Uma proposta de arquitetura para otimização de acesso a séries temporais de imagens a partir de grandes volumes de dados de observação da Terra

O uso de imagens de observação da Terra para atividades como monitoramento ambiental, planejamento territorial, manejo do solo, entre outras aplicações, tem se tornado uma necessidade cada vez mais relevante. Com a evolução das tecnologias de sensoriamento remoto e o aumento da resolução espacial, temporal e espectral dos sensores, observa-se uma demanda crescente por recursos computacionais, especialmente em termos de armazenamento, memória e capacidade de processamento. Nesse cenário, grandes instituições provedoras de dados, como o Instituto Nacional de Pesquisas Espaciais (INPE), enfrentam desafios relacionados ao gerenciamento de acervos geoespaciais da ordem de petabytes, marcados pela diversidade de formatos, diferentes formas de organização interna dos dados e variados padrões de acesso exigidos por aplicações científicas e operacionais. Diante desse contexto, esse trabalho tem como objetivo analisar formatos, tecnologias e estratégias para o armazenamento e a recuperação eficiente de grandes volumes de dados de observação da Terra, em particular, de séries temporais na forma de matrizes multidimensionais. Para isso, foi realizado um levantamento dos formatos e volumes de dados dos vários acervos de dados geoespaciais do INPE, além do estudo dos formatos envolvidos. A arquitetura de um módulo para gerenciamento e acesso a dados na forma de séries temporais é introduzido para melhor desempenho e escalabilidade ao acesso dos dados geoespaciais matriciais por aplicações intensivas que fazem uso de séries temporais. Para demonstrar a viabilidade dessa arquitetura foram realizados experimentos com dados provenientes do Brazil Data Cube para avaliar o impacto da organização interna dos dados matriciais na leitura de séries temporais e do uso de uma hierarquia de cache de dados. Os resultados indicam que a seleção dos formatos de dados e das estratégias de organização interna exerce influência direta sobre o desempenho das aplicações, evidenciando o desafio de encontrar uma abordagem única capaz de atender, de forma eficiente, a todos os padrões de acesso necessários ao grandes acervos de dados geoespaciais. ABSTRACT: The use of Earth observation imagery for applications such as environmental monitoring, territorial planning, and land management has become increasingly important in recent years. Advances in remote sensing technologies, along with improvements in spatial, temporal, and spectral resolutions, have led to a growing demand for computational resources, particularly in terms of storage, memory, and processing capacity. In this context, major data providers, such as the Brazilian National Institute for Space Research (INPE), face significant challenges in managing petabyte-scale geospatial data archives, which are characterized by heterogeneous data formats, different internal data organizations, and diverse access patterns required for scientific and operational applications. This study aims to analyze the formats, technologies, and strategies for the efficient storage and retrieval of large volumes of Earth observation data, with a particular focus on time series represented as multidimensional matrices. To this end, a survey of data formats and volumes across INPEs geospatial data archives was conducted, along with an analysis of the associated data formats and their characteristics. An architecture for a module dedicated to the management and access of time-series data is proposed to improve the performance and scalability of data-intensive applications. Experiments using datasets from the Brazil Data Cube were conducted to evaluate the impact of internal data organization on time series access and the use of a hierarchical data cache. The results show that the choice of data format and internal organization strategy has a direct impact on application performance, highlighting the challenge of defining a single approach capable of efficiently supporting the diverse access patterns required by large-scale geospatial data archives.