Novos cursos de sensoriamento remoto hiperespectral: níveis básicos e avançado

A Fundação Joaquim Nabuco (Fundaj), por meio das Diretorias de Formação e Inovação (Difor) e de Pesquisas Sociais (Dipes), oferece dois novos cursos intensivos de curta duração: “PRINCÍPIOS DESENSORIAMENTO REMOTO HIPERESPECTRAL” (básico) e “SENSORIAMENTO REMOTO HIPERESPECTRAL: PROCESSAMENTO DE IMAGENS E APLICAÇÕES” (avançado). Objetivos: básico - apresentar conceitos e aplicações de sensoriamento remoto hiperespectral; avançado - discutir o processamento, análise e interpretação de imagens hiperespectrais, adquiridas por sensores como o AVIRIS, Hyperion/EO-1 e CHRIS/PROBA. Os cursos serão ministrados pelo Prof. Dr. Lênio Soares Galvão, do Instituto Nacional de Pesquisas Espaciais – INPE, São José dos Campos, SP. Público-alvo: gestorespúblicos e analistas ambientais, pesquisadores, professores da rede pública de curso superior e alunos de pós-graduação da área de Eng. Cartográfica, Geografia e Meio Ambiente. 30 h/aula/cada | 2ª.a 6ª. feiras | 9 às 12h e 14 às 17h | Local do curso: CIEG, Apipucos, Recife-PE. Cursos gratuitos! Vagas limitadas (10)! Pré-requisitos: básico - Curso “Sensoriamento Remoto e MonitoramentoAmbiental” ou equivalente; avançado – Curso “Princípios de Sensoriamento Remoto Hiperespectral” ou equivalente (comprovação via CV Lattes). Maiores informações: (81) 3073-6641 c/ Lígia.

Inscrições: enviar email para Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo. com assunto “Inscrição cursos Hiperespectral”; anexar CV Lattes (pdf) e informar nome completo, CPF, end., tel./cel. p/ contato,instituição onde trabalha/estuda, respondendo: “Qual o motivo para fazer os cursos?”.

Período para inscrição: 04 a 15/09/2017.

Resultado da seleção: até 29/09/17 na aba da CIEG, item cursos.

Período de realização: Básico - 06 a 10/11/17; Avançado - 27/11 a 01/12/17.

Conteúdos Programáticos

Básico: Sensoriamento remoto e espectro eletromagnético;Imagens e espectros; Conceitos radiométricos; Resoluções; Sensoriamento remoto multiespectral ehiperespectral; Cubo hiperespectral; Atividadespráticas com imagens. Sensores hiperespectrais; Especificações técnicas; Fatores que afetam aaquisição de imagens; Atividades práticas comimagens. Propriedades espectrais da vegetação; Solos; Rochas; Água; Materiais urbanos. Atividades práticascom imagens. Imagens Hyperion/EO-1; Chris/PROBA; EnMAP; HyspIRI; Sensores aerotransportados; Download de imagens; Pré- processamento deimagens hiperespectrais; Atividades práticas comimagens. Influência da atmosfera; Correção dosefeitos atmosféricos em dados multiespectrais ehiperespectrais; Atividades práticas com imagens. Índices de vegetação; Atividades práticas comimagens. Detecção de objetos em imagens hiperespectrais; Atividades práticas com imagens. Sensoriamento remoto hiperespectral da vegetação; Atividades práticas com imagens. Sensoriamentoremoto hiperespectral da vegetação; Modelo linear demistura espectral; Análise por componentes principais; Atividades práticas com imagens. Desafios etendências em estudos da vegetação; Atividades práticas com imagens.

Avançado: Sensoriamento remoto hiperespectral: revisão deconceitos básicos; Sensores hiperespectrais orbitais eaerotransportados; Missões futuras; Atividade práticacom imagens. Correção radiométrica e geométrica dedados hiperespectrais; Manipulação de imagens eespectros; Bibliotecas espectrais; Simulação desensores; Atividade prática com imagens. Caracterização dos componentes de cena; Geração deimagens índices de vegetação; Razões de bandasestreitas; Técnicas de Seleção de endmembers; Minimum Noise Fraction (MNF); Espectros dereferência; Atividade prática com imagens. Técnicasavançadas de detecção de alvos em imagenshiperespectrais; Spectral Angle Mapper (SAM); Modelo de mistura espectral; Matched Filtering (MF); Mixture Tuned Matched Filtering (MTMF); Spectral Feature Fitting (SFF); Atividade prática com imagens. Análise espectral avançada usando imagenshiperespectrais; Método do contínuo espectral; Geração de imagens “bandas de absorção”; Atividade prática com imagens. Efeitos topográficos sobre índices de vegetação; Correção topográfica; Efeitos bidirecionais em imagens hiperespectrais; Atividade prática com imagens. Classificação não supervisionada; Classificação supervisionada; Efeito Hughes em classificação; Seleção de atributos; Atividade prática com imagens. Classificação por Máxima Verossimilhança (MAXVER); Support VectorMachine (SVM); Random Forest (RF), Árvore deDecisão; Atividade prática com imagens. Detecção demudanças; Detecção de anomalias; Máscara devegetação; Estudos hiperespectrais avançados em Agricultura; Atividades práticas com imagens. Estudos hiperespectrais avançados em floresta; Fusão dedados hiperespectrais e LiDAR; Atividade prática com imagens.