# RS-Visao-Real Imagens de satélite em tempo real para o RS — construído durante as enchentes de 2024. - URL: https://fernando.moretes.com/open-source/RS-Visao-Real - Markdown: https://fernando.moretes.com/open-source/RS-Visao-Real/guide.md?lang=pt - GitHub: https://github.com/fernandofatech/RS-Visao-Real - Homepage: https://fernando.moretes.com - Language: Python - Topics: brazil, emergency-response, gis, moretes, open-source, portfolio, python, rio-grande-do-sul, satellite-imagery - Stars: 5 - Forks: 0 - Updated: 2026-05-16T01:15:52Z --- RS Visão Real é uma ferramenta open-source em Python que coleta e expõe imagens de satélite em tempo real do Rio Grande do Sul, criada durante as enchentes de 2024 para apoiar consciência situacional e resposta a emergências. ## Por que este projeto existe Em abril e maio de 2024, o Rio Grande do Sul enfrentou uma das piores catástrofes climáticas da história do Brasil. Cidades inteiras ficaram submersas, e a falta de dados geoespaciais acessíveis dificultou a coordenação de equipes de resgate e a comunicação com a população afetada. Criei o RS Visão Real como resposta direta a esse problema: um projeto que consome fontes abertas de imagens de satélite, processa os dados com Python e os disponibiliza de forma estruturada para quem precisa tomar decisões em campo ou coordenar operações remotamente. O foco não é sofisticação técnica pela sofisticação — é utilidade real em contexto de crise. O projeto faz parte do ecossistema de portfólio público que mantenho em torno do domínio `fernando.moretes.com`, onde documento soluções aplicadas a problemas concretos. Ele também serve como referência de como estruturo projetos Python orientados a dados com uma separação modular clara, mesmo quando o tempo de desenvolvimento é curto. ## O que este projeto entrega - Ingestão de imagens de satélite em tempo real focada no estado do Rio Grande do Sul - Integração com fontes de dados abertos (open data) — sem dependência de APIs proprietárias pagas - Processamento geoespacial (GIS) em Python, adequado para análise de áreas afetadas por inundações - Estrutura modular e orientada à produção, com virtualenv e requirements explícitos - Licença MIT — livre para uso, fork e adaptação por equipes de resposta ou pesquisadores - Construído sob pressão real de tempo: demonstra tomada de decisão de engenharia em contexto de crise ## Como o projeto funciona O núcleo do projeto é Python puro, organizado em módulos com responsabilidades separadas. O fluxo geral segue três etapas: **aquisição**, **processamento** e **exposição** dos dados. Na etapa de aquisição, o sistema consulta fontes abertas de imagens de satélite — tipicamente produtos de sensoriamento remoto disponíveis publicamente, como os provenientes de programas como Copernicus/Sentinel ou similares — e baixa os recortes geográficos relevantes para o RS. Na etapa de processamento, as bibliotecas GIS do ecossistema Python (como `rasterio`, `shapely` ou similares, conforme o `requirements.txt` do repositório) são usadas para recortar, reprojetar e analisar as imagens. Na etapa de exposição, os dados processados são disponibilizados em um formato consumível — seja como arquivos locais, visualizações ou endpoints, dependendo de como o projeto evoluiu. A estrutura modular significa que cada uma dessas responsabilidades vive em seu próprio espaço no código, o que facilita substituir uma fonte de dados por outra ou adicionar um novo tipo de saída sem reescrever o pipeline inteiro. Para um projeto nascido em resposta a uma emergência, essa separação foi uma decisão deliberada: precisava de algo que pudesse crescer sem virar um monólito frágil. ## Fluxo de dados — do satélite à análise O pipeline percorre três zonas: fontes externas abertas, processamento local em Python e saída para consumo. ### 🛰️ Open Data Sources - Sentinel / Copernicus or equivalent (external) - Other Open Satellite APIs (external) ### 🐍 Python Pipeline - Acquisition Module (compute) - GIS Processing (rasterio / shapely) (compute) - Processed Imagery Store (storage) ### 📊 Output - Visualisation / Export (frontend) - Emergency Analyst / Operator (user) ### Fluxos - sentinel -> acquire: imagens brutas - opendata -> acquire: dados abertos - acquire -> process: recorte geográfico RS - process -> storage: armazena resultado - storage -> viz: lê dados processados - viz -> analyst: entrega ao operador ## Instalação e uso 1. **Clone o repositório** — Faça o clone e entre no diretório do projeto. Você precisará de Python 3.8+ instalado. 2. **Crie e ative um ambiente virtual** — Isole as dependências do projeto com um virtualenv antes de instalar qualquer pacote. 3. **Instale as dependências** — O arquivo `requirements.txt` declara todas as bibliotecas necessárias, incluindo os pacotes GIS do ecossistema Python. 4. **Explore a estrutura modular** — Navegue pelo código-fonte para entender como os módulos de aquisição, processamento e saída estão organizados. O README descreve o projeto como seguindo um layout orientado à produção. 5. **Execute o pipeline** — Consulte os módulos de entrada do projeto para executar a aquisição e o processamento. Contribuições e issues são bem-vindos se a documentação de execução precisar ser expandida. _Sequência completa de setup a partir do zero_ ```bash # 1. Clone git clone https://github.com/fernandofatech/RS-Visao-Real.git cd RS-Visao-Real # 2. Create and activate virtualenv python3 -m venv .venv source .venv/bin/activate # Windows: .venv\Scripts\activate # 3. Install dependencies pip install --upgrade pip pip install -r requirements.txt # 4. Verify environment python --version pip list | grep -E 'rasterio|shapely|gdal|numpy' # 5. Explore entry points (adjust to actual module names in the repo) # python -m rs_visao_real.acquire # python -m rs_visao_real.process ``` > **Contexto de origem:** Este projeto foi construído durante uma emergência real — as enchentes históricas de 2024 no Rio Grande do Sul. Isso significa que algumas decisões de design priorizaram velocidade de entrega sobre completude de documentação. O roadmap inclui explicitamente melhorias de cobertura de testes e documentação. Se você está avaliando o projeto como referência de engenharia, leve esse contexto em conta: o valor está na estrutura e na intenção, não apenas no estado atual do código. ## Perguntas frequentes ### Quais fontes de imagens de satélite são suportadas? O README menciona imagens de satélite abertas em tempo real, mas não nomeia fontes específicas explicitamente. Dado o contexto (RS, 2024, GIS, Python), as fontes mais prováveis são produtos do programa Copernicus/Sentinel da ESA, que são gratuitos e amplamente usados em resposta a desastres. Verifique o código-fonte e o `requirements.txt` para confirmar as integrações exatas. ### Posso usar este projeto para outras regiões além do RS? A estrutura modular foi projetada para ser adaptável. O foco geográfico no Rio Grande do Sul está provavelmente parametrizado nos módulos de aquisição (bounding box, código IBGE, ou similar). Adaptar para outra região deve ser uma questão de ajustar esses parâmetros, não de reescrever o pipeline. ### O projeto ainda está ativo? Sim — o badge de status no README indica `active`. O roadmap inclui melhorias contínuas, expansão de testes e aprimoramentos de documentação, o que sugere desenvolvimento contínuo além da resposta imediata à emergência. ### Qual é a relação com o domínio `fernando.moretes.com`? O projeto faz parte de um ecossistema de portfólio público que mantenho sob esse domínio. 'Moretes' é um contexto de portfólio — não uma empresa separada — que agrupa projetos aplicados que demonstram arquitetura de soluções, automação e engenharia pragmática. ## Para quem é este projeto RS Visão Real é relevante para três perfis distintos. **Equipes de resposta a emergências e pesquisadores de desastres** que precisam de uma base Python funcional para consumir e processar imagens de satélite abertas em contextos de crise — especialmente no Brasil. **Engenheiros e arquitetos de software** que querem ver como estruturo um projeto Python orientado a dados sob pressão de tempo real: as decisões de modularização, o uso de virtualenv, a separação de responsabilidades. **Colaboradores open-source** interessados em contribuir com um projeto com impacto social direto — o roadmap está aberto e issues são bem-vindos. O que este projeto *não é*: não é uma plataforma SaaS pronta para produção com SLA, não tem interface gráfica documentada, e a cobertura de testes ainda está em expansão conforme o próprio roadmap admite. Se você precisa de uma solução gerenciada de análise geoespacial, olhe para plataformas como Google Earth Engine ou AWS SageMaker Geospatial. Se você quer entender como construir o pipeline você mesmo — ou contribuir com algo que foi construído para resolver um problema real — este repositório vale a leitura. ## Referências e links - [RS Visão Real — GitHub Repository](https://github.com/fernandofatech/RS-Visao-Real) - [Fernando Azevedo — Portfolio (fernando.moretes.com)](https://fernando.moretes.com) - [Copernicus Open Access Hub — ESA Sentinel Imagery](https://scihub.copernicus.eu/) - [rasterio — Raster data I/O in Python](https://rasterio.readthedocs.io/) - [Shapely — Geometric objects and operations](https://shapely.readthedocs.io/) - [AWS SageMaker Geospatial — Managed geospatial ML](https://aws.amazon.com/sagemaker/geospatial/) ## Links - [GitHub repository](https://github.com/fernandofatech/RS-Visao-Real) - [Homepage](https://fernando.moretes.com)