Slide 1

Produção, visualização e análise de grandes volumes de imagens de sensoriamento remoto modeladas como cubos de dados multidimensionais para todo o território brasileiro.

Slide 1

O Data Cube Explorer é um portal web para visualização de cubos de dados, coleções de imagens e classificações.

previous arrow
next arrow

WTSS – Web Time Series Service


O serviço da web proposto preenche a lacuna entre as aplicações de sensoriamento remoto e seus requisitos de padrão de acesso a dados por meio de uma representação simples e eficaz para dados de séries temporais.

O objetivo do WTSS é trazer para a comunidade de pesquisa de sensoriamento remoto uma maneira fácil de acessar e consumir dados de imagens de satélite na forma de séries temporais, economizando o tempo do pesquisador ao lidar com um grande volume de dados. Este serviço da web pode ser facilmente integrado em tecnologias de código aberto, como R e aplicativo da web para análise e visualização de dados.

WTSS

As imagens de sensoriamento remoto são organizadas como coverages, abstração criada para representar um conjunto de dados que pode ser utilizado para a obtenção de uma série temporal para uma dada localização no espaço e intervalo de tempo.

No WTSS, toda Coverage é tratada como um array tridimensional associado ao espaço e tempo do sistema de referência (Figura 1).

O WTSS possui três operações:

list_coverages: Lista o nome das coverages disponíveis no serviço;

describe_coverage: Recuperar metadados de uma coverage particular;

time_series: Extrai a série temporal de uma coverage em uma dada localização no espaço e intervalo específico de tempo.

A extração das séries temporais é feita através da operação ‘time_series’ do WTSS. Dada uma localização no espaço, o WTSS extrai todos os valores associados a essa localização, em cada um dos instantes de tempo disponíveis na Coverage selecionada, conforme apresentado na Figura 2.

WTSS
WTLSS

Bibliotecas clientes foram implementadas na linguagem de script Python e R e também foi desenvolvido um plugin para o Sistema de Informação Geográfica QGIS.

Os clientes disponibilizam a operação dos serviços em alto nível. Além disso, os clientes do WTSS apoiam a construção de aplicativos e uso em ambientes de computação interativos, como R Notebook ou Jupyter. Por exemplo, no cliente desenvolvido em Python, denominado wtss.py, foi implementado um método de plot para a classe TimeSeries. Assim, todas as séries temporais extraídas podem ser facilmente visualizadas, conforme apresentado na Figura 3.

O WTSS pode ser usado em uma variedade de aplicações, como por exemplo, na validação e calibração de produtos derivados de observações de satélites e geração e melhoria de mapas de uso e cobertura da terra.

Artigo referência:

Mais informações podem ser encontradas na organização do Brazil Data Cube no GitHub:

Biblioteca Cliente em R: https://github.com/e-sensing/Rwtss

Biblioteca Cliente em Python: https://github.com/brazil-data-cube/wtss.py

Artigo de referência:

Vinhas, L.; Queiroz, G. R.; Ferreira, K. R.; Camara, G. Web Services for Big Earth Observation Data. Revista Brasileira de Cartografia, v. 69, n. 5, 18 maio 2017.

Brazil Data Cube - 2019 - 2023