Use este identificador para citar ou linkar para este item:
http://bdm.ufmt.br/handle/1/3633| Tipo documento: | Trabalho de Conclusão de Curso |
| Título: | Classe em Python para cálculo de índices vegetativos a partir de imagens de satélite |
| Autor(es): | Fontan, Joathan Mareto |
| Orientador(a): | Lopes, Robson da Silva |
| Membro da Banca: | Lopes, Robson da Silva |
| Membro da Banca: | Santos, Ivairton Monteiro |
| Membro da Banca: | Ferreira, Paulo Afonso |
| Resumo : | A crescente demanda por práticas agrícolas mais eficientes e sustentáveis impulsionou a necessidade de ferramentas avançadas para monitoramento e análise da vegetação. Nesse contexto, este estudo focou na integração de imagens de satélite, com ênfase no programa SENTINEL-2, e na aplicação de algoritmos para o cálculo de índices vegetativos como NDVI, RECI, NDRE e MSAVI. O desafio principal reside na obtenção e processamento eficaz desses dados para aplicação na Agricultura de Precisão. Este estudo se propõe a oferecer uma metodologia estruturada e reprodutível para superar essa barreira. O objetivo primário é desenvolver uma abordagem que permita a obtenção e análise precisa de imagens de satélite, fornecendo uma base sólida para futuras pesquisas em Agricultura de Precisão. O resultado final é uma metodologia que integra bibliotecas como Sentinelsat e Rasterio, possibilitando a aquisição, processamento e análise de dados de satélite de forma eficiente. |
| Resumo em lingua estrangeira: | The growing demand for more efficient and sustainable agricultural practices has driven the need for advanced tools for vegetation monitoring and analysis. In this context, this study focused on the integration of satellite images, with emphasis on the SENTINEL-2 program, and the application of algorithms for calculating vegetation indices such as NDVI, RECI, NDRE, and MSAVI. The main challenge lies in the effective acquisition and processing of this data for application in Precision Agriculture. This study aims to offer a structured and reproducible methodology to overcome this barrier. The primary objective is to develop an approach that allows for the precise acquisition and analysis of satellite images, providing a solid foundation for future research in Precision Agriculture. The final result is a methodology that integrates libraries such as Sentinelsat and Rasterio, enabling the efficient acquisition, processing, and analysis of satellite data. |
| Palavra-chave: | Agricultura de Precisão Índices Vegetativos SENTINEL-2 Processamento de Imagens |
| Palavra-chave em lingua estrangeira: | Precision Agriculture Vegetation Indices SENTINEL-2 Image Processing |
| CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| Idioma: | por |
| País: | Brasil |
| Instituição: | Universidade Federal de Mato Grosso |
| Sigla da instituição: | UFMT CUA - Araguaia |
| Departamento: | Instituto de Ciências Exatas e da Terra (ICET) – Araguaia |
| Curso: | Ciência da Computação - CUA |
| Referência: | FONTAN, Joathan Mareto. Classe em Python para cálculo de índices vegetativos a partir de imagens de satélite. 2023. 57 f. Monografia (Bacharelado em Ciência da Computação) - Instituto de Ciências Exatas e da Terra, Universidade Federal de Mato Grosso, Barra do Garças, 2023. |
| Tipo de acesso: | Acesso Aberto |
| URI: | http://bdm.ufmt.br/handle/1/3633 |
| Data defesa documento: | 23-Out-2023 |
| Aparece na(s) coleção(ções): | Ciência da Computação - Araguaia |
Arquivos deste item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| TCC_2023_Joathan Mareto Fontan.pdf | 2.92 MB | Adobe PDF | Ver/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.