| Summary: | Ao longo da última década, o conjunto de dados multi temporais de sensoriamento remoto tornou-se uma ferramenta eficaz e cada vez mais necessária para o monito-ramento dos recursos naturais da Terra. Os conjuntos de dados de sensores remotos têm permitido o entendimento, caracterização e monitoramento espaço-temporal das mudanças no uso e cobertura da terra em diversas escalas temporais. O grande volume e a diversidade de fontes e formatos desses dados requerem estruturas computacionais específicas para visualização, análise e a transformação dos dados em informações úteis para pesquisadores, público em geral e os tomadores de decisão. Nesse contexto, a computação aplicada surge como um pilar fundamental para o suporte, a implementação, a visualização e a análise dos dados multitemporais de sensoriamento remoto. Assim, este trabalho propõe, discute e desenvolve o conceito de \textit{laboratório virtual de sensoriamento remoto} que permite aos usuários terem acesso à visualização e análise de séries temporais de dados derivados de sensores remotos. Nesse trabalho, a arquitetura utiliza os globos virtuais como plataformas auxiliares de visualização dos dados incorporando métodos computacionais de análise de séries temporais provenientes de abordagens analíticas da física estatística. O estudo desses métodos envolveu a pesquisa, a seleção, a modificação, a implementação e a avaliação das seguintes técnicas: análise não tendencial de flutuações (DFA), análise de padrões gradiente (GPA) e gráfico de recorrência. Um estudo de caso foi realizado utilizando os operadores computacionais derivados das técnicas estudadas aplicadas nas séries temporais e espaço-temporais de índices de vegetação - \textit{Enhanced Vegetation Index 2} (EVI2) derivados do sensor \textit{Moderate Resolution Imaging Spectroradiometer} (MODIS) disponíveis no laboratório virtual. Os resultados apresentam uma nova abordagem para a caracterização do uso e cobertura da terra, indicando as áreas que ocorreram mudança em escalas locais, regionais ou continentais. Em escalas locais, a nova abordagem de visualização de séries temporais integradas em um ambiente virtual permite a inferência sobre a dinâmica do uso e cobertura da terra. Nesse contexto, a combinação de técnicas da computação aplicada e do sensoriamento remoto permitiu uma forma inédita de disponibilização de dados e ferramentas computacionais que são úteis nas mais diversas áreas do conhecimento como nas ciências agrárias, ciências florestais, engenharia ambiental entre outras áreas das geociências. === Over the last decade, the multitemporal remote sensing dataset has become an effective tool, and increasingly necessary to monitor the Earth's natural resources. The remote sensing datasets have allowed the understanding, characterization and monitoring the spatio-temporal land use and land cover changes in different time scales. The large data volume and the diversity of data sources and formats require specific computer data structures for visualization, analysis and transformation of the data into useful information for researchers, general public and decision makers. In this context, applied computer science emerged as a key pillar for the support, implementation, visualization and analysis of multitemporal remote sensing data. So , this work proposes, discusses and develops the concept of \textit{Virtual Lab of remate sensing} that allows to access the visualization and analysis of time series data derived from remote sensors. In this work, the architecture uses the virtual globes as auxiliary platforms for data visualization incorporating computational methods for time series analysis from analytical approaches of statistical physics. The study of these methods involved the research, selection, modification, implementation and evaluation of the following techniques: Detrend Fluctuation Analysis (DFA) , Gradient Pattern Analysis (GPA) and Recurrence Plot (RP). A case study was performed using operators derived from computational techniques applied in the studied time series and spatio-temporal vegetation index (Enhanced Vegetation Index 2 (EVI2)) of Moderate Resolution Imaging Spectroradiometer (MODIS) available in the virtual lab. The results present a new approach to characterize the land use and land cover, indicating the areas where changes occurred at local, regional or continental scales. On local scales, the new approach to visualization of time series integrated in a virtual environment allows inferences about the dynamics of the land use and land cover. In this context, the combination of applied computing and remote sensing techniques has enabled an unprecedented form of accessing the data and computational tools that are useful in several areas of knowledge as in the agricultural sciences, forest sciences, environmental engineering and other areas of geosciences.
|
|---|
