Transformação de Dados Digitais (Imagens) em Produtos

(1)

Transformação de Dados Digitais

(Imagens) em Produtos

Leonardo F. Peres

(lperes@cptec.inpe.br)

Divisão de Satélites e Sistemas Ambientais (DSA) – INPE/CPTEC

Baseado na apresentação “From Images to Products”

Marianne König, EUMETSAT marianne.koenig@eumetsat.int

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

Dados Bruto – Inspeção do Pixel

Posição: (800, 300) Valor Bruto: 633 Posição: (400, 500) Valor Bruto: 436 Posição: (400, 500) Valor Bruto: 452 Posição: (800, 300) Valor Bruto: 185

IR

_VIS

(10)

Navegação e Calibração do Satélite

5 Colunas 4 Linhas

IMAGEM COM DIMENSÃO DE 4 LINHAS E 5 COLUNAS

(L,C) = (1,4)

(L,C) = (4,5)

(11)

Navegação e Calibração do Satélite

TRANSFORMAÇÃO DAS COORDENADAS DA IMAGEM

(L,C) PARA COORDENADAS GEOGRÁFICAS (LAT,LON)

Navegação:

⎟⎟

⎠

⎞

⎜⎜

⎝

⎛

=

⎟⎟

⎠

⎞

⎜⎜

⎝

⎛

C

L

LON

LAT

f

(12)

Navegação e Calibração do Satélite

Calibração:

Radiação Número Digital (ND) Incidente Sistema Ótico Detector- Elétrico Digitalizador

•

Os dados registrados por um sensor são gravados em bits que

codificam os números em formato binário

• Cada bit registra 2

1

= 2 níveis de informação.

• Portanto, se um sensor utiliza 8 bits para registrar os dados,

então haverá 2

8

_{= 256 valores digitais disponíveis, variando de 0}

até 255. Entretanto, se são utilizados somente 4 bits, então haverá

2

4

_{= 16 valores disponíveis variando de 0 a 15}

(13)

Navegação e Calibração do Satélite

Calibração:

2 bits = 22 = 4 valores 8 bits = 28 = 256 valores 1 bit = 21 = 2 valores

(14)

Navegação e Calibração do Satélite

Calibração:

Número Digital

A fidelidade da correspondência pode ser afetada:

1) perda de informação devido à discretização em um ND; 2) degradação dos componentes óticos,

3) mudanças nas características dos circuitos de amplificação eletrônica

4) ruídos resultantes de vários sistemas eletrônicos presentes na plataforma.

Quantidade de energia que chega ao sensor

(15)

Navegação e Calibração do Satélite

Calibração:

Transformação de ND em radiância

R

i

=

β

i⋅

ND

i

+

α

i

R

i

β

i

α

i

ND

- representa o canal - radiância medida [Wm-2_sr-1μm-1_]

- coeficiente angular de calibração (slope) [Wm-2_sr-1μm-1_DN-1_]

- coeficiente linear de calibração (intercept) [Wm-2_sr-1μm-1_]

- Número Digital [0 até 1023 para uma imagem com resolução de 10 bits] Valores fornecidos

com a imagem

(16)

Dados do Pixel – Inspeção do Pixel

Posição: 1:47:42 S / 33.01:08 E Valor Brutos: 633 Radiância: 119.33 mW/m2_/ster/cm-1 Temperatura: 304.21 K Posição: 1:24:17 S / 33:56:32 E Valor Bruto: 436 Radiância: 78.94 mW/m2_/ster/cm-1 Temperatura: 278.21 K Posição: 1:24:17 S / 33.56:32 E Valor Bruto: 452 Radiância: 11.72 mW/m2_/ster/cm-1 Posição: 1:47:42 S / 33.01:08 E Valor Brutos: 185 Radiância: 3.91 mW/m2_/ster/cm-1

IR

_VIS

(17)

Navegação e Calibração do Satélite

Voltando ao nosso slide anterior, onde nós inspecionamos pixels individuais sobre uma imagem IR:

Com intuito de se conhecer a localização exata de um pixel, a imagem precisa ser navegada (geo-referenciada). Com o intuito de transformar os valores brutos em unidades físicas, o instrumento precisa ser calibrado.

Navegação e calibração são pré-requisitos importantes para bons produtos! Posição: 1:47:42 S / 33.01:08 E Valor Brutos: 633 Radiância: 119.33 mW/m2_/ster/cm-1 Temperatura: 304.21 K Posição: 1:24:17 S / 33:56:32 E Valor Bruto: 436 Radiância: 78.94 mW/m2_/ster/cm-1 Temperatura: 278.21 K

IR

(18)

Alguma Teoria

Estágios em Sensoriamento Remoto:

Emissão da radiação eletromagnética pelo sol;

Transmissão da energia emitida pela fonte até a superfície terrestre (interação da radiação com a atmosfera = transmissão + absorção + espalhamento);

Interação da radiação eletromagnética com a superfície terrestre – reflexão e absorção/emissão;

(19)

Alguma Teoria

Para se obter informação a partir

de

imagens

de

satélites,

a

radiação emitida pelo Sol deve

interagir com a atmosfera ou a

superfície!

(20)

Alguma Teoria

O que vemos?

Todo corpo com temperatura acima do zero absoluto emite radiação eletromagnética e a radiação emitida e dada pela Lei de Planck:

A quantidade energia emitida é proporcional a temperatura do objeto (Lei de Stefan-Boltzmann):

Comprimento de onda de máxima emissão é dada pela Lei de Wien:

4

T

F

=

σ

T

2897

max

=

λ

(21)

Alguma Teoria

Temperatura do Sol é de 6000 K:

O pico de emissão:~ 0,4 μm na

região visível do espectro;

Radiação solar significante ocorre entre 0,3 e 4 μm;

Radiação solar: ondas curtas;

Temperatura média da Terra é de 288 K:

O pico de emissão:~ 10 μm na

região do infravermelho;

Radiação terrestre significante ocorre entre 3 e 100 μm;

Radiação terrestre: ondas

(22)

Alguma Teoria

Em geral as bandas podem ser divididas em 3

regiões:

bandas entre 0,3 e 3

μm (região de reflexão) – radiação

medida é a radiação solar refletida pelo sistema terrestre;

bandas entre 3 e 5

μm (região intermediária) – reflexão da

radiação solar e emissão de radiação pelo sistema terrestre;

bandas entre 6 e 100

μm (região de emissão) – emissão do

sistema terra-atmosfera

(23)

Alguma Teoria

Para canais localizados na região solar (VIS), a radiação medida é

aquela refletida pela superfície ou espalhada dentro da atmosfera e

nuvens.

Baixa reflexão da superfície do mar

Alta reflexão da terra e especialmente das nuvens

(24)

Alguma Teoria

Para os canais localizados na região do infravermelho,

a

radiação

é

na

verdade

emitida

pela

própria

terra/atmosfera/nuvens devido a sua temperatura.

Temperaturas razoavelmente altas na superfície do mar

Temperaturas baixas das nuvens altas

(25)

Informação Contida em Imagens no VIS

Informação contida nos canais VIS/solares: A radiação solar à superfície terrestre é refletida diferentemente por diferentes tipos de superfície – portanto nós podemos obter informações acerca dos tipos de superfície utilizando canais visíveis!

(26)

Informação Contida em Imagens no IR

Informação contida nos canais infravermelho/termais: O painel abaixo mostra as propriedades de emissão de diferentes superfícies. Esta radiação emitida viaja ascendentemente através da atmosfera e , dependendo do comprimento de onda, sofre absorção na atmosfera – o painel acima mostra a localização das principais regiões de absorção.

(27)

Exemplos de Imagens IR em Diferentes Regiões de Absorção

4 Canais (Meteosat-8), mesma região – temperaturas de brilho bastante diferentes

(28)

Uma importante ferramenta para a interpretação de

imagens de satélites: MTR.

Estes modelos permitem simular os processos

radiativos dentro da atmosfera.

A radiação no topo da atmosfera pode ser simulada

e comparada com as medições do satélite.

Esta comparação pode revelar aspectos importantes

do estado atual da atmosfera, este é um primeiro

passo em direção a um produto.

Exemplos

deste

mecanismo

serão

mostrados

adiante.

Ferramenta Importante para Geração de Produtos: Modelo de

Transferência Radiativa (MTR)

(29)

Os MTRs precisam como entrada de informação

acerca

da

superfície,

perfis

atmosféricos,

propriedades das nuvens, etc.

Com estas informações, a equação que governa os

processos radiativos (equação de transferência

radiativa)

é

resolvida

numericamente.

Existem

diferentes esquemas numéricos, os quais resultaram

em modelos mais/menos precisos e mais/menos

eficientes em termos computacionais.

Usualmente, estes modelos assumem algumas

simplificações.

Ferramenta Importante para Geração de Produtos: Modelo de

Transferência Radiativa (MTR)

(30)

Exemplo de Produto Utilizando Imagem VIS: NDVI

Detecção do estresse da vegetação

Reflectância 0,6 µm Reflectância 0,8 µm

Vegetação Saudável Menor Maior

(31)

Exemplo de Produto Utilizando Imagem VIS: NDVI

Índice de Vegetação de Diferença Normalizada (NDVI):

6 . 0 8 . 0 6 . 0 8 . 0

R

NDVI

+

−

=

6 . 0 8 . 0

R

−

_{maior para vegetação saudável} _{(NDVI maior)}

6 . 0 8 . 0

R

(32)

Exemplo de Produto Utilizando Imagem VIS: NDVI

NDVI para uma região agrícola durante o ciclo de crescimento de uma cultura

(33)

Exemplo de Produto Utilizando Imagem VIS: NDVI

http://satelite.cptec.inpe.br/

NDVI para a América do Sul Produto DSA – CPTEC/INPE

(34)

Exemplo de Produto Utilizando Imagem VIS: NDVI

Navegação Numero Digital Canais VIS0.6 & VIS0.8

Radiância

Reflectância

NDVI

Máscara de Nuvem

(35)

Medidas na janela atmosférica (10–12 μm)

Exemplo de Produto Utilizando Imagem IR: Temperatura da Superfície

O que os instrumentos a bordo de satélites medem?

Eles NÃO medem TEMPERATURA DA SUPERFÍCIE!

Medem a radiância L que chega ao topo da atmosfera em uma dado comprimento de onda λ. A radiância é relacionada com a variável geofísica através da equação de transferência radiativa

↓ ↑

₊

₋

+

=

_λ _λ _λ _λ _λ _λ _λ λ

ε

B

T

s

τ

L

a

ε

τ

L

d

L

(

)

(

1 )

1 ₂ ₃

(36)

Exemplo de Produto Utilizando Imagem IR: Temperatura da Superfície

↓ ↑

₊

₋

+

=

_λ _λ _λ _λ _λ _λ _λ λ

ε

B

T

s

τ

L

a

ε

τ

L

d

L

(

)

(

1 )

Composição & estrutura térmica da atmosfera Radiância no satélite Superfície (TS & EM) Correções Atmosféricas TS Levar em conta o efeito da EM CÁLCULO DOS PARÂMETROS ATMOSFÉRICOS: τ, La, Ld UTILIZANDO UM MTR MAPA DE EM Calibração e Navegação

(37)

Exemplo de Produto Utilizando Imagem IR: Temperatura da Superfície

Radiâncias Simuladas TS & EM (Prescritas) + Perfil atmosférico Comparação TS & EM (Estimativa) MRT Construção de um algoritmo com base na relação entre TS prescritas e as radiâncias

(38)

Exemplo de Produto Utilizando Imagem IR: Temperatura da Superfície

Simulação com o MODTRAN4

O conjunto de dados simulados inclui 237600 diferentes condições de observações!

Casos considerados

Perfis Atmosféricos 165 perfis tirados da base de

dados TIGR

Temperatura da Superfície

Ts varia em torno da temperatura do 1º nível do perfil (T_a1) de T_a1− 10.0 K até T_a1 + 15.0 K em passos de 5 K Emissividade Varia de 0,90 até 0,99 em passos de 0,01 e Δε varia de – 0,01 até 0,01 em passos de 0,01

Ângulo de Visão do Satélite 8 ângulos cobrindo um intervalo

de valores do nadir até 60º

T_a1 varia 263 – 312K

W varia de 0 – 6 gcm-2

(39)

Exemplo de Produto Utilizando Imagem IR: Temperatura da Superfície

ε

+

Δ

−

+

−

+

−

+

=

2 ₄ ₅ 5 . 11 5 . 10 3 5 . 11 5 . 10 2 5 . 10 1 0

a

T

a

(

T

)

a

(

T

)

a

(

1 )

a

T

_s

Método Split-Window (SW) – (Sobrino e Raissouni, 2000)

a

_k (

k

= de 0 a 5) – coeficientes do SW estimados por análise de regressão dos dados simulados com o MODTRAN4

T

_10.5 e

T

_11.5 – temperaturas de brilho em canais adjacentes posicionados em 10.5 e 11.5 μm

(

ε

₁₀_.₅

ε

₁₁_.₅

)

2 ε

=

+

)

(

ε

₁₀_.₅

ε

₁₁_.₅

ε

=

−

Δ

(40)

Exemplo de Produto Utilizando Imagem IR: Temperatura da Superfície

Produto DSA – CPTEC/INPE

Temperatura da Superfície para América do Sul NOAA18 – 25/10/2006 (17:58 UTC)

(41)

Navegação Numero Digital Canais IR10.5 & IR11.5

Radiância

Temperatura de Brilho

TS

Máscara de Nuvem

Pré-processamento

Exemplo de Produto Utilizando Imagem IR: Temperatura da Superfície

Correção Atmosférica Emissividade

(42)

Produtos de Satélite: Derivação de uma Máscara de Nuvem

Intuitivamente a detecção de nuvens parece fácil já que elas

apresentaram temperaturas baixas nas imagens infravermelho

(à esquerda) e alto brilho nas imagens do visível (à direita)

…

(43)

Mas Quando Olhamos em Detalhes…

Ampliação de uma imagem no

IR: Para pixels individuais

pode ser muito difícil decidir

quando estes são nuvens ou

não.

Problemas: bordas das nuvens,

pixels parcialmente cobertos

com nuvens, nuvens em várias

camadas, superfícies frias ou

com alto brilho …

(44)

Detecção de Nuvem: Condições Difíceis

Canal VIS: Nuvens com alto

brilho sobre uma superfície no

deserto

com

alto

brilho

também

(45)

Detecção de Nuvem: Condições Difíceis

Canal VIS: Superfícies

brilhosas podem existir

também

sobre

os

oceanos

(alto

brilho

devido ao reflexo solar

-sunglint)

(46)

Detecção de Nuvem: Condições Difíceis

Estas

feições

no

Atlântico Sul podem ser

facilmente interpretadas

como nuvens (um pouco

mais

frias

que

a

superfície) – mas estas

são

correntes

frias

oceânicas

(47)

Geração de uma Máscara de Nuvem

Os

esquemas

para

detecção

de

nuvem

consiste

geralmente

em

uma

técnica

de

limiares

Imagens

em

diferentes

canais

IR

são

comparadas

às

temperaturas

de

brilho

teoricamente esperadas para um pixel sem

nuvem

Se disponível, dados no VIS são comparados

com o brilho esperado de um pixel sem nuvem

(48)

Geração de uma Máscara de Nuvem – Pré-requisitos Importantes

Precisamos de um bom registro entre canais

individuais

se

não

as

informações

para

diferentes canais podem ser contraditórias.

Precisamos de uma boa calibração, já que

comparamos reflectâncias e temperaturas de

brilho!

(49)

Geração de uma Máscara de Nuvem

NOAA18 – 02/08/2006 (17:14 UTC)

Canal 1 (0.6 μm) Máscara de Nuvem

TB4 < 278 K ou

Reflect_1/ Reflect_2 < 1.4

Pixel classificado como nuvem

(50)

Produtos de Satélite: Estimativa de Vetores Vento como um exemplo

Para satélites geoestacionários, imagens consecutivas mostram muito bem o movimento das nuvens (e.g., no VIS ou no IR). Este é um exemplo de três imagens consecutivas do IR10.8, 15 minutos entre cada uma.

Observe a nuvem dentro do círculo laranja!

(51)

(52)

(53)

Estimativa de Vetores Vento: Passo de Rastreio

Indo da Imagem 1 para 2: Um determinado padrão é identificado na Imagem 1 (área de alto contraste). Na Imagem 2, esta área é deslocada em diferentes direções para encontrar uma melhor concordância com a Imagem 1.

(54)

Estimativa de Vetores Vento: Passo de Rastreio

(55)

Estimativa de Vetores Vento: Passo de Rastreio

(56)

Estimativa de Vetores Vento: Passo de Rastreio

(57)

Estimativa de Vetores Vento: Passo de Rastreio

Boa Concordância!

(58)

Estimativa de Vetores Vento: Passo de rastreio

Este processo é então repetido entre a Imagem 2 e a Imagem 3

(59)

Qualidade dos Vetores Vento

Vetores resultantes de 2 pares

de imagem: Possibilidade de

controle

de

qualidade

(consistência no tempo)

(60)

Qualidade dos Vetores Vento

Campo

final

de

vetores:

Possibilidade de controle de

qualidade

(consistência

espacial)

Vetores resultantes de 2 pares

de imagem: Possibilidade de

controle

de

qualidade

(consistência no tempo)

(61)

Rastreio do Vento: Calibração e Navegação?

O rastreio do vento é um dos poucos exemplos de produtos onde

pode ser feito sem calibração: tudo que é preciso é algum contraste

na imagem, de forma que o rastreio funciona bem utilizando valores

brutos.

Boa navegação é de crucial importância: Veja o que pode acontecer

…

(62)

Navegação de Imagem para Rastreio de Vento - Exemplo

Uma má navegação pode causar

o rastreio de linhas de costa!

Neste exemplo, é assumido um

erro de navegação de 0,5 graus

em ambas latitude e longitude.

(63)

Navegação de Imagem para Rastreio de Vento - Exemplo

Uma má navegação pode causar

o rastreio de linhas de costa!

Neste exemplo, é assumido um

erro de navegação de 0,5 graus

em ambas latitude e longitude.

(64)

Navegação de Imagem para Rastreio de Vento – outro Exemplo

Sequência das Imagens 2 e 3, com o vetor vento correto mostrado à esquerda. À direita a Imagem 3 é assumida ter um erro de navegação de 0,5 em ambas latitude e longitude – o vetor vento obviamente mudou completamente e reflete agora o erro de navegação.

(65)

Extração de Alvos – Exemplo Meteosat sobre a Europa

Oriental

Cada

cruz

marca

um

possível

alvo

para

o

rastreio

do

vento,

estimado

por

um

procedimento automático

que encontra áreas de

alto contraste.

Nem

todo

alvo

é

adequado para o rastreio!

(66)

Campo Final de Vento de um satélite Geoestacionário

Exemplo

tirado

do

GOES-12: As cores

indicam os diferentes

níveis dos ventos.

(67)

Dados de Vento Extraídos com Satélites Polares

Alta resolução temporal é garantida para satélites geoestacionários

(68)

Um Exemplo Real Polar – Imagens WV do MODIS

Este

exemplo

mostra

que

há

uma

boa

sobreposição

entre

órbitas consecutivas (~

1,5 hora de diferença)

(69)

(70)

Estimativa da Altura do Vento

Enquanto

a velocidade

e direção

do vento

são bem

identificadas no processo de rastreio, a questão da altura ainda

permanece aberta:

Vamos observar um exemplo do canal IR10.8, onde uma

nuvem foi rastreada. O que é medido pelo satélite?

(71)

Exemplo Utilizando uma Imagem Real

Nós observamos uma imagem

no

canal

IR10.8

com

um

número de nuvens opacas no

centros e mais nuvens

semi-transparentes ao sul. Os valores

de temperatura de alguns pixels

mostram o efeito drástico da

semi-transparência, apesar da

diferença de altura entre estas

nuvens não é ser muita.

(72)

Atribuição de Altura para Nuvens Opacas

A temperatura de brilho de um pixel coberto com nuvem é comparada com um perfil de temperatura previsto e a esta nuvem é atribuída a altura do perfil correspondente a temperatura de brilho. Refinamento: Absorção do vapor d’água acima da nuvem é modelado por um MTR.

(73)

Atribuição de Altura para Nuvens Semi-transparentes (1)

Um

dos

muitos

métodos

de

correção para semi-transparência

utiliza os canais IR10.8 e WV

(usualmente o WV6.2).

Num primeiro passo, uma relação teórica é computada entre as radiâncias no IR e no WV para nuvens opacas para diferentes alturas. Esta relação é obtida com um MTR.

(74)

Atribuição de Altura para Nuvens Semi-transparentes (2)

As radiâncias observadas no IR e no WV de um conjunto de pixels adjacentes com nuvens são comparadas com a curva teórica: Enquanto uma nuvem opaca deve se situar sobre a curva, uma nuvem semi-transparente deve se situar abaixo da curva. A altura da nuvem para todos os pixels é dada pela interseção com a curva teórica.

(75)

Produtos de Satélite: Estimativa de Precipitação

Modelo Hydroestimador:

Utilizado operacionalmente na DSA – CPTEC/INPE

R = 1.1183x1011 exp(- 3.6382 x 10

-2

_{x TB}

1.2

₎

1º Passo: Relação entre a precipitação medida com radar (mm/h) e a temperatura de brilho da nuvem

(76)

Produtos de Satélite: Estimativa de Precipitação

Modelo Hydroestimador:

R = 1.1183x1011 exp(- 3.6382 x 10

-2

_{x TB}

1.2

_{) x PW X RH}

2º Passo: Fator de correção de Umidade

tende a sobreestimar (subestimar) a precipitação em ambientes úmidos (secos).

PW - conteúdo de água precipitável (entre a superfície e o nível de 500 mb)

RH - umidade relativa (entre a superfície e o nível de 500 mb)

PW x RH Modelo Global ETA

Se TB < 210 K e PWRH > 1 então R não precisa se corrigido por PWRH Se TB < 200 K R é limitada a 72 mm/h

(77)

Produtos de Satélite: Estimativa de Precipitação

Modelo Hydroestimador:

R = 1.1183x1011 exp(- 3.6382 x 10

-2

_{x TB}

1.2

_{) x PW X RH x TCN}

3º Passo: Fator de correção da temperatura e crescimento da nuvem (TCN)

•Um sistema convectivo produz maiores quantidades de chuva quando os topos se tornam mais frios e expansivos

•Nuvens no estágio de dissipação produzem pouca ou nenhuma precipitação

Se TB da imagem atual for mais frio que da imagem anterior então TCN = 1 Se TB da imagem atual for mais quente que da imagem anterior então TCN = 0 Se TB da imagem anterior for igual ao da imagem anterior então TCN = 0

(78)

Produtos de Satélite: Estimativa de Precipitação

Modelo Hydroestimador: Utilizado operacionalmente na DSA – CPTEC/INPE

http://satelite.cptec.inpe.br/

(79)

Produtos de Satélite: Acompanhamento e Previsão de Sistemas Convectivos (ForTraCC)

Técnica de Limiar

TB <= 235 K - pixel classificado como_{sistema convectivo}

Contagem do Número

de Sistemas

Convectivos

se pixels adjacentes possuem TB <= 235 K, então estes fazem parte do mesmo sistema convectivo. É contado somente um sistema

Evolução no Tempo

Cálculo: 1) tempo de vida; 2) se o sistema está intensificando, desintensificando ou estável e etc.

(80)

Estatística

Cálculo:_{convectivas (isto é pixels com TB <= 210 K) e etc.}1) Área: 2) Número de células

Parâmetros

Físicos

Cálculo: 1) temperatura mínima; 2) velocidade; 3) direção; 4) taxa de expansão e etc.

Rastreio

Identificação do sistema da imagem anterior_{na imagem seguinte}

Previsão

previsão (30, 60, 90 e 120 minutos) de comoos sistemas irão se deslocar, intensificar, expandir e etc.

(81)

(82)

Estágios Típicos no Desenvolvimento de Produto

Estudo de Viabilidade – O instrumento carrega a

informação que eu quero extrair?

Escolha cuidadosa do algoritmo (e.g. modelo de radiação

adequado, tempo de cálculo, etc.)

Quando o desenvolvimento termina? Validação,

validação,

validação, validação

Validação pode incluir: comparação com dados coletados

em campo, com saídas de modelos de previsão de

tempo, produtos similares obtidos com outros satélites,

produtos similares obtidos com diferentes algoritmos…

(83)

Resumo (1)

Dados de Satélite podem se tornar numa vasta gama

de produtos meteorológicos se

A radiação medida é influenciada pelo parâmetro meteorológico

Nós temos uma boa calibração do instrumento

(84)

Resumo (1)

Dados de Satélite podem se tornar numa vasta gama

de produtos meteorológicos se

A radiação medida é influenciada pelo parâmetro meteorológico

Nós temos uma boa calibração do instrumento

Nós temos uma boa geo-localização do instrumento

Geralmente, dados de satélite nos dão informação

sobre

Nuvens (altura, temperatura, fase, microfísica, …)

Superfície (temperatura, umidade, …)

Parâmetros da Superfície (reflectância, emissividade, albedo,...)

Perfis Atmosféricos / constituintes / aerossóis

(85)

Resumo (2)

Estes produtos de satélite são úteis para

Assimilação em modelos de previsão numérica de tempo

Suporte para aplicações de previsão de curto espaço de tempo Suporte para aplicações climáticas

Suporte para o monitoramento do meio ambiente (queimadas, qualidade do ar, …)

(86)

Resumo (2)

Estes produtos de satélite são úteis para

Assimilação em modelos de previsão numérica de tempo

Suporte para aplicações de previsão de curto espaço de tempo Suporte para aplicações climáticas

Transformação de Dados Digitais (Imagens) em Produtos