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.

Publicações associadas

Quatro sistemas de softwares desenvolvidos no projeto Brazil Data Cube foram registrados no INPI (Instituto Nacional da Propriedade Industrial)

A equipe do Brazil Data Cube acaba de registrar quatro sistemas de software desenvolvidos no projeto no Instituto Nacional da Propriedade Industrial (INPI). O número de sistemas computacionais registrados no INPI é um dos indicadores de produtividade do INPE e de seus cursos de pós-graduação. Os sistemas registrados foram: (1)    Web Time Series Service (WTSS): …

Brazil Data Cube - 2019 - 2024