as strength and degree are ranked and compared to the list of cities, ordered according to the day that they confirmed the first case of COVID-19. The strength measure captures the cities with a higher vulnerability of receiving new cases. Besides, it follows the interiorization process of SARS-CoV-2 in the São Paulo State when the network flows are above specific thresholds. Some countryside cities such as Feira de Santana (Bahia State), Ribeirão Preto (São Paulo State), and Caruaru (Pernambuco State) have strength comparable to states’ capitals. Our analysis offers additional tools for understanding and decision support to inter-cities mobility interventions regarding the SARS-CoV-2 and other epidemics.

La red de movilidad entre ciudades es de vital importancia para la comprensión de los brotes, especialmente en Brasil, un país con dimensiones continentales. Conseguimos los datos del Ministerio de Salud Brasileño y el flujo terrestre de gente entre ciudades a partir de la base de datos del Instituto Brasileño de Geografía y Estadística en dos escalas: ciudades de Brasil, sin la región Norte, y Estado de São Paulo. Basado en un planteamiento de redes complejas, y considerando que la movilidad de la red sirve como un proxy para la propagación del SARS-CoV-2, los nodos y extremos representan ciudades y flujos, respectivamente. Las medidas de centralidad de la red como la fuerza y el grado se clasificaron y compararon con la lista de ciudades, ordenadas según el día en que confirmaron el primer caso de COVID-19. La medida de fuerza captura las ciudades con la mayor vulnerabilidad en recibir nuevos casos. Asimismo, le sigue la interiorización del proceso de SARS-CoV-2 en el Estado de São Paulo, cuando los flujos de la red están por encima de determinados umbrales. Algunas ciudades en áreas rurales como Feira de Santana (Estado de Bahía), Ribeirão Preto (Estado de São Paulo), y Caruaru (Estado de Pernambuco) poseen una fuerza comparable a las capitales de los estados. Nuestro análisis ofrece herramientas adicionales para la compresión y apoyo en la toma de decisiones, respecto a las intervenciones de movilidad entre ciudades, en relación con el SARS-CoV-2 y otras epidemias.

Resumo: Sombras estão presentes na maior parte das imagens aéreas e terrestres, e elas podem ser úteis para estimação da posição do Sol, ou para medir os tamanhos de objetos. Por outro lado, elas representam um problema em processamentos tais como detecção/reconhecimento de objetos, correspondência entre imagens, etc., pois podem ser confundidas com objetos escuros e mudar as propriedades radiométricas da imagem. Neste trabalho esse problema foi tratado em imagens aéreas e terrestres. Utilizou-se um filtro para encontrar áreas com baixas intensidades. Para as imagens terrestres, foram analisadas propriedades da razão do espectro das imagens para refinar a detecção, e os resultados foram avaliados por meio de um conjunto de dados contendo a verdade de campo. Para o caso aéreo as detecções são validadas dependendo da componente da matiz dos pixels. Esse estágio leva em consideração que em sombras profundas a maior parte dos pixels possuem comprimentos de onda na região do azul e violeta por conta de um efeito de espalhamento atmosférico.

Abstract: Shadows exist in almost all aerial and outdoor images, and they can be useful for estimating Sun position estimation or measuring object size. On the other hand, they represent a problem in processes such as object detection/recognition, image matching, etc., because they may be confused with dark objects and change the image radiometric properties. We address this problem on aerial and outdoor color images in this work. We use a filter to find low intensities as a first step. For outdoor color images, we analyze spectrum ratio properties to refine the detection, and the results are assessed with a dataset containing ground truth. For the aerial case we validate the detections depending of the hue component of pixels. This stage takes into account that, in deep shadows, most pixels have blue or violet wavelengths because of an atmospheric scattering effect.