Máquina do tempo Catalog On The Fly 1ª Reunião do Comitê de Insumos p/ SR (CONCAR) Luiz Motta COTIG/CGMAM/DIPRO/IBAMA http://www.ibama.gov.br
Exemplo dos objetivos: Desmatamento na Amazônia
Exemplo dos objetivos: Garimpo ilegal
Plano da apresentação Imagens de satélite utilizada pelo DIPRO. Mudança na utilização das imagens de satélite. Demanda de imagens para as ações da DIPRO. Servidor Criação dos Geotif and TMS Cliente QGIS e WEB(Leaflet)
Imagens de satélite utilizada pelo DIPRO Imagens gratuitas CBERS 2B (Brazil e China) 20m(CCD) e 2.7m(HRC) Até 2010 Popularização no uso (especialistas) - INPE: Início 2004 LANDSAT: Ortoretificado (histórico + Landsat 8 ~ 4.5K) Projetos ALOS/Amazon (IBAMA, DPF and JICA) ALOS/PALSAR: 100m 2010 2011 Compradas: Rapideye: 3 coberturas do Brasil (8,516,000 km2) ~57k
Imagens de satélite utilizada pelo DIPRO LANDSAT RAPIDEYE LANDSAT(2001-2015)
Mudança na utilização das imagens de satélite Alta disponibilidade de maior resolução espacial Efeito Google, Bing,... Menor necessidade de especialista em Sensoriamento Remoto. Dados temáticos x interpretação visual IBAMA: Interpretação do desmatamento em cada passagem Landsat (16 dias) Detectar mudanças com base na série histórica. Apoio com imagens de maior resolução espacial.
Mudança na utilização das imagens de satélite 1:50,000 1:10,500 2015-08-05 1:10,500 1:10,500 BING LANDSAT 8: 2015-08-28 1:10,500 GOOGLE
Mudança na utilização das imagens de satélite RAPIDEYE 2014-06-19
Mudança na utilização das imagens de satélite Melhoria de interpretação Landsat Escala: 1:10,000 RAPIDEYE 2014-06-19 - R3G5B2 Landsat 8(2014-07-24) R6G5B4 Rapideye 5(2014-06-19) R3G5B2
Demanda de imagens para as ações da DIPRO Detectar novas frentes de desmatamento. 2015-05-10 2015-06-11 Disponibilidade temporal e espacial: Example: Sentinel-2(10m) + Landsat = (~1 semana)
Objetivo: Obter imagens automaticamente de um alvo Necessidade - Servidor: Organizar o acervo de imagens (Landsat, Rapideye,...) Produto de pratileira (composição pronta RGB) Geotiff and TMS Footprint images (Catalog layer ) - Endereço das imagens Necessidade Clientes(QGIS e Leaflet): Plugin p/ cruzamento da grade com a extensão do mapa Reconhecer o tipo de fonte(local ou servidor) Adicionar automaticamente as imagens (Layer Group) Ordenação por data
Use nome original + RGB Processamento: Geração RGB: 2_rgb.sh LC82270632013140LGN01.tif 6 5 4 Converte p/ 8bits: 16b_2_8b_convert.sh LC82270632013140LGN01_r6g5b4.tif Mudança da imagem original. Scale: Minimum 0 and Maximum 255 Scripts: https://github.com/lmotta/scripts-for-gis
Criação dos arquivos TMS e GDAL_WMS NovaTAG: TargetWindow Usuado p/ Zoom to Layer mk_tiles.sh LC82270632013140LGN01_r6g5b4.tif 2 15 /images/tms/landsat /imagens/png/landsat http://10.1.25.66/imagens/tms/landsat * gdal_tiler.py (tilers-tools 3.2.0)
Bash Example: nohup parallel mk_tiles.sh {} 2 17./png./tms url < images.lst
Steps for footprint images (catalog layer) Create footprint for each image Smoothing for footprint Add all fooprint for shapefile
Criação do footprint footprint.sh [image] gdal_calc.py: -A $in_img --A_band 1 --type Byte --calc "A>0" --outfile $zero_one_img * 16 bits gdal_sieve.py -q -st 100-8 $zero_one_img -nomask $sieve_img gdal_edit.py: -a_nodata 0 $sieve_img gdal_polygonize.py: $sieve_img -q -b 1 -f "GeoJSON" $footprint_geojson Sed: add image and path names ssed="s { \"DN\": 1 } { \"path\": \"$dir_img\", \"image\": \"$basename_img\" } " sed -i "$ssed" "$footprint_geojson"
Suavização do footprint footprint_convexhull.py [geojson] Cria o convex hull da geometria Adiciona o sufixo: _convexhull Adiciona todos os fooprint num shapefile footprint_append_shp.sh [geojson] [shapefile] Adiciona cada feição(formato geojson) para o shapefile de cobertura ogr2ogr -update -append -t_srs EPSG:4674 $shapefile $footprint_geojson Bash Example :
Camadas de Catalogos Criação de todas as imagens Rapideye e coloca no BD. Landsat 8: Adicionado diretamente no BD Campos: Path: endereço do Geotif na reden Image: nome da imagem(rgb) Quicklook: Endereço do PNG TMS: Endereço do XML no servidor HTTP (GDAL_WMS) Data: Obtido a partir do nome da imagem
Plugin: [1] Procurar a camada de catálogo no projeto Campos: Data(não obrigatório) e endereço de cada imagem *Endereço: local ou GDAL_WMS na Internet Geometria: Footprint da imagem (camada de polígono) Adiciona as imagens que intersecciona a extensão da visão do mapa. Usa a geometria de cada feição da camada de catálogo p/ a pesquisa. [1] https://plugins.qgis.org/plugins/catalogotf_plugin/
Campo do tipo Data ou Texto (yyyy-mm-dd). Arq. Local ou endereço na Internet para GDAL_WMS, prefixo = http ou sufixo =.xml
Verifica na camada, para encontrar as imagens onde intersectam com map canvas. Cria o grupo com as novas imagens Ordenação reversa por data ou nome da imagem
Botões para procurar as imagens no map canvas: Todas as feições. Feições selecionadas. Cancela Espera o cancelamento
Cria o menu contextual para cada imagem adicionada no grupo: Zoom to Highlight WMS_GDAL precisa ter a TAG <TargetWindow>, esta TAG não é padrão. TargetWindow: Extenção da imagem.
Uso com o plugin Auxiliary windows
Criação rápida de um catálogo local Image Boundary Plugin (Extent) 56 files
Criação rápida de um catálogo local Expressão para campo virtual: Fonte da imagem Data a partir da imagem
http://leafletjs.com/