View
2
Download
0
Category
Preview:
Citation preview
VIABILIDADE DA COMPUTAÇÃO EM NUVEM APLICADA AO PROCESSAMENTO DIGITAL DE
IMAGENS COMO SUPORTE A ANÁLISES TEMPORAIS EMPREGANDO SÉRIES LANDSAT
Kelvin William de Souza Siqueira (CPGCG)Clauber Rogério da Costa (Arauco do Brasil)Kauê de Moraes Vestena (CPGCG) Kaique Antônio Ramos (Eng. Cart. e de Agrim. – UFPR)Prof. Dr. Daniel Rodrigues dos Santos (Departamento de Geomática – UFPR)
X COLÓQUIO BRASILEIRO DE CIÊNCIAS GEODÉSICAS
RS BIG DATA
• Dados de RS em escala de terabytes;
• RS Big Data (Ma et. al., 2015);
• Desafios do RS Big Data giram em
torno do tratamento.
Fonte: USGS
Processamento Digital de Imagens
Dados Brutos Tratamentos Processamentos Resultados
SUPERFÍCIE FÍSICA
REGISTRO ESPECTRAL
DADOS PROCESSADOS
Fonte: MundoGeo
Metodologias para abstração espacial de objetos (feições ou fenômenos) para
obtenção de informações que viabilizam as análises de interesse:
➔ Extração de feições;
➔ Alterações de paisagem;
➔ Qualidade/saúde ambiental;
➔ Comportamento de
fenômenos;
DATAS ESPECÍFICAS
OU
SÉRIES TEMPORAIS
Processamento Digital de Imagens
Processamento de Séries Temporais
Dados Brutos
(Época 1)
Tratamentos
(Época 1)
Processamentos
(Época 1)
Resultados
(Época 1)
Dados Brutos
(Época 2)
Tratamentos
(Época 2)
Processamentos
(Época 2)
Resultados
(Época 2)
Dados Brutos
(Época N)
Tratamentos
(Época N)
Processamentos
(Época N)
Resultados
(Época N)
Resultados
(Época 1)
Resultados
(Época 2)
Resultados
(Época N)
Comparações
Processamentos
Temporais
Análises/Conclusões
Processamento de Séries Temporais
Computação em nuvem
• Tecnologia da informação como solução para desafios do Big Data (Gorelick,
et. al., 2017);
• Plataformas baseada em nuvem para gerenciar e tratar grande volume de
dados;
• Não há instaladores ou resíduos nos softwares, mas necessita-se de boa
conexão com internet;
• Eficiência da TI + Agilidade de negócio (Marston et. al, 2011)
• Exemplos:Tableau Maps©, GIS Cloud© , GeoSpark©, TerraLib©, entre outros.
Conexão com Internet
PROCESSAMENTO EM HARDWARE PROCESSAMENTO EM NUVEMX
Computação em nuvem
Plataforma: Google Earth Engine
➔ IMAGEAMENTO◆ Landsat;
◆ Sentinel;
◆ MODIS;
➔ GEOFÍSICOS◆ SRTM;
◆ Outros DEMs;
◆ Surface Temperature;
◆ Produtos derivados;
➔ CLIMA E TEMPO◆ MODIS;
◆ SeaWiFS;
◆ TOMS;
➔ DEMOGRAFIA◆ WorldPop;
◆ PF_Malaria;
Plataforma: Google Earth Engine
Development as a Service (DaaS)
ou
Platform as a Service (Paas)
Metodologia de Análise
Brasil: 383 cenas
Resolução
temporal: 16 dias
Landsat 5
(1985 – 1999)
Landsat 7
(2000 – 2013)
Landsat 8
(2013 – 2017)
736 imagens por
cena
284.096 imagens
736 mosaicos
Landsat TierMáscara de nuvem
Banda sr_cloud_qa
Imagens Tier
(Ortorretificadas/correção atmosférica)
736 mosaicos
Landsat Tier cloud-
free
Imagens livres de pixels
com nuvens ou sombras de nuvens
Redução por mínimo
Conjunto de 3 meses
132 mosaicos Landsat
Tier cloud-free (a cada
3 meses)
Análises temporais
(1985 – 2017)
Janeiro
Março
Min
Metodologia de Análise
2017
1985
NDVI NDWI VARIEVI SAVI
Redução
(max, min, média, mediana, Desv Pad, Mediana+DesvPad, Média+DesvPad)
Metodologia de Análise
Detecção de alterações
Após 7 segundos de processamento!
Fonte:
Adaptado de Google Earth Engine (2018)
Fonte: Os Autores (2018)
Fonte:
Adaptado de Google Earth Engine (2018)
Detecção de alterações
Fonte:
Adaptado de Google Earth Engine (2018)
Detecção de alterações
Fonte: Os Autores (2018)
Fonte:
Adaptado de Google
Earth Engine (2018)
Detecção de alterações
Fonte:
Adaptado de Google Earth Engine (2018)
Detecção de alterações
Fonte: Os Autores (2018)
Fonte:
Adaptado de Google
Earth Engine (2018)
Detecção de alterações
Fonte:
Adaptado de Google Earth Engine (2018)
Detecção de alterações
Fonte: Os Autores (2018)
Fonte:
Adaptado de Google
Earth Engine (2018)
Detecção de alterações
Referências
GORELICK, N.; HANCHER, M.; DIXON, M.; ILYUSHCHENKO, S.; THAU, D.; MOORE, R. Google
Earth Engine: Planetary-scale geospatial analysis for everyone. Artigo in. Remote Sensing of
Environment. Vol. 202, pg. 18-27. 2017.
MA, Y.; WU, H.; WANG, L.; HUANG, B.; RANJAN, R.; ZOMAYA, A.; JIE, W. Remote Sensing Big
Data Computing: Chalenges and Opportunities. Artigo in. Future Generation Computer Science.
Vol. 51, pg 47-60. 2015.
MARSTON, S.; BANDYOPADHYWAY, S.; ZHANG, J.; GHALSASI, A. Cloud Computing – The
Business Perspective. Artigo in. Decision Support System. Vol. 51, pg. 176-189. 2010.
Recommended