Seu carrinho está vazio
Adicione pacotes de prompts para continuar
Esta coleção definitiva de prompts para Sistemas de Informação Geográfica (GIS) representa o recurso mais avançado para profissionais em geomática, cartografia e análise espacial. Projetado com uma abordagem técnica rigorosa, permite otimizar fluxos de trabalho complexos, desde o geoprocessamento avançado até o sensoriamento remoto por satélite, garantindo precisão milimétrica em cada consulta e processo automatizado. Ao integrar esses prompts em seu ambiente de trabalho, os especialistas poderão acelerar a tomada de decisões com base em dados geoespaciais, resolver desafios topológicos intrincados e dominar ferramentas líderes do setor. É o investimento estratégico ideal para converter informação geográfica em conhecimento acionável de elevado valor corporativo e científico.
100 recursos incluídos
Atua como Engenheiro de Software Sênior especializado em Geoprocessamento e Sistemas de Informação Geográfica (GIS). Sua missão é projetar e desenvolver um script altamente otimizado e profissional usando a biblioteca [PYTHON_LIBRARY: ArcPy ou PyQGIS] para a automação de processos avançados de manipulação de geometria. O objetivo principal é processar uma camada vetorial de entrada chamada [INPUT_LAYER_NAME], que contém entidades do tipo [GEOMETRY_TYPE: Pontos, Linhas ou Polígonos], e aplicar uma série de transformações espaciais encadeadas que permitem limpar, transformar e validar os dados geográficos para uma análise de infraestrutura em grande escala. O script deve começar implementando uma lógica rigorosa de validação de topologia para identificar e corrigir erros comuns, como autointerseções, geometrias nulas ou duplicatas espaciais. Uma vez validados os dados, é necessária a execução de uma sequência de geoprocessamento que inclui: 1) A geração de uma área dinâmica de influência (buffer) cuja distância é determinada pelo valor numérico do campo [FIELD_CRITERIO_DISTANCE]; 2) O recorte das geometrias resultantes utilizando uma camada de máscara definida como [LIMITING_MASK_LAYER]; e 3) A simplificação dos vértices resultantes utilizando o algoritmo [ALGORITMO_SImplIFICATION: Douglas-Peucker ou Wang-Müller] aplicando uma tolerância de [VALUE_TOLERANCE] para reduzir o peso do arquivo sem perder a integridade morfológica. É essencial que o código siga as melhores práticas de desenvolvimento, seja modular e empregue tratamento robusto de exceções usando blocos try-except para capturar erros específicos de leitura de arquivos ou mecanismos de banco de dados espaciais. O script deve gerar um arquivo de log que documente detalhadamente o tempo de execução, o número de entidades processadas e quaisquer anomalias detectadas. O resultado final deverá ser exportado automaticamente para um container de dados do tipo [OUTPUT_FORMAT: File Geodatabase, GeoPackage ou PostGIS], garantindo que os metadados sejam preservados e que o sistema de referência de coordenadas (SRC) seja mantido ou seja obrigatoriamente transformado para o sistema [DESTINATION_SRC: EPSG:XXXX]. Por fim, otimiza o desempenho no processamento de grandes volumes de dados (Big Spatial Data) utilizando cursores de acesso rápido ([CURSOR_TYPE: InsertCursor ou UpdateCursor]) e, se possível, aproveitando técnicas de processamento paralelo ou multiprocessamento. O código deve ser totalmente comentado em espanhol, explicando a lógica de cada transformação geométrica e facilitando sua integração futura em uma caixa de ferramentas ou plugin de desktop.
Atua como Especialista Sênior em Sensoriamento Remoto e Análise de Dados Geoespaciais com ampla experiência no processamento de imagens multiespectrais dos programas Landsat 8/9 e Sentinel-2. Seu objetivo é fornecer uma análise técnica exaustiva sobre a discriminação de coberturas terrestres através do estudo detalhado de suas **Assinaturas Espectrais** na região de [Definir Localização Geográfica] durante o período de [Especificar Intervalo de Datas/Temporada]. O cerne da sua tarefa consiste em decompor o comportamento reflexivo dos seguintes elementos: [Listar elementos, ex.: Floresta Nativa, Culturas de Milho, Solo Desnudo, Corpos D'água]. Para cada elemento, descreve a curva de refletância teórica nas regiões Visível (VIS), Infravermelho Próximo (NIR) e Infravermelho de Ondas Curtas (SWIR) do espectro. Você deve explicar como fatores biofísicos, como conteúdo de clorofila, estrutura celular foliar e conteúdo de umidade, influenciam os picos e vales de absorção detectados pelo sensor [Especifique Sensor: Sentinel-2A ou Landsat 8 OLI]. Posteriormente, desenvolve um protocolo de cálculo de índices espectrais específicos que permitem maximizar a separação entre classes. Inclui fórmulas detalhadas e justificativa técnica para o uso de índices como NDVI (Vegetação), NDWI (Água), NBR (Gravidade das Queimadas) ou SAVI (Solo) conforme relevante para o cenário proposto. Analisa como a resolução radiométrica e espacial do sensor selecionado afeta a pureza dos pixels e a possível presença de assinaturas espectrais mistas nas zonas de transição ou ecótonos. Por fim, proponha um fluxo de trabalho avançado para classificação supervisionada baseado em técnicas de aprendizado de máquina, como Random Forest ou Support Vector Machines (SVM). Detalhe como você utilizaria as assinaturas espectrais extraídas das áreas de treinamento para calibrar o modelo e como realizaria a validação cruzada utilizando uma matriz de confusão, calculando métricas de precisão global, erro de omissão, erro de comissão e coeficiente Kappa para garantir a confiabilidade cartográfica do produto final.
Atua como Engenheiro Sênior em Sistemas de Informação Geográfica (SIG) e Especialista em Fotogrametria com mais de 15 anos de experiência em retificação cartográfica. Sua missão é desenvolver um protocolo técnico exaustivo para atribuição e validação de Pontos de Controle Terrestres (GCP) aplicados a uma imagem do tipo [IMAGE_TYPE]. O objetivo principal é transformar um arquivo raster ou analógico sem coordenadas em uma entrada geoespacial precisa sob o sistema de referência [DESTINATION_COORDENADAS_SYSTEM], garantindo a integridade topológica e a precisão métrica necessárias para projetos de engenharia de alta precisão. Inicie o processo descrevendo os critérios de seleção dos pontos de controle. Devem ser elementos paisagísticos que apresentem uma assinatura espacial inequívoca, tais como intersecções de infra-estruturas rodoviárias, cantos de estruturas permanentes ou marcos geodésicos pré-existentes. Explica por que a distribuição espacial desses pontos deve seguir um padrão de espalhamento homogêneo, cobrindo tanto o perímetro quanto o centro da imagem [IMAGE_TYPE], e como evitar o agrupamento de pontos para evitar distorções geométricas locais durante a interpolação. Ele define matematicamente o processo de avaliação de erros. Detalha como calcular o erro quadrático médio (RMSE) para cada ponto individual e o RMSE total do modelo de transformação. Baseado no software [SOFTWARE_SIG_USED], recomenda o modelo de transformação mais adequado (Polinômio de ordem 1, 2 ou 3, Thin Plate Spline ou Projetivo) dependendo do [MINIMUM_GCP_NUMBER] disponível e do grau de deformação da fonte original. Você deve estabelecer um limite para [MAXIMUM_ADMISSIBLE_ERROR] que determine se um ponto deve ser realocado, eliminado ou se é necessária nova captura de dados no campo. Conclui gerando uma estrutura de relatório técnico que inclui uma tabela de resíduos onde as coordenadas teóricas são comparadas com as medições, e fornece um guia passo a passo para realizar o processo de 'warping' ou retificação final em [SOFTWARE_SIG_USED]. O resultado deve garantir que o produto cartográfico final seja compatível com outras camadas vetoriais e modelos digitais de elevação, permitindo análises espaciais multitemporais sem deslocamentos ou erros de escala.