Categorias
Sem categoria

Programação

SEMANA 1

DATA

HORÁRIO

ATIVIDADE

TÍTULO

05/04/2021
2ª Feira

9:00hrs

Webinar

NextGenMap – Imagens de alta resolução espacial e temporal, computação em nuvens e inteligência artificial para o sensoriamento remoto.
Dr. Carlos Souza Jr. (Imazon)

06/04/2021 
3ª Feira

9:00hrs

Minicurso
1º módulo

Introduction to rGEDI: An R Package for NASA’s Global Ecosystem Dynamics Investigation (GEDI) Data Visualization and Processing (GEDI) Lidar
Dr. Carlos Alberto Silva, Ph.D, Caio Hamamura, Ph.D e Celso H. L. Silva Junior, M.S

14:00hrs

Minicurso
2º módulo

07/04/2021
4ª Feira

9:00hrs

Webinar

Análises Geoespaciais da Dinâmica Agrícola no Cerrado
Dr. Édson Bolfe e Dr. Edson Sano (EMBRAPA).

08/04/2021
5ª Feira

9:00hrs

Minicurso
1º módulo

Introdução ao Google Earth Engine GEE
Dr. Washington S. Franca Rocha – UEFS

14:00hrs

Minicurso
2º módulo

09/04/2021
6ª Feira

9:00hrs

Webinar

Aplicações de Deep Learning com dados de Sensoriamento Remoto.
Dr. Fabien Wagner (FUNCATE) e Dr. Ricardo Dal’Agnol da Silva (INPE)

SEMANA 2

DATA

HORÁRIO

ATIVIDADE

TÍTULO

12/04/2021
2ª Feira

9:00hrs

Minicurso
1º módulo

Cubos de Dados de Observação da Terra e Análise de Séries Temporais
Dra. Karine Ferreira e Dr. Gilberto Queiroz, OBT/INPE.

14:00hrs

Minicurso
2º módulo

13/04/2021
3ª Feira

9:00hrs

Webinar

Domain Adaptation applied to Remote Sensing Data.
Dr. Raul Feitosa (ISPRS).

14/04/2021
4ª Feira

9:00hrs

Minicurso
1º módulo

Introduction to thermal infrared remote sensing using Copernicus Sentinels and other satellites
Dr. Juan Carlos Jiménez e Eduardo André Kaiser

14:00hrs

Minicurso
2º módulo

15/04/2021
5ª Feira

9:00hrs

Webinar

Demandas e resultados do monitoramento da Agricultura de Baixo Carbono (ABC) utilizando sensoriamento remoto
Dr. Luiz Eduardo Vicente e Dra. Luciana Spinelli-Araújo (EMBRAPA)

16/04/2021
6ª Feira

9:00hrs

Minicurso
1º módulo

Introdução ao Processamento de dados SAR utilizando SNAP
Prof. Dr. Fabio Furlan Gama e Ms. Juliana Maria Ferreira de Souza Diniz

14:00hrs

Minicurso
2º módulo

Categorias
mincursos

Minicurso: Introduction to thermal infrared remote sensing using Copernicus Sentinels and other satellites

Course type: Theoretical and Practical

The objective of the course is to give remote sensing users with an overview of thermal infrared remote sensing applications using Copernicus Sentinel-3 images as well as data from other thermal infrared sensors such as Landsat, MODIS and ASTER. Practical sessions will be performed using SNAP toolbox.

Students and professionals in the area of environmental science, who are interested in remote sensing applications using thermal infrared data for monitoring surface temperature and energy fluxes over agricultural areas, forests, lakes, urban areas, etc.

09:00-09:30Introduction to the course
09:30-10:15Introduction to thermal infrared remote
sensing
Theory
10:15-10:45Copernicus SentinelsTheory
10:45-12:00Introduction to SNAP.
Sentinel-2 & Sentinel-3, Landsat-8
Practice
12:00-14:00Lunch
14:00-15:00Land surface temperature retrieval: Sentinel-3Practice
15:00-16:00Land surface temperature retrieval: Landsat-8Practice
16:00-16:45LST monitoring & Energy balance over
Amazonia
Oral
presentation
16:45-17:00Final remarks
Instructors
Juan Carlos Jiménez
Juan Carlos Jiménez

es Científico Senior en la Unidad de Cambio Global del Laboratorio de Procesado de Imágenes, y Profesor Titular en el Departamento de Física de la Tierra y Termodinámica de la Universidad de Valencia. Con 20 años de experiencia en el campo de la teledetección térmica, su investigación se centra en técnicas y aplicaciones de datos térmicos, como la estimación de la temperatura y emisividad de la superficie terrestre y la estimación de la evapotranspiración. Ha participado en numerosas campañas de campo organizadas por la Agencia Espacial Europea (ESA) y miembro del equipo científico de las misiones térmicas TIREX y TMAX. Co-investigador principal del proyecto nacional TIRSAT cuyo objetivo es el análisis científico de un sensor térmicos de alta resolución en el marco de misiones europeas y de la ESA.

Eduardo André Kaiser
Eduardo André Kaiser

is working toward his PhD in remote sensing at UFRGS, Brazil. He received his BS degree in geography from the UFSM, Brazil, in 2016 and his MSc degree in geography from the same university in 2018. His research area includes urban heat islands, hydric resources, and climate changes

Categorias
mincursos

Minicurso: Introdução ao Processamento de dados SAR utilizando SNAP

Público alvo: Estudantes ou profissionais que tenham interesse por conhecer e se aprimorar mais sobre o Sensoriamento Remoto utilizando sensores ativos (SAR) orbitais.

O software SNAP (Sentinel Application Platform) desenvolvido pela Agência Espacial Europeia (ESA) é um software gratuito com interface amigável, que permite o processamento das imagens SAR de forma bastante simples.

A utilização de imagens SAR tem se tornado cada vez mais, um diferencial quando se trata da aplicação de técnicas de sensoriamento remoto. A sua principal vantagem em relação aos sensores ópticos é ser menos influenciada pelas características da atmosfera, como nuvens e aerossóis. Além disso, as imagens SAR são caracterizadas por possuírem uma maior penetração nos alvos da superfície terrestre.

A partir do processamento das imagens SAR é possível extrair diversas informações sobre o alvo, como decomposições polarimétricas, coeficientes de retroespalhamento, coerência interferométrica, entre outros, que podem auxiliar nas mais diversas aplicações. Dessa forma, com esse mini curso, o aluno será capaz de entender e processar as imagens SAR, extraindo diversas informações para serem utilizadas em suas aplicações profissionais.

Objetivos do curso:
Oferecer uma base teórica e prática sobre o processamento de imagens SAR, utilizando o software SNAP, de modo que se tornem aptas a serem utilizadas nas mais diversas aplicações.

  • Introdução aos Sensores SAR,
  • Sensores SAR orbitais disponíveis,
  • Vantagens e desvantagens no uso de radar,
  • Polarização, frequência, distorções geométricas das
  • imagens SAR;
  • Speckle;
  • Multilook;
  • Filtragem;
  • Calibração radiométrica;
  • Decomposições polarimétricas;
  • Processamento das imagens Sentinel-1 e Alos-PALSAR

Dinâmica do curso:
O minicurso será composto de duas etapas. A primeira etapa será teórica, com apresentação dos principais conceitos relacionados aos dados SAR. Na segunda etapa, será apresentado como realizar o download das imagens e o processamento dos atributos que serão apresentados na primeira parte do curso com imagens Sentinel-1 e Alos-PALSAR. Além disso, serão apresentados alguns exemplos de aplicação com os dados SAR.

Material necessário:
Os alunos deverão levar seu próprio notebook com sistema Windows, com pelo menos 4 GRAM e 100Gbytes de espaço em disco, e com o software SNAP já instalado na versão mais recente disponível. Será necessário acesso à internet. Segue o link para download: http://step.esa.int/main/download/snap-download/

Equipe
Prof. Dr. Fabio Furlan Gama.
Prof. Dr. Fabio Furlan Gama.

Graduado em Engenharia ElétricoEletrônica pela Fundação Valeparaibana de Ensino (1986), mestrado em Sensoriamento Remoto pelo Instituto Nacional de
Pesquisas Espaciais (1996) e doutorado em sensoriamento Remoto pelo Instituto Nacional de Pesquisas Espaciais (2007).
Possui experiência na área de desenvolvimento de sistemas e em aplicações de radares SAR, utilizando interferometria e polarimetria, para aplicações em cartografia, deformação de superfície e inventário florestal.

Ms. Juliana Maria Ferreira de Souza Diniz
Ms. Juliana Maria Ferreira de Souza Diniz

Graduada em Engenharia Florestal pela Universidade Federal de Lavras (2016), mestre em Sensoriamento Remoto pelo Instituto Nacional de Pesquisas Espaciais (2019), e atualmente doutoranda em Sensoriamento Remoto pelo mesmo instituto. Possui experiência em aplicações SAR para mapeamento do uso e cobertura da terra e em inventário florestal.

Categorias
mincursos

Minicurso: Introdução ao Google Earth Engine GEE

Minicurso: Introdução ao Google Earth Engine GEE

Nas últimas décadas o Sensoriamento Remoto tem recebido grande notoriedade entre as ciências, em função da sua utilização em monitoramento de alvos específicos em diferentes escalas espaço-temporais em diferentes regiões do planeta. Observamos atualmente que um dos principais paradigmas que o Sensoriamento Remoto vem enfrentando envolvem a relação entre a capacidade de processamento de dados e o gerenciamento e sua relação na criação de bases de produtos oriundos desses processamentos. O Google Earth Engine representa uma opção de plataforma web de processamento de imagens em ambientes de nuvem. Esta plataforma é caracterizada pela alta capacidade de processamento e classificação de imagens em tempo real, em grande massa dados e para múltiplos sensores de forma dinâmica e de fácil utilização.

  • Introdução ao Earth Engine
  • Utilização do Explorer Earth engine
  • Processamento de imagens: Criação e filtro para coleções
  • Processamento de imagens: redutores e índices espectrais
  • Classificação não supervisionada e supervisionada
  • Gráficos de séries temporais
  • Exemplos de aplicações

Requisitos:
Conhecimento básico/médio de sensoriamento remoto
Conhecimento básico/médio processamento digital de imagens

Material de sala:
Computadores individuais para os alunos com internet
Projetor, quadro, piloto

Equipe
Prof. Dr. Washington Franca Rocha
Prof. Dr. Washington Franca Rocha

 Geólogo graduado pela Universidade Federal da Bahia (1981), com mestrado em Geologia Econômica (1995) e doutorado em Geologia (2001), pela Universidade Federal da Bahia com estágio em Geographical Informatiom System no Geological Survey of Canada (1999). É Professor Titular da Universidade Estadual de Feira de Santana (UEFS), desde 1988, tendo exercido o cargo de Assessor Especial de Relações Institucionais da UEFS (2007-2015). Foi coordenador do Programa de Pós Graduação em Ciências da Terra e do Ambiente da UEFS (2005 a 2007 e 2017 a 2019), membro da Câmara de Assessoramento e Avaliação Científico-Tecnológica da Fundação de Amparo à Pesquisa do Estado da Bahia (2004 a 2008 e 2011 a 2014). e presidente do Núcleo Bahia-Sergipe da Sociedade Brasileira de Geologia (1996-1998). Foi Geólogo-Prospector da Caraíba Metais (1983-1987) e Geólogo-Senior da CSG (1987-1988). Atua principalmente na área de geotecnologias (sistemas de informações geográficas e sensoriamento remoto). Vem atuando ainda, desde 2008, em Gestão da Inovação Tecnológica, tendo sido Coordenador do NIT-UEFS entre 2008 e 2011 e do Curso de Especialização em Gestão da Inovação Tecnológica (2010-2012). Atualmente é Coordenador do MAPBIOMAS CAATINGA e Superintendente de Desenvolvimento Científico da Secretaria de Ciência, Tecnologia e Inovação do Estado da Bahia.

Prof. Dr. Rodrigo Nogueira Vasconcelos
Prof. Dr. Rodrigo Nogueira Vasconcelos

Formado em licenciatura plena em Ciências Biológicas pela Universidade Católica do Salvador, Mestre em Ecologia e Biomonitoramento e Doutor em Ecologia pela Universidade Federal da Bahia e Pós-doc PNPD/CAPES na área de Modelagem em SIG e Sensoriamento Remoto pela Universidade Estadual Feira de Santana. Possui experiência nas áreas de Análise de dados espaciais com uso de Geotecnologias, Ecologia Espacial, Ecologia da paisagem, Modelagem espacial e Sensoriamento remoto. Tem experiência com a linguagem de programação R e Java script. Atualmente integra o quadro de professores permanentes do Programa de Pós-graduação em Modelagem em Ciências da terra e do Ambiente na Universidade Estadual Feira de Santana.

Prof. Msc. Diêgo Pereira Costa
Prof. Msc. Diêgo Pereira Costa

Formado em Licenciatura Plena em Geografia pela Universidade Estadual de Feira de Santana, Mestre em Ciências Ambientais também pela Universidade Estadual de Feira de Santana e Doutorando em Energia e Ambiente Pela Universidade Federal da Bahia. Possui experiência em análise de dados geoespaciais, sobretudo a partir de técnicas de Sensoriamento Remoto e dos Sistemas de Informações Geográficas. Participou de projetos de mapeamentos de uso e cobertura da Terra no Brasil, bem como fez parte de projetos de monitoramento da degradação ambiental no semiárido brasileiro.

Prof. Msc. Soltan Galano Duverger
Prof. Msc. Soltan Galano Duverger

Formado em Matemáticas (bacharel) pela universidade de Santiago de Cuba/ Cuba, especialista em Geotecnologias – IESAM e mestre em Ciências Ambientais – UEFS. Exprofessor das disciplinas de Cálculos, algebras, Númerica, Estátisicas, programação lineal. Tem experiência na área de ciências ambientais, Geoprocessamento e GIS, Sensoriamento Remoto, Processamento Digital de Imagem, Machine Learning, Data Mining. Linguages de programação; C#, Python e Javascripts.

Categorias
mincursos

Minicurso: Introduction to rGEDI: An R Package for NASA’s Global Ecosystem Dynamics Investigation (GEDI) Data Visualization and Processing (GEDI) Lidar

Type: Introduction to rGEDI: An R Package for NASA’s Global Ecosystem Dynamics Investigation (GEDI) Data Visualization and Processing (GEDI) Theoretical / Practical (The students will use their own computer and the programs will be installed previously)

NASA’s Global Ecosystem Dynamics Investigation Lidar (GEDI) is a spaceborne lidar system specifically designed to study forest structure. GEDI was launched to the International Space Station (ISS) on December 5th, 2018 for a two-year of mission. GEDI will collect ~25-m diameter footprint full-waveform lidar data to characterize vegetation structure and aboveground biomass (AGB) globally, and report on AGB dynamics across landscapes. This one-day (8hs) course will provide faculty, students, and professionals with an introduction to GEDI technology. The lectures will strongly focus on GEDI data collection, data integration, data processing and analysis as well as the extraction of selected features. Several examples and applications for both environmental and forest sciences will be shown. A combination of lecture and on-site exercises, including data processing and analysis will be explored exhaustively using rGEDI, an open source R package for GEDI

https://github.com/carlos-alberto-silva/rGEDI

TimeActivities
9:00Introduction to the mini-course and GEDI mission
09:45Module 1: Introduction to R, Rstudio and rGEDI
10:30Module 2: Downloading, reading and visualizing GEDI Level 1B data
12:00 Lunch
14:00Module 3: Downloading, reading, processing and visualizing GEDI Level 2A data
15:30Module 4: Downloading, reading, processing and visualizing GEDI Level 2B data
16:50Closing of the mini-course
Equipe
Carlos Alberto Silva
Carlos Alberto Silva

Engenheiro Florestal e Mestre em Recursos Florestais pela Universidade de São Paulo -USP, campus Escola Superior de Agricultura Luiz de Queiroz- ESALQ. Doutor em Recursos Naturais pela University of Idaho, EUA. Principal linha de pesquisa corresponde ao uso da tecnologia LiDAR (do inglês – Light Detection and Ranging) no monitoramento de ecossistemas florestais.

Caio Hamamura
Caio Hamamura

Biólogo (USP/ESALQ), Analista e Desenvolvedor de Sistemas (Unifran), Mestre e Doutor em Recursos Florestais pela USP, campus Piracicaba (ESALQ). Professor do IFSP, campus Cubatão. Principais áreas de atuação: sensoriamento remoto, machine learning, programação linear, desenvolvimento de ferramentas e pacotes para análise ambiental.

Celso H. L. Silva Junior
Celso H. L. Silva Junior

Engenheiro Ambiental (UniCEUMA/2014), Especialista em Geoprocessamento (PUC-Minas/2016) e Mestre em Sensoriamento Remoto (INPE/2018). Atualmente é Professor do Departamento de Engenharia Agrícola da UEMA e doutorando do Curso de Sensoriamento Remoto (INPE) onde estuda o impacto da fragmentação florestal (efeito de borda) nos estoques de carbono de florestas tropicais.

Veraldo Liesenberg
Veraldo Liesenberg

Professor associado III no Centro de Ciências Agroveterinárias (CAV) da Universidade Estadual de Santa Catarina (UDESC). Tem experiência na área de Recursos Florestais e Engenharia Florestal, com ênfase em Sensoriamento Remoto aplicado à vegetação, atuando principalmente nos seguintes temas: sensoriamento remoto óptico (hyperspectral), perfilamento laser aerotransportado (LiDAR) e de microondas (SAR), quantificação de parâmetros biofísicos da vegetação, monitoramento sazonal da vegetação e modelagem ambiental.

Categorias
mincursos

Minicurso: Cubos de Dados de Observação da Terra e Análise de Séries Temporais

Minicurso: Cubos de Dados de Observação da Terra e Análise de Séries Temporais

Responsáveis
Karine Reis Ferreira
Karine Reis Ferreira

Instituto Nacional de Pesquisas Espaciais (INPE)

Gilberto Ribeiro de Queiroz
Gilberto Ribeiro de Queiroz

Instituto Nacional de Pesquisas Espaciais (INPE)

Esse minicurso de 6 horas tem como objetivo apresentar uma introdução sobre conceitos de cubos de dados de observação da Terra e análise de séries temporais de imagens de sensoriamento remoto. O curso terá uma parte teórica e uma parte prática hands-on utilizando os cubos de dados e os pacotes de software criados pelo projeto Brazil Data Cube (BDC) (http://brazildatacube.org/) nas linguagens R e Python.

HorárioTópico
09:00 às 10:30Introdução aos cubos de dados de observação da Terra e produtos gerados pelo projeto Brazil Data Cube
10:30 às 12:00Hands-on – Acesso e visualização de cubos de dados na linguagem Python
12:00 às 14:00Almoço
14:00 às 15:30Introdução a análise de séries temporais de imagens de sensoriamento remoto
15:30 às 17:00Hands-on – Análise de séries temporais de imagens usando o pacote SITS na linguagem R
Equipe
Karine Reis Ferreira
Karine Reis Ferreira

 é servidora do Instituto Nacional de Pesquisas Espaciais (INPE). Trabalha com pesquisa em Geoinformática e desenvolvimento de sistemas de informações geográficas, sendo uma das coordenadoras do projeto Brazil Data Cube. É docente do curso de pós-graduação em Computação Aplicada (CAP) do INPE e sua principal linha de pesquisa é representação, processamento e análise de dados espaço-temporais, principalmente cubos de dados de imagens e análise de séries temporais. 

Gilberto Ribeiro de Queiroz
Gilberto Ribeiro de Queiroz

é servidor do Instituto Nacional de Pesquisas Espaciais (INPE). Trabalha com pesquisa em GeoInformática e desenvolvimento de sistemas de informações geográficas. É professor associados de Geoinformática no INPE. Atualmente é um dos coordenadores do projeto Brazil Data Cube. Seus interesses de pesquisa são banco de dados geográficos, sensoriamento remoto aplicada ao mapeamento uso e cobertura da terra e plataformas geoespaciais de big data.

Rennan Marujo 
Rennan Marujo 

é bacharel em Ciência da Computação pela Universidade Federal de Lavras (UFLA). Mestre em Sensoriamento Remoto e Doutor em Computação Aplicada, ambos pelo Instituto Nacional de Pesquisas Espaciais (INPE). Atualmente é desenvolvedor no projeto Brazil Data Cube pela FUNCATE.

Rolf Simões
Rolf Simões

é mestre em Modelagem de Sistemas Complexos pela Universidade de São Paulo (USP) e atualmente é doutorando em Computação Aplicada no INPE. Possui experiência em desenvolvimento de software e gestão de projetos.

Lorena Santos
Lorena Santos

possui graduação em Ciência da Computação pela PUC-Goiás e mestre em Engenharia Eletrônica e Computação pelo ITA. Atualmente é doutoranda na área de computação aplicada (CAP) no INPE e está trabalhando com técnicas de machine learning voltada para séries temporais de imagens de satélite com foco em controle e avaliação da qualidade e dos dados de referência de uso e cobertura da terra.

Michelle C. A. Picoli
Michelle C. A. Picoli

é pesquisadora nas áreas de sensoriamento remoto, modelagem de uso e cobertura da terra e análise espacial. Seu trabalho envolve questões ligadas ao monitoramento agrícola, desmatamento e políticas públicas. Atualmente é pesquisadora do projeto Brazil Data Cube, no Instituto Nacional de Pesquisas Espaciais (INPE), onde desenvolve aplicações ligadas a mapeamento de uso e cobertura da terra utilizando cubo de dados.

Felipe Carlos
Felipe Carlos

é tecnólogo em Análise e Desenvolvimentos pela Fatec Jessen Vidal, possuí experiência com infraestrutura de redes de computadores e desenvolvimento de rotinas para o processamento de dados espaciais com Python e R, além de realizar a criação de projetos com Java e NodeJS. Tem interesse nas áreas de Processamento Digital de Imagens e Aprendizado Profundo. Atualmente é aluno de mestrado do programa de pós-graduação em Computação Aplicada do Instituto Nacional de Pesquisas Espaciais (INPE).

Felipe Souza
Felipe Souza

Possui graduação em Análise e Desenvolvimento de Sistemas pela Faculdade de Tecnologia de São José dos Campos.
Atualmente é mestrando em Computação Aplicada pelo Instituto Nacional de Pesquisas Espaciais.

Categorias
webinars

Webinar: Aplicações de Deep Learning com dados de Sensoriamento Remoto

Coordenadores / Coordinators
Dr. Fabien Wagner
Dr. Fabien Wagner

Fundação de Ciência, Aplicações e Tecnologia Espaciais (FUNCATE)

Dr. Ricardo Dal’Agnol da Silva
Dr. Ricardo Dal’Agnol da Silva

Instituto Nacional de Pesquisas Espaciais (INPE)

A aplicação de métodos de Deep Learning (DL; aprendizado profundo) em Sensoriamento Remoto é promissora, pois eles estão revolucionando a extração e análise de dados em muitos campos da ciência nos últimos anos. O DL é uma ferramenta poderosa para avaliar rapidamente informações detalhadas em larga escala e tem sido aplicado com sucesso, por exemplo, para mapear espécies de árvores em escala regional ou para classificar tipos e mudanças de cobertura do solo. Os algoritmos de DL têm potencial para detectar padrões complexos em imagens com precisão em nível humano. Para essas tarefas, eles provaram ser significativamente mais rápidos e consistentes do que métodos tradicionais ou avaliações manuais. Nesta sessão, discutiremos novas pesquisas e descobertas trazidas por métodos de DL aplicados a dados de sensoriamento remoto. Essa sessão foi desenvolvida para especialistas em sensoriamento remoto que desejam saber mais sobre a aplicação, oportunidades e limites dos métodos de DL. Focaremos em aplicações em diferentes aspectos da pesquisa em sensoriamento remoto como detecção, segmentação, mapeamento do uso da terra e análise de séries temporais. Pretendemos fornecer uma visão ampla das possibilidades oferecidas por esses modelos poderosos para inspirar novos caminhos de pesquisa para a comunidade de sensoriamento remoto.

The application of Deep Learning (DL) methods in Remote Sensing is promising, as they are revolutionizing data extraction and analysis in various fields of science in recent years. DL is a powerful tool for quickly evaluating information on a large scale and has been successfully applied, for example, to map tree species on a regional scale or to classify types and changes in land cover. DL algorithms have the potential to detect complex patterns in images with precision at the human level. For these tasks, they prove to be faster and more consistent with traditional or manual methods. In this session, we will discuss new research and discoveries brought by DL methods and remote sensing data. This session was developed for experts in remote sensing who want to know more about applications, opportunities and limits of DL methods. We will focus on applications in different aspects of remote sensing research such as detection, segmentation, land use mapping and time series analysis. We intend to provide a broad view of the possibilities offered by these advanced models to inspire new avenues of research for the remote sensing community.


Horário / Schedule  
Título da Palestra / Title of TalksApresentador / Speakers
9h00Abertura: Aplicações de Deep Learning com dados de Sensoriamento Remoto / Opening: Deep Learning applications with Remote Sensing dataDr. Fabien Wagner (FUNCATE) Dr. Ricardo Dalagnol (INPE)
9h05Uma introdução à redes morfológicas profundas / An Introduction to Deep Morphological NetworksDr. Keiller Nogueira (University of Stirling, UK)
9h28Técnicas de Inteligência Artificial para o Mapeamento de Culturas Agrícolas a partir de Imagens Multitemporais de Sensoriamento Remoto / Artificial Intelligence Techniques for Mapping Agricultural Crops from Remote Sensing Multitemporal ImagesDr. Raul Queiroz Feitosa (PUC-RJ)
9h51Mapeando um ecossistema ameaçado de formação de ferro em Peixe Bravo – Brasil usando o método de deep learning U-net para segmentação em imagens Sentinel-2 / Mapping a threatened iron formation ecosystems of  Peixe Bravo – Brazil using U-net deep learning segmentation and Sentinel-2 imagesDr. Eric Pereira (Instituto Prístino)
10h14Identificação de espécies arbóreas por sensoriamento remoto utilizando métodos deep learning / Identification of tree species using remote sensing and deep learning methodsDr. Matheus Ferreira (IME)
10h37Desafios e oportunidades na segmentação semântica para sensoriamento remoto: interação, abertura e poucas amostras rotuladas / Challenges and opportunities in semantic segmentation for remote sensing: interaction, openness, and few labelled samplesDr. Jefersson A. dos Santos (UFMG)
Coordenação (Chair) / Palestrantes (Speakers)
Dr. Fabien H. Wagner
Dr. Fabien H. Wagner

Dr. Fabien Hubert Wagner é atualmente Jovem Pesquisador da Fapesp (2015/50484-0) trabalhando na Divisão de Geoprocessamento da Fundação de Ciência, Aplicações e Tecnologia Espaciais (FUNCATE, São José dos Campos – SP – Brasil). Ele tem experiência em biologia de florestas tropicais com ênfase em análise de dados usando dados de campo e de sensoriamento remoto. Em seu pós-doutorado anterior na Fapesp no INPE (2013/14520-6), ele trabalhou na quantificação e modelagem da sazonalidade da produção primária líquida da floresta pantropical usando observações de campo, dados climáticos e dados de sensoriamento remoto. Em 2019, ele publicou um dos primeiros artigos usando um método de aprendizado profundo aplicado à ecologia. Neste trabalho, foi mostrado pela primeira vez que o método de aprendizado profundo permite a produção de mapas em larga escala de espécies de árvores. Desde então, ele trabalha exclusivamente no mapeamento de espécies e características de árvores com métodos de aprendizado profundo em ambientes naturais e urbanos. Ele também desenvolve modelo de aprendizado profundo para aplicação de sensoriamento remoto em ambientes urbanos. Ele publicou mais de 40 artigos revisados por pares e tem um índice H de 23.

FUNCATE – Foundation for Science, Technology and Space Applications, GeoProcessing Division
Av. Dr. João Guilhermino, 429 – Centro, São José dos Campos – SP, 12210-131 
wagner.h.fabien@gmail.com

Dr. Ricardo Dal’Agnol da Silva
Dr. Ricardo Dal’Agnol da Silva

Dr. Dalagnol é Engenheiro Ambiental (2011), Mestre (2014) e Doutor (2020) em Sensoriamento Remoto pelo Instituto Nacional de Pesquisas Espaciais (INPE/Brasil). Atualmente trabalha como Pesquisador de Pós-Doutorado (Bolsa FAPESP) na Divisão de Observação da Terra e Geoinformática do INPE. Tem experiência com diversas aplicações na área de Biogeociências, com foco em ecologia tropical, conservação da natureza e monitoramento ambiental na floresta amazônica. Ele é especialista em conduzir pesquisas quantitativas usando tipos avançados de dados, como dados LIDAR aerotransportados e ópticos de satélite de alta resolução, bem como métodos como redes neurais convolucionais de aprendizado profundo. Seu projeto atual consiste em estudar padrões de larga escala na dinâmica de clareiras do dossel florestal e mortalidade de árvores na Amazônia usando lidar aerotransportado e dados ambientais/climáticos.

INPE – Instituto Nacional de Pesquisas Espaciais
Avenida dos Astronautas, 1758 – 12227-010 – São José dos Campos, SP
ricds@hotmail.com

Dr. Keiller Nogueira 
Dr. Keiller Nogueira 

Dr. Keiller Nogueira é professor (lecturer) no departamento de Ciências da Computação e Matemática da Universidade de Stirling, Reino Unido.
Ele recebeu o título de Mestre e Doutor em Ciência da Computação pela Universidade Federal de Minas Gerais, Brasil, em 2015 e 2019, respectivamente. Seu trabalho de doutorado foi premiado como a melhor tese do Sibgrapi 2020. Ele se formou em Ciência da Computação pela Universidade Federal de Viçosa (Brasil) em 2012. Keiller publicou vários artigos de alta qualidade nas principais revistas e conferências internacionais. Seus interesses de pesquisa incluem Aprendizado Profundo e de Máquina, Reconhecimento de Padrões, Processamento de Imagens, Visão por Computador e Sensoriamento Remoto.

University of Stirling
Stirling, Escócia, FK94LA, UK
keiller.nogueira@dcc.ufmg.br

Dr. Raul Queiroz Feitosa
Dr. Raul Queiroz Feitosa

Prof. Feitosa possui graduação em Engenharia Eletrônica pelo Instituto Tecnológico de Aeronáutica (ITA) (1979), mestrado em Engenharia Eletrônica pelo ITA (1983) e doutorado em Ciência da Computação pela Universidade de Erlangen-Nürnberg, Alemanha. Fez pós-doutorado na Universidade de Hanover, Alemanha, de 2014 a 2015. Atualmente é docente do Departamento de Engenharia Elétrica da Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio). Ele é um membro sênior da IEEE Geoscience and Remote Sensing Society (IEEE-GRSS) e membro da International Society of Photogrammetry and Remote Sensing (ISPRS). Ele fundou o capítulo brasileiro do IEEE-GRSS e serviu como seu presidente entre 2015 e 2017. É o atual vice-presidente da Comissão Técnica I do ISPRS . Ele foi editor convidado para edições especiais do IEEE Journal of Selected Topics in Applied Earth Observations e Sensoriamento Remoto (JSTARS), IEEE- Geoscience and Remote Sensing Letters, International Journal of Photogrammetry and Remote Sensing, and Remote Sensing. Suas áreas de interesse incluem Análise de Imagens, Sensoriamento Remoto, Reconhecimento de Padrões, Biometria e Visão Computacional.

PUC-RJ, Pontifícia Universidade Católica do Rio de Janeiro, Departamento de Engenharia Elétrica, Gávea, 22451900 – Rio de Janeiro, RJ
raul@ele.puc-rio.br

Dr. Eric Oliveira Pereira
Dr. Eric Oliveira Pereira

Dr. Eric Oliveira Pereira é graduado em Geografia (2011) pela Universidade Federal de Minas Gerais, mestre em Análise e Modelagem de Sistemas Ambientais pela Universidade Federal de Minas Gerais (2014), e doutor em Geografia e Análise Ambiental pela Universidade Federal de Minas Gerais (2018). Sua pesquisa de doutorado tem como tema o uso de Radar Altimétrico a bordo de Satélites para medição da altitude de cursos d’água em áreas continentais. Principais temas de atuação: cartografia, geoprocessamento, análise espacial, sensoriamento remoto, conservação da natureza

Instituto Prístino
Rua Três de Maio, nº 56 – Santa Helena Belo Horizonte – MG, (31) 3643-0452
ericpereiraufmg@gmail.com

Dr. Matheus Ferreira
Dr. Matheus Ferreira

Dr. Matheus Pinheiro Ferreira é graduado em Engenharia Florestal pela Universidade Federal do Paraná (UFPR, 2010) com formação complementar na Universidade de Freiburg/Alemanha, Mestre (2012) e Doutor (2017) em Sensoriamento Remoto pelo Instituto Nacional de Pesquisas Espaciais (INPE). Sua linha atual de pesquisa se concentra na utilização de imagens de sensoriamento remoto para o monitoramento de recursos florestais e mudanças de uso e cobertura da terra. Possui experiência em sensoriamento remoto hiperespectral, modelagem de transferência radiativa e aprendizado de máquina. Desde 2018, é Professor Adjunto da Seção de Engenharia Cartográfica do Instituto Militar de Engenharia (IME), onde ministra aulas em disciplinas relacionadas ao sensoriamento remoto e processamento digital de imagens a nível de graduação e pós-graduação.

IME – Instituto Militar de Engenharia, Seção de Engenharia Cartográfica
Praça Gen. Tibúrcio, 80 – Urca, Rio de Janeiro – RJ
mpferreira3@gmail.com 

Dr. Jefersson A. dos Santos
Dr. Jefersson A. dos Santos

Dr. Jefersson é Professor Adjunto do Departamento de Ciência da Computação da UFMG – Universidade Federal de Minas Gerais. É bolsista de Produtividade em Pesquisa do CNPq (Nível 2) desde 2016. Ele obteve o título de bacharel e mestre em Ciência da Computação pela Universidade Estadual de Mato Grosso do Sul (2006) e pela Unicamp – Universidade Estadual de Campinas, respectivamente. Obteve o título de Doutor em Ciência da Computação em 2013 em co-tutela entre Unicamp e Université de Cergy-Pontoise, França. Sua pesquisa foca no desenvolvimento de abordagens de aprendizado de máquina e visão computacional para imagens de sensoriamento remoto e outras aplicações que envolvem interação com usuários especialistas, como monitoramento ambiental, agricultura, saúde e computação forense. Coordenou e colaborou em pesquisas com empresas e instituições públicas como LG Electronics, Petrobrás, Tribunal de Contas da União (TCU) e Cooperação Técnica Alemã (GIZ). Atualmente coordena projetos de pesquisa financiados pelo CNPq e pela FAPEMIG.

UFMG – Universidade Federal de Minas Gerais, Instituto de Ciências Exatas, Departamento de Ciência da Computação.
Av. Antônio Carlos 6627 – Prédio do ICEx Pampulha, 31270010 – Belo Horizonte, MG – Brasil 
jefersson@dcc.ufmg.br 

Categorias
Sem categoria

Webinar: NextGenMap – Imagens de alta resolução espacial e temporal, computação em nuvens e inteligência artificial para o sensoriamento remoto.

Coordenadores / Coordinators
Dr. Carlos Souza Jr.
Dr. Carlos Souza Jr.

Pesquisador Sênior do Imazon

O projeto NextGenMap é uma iniciativa da rede MapBiomas Brasil, em parceria com a Planet e Google com o objetivo de integrar imagens PlanetScope diárias da constelação de satélites da Planet com a Plataforma Google Earth Engine, e desenvolver algoritmos de inteligência artificial para a extração de informação das imagens. Nesta sessão temática, apresentaremos os resultados do mapeamento mensal de uso e cobertura do solo, e da detecção e extração de objetos com algoritmos de deep learning. Serão apresentadas também as técnicas de processamento digital aplicadas às imagens PlanetScope para a calibração e normalização das imagens diárias, e divulgaremos os códigos e aplicativos gerados no projeto NextGenMap para a comunidade de sensoriamento remoto e geoprocessamento. Por último, serão apresentadas as novas aplicações que foram desenvolvidas após
a conclusão do projeto em 2019.

The NextGenMap project is an initiative of MapBiomas Brazil network, in partnership with Planet and Google with the objective of integrating daily PlanetScope images from Planet’s satellite constellation with Google Earth Engine Platform, and developing artificial intelligence algorithms to
extract information from these images. In this thematic session, we will present the monthly mapping of land use and land cover, and the detection and extraction of objects with deep learning algorithms.
We will also present the digital image processing techniques applied to PlanetScope images for the calibration and normalization of daily images, and will disseminate the script codes and applications generated in the NextGenMap project that are available to the remote sensing and geoprocessing community. Finally, the new applications that were developed after the project’s conclusion in 2019 will be presented.

Horário/ ScheduleTítulo da Palestra / Title of TalksApresentador / Speakers
9h00Uma visão geral e potenciais aplicações do projeto NextGenMap / An overview and potential applications of the NextGenMap Project.Dr. Carlos Souza Jr. (Imazon)
9h30Pré-processamento e calibração de imagens PlanetScope / Pre-processing and calibration of PlanetScope images.César Diniz (Solved)
10h00Integração de imagens PlanetScope, Google Earth Engine e TensorFlow / Integration of PlanetScope images, Google Earth Engine, and TensorFlow.Luiz Cortinhas (Solved)
10h30Mapeamento do uso e cobertura da terra e dinâmica intra-anual com mosaicos mensais PlanetScope / Mapping of land use and land cover and intra-annual dynamics using monthly PlanetScope mosaics.Marcos Rosa (USP, ArcPlan, MapBiomas)
11h00Mapeamento e Caracterização de Pastagens com Inteligência Artificial / Mapping and Characterization of Pastures using Artificial Intelligence.Leandro Parente (UFG-LAPIG)
11h30 /12h00Debates e Encerramento / Closing
Coordenação (Chair) / Palestrantes (Speakers)
Dr. Carlos Souza Jr.
Dr. Carlos Souza Jr.

Carlos Souza Jr. é Geólogo pela Universidade Federal do Pará, Mestre em Ciência dos Solos pela Penn State Unviersity, e Ph.D. em Geografia pela Universidade da Califórnia, Santa Bárbara. É pesquisador Associado do Imazon, com estudos em monitoramento de florestas, dinâmica do uso e cobertura do solo e mudanças climáticas. Em 2010, recebeu o Skoll Award on Social Entrepreuneurship pelo desenvolvimento e implementação do sistema de monitoramento de desmatamento da Amazônia, e em 2017, o Conservation Fellowship da Fundação Mulago. Publicou mais de 100 trabalhos científicos.

IMAZON
Trav. Dom Romualdo de Seixas, 1698
Edifício Zion Business , 11o andar
Bairro Umarizal – CEP: 66.055-200
Belém – Pará – Brasil
Tel. +55 (91) 3182-4000
souzajr@imazon.org.br

César Diniz
César Diniz

Possui graduação em Oceanografia pela Universidade Federal do Pará (2009) e mestrado em Geologia e Geoquímica pela Universidade Federal do Pará (2011). Trabalhou durante 6 anos como Consultor JICA (Agência Japonesa de Cooperação Internacional) e FAO (Organização das Nações Unidas para Alimentação e Agricultura) lotado no INPE-CRA (Instituto Nacional de Pesquisas Espaciais – Centro Regional da Amazônia). É cofundador da empresa Solved – Soluções em Geoinformação.

Solved
Av. Perimetral da Ciência s/n, Parque
de Ciência e Tecnologia do Guamá,
Espaço Inovação, 1 andar, sala 04.
Tel. (91) 98239 1597
cesar.diniz@solved.eco.br

Luiz Cortinhas
Luiz Cortinhas

Bacharel em Engenharia de Computação pelo IESAM-PA (2015). Mestre em Computação Aplicada com ênfase em inteligência computacional pelo PPGEE-UFPA (2017). Aluno de Doutorado PPGEE-UFPA(2019), desenvolvendo pesquisa na temática de inteligência computacional, através da aplicação de algoritmos de aprendizado de máquina e algoritmos de aprendizado profundo para a caracterização das mudanças de uso e cobertura da terra na amazônia brasileira. Possui experiência no desenvolvimento de aplicações no domínio das geotecnologias, computação de alto desempenho (Paralelismo computacional com CUDA), otimização de processos computacionais, descoberta de padrões e aprendizado de máquina.  


Solved
Av. Perimetral da Ciência s/n, Parque
de Ciência e Tecnologia do Guamá,
Espaço Inovação, 1 andar, sala 04.
Tel. (91) 98515 9945
luiz.cortinhas@solved.eco.br  

Marcos Rosa
Marcos Rosa

Possui graduação em Geografia pela Universidade de São Paulo. Doutorando no Programa de Geografia Física da FFLCH/USP. Tem mais de 20 anos de experiência na área geoprocessamento, cartografia digital e sensoriamento remoto, atuando principalmente nos seguintes temas: planejamento, monitoramento e meio ambiente. Coordenador Técnico do Projeto MapBiomas, Responsável técnico pelo Atlas dos Remanescentes Florestais da SOS Mata Atlântica/INPE e responsável técnico pela ArcPlan.

ArcPlan / MapBiomas
Rua Renato Egídio de Souza Aranha,
221B – apto 82D – CEP: 05353-050 –
Cidade São Francisco, São Paulo – SP,
Tel. (11) 99114-9058
marcosrosa@usp.br

Leandro Parente
Leandro Parente

Bacharel em Ciências da Computação (UFG/2010) e doutor em Ciências Ambientais (UFG/2019) com ênfase em processamento e análise de dados ambientais, algoritmos de aprendizado de máquina e bancos de dados geográficos. No âmbito do projeto MapBiomas atuou no mapeamento das áreas de pastagens brasileiras, e atualmente é post-doc researcher na OpenGeoHub Foundation atuando nos projetos GeoHamonizer e “Soil Spectroscopy for the Global Good”.

UFG-LAPIG
Av. Pedro Paulo de Souza, 1750, Res.
Felicitá ap. 103H – Setor Goiânia 2 –
Cep: 74663520 – Goiânia – GO
Tel. (62) 98420-0253

leal.parente@gmail.com

Categorias
webinars

Webinar: Domain Adaptation applied to Remote Sensing Data

Proponent: International Society of Photogrammetry and Remote Sensing (ISPRS)

Coordinator
Prof. Dr. Raul Feitosa
Prof. Dr. Raul Feitosa

Pontifícia Universidade Católica do Rio de Janeiro (PUC)

In the past decade, Deep Learning (DL) became the dominant trend in image data analysis, mostly due to the capacity of DL models to learn discriminative features directly from data, when labeled samples are abundant. 

At the same time, the availability of Earth observation (EO) data produced by RS systems has increased considerably. However, most of the RS applications still fall short in the demands imposed by DL-based techniques, basically because of the high costs required by field survey and labor-intensive visual interpretation to produce a large enough quantity of labeled data. The development of wide-reaching DL-based solutions for EO problems, therefore, remains a challenging problem.

In this sense, transfer learning is an attractive alternative, allowing the reuse of networks already trained on large data-sets in problems in which a limited quantity of labeled data is available. Such techniques, however, perform poorly when the domain shift phenomenon is significant. Considering EO applications, changes in the environmental conditions during the acquisition of new data, variations of objects’ appearances, geographical variability, and different sensor properties, domain shift makes it impossible to employ even fine-tuned classifiers over new data without a significant decrease in classification accuracy 

Domain adaptation techniques can be used to alleviate the domain shift problem. In short, domain adaptation aims at minimizing the discrepancy between distributions of two different domains. One of the distributions characterizes the data used to train a classifier; the other is associated with data that the classifier has never seen, which may present several of the aforementioned variations.

This SBSR Thematic Session aims at describing and discussing some state-of-the-art Domain Adaptation techniques applied to Earth observation data, such as feature adaptation and image translation.

TimeTitle of TalkSpeaker
9:00OpeningProf. Dr. Raul Feitosa (PUC-Rio)
9:05Welcome speech (per video)Prof. Dr. Christian Heipke (ISPRS President) 
9:40Strategies for Transfer Learning in Deep Learning for Remote Sensing applicationsProf. Dr. Franz Rottensteiner (University of Hanover, Germany)
10:20Domain adaptation for the classification of remote sensing imagery using adversarial training and entropy minimization.M. Sc. Dennis Wittich(University of Hanover, Germany)
10:50Domain Adaptation applied to Deforestation Monitoring Prof. Dr. Gilson Costa (UERJ)
11:20Panel Discussionall
11:40ClosingProf. Dr. Raul Feitosa (PUC-Rio)
Coordenação (Chair) / Palestrantes (Speakers)
Prof. Dr. Raul Feitosa
Prof. Dr. Raul Feitosa

Possui graduação em Engenharia Eletrônica pelo Instituto Tecnológico de Aeronáutica (ITA) (1979), mestrado em Engenharia Eletrônica pelo ITA (1983), doutorado em Ciência da Computação pela Universidade de Erlangen-Nürnberg, Alemanha (1988). Concluiu estágio pós-doutoral na Universidade de Hanover, Alemanha, em 2015. Atualmente é Professor Associado do programa de pós-graduação do Departamento de Engenharia Elétrica da Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio). É membro sênior da IEEE- Geoscience and Remote Sensing Society (IEEE-GRSS) e da International Society of Photogrammetry and Remote Sensing (ISPRS). 

M. Sc. Dennis Wittich
M. Sc. Dennis Wittich

Bachelor of Science: Civil and Environmental Engineering Leibniz Universität Hannover. Master of Science: Navigation and Field Robotics Leibniz Universität Hannover. Researcher and PhD-Student: Institute of Photogrammetry and Geoinformation
Leibniz Universität Hannover.

Prof. Dr. Christian Heipke
Prof. Dr. Christian Heipke

Christian Heipke is a professor of photogrammetry and remote sensing at Leibniz Universität Hannover, where
he currently leads a group of about 25 researchers. His professional interests comprise all aspects of photogrammetry, remote sensing, image understanding and their connection to computer vision and GIS. His has authored or co-authored more than 300 scientific papers, more than 70 of which appeared in peer-reviewed international journals. He also supervised close to 40 PhD candidates as main supervisor.
He is the recipient of the 1992 Otto von Gruber Award, the 2012 Fred Doyle Award, both from the International Society of Photogrammetry and Remote Sensing (ISPRS), and the 2013 Photogrammetric (Fairchild) Award from ASPRS. He is an ordinary member of various learnt societies incl. DGK (German Geodetic Commission), acatech (German Academy for Technical Sciences), and IAA (International Academy of Astronautics).
From 2004 to 2009, he served as vice president of EuroSDR (European Spatial Data Research, formerly known as OEEPE). From 2011-2014 he was chair of the German Geodetic Commission (DGK), from 2012-2016 ISPRS Secretary General. Currently he serves as ISPRS President.

Prof. Dr. Franz Rottensteiner
Prof. Dr. Franz Rottensteiner

Franz Rottensteiner received a Dipl.-Ing. degree in surveying, a Ph.D. degree and a venia docendi in Photogrammetry from Vienna University of Technology, Vienna, Austria (TUW). Currently, he is an Associate Professor and leader of the research group “Photogrammetric Image Analysis” at the Institute of Photogrammetry and GeoInformation at the University of Hannover, Germany (LUH). His research interests include all aspects of image orientation, image classification, automated object detection and reconstruction from images and point clouds, and change detection from remote sensing data. Before joining LUH in 2008, he worked as a postdoctoral researcher at TUW and the Universities of New South Wales and Melbourne, both in Australia. He has authored or co-authored more than 100 scientific papers, more than 35 of which have appeared in peer-reviewed international journals. He received the Karl Rinner Award of the Austrian Geodetic Commission in 2004 and the Carl Pulfrich Award for Photogrammetry, sponsored by Leica Geosystems, in 2017. Since 2011, he has been the Associate Editor of the ISI-listed journal “Photogrammetrie Fernerkundung Geoinformation” of the German Society of Photogrammetry, Remote Sensing and Geoinformation. Being the Chairman of the working group II/4 of the International Society of Photogrammetry and Remote Sensing (ISPRS), he has initiated and conducted the ISPRS benchmark on urban object detection and 3D building reconstruction.

Prof. Dr. Gilson Costa
Prof. Dr. Gilson Costa

Gilson Alexandre Ostwald Pedro da Costa holds a Bachelor Degree in Computer Engineering from the Catholic University of Rio de Janeiro (PUC-Rio), obtained in 1991, having afterwards specialized professionally in the development of geographic information systems and remote sensing applications. He holds a Master’s Degree in Computer Engineering, with emphasis on Geomatics, from the Rio de Janeiro State University (UERJ), obtained in 2003. He also holds a PhD degree in Electrical Engineering from PUC-Rio, having concluded his PhD research in 2009, which was partially developed in a doctoral internship at the Institut für Informationsverarbeitung (TNT) of the Leibniz Hannover University.

Categorias
webinars

Webinar: Análises Geoespaciais da Dinâmica Agrícola no Cerrado

Coordenadores / Coordinators
Dr. Édson Bolfe
Dr. Édson Bolfe

Embrapa Informática Agropecuária

Dr. Edson Sano
Dr. Edson Sano

Embrapa Cerrados

O aumento da demanda nacional e internacional por alimentos tem impulsionado a agricultura brasileira, especialmente no Cerrado. Esse bioma abrange cerca de 24% do território nacional e possui importância estratégica para a segurança alimentar e manutenção da biodiversidade. Esta sessão objetiva apresentar alguns dos principais resultados obtidos pelas análises geoespaciais da dinâmica agrícola do Cerrado. Embora os métodos de análise e modelagem tenham evoluído nos últimos anos, ainda existem importantes desafios na integração de dados multisensores, multifontes e multiescalares para melhorar a compreensão dos processos de conversão, expansão e retração, diversificação e intensificação agrícola. Novos métodos analíticos estão surgindo rapidamente em razão da disponibilização de grandes volumes de dados de sensoriamento remoto em diferentes resoluções espaciais, espectrais e temporais e de plataformas de processamento nas nuvens desses dados, além da melhoria na capacidade de integrar dados socioeconômicos, ambientais e biofísicos em plataformas baseadas em SIG. Como resultado desta sessão, espera-se aumentar a sinergia entre grupos de pesquisas nacionais e internacionais, ampliar os conhecimentos técnico-científicos relativos às análises geoespaciais e apoiar os tomadores de decisão dos setores público e privado na implementação de programas de desenvolvimento rural sustentável. 

The increase of national and international demand for food has boosted the Brazilian agriculture, especially in the Cerrado. This biome covers about 24% of the national territory and has strategic importance for food security and biodiversity conservation. This session aims to present some of the main results obtained by the geospatial analysis of the agricultural dynamics of the Cerrado. Although methods of analysis and modeling have advanced in recent years, there are still important challenges in the integration of multi-sensor, multi-source, and multi-scale data to improve the comprehension of agricultural conversion, expansion and retraction, diversification, and intensification processes. New analytical methods are emerging rapidly because of the availability of large volumes of remote sensing data in different spatial, spectral, and temporal resolutions; availability of big data, cloud computing platforms; and increased capability of combining socioeconomic, environmental, and biophysical data in GIS-based platforms. As a result of this session, we expect to increase the synergy between national and international research groups, to expand the technical and scientific knowledge of geospatial analysis, and to support public and private decision-makers to implement sustainable rural development programs.

Horário / TimeTítulo da Palestra / Title of TalksApresentador / Speakers
9:00Importância estratégica das análises geoespaciais no Cerrado / Strategic importance of geospatial analysis in the CerradoDr. Édson Bolfe Embrapa Informática Agropecuária – CNPTIA
9:30Fogo no Cerrado: uma análise multisensor do sumidouro de carbono emergente / Fire in the Cerrado: a multi-sensor analysis of an emerging carbon sinkDr. Douglas Morton National Aeronautics and Space Administration – NASA
10:00Dinâmica geoespacial das pastagens cultivadas no Cerrado / Geospatial dynamics of cultivated pastures in the CerradoDr. Laerte Ferreira Universidade Federal de Goiás – UFG
10:30Dinâmica geoespacial da agricultura no Cerrado / Agricultural geospatial dynamics in the CerradoDr. Edson Sano Embrapa Cerrados – CPAC

Coordenação (Chair) / Palestrantes (Speakers)
Dr. Édson Luis Bolfe
Dr. Édson Luis Bolfe

Pesquisador na Embrapa Informática Agropecuária e Professor na Universidade Estadual de Campinas (Unicamp). Doutor em Geografia no Instituto de Geociências (Unicamp). Foi cientista visitante no Center for Global Change and Earth Observations, Michigan State University (USA) e no Agricultural Research Centre for International Development (FR). Membro da Câmara Agro 4.0 (MAPA/MCTI). Bolsista de Produtividade em Pesquisa do CNPq em Geociências.

Embrapa Informática Agropecuária – CNPTIA
Av. André Tosello, 209 CEP 13083-886 Campinas, SP
Tel.: (19) 3211-5700 / (19) 99826-7485
edson.bolfe@embrapa.br

Dr. Douglas C. Morton
Dr. Douglas C. Morton

Pesquisador e Chefe do Biospheric Sciences Laboratory, Goddard Space Flight Center – National Aeronautics and Space Administration (NASA). Professor Adjunto no Departamento de Ciências Geográficas, University of Maryland (USA). Doutor em Geografia pela University of MarylandMembro do Global Fire Emissions Database (GFED) e Consultor Técnico do SilvaCarbon, US Government. Atua em pesquisas sobre dinâmica agrícola e florestal no Brasil.

NASA Goddard Space Flight Center – GSFC Greenbelt, MD, USA 20771
Tel .: 1 301-614-6688 
douglas.morton@nasa.gov 

Dr. Laerte Guimarães Ferreira 
Dr. Laerte Guimarães Ferreira 

Professor Titular e Pró-Reitor de Pós-Graduação da Universidade Federal de Goiás (UFG). Doutor em sensoriamento remoto pela University of Arizona (USA), tendo sido cientista visitante no Center for Space ResearchUniversity of Texas (USA). É membro do Conselho Superior da Fundação de Amparo à Pesquisa do Estado de Goiás (FAPEG) e do Comitê Assessor de Geociências do CNPq. Bolsista de Produtividade em Pesquisa do CNPq em Ciências Ambientais. 

Universidade Federal de Goiás – UFG
Campus Samambaia CEP 74001-970 Goiânia, GO
Tel.: (62) 3521-2018
laerte@ufg.br  

Dr. Edson Eyji Sano
Dr. Edson Eyji Sano

Pesquisador na Embrapa Cerrados e Coordenador-substituto do Centro Nacional de Monitoramento e Informações Ambientais (IBAMA/CENIMA). Doutor em ciência do solo pela University of Arizona (USA). É membro do comitê técnico-consultivo do Projeto MapBiomas e membro permanente nos programas de pós-graduação da Universidade de Brasília (UnB) e Universidade Estadual de Feira de Santana (UEFS). Bolsista de Produtividade em Pesquisa do CNPq em Geociências.

Embrapa Cerrados – CPAC
BR-020, km 18 CEP 73301-970 Planaltina, DF
Tel.: (61) 3388-9874 / (61) 99665-4022

edson.sano@embrapa.br