O Sensoriamento Remoto na Pesquisa sobre o Novo Coronavírus

O Sensoriamento Remoto na Pesquisa sobre o Novo Coronavírus

Imagens de satélite podem indicar que a pandemia da Covid-19 pode ter começado mais cedo do que se acredita na China.

Alguns pesquisadores da Universidade de Harvard, nos Estados Unidos, ligados ao setor de Sensoriamento Remoto, afirmam ser possível identificar em imagens satélite um aumento considerável de tráfego de veículos em cinco dos maiores hospitais de Wuhan, cidade chinesa, num período anterior à divulgação da pandemia. Esse aumento teria acontecido entre os meses de agosto e dezembro de 2019.


Como essa tese foi elaborada?

Foram analisados dados de imagens coletadas e disponibilizadas por satélites comerciais, referentes às áreas no entorno de cinco hospitais na cidade de Wuhan. Esses dados foram comparados aos coletados em 2018 no mesmo período relativo a 2019.

Os analistas de imagens, após a interpretação dos dados, descobriram que no mês de outubro de 2018, foram contabilizados 171 (cento e setenta e um) carros no estacionamento do hospital Tianyou. Já nas imagens coletadas em outubro de 2019, as análises das imagens satélite mostraram que esse número subiu para 285 (duzentos e oitenta e cinco) veículos, o que representa um acréscimo de 67%.

A caráter de confirmação, também foram analisadas imagens do mercado de frutos do mar de Huanan, e verificou-se um esvaziamento no tráfego de veículos nesse local, após o início da pandemia.

Nesse mesmo período, o site chinês Baidu relatou ter havido um aumento significativo, em sua ferramenta de buscas, por palavras que são associadas aos sintomas do Novo Coronavírus.


Por que a pesquisa é relevante?

Trabalhos como esse não poderiam ter sido feitos na década passada, quando as imagens disponibilizadas pelos sensores comerciais eram restritas às médias e baixas resoluções espaciais. Seria impossível, por exemplo, determinar a quantidade de veículos em um estacionamento, a partir de uma imagem Landsat, que possui um pixel com dimensões de 30 x 30 metros.

Os novos sensores que veem sendo desenvolvidos nos últimos anos deram um salto tecnológico e, atualmente, vários sensores orbitais geram imagens com resoluções espaciais submétricas, que eram, anteriormente, restritas aos sensores aeroembarcados.

Essas imagens, com altíssimas resoluções espaciais, estão disponíveis e podem ser adquiridas no mercado. Diferentemente do tempo em que apenas os setores militares tinham acesso a essa tecnologia.


Análises desse tipo são confiáveis?

Todo trabalho publicado tem seu mérito, porém é preciso cautela e discernimento quanto às fontes de informação que utilizam essas tecnologias, para gerar seus resultados. Além de ser necessário analisar que método foi utilizado, para obter esses resultados. Uma vez que dados isolados no tempo não apontam, necessariamente, para um padrão amostral que se repita.

No caso do estudo em questão, as imagens apresentadas como fundamento para as conclusões dos pesquisadores são instantâneos de dois momentos distintos no tempo, que analisadas isoladamente podem inferir um padrão inexistente. Como exemplo disso, imaginem que uma imagem tomada de um estacionamento, situado ao lado de uma escola, num domingo sem aulas. Porém, nesse dia a haverá um concurso nas dependências da escola. Por esse motivo, nessa imagem pode aparecer um padrão no volume de veículos, maior do que aquele verificado em um dia letivo comum. Uma análise comparativa entre essa imagem e uma outra, tomada em um dia normal, pode ser equivocada, pois pode levar o analista a afirmar que, naquele domingo, houve mais alunos naquela escola, do que num dia comum. Para garantir a confiabilidade das informações disponibilizadas, deve-se conhecer a fonte e o método utilizado.


por Carlos Alberto Branco Marinho – Dr.

Professor e Especialista em Sensoriamento Remoto

Geo Sem Fronteiras

carlos.marinho@geosemfronteiras.org

Categoria

Tem uma pergunta?

Entre em contato com nosso suporte para qualquer dúvida.

Posts Recentes

O que é Agricultura de Precisão?

USANDO DRONES EM GEOPROCESSAMENTO

Introdução ao Google Earth Engine

Como definir a terminologia da agricultura de precisão