JuanBarros2

import java.util.Arrays;
import java.util.Scanner;

public class Main {
    static class Aresta implements Comparable<Aresta> {
        int fonte, destino, peso;

        @Override
        public int compareTo(Aresta o) {
            return (this.peso - o.peso);

JuanBarros2

#sudo npm install -g shapefile
#sudo npm install -g d3-geo-projection
#sudo npm install -g ndjson-cli
#sudo npm install -g d3-dsv
#sudo npm install -g topojson
#sudo npm install -g d3
#sudo npm install -g d3-scale-chromatic

echo 'Processando' $1 
shp2json $1 | 

JuanBarros2

1- Contagem de pesquisas realizadas por mês 2- Ranquear médias anuais 3- Média mensal de volumes 4- Identificar declínios acentuados

JuanBarros2

{
    "$schema": "https://vega.github.io/schema/vega-lite/v2.json",
    "title": "Visualização retirada de dados da AESA/ANA", 
    "data": {
        "url": "https://api.insa.gov.br/reservatorios/12172/monitoramento",
        "format": {
            "type": "json",
            "property": "volumes",
            "parse": {
                "DataInformacao": "utc:'%d/%m/%Y'"

JuanBarros2

Nessa visualização podemos ter uma noção geral do como o açude vem perdendo água no período dos últimos três anos. A tarefa principal dessa visualização está voltada para mostrar os extremos em relação ao volume aquífero em um período de mais de vinte anos, que períodos o açude está mais cheio ou mais vazio. Para isso utilizei de uma estratégia segura de visualização que consiste na disposição das porcentagens registradas no eixo vertical enquanto temos um eixo horizontal representando a passagem do tempo. A escolha da marca foi baseada na melhor verificação do componente "volume" representado por sua altura no eixo y em que conseguimos rapidamente ter uma noção dos extremos e sendo complementado com o eixo temporal dá uma noção melhor de mudanças. Ao utilizar linhas e pontos a marca não foi tão significativa e logo concluí que a melhor escolha seria o uso da área. Outra característica que pude tirar dessa visualização foi a fonte que capturou esses dados. Diferenciados pela cor, podemos ter uma noção gera