Uma lista curta e opinativa do que usamos e recomendamos. Sugestões são bem-vindas no GitHub.
Fontes de dados
| Copernicus Data Space Ecosystem |
Sentinel-1, 2, 3 e 5P completos, com API STAC e openEO |
Gratuito, com cadastro |
| USGS EarthExplorer |
Landsat (desde 1972), MODIS, ASTER, SRTM |
Gratuito, com cadastro |
| NASA Earthdata |
MODIS, VIIRS, HLS (Landsat + Sentinel harmonizados), GEDI, SMAP |
Gratuito, com cadastro |
| Microsoft Planetary Computer |
Sentinel, Landsat, MODIS, DEMs, cobertura da terra, via STAC |
Gratuito, sem login para leitura |
| Google Earth Engine |
Catálogo de petabytes com processamento na nuvem |
Gratuito para pesquisa e ensino, com cadastro |
| INPE: Catálogo de Imagens |
CBERS-4, CBERS-4A, Amazonia-1 |
Gratuito, com cadastro |
| INPE: Brazil Data Cube |
Cubos de dados CBERS, Sentinel-2 e Landsat sobre o Brasil, com STAC |
Gratuito |
| MapBiomas |
Cobertura e uso da terra anual do Brasil desde 1985 |
Gratuito |
Bibliotecas Python
| GDAL |
A base de quase tudo: leitura e escrita de rasters e vetores |
| rasterio |
Leitura e escrita de rasters com uma API pythônica sobre o GDAL |
| rioxarray |
Rasters como xarray, com CRS, recorte e reprojeção |
| xarray |
Arrays multidimensionais rotulados: séries temporais e cubos de dados |
| geopandas |
Dados vetoriais em tabelas, com operações espaciais |
| pystac-client |
Busca em catálogos STAC |
| stackstac |
Itens STAC para um cubo xarray em uma linha |
| odc-stac |
Carrega itens STAC em xarray, com reprojeção e agrupamento |
| leafmap |
Mapas interativos em notebooks |
| geemap |
Google Earth Engine em Python, com mapas interativos |
| torchgeo |
Datasets, amostragem e modelos de deep learning para dados geoespaciais |
| scikit-learn |
Classificação e regressão clássicas (Random Forest, SVM…) |