Se você caiu nesse post procurando entender o que é sensoriamento remoto sem precisar de doutorado pra decifrar, chegou no lugar certo. Eu sou o Leonardo, fundador do Clube do GIS, e tô na área desde 2014. Já formei mais de 10.000 alunos em QGIS e geoprocessamento, e a maior dificuldade que vejo de quem tá começando é justamente essa: sensoriamento remoto parece um bicho de sete cabeças porque a maioria do material disponível é cheio de academiquês.
Esse post é diferente. Vou te explicar do zero, na linguagem de quem precisa entregar resultado, o que é sensoriamento remoto, quais satélites importam, como funciona o espectro eletromagnético, quais índices você precisa conhecer, onde baixar imagem de graça e quais ferramentas usar. É um guia denso, sim, mas digerível. Pega um café, separa uns 30 minutos, e quando terminar de ler aqui você já tem fundamento pra começar a trabalhar com imagem de satélite de verdade.
O que é sensoriamento remoto (sem academiquês)
Sensoriamento remoto é a técnica de obter informação sobre um objeto, área ou fenômeno sem entrar em contato físico com ele. A definição clássica é essa, mas vou traduzir: é tirar foto da Terra (ou de qualquer coisa) à distância e usar essa foto pra entender o que tá acontecendo no chão.
Quando você vê uma imagem de satélite mostrando desmatamento na Amazônia, isso é sensoriamento remoto. Quando o drone sobrevoa uma fazenda e gera um mapa de produtividade, sensoriamento remoto. Quando o INMET mede temperatura da superfície do mar pelo satélite GOES pra prever furacão, sensoriamento remoto.
A grande sacada é que diferentes sensores enxergam diferentes “cores” da luz, incluindo cores que nosso olho não vê (infravermelho, micro-ondas). E é exatamente nessas cores invisíveis que mora a mágica: vegetação saudável reflete muito infravermelho próximo, água absorve infravermelho, solo úmido reflete diferente de solo seco. A gente extrai informação combinando essas leituras.
Por que importa: Sensoriamento remoto deixou de ser nicho acadêmico e virou ferramenta de trabalho. Agro, meio ambiente, urbanismo, mineração, defesa, seguros, logística. Quem domina isso tem vantagem competitiva real no mercado.
Plataformas: onde os sensores ficam
O sensor não fica suspenso no ar sozinho. Ele precisa de uma plataforma. As cinco principais são:
Satélite. Plataforma orbital, fica entre 400km (órbita baixa, tipo ISS) e 36.000km (órbita geoestacionária). Vantagem: cobertura global, dado contínuo, séries temporais longas (Landsat tem dado desde 1972). Desvantagem: resolução espacial limitada (10m a 30m pra dados gratuitos), revisita fixa (volta no mesmo lugar a cada X dias), depende de céu limpo pra sensores ópticos.
Drone (VANT, RPAS). Aeronave não tripulada que voa entre 50m e 400m de altitude tipicamente. Vantagem: resolução altíssima (centímetros), você decide quando voar, sem nuvem (voa abaixo das nuvens). Desvantagem: cobertura pequena (algumas centenas de hectares por voo), regulamentação ANAC, custo de equipamento e operação.
Aeronave tripulada. Avião ou helicóptero com sensor a bordo. Usado em levantamentos aerofotogramétricos, LiDAR aéreo, ortofotos municipais. Vantagem: resolução boa, cobertura grande em uma só missão. Desvantagem: caríssimo, exige logística pesada.
Balão e dirigível. Plataforma de baixa altitude, custo menor que aeronave, voa lento e estável. Pouco usado comercialmente hoje, mas pesquisa científica e monitoramento atmosférico ainda usa.
IoT e sensores in situ. Não é “remoto” no sentido clássico, mas hoje a gente integra sensor de campo (estação meteorológica, sensor de umidade do solo) com imagem de satélite pra calibrar e validar. Plataforma fundamental no agro de precisão moderno.
Por que importa: Cada plataforma tem um caso de uso. Tentar mapear desmatamento na Amazônia inteira com drone é inviável. Tentar contar planta por planta na lavoura com Landsat de 30m também. Saber escolher a plataforma certa é metade do trabalho.
Tipos de sensor: passivo vs ativo
Aqui mora uma das distinções mais importantes que você precisa entender.
Sensor passivo. Capta energia que já existe no ambiente. A fonte de energia é o Sol. O sensor passivo é tipo uma câmera fotográfica: precisa de luz pra funcionar. Sem sol, sem dado (com exceção do térmico, que capta calor emitido pela própria Terra). Os principais: Landsat 8/9, Sentinel-2, MODIS, CBERS, GOES.
Sensor ativo. Emite a própria energia e capta o que volta refletido. Independe do Sol, funciona dia e noite, e atravessa nuvens. Os dois tipos principais:
- Radar (SAR, Synthetic Aperture Radar): emite micro-ondas, capta o retorno. Atravessa nuvem, atravessa fumaça, funciona à noite. Indispensável pra mapear áreas tropicais com nebulosidade alta. Sentinel-1 (banda C), ALOS PALSAR (banda L), TerraSAR-X, COSMO-SkyMed.
- LiDAR (Light Detection and Ranging): emite pulso de laser, mede o tempo de retorno. Gera nuvem de pontos 3D extremamente densa. Usado pra modelos digitais de terreno, inventário florestal, mapeamento urbano 3D. Hoje vem em satélite (GEDI, ICESat-2), aeronave e drone.
Por que importa: Quem trabalha na Amazônia ou no Cerrado em estação chuvosa SEM saber radar tá perdendo metade do ano em dado. Sentinel-1 atravessa nuvem e te entrega imagem mesmo no meio da chuva. É diferença entre conseguir entregar projeto ou não.
Espectro eletromagnético explicado
Toda a brincadeira do sensoriamento remoto gira em torno do espectro eletromagnético. Vou te dar o resumo prático.
Visível (0,4 a 0,7 micrômetros). É o que nosso olho enxerga. Azul, verde, vermelho. No Sentinel-2 são as bandas B2, B3 e B4. Boa pra identificar visualmente o que tá na imagem, fazer composição cor real, mapear corpos d’água, identificar tipos de uso do solo.
Infravermelho próximo (NIR, 0,7 a 1,3 micrômetros). Aqui mora o ouro. Vegetação saudável reflete muito NIR. Pavimento, água, solo nu refletem pouco. É a banda principal pra qualquer índice de vegetação. No Sentinel-2 é a B8.
Infravermelho médio (SWIR, 1,3 a 3 micrômetros). Sensível a teor de água em vegetação e solo. Ótimo pra mapear queimadas (área queimada absorve diferente), umidade do solo, distinção entre tipos de mineral. No Sentinel-2 são B11 e B12.
Infravermelho térmico (TIR, 3 a 14 micrômetros). Mede temperatura da superfície. Detecta foco de queimada ativo, calcula evapotranspiração, mapeia ilha de calor urbana, monitora vulcão. Landsat tem (banda 10), Sentinel-2 não tem (essa é uma limitação).
Micro-ondas (1mm a 1m). Faixa do radar. Atravessa nuvem, atravessa parte da vegetação. Diferentes bandas (X, C, L) penetram em diferentes profundidades. Banda L (ALOS PALSAR) penetra mais e enxerga estrutura do tronco. Banda C (Sentinel-1) é mais superficial.
Por que importa: Entender o espectro é entender por que NDVI funciona, por que radar atravessa nuvem, por que termal mostra queimada à noite. Sem isso você só decora receita.
As 4 dimensões da resolução
Quando alguém fala “qual a resolução desse satélite”, a resposta sempre tem 4 partes.
Resolução espacial. Tamanho do pixel no chão. Sentinel-2 tem 10m no visível, ou seja, cada pixel representa um quadrado de 10x10m. Landsat tem 30m. CBERS-4A pancromático tem 2m. Planet tem 3m. Quanto menor o pixel, mais detalhe você enxerga.
Resolução espectral. Quantas bandas o sensor capta e em que faixa. Câmera comum tem 3 bandas (RGB). Landsat 8 tem 11. Sentinel-2 tem 13. Sensor hiperespectral tem centenas. Mais bandas = mais informação química e física.
Resolução radiométrica. Quantos níveis de cinza o sensor distingue. Câmera de celular tem 8 bits (256 níveis). Landsat 8 tem 12 bits (4.096 níveis). Sentinel-2 tem 12 bits. Quanto mais bits, mais sensibilidade pra distinguir alvos parecidos.
Resolução temporal. Quanto tempo entre uma passagem e outra no mesmo lugar. Landsat 8: 16 dias. Combinado com Landsat 9: 8 dias. Sentinel-2 (com 2A e 2B): 5 dias. MODIS: diário. Planet: diário. Importante pra séries temporais e monitoramento contínuo.
Por que importa: Não existe satélite “melhor”. Existe satélite mais adequado pro seu projeto. Monitoramento de plantio diário? Planet ou MODIS. Mapeamento detalhado urbano? CBERS-4A pancromático ou Sentinel-2. Análise histórica desde 1985? Landsat. Cada problema pede uma combinação.
Os principais satélites de uso público em 2026
Landsat 8 e 9 (NASA / USGS). Os clássicos. Resolução espacial de 30m no visível e infravermelho, 100m no térmico (reamostrado pra 30m), 15m no pancromático. Revisita combinada de 8 dias. Cobertura global gratuita. Série Landsat tem dado desde 1972, é A REFERÊNCIA pra análise de mudança de longo prazo.
Sentinel-2A e 2B (ESA, programa Copernicus). A queridinha do iniciante. Treze bandas, resolução de 10m no visível e NIR, 20m no SWIR e red-edge, 60m em bandas atmosféricas. Revisita combinada de 5 dias. Gratuita, dado de qualidade absurda. Se você só puder estudar um satélite, estude esse.
Sentinel-1A e 1B (ESA, radar). Radar banda C. Resolução variável de 5m a 20m. Revisita de 6 dias. Atravessa nuvem, funciona dia e noite. Indispensável em região tropical úmida. Gratuita.
CBERS-4A (INPE / CRESDA, Brasil-China). Orgulho nacional. Câmera pancromática de 2m, multiespectral de 8m, e WFI de 55m. Cobertura prioritária do Brasil. Gratuita pelo INPE.
MODIS (NASA, sensores Terra e Aqua). Resolução baixa (250m, 500m, 1.000m) mas cobertura diária e produtos prontos (NDVI, temperatura de superfície, área queimada, evapotranspiração). Ótimo pra análise regional e continental. Gratuita.
Planet (PlanetScope, SkySat). Comercial. PlanetScope: constelação de cubesats, resolução de 3m, revisita diária global. SkySat: 50cm a 80cm, on-demand. Custa caro, mas pra projeto que precisa de resolução temporal diária + alta resolução espacial, é imbatível. Tem programa educacional gratuito.
ALOS PALSAR (JAXA, Japão). Radar banda L. Penetra mais na vegetação que Sentinel-1, ótimo pra biomassa florestal e mapeamento sob dossel denso. Mosaicos globais gratuitos disponíveis.
Por que importa: Saber qual satélite usar pra qual problema é diferencial técnico. Cliente não quer ouvir “vou ver”. Quer ouvir “pro seu caso uso Sentinel-2 pra mapeamento principal e Sentinel-1 pra estação chuvosa”.
Onde baixar imagem de satélite de graça
Boa parte do dado público de qualidade é gratuito. Os principais portais:
Copernicus Data Space (browser.dataspace.copernicus.eu). Portal oficial do programa Copernicus da ESA. Sentinel-1, 2, 3, 5P. Interface moderna, busca por polígono, filtro por nuvem, download direto. Cadastro gratuito. É O lugar pra Sentinel.
USGS Earth Explorer (earthexplorer.usgs.gov). Portal da USGS americana. Tem Landsat (toda a série), MODIS, ASTER, SRTM, declassified imagery. Interface meio antiga mas funcional. Cadastro gratuito.
INPE Catálogo (catalogo.cbers.inpe.br). Portal brasileiro. CBERS-4 e 4A, Amazônia-1, Landsat (cópia), CBERS antigos. Foco em cobertura nacional.
TerraBrasilis (terrabrasilis.dpi.inpe.br). Plataforma de dado processado do INPE: PRODES (desmatamento Amazônia), DETER (alertas), TerraClass, mapeamento de fogo. Não é imagem bruta, é produto temático pronto.
NASA Earthdata (earthdata.nasa.gov). Portal guarda-chuva da NASA. MODIS, GEDI, ICESat, dados climáticos, atmosféricos. Bem técnico, mas é onde tá o dado científico de ponta.
MapBiomas (mapbiomas.org). Não é imagem, é mapeamento anual de cobertura e uso do solo do Brasil desde 1985. Recurso brasileiro de classe mundial, gratuito, com API.
Google Earth Engine (earthengine.google.com). Não é portal de download tradicional. É plataforma de processamento em nuvem com PETABYTES de dado pronto pra rodar. Sentinel, Landsat, MODIS, climático, MapBiomas. Cadastro gratuito pra uso não comercial.
Por que importa: A queixa de “não tem dado” não cola. Tem dado de sobra, gratuito, de qualidade. O que falta é saber onde procurar e como processar.
Pré-processamento essencial
Imagem bruta de satélite não tá pronta pra análise. Antes de calcular qualquer índice, você precisa fazer alguns ajustes.
Correção atmosférica. A atmosfera espalha e absorve luz. Imagem bruta (Level 1) tem essa interferência. Imagem corrigida (Level 2) tem refletância de superfície real. Sentinel-2 oferece L1C e L2A. Sempre que possível, baixe L2A. Se baixar L1C, use Sen2Cor pra processar.
Máscara de nuvem. Nuvem arruína análise. Os produtos modernos vêm com banda de qualidade indicando pixels com nuvem, sombra de nuvem, neve. Você precisa aplicar essa máscara antes de calcular qualquer coisa.
Mosaico. Uma cena de Sentinel-2 cobre 100x100km. Pra cobrir um estado inteiro, você precisa juntar várias cenas. Mosaico é a operação de costurar cenas adjacentes em uma imagem só, equalizando brilho e cor.
Recorte (clip). Você quase nunca precisa da cena inteira. Recorta pelo seu polígono de interesse pra economizar processamento e armazenamento.
Reprojeção. Cada satélite vem em um sistema de coordenadas. Pra cruzar dados, você precisa reprojetar tudo pro mesmo sistema. No Brasil costumo usar SIRGAS 2000 pra cadastro e UTM pra cálculo de área.
Por que importa: Pular pré-processamento é o erro número 1 do iniciante. Calcula NDVI numa imagem com nuvem, gera mapa errado, entrega pro cliente, vira problema. Cinco minutos de pré-processamento bem feito evita semana de retrabalho.
Os índices que você PRECISA conhecer
Índice é uma combinação matemática entre bandas que realça uma característica específica do alvo. Os essenciais:
NDVI (Normalized Difference Vegetation Index): (NIR - Red) / (NIR + Red). Mede vigor da vegetação. Varia de -1 a 1. Vegetação saudável tem NDVI entre 0,6 e 0,9. Solo nu fica em torno de 0,1 a 0,2. Água tem valor negativo.
NDWI (Normalized Difference Water Index): (Green - NIR) / (Green + NIR). Realça corpos d’água. Tem variantes.
EVI (Enhanced Vegetation Index): 2.5 * (NIR - Red) / (NIR + 6*Red - 7.5*Blue + 1). Versão melhorada do NDVI, menos sensível a saturação em vegetação densa.
NBR (Normalized Burn Ratio): (NIR - SWIR) / (NIR + SWIR). Mede severidade de queimada. Calcula NBR pré-fogo e pós-fogo, subtrai (dNBR), você tem mapa de severidade.
NDBI (Normalized Difference Built-up Index): (SWIR - NIR) / (SWIR + NIR). Realça área construída urbana.
SAVI (Soil Adjusted Vegetation Index): ((NIR - Red) / (NIR + Red + L)) * (1 + L), onde L geralmente é 0,5. Versão do NDVI ajustada pra reduzir influência do solo em áreas com cobertura vegetal esparsa (caatinga, cerrado, semiárido).
Por que importa: Cliente não te paga por imagem bonita. Te paga por informação. Índice é o que transforma imagem em informação. Decora a fórmula do NDVI, do NDWI e do NBR pelo menos.
Classificação supervisionada vs não supervisionada
Depois de calcular índices ou usar bandas brutas, você pode fazer classificação, ou seja, agrupar pixels em classes (floresta, agricultura, água, urbano).
Classificação supervisionada. Você dá exemplos pro algoritmo. Coleta amostras de “isso aqui é floresta”, “isso aqui é água”, “isso aqui é cidade”. O algoritmo (Random Forest, SVM, Maximum Likelihood) aprende e classifica o resto da imagem. Precisão alta, mas exige conhecimento da área e trabalho de coleta.
Classificação não supervisionada. Você manda o algoritmo agrupar pixels parecidos sem te dar pista. ISODATA, K-means. Você depois interpreta os grupos. Mais rápida pra começar, menos precisa, útil em área que você não conhece.
Deep learning e segmentação. Hoje em 2026 é comum usar redes neurais convolucionais (U-Net, ResNet) pra classificar imagem de satélite. Resultado é absurdamente bom, mas exige dado de treinamento massivo e GPU. Pra projeto pequeno, Random Forest no QGIS ainda resolve 90% dos casos.
Análise de mudança e séries temporais
Uma imagem é foto. Várias imagens viram filme. Análise temporal é onde sensoriamento remoto brilha.
Detecção de mudança binária. Compara duas datas e gera mapa de “mudou / não mudou”. Útil pra desmatamento (PRODES faz isso), expansão urbana, dano de tempestade.
Séries temporais densas. Pega 100, 500, 1.000 imagens da mesma área e analisa tendência. CCDC, BFAST, LandTrendr são algoritmos clássicos. Detecta tendência sutil, sazonalidade, ponto de quebra.
Phenology. Curva temporal de NDVI ao longo do ano revela ciclo da vegetação. Plantio, crescimento, maturação, colheita aparecem na curva.
Monitoramento near-real-time. Sentinel-1 e Sentinel-2 entregam imagem nova a cada 5 a 6 dias. Plataformas como DETER, Global Forest Watch, MapBiomas Alerta processam isso e geram alerta de desmatamento em quase tempo real.
Aplicações por área
Agricultura. Monitoramento de talhão, mapa de produtividade, NDVI durante ciclo, detecção de estresse hídrico, contagem de planta com drone, agricultura de precisão.
Meio ambiente. Desmatamento, monitoramento de unidade de conservação, mapeamento de queimada, análise de bacia hidrográfica, qualidade de água superficial.
Urbano. Expansão urbana, ilha de calor, mapeamento de favela, drenagem, planejamento.
Mineração. Monitoramento de área licenciada, detecção de mineração ilegal, análise de barragem, recuperação de área degradada.
Defesa e segurança. Vigilância de fronteira, monitoramento de tráfego ilegal, análise de infraestrutura crítica.
Seguros e finanças. Avaliação de risco climático, monitoramento de safra pra crédito agrícola, análise de dano pós-evento.
As 5 ferramentas free pra começar
QGIS + plugin SCP. Minha primeira recomendação SEMPRE. QGIS é o software livre mais robusto de SIG. Com o plugin SCP, ele faz pré-processamento, download de imagem, cálculo de índice, classificação supervisionada, validação. Tudo em interface gráfica.
SNAP (Sentinel Application Platform). Software oficial da ESA pra processar dados Sentinel. Excelente pra Sentinel-1 (radar), tem ferramentas específicas que QGIS não tem.
Google Earth Engine. Plataforma de processamento em nuvem. Você escreve código (JavaScript ou Python) e o Google processa em servidores deles. Acessa petabytes de dado sem precisar baixar nada.
ArcGIS Online (versão gratuita). A ESRI tem uma camada gratuita do ArcGIS Online. Limitada, mas dá pra fazer visualização e análise básica.
R com pacote terra (e stars, sf). Pra quem programa. R tem bibliotecas excelentes pra raster.
Por que importa: Não dá pra usar a desculpa de “não tenho software”. Tem 5 opções gratuitas, profissionais, que rodam em qualquer máquina. O bloqueio é só de iniciativa.
E se eu quiser começar pelo básico do QGIS?
Se ainda não dominou QGIS, o caminho mais direto é o Descomplica QGIS, curso flagship com 120 horas que te leva do zero ao profissional. Sensoriamento remoto vem depois, com base sólida.
Perguntas frequentes
O que é sensoriamento remoto em poucas palavras?
É a técnica de coletar informação sobre a Terra (ou qualquer alvo) à distância, sem contato físico, usando sensores em satélites, drones, aeronaves ou outras plataformas. A informação vem da energia eletromagnética refletida ou emitida pelo alvo.
Qual o melhor satélite gratuito pra começar a estudar?
Sentinel-2. Tem resolução de 10m no visível e infravermelho próximo, revisita de 5 dias, 13 bandas espectrais, dado gratuito desde 2015. É o equilíbrio perfeito entre resolução, frequência e disponibilidade pra quem tá começando.
Preciso saber programação pra trabalhar com sensoriamento remoto?
Não pra começar. QGIS com plugin SCP resolve a maior parte dos casos via interface gráfica. Mas pra escalar, automatizar e trabalhar com grandes volumes, Python e Google Earth Engine viram diferencial. Comece pelo QGIS, evolui pra programação depois.
Qual a diferença entre Sentinel-1 e Sentinel-2?
Sentinel-2 é óptico, capta luz visível e infravermelho, depende de céu limpo. Sentinel-1 é radar, emite micro-ondas e capta o retorno, atravessa nuvem e funciona dia e noite. Os dois são complementares, não concorrentes.
O que é NDVI e por que todo mundo fala disso?
NDVI é o Índice de Vegetação por Diferença Normalizada. Calcula (NIR - Vermelho) / (NIR + Vermelho). Varia de -1 a 1, com vegetação saudável na faixa de 0,6 a 0,9. É o índice mais usado no mundo porque é simples, robusto e funciona pra praticamente qualquer aplicação que envolve vegetação.
