Impacto de tempestade medido por satélite

O problema

A Tempestade Kristin atingiu o concelho de Leiria, em Portugal, entre 25 e 27 de janeiro de 2026. Depois de um evento desses a pergunta prática é sempre a mesma, e sempre demora a ser respondida: onde, exatamente, a floresta caiu? Levantamento em campo cobre pouco território e leva semanas. Enquanto isso, quem precisa priorizar remoção de material caído, replantio ou vistoria de estradas decide no escuro.

A solução

Um pipeline que responde isso com imagem de satélite gratuita, sem trabalho de campo.

A ideia central é comparar o NDVI — índice que mede vigor da vegetação — antes e depois da tempestade, na mesma área e no mesmo pixel. Onde a vegetação sumiu, o índice despenca.

NDVI (Sentinel-2) → altimetria (DEM) → vento → uso do solo (OSM) → análise → mapa

Cada etapa é um módulo isolado, e o orquestrador pula o que já foi calculado. Isso importa mais do que parece: uma coleta de Sentinel-2 leva minutos e falha por rede com frequência. Pipeline que recomeça do zero a cada erro não termina nunca.

Como cada peça contribui

Etapa	O que resolve
Sentinel-2 via STAC	Compõe a mediana de dois períodos (pré e pós), descartando pixel com nuvem ou sombra pela banda de classificação da própria imagem
DEM	Altitude e declive — encosta exposta sofre mais que vale abrigado
Open-Meteo	Reanálise horária de vento e chuva numa grade de 0,07° sobre o concelho, para cruzar dano com rajada
Meteostat / IPMA	Rajadas recorde oficiais por localidade, incluindo os 238 km/h de Lavos
OpenStreetMap	Separa o que é floresta do que é área urbana ou estrada, via Overpass
Análise	Classifica cada célula em cinco faixas de dano pelo delta de NDVI

O resultado

De 214 mil células analisadas, 1.560 aparecem com dano alto e 183 com dano crítico. A leitura honesta do conjunto, porém, é mais interessante que o número de destaque: a maioria das células melhorou entre os dois períodos. O motivo é sazonal — a janela “depois” cai na primavera, quando a vegetação rebrota naturalmente. Isso significa que o sinal de dano real é o que sobrevive a essa maré de crescimento, e que comparar duas fotos de estações diferentes exige cautela antes de declarar causa.

É o tipo de detalhe que separa um número bonito de um número defensável.

Como isso chegou até aqui

Os 73 MB de GeoJSON gerados pelo pipeline não servem para web. Como a grade é regular, os dados foram reescritos como raster: um PNG colorido para o desenho e um vetor de inteiros de 8 bits para a leitura de valor sob o cursor. 287 KB no total, sem servidor e sem perda de informação relevante — a conversão está em scripts/grid_to_raster.py neste repositório.

O mapa a seguir é a saída real do pipeline, com os dados do estudo. Não é ilustração.