Gilberto Ribeiro de QueirozThales Sehn KörtingFabiano Morelli

SER-347 – Visão Geral do Curso

11 de Março de 2020

Docentes

Gilberto Ribeiro de Queiroz

Formação: • Bacharel em Ciência da Computação• Mestrado Computação Aplicada• Doutorado Computação Aplicada

Servidor: DPI/OBT desde 2005

Projetos P&D:• Brazil Data Cube; BONDS• e-Sensing, MSA-Sub2, Paulicéia• TerraLib/TerraView, TerraAmazon• TerraMA2 e TerraMA2-Q

Linhas de Pesquisa:• Geoinformática e Data Science

Disciplinas:• CAP241 – Computação Aplicada I• CAP349 – Bancos de Dados Geográficos• CAP394 – Introdução à Data Science• CAP395 – Geoinformática• SER347 – Introd. Prog. Sens. Remoto

Thales Sehn Körting

Formação: • Engenheiro da Computação• Mestrado em Computação Aplicada• Doutorado em Sensoriamento Remoto

Servidor: DPI/OBT desde 2013

Projetos P&D:• Brazil Data Cube• GeoDMA – Mineração de dados

Geográficos• Metadados para Big Data em

Sensoriamento Remoto• e-Sensing/TerraLib/TerraView

Linhas de Pesquisa:• Processamento de Imagens• Séries Temporais

Disciplinas:• SER347 – Introd. Prog. Sens. Remoto• SER411 – Tópicos Avançados em PDI• SER413 – PDI

Fabiano Morelli

Formação: • Oceanógrafo• Mestrado em Sensoriamento Remoto• Doutorado em Ciências

Servidor: OBT desde 2013

Projetos P&D:• Mapeamento de área queimada• Melhorias no Risco de Fogo• Avanços no TerraMA2

Linhas de Pesquisa:• Processamento Operacional de Imagens

de Satélites

Disciplinas:• SER347 – Introd. Prog. Sens. Remoto

Por que aprender a programar?

Era do Big Data...Open Data...

Satélites de Observação da TerraFonte: NASA (26/06/2016)

Aquarius

OSTM/Jason 2

QuikSCAT

Aqua

TRMM EO-1

Landsat 7ACRIMSAT

Terra

SORCE

GRACE

CALIPSO

CloudSatLandsat 8

Suomi NPP

Aura

Monitoramento do Desflorestamento da Amazônia(Imagens Landsat)

13 Novembro, 1986

30 Outubro, 2016

Imagens de SR desempenham um papel importante em LUCC em escalas regionais e globais

13 Novembro, 1986

30 Outubro, 2016

Satélites de Observação da TerraFonte: NASA (26/06/2016)

Aquarius

OSTM/Jason 2

QuikSCAT

Aqua

TRIMM EO-1

Landsat 7ACRIMSAT

Terra

SORCE

GRACE

CALIPSO

CloudSatLandsat 8

Suomi NPP

Aura

Diferentes sensores produzem dados em diferentes resoluções espaciais, temporais e espectrais.

Satélites de Observação da TerraFonte: NASA (26/06/2016)

Aquarius

OSTM/Jason 2

QuikSCAT

Aqua

TRIMM EO-1

Landsat 7ACRIMSAT

Terra

SORCE

GRACE

CALIPSO

CloudSatLandsat 8

Suomi NPP

Aura

Satélites de Observação da Terra produzem umagrande quantidade de dados geoespaciais.

Satélites de Observação da TerraFonte: NASA (26/06/2016)

Aquarius

OSTM/Jason 2

QuikSCAT

Aqua

TRMM EO-1

Landsat 7ACRIMSAT

Terra

SORCE

GRACE

CALIPSO

CloudSatLandsat 8

Suomi NPP

Aura

Satélites de Observação da TerraFonte: NASA (26/06/2016)

Aquarius

OSTM/Jason 2

QuikSCAT

Aqua

TRMM EO-1

Landsat 7ACRIMSAT

Terra

SORCE

GRACE

CALIPSO

CloudSatLandsat 8

Suomi NPP

Aura

Resolução Espacial → 250m1 Tile → 4.800 x 4.800 → ~23M Pixels

Res. Temporal → 16 dias → 23 imagens/anoFloresta Amazônica: 12 Tiles

.: 16 anos → ~190GB por banda

MOD13Q1

Focos de QueimadasFocos de Queimadas

Jul/2016

Jul/2016 → +1.2M focos

2016 → +11M focos

Aplicações Navegação por Satélite – Waze

Mapeamento Colaborativo – OpenStreetMap

Mapeamento Colaborativo – GeoWiki

Mapeamento da cobertura da terra - TerraBrasilis

FOSS...(Free and Open Source Software)

TerraView

QGIS

OpenJUMP

gvSIG

Armazenamento & Processamento

Processamento & Análise

Visualização

Open Science...

Por que aprender a programar?

• Open Data, Open Software e Open Science.

• Oferta de empregos (Data Scientist)!

• Divertido!

Objetivo e Organização

Objetivos do Curso

• Fornecer os conceitos básicos de programação aplicados ao domínio geoespacial.

• Explorar esses conceitos através de uma linguagem de programação moderna.

• Ensinar técnicas básicas para construção de programas, em especial, para manipulação de dados geoespaciais.

• Portanto, não será apenas um curso de Python!

Para quem é este curso?

• O curso é voltado para alunos com pouca ou nenhuma experiência prévia com programação.

• Alunos que desejam compreender abordagens computacionais básicas para solução de problemas.

• Servirá com uma primeira exposição à arte de programar.

• Será preciso muita paciência e perseverança!

Por que Python?

• Trata-se de uma linguagem de propósito geral que pode ser utilizada para construção de diversas aplicações.

• Grande parte dos elementos presentes nessa linguagem também encontram-se em outras linguagens de programação, o que propicia o reaproveitamento de diversos conceitos.

• Linguagem simples de aprender e usar.

• Por ser uma linguagem interpretada facilita seu uso por iniciantes na arte de programação.

Por que Python?

NumPy: arrays multidimensionais

matplotlib: gráficos e visualização de dados

SciPy: rotinas numéricas (integração e otimização)

pandas: proc. de dados estruturados (tabelas e planilhas)

GDAL/OGR: camada de abstração de dados geoespaciais

Por que Python?

Tópicos do Curso

• Introdução à Lógica de Programação com Python.

• Uso de IDE para criação de programas.

• Compartilhamento e Versionamento de código fonte.

• Organização do código fonte de um programa.

• Representação e Manipulação de Dados Geoespaciais.

• Ferramentas para Análise e Visualização de Dados Geoespaciais.

Ao final do curso, esperamos que vocês...• Sejam capazes de expressar a solução de um problema através de uma

linguagem de programação.

• Tenham aprendido o básico necessário para a criação de pequenos algoritmos na linguagem Python.

• Sejam capazes de organizar e compartilhar seus códigos.

• Tenham a base necessária para aprofundar os conhecimentos em programação bem como utilizar bibliotecas de apoio à solução de problemas nas teses e dissertações.

☞ Vocês serão bem-vindos a CAP-349 – Bancos de Dados Geográficos

☞ Vocês serão bem-vindos a CAP-394 – Introdução a Data Science

☞ Vocês serão bem-vindos a SER-413 – Processamento Digital de Imagens

Organização do Curso

• Aulas Teóricas e Práticas.

• Listas de exercícios regulares para ajudar a fixar os conceitos aprendidos em sala de aula:

• Penalidades por atraso!

• Desenvolvimento de um trabalho prático que deverá gerar um produto de dados.

Avaliação

• Listas de Exercícios: 20%

• Prova: 30%

• Trabalho Prático: 50%• Grupos de 2 ou 3 integrantes

Honor Code

1. Não copiar exercícios dos colegas em hipótese alguma!• Tente fazer seus exercícios de forma individual.• Discuta com seus colegas somente ideias e conceitos.• Cópias invalidarão a lista tanto de quem copiar quanto de quem

ceder a cópia.• Obs.: temos meios de detectar cópias!

2. Não entregar transcrições literais de material da Internet!• Utilize o material para inspiração, mas faça seu código a partir dele.

3. Em caso de dúvidas/dificuldades, procure os professores da disciplina durante os horários apropriados (veja office-hours) ou envie e-mail.

Contato

• Material do curso online:http://ser347.dpi.inpe.br

• Lista de e-mails para que os docentes comuniquem-se com os alunos de forma coletiva:ser347-l@dpi.inpe.br

• Os exercícios deverão ser entregues por e-mail:ser347@dpi.inpe.br

Ambiente de Trabalho

Distribuição Python: PSF

Distribuição Python: Anaconda

IDE: Spyder

IDE: Visual Studio Code

IDE: PyCharm

Ambiente Oficial do Curso

• Distribuição Anaconda:• https://www.anaconda.com/distribution/• Versão Anaconda3-2019.10 (Python 3.7)

• IDE PyCharm (Community):• https://www.jetbrains.com/pycharm• Versão 2019.3.3

Referências Bibliográficas

Python Software Foundation

• The Python Tutorial. Acesso: Março, 2020.

• The Python Language Reference. Acesso: Março, 2020.

• Beginner's Guide to Python. Acesso: Março, 2020.

Mark Lutz. Learning Python.5th Edition, O'Reilly Media. 2013. 1648 p.

Chris Garrard. Geoprocessing with Python.1st Edition, Manning Publications. 2016. 360 p.

Paul A. Longley, Michael F. Goodchild, David J. Maguire e David W. Rhind. Geographic Information Science and Systems.4th Edition. Wiley. 2015. 496 p.

John V. Guttag. Introduction to Computation and Programming Using Python: With

Application to Understanding Data.2nd Edition, MIT Press. 2016. 472 p.

Hans Petter Langtangen. A Primer on Scientific Programming with Python.4th Edition. Springer. 2014. 872 p.

Paul Gries, Jennifer Campbell, Jason Montojo. Practical Programming: An Introduction to

Computer Science Using Python 3.6.3rd Edition, Pragmatic Bookshelf. 2017. 412 p.

Bem vindos a SER-347!