Geoprocessamento aplicado à Engenharia Ambiental e Sanitária

Dados Gerais da Disciplina: Geoprocessamento aplicado à Engenharia Ambiental e Sanitária

• Tipo de disciplina: Optativa
• Carga Horária: 64h
• Créditos: 4
• Nível: Mestrado
• Área de Concentração: Recursos Hídricos e Saneamento Ambiental
• Linha de Pesquisa: -
• Ementa: Conceitos básicos de geoprocessamento; ciências, tecnologias e técnicas de aquisição de dados geográficos; análise de dados geográficos vetoriais e matriciais; geoestatística; análise espacial de dados hidrológicos; geoprocessamento na gestão ambiental; geoprocessamento e saneamento ambiental.  
• Bibliografia:
  1. Almeida, C. M.; Câmara, G.; Meirelles, M. S. P. 2007. Geomática: Modelos e Aplicações. EMBRAPA, Rio de Janeiro
  2. Aronoff, S. 1991. Geographic Information Systems: A management perspective. 2 ed. Ottawa, WDL, 294 p.
  3. Artiola, J. F.; Pepper, I. L.; Brusseau; M. L. 2004. Environmental Monitoring and Characterization. Burlington-MA: Ed. Elsevier Science & Technology Books
  4. Batistela, M.; Moran, E. F. 2008. Geoinformação e Monitoramento Ambiental na América Latina. São Paulo: SENAC
  5. Burrough, P. A. 1986. Principles of Geographical Information Systems for Land Resources Assessment. Oxford: Butler and Tanner, 194 p.
  6. Câmara, G., Medeiros, J. S. 1996. Geoprocessamento para projetos ambientais. Apostila. INPE, São José dos Campos. 147 p.
  7. Câmara, G. et al. Anatomia de Sistemas de Informação Geográfica, Campinas, Escola de Computação, 193 p.
  8. Silva, A. B. 2003. Sistemas de Informações Geo-Referenciadas: Conceitos e Fundamentos. Campinas: Editora da Unicamp
  9. Wiersma, G. B. 2004. Environmental monitoring. Boca Raton-FL: CRC-PRESS
  10. Alencar, A.A.C.; Arruda, V.L.S.; Silva, W.V.d.; Conciani, D.E.; Costa, D.P.; Crusco, N.; Duverger, S.G.; Ferreira, N.C.; Franca-Rocha, W.; Hasenack, H.; Martenexen, L.F.M.; Piontekowski, V.J.; Ribeiro, N.V.; Rosa, E.R.; Rosa, M.R.; dos Santos, S.M.B.; Shimbo, J.Z.; Vélez-Martin, E. Long-Term Landsat-Based Monthly Burned Area Dataset for the Brazilian Biomes Using Deep Learning. Remote Sens. 2022, 14, 2510