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.