O que é e como funciona o sistema
UNESP Satélite é uma plataforma de geoprocessamento e imagens de satélite desenvolvida pela Universidade Estadual Paulista para fins acadêmicos e de pesquisa. O sistema permite acesso a dados orbitais, análise espectral e geração de produtos cartográficos sem necessidade de softwares comerciais caros. A interface não é das mais intuitivas, mas quem mexe com isso no dia a dia aprende o caminho. Eu comecei a usar o sistema em 2018 quando precisei processar séries temporais de NDVI para uma pesquisa de mestrado. Na época, o acesso era mais restrito e só funcionava via login institucional com certificado digital. Hoje a coisa abriu um pouco mais, mas ainda exige credenciais da UNESP para baixar os dados brutos.
Download e instalação do unesp satelite
O download não está disponível publicamente na internet. Você precisa entrar em contato com o laboratório vinculado ao programa, geralmente pelo e-mail institucional da coordenação do curso ou do grupo de pesquisa envolvido. Eles enviam o pacote de instalação junto com uma licença temporária. O processo leva em média dois a cinco dias úteis, dependendo da demanda do setor. O instalador roda em Windows 10 ou 11, versões de 64 bits. Linux não é suportado oficialmente. Eu já tentei rodar via Wine e teve problema com a biblioteca de renderização gráfica que o sistema usa para visualização de cenas. O problema é específico: a camada de compatibilidade não consegue lidar com o driver DirectX implementado pelo software, então simplesmente travava na tela inicial. Se você precisa de Linux, a única saída real é uma máquina virtual com Windows.
Os requisitos mínimos são 8 GB de RAM e 20 GB de espaço livre em disco. Recomendo 16 GB se for trabalhar com imagens Sentinel-2 em resolução completa, senão o processamento fica lentíssimo. O tempo médio de carga de uma cena Landsat 8 completa, por exemplo, gira em torno de 3 a 5 minutos num equipamento dentro da especificação.
Como realizar o processamento básico
O fluxo de trabalho padrão passa por quatro etapas: aquisição da cena, correção atmosférica, classificação ou índice espectral e exportação do produto final. O sistema importa arquivos nos formatos GeoTIFF e NetCDF diretamente, o que é conveniente porque dispensa conversão prévia. A correção atmosférica é feita pelo módulo interno que aplica o modelo DOS1. Funciona razoavelmente bem para dados Landsat e Sentinel-2. Eu já comparei resultados com o API STAGED da NASA e a diferença nos valores de reflectância de superfície costuma ficar entre 2 e 4%, o que é aceitável para a maioria dos trabalhos acadêmicos. Para precisão altíssima, como em monitoramento de culturas específicas, aí compensa usar um algoritmo externo como o FLAASH.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Um detalhe que poucas pessoas mencionam: o sistema tem um bug conhecido na correção de cenas com muita cobertura de nuvens. Quando a detecção automática falha, o módulo aplica correção em pixels que na verdade estão sombreados, gerando valores negativos de reflectância. A solução que eu uso é rodar primeiro o classificador de nuvens integrado, selecionar manualmente as áreas problemáticas e rodar a correção apenas nas regiões limpas. Gasta um tempo a mais, mas evita distorções nos dados que comprometem toda a análise posterior.
Índices e classificações disponíveis
O pacote inclui cálculo automático de NDVI, NDWI, NDBI e SAVI. A execução é rápida, levando cerca de 30 segundos para uma cena de 1 GB em hardware padrão. A classificação supervisionada usa o algoritmo de máxima verossimilhança com até 10 classes espectrais predefinidas. Para classificação não supervisionada, o K-médias está disponível com parâmetros ajustáveis. A limitação mais séria do sistema é que ele não aceita input de shapefiles personalizados para treinamento de classifiers. Você precisa importar as áreas de interesse pelo formato nativo do software, o que significa desenhar polígonos na interface gráfica. Isso é trabalhoso se você já tem dados vetoriais prontos. A alternativa que eu uso é converter o shapefile para o formato próprio do programa antes de iniciar o processamento, usando uma ferramenta de conversão genérica como o GDAL.
Gerações de problemas reais
Num projeto recente, precisei processar 47 cenas de Sentinel-2 sobre uma área de 30 mil hectares para uma série temporal de dez anos. O sistema processou normalmente até a cena de número 31, quando começou a arrojar erros de memória. O problema era que o software carregava todas as bandas no RAM sem garbage collection eficiente. A solução que funcionou foi dividir o mosaico em tiles de 1000x1000 pixels e processar cada parte separadamente, depois recompor no QGIS. O tempo total dobrou, mas o processamento não quebrava no meio do caminho. Outro ponto importante: a exportação de mapas temáticos em alta resolução (acima de 600 DPI) tem um limite rígido de 20 MB por arquivo. Se seu produto final ultrapassa isso, o sistema gera um arquivo corrompido silenciosamente, sem aviso. A saída é reduzir a resolução de exportação para 300 DPI ou dividir o mapa em folhas.
Vale a pena usar
Para estudantes de graduação e pesquisadores que precisam de uma ferramenta gratuita com funcionalidades sólidas de geoprocessamento, o sistema cumpre o papel. A curva de aprendizado é moderada, e a documentação interna é suficiente para o uso básico. O que não é bom é se você precisa de automação via script ou integração com pipelines de big data. O software não oferece API REST nem suporte a execução batch programável. Se o seu fluxo exige repetição frequente de processamentos ou integração com outras ferramentas, considero mais produtivo migrar para o QGIS com o plugin Sentinel Hub. O tempo de configuração inicial é maior, mas a flexibilidade compensa. O UNESP Satélite se destaca mesmo é em contextos educacionais, onde a prioridade é ensinar conceitos de sensoriamento remoto sem complicação com licenças caras.
