DIREITOS AUTORAIS E LICENÇA

Como dominar o QGIS: o guia defini vo para mapeamento © 2022 do Ins tuto Letras Ambientais está licenciado com uma
Licença Crea ve Commons - Atribuição-NãoComercial-SemDerivações 4.0 Internacional.

Este Guia está protegido pela legislação de direitos autorais. Todos os direitos são reservados. Nenhuma parte desta publicação
pode ser copiada/reproduzida ou transmi da, de qualquer forma ou por quaisquer meios de distribuição e mídia, para fins
comerciais, sem a prévia autorização por escrito dos autores, ou conforme expressamente permi do por lei ou por licença. É
obrigatório fornecer os créditos aos autores, em caso de citação. Qualquer po de violação dos direitos autorais estará sujeito a
ações legais.

COMO CITAR:

BARBOSA, H. A.; BURITI, C. O. Como dominar o QGIS: o guia defini vo para mapeamento. Maceió-AL: Letras Ambientais, 2022.

Esta é uma publicação de acesso aberto, disponível online e distribuída sob uma Licença Crea ve Commons - Atribuição-
NãoComercial-SemDerivações 4.0 Internacional.

Você é livre para:

· Compar lhar — copie e redistribua o material em qualquer meio ou formato.

O licenciante não pode revogar essas liberdades, desde que você siga os termos da licença.

Nos seguintes termos:

· Atribuição — Você deve fornecer os devidos créditos aos criadores deste material, fornecer um link para a
licença e indicar se foram feitas alterações. Você pode fazê-lo de qualquer maneira razoável, mas não de
forma que sugira que o licenciante endossa você ou seu uso.

· Não Comercial — Você não pode usar o material para fins comerciais.

· NoDeriva ves — Se você adaptar, transformar ou reformular o material, não poderá distribuí-lo modificado.

· Sem restrições adicionais — Você não pode aplicar termos legais ou medidas tecnológicas que restrinjam
legalmente outras pessoas de fazer qualquer coisa que a licença permita.

Avisos:

Você não precisa cumprir a licença para elementos do material de domínio público ou quando seu uso for permi do por uma
exceção ou limitação aplicável.

Nenhuma garan a é dada. A licença pode não dar a você todas as permissões necessárias para o uso pretendido. Por exemplo,
outros direitos, como publicidade, privacidade ou direitos morais, podem limitar a forma como você usa o material.
 Humberto Alves Barbosa | Catarina de Oliveira Buriti

COMO DOMINAR O QGIS

O G U I A D E F I N I T I V O PA R A M A P E A M E N T O

1ª edição

Maceió (AL) | 2022

Copyright © 2022 Humberto Alves Barbosa | Catarina de Oliveira Buri e Ins tuto Letras Ambientais
E-mail: contato@letrasambientais.org.br

Capa: Wedscley Oliveira de Melo

Editoração eletrônica: Wedscley Oliveira de Melo
1ª edição: maio de 2022.

www.letrasambientais.org.br
Geoprocessador. Treinador. Fundou e coordena o Laboratório de Análises Processamento de Imagens de
Satélites (Lapis), uma das principais referências no Brasil em recepção, processamento, análise e
distribuição de dados de satélites. Desde 2007, é responsável pela implantação e operação do “Sistema
EUMETCast” no Brasil, uma tecnologia descentralizada de recepção de dados de satélites, da Organização
Europeia para a Exploração de Satélites Meteorológicos (EUMETSAT).

Pós-doutor pela University of Bergen (Noruega), Ph.D. em Solo, Água e Ciências Ambientais/Sensoriamento
Remoto, pela University of Arizona, Mestre em Sensoriamento Remoto, pelo Ins tuto Nacional de Pesquisas
Espaciais (INPE) e Graduado em Meteorologia, pela Universidade Federal de Campina Grande.
Criador do método “Mapa da Mina”, para domínio do geoprocessamento no QGIS.

É professor da graduação e pós-graduação em Meteorologia, na Universidade Federal de Alagoas (Ufal). Tem

se dedicado intensamente à disseminação dos dados e produtos dos satélites, via sistema EUMETCast no
Brasil, por meio de treinamentos em geoprocessamento no QGIS, em colaboração com a EUMETSAT.

Em 2009, ingressou no Convec on Working Group (CWG), do European Severe Storms Laboratory (ESSL),
atuando em missões internacionais de instalação do sistema EUMETCast e validação de dados de satélites
MSG. É autor de Relatórios do Painel Intergovernamental sobre Mudança Climá ca (IPCC), na área de
degradação das terras e deser ficação. É colaborador do Programa Global Laboratory, da Universidade de
Nova York - Oswego, que oferece aos estudantes de graduação e pesquisadores uma vivência imersiva para
o desenvolvimento de projetos de pesquisa em laboratórios internacionais, nos campos mais promissores
do estudo da ciência, tecnologia, engenharia e matemá ca.
 07
10

Capítulo 1 – Introdução aos Sistemas de Informação Geográfica (SIG's)...... 11

O que é geoprocessamento? 12
O que é um SIG? 12
História do SIG 14
Componentes dos Sistemas de Informação Geográfica 15
Estrutura dos dados 16
Usos e aplicações do SIG 19
A habilidade para usar o verdadeiro poder do QGIS 23
“Mapa da Mina”: o método de geoprocessamento do Lapis 25

Capítulo 2 – Princípios do Sensoriamento Remoto 29

Os pos de resolução de imagem presentes nos sensores remotos 32
Mapeamento da Terra a par r da constelação de minissatélites PlanetScope 36
O papel da resolução radiométrica na classificação das imagens 38
Métodos de classificação digital de imagens de satélites no QGIS 39
Os elementos para classificar o uso, cobertura e ocupação do solo 41
Os processos que orientam a classificação das imagens 42
Modelo Crowdsourcing: inteligência cole va para interpretação de imagens 48

Capítulo 3 – Tecnologia descentralizada de recepção de dados de satélites 50

Estrutura e funcionamento do Sistema EUMETCast 53

Capítulo 4 – QGIS: o SIG com desenvolvimento tecnológico mais acelerado 56

Desenvolvimento em progresso 57
História de desenvolvimento 58
Interoperabilidade 58
Por que o QGIS é líder global em so ware livre? 59
Plugins: as ferramentas mais poderosas do QGIS 61

Capítulo 5 – Indicadores ambientais e climá cos a par r de dados de satélites 64

Índice de Precipitação Padronizado (SPI) 67
Índice Padronizado da Evapotranspiração Potencial e de Referência 74
Índice Padronizado da Temperatura da Super cie Terrestre (LST) 76
Índice Padronizado do Albedo de Super cie 78
Capítulo 6 – Os principais índices de vegetação processados no QGIS 80
Índice de Vegetação por Diferença Normalizada (NDVI) 82
Índice das Condições de Vegetação (VCI) 89
Índice Padronizado de Vegetação (SDVI) 91
Índice RedEdge para analisar cobertura vegetal 92
Índices de vegetação para monitorar riscos climá cos na agricultura 94
Índice de Vegetação Ajustado ao Solo (SAVI) 95
Índice de Vegetação Melhorado (EVI) 95
Índice Resistente à Atmosfera na Região Visível (VARI) 95

Capítulo 7 – Método para es mar produ vidade da cana-de-açúcar 96

Produtos agrometeorológicos para o setor sucroalcooleiro 102
As 9 etapas para es ma va da produ vidade das lavouras 104
Passo 1: Cálculo da média do NDVI 106
Passo 2: Cálculo da Fração da Cobertura Vegetal (FVC) a par r do NDVI 106
Passo 3: Cálculo do Índice de Área Foliar (IAF) 106
Passo 4: Cálculo do Fator de Crescimento (CGF) 107
Passo 5: Cálculo do potencial máximo de safra (Yp) 107
Passo 6: Es ma va de evapotranspiração (Etp) 108
Passo 7: Es ma va de produ vidade de cana-de-açúcar 109
Passo 8: Máscara local de safra es mada (Ye) 110
Passo 9: Produ vidade Total da Safra usando a máscara do cul vo de cana-de-açúcar 110

Capítulo 8 – Prá ca no QGIS: processando e analisando imagens de satélites 112

Download dos dados para prá ca no QGIS 113
Calculando o Índice de Vegetação por Diferença Normalizada (NDVI) para os dois períodos 114
Mesclando imagens de NDVI no QGIS com a técnica de Layerstack 121
Quan ficando a área desmatada com a técnica de classificação baseada em vetorização manual 125

Referências 133
 Este Guia que você está lendo ensina como u lizar o verdadeiro poder do QGIS, com base no
método de geoprocessamento “Mapa da Mina”, desenvolvido pelo Laboratório de Análise e
Processamento de Imagens de Satélites (Lapis - h ps://lapismet.com.br/).
O Guia contempla resultados das pesquisas, métodos, técnicas, processos e estratégias,
u lizados pelo Lapis, ao longo da sua trajetória, sobre o aprendizado de geoprocessamento,
par cularmente, o domínio do QGIS.
Em 2007, o Laboratório foi fundado com o intuito de democra zar o acesso ao conhecimento
sobre recepção de dados de satélites, processamento de imagens e suas diversas aplicações. Desde
então, adotou o QGIS como o principal Sistema de Informação Geográfica (SIG), por se tratar de um
so ware livre e de código aberto, líder global quando se trata de sistema de processamento gratuito
de dados.
Um dos problemas mais evidentes no Brasil, naquela época, era que a tecnologia de
processamento de dados não estava acessível a todos. Havia a necessidade de propiciar mais
independência aos usuários, bem como de tornar a tecnologia de análise e processamento de
imagens ao alcance de todos.
Isso só seria possível através de duas coisas: 1) a par r da consolidação de métodos, que
pudessem ser facilmente replicados pelos usuários; e 2) uma tecnologia descentralizada, de baixo
custo e fácil u lização, para recepção de dados de satélites. Foi isso que o Lapis perseguiu e, em
grande parte, já alcançou, nesses quase 15 anos de história.
Quando o Lapis surgiu, desafiou a lógica de que para receber dados de satélites seriam
necessários os mais robustos arsenais de equipamentos tecnológicos e um conhecimento cien fico
quase inacessível.
A maneira como o Lapis rompeu essa barreira, que dificultava o acesso dos usuários à
tecnologia de processamento de imagens de satélites, foi instalando uma estação descentralizada
de recepção de dados de satélites, chamada “Sistema Eumetcast”, com equipamentos de baixo
custo e de fácil u lização.
Essa tecnologia, adaptada pelo Laboratório no Brasil, é capaz de receber, em tempo real,
dados e produtos de satélites meteorológicos e ambientais, oriundos de uma rede global de
provedores, até mesmo sem a necessidade de internet.
Ao longo dessa trajetória, havia o desafio de se difundir o uso das geotecnologias, para o
maior número possível de usuários interessados. Foi assim que treinamos centenas de pessoas, de
todos os estados do Brasil e de países da América La na, em parceria com a Agência Europeia para
Exploração de Satélites Meteorológicos (EUMETSAT).
 E o resultado dessa experiência com recepção, processamento e aplicação de dados de
satélites, foi a geração de algoritmos, so wares, patentes, produtos agrometeorológicos, mapas
de monitoramento ambiental e climá co, sistemas, métodos, processos e técnicas.
Tudo isso nasceu do estudo e aplicação de tecnologias de geoprocessamento e
sensoriamento remoto, ao longo dos quais testamos, na prá ca, vários pos de métodos,
cometendo erros e acumulando muitos aprendizados. Desde a instalação do “Sistema
Eumetcast”, pra camente não exis am pessoas capacitadas no Brasil, para u lizar a tecnologia.
Foi necessário treinar pessoas, par ndo do zero, para dispor de pessoal capacitado no
Laboratório. O Lapis passou por um longo processo, para compreender a complexidade do
Sistema, buscar soluções, testar, aprender com os erros e disseminar isso para outros usuários.
Essa capacidade, desenvolvida pela equipe interna do Lapis, culminou na criação do
método “Mapa da Mina”, cujos principais pilares são compar lhados neste Guia e no
treinamento de mesmo nome (h p://mapadamina.org.br/). O obje vo é contribuir para treinar
cada vez mais pessoas, com a habilidade de dominar o geoprocessamento no QGIS, para gerar
mapas, processar e analisar imagens de satélites.
E foi exatamente o fato de testar tantos métodos diferentes que fez com que o Lapis
definisse os pilares para u lizar o verdadeiro poder do QGIS, o que considera hoje o “grande
segredo” de como dominar o geoprocessamento, com esse so ware SIG gratuito mais usado no
Brasil e no mundo.
E é justamente como dominar o QGIS, os segredos do que funciona e do que não funciona
em geoprocessamento, que ensinamos neste Guia. Segredos que nenhum outro Curso
(provavelmente, somente com exceção do nosso Curso online “Mapa da Mina”) ou livro vai lhe
ensinar.
Garan mos que este Guia é único e com ele você não aprenderá somente a usar o
geoprocessamento da maneira certa, mas também estará pronto para colocar em prá ca novas
habilidades e conhecimentos, sabendo qual é o caminho certo na aprendizagem do QGIS e, mais
importante, como iden ficar os caminhos errados.
O óbvio que todo mundo mostra é que você só precisa aprender técnicas, para produzir
mapas, usando um so ware SIG. Mas o que ninguém conta é que se diferenciar, como um
profissional que realmente domina a tecnologia SIG, vai muito além de fazer mapas. Aliás,
elaborar mapas é apenas a úl ma etapa do processo: a da visualização dos dados.
É preciso saber iden ficar padrões, processos, relações, tendências, comparações e
realizar análises. Existem etapas fundamentais do processamento de imagens, que precedem a
visualização final dos dados. É o que vamos revelar neste Guia!
 De fato, o que você precisa aprimorar é sua habilidade de processar e analisar dados, gerar
indicadores, para os mais diferentes pos de aplicações. E não tenha dúvida: todos os setores do
mercado estão à procura desse po de profissional, para apoiar na tomada de decisão e na solução
de problemas reais.
Mas para isso, é preciso seguir um método, visando desenvolver e aprimorar sua capacidade
de fazer análises espaciais, de aprofundar, para oferecer informação estratégica. É alcançar um
novo nível no uso da tecnologia SIG, que permita iden ficar as melhores respostas, que apoiem a
tomada de decisão, a par r da inteligência de dados geográficos.
Esqueça os cursos que você fez ou livros que você leu, que só ensinam a repe r técnicas, no
QGIS. É necessário seguir estratégias para: 1) o domínio defini vo do QGIS; 2) o aprimoramento da
sua competência de realizar análises; 3) o processamento e aplicação de diferentes pos de dados;
4) a geração de mapas inteligentes. É nesses pilares que está fundamentado o método “Mapa da
Mina”.
O QGIS é um incrível so ware SIG gratuito, número 1 no mundo, cujo código aberto flui em
toda a sua estrutura. Ele foi adaptado para quebrar o molde do so ware SIG comercial, reinando
supremo, quando se trata de sistemas de mapeamento gratuito. Mas este Guia acabou de apenas
arranhar a super cie, do verdadeiro poder de fogo do QGIS.
Agora é a sua vez: baixe o QGIS hoje e aproveite para executar a prá ca, ensinada no úl mo
capítulo. É uma amostra de que você pode mapear com confiança, adquirindo habilidades que lhe
deixam mais seguro e independente, na área de tecnologia SIG. Aproveite a “mina de ouro”
escondida no QGIS, que está inteiramente ao seu alcance.
Capítulo um: introduzindo a tecnologia de Sistemas de Informação Geográfica (SIG) e
geoprocessamento, estrutura dos dados, histórico do desenvolvimento dos SIG's, usos e
aplicações, habilidades que você precisa para usar o verdadeiro poder do QGIS e como
funciona o método de geoprocessamento “Mapa da Mina”, do Laboratório Lapis.

Capítulo dois: compreendendo os principais conceitos relacionados ao sensoriamento

remoto, os pos de resolução de imagem, a tecnologia de ponta da constelação de
nanossatélites do PlanetScope e os principais métodos de classificação digital de imagens
de satélites, no QGIS.

Capítulo três: explicando como funciona o Sistema “EUMETCast”, a tecnologia

descentralizada para recepção de dados de satélites, operacional, de baixo custo e fácil
u lização.

Capítulo quatro: entendendo o que torna o QGIS o so ware SIG com desenvolvimento
tecnológico mais acelerado; as caracterís cas que tornam o QGIS o líder global em
so ware SIG gratuito; fatores de interoperabilidade e os plugins como as ferramentas
mais poderosas do QGIS.

Capítulo cinco: conceituando um conjunto de indicadores ambientais, climá cos e

agrometeorológicos, baseados em dados de satélites. Os resultados do cálculo desses
índices, no so ware QGIS, são visualizados em mapas temá cos.

Capítulo seis: analisando os índices de vegetação mais u lizados, processados no QGIS, e

suas principais aplicações.

Capítulo sete: descrevendo o método para se es mar a produ vidade da cana-de-açúcar, a

par r da geração dos produtos de satélites essenciais à tomada de decisão, no setor
sucroalcooleiro.

Capítulo oito: pra cando no QGIS o processamento e análise de imagens do Índice de

Vegetação por Diferença Normalizada (NDVI), da mudança na cobertura vegetal, com
imagens de alta resolução, da constelação de satélites Planet Scope.
Os SIG's são

Dados de ruas Dados de edificações Dados de vegetação

Camadas de Dados Camadas de Dados

 Analisar dados (Interpretar);

COLETAR VISUALIZAR

PROCESSAR

SIG
MODELAR

COMPARTILHAR
EDITAR

ARMAZENAR
GERENCIAR

A tecnologia “SIG” permite combinar e cruzar, visualmente, camadas de informações, provenientes

 ,

,
é amplamente usado hoje, mas com um nível de sofis cação muito maior e com ampla capacidade
 Assim como nasceu o primeiro protó po, do que viria a ser um SIG, para mapeamento
de um surto de cólera, recentemente, há um exemplo da enorme capacidade que essa
tecnologia alcançou, para tomada de decisão. É o caso do mapa global da pandemia do novo
coronavírus, desenvolvido pela Johns Hopkins University & Medicine, dos Estados Unidos
(h ps://coronavirus.jhu.edu/map.html).
 três

Para representar um elemento vetorial, entenda os principais

formatos:
Veja abaixo a ilustração da estrutura de dados raster e vetorial:
 No so ware QGIS, esses atributos podem ser visualizados
em uma tabela. Cada elemento vetorial possui o registro de um atributo, na tabela, mesmo que
seja nulo.

Entrada
 Estamos rodeados por SIG’s em toda a parte, e agora, eles ficaram ainda mais fortes, em um
mundo que se tornou mais digital. De fato, tudo tem um contexto geográfico. Hoje, dificilmente

Do Google Maps ao controle de tráfego aéreo, esses sistemas vieram para ficar, em todos os
setores da economia e no nosso co diano. O SIG não é mais só um conceito ou sistema autônomo,
é uma forma geoespacial de trabalho, fortemente ligada a todos os processos de tomada de
decisão.
O geoprocessamento se tornou um caminho para profissionais que atuam em diferentes
áreas do conhecimento. É o caso de geógrafos, agrônomos, biólogos, engenheiros (ambiental, civil,
de minas, florestal, agrícola), geólogos, profissionais da saúde, arquitetos, entre outros.
Independentemente da área de formação ou da experiência profissional, é possível se especializar
em geoprocessamento, aplicando a tecnologia SIG, para aprimorar os resultados da sua carreira,
estudo ou prestação de serviços.
· AGRICULTURA: são inúmeros os bene cios das ações de mapeamento e monitoramento, na
agricultura, especialmente quando se trata da gestão de grandes extensões de cul vos, como cana-de-
açúcar. Os agricultores u lizam os SIG's para agricultura de precisão, mapeamento do solo, visando ao
aumento da produ vidade das lavouras. É o caso, por exemplo, da análise do estresse hídrico e da seca,
a par r de um mapa da umidade do solo; ou de análises da cobertura vegetal, com um mapa do Índice
de Vegetação por Diferença Normalizada (NDVI), para analisar falhas em plan os. Veja abaixo o
exemplo de um mapa de NDVI, processado no QGIS, que destaca as áreas com vegetação seca no Brasil.
 h ps://www.youtube.com/watch?v=p2X2Hn77vQQ&t=2069s

visualizar o conteúdo da base de dados, gerando mapas de visualização.

 Qual a distribuição dos casos
de infecções pelo coronavírus
na Amazônia?

u
 geoprocessamento e sensoriamento remoto

, no
1
Tecnologia SIG (dado): o modelo tradicional foca na repe ção de técnicas, para geração de mapas.
Porém, esquece o verdadeiro segredo para se tornar um analista SIG de destaque. Fazer mapas
digitais é o nível mais básico para se operar um SIG. No método “Mapa da Mina”, você entende o
processo e usa as ferramentas certas, para aproveitar o verdadeiro poder do QGIS. É o domínio
defini vo dessa tecnologia, desde o básico até o nível avançado. Aprende a dominar o uso das
ferramentas do QGIS, com segurança e autonomia, para gerenciar, processar, integrar, analisar e
mapear todos os pos de dados geográficos.

2
Aplicações (informação): na segunda etapa do Método, você aprende as estratégias para aplicar
as ferramentas do QGIS, em diferentes pos de situações. Esta fase inclui tudo o que você precisa
saber para realizar operações com métodos espaciais e esta s cos, gerar índices, processar e
analisar imagens, aplicadas a diferentes setores (educação, agricultura, energias renováveis,
planejamento urbano, clima, seguros, mineração, transporte, saúde, meio ambiente etc.).

3
Análises geoespaciais (conhecimento): o mercado está à procura de analistas SIG, para apoiar na
solução de problemas reais. Nesta etapa, você aprende técnicas e métodos específicos, no QGIS,
para analisar atributos e informações geográficas, com alto nível de sofis cação e de forma
simples. As estratégias incluem, por exemplo: análise de séries temporais, para detecção de
mudanças no uso e ocupação do solo, quan ficação de danos na cobertura vegetal, mapeamento
ambiental, prá ca com diferentes métodos de classificação de imagens, uso de indicadores
ambientais, baseados em dados de satélites, aplicação de dados de nanossatélites, com alta
resolução espacial e temporal, entre outras. Isso é apenas uma amostra do que é aplicado, de
forma prá ca e operacional, usando o método “Mapa da Mina”.
4
Inteligência de dados (insight): o erro mais comum, na área de geoprocessamento, é achar que só
se deve aprender técnicas, para produzir mapas. O foco desta etapa é gerar inteligência acionável
de todos os pos de dados. É iden ficar padrões, contextos, processos, relações, tendências e
comparações. É o aprofundamento das análises espaciais, usando ferramentas avançadas do
QGIS, para gerar insights, inteligência geográfica e uma nova perspec va para tomada de decisão.
Para se aprofundar nessas etapas do Método, usadas no Curso “ Mapa da Mina”, assista a esta
apresentação em vídeo: h ps://mapadamina.org.br/

Em nosso treinamento no QGIS, que ensina a processar e analisar imagens de satélites, temos
observado as dificuldades dos profissionais que usam geoprocessamento, em dominar as
ferramentas SIG. Geralmente, isso ocorre em função de as universidades não oferecerem um
treinamento efe vamente prá co e operacional, direcionado para atender as reais demandas do
mercado.

O que é mais comum ser dito, para interessados em geoprocessamento no QGIS, é que você
precisa dominar a produção de mapas. Mas como já mencionamos, elaborar mapas é apenas a
etapa mais básica do processamento de dados. O método “Mapa da Mina” ensina, na prá ca,
além da geração de mapas, as etapas fundamentais à análise e processamento de imagens, bem
como à geração de inteligência geográfica, no QGIS.
PARA APROFUNDAR O CONTEÚDO DESTE TÓPICO

h ps://www.youtube.com/watch?v=ML5b41RGIUk

h ps://www.youtube.com/watch?v=3_rQxn_Z7OE&t=6s
capítulo 2
princípios do
sensoriamento
remoto
 Cada objeto da super cie terrestre interage com a radiação eletromagné ca, de forma
diferente. A radiação refle da por cada objeto, nos vários canais dos sensores, é denominada
assinatura espectral.

30
 Um exemplo mais clássico é o da vegetação verde (saudável), que reflete maior porcentagem
de reflectância no infravermelho próximo, na região visível do espectro. Já a água limpa, sem a
presença de sedimentos, tem pouca reflectância no Infravermelho Próximo, em razão de uma maior
quan dade de energia eletromagné ca ser absorvida pela água.

31
 h p://mapadamina.org.br/

O Sensoriamento Remoto usa sensores para capturar imagens. Aviões, satélites e drones
possuem plataformas especializadas, que transportam esses instrumentos. Enquanto satélites
capturam dados em escala global, drones são mais adequados para voar em áreas pequenas.
Finalmente, aviões e helicópteros atuam como um meio-termo.
Cada po de sensor tem suas próprias vantagens e desvantagens. Quando você deseja
capturar imagens, deve considerar fatores como restrições de voo, resolução da imagem e
cobertura.
Para observação da Terra, é necessário considerar a resolução da imagem. Em geral, os
sensores remotos são classificados de acordo com o po de resolução: espacial, espectral,
temporal ou radiométrica. Confira, a seguir, os conceitos desses principais pos de resolução:

1) Resolução espacial: a resolução espacial é o detalhe, em pixels, de uma imagem. Alta

resolução espacial significa mais detalhes e menor tamanho do pixel. Por outro lado,
resolução espacial mais baixa significa menos detalhes e tamanho do pixel maior.
Normalmente, drones, a exemplo do DJI, capturam imagens com uma das mais altas
resoluções espaciais. Mesmo que os satélites sejam os mais altos na atmosfera, eles são
capazes de tamanhos do pixel de 50 cen metros ou mais.

32
2) Resolução espectral: é a capacidade dos sensores de operar em várias e estreitas bandas
espectrais. Os sensores que operam em uma quan dade de 12 a 15 bandas são chamados
de mul espectrais. Já aqueles que operam em uma quan dade de 15 a centenas de bandas,
são conhecidos como hiperespectrais. Dito de forma simples, é o número de bandas
espectrais que cada missão de satélite disponibiliza.

Quando há muitas bandas, o fa amento amplia as possibilidades de interpretação das

imagens. Todavia, quanto mais bandas o sensor apresenta, maior é o volume de dados
redundantes e de armazenamento. Por outro lado, quanto mais estreitas são as bandas,
menos contaminação dos gases de absorção da atmosfera (aerossóis, vapor d'água, CO2
etc.).

33
 Veja abaixo exemplos da resolução espectral de uma imagem:

concluir uma órbita completa.

34
4) Resolução radiométrica: está relacionada à sensibilidade do sensor em detectar pequenas
variações radiométricas, ou seja, em perceber diferenças nos valores da radiância. Quanto
maior o número de bits, maior é a resolução radiométrica. Isso significa que o número de
níveis de cinza tem uma maior quan dade de variações em branco e preto, que facilitam para
discriminar os objetos da super cie, representados nas imagens.

35
36
h p://mapadamina.org.br/

37
 PARA APROFUNDAR O CONTEÚDO DESTE TÓPICO

h ps://www.youtube.com/watch?v=MYSZuxbUd4I&t=502s

As imagens de satélite com alta resolução cumprem função similar às imagens ob das por
drone. São fundamentais para analisar variáveis de uma área, quando você precisa de um mapa
com maior detalhamento.

38
 Como vimos, as imagens dos satélites Planet estão na fronteira do que há de mais alta
tecnologia, para mapeamento da super cie terrestre, sobretudo pela sua alta resolução espacial e
temporal. Mas há ainda outra vantagem: essas imagens também possuem alta resolução
radiométrica, que se refere à sensibilidade do sensor, quanto à capacidade para detectar
variações na radiância espectral que recebe. No caso, os níveis de cinza são expressos em bits.

Uma imagem de alta resolução radiométrica, em torno de 11 ou 16 bits, possibilita uma

boa interpretação dos alvos. Mas essa resolução pode ser bem maior. As mais simples imagens de
satélites de hoje costumam se apresentar com resolução mínima de 8 bits.

O método “Mapa da Mina”, desenvolvido pelo Laboratório Lapis, ensina a processar esses
dados de alta resolução, dos satélites Planet, para mapeamento de áreas. O treinamento ensina a
gerar mapas, processar e analisar imagens, dominando defini vamente o so ware QGIS. Se você
tem interesse, precisa conhecer urgentemente os pilares do método do Lapis. Para isso, assista à
aula inédita e gratuita do prof. Humberto Barbosa: h ps://mapadamina.org.br/

A classificação digital de imagens, em sensoriamento remoto, pode ser baseada em pixels

ou em objetos. Existem 3 pos de classificação digital de imagens de satélites, que permitem
iden ficar o uso, cobertura e ocupação do solo: supervisionada, não supervisionada (baseada em
pixels) ou por objeto (formas vetoriais ou geométricas).

39
 2) Classificação supervisionada: u liza amostras representa vas, chamadas “áreas de treinamento”,
para categorizar cada classe de cobertura do solo. O algoritmo do QGIS, u lizado para esse po de
classificação, usa essas áreas de amostras selecionadas e, em seguida, as aplica à imagem inteira. Com
essas amostras, marcando algumas áreas da imagem, treinam-se os pixels para classificar o uso do
solo, em área de vegetação, agricultura, pastagem etc. Assim, são criadas bibliotecas espectrais para a
classificação.

40
 Algoritmos presentes no so ware QGIS, permitem fazer essa classificação, através da
técnica de objeto orientado. Podem-se u lizar diferentes métodos, para classificar os objetos
(forma ou geometria do objeto, textura, resolução espectral, contexto geográfico ou classificação
do vizinho mais próximo).

41
42
43
44
abaixo

45
46
Assinatura espectral analisada em imagens da constelação Planet, no QGIS.

PARA APROFUNDAR O CONTEÚDO DESTE TÓPICO

:
h ps://www.youtube.com/watch?v=BwZeMBsmzR4&t=4078s

:
h ps://www.letrasambientais.org.br/posts/como-e-gerada-a-imagem-de-ndvi-para-todo-o-brasil-

:
h ps://www.letrasambientais.org.br/posts/os-7-elementos-para-classificar-o-uso-e-
ocupacao-do-solo-em-imagens-de-satelites

47
 Dados de satélites também permitem aos cien stas cobrir grandes áreas geográficas,
por longos períodos de tempo, a um custo muito baixo e na conveniência de um escritório.
É o caso, por exemplo, do monitoramento de uma grande floresta tropical, como a Amazônia.

48
os
do
possibilitam

49
capítulo 3
tecnologia
descentralizada
de recepção de
dados de
satélites
51
 Nesse contexto, o uso de imagens de satélites para monitoramento ambiental e
meteorológico se tornou imprescindível, com informações rápidas que antecipem diagnós cos
de eventos climá cos extremos, com impactos ambientais e socioeconômicos significa vos.
Há 15 anos, quando a disseminação de tecnologias geoespaciais de baixo custo ainda era
muito incipiente no Brasil, o Laboratório Lapis implantou o “Sistema EUMETCast”, uma tecnologia
descentralizada de recepção de dados de satélites. Desde então, o Lapis tem acesso a dados
oriundos dos mais importantes provedores globais de dados de satélites.

52
 O “Sistema EUMETCast” é uma inicia va da Agência Europeia para Exploração de Satélites
Meteorológicos (EUMETSAT), tendo sido o Lapis o responsável por implantar e adaptar essa
tecnologia, de forma pioneira, em uma universidade brasileira – na Universidade Federal de Alagoas
(Ufal). A Organização integra 27 países, sendo responsável pela operação, gestão do processamento e
distribuição de dados de imagens coletadas diariamente. A EUMETSAT possui um sistema
operacional de satélites geoestacionários.
Os componentes básicos para recepção dos dados transmi dos são uma antena, dois
computadores e os so wares. A antena é composta por um refletor parabólico de 2,6 metros, um
alimentador com polarização C e um amplificador LNBF (Low Noise Block-downconverter Feed horn),
para aumentar o sinal com baixos níveis de potência. Os computadores podem operar u lizando
plataforma Windows XP, sendo necessárias duas máquinas: uma para a recepção dos dados e outra
para processar as imagens recebidas. A configuração mínima dos sistemas requer CPU com clock
acima de 1,8 GHz e memória RAM de 2 GB, além de um HD com pelo menos 160 Gbytes de capacidade
e a chave específica de acesso EUMETCast Key Unit (EKU).
Quando o Lapis foi fundado, ainda não exis a capacitação para uso dessa tecnologia no Brasil.
Seria necessário torná-la simples e operacional. Foi um longo processo para compreender a
complexidade do Sistema, buscar soluções, testar, aprender com os erros e disseminar isso para
outros usuários. Criamos so wares, registramos patentes, desenvolvemos algoritmos e validamos
protó pos.
A estação de recepção de dados de satélites, pelo sistema EUMETCast, é completa, de baixo
custo e de fácil u lização. É capaz de receber, quase em tempo real, dados e produtos meteorológicos
e ambientais, por uma rede global de provedores. Mais informações no Livro “Sistema EUMETCast”
(2013).
O Lapis desenvolveu um so ware específico para decodificação de dados brutos de satélites
recebidos pelo sistema EUMETCast, que possui uma interface amigável e ú l aos usuários finais.
Possibilita o monitoramento, em tempo quase real, das condições meteorológicas sobre o território
nacional, contribuindo para orientar tomadas de decisão por empresários, produtores rurais,
gestores de ins tuições, organizações sociais e população em geral.
No Brasil, sendo o principal usuário responsável pela disseminação do sistema EUMETCast, o
LAPIS disponibiliza vários produtos, que consistem nos canais visível, vapor d'água e infravermelho,
com imagens coloridas (realce, composição e diferença entre os canais), dos satélites Meteosat-11 e

53
 A maioria das universidades brasileiras tem procurado obter formas de acesso facilitado às
imagens de satélites, o que explica o interesse pelo sistema de difusão de dados e produtos, por
meio do sistema EUMETCast. Atualmente, o Laboratório Lapis conta com o apoio da EUMETSAT,
para conectar a rede EUMETCast no Brasil e promover treinamentos de usuários. Entre os
bene cios, destaca-se a manutenção reduzida e de baixo custo da operação do sistema.
“Com a fundação do Lapis, havia o desafio de treinar pessoas, par ndo do zero, para dispor
de pessoal capacitado. É por isso que, nesses 15 anos de trajetória, o Laboratório já capacitou
centenas de usuários, no Brasil e na América La na, em parceria com a EUMETSAT.
E o resultado dessa longa experiência foi a criação do método “Mapa da Mina”, com o qual
treinamos pessoas, no uso das ferramentas de geoprocessamento para gerar mapas, processar e
analisar imagens de satélites.”

Com uma equipe altamente qualificada, o Lapis tem capacitado pessoas, na área de
mapeamento e monitoramento ambiental, a par r da geração de mapas, do processamento e
análise de imagens de satélites. O obje vo do Laboratório é contribuir para a independência
tecnológica dos usuários, na geração de mapas, processamento e análise de imagens de satélites.

O Lapis possui duas linhas de atuação, integradas e complementares. São elas:

A geração de metodologias, algoritmos, so wares, produtos e informações de satélites, pelo

Laboratório Lapis, são disseminados por meio do treinamento “Mapa da Mina”, cujos obje vos são:

• Treinar usuários de diferentes áreas para dominar defini vamente o QGIS, desde o básico
até o avançado.

54
 Capacitar estudantes e profissionais para gerar mapas, processar e analisar imagens,
no QGIS.
• Aplicar, na prá ca, o geoprocessamento, dominando o QGIS em sua carreira, projeto
ou negócio.
• Fornecer cer ficação em QGIS, de forma 100% online e prá ca, através do Curso “Mapa
da Mina”, com conhecimentos sólidos, em SIG e análises geoespaciais.

PARA APROFUNDAR O CONTEÚDO DESTE TÓPICO

h ps://www.youtube.com/watch?v=Ke_5rjkgK5A&t=1s

h ps://www.youtube.com/watch?v=4ZMVXUyS2Xw&t=2s

h ps://www.youtube.com/watch?v=9md0enIhv0I&t=78s

55
capítulo 4
qgis: o sistema
de geoprocessamento
com desenvolvimento
tecnológico mais
acelerado
 Na área de mapeamento ambiental e agrícola, é uma das maiores comunidades que
temos encontrado, nos úl mos anos, e tem avançado graças a essa comunicação e troca de
experiências.

Desde sua estreia, em 2002, cada versão do QGIS foi aprimorada. A origem desse Sistema
de Informação Geográfica foi no Alasca, quando Gary Sherman escreveu o primeiro código, com
todas as ferramentas básicas de panorâmica, zoom e desenho.

57
 do processo:
• Em julho de 2002, Gary Sherman escreveu a primeira versão do QGIS 0.0.1. Ele dispunha
apenas de ferramentas básicas, como panorâmica, zoom e desenho. Há vários desafios em se
trabalhar com so wares livres, quando ainda estão na primeira versão, pois normalmente
surgem bugs e problemas. Cada lançamento do QGIS era um nome de animal de es mação,
com uma tela inicial;
• Em janeiro de 2009, foi lançado o Quantum GIS 1.0. Essa versão já possuía recursos para
explorar dados, compor mapas e publicá-los na internet. Sete anos depois do lançamento, já
havia uma diferença significa va nesse so ware.
• Em setembro de 2013, o QGIS 2.0 incluiu uma nova API vetorial, geoprocessador, simbologia
e revisão de rotulagem. Foi um avanço exponencial, desde 2002, com um salto tecnológico
para 2009 e outro para 2013.
• Em 23 de fevereiro de 2018, houve um lançamento marcante, de longo prazo, para o QGIS
3.0. Essa versão teve integração 3D, baseada em Qt5 e Python 3. Foi o terceiro grande
lançamento do QGIS, reforçando o poder de fogo desse so ware SIG de código aberto.

58
 ,

Hoje, quase todos os provedores de dados têm adotado o NetCDF, pois converge as
comunidades de usuários das áreas ambiental e climá ca. Inclusive, muitas agências
governamentais e não governamentais veram que converter seus dados para NetCDF, porque se
tornou uma necessidade de várias comunidades de integração de dados.

O QGIS é desenvolvido por uma equipe de voluntários, empresas e organizações dedicadas.

No total, o QGIS 3 conta com mais de 900 ferramentas de geoprocessamento, estruturadas nas
seguintes categorias:

59
 Para executar as ferramentas de processamento do QGIS, acesse o menu Processamento >
Caixa de ferramentas. Na barra de pesquisa, é possível encontrar ferramentas de processamento
específicas, dentre as mais de 900 ferramentas disponíveis, nesse so ware SIG gratuito e de código
aberto. Dentre elas, estão:

60
 Além do formato 3D, os plugins do QGIS impulsionam seu incrível poder de análise. Se você
já usou o QGIS, sabe que os plugins são centrais para o sucesso desse so ware. Essas ferramentas
adicionam funcionalidades complementares ao aplica vo. Geralmente, são desenvolvidas por
organizações e desenvolvedores, independentes da organização QGIS.
Existe uma coleção composta por mais de 1.500 plugins, prontos para serem usados no
QGIS, disponível para download neste link: h ps://plugins.qgis.org/plugins/.
Quando você baixa um plugin do QGIS, você reforça ainda mais a capacidade desse
so ware, desde a visualização até a análise e edição dos dados. Não é surpresa que essa
capacidade de adicionar inúmeras ferramentas ou plugins torna o QGIS o so ware SIG de código
aberto mais usado no mundo.
Esses plugins também podem ser instalados diretamente do QGIS Plugin Manager, dentro
do aplica vo QGIS. Eles são localizados no menu principal > opção “Complementos” > Gerenciar e
instalar complementos.

61
62
PARA APROFUNDAR O CONTEÚDO DESTE TÓPICO

Assista a esses trechos de aulas do prof. Humberto Barbosa (Lapis) –

h ps://www.youtube.com/watch?v=Ke_5rjkgK5A&t=1s

:
h ps://www.youtube.com/watch?v=4ZMVXUyS2Xw&t=2s

:
h ps://www.youtube.com/watch?v=9md0enIhv0I&t=78s

63
capítulo 5
indicadores de
monitoramento
ambiental e
climático a partir
de dados de
satélites
65
 O domínio da elaboração desses indicadores, a par r do método de geoprocessamento
“Mapa da Mina” (h ps://mapadamina.org.br/), permite usar o QGIS como uma verdadeira “mina de
ouro” para a sua carreira, projeto ou prestação de serviços.
Os produtos processados pelo Laboratório Lapis, a par r do método “Mapa da Mina”, são
baseados em dados de diferentes sensores remotos, como o satélite Meteosat Terceira Geração
(MTG), GOES-16, Soil Moisture and Ocean Salinity (SMOS), Climate Hazards Group InfraRed
Precipita on with Sta on data (CHIRPS), entre outros.
O método também ensina a processar dados da constelação PlanetScope, com alta resolução
espacial e alta frequência temporal. São as mais sofis cadas imagens de satélites, processadas hoje,
no Laboratório Lapis. Essa alta tecnologia de processamento e aplicação de dados de satélites, para
mapeamento ambiental, é ensinada a par r do método de geoprocessamento do Lapis, desde o zero
até o avançado.
A seguir, iremos conceituar alguns indicadores, baseados em dados de satélites, que fazem
parte do catálogo de produtos, processados pelo Laboratório Lapis. Ressaltamos que os índices
apresentados neste Guia correspondem apenas a uma amostra. A lista completa daqueles mais
u lizados para mapeamento ambiental, climá co e agrometeorológico, é ensinada no Curso “Mapa
da Mina” (h ps://mapadamina.org.br/). O treinamento 100% online e totalmente prá co explica
como aplicar as fórmulas, procedimentos e técnicas, para processamento desses índices, no QGIS.

66
 A precipitação pluviométrica é um dos principais parâmetros que definem o clima de
determinada região. O mapa acima, da intensidade da seca, foi processado com dados do produto
Climate Hazards group Infrared Precipita on with Sta ons data (CHIRPS). A imagem permite analisar
a precipitação média mensal, para todo o território brasileiro.
O CHIRPS é um conjunto de dados de chuva, ob dos por satélites e pela coleta in situ, em
estações meteorológicas, desde 1981 até o presente. Trata-se de um sistema de es ma va de
precipitação, que permite a criação de séries temporais de chuva, em grade, para análise de
tendência e monitoramento da seca sazonal.
O mapa foi gerado no QGIS, a par r do cálculo do Índice de Precipitação Padronizado (SPI),
usando dados CHIRPS. O SPI é um indicador amplamente u lizado para caracterizar secas
meteorológicas, em uma variedade de escalas de tempo. Esse Índice permite quan ficar a
precipitação observada, como um desvio padronizado de uma função de distribuição normal, de
probabilidade selecionada, que modela os dados brutos de precipitação.

67
 O SPI é definido pela diferença entre a precipitação estacional normalizada e sua média
estacional a longo prazo, pelo desvio padrão. O cálculo do SPI é um dos indicadores que ensinamos a
gerar no Curso “Mapa da Mina”, o treinamento prá co de QGIS, do Laboratório Lapis. Esse é um dos
mapas processados a par r do cálculo de operações aritmé cas (esta s cas e equações), no QGIS ,
fornecendo informações importantes para o monitoramento ambiental e agrícola.
O SPI foi desenvolvido, originalmente, a par r de pesquisas realizadas na Colorado State
University, Estados Unidos, por Mckee, Doesken e Kleist (1993), para iden ficar a precipitação
anômala e extrema. Refere-se a um método probabilís co que permite monitorar os déficits de
precipitação pluvial, de forma normalizada, em diversas escalas de tempo e espaço, com base nos
registros históricos mensais de precipitação (BLAIN; MESCHIATTI, 2015).
Em 2009, a Organização Mundial de Meteorologia (WMO, da sigla em inglês World
Meteorological Organiza on) recomendou o SPI como o principal parâmetro que os países deveriam
usar, para monitoramento das secas meteorológicas. O SPI é amplamente u lizado em diversos
lugares do mundo, inclusive ins tuições governamentais brasileiras o u lizam, para fundamentar
seus sistemas de alerta precoce, de eventos climá cos extremos.
Esse Índice baseia-se nas relações de frequência, duração e severidade da ocorrência do
fenômeno. Pode ter múl plas aplicações, para avaliar os impactos da seca, em diferentes escalas
temporais. Por exemplo, para menos de 6 meses, pode ser ú l para analisar impactos agrícolas,
enquanto para 12 meses ou mais, permite monitorar efeitos hidrológicos (SVOBODA; FUCHS, 2016;
HAYES et al., 2011).
A agricultura é uma das áreas que depende essencialmente de informações climá cas, para
tomada de decisão. Nesse setor, a precipitação é uma variável extremamente importante, não só para
os contratos firmados, pelas empresas do agronegócio, como também para auxiliar os produtores. O
mapa semanal da precipitação, por exemplo, é uma informação crucial, para se delimitar condições
relacionadas à produção nas fazendas.

68
Classificação da intensidade das secas, durante mais de 100 anos, no Semiárido brasileiro, com base em séries
do SPI. Fonte: Livro “Um século de secas”.

69
 ,

70
PARA APROFUNDAR O CONTEÚDO DESTE TÓPICO

h ps://www.youtube.com/watch?v=ou64FGV_f64&t=4109s

71
 A umidade do solo se refere à quan dade rela va de água, nos primeiros cen metros
superficiais do solo, es mando o quão úmido ou seco o solo está, em sua camada superior. Expressa
em porcentagem de saturação (%), a variável é es mada a par r de sensores de radar de satélite e
permite perceber a influência da precipitação local sobre o solo.
Como exemplo, está a es ma va da umidade do solo, feita a par r de dados do minissatélite
Soil Moisture and Ocean Salinity (SMOS), da Agência Espacial Europeia (ESA). A imagem de satélite
permite es mar o teor de água con do no solo, a uma profundidade de até 5 cm.
O mapa da umidade do solo é um dos mais importantes indicadores de seca, por representar,
da forma mais imediata, a situação de estresse hídrico, nos solos de determinada região. A imagem
de satélite gerada é uma importante ferramenta agrometeorológica, para orientar a produção
agrícola.
O Índice Padronizado da Umidade do Solo (SMzscore) é outro indicador ensinado no Curso
de QGIS “Mapa da Mina”. Ele mostra a probabilidade das condições da umidade do solo, em relação
a um período histórico analisado, iden ficando as anomalias, ao longo do período (ESCORIHUELA,
2016; XU, 2015). O termo “anomalia” é usado para se referir ao desvio da variável, em relação à
média histórica padronizada, esperada para o período analisado.
A umidade do solo, dependendo do projeto ou serviço, no qual você vai aplicar os dados,
pode ser considerada o principal mapa. Por exemplo, em um serviço de consultoria agrícola, o mapa
da umidade do solo costuma fornecer as informações mais relevantes.
Há casos em que só com as informações da umidade do solo, é possível estabelecer
exatamente um planejamento de duas ou três semanas, e com isso, também diminuir os custos, em
função da irrigação, do uso de alguns insumos. Isso é fundamental, pois algumas dessas variáveis
podem se tornar o verdadeiro “mapa da mina”, para o consultor que u liza geoprocessamento.
O mais importante é dominar a base do método “Mapa da Mina”, que permite que você gere
os mapas desses indicadores, no QGIS, a par r de dados pré-processados, disponibilizados para o
treinamento.
O conhecimento necessário para gerar esses indicadores, baseados em dados de satélites,
demandaria uma longa experiência com geoprocessamento. Foi por isso que o Laboratório Lapis
passou anos estruturando e validando o método “Mapa da Mina”, que apresenta todas as técnicas,
procedimentos, processos e estratégias necessárias, suficientes para que o usuário dê um salto, no
domínio dessa tecnologia.
No Curso “Mapa da Mina”, você não precisa dedicar uma enorme quan dade de tempo e
experiência, que normalmente demandaria de três a quatro anos, apenas para entender o formato
dos dados e estruturá-los, para posterior análise no QGIS.

72
inteligência geográfica, em forma de mapas.

73
 3)

74
PARA APROFUNDAR O CONTEÚDO DESTE TÓPICO

h ps://www.youtube.com/watch?v=7yZNTnckp78&t=51s

75
 4)

76
 A es ma va da LST possibilita observar a espacialização das temperaturas, ao longo dos anos,
apresentada em graus Celsius. Em geral, mudanças no uso e ocupação do solo acarretam alteração
dos parâmetros ambientais, como da temperatura da super cie terrestre. Por exemplo, quando
ocorre o desmatamento de determinada área de floresta. Nessas situações, os valores de NDVI se
correlacionam com a LST, uma vez que os locais com menores índices de cobertura vegetal
apresentam maiores temperaturas da super cie, com possibilidade de se criarem ilhas de calor.

Fundamentalmente, vários fatores podem influenciar na variação da LST, incluindo:

A temperatura da super cie é uma variável essencial para alguns setores. Vamos
exemplificar aqui alguns casos da aplicação desses dados de satélite na agricultura, como de
algumas lavouras que costumam ser mais sensíveis às oscilações da temperatura. Fenômenos
como a geada afetam a safra de milho, no Sul do Brasil. A temperatura da super cie também é
importante para atender demandas de déficit hídrico. Altas temperaturas atrapalham na questão
do balanço hídrico, principalmente do milho e da soja, além de outros grãos, sendo necessário
esse monitoramento, u lizando informações geradas por ferramentas de geoprocessamento, em
forma de mapas.

77
 5)

78
 O albedo de super cie é mais um produto agrometeorológico, baseado em dados de
satélites, que faz parte do método “Mapa da Mina”.
O albedo de super cie quan fica a fração da luz solar, refle da pela super cie da Terra. É
uma fração de refle vidade da super cie, que estabelece o balanço de energia da radiação, que
passa entre a atmosfera e a super cie. Esse balanço de energia é fundamental para o
monitoramento de a vidades agrícolas, bem como de outras a vidades produ vas.
Existem dois pos de albedo: o direcional e o hemisférico. A seguir, serão definidos os dois
diferentes conceitos:

· Albedo direcional ou reflectância hemisférica direcional (também chamado de “albedo

céu negro”): é a integração da reflectância bidirecional, sobre o hemisfério de visualização.
Essa variável assume que toda a energia vem de uma radiação direta do Sol, sendo
calculada para um tempo específico.

· Albedo hemisférico ou reflectância bi-hemisférica (também chamado de “albedo céu

branco”): é a integração do albedo direcional, sobre o hemisfério de iluminação. Assume
uma iluminação difusa completa.

O Índice Padronizado do Albedo de Super cie (ALzscore) mostra a probabilidade das

condições do albedo de super cie, em relação a um período histórico analisado, permi ndo
iden ficar anomalias ao longo do período.
O indicador é mais um dos produtos de satélites que o Laboratório Lapis ensina a processar
e analisar no Curso “Mapa da Mina” (h p://mapadamina.org.br/), a par r do domínio do
so ware QGIS. É mais uma importante variável u lizada para o monitoramento agrícola, climá co
e agrometeorológico.

PARA APROFUNDAR O CONTEÚDO DESTE TÓPICO

h ps://www.youtube.com/watch?v=gmaV6qlNQjc&t=5s

79
capítulo 6
ÍNDICES DE
VEGETAÇÃO
PROCESSADOS
NO QGIS
 Índices são operações aritmé cas, desenvolvidas para realçar alguns objetos da super cie
terrestre, a par r de dados ob dos por sensores remotos. Operações aritmé cas, como
esta s cas e equações, costumam ser calculadas em um SIG, como o so ware livre QGIS, para
realçar as caracterís cas dos alvos, representados nas imagens orbitais.

81
 1) Índice de Vegetação por Diferença Normalizada (NDVI)

82
 h ps://mapadamina.org.br/shapefile

Dentre as várias aplicações do cálculo do NDVI na agricultura, as principais são:

83
84
 Tradicionalmente, os valores do NDVI são apresentados em forma de um mapa, em cores,
no qual cada tom corresponde a determinado valor. Não existe uma paleta de cores padrão, mas a
maioria dos so wares SIG, como o QGIS, u liza a proporção “vermelho-verde”.
Essa escala de cores significa que as tonalidades vermelho-alaranjado-amarelo indicam
solo desnudo ou vegetação morta/esparsa (seca). Já todas as tonalidades de verde representam
cobertura vegetal, de normal a densa.
Se ainda não souber como é a interpretação de imagens do NDVI, basta verificar a legenda
do índice, como no mapa abaixo, ob do a par r de dados do satélite Meteosat-11. E lembre-se que
cada so ware permite criar imagens do NDVI com sua própria paleta de cores.

85
86
 Mapas da cobertura vegetal são estratégicos para analisar, por exemplo, a produ vidade
agrícola. No Curso “Mapa da Mina” (h ps://mapadamina.org.br/), o treinamento em QGIS do
Laboratório Lapis, são u lizados dados do satélite Meteosat-11, para gerar esse po de imagem.
Os dados apresentam alta frequência temporal (diária ou semanal), sendo uma informação
valiosa para monitoramento e tomada de decisão, relacionados à agricultura.
A seguir, vamos mostrar um caso em que aplicamos esses dados para mapear áreas
agrícolas sob estresse hídrico. São lavouras de cana-de-açúcar, de grande extensão, administradas
por uma mul nacional produtora de biocombus veis, no interior de São Paulo. Todo o
processamento das imagens abaixo foi feito no QGIS, o so ware SIG livre e gratuito mais usado no
mundo:

87
 As imagens de satélite acima apresentam a condição da cobertura vegetal, a cada semana
do mês de janeiro de 2017, detalhando inclusive a situação para cada talhão. A área é ocupada por
operações agroindustriais, que produzem toneladas de cana-de-açúcar, para fabricação de
bioenergia (etanol). O diagnós co foi feito a par r do produto NDVI diário, do satélite Meteosat-
11.

88
 PARA APROFUNDAR O CONTEÚDO DESTE TÓPICO

h ps://www.youtube.com/watch?v=3i5FJUgG9IE&t=2055s

h ps://www.letrasambientais.org.br/posts/os-15-fatos-que-voce-precisa-
saber-sobre-uso-de-ndvi-na-agricultura

2)

89
 Assim, o VCI permite mensurar, de forma mais aprimorada do que o NDVI, a dinâmica de
precipitação, pois não apenas descreve a cobertura vegetal, de determinada área. Ele também
possibilita analisar as mudanças espaciais e temporais da vegetação, além dos impactos do clima
sobre o vigor vegeta vo das culturas ou vegetação natural. É por isso que esse produto de satélite
é muito u lizado na agricultura, especialmente para um mapeamento mais adequado dos
impactos locais da seca e para a es ma va da produ vidade das lavouras.
O VCI representa a porcentagem de NDVI, em relação à sua máxima amplitude, em cada
local, sendo calculado a par r da diferença entre o máximo e o mínimo NDVI registrado, nos anos
anteriores. Dessa forma, o percentual do VCI dá uma ideia de onde o valor observado se situa,
entre os valores extremos (mínimo e máximo), de períodos passados. Os valores mais altos e mais
baixos do VCI indicam condições do estado da vegetação boas e ruins, respec vamente.

h ps://www.letrasambientais.org.br/posts/seca-se-expandiu-pela-bacia-do-sao-
francisco-nas-ul mas-decadas

h ps://www.mdpi.com/2072-4292/13/19/3921

90
3)

91
 4)

Imagem da constelação PlanetScope, processada

no QGIS, pelo Laboratório Lapis.

Uma alterna va é u lizar o Normalized Difference Red Edge (NDRE), um índice indicado para se
es mar lavouras densas permanentes ou outras lavouras desse po.

92
h p://mapadamina.org.br

93
 O NDVI é frequentemente usado em todo o mundo para monitorar a seca, es mar a produção
agrícola, auxiliar na previsão de zonas de incêndio, analisar situações de estresse hídrico na vegetação,
entre outras aplicações.

PARA APROFUNDAR O CONTEÚDO DESTE TÓPICO:

h ps://www.letrasambientais.org.br/posts/quando-u lizar-o-indice-rededge-para-
analisar-cobertura-vegetal-

5) Índices de vegetação para monitorar riscos climá cos na agricultura

na imagem da constelação PlanetScope.

Existe uma variedade de índices de vegetação, que se baseiam no NDVI. Em algumas situações,
é necessário u lizar esses índices, como fatores de ajuste de informação, para o brilho do solo, efeitos
atmosféricos e outros aspectos. Isso nos ajuda a entender melhor a situação da cobertura vegetal e
suas limitações, a exemplo de lavouras.
Dentre os vários pos de índices de vegetação, há três deles que consideramos mais
importantes, para quem deseja fazer uma gestão mais inteligente dos riscos climá cos, durante a
evolução das safras. São eles:
94
 O Índice de Vegetação Melhorado (EVI, sigla do inglês Enhanced Vegeta on Index), é uma
versão ajustada do NDVI, especialmente precisa para áreas com vegetação mais densa.
Esse Índice é calculado de forma similar ao NDVI, apresentando algumas modificações, que
garantem a correção da luz refle da.
É comum que par culas em suspensão na atmosfera e sinais de fundo do dossel (cobertura do
solo) levem à formação de reflexos indesejáveis, nas imagens. Esses reflexos prejudicam a captura e
consequentemente a interpretação dos dados.

O Índice Resistente à Atmosfera na Região Visível (VARI), assim como o EVI, foi designado para
realizar correções dos efeitos atmosféricos. O VARI é des nado principalmente para detecção de áreas
de estresse hídrico, nas lavouras.
Diferentemente dos índices de vegetação anteriores, baseados em sensores infravermelho
próximo (NIR), as imagens VARI são geradas com uso da técnica de composição RGB, usada para
realçar as cores dos alvos mapeados. A tendência de uso de imagens RGB não busca a subs tuição da
tecnologia NDVI, mas a ampliação das técnicas de mensuração.

95
capítulo 7
MéTODO PARA
ESTIMAR A
PRODUTIVIDADE
DA CANA-DE-AÇÚCAR
97
 De acordo com um estudo da Confederação Nacional da Indústria (CNI), a produ vidade
dos canaviais em volume (toneladas de cana por hectares) passou por oscilações, do período
2005/2006 a 2015/2016. Todavia, nesses 10 anos, apresentou um crescimento de 3%. Já a
qualidade da matéria-prima (kg de ATR por tonelada de cana) teve queda de 1%, durante o
período (CNI, 2017).
A produção da cana-de-açúcar, em algumas regiões do Brasil, é caracterizada por baixo
inves mento e está altamente susce vel aos riscos climá cos. Como consequência, a
produ vidade, em termos agrícolas, de geração de trabalho e de recursos naturais, tem
permanecido baixa. Por outro lado, o custo ambiental tem sido alto, especialmente com respeito à
degradação da terra, perda de recursos naturais e de biodiversidade.
Um dos destaques do cul vo dessa gramínea semiperene é sua eficiência na produção de
biocombus veis, com papel fundamental na redução das emissões de gases de efeito. A cultura da
cana é uma das mais tecnificadas e capacitadas, no que diz respeito ao uso de técnicas para seu
gerenciamento.
Vale dizer que o risco de degradação das terras e aumento das emissões, causados pela
produção de lavouras para biocombus veis, tem sido amplamente deba do por especialistas do
Painel Intergovernamental para Mudança Climá ca (IPCC).
O Relatório do IPCC apresenta diretrizes para orientar polí cas nos países signatários,
entre os quais o Brasil se inclui (IPCC, 2022). O setor de produção de biocombus veis é um dos
maiores trunfos, para a polí ca brasileira de adaptação ao processo de mudanças climá cas.
Durante a Conferência do Clima das Nações Unidas (COP26), realizada em Glasgow,
Escócia, em novembro de 2021, o Brasil reafirmou compromissos ambiciosos, de aumentar a
produção de biocombus veis, até 2030. Com isso, a produção da cana-de-açúcar, adotando boas
prá cas de sustentabilidade, é par cularmente importante para o País, visando reduzir o ritmo da
mudança climá ca global.
No contexto das mudanças climá cas, tornou-se crucial a busca pelo aumento da
produ vidade das lavouras, evitando impactos ambientais, decorrentes da conversão de novas
terras em áreas agricultáveis. Isso se tornou mais evidente no atual contexto das mudanças
climá cas e das demandas contemporâneas por sustentabilidade ambiental, social e corpora va
(ESG).
O monitoramento por satélite é uma das principais estratégias para aumentar a eficiência
na produ vidade da cana. Hoje, os canaviais recebem acompanhamento sem precedentes,
grande parte a par r de dados gratuitos, processados em um so ware SIG livre e de código aberto,
como o QGIS.

98
 Os sistemas de monitoramento por satélite são imprescindíveis para o conhecimento dos
padrões de variabilidade espaço-temporais do clima. Também contribuem com o
desenvolvimento de modelos predi vos, sejam de modelos agrometeorológicos ou para a
emissão de alertas climá cos e ambientais.
Para que sejam traçadas medidas que favoreçam o processo produ vo, existem vários
modelos, u lizados para a es ma va da produ vidade. Dentre eles, estão os modelos
agrometeorológicos, que consideram somente a influência dos fatores climá cos, sobre a
produ vidade dos cul vos.
Também são u lizados modelos agronômicos, para es ma va da produ vidade agrícola,
que tentam representar, de forma simplificada, os principais processos que atuam na
produ vidade, transformando-os em variáveis quan ficáveis.
Mais recentemente, alguns desses modelos foram aperfeiçoados e integrados às técnicas
de sensoriamento remoto, com resultados bastante encorajadores, apesar da alta variabilidade
espacial da produ vidade ob da.
É o caso do método desenvolvido pelo Laboratório Lapis, para avaliação e diagnós co
agrometeorológico, baseado em dados de satélites, ob dos pelo Sistema EUMETCast (BARBOSA,
2013). Trata-se de um sistema descentralizado de recepção de dados de satélites, que fornece
dados frequentes e precisos, sobre diversos parâmetros agrometeorológicos, tais como:
evapotranspiração potencial e de referência, albedo da super cie, temperatura da super cie
terrestre, radiação solar, precipitação, índices de vegetação, umidade do solo, etc.

99
 O método do Lapis foi estruturado no Curso “Mapa da Mina” (h p://mapadamina.org.br/),
o treinamento prá co que ensina a gerar mapas, processar e analisar imagens de satélites, no
QGIS, um so ware SIG gratuito e de código aberto.

100
 Nas úl mas décadas, uma crescente quan dade de produtos potencialmente úteis,
derivados do sensoriamento remoto, tornaram-se disponíveis. Todavia, seu potencial para
melhorar o desempenho de modelos agrometoeorológicos devem ser avaliados e validados, em
nível local.

PARA APROFUNDAR O CONTEÚDO DESTE TÓPICO

h ps://lapismet.com.br/satelite/

h ps://www.letrasambientais.org.br/posts/5-razoes-para-u lizar-imagens-de-
satelites-na-gestao-agricola

101
102
 Essas técnicas são u lizadas para se es mar a produ vidade das lavouras, a par r de
componentes como balanço de radiação, precipitação, temperatura da super cie,
evapotranspiração potencial, balanço de energia, entre outros.
O monitoramento por satélite complementa o conhecimento adquirido em campo, por
profissionais da agricultura e produtores rurais. As observações in situ permitem orientar e
calibrar a análise dos dados de satélite, oferecendo uma boa base para integração espaço-
temporal, de ambos os pos de dados. Combinar essas informações, com séries de longo prazo
disponíveis, permite análises espaciais mais qualificadas, para a agricultura.
Porém, os procedimentos esta s cos dos modelos agrometeorológicos e agronômicos
não costumam ter orientação prá ca, para a tomada de decisão. Seu baixo desempenho, muitas
vezes, é consequência de conjuntos de dados de entrada limitados.
Dessa forma, a es ma va da produ vidade das lavouras, seja de soja, milho ou cana-de-
açúcar, torna-se mais estratégica, quando se associam produtos derivados de técnicas de
sensoriamento remoto, com modelagem numérica.
Os produtos de satélites fornecem dados frequentes e bastante aproximados, de diversos
parâmetros agrometeorológicos. Com o método do Laboratório Lapis, é possível u lizar um
catálogo de produtos agrometeorológicos, baseados em dados de satélites, para o
monitoramento da produ vidade agrícola. Dentre eles, estão: umidade do solo, precipitação,
evapotranspiração potencial e de referência, albedo de super cie, índices de vegetação,
temperatura da super cie, radiação solar, entre outros.
Processados no so ware QGIS e visualizados em forma de mapas, esses indicadores
oferecem um monitoramento completo das lavouras, orientando a adoção de medidas, para
aumentar a produ vidade.
Essa tecnologia, associada ao conhecimento empírico do campo, em muito auxiliam para a
es ma va do período de crescimento e desenvolvimento das lavouras. Dessa forma, torna-se
possível alavancar a produção agrícola, com mais sustentabilidade.
As a vidades relacionadas ao processamento de dados geográficos/georreferenciados
consistem em captar, organizar e elaborar mapas. Para isso, o QGIS, um SIG totalmente gratuito e
de código aberto, é uma das ferramentas mais poderosas. O so ware permite adquirir, manipular,
integrar, analisar e apresentar os dados georreferenciados, facilitando seu processamento.
Confira, a seguir, como funciona o método do Lapis para es mar a produ vidade das
lavouras.

103
 da

,
Os dados de satélites u lizados, na validação do método, foram ob dos a par r da sua
própria estação de recepção de dados de satélites “Sistema EUMETcast”. Esses dados são
u lizados para es mar o período de crescimento e desenvolvimento das culturas, seja da cana-
de-açúcar ou de outros cul vos.
A abordagem do sensoriamento remoto, para quan ficar es ma vas da produ vidade da
cana-de-açúcar, são computadas para cada pixel do mapa, usando imagens do NDVI,
produ vidade de matéria seca (DMP, sigla do inglês Dry Ma er Produc vity) e evapotranspiração
potencial (ETp). São aplicadas sica de balanço radia vo, aerodinâmico e energé co, em 9 etapas
de processamento digital dos indicadores, no QGIS.

104
 São produtos baseados em sensoriamento remoto, como SPOT Vegeta on-2, SPOT-5, do
satélite SPOT; NDVI, do satélite Meteosat-11; DMP, do programa Copernicus, com resolução
espacial de 1 km; e o produto LSA-SAF de ETp, para a América do Sul.

105
 São geradas séries temporais de dados raster de NDVI, nas quais cada mapa da cobertura
vegetal representa a média do NDVI, para o período de 10 dias. Durante a importação dos dados,
são re dos apenas os valores do mapa, que sa sfazem os critérios dos “flag”, como ausência de
nuvens, pixels terrestres, boa qualidade radiométrica nas bandas Vermelha (RED) e
InfraVermelho Próximo (NIR).

O FVC é conver do para IAF, por meio de uma equação proposta por Norman et. al. (2003),
conforme a equação 2.

106
 Para o processamento deste cálculo, para cada um dos mapas de NDVI, pertencentes à
série temporal, foi u lizado o so ware QGIS, com fornecimento das informações solicitadas nos
campos da calculadora raster.

Berka et. al. (2003) desenvolveram uma abordagem simples, para derivar a taxa de
crescimento, a par r do LAI, veja a equação 3.

107
 .
.
.
.

O Coeficiente de cul vo (Kc) é específico ao estágio de crescimento do cul vo. A

evapotranspiração, em qualquer momento da estação de crescimento, é o produto da
evapotranspiração de referência pelo coeficiente do cul vo, como mostrado na equação 5.

O Satellite Applica on Facility on Land Surface Analysis (LSA-SAF) faz parte do segmento
terrestre de aplicação da Eumetsat. Está focado no desenvolvimento e processamento de
produtos de satélite, que caracterizam as super cies con nentais, como produtos de radiação,
vegetação, evapotranspiração e incêndios florestais.

108
 Por meio do uso dos recém-desenvolvidos produtos LSA-SAF, pode-se agora obter medidas
frequentes e precisas de diversos parâmetros agrometeorológicos básicos (ex. albedo da
super cie, temperatura da super cie, evapotranspiração, dentre outros). Os parâmetros
agrometeorológicos es mados por satélite têm várias vantagens, se comparados aos es mados
usando a rede dispersa de observações meteorológicas de super cie.
No QGIS, exibindo-se a série temporal como uma sequência animada, uma lista de mapas
será compilada, processando-se o produto LSA-SAF ET, a cada 30 minutos, entre o período
avaliado. Todos os produtos serão adicionados em base diária e corrigidos para o intervalo
avaliado. O produto é expresso em unidades de mm/hr.
Os produtos diários deverão ser somados e terão suas médias calculadas em 10 dias. O
desvio padrão também será calculado e agregado para esse mesmo período.
Para obtenção do valor de evapotranspiração do cul vo, será u lizada a série temporal de
dados ETp_avg e ET_std, adotando-se o seguinte procedimento:
Para os meses avaliados, o valor adotado para o coeficiente de cul vo, será equivalente
aos estágios de desenvolvimento da cultura, sendo:

Uma vez efetuados todos os cálculos, uma nova lista de mapas será criada.

Passo 7: Es ma va da produ vidade da cana-de-açúcar

A es ma va da safra da cana-de-açúcar, durante o processo de crescimento, em base de
dez dias, é feita usando um modelo agrometeorológico (Equação 7), seguindo o Doorenbos e
Kassam (1979):

109
 Nesta etapa, pode ser usada a máscara para extrair o valor da safra es mada (Ye). A lista de
mapas de Ye resultante deve ser sobreposta à máscara das fronteiras municipais, da região
analisada.
Esse procedimento é feito no so ware QGIS. Com a série temporal dos mapas disponível,
no painel de camadas, basta usar a máscara para extrair o valor de “Ye”, para a região. É só clicar
em Raster > Recorte > Recortar por Camada de Máscara.

A série temporal de Ye corresponde à safra es mada da cana-de-açúcar, em base dezenal. Para

se es mar a Produ vidade Total da Safra, para toda a série temporal, cada dezena da lista de mapas
“Ye” deverá ser acumulada.
Finalmente, para se es mar a produ vidade total da safra, a quan dade média da água (76%)
sem estresse é adicionada à cana-de-açúcar, e o peso inicial dos caules, durante o plan o, deve ser
também adicionado (aqui o valor de 15 ton/ha é u lizado).
A imagem gerada mostrará os resultados finais da análise, usando as fronteiras municipais e a
máscara da cana-de-açúcar, sobrepostas ao mapa Ye_total.
Dessa forma, obtém-se uma informação crucial para se es mar a produ vidade agrícola, de
diferentes cul vos, a par r da incorporação de produtos de satélite e técnicas de sensoriamento
remoto.
Com esse modelo agrometeorológico, seguindo cada etapa do método, geram-se produtos
para monitoramento climá co e ambiental da cana-de-açúcar, usando o QGIS, um SIG gratuito e de
código aberto.

110
 O Curso “Mapa da Mina” é o treinamento prá co do Laboratório Lapis que ensina como gerar
mapas, processar e analisar esses pos de produtos agrometeorológicos, para monitoramento
agrícola, climá co e ambiental.

111
capítulo 8
Prática no QGIS:
processando e
analisando
imagens de
satélites
 Nesta prá ca, vamos u lizar dados de alta resolução, da constelação de satélites
Planetcope, para quan ficar uma área de desmatamento de floresta por corte raso.
Se preferir acompanhar essa demonstração em formato de videoaula, acesse esta
apresentação: h ps://www.youtube.com/watch?v=ML5b41RGIUk A prá ca no QGIS está
disponível no tempo 16:24 minutos do vídeo.
Esta demonstração prá ca é apenas uma amostra das videoaulas que fazem parte do Curso
de QGIS “Mapa da Mina”. O treinamento 100% prá co vai desde o básico até o avançado, contando
com suporte técnico do Laboratório Lapis.
Nesta prá ca, a quan ficação de dano e floresta remanescente será feita a par r de três
etapas de aplicação dos dados de satélite, no QGIS.
Essa mesma metodologia pode ser u lizada para realizar classificação e mapeamento, em
várias outras áreas, como: florestal, planejamento urbano, agricultura, mineração, meio ambiente
etc.
Essas são as duas imagens com as quais iremos trabalhar no QGIS, referentes ao Tempo (T1),
em maio, e Tempo (T2), em julho. A terceira imagem é resultante da vetorização da área
desmatada.

h ps://letrasambientais.org.br/04_DESMATAMENTO.rar

113
 Dados da constelação de satélites PlanetScope baixados e descompactados para a prá ca.

114
115
116
117
 No espaço em branco, da calculadora de expressão raster, basta inserir a equação, u lizando
os operadores, seguindo o passo 13. U lize primeiro as bandas da imagem “maio”, conforme o
passo 14.

118
119
120
121
122
 Ao abrir a janela “mesclar”, é importante marcar a opção “Coloque cada arquivo de entrada
em uma banda separada”, conforme o passo 17. Essa opção é a vada justamente para habilitar a
técnica de Layerstack (empilhamento das bandas), no momento da mesclagem das imagens

123
 Na opção “Mesclado”, selecione a opção “Salvar arquivo” (passo 21). Escolha o local para
salvar a camada mesclada e atribua o nome “Mesclado”, ao arquivo resultante. Em seguida, clique
em “Executar” (passo 22).

124
Quan ficando a área desmatada com a técnica de classificação baseada em vetorização manual

125
 Preencha as informações, conforme o passo a passo demonstrado abaixo. Clique nos três
pon nhos e salve o arquivo vetorial criado com o nome “floresta”:

126
127
 Ao finalizar a vetorização, clique com o botão direito do mouse (passo 28) e vai aparecer uma
caixa, para salvar os atributos na tabela.

128
129
 Clique na seta de “Geometria”, selecione e dê dois cliques na opção “$Área” (passo 31). Faça
a razão de $Área / 1000000 (passo 32). É necessário que apareçam abaixo os números de pré-
visualização. Clique em “OK”.

130
 Esta demonstração prá ca faz parte do programa do Curso de QGIS “Mapa da Mina”
(h p://mapadamina.org.br/), do Laboratório Lapis. Se você quer se aprofundar no domínio do
geoprocessamento no QGIS, de forma passo a passo, com videoaulas e tutoriais detalhados,
inscreva-se em nosso treinamento online. No Curso, você contará com o suporte técnico e
acompanhamento do Laboratório Lapis, durante seu desenvolvimento, até dominar
defini vamente o QGIS.
Os dados da constelação de satélites PlanetScope, usados nesta prá ca no QGIS, foram
ob dos por meio do Projeto Brasil M.A.I.S (Meio Ambiente Integrado e Seguro), da Polícia Federal,
ligado ao Ministério da Jus ça e Segurança Pública do Brasil. O Programa incen va o uso de
imagens de alta resolução, para ações de mapeamento ambiental e combate à criminalidade, no
País.

131
 A Plataforma do Programa Brasil Mais (2022) permite o acesso e compar lhamento das
imagens de satélites diárias, com resolução espacial de 3 metros, ob das pela constelação
PlanetScope, composta por mais de 130 satélites.
O compar lhamento das imagens visa contribuir para que o acesso e a u lização dos
produtos fornecidos, pelo Brasil Mais, sejam potencializados, entre as ins tuições e milhares de
usuários de todo Brasil, cadastrados na Plataforma.
Desde janeiro de 2022, o Laboratório Lapis assinou um termo de adesão ao Programa Brasil
Mais, para realizar pesquisas e treinamentos de alto nível, na área de geotecnologias. Em
contrapar da, o Lapis oferece dados do Sistema EUMETCast, para apoio à Polícia Federal. A
Universidade Federal de Alagoas (Ufal), por meio do Laboratório Lapis, foi a primeira ins tuição de
ensino do Brasil a aderir ao Programa. Foi também a primeira universidade a instalar o Sistema
EUMETCast, para recepção descentralizada de dados de satélites.

132
ALBUQUERQUE, Erickson Melo de. Modelagem para a es ma va da produ vidade da cana-de-açúcar
através de sensoriamento remoto. Dissertação de Mestrado em Meteorologia. UFCG, 2014.
BARBOSA, Humberto. Sistema EUMETCast: uma abordagem aplicada dos satélites Meteosat de
segunda geração. Maceió-AL: UFAL, 2013. Disponível em:
h ps://www.letrasambientais.org.br/comprar-sistema-eumetcast Acesso em: 01 Març 2022.

BRASIL MAIS. Meio Ambiente Integrado e Seguro. Polícia Federal.

Disponível em: h ps://plataforma-pf.sccon.com.br/#/. Acesso em: 15.04.2022.

BLAIN, G. C.; MESCHIATTI, M. C. Inadequacy of the gamma distribu on to calculate the Standardized
Precipita on Index. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 19, n. 12, p. 1129-1135,
2015.
BIEDERMAN, J. A. et. al. CO2 exchange and evapotranspira on across dryland ecosystems of
s o u t h w e s t e r n N o r t h A m e r i c a . G l o b a l C h a n g e B i o l o g y. 2 0 1 7 . D i s p o n í v e l e m :
h ps://doi.org/10.1111/gcb.13686

BURITI, Catarina de Oliveira; BARBOSA, Humberto Alves. Um século de secas: por que as polí cas
hídricas não transformaram o Semiárido brasileiro? Lisboa-Portugal: Chiado Editorial, 2018. 454 p.

CNI – Confederação Nacional da Indústria. O setor sucroenergé co em 2030: dimensões, inves mentos
e uma agenda estratégica. Brasília-DF: CNI, 2017.

DOORENBOS, J.; KASSAM, A.H. Yield response to water. Rome-Itália: FAO, 1979. 193p.

ESCORIHUELA, M. J.; QUINTANA-SEGUÍ, P. Comparison of remote sensing and simulated soil moisture
datasets in Mediterranean landscapes. Interna onal Journal of Remote Sensing, v. 180, 2016. p. 99-
114.

GISGEOGRAPHY. QGIS Plugins: The Lifeblood of Open Source GIS. Disponível em:
h ps://gisgeography.com/qgis-plugins/ Acesso em: 08.02.2022, às 10h20.

GISGEOGRAPHY. QGIS Tutorial: How To Use QGIS 3. Disponível em: h ps://gisgeography.com/qgis-

tutorial-how-to-use-qgis-3/ Acesso em: 08.02.2022, às 12h52.

GISGEOGRAPHY. 13 Free GIS So ware Op ons: Map the World in Open Source. Disponível em:
h ps://gisgeography.com/free-gis-so ware/ Acesso em: 01.03.2022, às 14h52.

133
 GISGEOGRAPHY. The Hidden Powers of QGIS 3: Features, Plugins and Review. Disponível em:
h ps://gisgeography.com/qgis-3/ Acesso em: 01.03.2022, às 15h52.

GISGEOGRAPHY. GIS Courses to Learn Geographic Informa on Systems. Disponível em:

h ps://gisgeography.com/gis-courses/ Acesso em: 10.02.2022, às 15h52.

G I S G EO G R A P H Y. W h at i s G e o g ra p h i c I nfo r m a o n Syste m s ( G I S ) ? D i s p o n í ve l e m :
h ps://gisgeography.com/what-gis-geographic-informa on-systems/ Acesso em: 10.02.2022, às
16h21.

HAYES, M. et al. The Lincoln Declara on on Drought Indices: universal meteorological drought index
recommended. In: Bulle n of the American Meteorological Society, n. 92, p. 485-488, 2011.
IPCC. The Working Group II contribu on was released on 28 February 2022. Sixth Assessment Report of
the Intergovernmental Panel on Climate Change, 2022.

LETRAS AMBIENTAIS. Os 7 elementos para classificar o uso e ocupação do solo em imagens de satélites.
ISSN 2674-760X. Disponível em: h ps://www.letrasambientais.org.br/posts/os-7-elementos-para-
classificar-o-uso-e-ocupacao-do-solo-em-imagens-de-satelites Acesso em: 19 Fev 2022.
LETRAS AMBIENTAIS. Os 9 passos para se es mar a produ vidade agrícola por satélites. ISSN 2674-
760X. Disponível em: h ps://www.letrasambientais.org.br/posts/os-9-passos-para-se-es mar-a-
produ vidade-agricola-por-satelites Acesso em: 28 Fev 2022.

LETRAS AMBIENTAIS. Como é gerada a imagem de NDVI para todo o Brasil? ISSN 2674-760X. Disponível
em: h ps://www.letrasambientais.org.br/posts/como-e-gerada-a-imagem-de-ndvi-para-todo-o-
brasil- Acesso em: 17.03.2022.

LETRAS AMBIENTAIS. Os 15 fatos que você precisa saber sobre uso de NDVI na agricultura. ISSN 2674-
760X. Disponível em: h ps://www.letrasambientais.org.br/posts/os-15-fatos-que-voce-precisa-saber-
sobre-uso-de-ndvi-na-agricultura Acesso em: 26 Març 2022.

LETRAS AMBIENTAIS. Seca se expandiu pela bacia do São Francisco nas úl mas décadas ISSN 2674-
760X. Disponível em: h ps://www.letrasambientais.org.br/posts/seca-se-expandiu-pela-bacia-do-
sao-francisco-nas-ul mas-decadas Acesso em: 26 Març 2022.

LETRAS AMBIENTAIS. Quando u lizar o Índice RedEdge para analisar cobertura vegetal? ISSN 2674-
760X. Disponível em: h ps://www.letrasambientais.org.br/posts/quando-u lizar-o-indice-rededge-
para-analisar-cobertura-vegetal- Acesso em: 26 mar 2022.

134
LETRAS AMBIENTAIS. Quando u lizar o Índice RedEdge para analisar cobertura vegetal? ISSN 2674-
760X. Disponível em: h ps://www.letrasambientais.org.br/posts/quando-u lizar-o-indice-rededge-
para-analisar-cobertura-vegetal- Acesso em: 26 mar 2022.

LETRAS AMBIENTAIS. As 5 razões para u lizar imagens de satélites na gestão agrícola. ISSN 2674-760X.
Disponível em: <h ps://www.letrasambientais.org.br/posts/5-razoes-para-u lizar-imagens-de-
satelites-na-gestao-agricola>. Acesso em: 27 mar 2022.

NOVA CANA. Um negócio de US$ 107 bilhões: panorama do PIB da cadeia sucroenergé ca. 2015.
Disponível em: <h ps://www.novacana.com/n/industria/usinas/negocio-us-100-bilhoes-panorama-
pib-cadeia-sucroenerge ca-031115>. Acesso em: 21.02.2022.

PAREDES-TREJO, F. at. all. Drought Assessment in the São Francisco River Basin Using Satellite-Based and
Ground-Based Indices. In: Remote Sensing, v. 13, p. 3921-3946, 2021. Disponível em:
<h ps://www.mdpi.com/2072-4292/13/19/3921>.

PLANETSCOPE. Disponível em: h ps://developers.planet.com/docs/data/planetscope/ Acesso em:

21.02.2022.

ROCHA, Diego Raoni da Silva. Es ma va de Produ vidade de Cana-de-Açúcar no Estado de São Paulo
através de um Modelo Agrometeorológico Espectral. Dissertação de Mestrado em Meteorologia.
UFAL, 2014.

SPRING - DPI/INPE. Introdução ao geoprocessamento. In: Manuais: Tutorial de geoprocessamento.

Disponível em: h p://www.dpi.inpe.br/spring/portugues/tutorial/introducao_geo.html. Acesso em:
10.02.2022.

SVOBODA, M.; FUCHS, B. A. Handbook of Drought Indicators and Indices: Integrated Drought
Management Programme (IDMP), Geneva: World Meteorological Organiza on (WMO); Global Water
Partnership (GWP), 2016 (Series 2).
UNICA – União da Indústria de Cana-de-Açúcar. Unicadata.
2016. Disponível em: < h ps://observatoriodacana.com.br/historico-de-producao-e-
moagem.php?idMn=32& poHistorico=4>. Acesso em: 27 mar 2022.

XU, X. Assimila on of Remotely Sensed Soil Moisture in the MESH Model. UWSpace. 2015.
h p://hdl.handle.net/10012/9715

135
 Gravações de aula disponíveis
BARBOSA, Humberto. Uso de Sistemas de Informação Geográfica (SIG's) para tomada de decisão.
Disponível em: h ps://www.youtube.com/watch?v=p2X2Hn77vQQ&t=2068s Acesso em: 01 Mar 2022.

BARBOSA, Humberto. Indicadores de vegetação ob dos por dados de satélites aplicados ao

agronegócio. h ps://www.youtube.com/watch?v=kTFjphD1KX4&t=2s Acesso em: 01 Mar 2022.

BARBOSA, Humberto. Dados de precipitação por satélite aplicados à agricultura: o que você precisa
saber? Disponível em: h ps://www.youtube.com/watch?v=ou64FGV_f64&t=4109s Acesso em: 01 Mar
2022.

BARBOSA, Humberto. As técnicas de classificação de uso e ocupação do solo com imagens de satélites.
Disponível em: h ps://www.youtube.com/watch?v=BwZeMBsmzR4&t=4078s Acesso em: 01 Mar 2022.

BARBOSA, Humberto. Evapotranspiração real baseada em dados de satélites. Disponível em:

h ps://www.youtube.com/watch?v=7yZNTnckp78&t=51s Acesso em: 01 Mar 2022.

BARBOSA, Humberto. O produto de satélite albedo de super cie aplicado ao monitoramento

ambiental. Disponível em: h ps://www.youtube.com/watch?v=gmaV6qlNQjc&t=5s Acesso em: 01 Mar
2022.
BARBOSA, Humberto. Tudo o que ainda não te contaram sobre o Índice de Vegetação NDVI. Disponível
em: h ps://www.youtube.com/watch?v=3i5FJUgG9IE&t=2055s Acesso em: 26 Mar 2022.

BARBOSA, Humberto. Conheça o método para usar o QGIS como a "mina de ouro" da sua carreira ou
projeto. Disponível em:h ps://www.youtube.com/watch?v=ML5b41RGIUk Acesso em: 28 Mar 2022.

BARBOSA, Humberto. A metodologia de geoprocessamento do LAPIS para processar e analisar imagens

no QGIS. Disponível em:h ps://www.youtube.com/watch?v=3_rQxn_Z7OE&t=6s Acesso em: 28 Mar
2022.

BARBOSA, Humberto. Como é gerada a imagem de NDVI para todo o Brasil. Disponível em:
h ps://www.letrasambientais.org.br/posts/como-e-gerada-a-imagem-de-ndvi-para-todo-o-brasil-
Acesso em: 28 Mar 2022.

BARBOSA, Humberto. La Niña e agricultura: situação atual e perspec vas em relação à chuva e
temperatura no Brasil. Disponível em: h ps://www.youtube.com/watch?v=tsG3wzUQFWQ&t=12s
Acesso em: 28 Mar 2022.

136
BARBOSA, Humberto. Monitoramento da influência da geada e friagem com uso de mapas.
Disponível em: h ps://www.youtube.com/watch?v=0WpWY82ne0k Acesso em: 28 Mar 2022.

BARBOSA, Humberto. Geoprocessamento para redução dos riscos da seca na agricultura. Disponível
em:
h ps://www.youtube.com/watch?v=cANecv2VrUE&t=517s Acesso em: 28 Mar 2022.

BARBOSA, Humberto. Como baixar e usar dados gratuitos dos satélites Sen nel para
monitoramento ambiental? Disponível em:
h ps://www.youtube.com/watch?v=MYSZuxbUd4I&t=502s Acesso em: 28 Mar 2022.

BARBOSA, Humberto. Evapotranspiração real baseada em dados de satélites. Disponível em:

h ps://www.youtube.com/watch?v=7yZNTnckp78&t=51s Acesso em: 28 Mar 2022.

BARBOSA, Humberto. O produto de satélite albedo de super cie aplicado ao monitoramento

ambiental. Disponível em:
h ps://www.youtube.com/watch?v=gmaV6qlNQjc&t=5s Acesso em: 28 Mar 2022.

BARBOSA, Humberto. Dados de precipitação por satélite aplicados à agricultura: o que você precisa
saber? Disponível em:
h ps://www.youtube.com/watch?v=ou64FGV_f64&t=4109s Acesso em: 28 Mar 2022.

Outras fontes recomendadas para consulta

Laboratório de Análise e Processamento de Imagens de Satélites - h ps://lapismet.com.br/
Ins tuto Letras Ambientais - h ps://www.letrasambientais.org.br/

137