Como Dominar o QGIS: Guia Definitivo

Prévia do material em texto

DIREITOS AUTORAIS E LICENÇA
Como dominar o QGIS: o guia defini�vo para mapeamento © 2022 do está licenciado com uma Ins�tuto Letras Ambientais
Licença .Crea�ve Commons - Atribuição-NãoComercial-SemDerivações 4.0 Internacional
Este Guia está protegido pela legislação de direitos autorais. Todos os direitos são reservados. Nenhuma parte desta publicação 
pode ser copiada/reproduzida ou transmi�da, de qualquer forma ou por quaisquer meios de distribuição e mídia, para fins 
comerciais, sem a prévia autorização por escrito dos autores, ou conforme expressamente permi�do por lei ou por licença. É 
obrigatório fornecer os créditos aos autores, em caso de citação. Qualquer �po de violação dos direitos autorais estará sujeito a 
ações legais.
COMO CITAR: 
 BARBOSA, H. A.; BURITI, C. O. Como dominar o QGIS: o guia defini�vo para mapeamento. Maceió-AL: Letras Ambientais, 2022. 
 
Esta é uma publicação de acesso aberto, disponível online e distribuída sob uma Licença Crea�ve Commons - Atribuição-
NãoComercial-SemDerivações 4.0 Internacional.
Você é livre para:
· Compar�lhar — copie e redistribua o material em qualquer meio ou formato.
O licenciante não pode revogar essas liberdades, desde que você siga os termos da licença.
Nos seguintes termos:
· Atribuição — Você deve fornecer os devidos créditos aos criadores deste material, fornecer um link para a 
licença e indicar se foram feitas alterações. Você pode fazê-lo de qualquer maneira razoável, mas não de 
forma que sugira que o licenciante endossa você ou seu uso.
· Não Comercial — Você não pode usar o material para fins comerciais.
· NoDeriva�ves — Se você adaptar, transformar ou reformular o material, não poderá distribuí-lo modificado.
· Sem restrições adicionais — Você não pode aplicar termos legais ou medidas tecnológicas que restrinjam 
legalmente outras pessoas de fazer qualquer coisa que a licença permita.
Avisos:
Você não precisa cumprir a licença para elementos do material de domínio público ou quando seu uso for permi�do por uma 
exceção ou limitação aplicável.
Nenhuma garan�a é dada. A licença pode não dar a você todas as permissões necessárias para o uso pretendido. Por exemplo, 
outros direitos, como publicidade, privacidade ou direitos morais, podem limitar a forma como você usa o material.
https://www.letrasambientais.org.br/sobre-livro
http://creativecommons.org/licenses/by-nc-nd/4.0/
http://creativecommons.org/licenses/by-nc-nd/4.0/
http://creativecommons.org/licenses/by-nc-nd/4.0/
COMO DOMINAR O QGIS
O G U I A D E F I N I T I VO PA R A M A P E A M E N TO
Humberto Alves Barbosa | Catarina de Oliveira Buriti
1ª edição
Maceió (AL) | 2022
Copyright © 2022 Humberto Alves Barbosa | Catarina de Oliveira Buri� e Ins�tuto Letras Ambientais
E-mail: contato@letrasambientais.org.br
Capa: Wedscley Oliveira de Melo
Editoração eletrônica: Wedscley Oliveira de Melo
1ª edição: maio de 2022.
www.letrasambientais.org.br
mailto:contato@letrasambientais.org.br
http://www.letrasambientais.org.br
Geoprocessador. Treinador. Fundou e coordena o Laboratório de Análises Processamento de Imagens de 
Satélites (Lapis), uma das principais referências no Brasil em recepção, processamento, análise e 
distribuição de dados de satélites. Desde 2007, é responsável pela implantação e operação do “Sistema 
EUMETCast” no Brasil, uma tecnologia descentralizada de recepção de dados de satélites, da Organização 
Europeia para a Exploração de Satélites Meteorológicos (EUMETSAT).
Pós-doutor pela University of Bergen (Noruega), Ph.D. em Solo, Água e Ciências Ambientais/Sensoriamento 
Remoto, pela University of Arizona, Mestre em Sensoriamento Remoto, pelo Ins�tuto Nacional de Pesquisas 
Espaciais (INPE) e Graduado em Meteorologia, pela Universidade Federal de Campina Grande.
Criador do método “Mapa da Mina”, para domínio do geoprocessamento no QGIS. 
É professor da graduação e pós-graduação em Meteorologia, na Universidade Federal de Alagoas (Ufal). Tem 
se dedicado intensamente à disseminação dos dados e produtos dos satélites, via sistema EUMETCast no 
Brasil, por meio de treinamentos em geoprocessamento no QGIS, em colaboração com a EUMETSAT. 
Em 2009, ingressou no Convec�on Working Group (CWG), do European Severe Storms Laboratory (ESSL), 
atuando em missões internacionais de instalação do sistema EUMETCast e validação de dados de satélites 
MSG. É autor de Relatórios do Painel Intergovernamental sobre Mudança Climá�ca (IPCC), na área de 
degradação das terras e deser�ficação. É colaborador do Programa Global Laboratory, da Universidade de 
Nova York - Oswego, que oferece aos estudantes de graduação e pesquisadores uma vivência imersiva para 
o desenvolvimento de projetos de pesquisa em laboratórios internacionais, nos campos mais promissores 
do estudo da ciência, tecnologia, engenharia e matemá�ca.
O que é geoprocessamento?
O que é um SIG?
História do SIG
Componentes dos Sistemas de Informação Geográfica 
Estrutura dos dados 
Usos e aplicações do SIG
A habilidade para usar o verdadeiro poder do QGIS
“Mapa da Mina”: o método de geoprocessamento do Lapis
Os �pos de resolução de imagem presentes nos sensores remotos
Mapeamento da Terra a par�r da constelação de minissatélites PlanetScope
O papel da resolução radiométrica na classificação das imagens
Métodos de classificação digital de imagens de satélites no QGIS
Os elementos para classificar o uso, cobertura e ocupação do solo 
Os processos que orientam a classificação das imagens
Modelo Crowdsourcing: inteligência cole�va para interpretação de imagens
Estrutura e funcionamento do Sistema EUMETCast
Desenvolvimento em progresso
História de desenvolvimento
Interoperabilidade
Por que o QGIS é líder global em so�ware livre?
Plugins: as ferramentas mais poderosas do QGIS
Índice de Precipitação Padronizado (SPI)
Índice Padronizado da Evapotranspiração Potencial e de Referência
Índice Padronizado da Temperatura da Super�cie Terrestre (LST)
Índice Padronizado do Albedo de Super�cie
Capítulo 1 – Introdução aos Sistemas de Informação Geográfica (SIG's)......
Capítulo 2 – Princípios do Sensoriamento Remoto
Capítulo 3 – Tecnologia descentralizada de recepção de dados de satélites
Capítulo 4 – QGIS: o SIG com desenvolvimento tecnológico mais acelerado
Capítulo 5 – Indicadores ambientais e climá�cos a par�r de dados de satélites
11
29
50
56
64
12
12
14
15
16
19
23
25
32
36
38
39
41
42
48
67
74
76
78
57
58
58
59
61
53
10
07
Índice de Vegetação por Diferença Normalizada (NDVI)
Índice das Condições de Vegetação (VCI)
Índice Padronizado de Vegetação (SDVI)
Índice RedEdge para analisar cobertura vegetal
Índices de vegetação para monitorar riscos climá�cos na agricultura
Índice de Vegetação Ajustado ao Solo (SAVI)
Índice de Vegetação Melhorado (EVI)
Índice Resistente à Atmosfera na Região Visível (VARI)
Produtos agrometeorológicos para o setor sucroalcooleiro
As 9 etapas para es�ma�va da produ�vidade das lavouras 
Passo 1: Cálculo da média do NDVI
Passo 2: Cálculo da Fração da Cobertura Vegetal (FVC) a par�r do NDVI 
Passo 3: Cálculo do Índice de Área Foliar (IAF)
Passo 4: Cálculo do Fator de Crescimento (CGF)
Passo 5: Cálculo do potencial máximo de safra (Yp)
Passo 6: Es�ma�va de evapotranspiração (Etp)
Passo 7: Es�ma�va de produ�vidade de cana-de-açúcar
Passo 8: Máscara local de safra es�mada (Ye)
Passo 9: Produ�vidade Total da Safra usando a máscara do cul�vo de cana-de-açúcar
Download dos dados para prá�ca no QGIS
Calculando o Índice de Vegetação por Diferença Normalizada (NDVI) para os dois períodos 
Mesclando imagens de NDVI no QGIS com a técnica de Layerstack 
Quan�ficando a área desmatada com a técnica de classificação baseada em vetorização manual 
Capítulo 6 – Os principais índices de vegetação processados no QGIS 
Capítulo 7 – Método para es�mar produ�vidade da cana-de-açúcar
Capítulo 8 – Prá�ca no QGIS: processando e analisando imagens de satélites
Referências
80
96
112
133
82
89
91
92
94
95
95
95
102
104
106
106
106
107
107
108
109
110
110
113114
121
125
Este Guia que você está lendo ensina como u�lizar o verdadeiro poder do QGIS, com base no 
método de geoprocessamento “Mapa da Mina”, desenvolvido pelo Laboratório de Análise e 
Processamento de Imagens de Satélites (Lapis - ).h�ps://lapismet.com.br/
O Guia contempla resultados das pesquisas, métodos, técnicas, processos e estratégias, 
u�lizados pelo Lapis, ao longo da sua trajetória, sobre o aprendizado de geoprocessamento, 
par�cularmente, o domínio do QGIS. 
Em 2007, o Laboratório foi fundado com o intuito de democra�zar o acesso ao conhecimento 
sobre recepção de dados de satélites, processamento de imagens e suas diversas aplicações. Desde 
então, adotou o QGIS como o principal Sistema de Informação Geográfica (SIG), por se tratar de um 
so�ware livre e de código aberto, líder global quando se trata de sistema de processamento gratuito 
de dados. 
Um dos problemas mais evidentes no Brasil, naquela época, era que a tecnologia de 
processamento de dados não estava acessível a todos. Havia a necessidade de propiciar mais 
independência aos usuários, bem como de tornar a tecnologia de análise e processamento de 
imagens ao alcance de todos. 
Isso só seria possível através de duas coisas: 1) a par�r da consolidação de métodos, que 
pudessem ser facilmente replicados pelos usuários; e 2) uma tecnologia descentralizada, de baixo 
custo e fácil u�lização, para recepção de dados de satélites. Foi isso que o Lapis perseguiu e, em 
grande parte, já alcançou, nesses quase 15 anos de história. 
Quando o Lapis surgiu, desafiou a lógica de que para receber dados de satélites seriam 
necessários os mais robustos arsenais de equipamentos tecnológicos e um conhecimento cien�fico 
quase inacessível. 
A maneira como o Lapis rompeu essa barreira, que dificultava o acesso dos usuários à 
tecnologia de processamento de imagens de satélites, foi instalando uma estação descentralizada 
de recepção de dados de satélites, chamada “Sistema Eumetcast”, com equipamentos de baixo 
custo e de fácil u�lização. 
Essa tecnologia, adaptada pelo Laboratório no Brasil, é capaz de receber, em tempo real, 
dados e produtos de satélites meteorológicos e ambientais, oriundos de uma rede global de 
provedores, até mesmo sem a necessidade de internet. 
Ao longo dessa trajetória, havia o desafio de se difundir o uso das geotecnologias, para o 
maior número possível de usuários interessados. Foi assim que treinamos centenas de pessoas, de 
todos os estados do Brasil e de países da América La�na, em parceria com a Agência Europeia para 
Exploração de Satélites Meteorológicos (EUMETSAT). 
https://lapismet.com.br/
E o resultado dessa experiência com recepção, processamento e aplicação de dados de 
satélites, foi a geração de algoritmos, so�wares, patentes, produtos agrometeorológicos, mapas 
de monitoramento ambiental e climá�co, sistemas, métodos, processos e técnicas.
Tudo isso nasceu do estudo e aplicação de tecnologias de geoprocessamento e 
sensoriamento remoto, ao longo dos quais testamos, na prá�ca, vários �pos de métodos, 
cometendo erros e acumulando muitos aprendizados. Desde a instalação do “Sistema 
Eumetcast”, pra�camente não exis�am pessoas capacitadas no Brasil, para u�lizar a tecnologia. 
Foi necessário treinar pessoas, par�ndo do zero, para dispor de pessoal capacitado no 
Laboratório. O Lapis passou por um longo processo, para compreender a complexidade do 
Sistema, buscar soluções, testar, aprender com os erros e disseminar isso para outros usuários. 
Essa capacidade, desenvolvida pela equipe interna do Lapis, culminou na criação do 
método “Mapa da Mina”, cujos principais pilares são compar�lhados neste Guia e no 
treinamento de mesmo nome ( ). O obje�vo é contribuir para treinar h�p://mapadamina.org.br/
cada vez mais pessoas, com a habilidade de dominar o geoprocessamento no QGIS, para gerar 
mapas, processar e analisar imagens de satélites.
E foi exatamente o fato de testar tantos métodos diferentes que fez com que o Lapis 
definisse os pilares para u�lizar o verdadeiro poder do QGIS, o que considera hoje o “grande 
segredo” de como dominar o geoprocessamento, com esse so�ware SIG gratuito mais usado no 
Brasil e no mundo. 
E é justamente como dominar o QGIS, os segredos do que funciona e do que não funciona 
em geoprocessamento, que ensinamos neste Guia. Segredos que nenhum outro Curso 
(provavelmente, somente com exceção do nosso Curso online “Mapa da Mina”) ou livro vai lhe 
ensinar. 
Garan�mos que este Guia é único e com ele você não aprenderá somente a usar o 
geoprocessamento da maneira certa, mas também estará pronto para colocar em prá�ca novas 
habilidades e conhecimentos, sabendo qual é o caminho certo na aprendizagem do QGIS e, mais 
importante, como iden�ficar os caminhos errados.
O óbvio que todo mundo mostra é que você só precisa aprender técnicas, para produzir 
mapas, usando um so�ware SIG. Mas o que ninguém conta é que se diferenciar, como um 
profissional que realmente domina a tecnologia SIG, vai muito além de fazer mapas. Aliás, 
elaborar mapas é apenas a úl�ma etapa do processo: a da visualização dos dados. 
É preciso saber iden�ficar padrões, processos, relações, tendências, comparações e 
realizar análises. Existem etapas fundamentais do processamento de imagens, que precedem a 
visualização final dos dados. É o que vamos revelar neste Guia!
http://mapadamina.org.br/
De fato, o que você precisa aprimorar é sua habilidade de processar e analisar dados, gerar 
indicadores, para os mais diferentes �pos de aplicações. E não tenha dúvida: todos os setores do 
mercado estão à procura desse �po de profissional, para apoiar na tomada de decisão e na solução 
de problemas reais.
Mas para isso, é preciso seguir um método, visando desenvolver e aprimorar sua capacidade 
de fazer análises espaciais, de aprofundar, para oferecer informação estratégica. É alcançar um 
novo nível no uso da tecnologia SIG, que permita iden�ficar as melhores respostas, que apoiem a 
tomada de decisão, a par�r da inteligência de dados geográficos. 
Esqueça os cursos que você fez ou livros que você leu, que só ensinam a repe�r técnicas, no 
QGIS. É necessário seguir estratégias para: 1) o domínio defini�vo do QGIS; 2) o aprimoramento da 
sua competência de realizar análises; 3) o processamento e aplicação de diferentes �pos de dados; 
4) a geração de mapas inteligentes. É nesses pilares que está fundamentado o método “Mapa da 
Mina”. 
O QGIS é um incrível so�ware SIG gratuito, número 1 no mundo, cujo código aberto flui em 
toda a sua estrutura. Ele foi adaptado para quebrar o molde do so�ware SIG comercial, reinando 
supremo, quando se trata de sistemas de mapeamento gratuito. Mas este Guia acabou de apenas 
arranhar a super�cie, do verdadeiro poder de fogo do QGIS. 
Agora é a sua vez: baixe o QGIS hoje e aproveite para executar a prá�ca, ensinada no úl�mo 
capítulo. É uma amostra de que você pode mapear com confiança, adquirindo habilidades que lhe 
deixam mais seguro e independente, na área de tecnologia SIG. Aproveite a “mina de ouro” 
escondida no QGIS, que está inteiramente ao seu alcance. 
Capítulo um: introduzindo a tecnologia de Sistemas de Informação Geográfica (SIG) e 
geoprocessamento, estrutura dos dados, histórico do desenvolvimento dos SIG's, usos e 
aplicações, habilidades que você precisa para usar o verdadeiro poder do QGIS e como 
funciona o método de geoprocessamento “Mapa da Mina”, do Laboratório Lapis.
Capítulo dois: compreendendo os principais conceitos relacionados ao sensoriamento 
remoto, os �pos de resolução de imagem, a tecnologia de ponta da constelação de 
nanossatélites do PlanetScope e os principais métodos de classificação digital de imagens 
de satélites, no QGIS.
Capítulo três: explicando como funciona o Sistema “EUMETCast”, a tecnologia 
descentralizada para recepção de dados de satélites, operacional, de baixo custo e fácil 
u�lização.
Capítulo quatro: entendendo o que torna o QGISo so�ware SIG com desenvolvimento 
tecnológico mais acelerado; as caracterís�cas que tornam o QGIS o líder global em 
so�ware SIG gratuito; fatores de interoperabilidade e os plugins como as ferramentas 
mais poderosas do QGIS.
Capítulo cinco: conceituando um conjunto de indicadores ambientais, climá�cos e 
agrometeorológicos, baseados em dados de satélites. Os resultados do cálculo desses 
índices, no so�ware QGIS, são visualizados em mapas temá�cos.
Capítulo seis: analisando os índices de vegetação mais u�lizados, processados no QGIS, e 
suas principais aplicações. 
Capítulo sete: descrevendo o método para se es�mar a produ�vidade da cana-de-açúcar, a 
par�r da geração dos produtos de satélites essenciais à tomada de decisão, no setor 
sucroalcooleiro.
Capítulo oito: pra�cando no QGIS o processamento e análise de imagens do Índice de 
Vegetação por Diferença Normalizada (NDVI), da mudança na cobertura vegetal, com 
imagens de alta resolução, da constelação de satélites Planet Scope. 
Os SIG's são
Dados de ruas Dados de edificações Dados de vegetação
Camadas de Dados Camadas de Dados 
SIG
COLETAR VISUALIZAR
PROCESSAR
EDITAR
ARMAZENAR
GERENCIAR
COMPARTILHAR
MODELAR
A tecnologia “SIG” permite combinar e cruzar, visualmente, camadas de informações, provenientes 
Analisar dados (Interpretar);
,
,
é amplamente usado hoje, mas com um nível de sofis�cação muito maior e com ampla capacidade
Assim como nasceu o primeiro protó�po, do que viria a ser um SIG, para mapeamento 
de um surto de cólera, recentemente, há um exemplo da enorme capacidade que essa 
tecnologia alcançou, para tomada de decisão. É o caso do mapa global da pandemia do novo 
coronavírus, desenvolvido pela Johns Hopkins University & Medicine, dos Estados Unidos 
( ). h�ps://coronavirus.jhu.edu/map.html
https://coronavirus.jhu.edu/map.html
três
Para representar um elemento vetorial, entenda os principais 
formatos:
Veja abaixo a ilustração da estrutura de dados raster e vetorial:
No so�ware QGIS, esses atributos podem ser visualizados 
em uma tabela. Cada elemento vetorial possui o registro de um atributo, na tabela, mesmo que 
seja nulo.
Entrada
Estamos rodeados por SIG’s em toda a parte, e agora, eles ficaram ainda mais fortes, em um 
mundo que se tornou mais digital. De fato, tudo tem um contexto geográfico. Hoje, dificilmente
Do Google Maps ao controle de tráfego aéreo, esses sistemas vieram para ficar, em todos os 
setores da economia e no nosso co�diano. O SIG não é mais só um conceito ou sistema autônomo, 
é uma forma geoespacial de trabalho, fortemente ligada a todos os processos de tomada de 
decisão. 
O geoprocessamento se tornou um caminho para profissionais que atuam em diferentes 
áreas do conhecimento. É o caso de geógrafos, agrônomos, biólogos, engenheiros (ambiental, civil, 
de minas, florestal, agrícola), geólogos, profissionais da saúde, arquitetos, entre outros. 
Independentemente da área de formação ou da experiência profissional, é possível se especializar 
em geoprocessamento, aplicando a tecnologia SIG, para aprimorar os resultados da sua carreira, 
estudo ou prestação de serviços.
· AGRICULTURA: são inúmeros os bene�cios das ações de mapeamento e monitoramento, na 
agricultura, especialmente quando se trata da gestão de grandes extensões de cul�vos, como cana-de-
açúcar. Os agricultores u�lizam os SIG's para agricultura de precisão, mapeamento do solo, visando ao 
aumento da produ�vidade das lavouras. É o caso, por exemplo, da análise do estresse hídrico e da seca, 
a par�r de um mapa da umidade do solo; ou de análises da cobertura vegetal, com um mapa do Índice 
de Vegetação por Diferença Normalizada (NDVI), para analisar falhas em plan�os. Veja abaixo o 
exemplo de um mapa de NDVI, processado no QGIS, que destaca as áreas com vegetação seca no Brasil. 
visualizar o conteúdo da base de dados, gerando mapas de visualização.
h�ps://www.youtube.com/watch?v=p2X2Hn77vQQ&t=2069s
https://www.youtube.com/watch?v=p2X2Hn77vQQ&t=2069s
Qual a distribuição dos casos 
de infecções pelo coronavírus 
na Amazônia?
u
geoprocessamento e sensoriamento remoto
, no
2
1
3
 Tecnologia SIG (dado): o modelo tradicional foca na repe�ção de técnicas, para geração de mapas. 
Porém, esquece o verdadeiro segredo para se tornar um analista SIG de destaque. Fazer mapas 
digitais é o nível mais básico para se operar um SIG. No método “Mapa da Mina”, você entende o 
processo e usa as ferramentas certas, para aproveitar o verdadeiro poder do QGIS. É o domínio 
defini�vo dessa tecnologia, desde o básico até o nível avançado. Aprende a dominar o uso das 
ferramentas do QGIS, com segurança e autonomia, para gerenciar, processar, integrar, analisar e 
mapear todos os �pos de dados geográficos.
 Aplicações (informação): na segunda etapa do Método, você aprende as estratégias para aplicar 
as ferramentas do QGIS, em diferentes �pos de situações. Esta fase inclui tudo o que você precisa 
saber para realizar operações com métodos espaciais e esta�s�cos, gerar índices, processar e 
analisar imagens, aplicadas a diferentes setores (educação, agricultura, energias renováveis, 
planejamento urbano, clima, seguros, mineração, transporte, saúde, meio ambiente etc.).
Análises geoespaciais (conhecimento): o mercado está à procura de analistas SIG, para apoiar na 
solução de problemas reais. Nesta etapa, você aprende técnicas e métodos específicos, no QGIS, 
para analisar atributos e informações geográficas, com alto nível de sofis�cação e de forma 
simples. As estratégias incluem, por exemplo: análise de séries temporais, para detecção de 
mudanças no uso e ocupação do solo, quan�ficação de danos na cobertura vegetal, mapeamento 
ambiental, prá�ca com diferentes métodos de classificação de imagens, uso de indicadores 
ambientais, baseados em dados de satélites, aplicação de dados de nanossatélites, com alta 
resolução espacial e temporal, entre outras. Isso é apenas uma amostra do que é aplicado, de 
forma prá�ca e operacional, usando o método “Mapa da Mina”. 
4
Inteligência de dados (insight): o erro mais comum, na área de geoprocessamento, é achar que só 
se deve aprender técnicas, para produzir mapas. O foco desta etapa é gerar inteligência acionável 
de todos os �pos de dados. É iden�ficar padrões, contextos, processos, relações, tendências e 
comparações. É o aprofundamento das análises espaciais, usando ferramentas avançadas do 
QGIS, para gerar insights, inteligência geográfica e uma nova perspec�va para tomada de decisão.
Para se aprofundar nessas etapas do Método, usadas no Curso “ Mapa da Mina”, assista a esta 
apresentação em vídeo: h�ps://mapadamina.org.br/
 Em nosso treinamento no QGIS, que ensina a processar e analisar imagens de satélites, temos 
observado as dificuldades dos profissionais que usam geoprocessamento, em dominar as 
ferramentas SIG. Geralmente, isso ocorre em função de as universidades não oferecerem um 
treinamento efe�vamente prá�co e operacional, direcionado para atender as reais demandas do 
mercado. 
 O que é mais comum ser dito, para interessados em geoprocessamento no QGIS, é que você 
precisa dominar a produção de mapas. Mas como já mencionamos, elaborar mapas é apenas a 
etapa mais básica do processamento de dados. O método “Mapa da Mina” ensina, na prá�ca, 
além da geração de mapas, as etapas fundamentais à análise e processamento de imagens, bem 
como à geração de inteligência geográfica, no QGIS.
https://mapadamina.org.br/
PARA APROFUNDAR O CONTEÚDO DESTE TÓPICO
h�ps://www.youtube.com/watch?v=ML5b41RGIUk
h�ps://www.youtube.com/watch?v=3_rQxn_Z7OE&t=6s
https://www.youtube.com/watch?v=ML5b41RGIUk
https://www.youtube.com/watch?v=3_rQxn_Z7OE&t=6s
 
capítulo 2
princípios do
sensoriamento
remoto
Cada objeto da super�cie terrestre interage com a radiação eletromagné�ca, de forma 
diferente. A radiação refle�da por cada objeto, nos vários canais dos sensores, é denominada 
assinatura espectral. 
30Um exemplo mais clássico é o da vegetação verde (saudável), que reflete maior porcentagem 
de reflectância no infravermelho próximo, na região visível do espectro. Já a água limpa, sem a 
presença de sedimentos, tem pouca reflectância no Infravermelho Próximo, em razão de uma maior 
quan�dade de energia eletromagné�ca ser absorvida pela água. 
31
O Sensoriamento Remoto usa sensores para capturar imagens. Aviões, satélites e drones 
possuem plataformas especializadas, que transportam esses instrumentos. Enquanto satélites 
capturam dados em escala global, drones são mais adequados para voar em áreas pequenas. 
Finalmente, aviões e helicópteros atuam como um meio-termo.
Cada �po de sensor tem suas próprias vantagens e desvantagens. Quando você deseja 
capturar imagens, deve considerar fatores como restrições de voo, resolução da imagem e 
cobertura. 
 Para observação da Terra, é necessário considerar a resolução da imagem. Em geral, os 
sensores remotos são classificados de acordo com o �po de resolução: espacial, espectral, 
temporal ou radiométrica. Confira, a seguir, os conceitos desses principais �pos de resolução:
1) Resolução espacial: a resolução espacial é o detalhe, em pixels, de uma imagem. Alta 
resolução espacial significa mais detalhes e menor tamanho do pixel. Por outro lado, 
resolução espacial mais baixa significa menos detalhes e tamanho do pixel maior. 
Normalmente, drones, a exemplo do DJI, capturam imagens com uma das mais altas 
resoluções espaciais. Mesmo que os satélites sejam os mais altos na atmosfera, eles são 
capazes de tamanhos do pixel de 50 cen�metros ou mais.
32
h�p://mapadamina.org.br/
http://mapadamina.org.br/
2) Resolução espectral: é a capacidade dos sensores de operar em várias e estreitas bandas 
espectrais. Os sensores que operam em uma quan�dade de 12 a 15 bandas são chamados 
de mul�espectrais. Já aqueles que operam em uma quan�dade de 15 a centenas de bandas, 
são conhecidos como hiperespectrais. Dito de forma simples, é o número de bandas 
espectrais que cada missão de satélite disponibiliza.
 Quando há muitas bandas, o fa�amento amplia as possibilidades de interpretação das 
imagens. Todavia, quanto mais bandas o sensor apresenta, maior é o volume de dados 
redundantes e de armazenamento. Por outro lado, quanto mais estreitas são as bandas, 
menos contaminação dos gases de absorção da atmosfera (aerossóis, vapor d'água, CO2 
etc.). 
33
Veja abaixo exemplos da resolução espectral de uma imagem:
34
concluir uma órbita completa.
Resolução radiométrica: está relacionada à sensibilidade do sensor em detectar pequenas 
variações radiométricas, ou seja, em perceber diferenças nos valores da radiância. Quanto 
maior o número de bits, maior é a resolução radiométrica. Isso significa que o número de 
níveis de cinza tem uma maior quan�dade de variações em branco e preto, que facilitam para 
discriminar os objetos da super�cie, representados nas imagens. 
4) 
35
36
37
h�p://mapadamina.org.br/
http://mapadamina.org.br/
PARA APROFUNDAR O CONTEÚDO DESTE TÓPICO
As imagens de satélite com alta resolução cumprem função similar às imagens ob�das por 
drone. São fundamentais para analisar variáveis de uma área, quando você precisa de um mapa 
com maior detalhamento. 
38
h�ps://www.youtube.com/watch?v=MYSZuxbUd4I&t=502s
https://www.youtube.com/watch?v=MYSZuxbUd4I&t=502s
Como vimos, as imagens dos satélites Planet estão na fronteira do que há de mais alta 
tecnologia, para mapeamento da super�cie terrestre, sobretudo pela sua alta resolução espacial e 
temporal. Mas há ainda outra vantagem: essas imagens também possuem alta resolução 
radiométrica, que se refere à sensibilidade do sensor, quanto à capacidade para detectar 
variações na radiância espectral que recebe. No caso, os níveis de cinza são expressos em bits.
Uma imagem de alta resolução radiométrica, em torno de 11 ou 16 bits, possibilita uma 
boa interpretação dos alvos. Mas essa resolução pode ser bem maior. As mais simples imagens de 
satélites de hoje costumam se apresentar com resolução mínima de 8 bits. 
O método “Mapa da Mina”, desenvolvido pelo Laboratório Lapis, ensina a processar esses 
dados de alta resolução, dos satélites Planet, para mapeamento de áreas. O treinamento ensina a 
gerar mapas, processar e analisar imagens, dominando defini�vamente o so�ware QGIS. Se você 
tem interesse, precisa conhecer urgentemente os pilares do método do Lapis. Para isso, assista à 
aula inédita e gratuita do prof. Humberto Barbosa: h�ps://mapadamina.org.br/
A classificação digital de imagens, em sensoriamento remoto, pode ser baseada em pixels 
ou em objetos. Existem 3 �pos de classificação digital de imagens de satélites, que permitem 
iden�ficar o uso, cobertura e ocupação do solo: supervisionada, não supervisionada (baseada em 
pixels) ou por objeto (formas vetoriais ou geométricas). 
39
https://mapadamina.org.br/
2) Classificação supervisionada: u�liza amostras representa�vas, chamadas “áreas de treinamento”, 
para categorizar cada classe de cobertura do solo. O algoritmo do QGIS, u�lizado para esse �po de 
classificação, usa essas áreas de amostras selecionadas e, em seguida, as aplica à imagem inteira. Com 
essas amostras, marcando algumas áreas da imagem, treinam-se os pixels para classificar o uso do 
solo, em área de vegetação, agricultura, pastagem etc. Assim, são criadas bibliotecas espectrais para a 
classificação. 
40
Algoritmos presentes no so�ware QGIS, permitem fazer essa classificação, através da 
técnica de objeto orientado. Podem-se u�lizar diferentes métodos, para classificar os objetos 
(forma ou geometria do objeto, textura, resolução espectral, contexto geográfico ou classificação 
do vizinho mais próximo). 
41
42
43
44
abaixo
45
46
PARA APROFUNDAR O CONTEÚDO DESTE TÓPICO 
:
:
:
47
Assinatura espectral analisada em imagens da constelação Planet, no QGIS. 
h�ps://www.youtube.com/watch?v=BwZeMBsmzR4&t=4078s
h�ps://www.letrasambientais.org.br/posts/como-e-gerada-a-imagem-de-ndvi-para-todo-o-brasil-
h�ps://www.letrasambientais.org.br/posts/os-7-elementos-para-classificar-o-uso-e-
ocupacao-do-solo-em-imagens-de-satelites
https://www.youtube.com/watch?v=BwZeMBsmzR4&t=4078s
https://www.letrasambientais.org.br/posts/como-e-gerada-a-imagem-de-ndvi-para-todo-o-brasil-
https://www.letrasambientais.org.br/posts/os-7-elementos-para-classificar-o-uso-e-ocupacao-do-solo-em-imagens-de-satelites
https://www.letrasambientais.org.br/posts/os-7-elementos-para-classificar-o-uso-e-ocupacao-do-solo-em-imagens-de-satelites
48
Dados de satélites também permitem aos cien�stas cobrir grandes áreas geográficas,
por longos períodos de tempo, a um custo muito baixo e na conveniência de um escritório. 
É o caso, por exemplo, do monitoramento de uma grande floresta tropical, como a Amazônia.
os
49
possibilitam
do
 
capítulo 3
tecnologia
descentralizada
de recepção de
dados de 
satélites
51
Nesse contexto, o uso de imagens de satélites para monitoramento ambiental e 
meteorológico se tornou imprescindível, com informações rápidas que antecipem diagnós�cos 
de eventos climá�cos extremos, com impactos ambientais e socioeconômicos significa�vos. 
Há 15 anos, quando a disseminação de tecnologias geoespaciais de baixo custo ainda era 
muito incipiente no Brasil, o Laboratório Lapis implantou o “Sistema EUMETCast”, uma tecnologia 
descentralizada de recepção de dados de satélites. Desde então, o Lapis tem acesso a dados 
oriundos dos mais importantes provedores globais de dados de satélites. 
52
O “Sistema EUMETCast” é uma inicia�va da Agência Europeia para Exploração de Satélites 
Meteorológicos (EUMETSAT), tendo sido o Lapis o responsável por implantar e adaptar essa 
tecnologia, de forma pioneira, em uma universidade brasileira – na Universidade Federal de Alagoas 
(Ufal). A Organização integra 27 países, sendo responsável pela operação, gestão do processamento e 
distribuiçãode dados de imagens coletadas diariamente. A EUMETSAT possui um sistema 
operacional de satélites geoestacionários.
Os componentes básicos para recepção dos dados transmi�dos são uma antena, dois 
computadores e os so�wares. A antena é composta por um refletor parabólico de 2,6 metros, um 
alimentador com polarização C e um amplificador LNBF (Low Noise Block-downconverter Feed horn), 
para aumentar o sinal com baixos níveis de potência. Os computadores podem operar u�lizando 
plataforma Windows XP, sendo necessárias duas máquinas: uma para a recepção dos dados e outra 
para processar as imagens recebidas. A configuração mínima dos sistemas requer CPU com clock 
acima de 1,8 GHz e memória RAM de 2 GB, além de um HD com pelo menos 160 Gbytes de capacidade 
e a chave específica de acesso EUMETCast Key Unit (EKU).
Quando o Lapis foi fundado, ainda não exis�a capacitação para uso dessa tecnologia no Brasil. 
Seria necessário torná-la simples e operacional. Foi um longo processo para compreender a 
complexidade do Sistema, buscar soluções, testar, aprender com os erros e disseminar isso para 
outros usuários. Criamos so�wares, registramos patentes, desenvolvemos algoritmos e validamos 
protó�pos.
A estação de recepção de dados de satélites, pelo sistema EUMETCast, é completa, de baixo 
custo e de fácil u�lização. É capaz de receber, quase em tempo real, dados e produtos meteorológicos 
e ambientais, por uma rede global de provedores. Mais informações no Livro “Sistema EUMETCast” 
(2013). 
O Lapis desenvolveu um so�ware específico para decodificação de dados brutos de satélites 
recebidos pelo sistema EUMETCast, que possui uma interface amigável e ú�l aos usuários finais. 
Possibilita o monitoramento, em tempo quase real, das condições meteorológicas sobre o território 
nacional, contribuindo para orientar tomadas de decisão por empresários, produtores rurais, 
gestores de ins�tuições, organizações sociais e população em geral.
No Brasil, sendo o principal usuário responsável pela disseminação do sistema EUMETCast, o 
LAPIS disponibiliza vários produtos, que consistem nos canais visível, vapor d'água e infravermelho, 
com imagens coloridas (realce, composição e diferença entre os canais) dos satélites Meteosat-11 e ,
53
A maioria das universidades brasileiras tem procurado obter formas de acesso facilitado às 
imagens de satélites, o que explica o interesse pelo sistema de difusão de dados e produtos, por 
meio do sistema EUMETCast. Atualmente, o Laboratório Lapis conta com o apoio da EUMETSAT, 
para conectar a rede EUMETCast no Brasil e promover treinamentos de usuários. Entre os 
bene�cios, destaca-se a manutenção reduzida e de baixo custo da operação do sistema.
“Com a fundação do Lapis, havia o desafio de treinar pessoas, par�ndo do zero, para dispor 
de pessoal capacitado. É por isso que, nesses 15 anos de trajetória, o Laboratório já capacitou 
centenas de usuários, no Brasil e na América La�na, em parceria com a EUMETSAT. 
E o resultado dessa longa experiência foi a criação do método “Mapa da Mina”, com o qual 
treinamos pessoas, no uso das ferramentas de geoprocessamento para gerar mapas, processar e 
analisar imagens de satélites.”
Com uma equipe altamente qualificada, o Lapis tem capacitado pessoas, na área de 
mapeamento e monitoramento ambiental, a par�r da geração de mapas, do processamento e 
análise de imagens de satélites. O obje�vo do Laboratório é contribuir para a independência 
tecnológica dos usuários, na geração de mapas, processamento e análise de imagens de satélites. 
 O Lapis possui duas linhas de atuação, integradas e complementares. São elas:
A geração de metodologias, algoritmos, so�wares, produtos e informações de satélites, pelo 
Laboratório Lapis, são disseminados por meio do treinamento “Mapa da Mina”, cujos obje�vos são:
• Treinar usuários de diferentes áreas para dominar defini�vamente o QGIS, desde o básico 
até o avançado. 
54
PARA APROFUNDAR O CONTEÚDO DESTE TÓPICO 
Capacitar estudantes e profissionais para gerar mapas, processar e analisar imagens, 
no QGIS. 
• Aplicar, na prá�ca, o geoprocessamento, dominando o QGIS em sua carreira, projeto 
 ou negócio. 
• Fornecer cer�ficação em QGIS, de forma 100% online e prá�ca, através do Curso “Mapa 
 da Mina”, com conhecimentos sólidos, em SIG e análises geoespaciais. 
55
h�ps://www.youtube.com/watch?v=Ke_5rjkgK5A&t=1s
h�ps://www.youtube.com/watch?v=4ZMVXUyS2Xw&t=2s
h�ps://www.youtube.com/watch?v=9md0enIhv0I&t=78s
https://www.youtube.com/watch?v=Ke_5rjkgK5A&t=1s
https://www.youtube.com/watch?v=4ZMVXUyS2Xw&t=2s
https://www.youtube.com/watch?v=9md0enIhv0I&t=78s
capítulo 4
qgis: o sistema
de geoprocessamento
com desenvolvimento
tecnológico mais
acelerado
Na área de mapeamento ambiental e agrícola, é uma das maiores comunidades que 
temos encontrado, nos úl�mos anos, e tem avançado graças a essa comunicação e troca de 
experiências. 
Desde sua estreia, em 2002, cada versão do QGIS foi aprimorada. A origem desse Sistema 
de Informação Geográfica foi no Alasca, quando Gary Sherman escreveu o primeiro código, com 
todas as ferramentas básicas de panorâmica, zoom e desenho.
57
,
• Em julho de 2002, Gary Sherman escreveu a primeira versão do QGIS 0.0.1. Ele dispunha 
apenas de ferramentas básicas, como panorâmica, zoom e desenho. Há vários desafios em se 
trabalhar com so�wares livres, quando ainda estão na primeira versão, pois normalmente 
surgem bugs e problemas. Cada lançamento do QGIS era um nome de animal de es�mação, 
com uma tela inicial;
• Em janeiro de 2009, foi lançado o Quantum GIS 1.0. Essa versão já possuía recursos para 
explorar dados, compor mapas e publicá-los na internet. Sete anos depois do lançamento, já 
havia uma diferença significa�va nesse so�ware. 
• Em setembro de 2013, o QGIS 2.0 incluiu uma nova API vetorial, geoprocessador, simbologia 
e revisão de rotulagem. Foi um avanço exponencial, desde 2002, com um salto tecnológico 
para 2009 e outro para 2013. 
• Em 23 de fevereiro de 2018, houve um lançamento marcante, de longo prazo, para o QGIS 
3.0. Essa versão teve integração 3D, baseada em Qt5 e Python 3. Foi o terceiro grande 
lançamento do QGIS, reforçando o poder de fogo desse so�ware SIG de código aberto.
,
58
do processo:
Hoje, quase todos os provedores de dados têm adotado o NetCDF, pois converge as 
comunidades de usuários das áreas ambiental e climá�ca. Inclusive, muitas agências 
governamentais e não governamentais �veram que converter seus dados para NetCDF, porque se 
tornou uma necessidade de várias comunidades de integração de dados. 
O QGIS é desenvolvido por uma equipe de voluntários, empresas e organizações dedicadas. 
No total, o QGIS 3 conta com mais de 900 ferramentas de geoprocessamento, estruturadas nas 
seguintes categorias:
59
,
Para executar as ferramentas de processamento do QGIS, acesse o menu Processamento > 
Caixa de ferramentas. Na barra de pesquisa, é possível encontrar ferramentas de processamento 
específicas, dentre as mais de 900 ferramentas disponíveis, nesse so�ware SIG gratuito e de código 
aberto. Dentre elas, estão:
60
Além do formato 3D, os plugins do QGIS impulsionam seu incrível poder de análise. Se você 
já usou o QGIS, sabe que os plugins são centrais para o sucesso desse so�ware. Essas ferramentas 
adicionam funcionalidades complementares ao aplica�vo. Geralmente, são desenvolvidas por 
organizações e desenvolvedores, independentes da organização QGIS. 
Existe uma coleção composta por mais de 1.500 plugins, prontos para serem usados no 
QGIS, disponível para download neste link: h�ps://plugins.qgis.org/plugins/. 
Quando você baixa um plugin do QGIS, você reforça ainda mais a capacidade desse 
so�ware, desde a visualização até a análise e edição dos dados. Não é surpresa que essa 
capacidade de adicionar inúmeras ferramentas ou plugins torna o QGIS o so�ware SIG de código 
aberto mais usado no mundo. 
Esses plugins também podem ser instaladosdiretamente do QGIS Plugin Manager, dentro 
do aplica�vo QGIS. Eles são localizados no menu principal > opção “Complementos” > Gerenciar e 
instalar complementos. 
61
https://plugins.qgis.org/plugins/
62
PARA APROFUNDAR O CONTEÚDO DESTE TÓPICO 
Assista a esses trechos de aulas do prof. Humberto Barbosa (Lapis) – 
:
:
63
h�ps://www.youtube.com/watch?v=Ke_5rjkgK5A&t=1s
h�ps://www.youtube.com/watch?v=4ZMVXUyS2Xw&t=2s
h�ps://www.youtube.com/watch?v=9md0enIhv0I&t=78s
https://www.youtube.com/watch?v=Ke_5rjkgK5A&t=1s
https://www.youtube.com/watch?v=4ZMVXUyS2Xw&t=2s
https://www.youtube.com/watch?v=9md0enIhv0I&t=78s
capítulo 5
indicadores de
monitoramento
ambiental e 
climático a partir
de dados de 
satélites
65
O domínio da elaboração desses indicadores, a par�r do método de geoprocessamento 
“Mapa da Mina” ( ), permite usar o QGIS como uma verdadeira “mina de h�ps://mapadamina.org.br/
ouro” para a sua carreira, projeto ou prestação de serviços. 
Os produtos processados pelo Laboratório Lapis, a par�r do método “Mapa da Mina”, são 
baseados em dados de diferentes sensores remotos, como o satélite Meteosat Terceira Geração 
(MTG), GOES-16, (SMOS), Soil Moisture and Ocean Salinity Climate Hazards Group InfraRed 
Precipita�on with Sta�on data (CHIRPS), entre outros. 
O método também ensina a processar dados da constelação PlanetScope, com alta resolução 
espacial e alta frequência temporal. São as mais sofis�cadas imagens de satélites, processadas hoje, 
no Laboratório Lapis. Essa alta tecnologia de processamento e aplicação de dados de satélites, para 
mapeamento ambiental, é ensinada a par�r do método de geoprocessamento do Lapis, desde o zero 
até o avançado.
A seguir, iremos conceituar alguns indicadores, baseados em dados de satélites, que fazem 
parte do catálogo de produtos, processados pelo Laboratório Lapis. Ressaltamos que os índices 
apresentados neste Guia correspondem apenas a uma amostra. A lista completa daqueles mais 
u�lizados para mapeamento ambiental, climá�co e agrometeorológico, é ensinada no Curso “Mapa 
da Mina” ( ). O treinamento 100% online e totalmente prá�co explica h�ps://mapadamina.org.br/
como aplicar as fórmulas, procedimentos e técnicas, para processamento desses índices, no QGIS.
66
https://mapadamina.org.br/
https://mapadamina.org.br/
A precipitação pluviométrica é um dos principais parâmetros que definem o clima de 
determinada região. O mapa acima, da intensidade da seca, foi processado com dados do produto 
Climate Hazards group Infrared Precipita�on with Sta�ons data (CHIRPS). A imagem permite analisar 
a precipitação média mensal, para todo o território brasileiro.
O CHIRPS é um conjunto de dados de chuva, ob�dos por satélites e pela coleta , em in situ
estações meteorológicas, desde 1981 até o presente. Trata-se de um sistema de es�ma�va de 
precipitação, que permite a criação de séries temporais de chuva, em grade, para análise de 
tendência e monitoramento da seca sazonal.
O mapa foi gerado no QGIS, a par�r do cálculo do Índice de Precipitação Padronizado (SPI), 
usando dados CHIRPS. O SPI é um indicador amplamente u�lizado para caracterizar secas 
meteorológicas, em uma variedade de escalas de tempo. Esse Índice permite quan�ficar a 
precipitação observada, como um desvio padronizado de uma função de distribuição normal, de 
probabilidade selecionada, que modela os dados brutos de precipitação. 
67
O SPI é definido pela diferença entre a precipitação estacional normalizada e sua média 
estacional a longo prazo, pelo desvio padrão. O cálculo do SPI é um dos indicadores que ensinamos a 
gerar no Curso “Mapa da Mina”, o treinamento prá�co de QGIS, do Laboratório Lapis. Esse é um dos 
mapas processados a par�r do cálculo de operações aritmé�cas (esta�s�cas e equações), no QGIS , 
fornecendo informações importantes para o monitoramento ambiental e agrícola.
O SPI foi desenvolvido, originalmente, a par�r de pesquisas realizadas na Colorado State 
University Mckee, Doesken e Kleist , Estados Unidos, por (1993), para iden�ficar a precipitação 
anômala e extrema. Refere-se a um método probabilís�co que permite monitorar os déficits de 
precipitação pluvial, de forma normalizada, em diversas escalas de tempo e espaço, com base nos 
registros históricos mensais de precipitação (BLAIN; MESCHIATTI, 2015). 
Em 2009, a Organização Mundial de Meteorologia (WMO, da sigla em inglês World 
Meteorological Organiza�on) recomendou o SPI como o principal parâmetro que os países deveriam 
usar, para monitoramento das secas meteorológicas. O SPI é amplamente u�lizado em diversos 
lugares do mundo, inclusive ins�tuições governamentais brasileiras o u�lizam, para fundamentar 
seus sistemas de alerta precoce de eventos climá�cos extremos.,
Esse Índice baseia-se nas relações de frequência, duração e severidade da ocorrência do 
fenômeno. Pode ter múl�plas aplicações, para avaliar os impactos da seca, em diferentes escalas 
temporais. Por exemplo, para menos de 6 meses, pode ser ú�l para analisar impactos agrícolas, 
enquanto para 12 meses ou mais, permite monitorar efeitos hidrológicos (SVOBODA; FUCHS, 2016; 
HAYES et al., 2011). 
A agricultura é uma das áreas que depende essencialmente de informações climá�cas, para 
tomada de decisão. Nesse setor, a precipitação é uma variável extremamente importante, não só para 
os contratos firmados, pelas empresas do agronegócio, como também para auxiliar os produtores. O 
mapa semanal da precipitação, por exemplo, é uma informação crucial, para se delimitar condições 
relacionadas à produção nas fazendas. 
68
Classificação da intensidade das secas, durante mais de 100 anos, no Semiárido brasileiro, com base em séries 
do SPI. Fonte: Livro “Um século de secas”.
69
70
,
PARA APROFUNDAR O CONTEÚDO DESTE TÓPICO
71
h�ps://www.youtube.com/watch?v=ou64FGV_f64&t=4109s
https://www.youtube.com/watch?v=ou64FGV_f64&t=4109s
A umidade do solo se refere à quan�dade rela�va de água, nos primeiros cen�metros 
superficiais do solo, es�mando o quão úmido ou seco o solo está, em sua camada superior. Expressa 
em porcentagem de saturação (%), a variável é es�mada a par�r de sensores de radar de satélite e 
permite perceber a influência da precipitação local sobre o solo. 
Como exemplo, está a es�ma�va da umidade do solo, feita a par�r de dados do minissatélite 
Soil Moisture and Ocean Salinity (SMOS), da Agência Espacial Europeia (ESA). A imagem de satélite 
permite es�mar o teor de água con�do no solo, a uma profundidade de até 5 cm. 
O mapa da umidade do solo é um dos mais importantes indicadores de seca, por representar, 
da forma mais imediata, a situação de estresse hídrico, nos solos de determinada região. A imagem 
de satélite gerada é uma importante ferramenta agrometeorológica, para orientar a produção 
agrícola.
O Índice Padronizado da Umidade do Solo (SMzscore) é outro indicador ensinado no Curso 
de QGIS “Mapa da Mina”. Ele mostra a probabilidade das condições da umidade do solo, em relação 
a um período histórico analisado, iden�ficando as anomalias, ao longo do período (ESCORIHUELA, 
2016; XU, 2015). O termo “anomalia” é usado para se referir ao desvio da variável, em relação à 
média histórica padronizada, esperada para o período analisado.
A umidade do solo, dependendo do projeto ou serviço, no qual você vai aplicar os dados, 
pode ser considerada o principal mapa. Por exemplo, em um serviço de consultoria agrícola, o mapa 
da umidade do solo costuma fornecer as informações mais relevantes. 
Há casos em que só com as informações da umidade do solo, é possível estabelecer 
exatamente um planejamento de duas ou três semanas, e com isso, também diminuir os custos, em 
função da irrigação, do uso de alguns insumos. Isso é fundamental, pois algumas dessas variáveis 
podem se tornar o verdadeiro “mapa da mina”, para o consultor que u�liza geoprocessamento. 
O mais importante é dominar a base do método “Mapa da Mina”, que permiteque você gere 
os mapas desses indicadores, no QGIS, a par�r de dados pré-processados, disponibilizados para o 
treinamento. 
O conhecimento necessário para gerar esses indicadores, baseados em dados de satélites, 
demandaria uma longa experiência com geoprocessamento. Foi por isso que o Laboratório Lapis 
passou anos estruturando e validando o método “Mapa da Mina”, que apresenta todas as técnicas, 
procedimentos, processos e estratégias necessárias, suficientes para que o usuário dê um salto, no 
domínio dessa tecnologia. 
No Curso “Mapa da Mina”, você não precisa dedicar uma enorme quan�dade de tempo e 
experiência, que normalmente demandaria de três a quatro anos, apenas para entender o formato 
dos dados e estruturá-los, para posterior análise no QGIS. 
72
 inteligência geográfica, em forma de mapas. 
73
3)
74
PARA APROFUNDAR O CONTEÚDO DESTE TÓPICO 
75
h�ps://www.youtube.com/watch?v=7yZNTnckp78&t=51s
https://www.youtube.com/watch?v=7yZNTnckp78&t=51s
4)
76
A es�ma�va da LST possibilita observar a espacialização das temperaturas, ao longo dos anos, 
apresentada em graus Celsius. Em geral, mudanças no uso e ocupação do solo acarretam alteração 
dos parâmetros ambientais, como da temperatura da super�cie terrestre. Por exemplo, quando 
ocorre o desmatamento de determinada área de floresta. Nessas situações, os valores de NDVI se 
correlacionam com a LST, uma vez que os locais com menores índices de cobertura vegetal 
apresentam maiores temperaturas da super�cie, com possibilidade de se criarem ilhas de calor.
A temperatura da super�cie é uma variável essencial para alguns setores. Vamos 
exemplificar aqui alguns casos da aplicação desses dados de satélite na agricultura, como de 
algumas lavouras que costumam ser mais sensíveis às oscilações da temperatura. Fenômenos 
como a geada afetam a safra de milho, no Sul do Brasil. A temperatura da super�cie também é 
importante para atender demandas de déficit hídrico. Altas temperaturas atrapalham na questão 
do balanço hídrico, principalmente do milho e da soja, além de outros grãos, sendo necessário 
esse monitoramento, u�lizando informações geradas por ferramentas de geoprocessamento, em 
forma de mapas. 
77
Fundamentalmente, vários fatores podem influenciar na variação da LST, incluindo:
5)
78
PARA APROFUNDAR O CONTEÚDO DESTE TÓPICO 
O albedo de super�cie é mais um produto agrometeorológico, baseado em dados de 
satélites, que faz parte do método “Mapa da Mina”. 
O albedo de super�cie quan�fica a fração da luz solar, refle�da pela super�cie da Terra. É 
uma fração de refle�vidade da super�cie, que estabelece o balanço de energia da radiação, que 
passa entre a atmosfera e a super�cie. Esse balanço de energia é fundamental para o 
monitoramento de a�vidades agrícolas, bem como de outras a�vidades produ�vas. 
Existem dois �pos de albedo: o direcional e o hemisférico. A seguir, serão definidos os dois 
diferentes conceitos:
· Albedo direcional ou reflectância hemisférica direcional (também chamado de “albedo 
céu negro”): é a integração da reflectância bidirecional, sobre o hemisfério de visualização. 
Essa variável assume que toda a energia vem de uma radiação direta do Sol, sendo 
calculada para um tempo específico.
· Albedo hemisférico ou reflectância bi-hemisférica (também chamado de “albedo céu 
branco”): é a integração do albedo direcional, sobre o hemisfério de iluminação. Assume 
uma iluminação difusa completa.
O Índice Padronizado do Albedo de Super�cie (ALzscore) mostra a probabilidade das 
condições do albedo de super�cie, em relação a um período histórico analisado, permi�ndo 
iden�ficar anomalias ao longo do período.
O indicador é mais um dos produtos de satélites que o Laboratório Lapis ensina a processar 
e analisar no Curso “Mapa da Mina” ( ), a par�r do domínio do h�p://mapadamina.org.br/
so�ware QGIS. É mais uma importante variável u�lizada para o monitoramento agrícola, climá�co 
e agrometeorológico. 
79
h�ps://www.youtube.com/watch?v=gmaV6qlNQjc&t=5s
http://mapadamina.org.br/
https://www.youtube.com/watch?v=gmaV6qlNQjc&t=5s
 
capítulo 6
ÍNDICES DE
VEGETAÇÃO
PROCESSADOS 
NO QGIS
Índices são operações aritmé�cas, desenvolvidas para realçar alguns objetos da super�cie 
terrestre, a par�r de dados ob�dos por sensores remotos. Operações aritmé�cas, como 
esta�s�cas e equações, costumam ser calculadas em um SIG, como o so�ware livre QGIS, para 
realçar as caracterís�cas dos alvos, representados nas imagens orbitais. 
81
1) Índice de Vegetação por Diferença Normalizada (NDVI)
82
Dentre as várias aplicações do cálculo do NDVI na agricultura, as principais são:
83
h�ps://mapadamina.org.br/shapefile
https://mapadamina.org.br/shapefile
84
Tradicionalmente, os valores do NDVI são apresentados em forma de um mapa, em cores, 
no qual cada tom corresponde a determinado valor. Não existe uma paleta de cores padrão, mas a 
maioria dos so�wares SIG, como o QGIS, u�liza a proporção “vermelho-verde”. 
Essa escala de cores significa que as tonalidades vermelho-alaranjado-amarelo indicam 
solo desnudo ou vegetação morta/esparsa (seca). Já todas as tonalidades de verde representam 
cobertura vegetal, de normal a densa.
Se ainda não souber como é a interpretação de imagens do NDVI, basta verificar a legenda 
do índice, como no mapa abaixo, ob�do a par�r de dados do satélite Meteosat-11. E lembre-se que 
cada so�ware permite criar imagens do NDVI com sua própria paleta de cores.
85
86
Mapas da cobertura vegetal são estratégicos para analisar, por exemplo, a produ�vidade 
agrícola. No Curso “Mapa da Mina” ( ), o treinamento em QGIS do h�ps://mapadamina.org.br/
Laboratório Lapis, são u�lizados dados do satélite Meteosat-11, para gerar esse �po de imagem. 
Os dados apresentam alta frequência temporal (diária ou semanal), sendo uma informação 
valiosa para monitoramento e tomada de decisão, relacionados à agricultura. 
A seguir, vamos mostrar um caso em que aplicamos esses dados para mapear áreas 
agrícolas sob estresse hídrico. São lavouras de cana-de-açúcar, de grande extensão, administradas 
por uma mul�nacional produtora de biocombus�veis, no interior de São Paulo. Todo o 
processamento das imagens abaixo foi feito no QGIS, o so�ware SIG livre e gratuito mais usado no 
mundo:
87
https://mapadamina.org.br/
https://mapadamina.org.br/
As imagens de satélite acima apresentam a condição da cobertura vegetal, a cada semana 
do mês de janeiro de 2017, detalhando inclusive a situação para cada talhão. A área é ocupada por 
operações agroindustriais, que produzem toneladas de cana-de-açúcar, para fabricação de 
bioenergia (etanol). O diagnós�co foi feito a par�r do produto NDVI diário, do satélite Meteosat-
11. 
88
PARA APROFUNDAR O CONTEÚDO DESTE TÓPICO
2)
89
h�ps://www.youtube.com/watch?v=3i5FJUgG9IE&t=2055s
h�ps://www.letrasambientais.org.br/posts/os-15-fatos-que-voce-precisa-
saber-sobre-uso-de-ndvi-na-agricultura
https://www.youtube.com/watch?v=3i5FJUgG9IE&t=2055s
https://www.letrasambientais.org.br/posts/os-15-fatos-que-voce-precisa-saber-sobre-uso-de-ndvi-na-agricultura
https://www.letrasambientais.org.br/posts/os-15-fatos-que-voce-precisa-saber-sobre-uso-de-ndvi-na-agricultura
Assim, o VCI permite mensurar, de forma mais aprimorada do que o NDVI, a dinâmica de 
precipitação, pois não apenas descreve a cobertura vegetal, de determinada área. Ele também 
possibilita analisar as mudanças espaciais e temporais da vegetação, além dos impactos do clima 
sobre o vigor vegeta�vo das culturas ou vegetação natural. É por isso que esse produto de satélite 
é muito u�lizado na agricultura, especialmente para um mapeamento mais adequado dos 
impactos locais da seca e para a es�ma�va da produ�vidade das lavouras.
O VCI representa a porcentagem de NDVI, em relação à sua máxima amplitude, em cada 
local, sendo calculado a par�r da diferença entre o máximo e o mínimo NDVI registrado, nos anos 
anteriores. Dessa forma, opercentual do VCI dá uma ideia de onde o valor observado se situa, 
entre os valores extremos (mínimo e máximo), de períodos passados. Os valores mais altos e mais 
baixos do VCI indicam condições do estado da vegetação boas e ruins, respec�vamente.
90
h�ps://www.letrasambientais.org.br/posts/seca-se-expandiu-pela-bacia-do-sao-
francisco-nas-ul�mas-decadas
h�ps://www.mdpi.com/2072-4292/13/19/3921
https://www.letrasambientais.org.br/posts/seca-se-expandiu-pela-bacia-do-sao-francisco-nas-ultimas-decadas
https://www.letrasambientais.org.br/posts/seca-se-expandiu-pela-bacia-do-sao-francisco-nas-ultimas-decadas
https://www.mdpi.com/2072-4292/13/19/3921
3)
91
4)
Uma alterna�va é u�lizar o Normalized Difference Red Edge (NDRE), um índice indicado para se 
es�mar lavouras densas permanentes ou outras lavouras desse �po. 
92
Imagem da constelação PlanetScope, processada 
no QGIS, pelo Laboratório Lapis.
93
,
h�p://mapadamina.org.br
http://mapadamina.org.br
PARA APROFUNDAR O CONTEÚDO DESTE TÓPICO: 
O NDVI é frequentemente usado em todo o mundo para monitorar a seca, es�mar a produção 
agrícola, auxiliar na previsão de zonas de incêndio, analisar situações de estresse hídrico na vegetação, 
entre outras aplicações. 
5) Índices de vegetação para monitorar riscos climá�cos na agricultura
Existe uma variedade de índices de vegetação, que se baseiam no NDVI. Em algumas situações, 
é necessário u�lizar esses índices, como fatores de ajuste de informação, para o brilho do solo, efeitos 
atmosféricos e outros aspectos. Isso nos ajuda a entender melhor a situação da cobertura vegetal e 
suas limitações, a exemplo de lavouras.
Dentre os vários �pos de índices de vegetação, há três deles que consideramos mais 
importantes, para quem deseja fazer uma gestão mais inteligente dos riscos climá�cos, durante a 
evolução das safras. São eles: 
94
na imagem da constelação PlanetScope.
h�ps://www.letrasambientais.org.br/posts/quando-u�lizar-o-indice-rededge-para-
analisar-cobertura-vegetal-
https://www.letrasambientais.org.br/posts/quando-utilizar-o-indice-rededge-para-analisar-cobertura-vegetal-
https://www.letrasambientais.org.br/posts/quando-utilizar-o-indice-rededge-para-analisar-cobertura-vegetal-
O Índice de Vegetação Melhorado (EVI, sigla do inglês Enhanced Vegeta�on Index), é uma 
versão ajustada do NDVI, especialmente precisa para áreas com vegetação mais densa.
Esse Índice é calculado de forma similar ao NDVI, apresentando algumas modificações, que 
garantem a correção da luz refle�da.
É comum que par�culas em suspensão na atmosfera e sinais de fundo do dossel (cobertura do 
solo) levem à formação de reflexos indesejáveis, nas imagens. Esses reflexos prejudicam a captura e 
consequentemente a interpretação dos dados.
O (VARI), assim como o EVI, foi designado para Índice Resistente à Atmosfera na Região Visível
realizar correções dos efeitos atmosféricos. O VARI é des�nado principalmente para detecção de áreas 
de estresse hídrico, nas lavouras.
Diferentemente dos índices de vegetação anteriores, baseados em sensores infravermelho 
próximo (NIR), as imagens VARI são geradas com uso da técnica de composição RGB, usada para 
realçar as cores dos alvos mapeados. A tendência de uso de imagens RGB não busca a subs�tuição da 
tecnologia NDVI, mas a ampliação das técnicas de mensuração.
95
 
capítulo 7
MéTODO PARA
ESTIMAR A
PRODUTIVIDADE 
DA CANA-DE-AÇÚCAR
97
De acordo com um estudo da Confederação Nacional da Indústria (CNI), a produ�vidade 
dos canaviais em volume (toneladas de cana por hectares) passou por oscilações, do período 
2005/2006 a 2015/2016. Todavia, nesses 10 anos, apresentou um crescimento de 3%. Já a 
qualidade da matéria-prima (kg de ATR por tonelada de cana) teve queda de 1%, durante o 
período (CNI, 2017). 
A produção da cana-de-açúcar, em algumas regiões do Brasil, é caracterizada por baixo 
inves�mento e está altamente susce�vel aos riscos climá�cos. Como consequência, a 
produ�vidade, em termos agrícolas, de geração de trabalho e de recursos naturais, tem 
permanecido baixa. Por outro lado, o custo ambiental tem sido alto, especialmente com respeito à 
degradação da terra, perda de recursos naturais e de biodiversidade.
Um dos destaques do cul�vo dessa gramínea semiperene é sua eficiência na produção de 
biocombus�veis, com papel fundamental na redução das emissões de gases de efeito. A cultura da 
cana é uma das mais tecnificadas e capacitadas, no que diz respeito ao uso de técnicas para seu 
gerenciamento.
Vale dizer que o risco de degradação das terras e aumento das emissões, causados pela 
produção de lavouras para biocombus�veis, tem sido amplamente deba�do por especialistas do 
Painel Intergovernamental para Mudança Climá�ca (IPCC).
O Relatório do IPCC apresenta diretrizes para orientar polí�cas nos países signatários, 
entre os quais o Brasil se inclui (IPCC, 2022). O setor de produção de biocombus�veis é um dos 
maiores trunfos, para a polí�ca brasileira de adaptação ao processo de mudanças climá�cas. 
Durante a Conferência do Clima das Nações Unidas (COP26), realizada em Glasgow, 
Escócia, em novembro de 2021, o Brasil reafirmou compromissos ambiciosos, de aumentar a 
produção de biocombus�veis, até 2030. Com isso, a produção da cana-de-açúcar, adotando boas 
prá�cas de sustentabilidade, é par�cularmente importante para o País, visando reduzir o ritmo da 
mudança climá�ca global.
No contexto das mudanças climá�cas, tornou-se crucial a busca pelo aumento da 
produ�vidade das lavouras, evitando impactos ambientais, decorrentes da conversão de novas 
terras em áreas agricultáveis. Isso se tornou mais evidente no atual contexto das mudanças 
climá�cas e das demandas contemporâneas por sustentabilidade ambiental, social e corpora�va 
(ESG). 
O monitoramento por satélite é uma das principais estratégias para aumentar a eficiência 
na produ�vidade da cana. Hoje, os canaviais recebem acompanhamento sem precedentes, 
grande parte a par�r de dados gratuitos, processados em um so�ware SIG livre e de código aberto, 
como o QGIS. 
98
Os sistemas de monitoramento por satélite são imprescindíveis para o conhecimento dos 
padrões de variabilidade espaço-temporais do clima. Também contribuem com o 
desenvolvimento de modelos predi�vos, sejam de modelos agrometeorológicos ou para a 
emissão de alertas climá�cos e ambientais.
Para que sejam traçadas medidas que favoreçam o processo produ�vo, existem vários 
modelos, u�lizados para a es�ma�va da produ�vidade. Dentre eles, estão os modelos 
agrometeorológicos, que consideram somente a influência dos fatores climá�cos sobre a ,
produ�vidade dos cul�vos.
Também são u�lizados modelos agronômicos, para es�ma�va da produ�vidade agrícola, 
que tentam representar, de forma simplificada, os principais processos que atuam na 
produ�vidade, transformando-os em variáveis quan�ficáveis.
Mais recentemente, alguns desses modelos foram aperfeiçoados e integrados às técnicas 
de sensoriamento remoto, com resultados bastante encorajadores, apesar da alta variabilidade 
espacial da produ�vidade ob�da. 
É o caso do método desenvolvido pelo Laboratório Lapis, para avaliação e diagnós�co 
agrometeorológico, baseado em dados de satélites, ob�dos pelo Sistema EUMETCast (BARBOSA, 
2013). Trata-se de um sistema descentralizado de recepção de dados de satélites, que fornece 
dados frequentes e precisos, sobre diversos parâmetros agrometeorológicos, tais como: 
evapotranspiração potencial e de referência, albedo da super�cie, temperatura da super�cie 
terrestre, radiação solar, precipitação, índices de vegetação, umidade do solo, etc.
99
O método do Lapis foi estruturado no Curso “Mapa da Mina” ( ), h�p://mapadamina.org.br/
o treinamento prá�co que ensina a gerar mapas, processar e analisar imagens de satélites, no 
QGIS, um so�ware SIG gratuito e de código aberto. 
100
http://mapadamina.org.br/
PARA APROFUNDAR O CONTEÚDO DESTE TÓPICO
Nas úl�mas décadas,uma crescente quan�dade de produtos potencialmente úteis, 
derivados do sensoriamento remoto, tornaram-se disponíveis. Todavia, seu potencial para 
melhorar o desempenho de modelos agrometoeorológicos devem ser avaliados e validados, em 
nível local. 
101
h�ps://lapismet.com.br/satelite/
h�ps://www.letrasambientais.org.br/posts/5-razoes-para-u�lizar-imagens-de-
satelites-na-gestao-agricola
https://lapismet.com.br/satelite/
https://www.letrasambientais.org.br/posts/5-razoes-para-utilizar-imagens-de-satelites-na-gestao-agricola
https://www.letrasambientais.org.br/posts/5-razoes-para-utilizar-imagens-de-satelites-na-gestao-agricola
102
Essas técnicas são u�lizadas para se es�mar a produ�vidade das lavouras, a par�r de 
componentes como balanço de radiação, precipitação, temperatura da super�cie, 
evapotranspiração potencial, balanço de energia, entre outros.
O monitoramento por satélite complementa o conhecimento adquirido em campo, por 
profissionais da agricultura e produtores rurais. As observações permitem orientar e in situ 
calibrar a análise dos dados de satélite, oferecendo uma boa base para integração espaço-
temporal, de ambos os �pos de dados. Combinar essas informações, com séries de longo prazo 
disponíveis, permite análises espaciais mais qualificadas, para a agricultura. 
Porém, os procedimentos esta�s�cos dos modelos agrometeorológicos e agronômicos 
não costumam ter orientação prá�ca, para a tomada de decisão. Seu baixo desempenho, muitas 
vezes, é consequência de conjuntos de dados de entrada limitados.
Dessa forma, a es�ma�va da produ�vidade das lavouras, seja de soja, milho ou cana-de-
açúcar, torna-se mais estratégica, quando se associam produtos derivados de técnicas de 
sensoriamento remoto, com modelagem numérica.
Os produtos de satélites fornecem dados frequentes e bastante aproximados, de diversos 
parâmetros agrometeorológicos. Com o método do Laboratório Lapis, é possível u�lizar um 
catálogo de produtos agrometeorológicos, baseados em dados de satélites, para o 
monitoramento da produ�vidade agrícola. Dentre eles, estão: umidade do solo, precipitação, 
evapotranspiração potencial e de referência, albedo de super�cie, índices de vegetação, 
temperatura da super�cie, radiação solar, entre outros.
Processados no so�ware QGIS e visualizados em forma de mapas, esses indicadores 
oferecem um monitoramento completo das lavouras, orientando a adoção de medidas, para 
aumentar a produ�vidade. 
Essa tecnologia, associada ao conhecimento empírico do campo, em muito auxiliam para a 
es�ma�va do período de crescimento e desenvolvimento das lavouras. Dessa forma, torna-se 
possível alavancar a produção agrícola, com mais sustentabilidade.
As a�vidades relacionadas ao processamento de dados geográficos/georreferenciados 
consistem em captar, organizar e elaborar mapas. Para isso, o QGIS, um SIG totalmente gratuito e 
de código aberto, é uma das ferramentas mais poderosas. O so�ware permite adquirir, manipular, 
integrar, analisar e apresentar os dados georreferenciados, facilitando seu processamento.
Confira, a seguir, como funciona o método do Lapis para es�mar a produ�vidade das 
lavouras. 
103
Os dados de satélites u�lizados, na validação do método, foram ob�dos a par�r da sua 
própria estação de recepção de dados de satélites “Sistema EUMETcast”. Esses dados são 
u�lizados para es�mar o período de crescimento e desenvolvimento das culturas, seja da cana-
de-açúcar ou de outros cul�vos.
A abordagem do sensoriamento remoto, para quan�ficar es�ma�vas da produ�vidade da 
cana-de-açúcar, são computadas para cada pixel do mapa, usando imagens do NDVI, 
produ�vidade de matéria seca (DMP, sigla do inglês ) e evapotranspiração Dry Ma�er Produc�vity
potencial (ETp). São aplicadas �sica de balanço radia�vo, aerodinâmico e energé�co, em 9 etapas 
de processamento digital dos indicadores, no QGIS.
104
da
,
São produtos baseados em sensoriamento remoto, como SPOT Vegeta�on-2, SPOT-5, do 
satélite SPOT; NDVI, do satélite Meteosat-11; DMP, do programa Copernicus, com resolução 
espacial de 1 km; e o produto LSA-SAF de ETp, para a América do Sul.
105
São geradas séries temporais de dados raster de NDVI, nas quais cada mapa da cobertura 
vegetal representa a média do NDVI, para o período de 10 dias. Durante a importação dos dados, 
são re�dos apenas os valores do que sa�sfazem os critérios dos “flag”, como ausência de mapa, 
nuvens, pixels terrestres, boa qualidade radiométrica nas bandas Vermelha (RED) e 
InfraVermelho Próximo (NIR). 
O FVC é conver�do para IAF, por meio de uma equação proposta por Norman et. al. (2003), 
conforme a equação 2.
106
Para o processamento deste cálculo, para cada um dos mapas de NDVI, pertencentes à 
série temporal, foi u�lizado o so�ware QGIS, com fornecimento das informações solicitadas nos 
campos da calculadora raster. 
Berka et. al. (2003) desenvolveram uma abordagem simples, para derivar a taxa de 
crescimento, a par�r do LAI, veja a equação 3.
107
O Coeficiente de cul�vo (Kc) é específico ao estágio de crescimento do cul�vo. A 
evapotranspiração, em qualquer momento da estação de crescimento, é o produto da 
evapotranspiração de referência pelo coeficiente do cul�vo, como mostrado na equação 5. 
O Satellite Applica�on Facility on Land Surface Analysis (LSA-SAF) faz parte do segmento 
terrestre de aplicação da Eumetsat. Está focado no desenvolvimento e processamento de 
produtos de satélite, que caracterizam as super�cies con�nentais, como produtos de radiação, 
vegetação, evapotranspiração e incêndios florestais.
108
.
.
.
.
Por meio do uso dos recém-desenvolvidos produtos LSA-SAF, pode-se agora obter medidas 
frequentes e precisas de diversos parâmetros agrometeorológicos básicos (ex. albedo da 
super�cie, temperatura da super�cie, evapotranspiração, dentre outros). Os parâmetros 
agrometeorológicos es�mados por satélite têm várias vantagens, se comparados aos es�mados 
usando a rede dispersa de observações meteorológicas de super�cie. 
No QGIS, exibindo-se a série temporal como uma sequência animada, uma lista de mapas 
será compilada, processando-se o produto LSA-SAF ET, a cada 30 minutos, entre o período 
avaliado. Todos os produtos serão adicionados em base diária e corrigidos para o intervalo 
avaliado. O produto é expresso em unidades de mm/hr. 
Os produtos diários deverão ser somados e terão suas médias calculadas em 10 dias. O 
desvio padrão também será calculado e agregado para esse mesmo período.
Para obtenção do valor de evapotranspiração do cul�vo, será u�lizada a série temporal de 
dados ETp_avg e ET_std, adotando-se o seguinte procedimento: 
Para os meses avaliados, o valor adotado para o coeficiente de cul�vo, será equivalente 
aos estágios de desenvolvimento da cultura, sendo:
Uma vez efetuados todos os cálculos, uma nova lista de mapas será criada.
Passo 7: Es�ma�va da produ�vidade da cana-de-açúcar
A es�ma�va da safra da cana-de-açúcar, durante o processo de crescimento, em base de 
dez dias, é feita usando um modelo agrometeorológico (Equação 7), seguindo o Doorenbos e 
Kassam (1979): 
109
Nesta etapa, pode ser usada a máscara para extrair o valor da safra es�mada (Ye). A lista de 
mapas de Ye resultante deve ser sobreposta à máscara das fronteiras municipais, da região 
analisada. 
Esse procedimento é feito no so�ware QGIS. Com a série temporal dos mapas disponível, 
no painel de camadas, basta usar a máscara para extrair o valor de “Ye”, para a região. É só clicar 
em Raster > Recorte > Recortar por Camada de Máscara. 
A série temporal de Ye corresponde à safra es�mada da cana-de-açúcar, em base dezenal. Para 
se es�mar a Produ�vidade Total da Safra, para toda a série temporal, cada dezena da lista de mapas 
“Ye” deverá ser acumulada. 
Finalmente, para se es�mar a produ�vidade total da safra, a quan�dade média da água (76%) 
sem estresse é adicionada à cana-de-açúcar, e o peso inicial dos caules, durante o plan�o, deve ser 
também adicionado(aqui o valor de 15 ton/ha é u�lizado).
A imagem gerada mostrará os resultados finais da análise, usando as fronteiras municipais e a 
máscara da cana-de-açúcar, sobrepostas ao mapa Ye_total. 
Dessa forma, obtém-se uma informação crucial para se es�mar a produ�vidade agrícola, de 
diferentes cul�vos, a par�r da incorporação de produtos de satélite e técnicas de sensoriamento 
remoto.
Com esse modelo agrometeorológico, seguindo cada etapa do método, geram-se produtos 
para monitoramento climá�co e ambiental da cana-de-açúcar, usando o QGIS, um SIG gratuito e de 
código aberto. 
110
O Curso “Mapa da Mina” é o treinamento prá�co do Laboratório Lapis que ensina como gerar 
mapas, processar e analisar esses �pos de produtos agrometeorológicos, para monitoramento 
agrícola, climá�co e ambiental. 
111
capítulo 8
Prática no QGIS: 
processando e 
analisando 
imagens de 
satélites
Nesta prá�ca, vamos u�lizar dados de alta resolução, da constelação de satélites 
Planetcope, para quan�ficar uma área de desmatamento de floresta por corte raso. 
Se preferir acompanhar essa demonstração em formato de videoaula, acesse esta 
apresentação: A prá�ca no QGIS está h�ps://www.youtube.com/watch?v=ML5b41RGIUk
disponível no tempo 16:24 minutos do vídeo.
Esta demonstração prá�ca é apenas uma amostra das videoaulas que fazem parte do Curso 
de QGIS “Mapa da Mina”. O treinamento 100% prá�co vai desde o básico até o avançado, contando 
com suporte técnico do Laboratório Lapis. 
Nesta prá�ca, a quan�ficação de dano e floresta remanescente será feita a par�r de três 
etapas de aplicação dos dados de satélite, no QGIS. 
Essa mesma metodologia pode ser u�lizada para realizar classificação e mapeamento, em 
várias outras áreas, como: florestal, planejamento urbano, agricultura, mineração, meio ambiente 
etc. 
Essas são as duas imagens com as quais iremos trabalhar no QGIS, referentes ao Tempo (T1), 
em maio, e Tempo (T2), em julho. A terceira imagem é resultante da vetorização da área 
desmatada. 
113
h�ps://letrasambientais.org.br/04_DESMATAMENTO.rar
https://www.youtube.com/watch?v=ML5b41RGIUk
https://letrasambientais.org.br/04_DESMATAMENTO.rar
114
Dados da constelação de satélites PlanetScope baixados e descompactados para a prá�ca.
115
116
117
 No espaço em branco, da calculadora de expressão raster, basta inserir , u�lizando a equação
os operadores, seguindo o passo 13. U�lize primeiro as bandas da imagem “maio”, conforme o 
passo 14.
118
119
120
121
122
 Ao abrir a janela “mesclar”, é importante marcar a opção “Coloque cada arquivo de entrada 
em uma banda separada”, conforme o passo 17. Essa opção é a�vada justamente para habilitar a 
técnica de Layerstack (empilhamento das bandas), no momento da mesclagem das imagens
123
Na opção “Mesclado”, selecione a opção “Salvar arquivo” (passo 21). Escolha o local para 
salvar a camada mesclada e atribua o nome “Mesclado”, ao arquivo resultante. Em seguida, clique 
em “Executar” (passo 22). 
124
Quan�ficando a área desmatada com a técnica de classificação baseada em vetorização manual
125
Preencha as informações, conforme o passo a passo demonstrado abaixo. Clique nos três 
pon�nhos e salve o arquivo vetorial criado com o nome “floresta”: 
126
127
Ao finalizar a vetorização, clique com o botão direito do mouse (passo 28) e vai aparecer uma 
caixa, para salvar os atributos na tabela. 
128
129
Clique na seta de “Geometria”, selecione e dê dois cliques na opção “$Área” (passo 31). Faça 
a razão de $Área / 1000000 (passo 32). É necessário que apareçam abaixo os números de pré-
visualização. Clique em “OK”.
130
Esta demonstração prá�ca faz parte do programa do Curso de QGIS “Mapa da Mina” 
( ), do Laboratório Lapis. Se você quer se aprofundar no domínio do h�p://mapadamina.org.br/
geoprocessamento no QGIS, de forma passo a passo, com videoaulas e tutoriais detalhados, 
inscreva-se em nosso treinamento online. No Curso, você contará com o suporte técnico e 
acompanhamento do Laboratório Lapis, durante seu desenvolvimento, até dominar 
defini�vamente o QGIS. 
Os dados da constelação de satélites PlanetScope, usados nesta prá�ca no QGIS, foram 
ob�dos por meio do Projeto Brasil M.A.I.S (Meio Ambiente Integrado e Seguro), da Polícia Federal, 
ligado ao Ministério da Jus�ça e Segurança Pública do Brasil. O Programa incen�va o uso de 
imagens de alta resolução, para ações de mapeamento ambiental e combate à criminalidade, no 
País. 
131
http://mapadamina.org.br/
A Plataforma do Programa Brasil Mais (2022) permite o acesso e compar�lhamento das 
imagens de satélites diárias, com resolução espacial de 3 metros, ob�das pela constelação 
PlanetScope, composta por mais de 130 satélites.
O compar�lhamento das imagens visa contribuir para que o acesso e a u�lização dos 
produtos fornecidos, pelo Brasil Mais, sejam potencializados, entre as ins�tuições e milhares de 
usuários de todo Brasil, cadastrados na Plataforma.
Desde janeiro de 2022, o Laboratório Lapis assinou um termo de adesão ao Programa Brasil 
Mais, para realizar pesquisas e treinamentos de alto nível, na área de geotecnologias. Em 
contrapar�da, o Lapis oferece dados do Sistema EUMETCast, para apoio à Polícia Federal. A 
Universidade Federal de Alagoas (Ufal), por meio do Laboratório Lapis, foi a primeira ins�tuição de 
ensino do Brasil a aderir ao Programa. Foi também a primeira universidade a instalar o Sistema 
EUMETCast, para recepção descentralizada de dados de satélites. 
132
ALBUQUERQUE, Erickson Melo de. Modelagem para a es�ma�va da produ�vidade da cana-de-açúcar 
através de sensoriamento remoto. UFCG, 2014.Dissertação de Mestrado em Meteorologia.
BARBOSA, Humberto. uma abordagem aplicada dos satélites Meteosat de Sistema EUMETCast:
s e g u n d a g e r a ç ã o . M a c e i ó - A L : U F A L , 2 0 1 3 . D i s p o n í v e l e m : 
h�ps://www.letrasambientais.org.br/comprar-sistema-eumetcast Acesso em: 01 Març 2022.
BRASIL MAIS. Meio Ambiente Integrado e Seguro. Polícia Federal. 
Disponível em: . Acesso em: 15.04.2022. h�ps://plataforma-pf.sccon.com.br/#/
BLAIN, G. C.; MESCHIATTI, M. C. Inadequacy of the gamma distribu�on to calculate the Standardized 
Precipita�on Index. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 19, n. 12, p. 1129-1135, 
2015.
BIEDERMAN, J. A. et. al. CO2 exchange and evapotranspira�on across dryland ecosystems of 
s o u t h w e s t e r n N o r t h A m e r i c a . G l o b a l C h a n g e B i o l o g y. 2 0 1 7 . D i s p o n í v e l e m : 
h�ps://doi.org/10.1111/gcb.13686
BURITI, Catarina de Oliveira; BARBOSA, Humberto Alves. por que as polí�cas Um século de secas:
hídricas não transformaram o Semiárido brasileiro? Lisboa-Portugal: Chiado Editorial, 2018. 454 p. 
CNI – Confederação Nacional da Indústria. O setor sucroenergé�co em 2030: dimensões, inves�mentos 
e uma agenda estratégica. Brasília-DF: CNI, 2017.
DOORENBOS, J.; KASSAM, A.H. Rome-Itália: FAO, 1979. 193p. Yield response to water. 
ESCORIHUELA, M. J.; QUINTANA-SEGUÍ, P. Comparison of remote sensing and simulated soil moisture 
datasets in Mediterranean landscapes. Interna�onal Journal of Remote Sensing, v. 180, 2016. p. 99-
114.
GISGEOGRAPHY. Disponível em: QGIS Plugins: The Lifeblood of Open Source GIS. 
h�ps://gisgeography.com/qgis-plugins/ Acesso em: 08.02.2022, às 10h20.
GISGEOGRAPHY. QGIS Tutorial: How To Use QGIS 3. Disponível em: h�ps://gisgeography.com/qgis-
tutorial-how-to-use-qgis-3/ Acesso em: 08.02.2022, às 12h52.
GISGEOGRAPHY. Disponível em: 13 Free GIS So�ware Op�ons: Map the World in Open Source. 
h�ps://gisgeography.com/free-gis-so�ware/ Acesso em: 01.03.2022, às 14h52.
133
https://www.letrasambientais.org.br/comprar-sistema-eumetcast
https://plataforma-pf.sccon.com.br/
https://doi.org/10.1111/gcb.13686
https://gisgeography.com/qgis-plugins/
https://gisgeography.com/qgis-tutorial-how-to-use-qgis-3/
https://gisgeography.com/qgis-tutorial-how-to-use-qgis-3/
https://gisgeography.com/free-gis-software/