Discussões

Motivação (Cartaxo): ter um ambiente para fazer mapas de uso e cobertura da Terra.

• Questão da Legenda e classes, são focadas em um objetivo. Não se sabe objetivamente o que significa cada classe. Exemplo: pasto = uso + cobertura.
• Conceitos não tem relação direta com o que o satélite observa.
• Ambiente onde o especialista pudesse definir classes, de uma forma objetiva.
• Proposta usar a LCML. E o LCCS onde as classes são definidas por critérios objetivos. A descrição está sendo feita no arquivo xml resultante. Tem valores quantitativas e qualitativos e é estruturado.
• Investir, junto com o pessoal da aplicação em um sistema e-sensing de classificação de uso e cobertura da Terra.
• Proposta de que seja hierárquico: água, terra, área construída, vegetação e ir subdividindo, herbácea e arbóreo, depois agricultura.
• Ter essa definição mais conceitual, para depois procurar enxergá-los em dados de satélites e outros, como dados climáticos.

• Gilberto Câmara: objetivo do projeto é produzir mapas melhores dos que os mapas que existem aí.
• Não acha incompatível, mas defende que o uso de padrões de séries temporais dá resultados mais rápidos que trabalhar com a questão da definição de legendas.

• O ambiente deve ser usado inclusive para criação de amostras.
• Fazer classificações hierárquicas.
• Como gerar padrões de classes.
• Oferecer um ambiente melhor para o pessoal da aplicação. Por exemplo, a questão da degradação florestal que a Isabel está interessada.
• Já existe um protótipo, onde você clica em pontos com alguma definição de acordo com a legenda e associaria o padrão típico daquela classe em relação a diferentes camadas (ex. NDVI, RED, BLUE).
• Para a classificação: fazer um operador DTW direto no SciDB. E ferramentas para extrair os tiffs para o SciDB.
• Fundamental a definição de classes para ter confiança no padrão gerado para ser procurado pelo algoritmo de classificação.

Portal (Karine): Karine inserir a FIGURA mostrada.

R + SciDb (Gribeiro): o esquema Rexec que o Victor já fez pode ser o modelo para a execução de algoritmos em R. Mas para isso tem que ser feito um servidor de aplicações.

Algoritmos para séries temporais (Gilberto): existem alguns algoritmos para classificação de séries temporais (ex. BFAST e DTW para detecção de eventos). Ainda tem muita necessidade de amadurecimento de algoritmos. É uma área nova para nós e vai demandar um tempo de pesquisa para verificar o que da literatura pode ser aproveitado em sensoriamento remoto.

São identificados os seguintes pacotes de trabalho:

1. SciDB: infraestrutura, performance, otimização
   • 25/11: tutorial SciDb interno.
   • …
2. Esquemas de classificação
   • …
3. Algoritmos de séries temporais
   • Resultados Victor
   • Resultados Thales
   • Resultados Alber
   • Apresentação Jan Verbesselt no GeoInfo 2015
   • …
4. Plataforma e-sensing (portal, scripts, R, etc.)
   • Páginas web que incluem cliente WTTS
   • Plugin cliente para o WTTS no TerraView e no QGis
   • …