Sou um profissional dedicado à análise de dados e desenvolvimento de soluções. Mestre em Biologia Ambiental e especialista em Ciência de Dados, tenho experiência em geoprocessamento, regularização ambiental e automação de processos. Meu objetivo é aplicar tecnologia para resolver problemas complexos, especialmente nas áreas de meio ambiente e gestão pública.
- 🎓 Mestre em Biologia Ambiental e especialista em Ciência de Dados
- 💻 Foco em Geoprocessamento, Business Intelligence e Desenvolvimento de Sistemas
- 🚀 Experiência com Python, R, SQL, e ferramentas de Análise Espacial
- 💡 Apaixonado por automação de fluxos de trabalho e geração de insights
Este repositório reúne meus projetos e estudos nas áreas de ciência de dados, análise espacial, automação de processos e regularização ambiental.
Aqui você encontrará soluções que aplicam desde análise exploratória e inteligência de dados até geoprocessamento, dashboards, modelagem e uso de ferramentas de BI.
Descrição: Template completo de Kanban interativo com salvamento automático via GitHub API. Sistema para gestão de sprints com interface drag-and-drop, visualização Gantt e persistência real através de commits automáticos no repositório.
Principais Funcionalidades:
- Kanban interativo com drag-and-drop entre colunas
- Criação e edição de cards com modal completo
- Salvamento automático com commits diretos no GitHub
- Deploy automático via Vercel a cada push
- Visualização timeline em Gantt Chart
- Tema dark premium com design moderno
- Zero dependências - HTML/CSS/JS puro
Tecnologias: HTML, CSS, JavaScript, Vercel (Serverless Functions), GitHub API, Leaflet Icons
Demo ao Vivo: Ver Aplicação
Capturas de Tela:
|
|
O Visualizador de Viveiros é um aplicativo web interativo desenvolvido para o IDEFLOR-Bio, com o objetivo de visualizar e pesquisar informações geoespaciais sobre viveiros de mudas no Pará. A aplicação foi construída com HTML, JavaScript, Leaflet.js e TailwindCSS, e atende à demanda do processo 2025/2460154. Ele oferece uma plataforma intuitiva para explorar dados de viveiros, municípios, Unidades de Conservação e regiões de integração.
Hospedado via GitHub Pages, o projeto permite a análise de dados espaciais de forma rápida e eficiente.
- Filtro por Atributos: Filtra os viveiros com base em colunas e valores específicos, como "Município", "Categoria de viveiro" e outros.
- Controle de Camadas: Permite ligar e desligar as camadas de viveiros, Unidades de Conservação, municípios e regiões de integração.
- Legenda Dinâmica: A legenda se atualiza automaticamente para refletir apenas as camadas ativas no mapa.
- Download de Dados: Possibilita baixar o conjunto de dados filtrado em formato GeoJSON.
- Múltiplos Mapas Base: Oferece diversas opções de fundo de mapa, incluindo Google Satellite, OpenStreetMap e Sentinel-2, para melhor contextualização.
- Popups Interativos: Exibe informações detalhadas de cada viveiro e camada ao clicar no mapa.
- Interface Responsiva: O layout se adapta para uma boa visualização em dispositivos móveis e desktops.
DASHBOARD NO POWER BI CLIQUE AQUI PARA CONFERIR O REPOSITÓRIO COMPLETO.
- Descrição: Um dashboard interativo em Power BI que monitora o alcance e a adesão à política de Cota de Proteção Ambiental (CPA) Compensatória, regulamentada pelo Decreto Nº 4.613/2025.A CPA Compensatória é um instrumento que permite a imóveis rurais com passivo de Reserva Legal (identificados pelo CAR) compensar essa área através da aquisição de cotas equivalentes a 1 hectare em Unidades de Conservação (UCs) estaduais. O painel visualiza:
- Aquisições de CPAs por Município de origem do CAR;
- Requerimentos de CPAs por Município de origem do CAR;
- Aquisições por Região de Integração;
- Aquisições por Unidade de Conservação (UC) que disponibiliza as cotas.
- Diferencial Técnico: Para otimizar o desempenho e garantir dados sempre atualizados, o painel foi desenvolvido utilizando o modo DirectQuery. Ele se conecta diretamente ao banco de dados PostgreSQL (via ODBC), executando a consulta SQL nativa para que todo o processamento ocorra no servidor, sem a necessidade de importação e processamento de dados no Power BI.
- Objetivo: Consolidar e visualizar dados estratégicos sobre a implementação da política de CPA, facilitando o monitoramento da distribuição geográfica da demanda (municípios com passivo) e da oferta (UCs) para a tomada de decisão pelo IDEFLOR-Bio e SEMAS.
- Captura de Tela:
- Relatório de Iniciativas e Resultados da DIGEO/SEMAS-PA:
Integra dados de diferentes frentes de ação da DIGEO, como gestão de contratos, municipalização do CAR e mutirões de atendimento.
- Projeto Floresta+ Amazônia:
Painel de monitoramento das ações do projeto Floresta+ Amazônia.
- Gestão de Contratos:
Painel para acompanhar a execução de contratos fiscalizados pela DIGEO.
- Sobreposição de CAR em Áreas Protegidas:
Um dos 4 dashboards para monitorar sobreposições do CAR em terras indígenas, quilombos, unidades de conservação e assentamentos.
-
Descrição: Ferramenta local (on-premise) que resolve o problema de acessibilidade de grandes bibliotecas visuais para arquitetos e designers. Utiliza Inteligência Artificial (CLIP) e busca vetorial (FAISS) para localizar referências visuais no disco rígido através de contexto semântico e similaridade visual, eliminando a dependência de nomes de arquivos ou tags manuais.
-
Motivação Principal: A dificuldade em encontrar imagens específicas dentro de acervos locais devido à rigidez da organização em pastas, onde uma única imagem pode pertencer a múltiplas categorias (ex: colonial, madeira, jardim vertical).
-
Tecnologias Core:
- IA/ML: OpenAI CLIP (Contrastive Language-Image Pre-training)
- Indexação Vetorial: FAISS (Facebook AI Similarity Search)
- Linguagem/Framework: Python (PyTorch, Transformers), Flask, TailwindCSS.
-
Principais Funcionalidades:
- Busca por Linguagem Natural: Encontra imagens através de descrições contextuais (ex: "inter 10BC0 iores com iluminação natural").
- Reverse Image Search (Busca Visual): Localiza arquivos visualmente similares no acervo local a partir do upload de uma imagem de referência.
- Deep Link com o SO: Abre o arquivo encontrado diretamente na sua pasta do sistema operacional.
- Privacidade: Todo o processamento e indexação são realizados localmente.
-
Como a IA Funciona: O modelo CLIP converte tanto a imagem quanto o texto em vetores matemáticos (embeddings). Esses vetores são armazenados e rapidamente consultados pelo FAISS. A busca retorna a imagem cujo vetor está matematicamente mais próximo do vetor da sua consulta (texto ou imagem).
-
Captura de Tela (Busca Visual):
-
Descrição: Aplicativo mobile desenvolvido para auxiliar no gerenciamento de tarefas, com foco em simplicidade e produtividade. Permite a organização eficiente das atividades diárias por meio de filtros e categorias personalizadas.
-
Principais Funcionalidades:
- Adição, edição e exclusão de tarefas.
- Filtros para organizar e priorizar tarefas.
- Configurações personalizáveis para a experiência do usuário.
- Interface intuitiva e responsiva.
-
Tecnologias: React Native, Expo, JavaScript
-
Demonstração:
🎥 Assista à demonstração completa no Vimeo -
Captura de Tela:
|
|
- Download do APK para Testes:
📥 Prioritask APK
- Descrição: Trabalho de Conclusão de Curso (Especialização/UFRA) que avalia a dinâmica temporal de manguezais na rodovia PA-458 (Bragança-PA). O estudo combina séries temporais de NDVI (Sentinel-2) com o modelo BFAST para identificar e quantificar rupturas estruturais na vegetação entre 2019 e 2024.
- Destaques da Análise:
- Detecção da principal ruptura estrutural (queda abrupta de NDVI) em Janeiro de 2022 para ambos os lados da rodovia.
- O lado Leste, embora historicamente mais vigoroso, apresentou menor resiliência, com uma queda de magnitude maior (Magnitude: -0.244) e estabilizando em um patamar inferior.
- O lado Oeste manteve NDVI consistentemente inferior, refletindo o impacto histórico do bloqueio hidrológico causado pela estrada.
- Tecnologias: R (BFAST, forecast), Python (Google Earth Engine, PyQGIS), QGIS
- Imagem da Análise:
O Iriri Land Cover é uma aplicação web interativa desenvolvida com HTML, JavaScript, Leaflet.js e TailwindCSS, projetada para visualizar e analisar as mudanças na cobertura do solo na Floresta Estadual do Iriri (PA) entre os anos de 2006 e 2023. Utilizando dados da Coleção 6 do MapBiomas, processados no Google Earth Engine e refinados no QGIS, o app oferece uma ferramenta simples e intuitiva de interpretação espacial.
Hospedado via GitHub Pages, o projeto permite comparar diferentes anos e identificar tipos de transições como remanescentes naturais, conversões antrópicas, regeneração e uso consolidado.
-
Visualização de Séries Temporais: Permite alternar entre os mapas de cobertura do solo de 2006, 2023 e a transição entre eles.
-
Classificação de Transição: Detecta e categoriza as mudanças como:
- Remanescente de vegetação nativa
- Antropismo
- Antropismo consolidado
- Regeneração
-
Legendas Dinâmicas: Estilizadas conforme a paleta oficial do MapBiomas.
-
Camadas Base Diversificadas: Inclui Google Satélite, OpenStreetMap, Bing Maps, CartoDB Voyager e Sentinel-2.
-
Popups Interativos: Exibe os atributos completos de cada feição ao clicar no mapa.
-
Interface Responsiva: Compatível com dispositivos móveis e desktops.
GeoVisor Belém é uma aplicação web leve e responsiva desenvolvida com HTML, JavaScript e Leaflet.js para visualização e análise de camadas geoespaciais da cidade de Belém (PA). Hospedado via GitHub Pages, o projeto permite explorar bairros, logradouros e arquivos personalizados em formato GeoJSON.
A ferramenta foi pensada para facilitar o acesso e a navegação por dados urbanos da região metropolitana de Belém, com foco em simplicidade e interatividade, sendo útil para fins educacionais, institucionais e comunitários.
- Visualização interativa de camadas GeoJSON: bairros (ativado por padrão) e logradouros (opcional).
- Busca por endereço com geocodificação Nominatim (OpenStreetMap).
- Upload de arquivos
.geojsonpersonalizados com renderização imediata. - Download dos dados visíveis no mapa como GeoJSON.
- Controle de camadas com ativação/desativação individual.
- Interface responsiva compatível com desktop e dispositivos móveis.
O Visualizador Temático SICAR é uma aplicação web desenvolvida com HTML, JavaScript e Leaflet.js para visualizar e exportar camadas temáticas provenientes de Shapefiles do Sistema Nacional de Cadastro Ambiental Rural (SICAR). Hospedado via GitHub Pages, o projeto simplifica a análise de dados geoespaciais, permitindo aos usuários importar Shapefiles e exportar os temas em formatos GeoJSON e KML.
A ferramenta foi criada para oferecer uma solução acessível e eficiente para a interação com dados ambientais do SICAR, com foco na usabilidade e na compatibilidade com softwares de SIG.
- Importação de Shapefile Zipado: Carrega e processa arquivos Shapefile (
.zip) diretamente do SICAR. - Visualização Temática Interativa: Exibe as diferentes camadas de temas do Shapefile no mapa, com controle individual de visibilidade.
- Exportação de Dados Confiável: Permite a exportação das camadas temáticas para:
- GeoJSON: Formato versátil e amplamente aceito para intercâmbio de dados geoespaciais em ambientes web e GIS.
- KML: Formato compatível com Google Earth e outros softwares SIG, com correções específicas para garantir a legibilidade no QGIS, incluindo tratamento de caracteres acentuados e multi-geometrias.
- Múltiplas Bases de Mapas: Oferece diversas opções de camadas base, como Google Satélite, OpenStreetMap, CartoDB Voyager e imagens Sentinel-2 de diferentes anos.
- Interface Intuitiva: Projetado para uma experiência de usuário simples e direta.
-
Descrição: Sistema desenvolvido para automatizar a emissão de certificados do Cadastro Ambiental Rural (CAR), garantindo eficiência e controle rigoroso das emissões realizadas. Implementado para a Secretaria de Estado de Meio Ambiente e Sustentabilidade (SEMAS/PA).
-
Principais Funcionalidades:
- Geração automatizada de certificados em PDF com números de série únicos.
- Armazenamento no banco de dados para auditorias detalhadas.
- Documentação completa de metadados de cada operação.
- Controle de acesso e registro de ações realizadas por usuários.
-
Tecnologias: Python, Flask, PostgreSQL, ReportLab
-
Demonstrações:
-
Captura de Tela:
Este projeto automatiza a geração de cenários geoespaciais no QGIS, facilitando o trabalho da Gerência de Tratamento Digital de Imagens e Suporte ao Monitoramento Espacial Ambiental (GTDI), da Diretoria de Geotecnologias (DIGEO). Tradicionalmente, a GTDI monta cenários importando bases vetoriais extensas e organizando-as em grupos e subgrupos antes de realizar recortes com buffer de 15 km para análises detalhadas.
Com este sistema, grande parte dessas etapas são automatizadas, permitindo que a equipe concentre esforços em tarefas analíticas e tomadas de decisão.
- Cenário Automático de Vetores: Importa, organiza e estrutura camadas geoespaciais em grupos e subgrupos no QGIS.
- Clip Automático Base Local: Filtra um imóvel específico, gera buffers de 15 km e recorta todas as camadas do projeto dentro desse limite.
- Exportação e Organização Automatizada: Camadas recortadas são exportadas e organizadas em uma estrutura clara e eficiente.
Este projeto demonstra a aplicação do modelo S2DR3 para realizar super-resolução de imagens Sentinel‑2, ampliando a resolução espacial de cenas originais de 10m e 20m para 1 metro por pixel, com alta qualidade e preservação espectral.
A solução foi adaptada para buscar automaticamente a melhor imagem disponível utilizando o Google Earth Engine, priorizando cenas com baixa cobertura de nuvens, e em seguida processá-las com o modelo S2DR3 no Google Colab.
O projeto é ideal para quem deseja obter imagens Sentinel-2 com detalhes finos, sem necessidade de infraestrutura local avançada.
- Seleção automática da melhor imagem Sentinel-2 com baixa cobertura de nuvens.
- Aplicação do modelo S2DR3 para super-resolução a 1m/px.
- Geração de produtos multiespectrais georreferenciados em formato GeoTIFF.
- Execução completa no ambiente de nuvem via Google Colab.
- Download facilitado dos arquivos gerados.
Este projeto implementa uma ferramenta interativa para visualização temporal de imagens Sentinel‑2, utilizando o Google Earth Engine em conjunto com o Google Colab e a biblioteca geemap.
Com foco na comparação ano a ano, o usuário pode fazer upload de um shapefile e visualizar as imagens correspondentes com controle deslizante (swipe), permitindo identificar mudanças visuais com clareza.
O polígono vetorial da área de interesse é automaticamente estilizado e sobreposto em todas as imagens, mesmo com a alternância entre camadas.
A solução é ideal para análise de cobertura do solo, detecção de mudanças e estudos ambientais de forma acessível e sem a necessidade de ferramentas locais.
- Upload de shapefile (.zip) com a área de interesse.
- Carregamento automático de imagens Sentinel-2 com menos de 10% de nuvens.
- Comparação visual ano a ano com controle deslizante interativo.
- Sobreposição vetorial automática, garantindo destaque da área em todas as camadas.
- Execução 100% no navegador via Google Colab.
Este projeto oferece um fluxo prático para baixar imagens de satélite Landsat e Sentinel-2 com base em áreas vetoriais (shapefile), utilizando o poder do Google Earth Engine aliado à interface acessível do Google Colab.
O usuário pode fazer upload de sua área de interesse, selecionar o ano e o período desejado e gerar um link direto para download da imagem com até 10% de cobertura de nuvens.
É uma solução ideal para análises multitemporais em imóveis rurais, estudos ambientais e apoio à regularização ambiental (ex.: CAR).
- Upload de shapefile (.zip) com área de interesse.
- Seleção de ano e semestre (Landsat) ou intervalo de meses (Sentinel-2).
- Processamento na nuvem com o Earth Engine.
- Link direto para download em formato GeoTIFF com resolução de até 10 metros.
- Descrição: Este projeto apresenta um pipeline completo para análise de dados de malária, desde a extração de dados em mais de 1000 arquivos PDF, passando pela transformação e consolidação, até a geração de mapas geoespaciais. Inclui mapas de risco, densidade de kernel e análises de autocorrelação espacial para suporte à tomada de decisão em saúde pública.
- Principais Funcionalidades:
- Extração de dados de PDFs.
- Consolidação e análise estatística dos dados.
- Geração de mapas geoespaciais, como fluxo de casos importados e mapas de risco.
- Tecnologias Utilizadas: Python, pandas, geopandas, matplotlib, pdfplumber.
- Repositório: Acesse o repositório no GitHub
- Imagem:
- Descrição: Um projeto de análise de dados espaciais utilizando R para interpolar os valores de pH da água presente no solo em uma área de estudo. O pHÁgua é um indicador crucial da qualidade química do solo, influenciando sua fertilidade e adequação para cultivos agrícolas. O trabalho envolveu remoção de outliers, ajuste de semivariogramas, interpolação por krigagem e classificação espacial dos valores interpolados em categorias de acidez. Os resultados incluem mapas temáticos e gráficos estatísticos que facilitam a interpretação espacial da variabilidade do pH no solo.
- Tecnologias: R, sf, gstat, ggplot2, raster
- Imagem do Resultado:
- Descrição: Um painel interativo que explora dados históricos de incêndios florestais na Austrália. Permite visualizar a área estimada de incêndios e frequência mensal de ocorrências vegetativas por região.
- Tecnologias: Python, Dash, Plotly, Pandas
- Link para Visualização: Acesse o painel
- Captura de Tela:
- Cartão Digital
- E-mail: samuelsantosambiental@gmail.com
- Veja também meu Portfólio de Geoprocessamento e Cartografia: Explorar Portfólio