Serviço Web para extração de métricas fenológicas para agricultura usando séries temporais de imagens de satélite
por Gabriel Kyama Alves¹, Karine R. Ferreira¹, Bruno Schultz, Thiago G. Rodrigues e Luiz F.R. Carvalho
1Instituto Nacional de Pesquisas Espaciais (INPE) – São José dos Campos, SP – Brasil
GeoInfo: http://mtc-m21d.sid.inpe.br/rep/8JMKD3MGP3W34T/488BPNL
Publisher: GeoInfo | Publicado em: 29 November 2022
© Author(s) 2022. This work is distributed under the Creative Commons Attribution 4.0 License.
Resumo
O estudo dos padrões de vegetação sazonal observados por sensoriamento remoto e chamado de Land Surface Phenology (LSP). A partir de imagens de sensoriamento remoto, é possível obter metricas usadas para o monitoramento fenologico que auxiliam no entendimento da dinâmica da vegetação e na tomada de decisão. Existem diferentes métodos presentes na literatura para a extração dessas métricas a partir de imagens de satélites. Porém, um dos desafios e a extração dessas métricas a partir dos grandes volumes de imagens disponibilizadas atualmente por diferentes provedores. Especialistas se deparam com limitações de hardware para processar esse grande volume de dados em computadores pessoais. Para isso, o objetivo deste trabalho é desenvolver um serviço web para extração de métricas fenológicas a partir de grandes volumes de imagens modeladas como cubos de dados multidimensionais e de series temporais de índices de vegetação. Esse serviço segue uma arquitetura “cliente-servidor”, processando todo o dado do lado do servidor e retornando para o cliente apenas o resultado do processamento. Usando esse serviço, um especialista pode extrair métricas a partir de grandes volumes de imagens sem se preocupar com limitações de processamento e com instalações de pacotes e sistemas em seu computador pessoal.
Keywords: web service; phenological metrics; EO data cubes; time series
Compartilhar e Citar
Alves, G.K; Ferreira, K.R; Schultz, B.; Rodrigues, T.G.; Carvalho, L.F.R. Serviço web para extração de métricas fenológicas para agricultura usando séries temporais de imagens de satélite. Em: Simpósio Brasileiro de Geoinformática (GEOINFO-2022), 281-286. Proceedings XXIII GEOINFO, 28 a 30 de novembro de 2022. São José dos Campos, SP, Brasil. INPE, 2022. ISSN 2179-4847.
http://mtc-m21d.sid.inpe.br/rep/8JMKD3MGP3W34T/488BPNL