Nova turma · 23 de setembro
Geoprocessamento no R, sem depender de apertar botões.
Aprenda a construir, entender e automatizar análises de geoprocessamento e sensoriamento remoto com R — mesmo que você ainda não tenha experiência com programação.
- 1area <- st_read("area_estudo.shp")
- 2img <- rast("sentinel2.tif") |> crop(area)
- 3ndvi <- (img$B8 - img$B4) / (img$B8 + img$B4)
- 4modelo <- randomForest(classe ~ ., amostras)
- 5mapa <- predict(img, modelo)
- 6writeRaster(mapa, "uso_cobertura.tif")
O problema
O mapa final é só o resultado.
Você saberia explicar por que ele está certo?
Alguém pede um mapa de uso e cobertura da terra. Você entrega o mapa. Mas produzir o resultado é só uma parte do trabalho.
O profissional precisa saber:
- o que aconteceu com o dado
- como a classificação foi construída
- como o resultado foi validado
- qual é a acurácia da saída
O Método geo.R foi criado para tirar você da execução mecânica e levar você à compreensão do processo.
A principal objeção
“Mas eu não sei programar.”
Você não precisa começar como programador.
O objetivo é entender o que o código está fazendo e aprender a construir seus próprios scripts para análise espacial.
- 1 · IMPORTARAbrir o vetor e a imagem de satélite.
area <- st_read("fazenda.shp") img <- rast("sentinel2.tif") - 2 · PROCESSARRecortar para a área e calcular o índice de vegetação.
img <- crop(img, area) |> mask(area) ndvi <- (B8 - B4) / (B8 + B4)
- 3 · ANALISARTreinar o classificador e medir a acurácia.
modelo <- randomForest(classe ~ ., amostras) acc <- confusionMatrix(pred, ref)
- 4 · MAPEARGerar e salvar o mapa final.
mapa <- predict(img, modelo) writeRaster(mapa, "uso_cobertura.tif")
O que você vai aprender a fazer
Do dado bruto ao mapa final.
O curso vai do uso fundamental do R ao processamento e classificação de dados geoespaciais reais.
Transformação
Da primeira linha de código à análise independente.
- 1Nunca usei R
- 2Entendo o script
- 3Processo dados espaciais
- 4Analiso imagens
- 5Classifico
- 6Automatizo
Mais independência para analisar, validar e explicar seus resultados.
Quem ensina
Aprenda com quem usa isso na prática.
Juliana Diniz
Dra. em Sensoriamento Remoto — INPE
Bacharel em Engenharia Florestal pela Universidade Federal de Lavras, Mestra e Doutora em Sensoriamento Remoto pelo INPE.
Atualmente é Especialista em Geoprocessamento na Bracell, onde atua com monitoramento florestal, sensores ópticos e radar e rotinas automatizadas em R.
- SIG
- Vegetação
- Sentinel-1
- ALOS-PALSAR-1
- Rotinas em R
Apoio
Você não começa sozinho.
Introdução à linguagem R
Para quem nunca trabalhou com R: o essencial para acompanhar as aulas desde o início.
Introdução ao sensoriamento remoto
Uma revisão dos conceitos fundamentais que sustentam o trabalho prático.
Scripts comentados
Acesso aos scripts usados nas aulas, com comentários para entender, adaptar e reutilizar.
data_abertura <- as.Date("2026-09-23")
23 · 09
abertura das inscrições
A nova turma está chegando.
Em 23 de setembro, abriremos as inscrições para o Método geo.R e revelaremos a condição especial de abertura desta turma.
Entre na lista agora e receba as informações da abertura.
- 40 horas
- de aulas e atividades
- 1 ano
- de acesso
- Certificado
- de conclusão
- Softwares gratuitos
- R e ferramentas livres
- Do básico ao avançado
- sem pré-requisito de programação
Perguntas essenciais
O que você precisa saber agora.
Você não precisa virar programador.
Precisa parar de depender apenas dos botões.
Entre na lista da nova turma do Método geo.R e receba a condição de abertura no dia 23 de setembro.