Minicursos
Ministrante: Daniel Andrade Maciel
MC1 - Como a Programação contribui para o sensoriamento remoto: automatizações e aplicações em ambientes aquáticos
Ementa:
A integração entre Ciência da Computação e Sensoriamento Remoto desempenha um papel fundamental na expansão das Geociências. Os avanços na área da computação nos últimos anos permitiram o desenvolvimento de técnicas avançadas em Sensoriamento Remoto, como a avaliação de séries temporais longas, análise de mudança de uso e cobertura da terra em escala global, uso de algoritmos de Machine Learning e/ou Deep Learning para a estimativa de parâmetros biofísicos da vegetação, solo e água, entre outros. Este minicurso tem como objetivo apresentar aplicações em que a programação é essencial para o sensoriamento remoto. Para isto, dois estudos de caso serão mostrados, a partir da linguagem de programação R. No primeiro estudo, iremos utilizar um conjunto de dados de acesso aberto e gratuito, em escala global, de qualidade de água para estimar parâmetros físicos de corpos d’água a partir de modelagem utilizando aprendizado de máquina. No segundo, veremos como este modelo pode ser implementado em um fluxo de processamento para geração de dados de qualidade de água em uma alta escala espaço-temporal. Resultados como estes podem, no futuro, elucidar potenciais impactos antrópicos no ambiente. Será possível no fim do evento entender como o sensoriamento remoto se beneficia da programação e como a programação se beneficia do sensoriamento remoto, formando uma importante sinergia para o desenvolvimento de aplicações ambientais mais robustas e confiáveis.
Pré-requisitos:
Ministrantes: Andressa Wille, Julia Gschwend
MC2 - Andressa Wille: Exploração de dados do Dark Energy Survey com o LIneA JupyterHub
Ementa:
Este minicurso tem como propósito apresentar o Jupyter Hub, uma ferramenta científica disponibilizada pelo Laboratório Interinstitucional de e-Astronomia (LIneA) para a comunidade acadêmica brasileira. Mostraremos dois casos práticos de exploração e visualização de dados nas áreas de astrofísica Galáctica e Extragaláctica, utilizando os dados públicos do Dark Energy Survey (DES). Pretende-se mostrar as potencialidades da plataforma e sua versatilidade na análise de dados de grandes levantamentos fotométricos, em preparação para futuras observações do Legacy Survey of Space and Time (LSST).
Pré-requisitos:
Ministrantes: Equipe Brazil Data Cube
MC3 - Brazil Data Cube uma abordagem para Geoinformática com Aplicações de Machine Learning
Ementa:
O Brazil Data Cube constitui uma estratégia na área de Geoinformática que engloba a utilização de Aplicações de Aprendizado de Máquina. O minicurso da trilha Brazil Data Cube uma abordagem para Geoinformática com Aplicações de Machine Learning tem como objetivo apresentar conceitos básicos de Geoinformática e aplicações com séries temporais de imagens de satélite. Os participantes farão uso de tecnologias e dados produzidos pelo time do projeto Cubo de Dados Brasil do INPE. Os principais tópicos discutidos incluem: (a) dados geográficos; (b) sistemas de informação geográfica; (c) acesso e visualização de dados de observação da Terra do projeto Brazil Data Cube através da linguagem Python; (d) introdução a séries temporais de imagens de sensoriamento remoto e aplicações de Machine Learning.
Pré-requisitos:
Preparação do ambiente para o curso
https://brazil-data-cube.github.io/worcap-2023/getting-started.html
Ministrante: Ricardo Dalagnol
MC4 - Introdução ao processamento de dados LIDAR aerotransportados
Ementa:
O sensor LiDAR aerotransportado traz os dados mais precisos para estimativa da altura de objetos na superfície terrestre. Para estudos da superfície terrestre, uma das suas principais aplicações está na estimativa da altura de árvores e florestas para quantificação de biomassa e carbono com alta precisão. Também existem diversas outras aplicações para estudos ambientais e urbanos. Neste minicurso serão introduzidos conceitos básicos de LiDAR adquiridos por plataforma aerotransportada e suas aplicações, será realizada a visualização de nuvem de pontos pontos LiDAR em software QGIS, e processamento de nuvem de pontos em modelo de altura do dossel (CHM) e modelo digital de terreno (DTM), entre outras métricas, através de linguagem R no software RStudio usando o pacote lidR. Portanto, como pré-requisitos, temos a instalação do R, RStudio e pacote lidR.
Pré-requisitos: