Sensoriamento remoto e bases de dados meteorológiicas para

Transcrição

Sensoriamento remoto e bases de dados
meteorológiicas para seguros climáticos
paramétricos
Avaliaçao para América Latina
Relatório final
Agosto 2015
Preparado para o Climate Insurance Fund
Preparado por eLEAF Competence Center
Sensoriamento remoto e bases de dados meteorológiicas para seguros climáticos paramétricos
Avaliação para América Latina
Este estudo foi realizado pela eLEAF for the Climate Insurance Fund
Os autores são Ernesto Bastidas-Obando, Rutger Kassies, Steven Wonink e Maurits Voogt.
Todos os direitos reservados, Agosto 2015
Por favor, envie perguntas ou comentários para [email protected]
2
Tabela de conteúdos
Lista de tabelas ............................................................................................................................... 4
Lista de tabelas apêndices.............................................................................................................. 5
Resumo........................................................................................................................................... 6
1
Introdução .............................................................................................................................. 7
2
Sensoriamento remoto e bases de dados climáticas ............................................................. 9
2.1
Sensores únicos de sensoriamento remoto ................................................................ 12
2.2
Produtos de sensores múltiplos .................................................................................. 34
2.3
Projetos de assimilação de dados climáticos .............................................................. 41
2.4
Estações terrestres ...................................................................................................... 46
3
Avaliação de projetos e casos na LATAM ............................................................................. 49
4
Conclusões e recomendações .............................................................................................. 60
5
Bibliography ......................................................................................................................... 61
Apêndice 1 WMO bases de dados selecionadas .......................................................................... 64
Apêndice 2 Escritórios nacionais de dados meteorológicos de estações terrestres ................... 75
Apêndice 3 Divulgação de bases de dados .................................................................................. 89
3
Lista de tabelas
Tabela 2-1: Panorama da disponibilidade ................................................................................... 11
Tabela 2-2: Dual-frequency Precipitation Radar ......................................................................... 13
Tabela 2-3: GPM Microwave Imager........................................................................................... 14
Tabela 2-4: Precipitation Radar ................................................................................................... 16
Tabela 2-5: TRMM Microwave Imager ........................................................................................ 17
Tabela 2-6: Vegetação ................................................................................................................. 19
Tabela 2-7: Enhanced Thematic Mapper + ................................................................................. 21
Tabela 2-8: Operational Land Imager.......................................................................................... 23
Tabela 2-9: Visible/Infrared Imager Radiometer Suite ............................................................... 25
Tabela 2-10: Moderate Resolution Imaging Spectroradiometer ................................................ 27
Tabela 2-11: Multi-angle Imaging Spectro-Radiometer .............................................................. 29
Tabela 2-12: Advanced Scatterometer ....................................................................................... 31
Tabela 2-13: Advanced Space borne Thermal Emission and Reflection radiometer .................. 32
Tabela 2-14: Integrated Multi-satellitE Retrievals for GPM ........................................................ 35
Tabela 2-15: Tropical Rainfall Measuring Mission ...................................................................... 37
Tabela 2-16: Near-real-time Ice and Snow Extent ...................................................................... 38
Tabela 2-17: Global Multi-sensor Automated Snow/Ice............................................................. 39
Tabela 2-18: Climate Hazards Group InfraRed Precipitation with Station data (CHIRPS) .......... 40
Tabela 2-19: Goddard Earth Observing System Model ............................................................... 42
Tabela 2-20: Modern-Era Retrospective analysis for Research and Applications ...................... 43
Tabela 2-21: European Centre for Medium-Range Weather Forecasts...................................... 44
Tabela 2-22: Global Data Assimilation System (GDAS) ............................................................... 45
Tabela 2-23: Global Historical Climatology Network – daily (GHCN-Daily)................................. 47
Tabela 2-24: Latin American Climate Assessment & Dataset (LACA&D) .................................... 48
Tabela 3-1: Argentina – Precipitação para a indústria de leite ................................................... 50
Tabela 3-2: Argentina – NDVI para forragem .............................................................................. 51
Tabela 3-3: Argentina – Precipitação para o algodão ................................................................. 52
Tabela 3-4: Honduras – Nicarágua – Precipitação para o café ................................................... 53
Tabela 3-5: Mexico – NDVI for pastures ..................................................................................... 54
Tabela 3-6: Mexico – Precipitação para culturas e pastagens .................................................... 55
Tabela 3-7: Peru – Precipitação para culturas ............................................................................ 56
Tabela 3-8: Uruguai – Temperatura do ar para o arroz .............................................................. 57
Tabela 3-9: Uruguay – Precipitação para culturas ...................................................................... 58
Tabela 3-10: Uruguay – NDVI para pastagens............................................................................. 59
4
Lista de tabelas appendices
Tabela A- 1: WMO bases de dados selecionadas ........................................................................ 64
Tabela A- 2: Argentina – Servicio Meteorológico Nacional......................................................... 75
Tabela A- 3: Bolivia – Servicio Nacional de Meteorología e Hidrologia ...................................... 76
Tabela A- 4: Brazil – Instituto Nacional de Meteorologia ........................................................... 76
Tabela A- 5: Chile-Dirección Meteorológica de Chile .................................................................. 76
Tabela A- 6: Colombia- Instituto de Hidrología, Meteorología y Estudios Ambientales............. 78
Tabela A- 7: Costa Rica – Instituto Meteorológico Nacional....................................................... 79
Tabela A- 8: Dominican Republic-Oficina Nacional de Meteorología ......................................... 79
Tabela A- 9: Ecuador- Instituto Nacional de Meteorologia e Hidrologia .................................... 80
Tabela A- 10: Guatemala – Instituto Nacional de Sismología, Vulcanología, Meteorología e
Hidrología .................................................................................................................................... 81
Tabela A- 11: Honduras - Servicio Meteorológico Nacional de Honduras .................................. 81
Tabela A- 12: Mexico - Comisión Nacional del Agua Servicio Meteorológico Nacional ............. 82
Tabela A- 13: Nicaragua – Instituto Nicaragüense de Estudios Territoriales .............................. 83
Tabela A- 14: Panama - HIDROMET ............................................................................................ 83
Tabela A- 15: Paraguay – Dirección de Meteorología e Hidrología ............................................ 83
Tabela A- 16: Perú-Servicio Nacional de Meteorología e Hidrología .......................................... 85
Tabela A- 17: Salvador-Ministerio de Medio Ambiente y Recursos Naturales ........................... 86
Tabela A- 18: Uruguay – Dirección Nacional de Meteorología ................................................... 87
Tabela A- 19: Venezuela – Servicio de Meteorología de la aviación Militar Bolivariana ............ 88
Tabela A- 20: Divulgação de bases dedados ............................................................................... 89
5
Resumo
Este relatório apresenta um inventário das estações climatéricas e de sensoriamento remoto
disponível na América Latina. Por cada estação foi definido e tabulado um critério, que
resultou numa descrição de 24 estações capacitadas para fazer relatórios de informação
paramétrica. As tabelas facilitam a comparação de dados e a informação disponível por país de
dados climáticos obtidos nas estações terrestres. A descrição dos projetos e casos de estudos
usando a informação das estações de cada região é fornecida.
O sensoriamento remoto e as estações climáticas estão a desempenhar um papel importante
no desenvolvimento de produtos climáticos parametrizados na América Latina. A quantidade
de informação fornecida por ambas fontes dá-nos a oportunidade de desenvolver este
produto. No entanto, a disponibilidade de informação, nomeadamente das estações
terrestres, varia por país, daí dificultar a sua implementação. Bases de dados de sensoriamento
remoto e os estudos climáticos oferecem-nos a oportunidade de obter informação em tempo
real o que pode suavizar as limitações dos dos dados das estações terrestres. A
correspondência entre o sensoriamento remoto e os projetos de recolha de dados climáticos
com os parâmetros a definir necessita ainda de mais investigação. Há projetos operacionais
em determinadas regiões e noutras, ainda emfase de desenvolvimento. A transmissão do
seucesso destes projetos precisa de mais divulgação.
6
1 Introdução
De há uns anos para cá, os satélites têm possibilitado o sensoriamento remoto acerca da terra.
As vantagens têm sido aproveitadas por um cada vez maior número de indústrias. Esta
tendência vai aumentar quantos mais satélites forem colocados em órbita – recentemente o
ESA Sentinel 2, começou a transmitir dados de alta resolução com intervalos de tempo cada
vez mais reduzidos. Além das indústrias, outro setor que pode aproveitar esta facilidade de
informação é o setor dos seguros. Seguros contra danos causados pelo clima e perdas agrícolas
representam uma quota-parte do mercado dos seguros. O sensoriamento remoto e as bases
de dados meteorológicas podem desempenhar um papel importante neste setor através dos
seus produtos parametrizados. Estes, são produtos que atuam na prevenção de eventos
repentinos, tais como uma tempestade, em vez dos danos causados pela mesma. Neste caso, a
quantidade de precipitação é uma estimativa dos danos causados por uma situação de seca.
Isto oferece-nos a possibilidade de baixar os custos da apólice de seguro uma vez que não será
necessária uma avaliação de danos para o seguro pagar. No entanto, a aceitação do
sensoriamento remoto no setor tem sido baixa. Foram desenvolvidos alguns projetos mas
poucos virados para a área comercial.
O Climate Insurance Fund, iniciado pelo governo alemão, tem como objetivo aumentar o
acesso aos seguros nos países subdesenvolvidos. O objetivo específico deste fundo é reduzir a
vulnerabilidade das pequenas empresas, bem como das famílias de baixos rendimentos a
eventos climáticos extremos. Os produtos de seguros de clima paramétricos podem
desempenhar um papel importante na consecução deste objetivo. Para obter uma melhor
compreensão das bases de dados climáticas e de sensoriamento remoto, o Climate Insurance
Fund pediu à eLEAF para fazer uma avaliação dos dados disponíveis na América Latina. O foco
desta avaliação incide nas bases de dados de sensoriamento remoto e nas bases de dados das
estações terrestres, se existir informação disponível. Este inventário foi complementado com
uma avaliação de projetos e casos onde esta informação foi utilizada como parte de um
produto de seguro climático (paramétrico).
Uma primeira conclusão da avaliação é que existe um grande número de bases de dados
climáticas e de sensoriamento remoto na América Latina. Muitos satélites orbitam a terra e
cada um destes países têm institutos que medem, administram e usam parâmetros climáticos.
No entanto, nem todas essas bases de dados são relevantes ou de fácil acesso.
Com o intuito de manter a lista acessível, e dado o tamanho do projeto, tivemos que ser
seletivos em relação às bases de dados presentes nesta avaliação. Para bases de dados de
sensoriamento remoto o nosso foco incidiu naquelas com fins científicos ou comerciais. Para
bases de dados meteorológicas de fácil acesso aplicámos o nosso critério.
Se estas bases de dados são capazes de transmitir informação relacionada com danos
provocados pelo clima, é um tema que não foi abordado nesta avaliação. A aptidão para
parâmetros de seguro climáticos vai para além do objetivo deste projeto. Na prática, a
aplicação de bases de dados climáticas e de sensoriamento remoto ainda é escassa devido à
dificuldade de transmitir os benefícios deste sistema. Nesta avaliação fizemos uma lista de
7
estudos que tentaram ou que estão a usar estas bases de dados na América Latina. Contudo, é
um número limitado.
No capítulo 2 selecionamos bases de dados. São descritas com base em formatos similares. O
capítulo começa com uma pequena explicação dos tipos de bases de dados que incluímos e
onde estão localizadas. O capítulo 3 descreve projetos e casos de estudo que utilizaram
sensoriamento remoto e bases de dados climáticas para estruturar produtos de seguros
climáticos. Está configurado de forma semelhante com o capítulo anterior, descrevendo cada
um dos casos num formato similar. O último capítulo apresenta recomendações sobre o
desenvolvimento de mais bases de dados climáticas e de sensoriamento remoto para produtos
de seguros paramétricos climáticos na América Latina.
8
2 Sensoriamento remoto e bases de dados climáticas
Neste capítulo apresentamos os resultados do inventário de sensoriamento remoto e de bases
de dados climáticas que são relevantes para produtos de seguros climáticos na América do Sul.
Este inventário de bases de dados de sensoriamento remoto está focado em bases de dados
que quantificam e monitorizam parâmetros climáticos tias como a superfície da terra e
precipitação. Adicionámos ainda bases de dados que contêm informação relacionada com
neve e com lençóis freáticos.
Além de parâmetros relativos ao clima, a medição concreta da cobertura da vegetação, dá-nos
informação útil, por exemplo acerca do desenvolvimento das colheitas e dos seus ganhos.
Características frequentemente relacionadas com condições climatéricas podem ser um
indicador direto de danos nas colheitas. A qualidade da vegetação pode ser monitorizada
através da variável de sensoriamento remoto, Normalized Vegetation Index (NDVI) e Leaf Area
Index (LAI). A NDVI mede o vigor da vegetação. A LAI é uma variável que caracteriza a
cobertura da vegetação. Mais adiante incluímos informação de sensoriamento remoto que
pode ser usada para calcular estas duas variáveis.
As bases de dados nem sempre têm uma fonte de informação. Algumas delas derivam de mais
do que um satélite-sensor. Outras conjugam medidas efetuadas por satélite e por dados
obtidos em terra. É também possível que a base de dados seja o output de um modelo
climático. Neste capítulo distinguimos quatro categorias de bases de dados derivadas de:
•
•
•
•
Sensores únicos de sensoriamento remoto;
Produtos de multi-sensores;
Modelos de assimilação
Estações terrestres.
Modelos de assimilação descrevem o processo físico da atmosfera, superfície terrestre e
marítima com medidas concretas. As estações terrestres medem parâmetros climáticos
diretamente numa localização específica. Estão situadas em diferentes locais dos países em
questão e são administrados pelos institutos nacionais de meteorologia.
Muitos dos dados considerados neste inventário não foram medidos diretamente. Foram o
resultado da reinterpretação da medição dos sensores. Somente medidas efetuadas no
terreno, por exemplo temperatura e quantidade de precipitação podem ser interpretadas
diretamente. E ainda assim podem recalculadas para áreas mais distantes das estações
terrestres. Os dados obtidos através de satélites necessitam sempre reinterpretação para
extrair informação útil. Geralmente são necessárias medidas para obter a informação
concreta.
A quantidade de processos requeridos para gerar uma base de dados parametrizada terá
consequências em relação à velocidade da transmissão da informação. A informação primária
obtida pelos satélites está disponível nos dias seguintes à sua receção. Reinterpretar esses
dados demora mais tempo até ficarem disponíveis. A informação gerada por multi-sensores e
9
por projetos de assimilação, geralmente necessitam de mais parâmetros e consequentemente
a disponibilidade de acesso aos dados também irá variar.
Além disso, os operadores de satélite processam os dados de forma diferente antes de
tornarem a informação disponível. Alguns oferecem bases de dados prontas a serem utlizadas,
como por exemplo a Modis NDVI. Outras não. A maioria dos operadores de satélite
disponibiliza informação básica. Deste modo são necessários especialistas para reinterpretar
estes dados para estabelecerem parâmetros convencionais.
No parágrafo seguinte, selecionámos as bases de dados climáticas e de sensoriamento remoto
objetos de estudo. Um resumo das mesmas é apresentada na Tabela 2-1. Nesta tabela um
conjunto de atributos como: início - fim dos dados e número da tabela no documento, serão
apresentados para facilitar a comparação e avaliação dos dados. No apendix 3 a disseminação
dos dados é representada.
10
Tabela 2-1: Panorama da disponibilidade
Nome
Sensor Único
Dual-frequency Precipitation Radar (DPR)
GPM Microwave Imager (GMI)
Início
Fim
Tabela
2014
2017
2014
2017
Tabela 2-2
Tabela 2-3
Precipitation Radar (PR)
TRMM Microwave Imager (TMI)
Végétation (1 & 2)
Enhanced Thematic Mapper + (ETM+)
1997
1997
1998
Operational Land Imager (OLI)
Visible/Infrared Imager Radiometer Suite
(VIIRS)
Moderate
Resolution
Imaging
Spectroradiometer (MODIS)
Multi-angle Imaging Spectro-Radiometer
(MISR)
Advanced Scatterometer (ASCAT)
Advanced Space borne Thermal Emission
and Reflection radiometer (ASTER)
Sensor Múltiplo
Integrated Multi-satellitE Retrievals for
GPM (IMERG)
Tropical Rainfall Measuring Mission
(TRMM)
Near-real-time Ice and Snow Extent
(NISE)
Global Multi-sensor Automated Snow/Ice
(GMASI)
Climate
Hazards
Group
InfraRed
Precipitation with Station data (CHIRPS)
Assimilação de dados
Goddard Earth Observing System Model,
Version 5 (GEOS-5)
Modern-Era Retrospective analysis for
Research and Applications (MERRA)
ECMWF Re-analysis (ERA-Interim)
Global Data Assimilation System (GDAS)
Estações terrestres
Global Historical Climatology Network –
Daily (GHCN-daily)
Latin American Climate Assessment &
Dataset (LACA&D)
2014
2015 (fim)
2015 (fim)
2015 (fim)
2015
(em
andamento)
2018
2012
2038
1999
2015
(em
andamento)
2015
(em
andamento)
2024
2015
(em
andamento)
1999
1999
2006
1999
2014
em andamento
2000
em andamento
1995
em andamento
2006
em andamento
1981
em andamento
2012
em andamento
1979
em andamento
1979
2000
em andamento
em andamento
País
específico
País
específico
em andamento
em andamento
11
Tabela 2-4
Tabela 2-5
Tabela 2-6
Tabela 2-7
Tabela 2-8
Tabela 2-9
Tabela 2-10
Tabela 2-11
Tabela 2-12
Tabela 2-13
Tabela 2-14
Tabela 2-15
Tabela 2-16
Tabela 2-17
Tabela 2-18
Tabela 2-19
Tabela 2-20
Tabela 2-21
Tabela 2-22
Tabela 2-23
Tabela 2-24
2.1 Sensores únicos de sensoriamento remoto
Nesta secção referimo-nos a sensores em vez de satélites. O sensor é o que faz a medição e é o
que está inserido numa plataforma que está na órbita da terra, o satélite. Diversos satélites
podem transportar o mesmo sensor ou sensores múltiplos. O número de satélites na órbita da
terra é elevado. A World Metrological Organisation (WMO) possui uma base de dados com os
satélites e sensores que estão que estiveram em órbita (WMO-OSCAR, 2015). Uma primeira
seleção para sensores ativos foi baseada na capacidade de transmitir dados relacionados com
os parâmetros apropriados ao clima e à vegetação. Esta seleção resumiu-se a uma lista de 171
sensores apropriados, que pode ser encontrada no Anexo 1. Os sensores selecionados podem
inseridos nas seguintes categorias:
•
•
•
•
•
•
•
•
Imageador óptico de resolução moderada
Imageador óptico de resolução elevada
Radiômetro imageador de microondas, varrimento cônico
Imageador de microondas / Radiômetro sondador, varrimento cônico
Radiômetro de microondas com varrimento especial ou sem varrimento
Radar de precipitação e de nuvens
Radar de dispersão
Radar imageador
Uma outra seleção desta lista consistiu em sensores geralmente citados em pesquisa científica
para usos comerciais. Esta seleção foi basada na experiência que a eLEAF tem em trabalhar
com bases de dados climáticas e de deteção remota para fins agrícolas e de gestão de recursos
hídricos. A descrição dos sensores selecionados pode ser encontrada nas Tabelas 2-2 até à 213. Cada tabela descreve as seguintes especificações:
•
•
•
•
•
•
•
•
•
•
•
•
Nome do sensor
Descrição sucinta
Agência promotora
Satélite
Sensor
Resolução temporal/tempo de revisitação
Custo
Duração da missão
Relatório intervalado
Bandas/Canais
Produtos relevantes oferecidos pelo produtor
Potencial do sensor para uso de parâmetros climáticos
12
Tabela 2-2: Dual-frequency Precipitation Radar
Nome do sensor:
Dual-frequency Precipitation Radar (DPR)
Descrição sucinta:
O sensor DPR é um radar de precipitação abordo satélite com capacidade de medição precisa de precipitação. É esperado que o DPR seja mais
sensível que o seu antecessor TRMM em especial na medição de precipitação leve, tanto em forma de chuva como de neve, nas regiões de latitudes
elevadas.
Fonte: NASA (http://pmm.nasa.gov/GPM) (GPM-PMM, 2015)
Satélites:
Sensor:
GPM Core Observatory
DPR
Resolução temporal:
Custo:
Aproximadamente 5 dias
Sem custos
Duração da missão:
Período de revisita:
Março 2014 – 2017
Diário
Bandas/Canais:
Frequência
Banda
13.6 Ghz
Ku
Largura de
Faixa
245
35.5 Ghz
Ka
120
Resolução Espacial
SNR /Sensibildade
aproxx 5 km
0.5 mm/h
aproxx 5 km
0.2 mm/h
Produtos relevantes oferecidos pelo produtor:
3-DPR: Médias de precipitação
Produto
média
precipitação.
média
precipitação.
média
precipitação.
media
precipitação.
Res. Temp.
Tempo de resposta
Observações
de 0.25°
Diária
Diária
Grelha, 67°N-67°S, Março de 2014 até ao presente
de 5°
Diária
Diária
de 0.25°
Mensal
Mensal
de 5°
Diária
Mensal
Este sensor também é utilizado no multissensor IMERG.
Este tipo de sensor pode ser utilizado para:
Intensidade de precipitação à superfície (líquida ou sólida)
Precipitação acumulada (diária)
13
Tabela 2-3: GPM Microwave Imager
Nome do sensor:
O Global Precipitation Measurement (GPM) Microwave Imager (GMI) Instrument, é um radiômetro micro-ondas, multi-canal, de varredura cônica
que desempenha um papel importante com uma cobertura aproximadamente global, com um período de revisita frequente ao GPM.
O instrumento permite que o núcleo do satélite possa servir tanto como padrão de precipitação como padrão radiométrico para os restantes
instrumentos a bordo do GPM.
Agência: NASA (GMI, 2015)
Satélite:
Sensor:
GPM Core Observatory
GMI
Resolução temporal:
Custo:
Sem custos
Março 2014 – 2017
Diário
Bandas/Canais:
Frequência(GHz)
Banda (MHz)
Polarização
SR / Sensibildade
10.65
100
V
0.96 K
12 x 13.4 km
10.65
100
H
0.96 K
12 x 13.4 km
18.7
200
V
0.84 K
6 x 13.4 km
18.7
200
H
0.84 K
6 x 13.4 km
23.8
400
V
1.05 K
6 x 13.4 km
36.5
1000
V
0.65 K
6 x 13.4 km
36.5
1000
H
0.65 K
6 x 13.4 km
89
6000
V
0.57 K
3 x 13.4 km
89
6000
H
0.57 K
3 x 13.4 km
166
4000
V
1.5 K
3 x 13.4 km
166
4000
H
1.5 K
3 x 13.4 km
183.31 ± 7
2000
V
1.5 K
3 x 13.4 km
183.31 ± 3
2000
V
1.5 K
3 x 13.4 km
Faixa imageada: 850 km
Este sensor também é utilizado no produto multisensor IMERG.
14
Produtos relevantes oferecidos pelo produtor:
3-GPROF: GMI média de precipitação
Produto
Resolução Esp.
Resolução temp.
Tempo de resposta Observações
média de precipitação 0.25°
Diário
Diário
Grelha, 90°N-90°S, Março 2014 até ao presente
média de precipitação 0.25°
Mensal
Mensal
Grelha, 90°N-90°S, Março 2014 até ao presente
Este tipo de sensor pode ser utilizado também para:
Queda de neve
Precipitação acumulada (durante 24 h)
15
Tabela 2-4: Precipitation Radar
Nome:
Precipitation Radar (PR)
O primeiro de seu tipo no espaço, é um radar de varredura eletrônica (sensor ativo), operando em 13,8 GHz que mede a distribuição da
precipitação em 3-Dimensões, e define a profundidade da camada de precipitação.
Fonte: JAXA (PR-TRMM, 2015)
Satélite:
Sensor:
TRMM
PR
Resolução temporal/período de revisita:
Custo:
Aproximadamente 1 ou 2 dias
Sem custos
1997 – 2015
1 Dia
Medida de banda:
Frequência
Largura de varrimento
SNR /Sensibildade
13.8 Ghz
215
4.3 km
0.7 mm/h
Informações relevantes oferecidos pelo produtor:
A combined product with the TMI sensor:
Product
Resolução
Espacial
precipitação 5 km
Perfis
de
combinados(PR, TMI)
Perfis
de
precipitação 5 km
combinados(PR, TMI)
Perfis
de
precipitação 5 km
combinados(PR, TMI)
Resolução
temporal
Orbital, 16 por dia
Tempo
resposta
3 horas
Orbital, 16 por dia
2 dias
Orbital, 16 por dia
5 dias
Este sensor também é utilizado no produto multisensor TRMM.
16
de Observações
Disponível passados ~7dias desde a
aquisição
Disponível passados ~7dias desde a
aquisição
Orbital (Lat 38°N-S, 7 dez 1997 até ao
presente)
Tabela 2-5: TRMM Microwave Imager
Nome:
É um radiômetro de micro-ondas passivo, com multicanais: 10,65, 19,35, 37,0 e 85,5 GHz com polarizão vertical e horizontal, e 22,235 GHz com
polarização apenas vertical. O TMI fornece informações sobre o conteúdo integrado da coluna de precipitação, água líquida de nuvem,
gelo de nuvem, intensidade da chuva, e os tipos de precipitação (por exemplo, ou convectiva estratiforme).
Agência: NASA (TMI-TRMM, 2015)
Satélite:
Sensor:
TRMM
TMI
Resolução temporal/tempo de revisitação: :
Custo:
Aproximadamente 1 ou 2 dias
Sem custos
1997 – 2015
1 Dia
Bandas:
Frequência(GHz)
Banda (MHz)
Polarização
SR / Sensibildade
10.65
100
V
0.6 K
9.2 x 13.7 km
10.65
100
H
0.6 K
9.2 x 13.7 km
19.35
500
V
0.7 K
9.2 x 13.7 km
19.35
500
H
0.7 K
9.2 x 13.7 km
21.3
200
V
0.9 K
9,2 x 13.7 km
37
2000
V
0.4 K
9.2 x 13.7 km
37
2000
H
0.4 K
9.2 x 13.7 km
85.5
3000
V
0.7 K
4.6 x 13.7 km
85.5
3000
H
0.7 K
4.6 x 13.7 km
Faixa imageada: 760 km
17
Product
Resolução
Espacial
Perfis de precipitação combinados(PR, 5 km
TMI)
TMI)
TMI)
Resolução temporal
Observações
Orbital, 16 por dia
Tempo
de
resposta
3 horas
Orbital, 16 por dia
2 dias
Disponível passados ~7dias desde a aquisição
Orbital, 16 por dia
5 dias
Lat 38°N-S, 7 dez 1997 até ao presente
Este sensor também é utilizado no produto multisensor TRMM .
Cobertura de neve
Umidade do solo à superfície
18
Disponível passados ~7dias desde a aquisição
Tabela 2-6: Vegetação
Nome:
Índices de vegetação são definidos como a associação matemática de dados radiométricos provenientes de sensores remotos com as
características espectrais da vegetação.
(VEGETATION, 2015).
Satélites:
Sensor:
SPOT-4, SPOT-5
Végétation
Custo:
Aproximadamente 1 dia
Ver tabela abaixo
1998 - 2015
Aproximadamente 1 semana
Bandas:
Comprimento de onda
SR / Sensibildade
0.430 - 0.470 µm
2200 km
1.15 km
0.003
0.610 - 0.680 µm
2200 km
1.15 km
0.001 - 0.003
0.780 - 0.890 µm
2200 km
1.15 km
0.003
1.580 - 1.750 µm
2200 km
1.15 km
0.003
Produto
Resolução
Espacial
Global 10 Days Synthesis of SPOT 1000
VEGETATION Images (VGT-S10)
Tempo de resposta
10 dias (decadal)
Aprox. 7 dias
Global 1 Day Synthesis of
VEGETATION Images (VGT-S1)
1 dia
Aprox. 7 dias
Physical products of SPOT VEGETATION 1000
(VGT-P)
Orbital
Aprox. 7 dias
Free
S10
(FreeS10)
10 dias (decadal)
VEGETATION
SPOT 1000
Products 1000
19
Observações
Dados com mais de três meses
Custo:
Cobertura
P e S-NDVI
< 1
km2
€ 120
milhão 1-4
km²
€ 135
milhão Milhões
adicionais
€ 35
S1-Total e S10-NDVI
€ 160
€ 200
€ 35
S10-Total
€ 260
€ 300
€ 35
km²
“Preço: os produtos padrão de 10 dias com mais de 3 meses, estão agora disponíveis, sem custos para todos os utilizadores”
http://www.vgt.vito.be/pages/catalogue.html (VGT-VITO, 2015)
Normalised Difference Vegetation Index (NDVI) Indíce de vegetação por diferença normalizada
Leaf Area Index (LAI) Indíce da área foliar
20
Tabela 2-7: Enhanced Thematic Mapper +
Nome:
O Landsat representa a maior coleção contínua de imagens espaciais com resolução moderada provenientes de sensoriamento remoto. Quatro
décadas de imagens que fornecem uma fonte única para quem trabalha em agricultura, geologia, silvicultura, educação, cartografia e pesquisa
gobal.
Agência USGS (Landsat, 2015)
Satélite:
Sensor:
Landsat-7
ETM+
Resolução temporal/tempo de revisitação: :
Custo:
16 dias
Sem custos
1999 - 2015
Medida de banda:
Comprimento de onda
central
Resolução Espectral
Resolução
Espacial
Largura deSNR / Sensibildade
varrimento
Baixo ganho
Alto ganho
0.48 µm
0.45 - 0.52 µm
30 m
180 km
36 @ 40 Wm2/sr/μm
130 @ 190 Wm2/sr/μm
0.56 µm
0.53 - 0.61 µm
30 m
180 km
37 @ 30 Wm2/sr/μm
167 @ 193.7 Wm2/sr/μm
0.66 µm
0.63 - 0.69 µm
30 m
180km
24 @ 21.7 Wm2/sr/μm
127 @ 149.6 Wm2/sr/μm
0.83 µm
0.78 - 0.90 µm
30 m
180 km
33 @ 13.6 Wm2/sr/μm
226 @ 149.6 Wm2/sr/μm
1.65 µm
1.55 - 1.75 µm
30 m
180 km
34 @ 4.0 Wm2/sr/μm
176 @ 31.5 Wm2/sr/μm
11.45 µm
10.4 - 12.5 µm
60 m
180 km
0.2 K @ 300 K
0.2 @ 320K
2.20 µm
2.09 - 2.35 µm
30 m
180 km
27 @ 1.7 Wm2/sr/μm
130 @ 11.1 Wm2/sr/μm
Panchromatic
0.50 - 0.90 µm
15 m
180 km
14 @ 22.9 Wm2/sr/μm
80 @ 156.3 Wm2/sr/μm
Tipo
Produto
Produtos padrão Landsat
De nível 1
L1T (correção da elevação
Do terreno)
Produtos
Landsat
de Reflectância de superficie
elevado nível científico
Índices espectrais derivados
da refectância de superfície *
Resolução Espacial Resolução
temporal
Ver tabela acima
16 dias
Tempo de resposta
Ver tabela acima
1 semana
30m
21
16 dias
1 dia
1 semana
Índices disponíveis:
- Normalized Difference Vegetation Index (NDVI) Indíce de vegetação por diferença normalizada
- Enhanced Vegetation Index (EVI) Índice de Vegetação realçado
- Soil Adjusted Vegetation Index (SAVI) Índice de vegetação ajustado ao solo
- Modified Soil Adjusted Vegetation Index (MSAVI) Índice de vegetação ajustado ao solo modificado
- Normalized Difference Moisture Index (NDMI) Índice de Umidade por diferença normalizada
- Normalized Burn Ratio (NBR) Índice de queimada por razão normalizada
- Normalized Burn Ratio 2 (NBR2) Índice de queimada por razão normalizada 2
Desde 31 de Maio de 2003, são recolhidos e arquivados como "SLC-off", devido à falha do Scan Line Corrector. Esta falha causou uma perda de
dados de aproximadamente 22% de cada imagem. As falhas serão visíveis em cada uma das imagens.
Cobertura de neve
Normalized Difference Vegetation Index (NDVI) Indíce de vegetação por diferença normalizada
Temperatura à superfície do solo
22
Tabela 2-8: Operational Land Imager
Nome:
O Landsat representa a maior coleção contínua de imagens espaciais com resolução moderada provenientes de sensoriamento remoto. Quatro
décadas de imagens que fornecem uma fonte única para quem trabalha em agricultura, geologia, silvicultura, educação, cartografia e pesquisa
gobal.
A 30 de Maio de 2013 os dados do satélite Landsat 8 (lançado como Landsat Data Continuity Mission - LDCM- a 11 de Fevereiro de 2013)
tornaram-se disponíveis. Assim como outras parcerias anteriores, esta missão continua a aquisição de dados de alta qualidade que vão ao
encontro dos requisitos operacionais e científicos da NASA e USGS para a observação do uso e alteração do solo.
Agência USGS (Landsat, 2015)
Satélite:
Sensor:
Landsat-8
OLI
Período de revisita :
Custo:
16 dias
Sem custos
Relatório intervalado:
2014 - 2018
1 dia
Medida de banda:
Comprimento
onda central
de Intervalo
espectral
Resolução
Faixa imageada
SNR / Sensibildade
Baixo ganho
Alto ganho
443 nm
433 - 453 nm
30
185 130 @ 40 Wm2/sr/μm
290 @ 190 Wm2/sr/μm
482 nm
450 - 515 nm
30
185 130 @ 40 Wm2/sr/μm
360 @ 190 Wm2/sr/μm
565 m
525 - 600 nm
30
185 100 @ 30 Wm2/sr/μm
390 @ 194 Wm2/sr/μm
660 nm
630 - 680 nm
30
185 90 @ 22 Wm2/sr/μm
340 @ 150 Wm2/sr/μm
867 nm
845 - 885 nm
30
185 90 @ 14 Wm2/sr/μm
460 @ 150 Wm2/sr/μm
1650 nm
1560 - 1660 nm
30
185 100 @ 4.0 Wm2/sr/μm 540 @ 32 Wm2/sr/μm
2215 nm
2100 - 2300 nm
30
185 100 @ 1.7 Wm2/sr/μm 510 @ 11 Wm2/sr/μm
Panchromatic
500 - 680 nm
15
185 80 @ 23 Wm2/sr/μm
230 @ 156 Wm2/sr/μm
1375 nm
1360 - 1390 nm
30
185 50 @ 6.0 Wm2/sr/μm
50 @ 6.0 Wm2/sr/μm
23
Tipo
Produto
Produtos padrão Landsat
De nível 1
L1T (correção da elevação
Do terreno)
Produtos
Landsat
de Reflectância de superficie
elevado nível científico
Índices espectrais derivados
da refectância de superfície *
Resolução Espacial Resolução
temporal
Ver tabela acima
16 dias
Tempo de resposta
Ver tabela acima
1 semana
30m
16 dias
Índices disponíveis:
- Normalized Difference Vegetation Index (NDVI) Indíce de vegetação por diferença normalizada
- Enhanced Vegetation Index (EVI) Índice de Vegetação realçado
- Soil Adjusted Vegetation Index (SAVI) Índice de vegetação ajustado ao solo
- Modified Soil Adjusted Vegetation Index (MSAVI) Índice de vegetação ajustado ao solo modificado
- Normalized Difference Moisture Index (NDMI) Índice de Umidade por diferença normalizada
- Normalized Burn Ratio (NBR) Índice de queimada por razão normalizada
- Normalized Burn Ratio 2 (NBR2) Índice de queimada por razão normalizada 2
Cobertura de neve
24
1 dia
1 semana
Tabela 2-9: Visible/Infrared Imager Radiometer Suite
Nome:
Visible/Infrared Imager Radiometer Suite (VIIRS)
Os dados VIIRS são usados para medir as propriedades das nuvens e dos aerossóis, a cor do oceano, a temperatura de
superfície do mar e do solo, temperatura e deslocação do gelo, incêndios e o albedo da Terra. Os climatologistas usam os
dados VIIRS para melhorar a nossa compreensão da mudança climática.
Agência NASA (VIIRS, 2015)
Satélites:
Sensor:
Atual:
Suomi-NPP
VIIRS
Planejado:
DWSS-1, DWSS-2, JPSS-1, JPSS-2, JPSS-3, JPSS-4,
Período de revisita :
Custo:
Sem custos
2012 - 2038
Bandas/ canais medidos:
Canais radiométricos
de alta qualidade
Comprimento de onda
central
412 nm
Banda
Resolução
Alto ou ganho único
Baixo ganho
20 nm
750
352 @ 45 W/m2/sr/µm
316 @ 155 W/m2/sr/µm
445 nm
18 nm
750
380 @ 40 W/m2/sr/µm
409 @ 146 W/m2/sr/µm
488 nm
20 nm
750
416 @ 32 W/m2/sr/µm
414 @ 123 W/m2/sr/µm
555 nm
20 nm
750
362 @ 21 W/m2/sr/µm
315 @ 90 W/m2/sr/µm
672 nm
20 nm
750
242 @ 10 W/m2/sr/µm
360 @ 68 W/m2/sr/µm
746 nm
15 nm
750
199 @ 9.6 W/m2/sr/µm
865 nm
39 nm
750
215 @ 6.4 W/m2/sr/µm
1240 nm
20 nm
750
101 @ 5.4 W/m2/sr/µm
1378 nm
15 nm
750
83 @ 6.0 W/m2/sr/µm
1610 nm
60 nm
750
342 @ 7.3 W/m2/sr/µm
2250 nm
50 nm
750
10 @ 0.12 W/m2/sr/µm
3.70 µm
0.18 µm
750
0.40 K @ 270 K
4.05 µm
0.155 µm
750
0.11 K @ 300 K
8.55 µm
0.30 µm
750
0.09 K @ 270 K
10.763 µm
1.00 µm
750
0.07 K @ 300 K
12.013 µm
0.95 µm
750
0.07 K @ 300 K
25
340 @ 33.4 W/m2/sr/µm
0.42 K @ 380 K
Dia/Noite
0.7 µm
0.5 - 0.9 µm
750
6 @ 6.70 10-5 W/m2/sr/µm
Canais imageadores de alta resolução
0.64 µm
0.60 - 0.68 µm
375
119 @ 22 W/m2/sr/µm
0.865 µm
0.845 - 0.884 µm
375
150 @ 25 W/m2/sr/µm
1.61 µm
1.58 - 1.64 µm
375
6 @ 7.3 W/m2/sr/µm
3.74 µm
3.55 - 3.93 µm
375
2.50 K @ 270 K
11.45 µm
10.5 - 12.4 µm
375
1.50 K @ 210 K
Largura de varrimento: 3000 km
Environmental Data Record (EDR):
Produto
VIIRS Land Surface Temperature EDR (VLSTO)
VIIRS Sea Surface Temperature EDR (VSSTO)
VIIRS Snow Cover/Depth Binary Map EDR (VSCMO)
VIIRS Snow Cover/Depth Snow Fraction EDR (VSCDO)
VIIRS Vegetation Index EDR (VIVIO)
Sensor Data Record (SDR):
Por banda de radiância / temperatura do corpo negro
Cobertura de neve
Temperatura do mar à superfície
Temperatura do solo à superfície
26
Tabela 2-10: Moderate Resolution Imaging Spectroradiometer
Nome:
Moderate Resolution Imaging Spectroradiometer (MODIS)
O espectroradiômetro MODIS (MODerate resolution Imaging Spectrometer) encontra-se a bordo dos satélites Terra e Aqua e
cobre toda a superfície da Terra o que permite o estudo, conhecimento e observação da dinâmica e dos processos em terra,
nos oceanos e na troposfera. É, por isso, um instrumento importante na validação de modelos globais. O satélite Terra
apresenta uma órbita norte-sul e passa no equador de manhã, enquanto o satélite Aqua apresenta uma órbita sul-norte e
passa no equador de tarde. O espectrómetro MODIS dispõe de 36 bandas espectrais entre os 0.4 e os 14.4 µm, como mostra
a Tabela 1.4. Duas bandas estão disponíveis com uma resolução espacial de 250 m ao nadir, cinco bandas com 500 m e as
restantes 29 com 1000 m.
Agência NASA (MODIS, 2015)
Satélites:
Sensor:
Aqua, Terra
MODIS
Custo:
Sem custos
1999 - 2015
Medida de banda:
Comprimento de onda
central
645 nm
Banda
SNR / Sensibildade
50 nm
250 m
128 @ 21.8 W/m2/sr/µm
858 nm
35 nm
250 m
201 @ 24.7 W/m2/sr/µm
469 nm
20 nm
500 m
243 @ 35.3 W/m2/sr/µm
555 nm
20 nm
500 m
228 @ 29.0 W/m2/sr/µm
1240 nm
20 nm
500 m
74 @ 5.4 W/m2/sr/µm
1640 nm
24 nm
500 m
275 @ 7.3 W/m2/sr/µm
2130 nm
50 nm
500 m
110 @ 1.0 W/m2/sr/µm
412 nm
15 nm
1000 m
880 @ 44.9 W/m2/sr/µm
443 nm
10 nm
1000 m
838 @ 41.9 W/m2/sr/µm
488 nm
10 nm
1000 m
802 @ 32.1 W/m2/sr/µm
531 nm
10 nm
1000 m
754 @ 27.9 W/m2/sr/µm
551 nm
10 nm
1000 m
750 @ 21.0 W/m2/sr/µm
667 nm
10 nm
1000 m
910 @ 9.5 W/m2/sr/µm
678 nm
10 nm
1000 m
1087 @ 8.7 W/m2/sr/µm
748 nm
10 nm
1000 m
586 @ 10.2 W/m2/sr/µm
870 nm
15 nm
1000 m
516 @ 6.2 W/m2/sr/µm
905 nm
30 nm
1000 m
167 @ 10.0 W/m2/sr/µm
936 nm
10 nm
1000 m
57 @ 3.6 W/m2/sr/µm
27
940 nm
50 nm
1000 m
250 @ 15.0 W/m2/sr/µm
1375 nm
30 nm
1000 m
150 @ 6.0 W/m2/sr/µm
3.750 µm
0.180 µm
1000 m
0.05 K @ 0.45 W/m2/sr/µm
3.959 µm
0.060 µm
1000 m
2.00 K @ 2.38 W/m2/sr/µm
3.959 µm
0.060 µm
1000 m
0.07 K @ 0.67 W/m2/sr/µm
4.050 µm
0.060 µm
1000 m
0.07 K @ 0.79 W/m2/sr/µm
4.515 µm
0.165 µm
1000 m
0.25 K @ 0.17 W/m2/sr/µm
4.515 µm
0.067 µm
1000 m
0.25 K @ 0.59 W/m2/sr/µm
6.715 µm
0.360 µm
1000 m
0.25 K @ 1.16 W/m2/sr/µm
7.325 µm
0.300 µm
1000 m
0.25 K @ 2.18 W/m2/sr/µm
8.550 µm
0.300 µm
1000 m
0.25 K @ 9.58 W/m2/sr/µm
9.730 µm
0.300 µm
1000 m
0.25 K @ 3.69 W/m2/sr/µm
11.030 µm
0.500 µm
1000 m
0.05 K @ 9.55 W/m2/sr/µm
12.020 µm
0.500 µm
1000 m
0.05 K @ 8.94 W/m2/sr/µm
13.335 µm
0.300 µm
1000 m
0.25 K @ 4.52 W/m2/sr/µm
13.635 µm
0.300 µm
1000 m
0.25 K @ 3.76 W/m2/sr/µm
13.935 µm
0.300 µm
1000 m
0.25 K @ 3.11 W/m2/sr/µm
14.235 µm
0.300 µm
1000 m
0.35 K @ 2.08 W/m2/sr/µm
Largura de varrimento: 2230 km
O sensor de gravação de dados (radiância/temperatura de corpo negro) está disponível nas resoluções acima descritas.
Produtos derivads também disponíveis:
Produtos
Resolução
Espacial
Resolução
Temporal
Tempo
resposta
Land Surface Temperature & Emissivity
1000m
Orbital
Aprox 1 dia
Leaf Area Index - FPAR
1000m
1 dia
Aprox 1 dia
Surface Reflectance Bands 1–7
500/1000m
1 dia
Aprox 1 dia
Surface Reflectance Bands 1–2
250m
1 dia
Aprox 1 dia
Land Surface Temperature & Emissivity
1000m
1 dia
Aprox 1 dia
Vegetation Indices (NDVI, EVI)
250m
1 dia
Aprox 1 dia
Leaf Area Index - FPAR
1000m
1 dia
Aprox 1 dia
Gross Primary Productivity
1000m
1 dia
Aprox 1 dia
Net Primary Productivity
1000m
1 dia
Aprox 1 dia
Vegetation Continuous Cover
250m
1 dia
Aprox 1 dia
Vegetation Continuous Fields
250m
1 dia
Cobertura de neve
Temperatura do mar à superfície
Temperatura do solo à superfície
Aprox 1 dia
28
de
Tabela 2-11: Multi-angle Imaging Spectro-Radiometer
Nome:
Multi-angle Imaging Spectro-Radiometer (MISR)
Não voou no espaço um instrumento como o MIRS. O MIRS é capaz de gerar imagens em quatro bandas espectrais distintas, a partir
de nove diferentes ângulos de visadas e, quando combinadas com técnicas estereoscópicas viabiliza a construção de modelos 3D e
permite com que se realizem estimativas do montante total da luz solar refletida por diversos ambientes da Terra. Estes dados são
utilizados para investigar a influência do aerossol, nuvens e propriedades da superfície no balanço de radiação e em climatologia.
Agência NASA (MISR, 2015)
Satélite:
Sensor:
Terra
MISR
Custo:
Sem custos
1999 - 2015
Ver tabela abaixo
Medida de banda:
Comprimento de onda
central
446.4 nm
Banda
SNR / Sensibildade
41.9 nm
250m nadir, 275 off-nadir
300 @ 179 W/m2/sr/μm
557.5 nm
28.6 nm
620 @ 177 W/m2/sr/μm
671.7 nm
21.9 nm
650 @ 146 W/m2/sr/μm
866.4 nm
39.7 nm
740 @ 93 W/m2/sr/μm
Existem 9 sensores a medir os comprimentos de onda acima descritos. Os sensores medem em diferentes ângulos, entre os
quais:26.1, 45.6, 60.0 e 70.5 graus
Largura de varrimento 380 km
Produto
Nível 1 - Georectified Radiance Product
Largura de varrimento Orbital
(ver tabela acima)
(Aproximadamente
dias)
Largura de varrimento ( Orbital
ver tabela acima )
(Aproximadamente
dias)
Nível 2 - MISR Land Surface Data
- Bihemispherical and directional-hemispherical
reflectance (albedo)
- Hemispherical directional and bidirectional
reflectance factor (BRF)
- BRF model parameters
Tempo de resposta
3 horas (tempo quase
7 real)
Primeiro varrimento:
7
Final: 3 meses
29
- Leaf-area index (LAI)
- Fraction of photosynthetically active
radiation (FPAR)
- Normalized difference vegetation index
on a 1.1 km grid
Nível 3 - Global Land Surface Product
0.5° grid
Diário
- Normalized Difference Vegetation Index
Primeiro varrimento :
Final: 3 meses
- DHR Photosynthetically Active Radiation (PAR)
- Leaf Area Index
- Average of Directional Hemispheric Reflectance (DHR)
- Fractional absorbed PAR
30
Tabela 2-12: Advanced Scatterometer
Nome:
O objetivo principal do Advanced SCATterometer (ASCAT) é medir a velocidade e direção do vento sobre os oceanos para
assimilação de ventos oceânicos em modelos de PNT. Outras aplicações operacionais, com base na utilização de medidas do
coeficiente de retroespalhamento, são deteção de borda de gelo e acompanhamento, monitoramento do gelo do mar,
cobertura de neve, umidade do solo e os parâmetros da superfície da Terra.
Agência ESA (ASCAT,2015)
Satélites:
Sensor:
Metop-A (PAssado)
Metop-B (Currente)
Metop-C (Planejado
ASCAT
Custo:
Aproximadamente 1.5 dias
Sem custos
2006 - 2024
Medida de banda:
Frequência
Resolução Espacial Resolução temporal
5.255 GHz (C-band)
2x 550 with a 700km gap
12.5km
Orbital (Aprox 1.5 dias)
Produto
Resolução Espacial Resolução temporal
Tempo de resposta
Soil Water Index (SWI)
25.0 km
Diário
ASCAT Soil Moisture (%)
12.5 km
Orbital (1.5 dias)
ASCAT Soil Moisture (%)
25.0 km
Orbital (1.5 dias)
http://navigator.eumetsat.int/discovery/
Cobertura de neve
Umidade do sub-solo
31
Tabela 2-13: Advanced Space borne Thermal Emission and Reflection radiometer
Nome:
Advanced Space borne Thermal Emission and Reflection radiometer (ASTER)
O ASTER foi produzido através do esforço cooperativo entre a NASA, o Ministério da Economia, Comércio e Indústria do
Japão e do Japan Earth Remote Sensing Data Analysis Center (ERSDAC). O ASTER é o instrumento do satélite Terra que
oferece melhor resolução espacial (15 a 90 m) e opera nas regiões do visível, infravermelho próximo, infravermelho de ondas
curtas e infravermelho termal. O ASTER oferece 14 canais que variam de 0,5 a 12 µm, contudo o intervalo de 0,76 a 0,86 µm
é captado duplamente (no Nadir e Off-Nadir) para geração de modelos digitais de elevação. O ASTER ainda conta com uma
resolução temporal de 16 dias e radiométrica de 8 bits (VNIR e SWIR) e 12 bits (TIR). Com o uso desse sensor espera-se
contribuir com informações sobre as mudanças globais, incluindo a vegetação, a dinâmica dos ecossistemas, geologia e solos,
a superfície terrestre, climatologia, hidrologia e a cobertura vegetal.
Agência NASA/METI (ASTER, 2015)
Satélites:
Sensor:
Terra
ASTER
Custo:
Aproximadamente 16 dias (com capacidade de alvo)
Grátis nos Estados Unidos. Com taxas no exterior.
1999 - 2015
Medida de banda:
Comprimento de onda
central
Resolução
Espectral
Resolução
Espacial
SNR / Sensibildade
0.56 µm
0.52-0.60 µm
15 m
140 @ 70% albedo
0.66 µm
0.63-0.69 µm
15 m
140 @ 70% albedo
0.81 µm
0.76-0.86 µm
15 m
140 @ 70% albedo
0.81 µm
0.76-0.86 µm
15 m
140 @ 70% albedo
Varrimento traseiro
1.65 µm
1.60-1.70 µm
30 m
140 @ 70% albedo
Quebrado desde Abril de 2008
2.165 µm
2.145-2.185 µm
30 m
54 @ 70% albedo
2.205 µm
2.185-2.225 µm
30 m
54 @ 70% albedo
2.260 µm
2.235-2.285 µm
30 m
54 @ 70% albedo
2.330 µm
2.295-2.365 µm
30 m
70 @ 70% albedo
2.395 µm
2.360-2.430 µm
30 m
54 @ 70% albedo
8.30 µm
8.125-8.475 µm
90 m
0.3 K @ 300 K
8.65 µm
8.475-8.825 µm
90 m
0.3 K @ 300 K
9.10 µm
8.925-9.275 µm
90 m
0.3 K @ 300 K
10.60 µm
10.25-10.95 µm
90 m
0.3 K @ 300 K
11.30 µm
10.95-11.65 µm
90 m
0.3 K @ 300 K
Largura de varrimento: 60km
32
Observações
Produto
1. ASTER level 1 products (products after applying the Ver tabela acima
standardized process of radiant quantity and geometric
correction)
2. Radiance of the Land Surface(2B01)
Ver tabela acima
Orbital
3. Earth Surface Temperature(2B03)
90m
Orbital
4. Emissivity of the Land Surface(2B04)
90m
Orbital
5. Reflectance of the Land Surface(2B05)
15m & 30m
Orbital
Cobertura de neve
33
Orbital
2.2 Produtos de sensores múltiplos
Os produtos de sensores múltiplos combinam medidas de vários sensores para fornecerem
informações mais pormenorizadas de dados. Estes produtos são especialmente úteis para
parâmetros com alta variabilidade temporal como precipitação e queda de neve. No entanto,
o fator negativo destes produtos é que estão baseados em diferentes tipos de sensores, cada
um com diferentes resoluções espaciais, tempo revisitado e espectro intervalado. Isto faz com
que a informação se torne ambígua, uma vez que este longo processo que disponibiliza a
informação, a cada passo acrescenta algumas incertezas.
Nas tabelas 2-14 à 2-18, são descritos produtos de sensores múltiplos para medições de neve e
precipitação. Cada tabela descreve as seguintes especificações:









Nome do produto
Descrição do produto
Cobertura geográfica
Instituição responsável pelo produto
Variável medida para objectivos de seguro climático
Dados disponíveis
Custos dos dados
Descrição dos dados disponíveis
34
Tabela 2-14: Integrated Multi-satellitE Retrievals for GPM
Nome:
Integrated Multi-satellitE Retrievals for GPM (IMERG)
Descrição do produto:
Sensores utilizados na constelação:

O instrumento Special Sensor Microwave Imager/Sounder (SSMIS) a bordo dos satélites U.S. Defense
Meteorological Satellite Program (DMSP)

O instrumento Advanced Microwave Scanning Radiometer-2 (AMSR-2) a bordo do satélite JAXA’s Global Change
Observation Mission - Water 1 (GCOM-W1)

O instrumento Multi-Frequency Microwave Scanning Radiometer (MADRAS) e o multi-channel microwave humidity
sounder (SAPHIR) a bordo do satélite Megha-Tropiques da Agência Francesa Centre National D’Etudies Spatiales
(CNES) e da Indian Space Research Organisation (ISRO)

O instrumento Microwave Humidity Sounder (MHS) a bordo do satélite National Oceanic and Atmospheric
Administration (NOAA)-19

Os instrumentos MHS a bordo da série de satélites MetOp postos em órbita pela European Organisation for the
Exploitation of Meteorological Satellites (EUMETSAT)

O instrumento Advanced Technology Microwave Sounder (ATMS) instruments a bordo do satélite National Polarorbiting Operational Environmental System (NPOESS) e Preparatory Project (NPP)

Os instrumentos ATMS a bordo do futuro satélite da NOAA-NASA Joint Polar Satellite System (JPSS)

Um imageador microondas concebido para Defense Weather Satellite System (DWSS)
Cobertura geográfica:
Instituto / web link:
Global
NASA Precipitation Measurement Mission (IMERG, 2015)
Variável medida::
Dados disponíveis:
Precipitatação
2014 – até ao presente
Custo dos dados:
Ver tabela abaixo
Descrição dos dados disponíveis:
Sem custos
Os dados IMERG estão disponíveis em vários formatos::
Resolução espacial Resolução temporal
Região - datas
Tempo de resposta
0.1°
30 minutos
Março 2014 até ao presente
6 horas (NRT / early run)
0.1°
30 minutos
18 horas (NRT / late run)
0.1°
30 minutos
4 meses (Prod / final run)
0.1°
3 Horas
Abril 2015 até ao presente
18 horas (NRT)
0.1°
1 Dia
Abril 2015 até ao presente
18 horas (NRT)
0.1°
1 Mês
4 meses (Prod / final run)
35
Os produtos de 30 minutos incluem os seguintes campos:
Dados
Nome da variável
Unidades
snapshot precipitation – calibrated
precipitationCal
mm/hr
snapshot precipitation – uncalibrated
precipitationUncal
mm/hr
calibrated-precipitation random error
randomError
mm/hr
merged PMW precipitation
Hqprecipitation
mm/hr
PMW source sensor identifier
HQprecipSource
index values
PMW source time
HQobservationTime
min. Até meia hora
IR precipitation
Irprecipitation
mm/hr
Kalman filter weight for IR
IRkalmanFilterWeight
percentagem
probability of liquid precipitation phase
probabilityLiquidPrecipitation
percentagem
Dados disponíveis do produto mensal:
Dados
Nome da variável
Unidades
satellite-gauge precipitation
precipitation
mm/hr
satellite-precipitation random error
randomError
mm/hr
gauge relative weighting
gaugeRelativeWeight
percent
accumulation-weighted probability of liquid precipitation phase
probabilityLiquidPrecipitation
percent
Estão disponíveis diferentes métodos para a disseminação dos dados tais como OpenDAP, Direct FTP e web tools.
36
Tabela 2-15: Tropical Rainfall Measuring Mission
Nome:
Tropical Rainfall Measuring Mission (TRMM)
Sensores utilizados estão listados abaixo, os satélites que transportam os sensores estão entre parêntesis.
SSM/I (DMSP F13, DMSP F14, DMSP F15)
SSMIS (DMSP F16, DMSP F17, DMSP F18)
AMSU-B (NOAA-15, NOAA-16, NOAA-17)
MHS (NOAA-18, NOAA-19, MetOp-A, MetOp-B)
TMI (TRMM)
Este sensor foi desenvolvido através de uma missão conjunta entre a NASA e a Agência Espacial Japonesa (JAXA) e foi
projetado para estudar e monitorar as chuvas tropicais.
O satélite TRMM tem como instrumentos a bordo o imageador de microondas (TMI - varredura verde), radar de
precipitação (PR - varredura vermelha), radiômetro no visível e no infravermelho (VIRS - varredura amarela), sensor de
energia radiante da superfície terrestre e das nuvens (CERES) e sensor para imageamento de relâmpagos (LIS).
Ver tabela abaixo
NASA Precipitation Measurement Mission (TRMM, 2015)
Variável medida:
Dados disponíveis:
Precipitação
Custos dos dados:
Ver tabela abaixo
Sem custos
Produto
Resolução Resolução
espacial
temporal
3-Hour Realtime TRMM Multi-satellite 0.25°
3 horas
Precipitation Analysis
3B42 RT Derived Daily Product
0.25°
1 Day
3B42 RT Derived 10-Day Product
0.25°
3B42 Research Version (TRMM Multi- 0.25°
satellite Precipitation Analysis)
3B42 Research Derived Daily Product 0.25°
Historial
Mar 2000 - present
Cobertura
geográfica
60°N - 60°S
Tempo de
resposta
8 horas
Mar 2000 - present
50°N - 50°S
8 horas
10
Days Oct 2008 - present
(decadal)
3 horas
1998 - 2013
50°N - 50°S
8 horas
60°N - 60°S
Annual
1 Day
50°N - 50°S
2 months
Jan 1998 - present
Estão disponíveis diferentes métodos para a disseminação dos dados tais como OpenDAP, Direct FTP e web tools.
37
Tabela 2-16: Near-real-time Ice and Snow Extent
Nome:
Near-real-time Ice and Snow Extent (NISE)
The Near-Real-Time Daily Global Ice Concentration and Snow Extent product (Near-real-time Ice and Snow Extent, NISE)
fornece diária e globalmente mapas em tempo quase real de concentrações de gelo e extensão de neve. O National
Snow and Ice Data Center (NSIDC) criou o NISE utilizano dados de micro-ondas do Special Sensor Microwave
Imager/Sounder (SSMIS) a bordo do Defense Meteorological Satellite Program (DMSP) F17 satellite. O instrumento
SSMIS é a nova geração do Special Sensor Microwave/Imager (SSM/I). Estes dados não são adequados para series de
tempo, anomalias ou previsões.
Instituto / web link: :
Global
NSIDC (NSIDC, 2015).
Variável medida:
Dados disponíveis:
Extensão de neve
Custo dos dados:
Aprox. 1 dia
Sem custos
A informação é dada através de uma grelha com uma resolução temporal de 25km x 25km.
O produto contém duas grelhas para o hemisfério sul, uma de dados e uma de tempo. A grelha de dados contém
informações sobre:

Extensão de neve

Concentração de blocos de gelo marítimos

Imagens do litoral
A extensão de neve obedece a um código binário, um local tem neve ou não. As regiões costeiras não contam pois o
algoritmo utilizado não funciona da melhor forma quando se misturam terra e água.
A grelha de de tempo contém dados já medidos. A maior parte dos dados são atualizados diariamente mas devido às
órbitas dos sensores utlizados, pode demorar até quatro dias nas regiões mais pequenas da grelha.
38
Tabela 2-17: Global Multi-sensor Automated Snow/Ice
Nome:
Global Multi-sensor Automated Snow/Ice (GMASI)
Mapas de neve e extensão de gelo são gerados da assimilação de imagens de gelo e neve com vários sensores operando
na banda espectral de micro-ondas visíveis e infravermelhas. Observações quer da órbita polar quer de satélites
geoestacionários são incorporadas.
Sensores usados:
AVHRR (METOP, from 2010)
AVHRR (NOAA-17, till 2010)
SEVIRI (MSG)
IMAGER (GOES-E)
IMAGER (GOES-W)
SSMIS (DMSP F-16)
SSMIS (DMSP F-17)
Global
NOAA NESDIS (NOAA-NESDIS, 2015)
Variável medida:
Dados disponíveis:
Extensão de neve
Custo dos dados:
Aprox. 1 dia
Sem custos
A informação está disponível para uma grelha global com uma resolução espacial de 0.04° (aprox. 4km). A resolução
espacial é de 1 dia.
Os ficheiros distinguem entre quarto valores diferentes e um valor de não-dados. Para Terra existem dois valores: terra
sem neve e neve.
39
Tabela 2-18: Climate Hazards Group InfraRed Precipitation with Station data (CHIRPS)
Nome:
Climate Hazards Group InfraRed Precipitation with Station data (CHIRPS)
O CHIRPS é uma base de dados quase global de precipitação com quase 30 anos. Abrangendo 50°S-50°N (e todas as
longitudes, começou em 1981 e continuando até hoje, o CHIRPS incorpora uma resolução de imagem de satélite de
0.05° com uma estação localizada para criar grelhas de precipitação para análise de precisões e monitoramento da seca
sazonal.
O CHIPRS é uma combinação de dados desensoriamento remoto e de dados de estações terrestres.
Entre 50° e -50° latitude
Climate Hazards Group (CGC, 2015)
Variável medida:
Dados disponíveis:
Precipitação
Custo dos dados:
Preliminary:
Final: 3 to 7 weeks
Sem custos
A informação está disponível para uma grelha global com uma resolução espacial de 0.05° (aprox. 5km). A resolução
espacial é de 1 dia, agregações numa maior resolução espacial também estão disponíveis.
40
2.3 Projetos de assimilação de dados climáticos
Assimilação de dados climáticos é uma técnica onde um modelo do processo físico da
atmosfera, da superfície da terra e dos oceanos, é usado para uniformizar medidas isoladas
numa imagem coerente de larga escala. A forma deste modelo é ajustada numa medida que
minimiza erros de todos os parâmetros em uso. Geralmente este processo é utilizado como
primeiro passo ma elaboração de um modelo numérico de dados climáticos e é útil também
para criar um histórico de dados (reanálise). O benefício de usar este modelo é que extrai
desde logo todos os dados relevantes, deixando para trás o que não interessa.
Os dados de entrada para este modelo consistem em medições de estações terrestres, boias,
radiossondas, satélites, relatórios de navios, entre outros. Os dados de saída deste modelo são
sempre transmitidos com intervalos regulares e com uma grelha definida, fazendo com que a
informação se torne consistente e fácil de usar quando comparada com medidas individuais. O
fator negativo destes produtos é o nível de precisão do modelo usado para descrever o
processo físico. Por exemplo, os modelos atuais tentam fornecer uma representação exata de
macro processos como convecção, que resultam numa maior incerteza para precipitação,
quando comparadas com outros dados tais como a velocidade do vento.
Nas tabelas 2-19, 2-20, 2-21 e 2-22, são descritos quatro importantes projetos de assimilação
de dados climáticos. Cada tabela contém a seguinte informação:








Nome do projeto
Cobertura geográfica
Instituto responsável pelo produto
Medida usada para fins climáticos
Disponibilidade de dados
Período de revisita
Custo da informação
Descrição dos dados disponíveis
41
Tabela 2-19: Goddard Earth Observing System Model
Nome:
Goddard Earth Observing System Model, Version 5 (GEOS-5)
Global
NASA Global Modeling and Assimilation Office (GMAO)
(GMAO, 2015)
Variável medida:
Dados disponíveis:
Temperatura do ar (2m)
Velocidade do vento U/V (10m)
Cobertura de neve
Temperatura da superfície
Precipitação
2012 até ao presente
Aprox. 1 dia
Sem custos
Custo dos dados:
Os dados estão disponíveis para uma grelha global com uma resolução de 0.25° x 0.333° (lat/lon).
A resolução temporal é de 1 hora para produtos bidimensionais (como parâmetros de superfície) e de 3 horas para
produtos tridimensionais.
Disseminação via FTP, OpenDap ou por download da via Internet.
42
Tabela 2-20: Modern-Era Retrospective analysis for Research and Applications
Nome:
Modern-Era Retrospective analysis for Research and Applications (MERRA)
Global
NASA Global Modeling and Assimilation Office (GMAO)
(GMAO, 2015)
Variável medida:
Dados disponíveis:
Cobertura de neve
Precipitação
Atualizado mensalmente, disponível 2 a 3 semanas
depois do final do mês.
Sem custos
Custo dos dados:
Os dados estão disponíveis para uma grelha global com uma resolução de 0.5° x 0.666° (lat/lon) para alguns parâmetros,
e 1.0° x 1.25° para outros.
A resolução temporal é de 1 hora para produtos bidimensionais (como parâmetros de superfície) e de 3 horas para
produtos tridimensionais.
Disseminação via FTP, OpenDap ou por download da via Internet.
43
Tabela 2-21: European Centre for Medium-Range Weather Forecasts
Nome:
Global
European Centre for Medium-Range Weather Forecasts
(ECMWF) (ERA, 2015)
Variável medida:
Dados disponíveis:
Cobertura de neve
Precipitação
Aprox. 3 meses
Sem custos, licença:
O Acesso direto ao ECMWF meteorological archive custa
£5,000 GBP/Ano.
Custo dos dados:
Os parâmetros estão disponíveis numa grelha spectral T255 (aprox. 80km). A resolução temporal é de três horas.
Os dados estão acessíveis em diferentes interfaces, com registo necessário
44
Tabela 2-22: Global Data Assimilation System (GDAS)
Nome:
Global Data Assimilation System (GDAS)
Global
NOAA NCEP (GDAS, 2015)
Variável medida:
Dados disponíveis:
Cobertura de neve
Precipitação
Umidade volumétrica do solo
Arquivo disponível em 16 dias
Aprox. 12 horas
Sem custos
Custo dos dados:
Existem duas resoluções espaciais disponíveis, 0.25 e 1.0 graus, a uma resolução temporal de três horas.
Um arquivo de 1.0 graus está disponível desde Dezembro de 2004, pode ser consultado no NOAA Air Resources
Laboratory (ARL).
O formato dos ficheiros arquivados é diferente dos operacionais.
https://www.ready.noaa.gov/gdas1.php
45
2.4 Estações terrestres
As estações terrestres meteorológicas na América Latina são administradas por organismos
nacionais que são independentes ou controlados por institutos governamentais. A resolução
das medições variáveis e tempo difere para o tipo de estação terrestre. As estações terrestres
podem ser convencionais e automáticas. Nas estações terrestres convencionais os sensores
meteorológicos são medidos manualmente em intervalos normalmente diários. Nas estações
terrestres automáticas, as medições meteorológicas são armazenados em um registador de
dados ou transmitidas em tempo quase real em intervalos de tempo diferentes. Os sensores
instalados na estação terrestres dependem do efeito que o Instituto quer dar à estação.
A fim de tornar as informações comparáveis entre os países, apenas estações meteorológicas
convencionais e automáticas estão incluídas na medida da temperatura do ar, umidade
relativa, velocidade do vento e precipitação. Todos os conjuntos de dados estão disponíveis
em uma resolução temporal diária. No caso de conjuntos de dados que estão disponíveis em
intervalos mais curtos, este foi indicado na descrição da disponibilidade de dados.
Uma avaliação completa dos dados meteorológicos disponíveis a partir de estações de terra foi
realizada para todos os países da América Latina. Para cada país um e-mail de solicitação de
dados foi enviado para o instituto autorizado. No entanto, a resposta a este pedido variou por
instituto. Assim, esta análise foi complementada com uma pesquisa no site do instituto. Com
base nestas duas fontes de informação, foram descritos os seguintes parâmetros por país:






Variáveis meteorológicas medidas em intervalos diários
Número de estações meteorológicas operacionais
Custo dos dados
Descrição da disponibilidade de dados, incluindo uma descrição de dados históricos se
reportado
Descrição do uso atual dos dados
Os parâmetros por país são descritos no apêndice 2 das tabelas A-2 à A-19. Adicionalmente, os
institutos meteorológicos nacionais partilham informações climáticas com bases globais como
o Global Historical Climatology Network – Daily (GHCN-Daily) ou plataformas a um nível
regional como a Latin American Climate Assessment & Data set (LACA&D). A descrição da
GHCN-Daily e da LACA&D é representada nas Tabelas 2-23 e 2-24, respetivamente.
46
Tabela 2-23: Global Historical Climatology Network – daily (GHCN-Daily)
Países incluídos na base de dados:
Argentina
Bolívia
Brasil
Chile
Colômbia
Costa Rica
República Dominicana
Equador
Guatemala
Honduras
México
Panamá
Peru
Uruguay
Venezuela
Variáveis meteorológicas medidas em intervalos
diários:
NOAA - NCDC (GHCN-daily, 2015)
Os elementos principais são:
Precipitação
Queda de neve
Altura da neve
Temperatura máxima
A temperatura mínima
A base de dados é reconstruída regularmente
(geralmente cada fim de semana)
Em muitos dias de semana os dados da estação GHCNDaily, são atualizados
Número de estações meteorológicas operacionais:
As bases de dados contêm registos de mais 75000 estações
em 180 países ou territórios. A duração dos registos e o
período de gravação varia por estação.
Custo dos dados:
Livre para pesquisa (educacional) ou não-comercial.
Os dados ou qualquer produto derivado não deve ser
fornecida para outros usuários ou ser utilizado para a
reexportação de serviços comerciais.
Descrição da disponibilidade de dados:
Os dados do GHCN-Daily estão disponíveis como arquivos individuais ASCII e como arquivos TAR contendo versões
compactadas de GZIP de arquivos individuais. Arquivos de dados on-line podem ser acessados usando os dois seguintes
métodos:
FTP Access: ftp://ftp.ncdc.noaa.gov/pub/data/ghcn/daily/
HTTP Access: http://www1.ncdc.noaa.gov/pub/data/ghcn/daily/
Descrição do uso atual dos dados:
O GHCN-Daily tem servido para gerar: o World Weather Extreme Archive e a Grelha de campos de anomalias de
temperaturas máximas e mínimas. Funciona também como arquivo de dados do Global Climate Observing System
(GCOS) Surface Network (GSN).
47
Tabela 2-24: Latin American Climate Assessment & Dataset (LACA&D)
Países incluídos na base de dados:
Antártica
Bolívia
Chile
Colômbia
Caribe (Holanda)
Equador
Peru
Suriname
Venezuela
Variáveis meteorológicas medidas em intervalos
diários:
Latin American Climate Assessment & Dataset (LACA&D)
(LACA&D, 2015)
Número de estações meteorológicas operacionais:
1222
Temperatura máxima (Tx)
Temperatura mínima (Tn)
Média de temperatura (Tg)
Quantidade de precipitação (RR)
Pressão ao nível do mar (Pp)
Umidade relativa (Hu)
A cobertura de nuvens (Cc)
Custo dos dados:
Dois meses ou mais
Livre para pesquisa (educacional) ou não-comercial.
No dia 30 de Julho de 2015 os dados disponíveis eram
até 31 de Maio de 2015.
Política
de
dados:
http://lacad.ciifen.org/documents/LACAD_datapolicy.pdf
Com base nas variáveis medidas mencionadas anteriormente, existem 53 índices derivados disponíveis para várias
agregações temporais, a lista completa pode ser encontrada em:
http://lacad.ciifen.org/indicesextremes/indicesdictionary.php
Os períodos para cada agregação disponíveis são:
1) Ano (janeiro-dezembro)
2) Inverno semestre (outubro-março)
3) Verão semestre (abril-setembro)
4) Inverno (DJF)
5) Primavera (MAM)
6) Verão (JJA)
7) Outono (SON)
8-19) meses individuais, começando com janeiro
Descrição do uso atual dos dados:
Segundo o website:
"O objetivo da LACA&D é combinar agrupamentos de séries diárias de observações das estações meteorológicas,
controle de qualidade, análise de extremos e de divulgação tanto dos dados diários com os resultados da análise. A
integração dessas atividades em um projeto revela-se essencial para o sucesso. Novas versões do conjunto de dados
diários serão emitidas em intervalos regulares ".
48
3 Avaliação de projetos e casos na LATAM
As seguradoras da América Latina levam em conta os riscos climáticos e as condições
meteorológicas associadas. Entre outros, incluem temperaturas extremas, excesso ou escassez
de chuva, os danos causados durante a temporada de furacões para a América Central e os
fenómenos da ENSO na América do Sul. Estas iniciativas mostram similaridade em uma série
de aspetos, como: i) cobertura de danos, ii) O tratamento de pedidos baseados em inspeções
no local, ou relatórios e iii) os pagamentos com base nas perdas reivindicadas. Este tratamento
tradicional do crédito é caro e dificulta a expansão das aplicações de seguros em áreas
remotas. Por isso, várias novas abordagens têm sido investigadas e implementadas
recentemente com base em um índice predeterminado relacionado com o clima e eventos
catastróficos (IIF, 2015). Esta abordagem tem a vantagem de reduzir o custo de transação
derivada de um seguro à base de acordo, elimina a verificação in sito e indemniza com base
em parâmetros derivados das condições climáticas associadas à perda. Uma revisão detalhada
da literatura e pesquisa na internet resultaram em uma lista de projetos e casos em que os
conjuntos de dados paramétricos são usados para produtos de seguros do clima na América
Latina.
Esta avaliação consiste em projetos focados em parâmetros derivados de eventos de chuva
para Argentina, Honduras, Nicarágua, México, Peru e Uruguai, apresentados nas Tabelas 3-1,
3-3-3, 3-4, 3-6, 3-7 e 3 -9, respetivamente. O parâmetro da temperatura do ar só foi explorado
no Uruguai para um produto de baixo dano de temperatura (Tabela 3-8).
Em comparação com os conjuntos de dados paramétricos climáticos, os conjuntos de dados de
sensoriamento remoto na cobertura vegetal são menos utilizados. Três casos distintos têm
sido implementados na Argentina (Tabela 3-2), México (Tabela 3-5) e Uruguai (Tabela 3-10).
Este último está a ser regularizado para todos os Estados do México. O projeto na Argentina
está em fase de avaliação. As descrições dos casos atuais ou projetos para a região são
tabulados com as seguintes características:










Nome do Projeto
País
Localização no país
Variáveis usadas
Proprietário do projeto
Período de análise
Parâmetros calculados
Produtos de seguro climático
Estado do seguro
Descrição do projeto
49
Tabela 3-1: Argentina – Precipitação para a indústria de leite
Nome do Projeto:
Propuesta de seguro para empresas tamberas basadas
en un índice climático.
Proposta de seguros para a indústria de lacticínios com
base em índices de clima
Localização no país:
Agências de San Cristobal e Santa Fe.
Proprietário do projeto:
Sancor Seguros
Instituto Nacional de Tecnología Agropecuaria (INTA)
Período de análise:
2012
Produtos de seguro climático:
SPI para a definição de eventos extremos de
precipitação.
País:
Argentina
Variáveis usadas:
Precipitação de estações terrestres
Parâmetros calculados:
Índice Padronizado de Precipitação (SPI) com base na
precipitação acumulada mensalmente.
Excesso SPI > 2
Deficit SPI < -2
Estado do seguro:
Este seguro ainda não está disponível.
Descrição do projeto:
O projeto definiu os parâmetros baseados no SPI. O excesso de precipitação foi definido com um valor SPI de 2 a e o
défice com um valor de -2. Embora o uso de seguro climático paramétrico tenha recebido a atenção de companhias de
seguros e do órgão regulador (Oficina de Riesgos Agropecuarios de la Nacion, ORA), a sua implementação precisa de ser
regulamentada. (INTA-LECHE, 2015)
50
Tabela 3-2: Argentina – NDVI para forragem
Nome do Projeto:
Seguro de Índice de Vegetación Normalizado (NDVI)
para productores ganaderos
País:
Argentina
Seguro baseado no NDVI para produtores de gado
Variáveis usadas:
Província a Sudueste de Buenos Aires
NDVI derivada do MODIS
Proprietário do projeto :
Oficina de Riesgo Agropecuario (ORA)
Índices de partida e de chegada.
Ministerio de Agricultura, Ganaderia y Pesca de la
Nacion (MAGyP)
O índice de partida é definido como parcela de NDVI sob um
limiar mensal. Este índice determina um pagamento parcial.
Ainda não implementado
O índice de chegada é baseado num desvio padrão do Índice
de partida que determina um pagamento total.
Estado do seguro:
NDVI para medir a quantidade de biomassa disponível
para a alimentação do gado.
Estudo de viabilidade
Este projeto-piloto está em estudo. Nesta fase, uma análise da perceção de risco é realizada entre os potenciais
utilizadores. O início do projeto-piloto ainda não foi definido (Salvo, J. 2015).
51
Tabela 3-3: Argentina – Precipitação para o algodão
Nome do Projeto:
Estudo de viabilidade para o Esboço e Implementação
do Índice do seguro de algodão.
País:
Argentina
Variáveis usadas:
Província Chaco.
The World Bank
1.
Precipitação acumulada durante quatro estágios
diferentes de crescimento vegetativo de algodão
2010 - 2011
2.
Número de dias consecutivos de seca durante cada
um dos quatro estágios de crescimento diferentes.
Precipitação acumulada
consecutivos de seca.
Estado do seguro:
e
número
de
dias
Estudo de viabilidade
Neste estudo foram testados dois tipos de índices de partida para o algodão. Supunha-se um ciclo de cultivo de 120 dias,
divididos em quatro fases: fase 1 compreende 20 dias, fase 2 compreende 30 dias, a fase 3 compreende 30 dias e fase 4
compreende 40 dias. O período de crescimento foi definido a partir de 15 outubro até 15 dezembro. Para os índices
pluviométricos, a análise mostrou uma pobre correlação entre os dados do Departamento e as perdas anuais com os
índices de pagamento. Isto sugere que a precipitação é apenas um dos muitos fatores que afetam a produção de
algodão. Assim, não foi possível avaliar os danos com esses dois índices para a província de Chaco (World Bank, 2013a).
52
Tabela 3-4: Honduras – Nicarágua – Precipitação para o café
Nome do Projeto:
País:
Honduras - Nicaragua
Estudio de factibilidad para la implementación de
seguros basados en índices climáticos en el cultivo de
café en Honduras y Nicaragua
Estudo de viabilidade para a implementação de
seguros baseados em um índice climático para o café
nas Honduras e na Nicarágua
Variáveis usadas:
Zona do Pacífico Central da Nicarágua
Zona Norte da Nicarágua
Siguatepeque nas Honduras
Centro Agronómico Tropical de Investigación y
Enseñanza (CATIE)
Distribuição da precipitação acumulada por mês a partir de
registos de precipitação.
200-2010
Estado do seguro:
Define a quantidade de escassez de precipitação para
as diferentes fases de crescimento em café.
Estudo de viabilidade.
Este projeto-piloto centrou-se na perceção de risco das alterações climáticas e do desenvolvimento de modelos que
integram precipitação para quantificar a magnitude dos danos em diferentes estágios de crescimento para o café. Alguns
dos resultados da investigação, são agricultores que identificaram a mudança de clima como fonte de danos para a sua
baixa produtividade e qualidade, mas a magnitude dos danos percebida é baixa. Por isso, eles estão relutantes em
adquirir políticas baseadas em índices climáticos. Uma recomendação deste projeto é incluir cooperativas de café e
associações dos produtores. (Lara, et al. 2011).
53
Tabela 3-5: Mexico – NDVI for pastures
Nome do Projeto:
País:
Mexico
Seguro de daño para agostaderos con imágines de
satélite.
Produto de seguro para pastos
Disponível para todos os estados
Institute AGROASAMEX
Secretaria de agricultura, ganaderia, desarrollo rural,
pesca y alimentación (SAGARPA)
Desde 2007 disponível no Mexico
NDVI para medir a quantidade de biomassa disponível
como alimento para o gado.
Variáveis usadas:
NDVI proveniente do MODIS
Dois índices são derivados para o pasto:
1. O ínicio do NDVI
2. Perfil de crescimento do pasto baseado no NDVI
durante o ciclo de creescimento.
Estado do seguro:
O seguro é oferecido atualmente no Mexico.
Este seguro foi lançado em 2007 como um projeto- piloto usando NDVI como a quantidade de biomassa disponível como
alimento para o gado. Este seguro cobre a produção de biomassa para a área sob pastagem dentro de um sistema de
produção ou a área sob pastagens dentro de uma província. O seguro cobre as mudanças no início do NDVI ou queda no
perfil devido ao excesso de umidade do solo, calor excessivo, geadas, baixas temperaturas, inundações, granizo, furacões
ou tempestades de vento. Em 2012, cerca de 5,470,720 animais estavam segurados. No ano de 2014 foram segurados
2.286.870 unidades animais. O seguro cobre o período de 1 maio até 30 novembro (SAGARPA, 2015).
54
Tabela 3-6: Mexico – Precipitação para culturas e pastagens
Nome do Projeto:
País:
Mexico
Seguro de contingencias climatológicas
Seguro de contingência climatológica
Disponível para todos os estados
Institute AGROASAMEX
Variáveis usadas:
Relatórios semanais de precipitação
Secretaría de agricultura, ganadería, desarrollo rural,
pesca y alimentación (SAGARPA)
Um projeto-piloto foi realizado em 2002 para as
regiões do estado de Guanajuato.
Estado do seguro:
Parâmetro pluviométrico que desencadeia seca e
excesso de chuvas para as culturas e pastagens.
O seguro é oferecido atualmente no México.
Este seguro se baseia em dados de precipitação a partir da rede de estações meteorológicas operadas pela CONAGUA.
Limiares de chuvas em diferentes fases de cultivo são definidos e comparados com os dados de precipitação medidos.
Em 2012, 1.299.927 hectares foram segurados e em 2014, 1.109.819. As culturas seguradas para 2014 são de carvalho,
cevada, feijão, milho e sorgo (SAGARPA, 2015).
55
Tabela 3-7: Peru – Precipitação para culturas
Nome do Projeto:
País:
Peru
Seguro Indexado contra el Fenómeno El Nino
Seguro Indexado contra o Fenómeno El Nino
Variáveis usadas:
Província de Piura.
Financiera Confianza
Histórico de precipitação normalizada
Janeiro-Abril
Inundações
Estado do seguro:
O seguro foi implementado em 2011 e 2012. Não foram
encontradas informações para os anos de 2013, 2014 e 2015.
Este seguro utiliza uma combinação de dados históricos de precipitação a partir de quatro estações meteorológicas do
Serviço Nacional de Meteorologia (SENAMHI) e temperatura da água de superfície, medida no El Niño Southern
Oscilation (ENOS) no ponto 1.2. Estas duas medidas foram usadas para correlacionar eventos extremos de chuva. Com
base nesta correlação, o índice definiu dois pontos de partida com base na temperatura da água de superfície no ENOS
o
ponto 1.2. Por exemplo, na província de Piura, o limiar é entre 24,5 e 27 C.
Em 2011, a primeira transação foi vendida para cobrir 585 empréstimos agrícolas e em 2012, a transação foi adquirida
para cobrir 3560. Há interesse de estender o seguro para as Províncias de Lambayeque e La Libertad, mas não foram
encontradas informações sobre o desenvolvimento (Oft. P. 2009).
56
Tabela 3-8: Uruguai – Temperatura do ar para o arroz
Nome do Projeto:
Seguros para cultivos de arroz.
País:
Uruguay
Seguro para o arroz.
Variáveis usadas:
Não especificada.
Temperatura do ar medida nas estações terrestres
Seguros Uruguayos Cooperativos
SURCO
Oferecida atualmente no Uruguai 2014 - 2015
Granizo, baixas temperaturas, granizo e danos na
colheita.
o
Um dia, com temperaturas do ar abaixo de 10 C ou menos
ou
Três dias consecutivos com temperaturas do ar abaixo de
o
15 C.
Estado do seguro:
Atualmente oferecido para os produtores de arroz do Uruguai.
Este seguro cobre danos diferentes, onde o único risco paramétrico é a baixa temperatura. A cobertura para esse risco é
do estádio fenológico do arroz (R2) a 28 de Fevereiro, se o arroz semeado até 30 de Novembro(SURCO, 2015).
57
Tabela 3-9: Uruguay – Precipitação para culturas
Nome do Projeto:
País:
Uruguay
Seguro de índice contra exceso de lluvias.
Seguro de índice contra o excesso de chuvas.
Variáveis usadas:
Região sul.
Banco de Seguros del Estado (BSE)
Precipitação acumulada durante 10 dias consecutivos
Outubro 2014 - abril 2015
Estado do seguro:
Excesso de precipitação
Projeto-piloto
Este seguro pode ser adquirido em base mensal durante a estação das chuvas no Uruguai a partir de outubro a abril.
Para cada mês, existem dois pontos para o índice de: i) radicais e ii) fortes. Cada ponto está acoplado a um pagamento.
A precipitação é medida em sete estações meteorológicas aprovados pelo Instituto Uruguayo de Meterología (INUMET)
e as apólices podem ser adquiridas para toda a estação chuvosa ou em intervalos mensais (BSE, 2015).
58
Tabela 3-10: Uruguay – NDVI para pastagens
Nome do Projeto:
País:
Uruguay
Seguro de pastagens baseado no Índice NDVI para
produtores de gado no Uruguai.
Variáveis usadas:
Não especificado.
NDVI proveniente:
MODIS: 2000 – até ao presente
LTDR serie 2: 1981 - 1999
World Bank
Dois ou mais meses consecutivos dentro do período de
cobertura com um NDVI abaixo do valor de pagamento
estipulado.
A ocorrência de um ou mais meses dentro do período do
seguro, onde os valores de NDVI fiquem aquém dos valores de
NDVI estipulados.
Estado do seguro:
Produto NDVI
Estudo de viabilidade.
A versão final do parâmetro calculado foi projetado para fazer os pagamentos em qualquer mês durante o período de
sete meses, se os níveis estipulados forem excedidos. A fim de definir a análise do ponto estipulado da distribuição dos
valores de NDVI em cada mês durante 30 anos foram determinados. Um projeto-piloto seguirá por sete regiões do
Uruguai(World Bank, 2013b).
59
4 Conclusões e recomendações
Há uma infinidade de bases de dados de sensores remotos que podem ser utilizados para
produtos de seguros paramétricos climáticos. Este estudo descreveu apenas uma pequena
parte de todos os conjuntos de dados que existem atualmente. Comparando, por exemplo, o
grande número de sensores de sensoriamento remoto listados no apêndice 1 para o número
de projetos e casos usando dados meteorológicos, torna-se claro que o potencial para mais
produtos de seguros paramétricos climáticos é grande. Duas barreiras principais inibem uma
nova captação a curto prazo. A primeira é a acessibilidade aos conjuntos de dados. Apesar de
existirem muitos conjuntos de dados poucos são de fácil acesso. Pesquisadores científicos
usam normalmente uma fração dos conjuntos de dados de sensoriamento remoto existentes.
A facilidade de obtenção destes conjuntos de dados desempenha um grande papel neste
processo.
O número de conjuntos de dados até agora utilizados em projetos de seguros paramétricos
climáticos é ainda menor. Isso dificulta o desenvolvimento de mais experiência em
correlacionar dados meteorológicos e de sensoriamento remoto para assegurar riscos e danos,
a segunda principal barreira. Conseguir um melhor entendimento do tipo de conjunto de
dados, suas limitações, bem como a fiabilidade é um passo crucial para superar esta
dificuldade. Conjuntos de dados terrestres são geralmente mais fácil de entender em relação a
conjuntos de dados de sensoriamento remoto, medição de temperatura e precipitação. No
entanto, o potencial do uso de estações terrestres para os parâmetros de tempo difere entre
países. Isto acontece principalmente porque a disponibilidade de dados varia por país e os
custos para a aquisição do registo de dados em tempo quase real pode ser uma limitação para
o uso e implementação de estações terrestres a nível nacional ou regional. A falta de
padronização regional desta informação é um problema. Melhorias neste domínio poderão
facilitar o acesso às bases de dados, com especial atenção nos países onde seguros
paramétricos não foram implementados ainda.
Conjuntos de dados de assimilação de sensoriamento remoto e dados de tempo são derivados
de provedores de dados independentes, que utilizam um método de coleta e processamento
de dados bem definidos, tornando possível a aplicação regional. Ambos os conjuntos de dados
podem ser entregues durante o período de vigência do seguro e as informações podem estar
disponíveis em tempo quase real. No entanto, uma clara correlação com o risco a cobrir é o
principal desafio para a implementação. Os conjuntos de dados de sensoriamento remoto
descritos neste documento oferecem medições em cobertura de neve, precipitação, umidade
do solo e temperatura da superfície da terra e LAI. Todos os conjuntos de dados são
potencialmente úteis para produtos de seguros paramétricos climáticos. No entanto, poucos
têm sido utilizados nos casos identificados na América Latina, que em sua maioria utilizam
conjuntos de dados baseados em estações terrestres. Mais pesquisas serão necessárias antes
de conjuntos de dados de sensoriamento remoto serem usados mais amplamente para efeitos
de seguros. Portanto, é recomendável a criação de mais estudos de casos que incidam sobre a
correlação entre os conjuntos de dados de sensoriamento remoto e do risco de seguro e
danos. Um estudo particularmente útil pode incluir a análise em níveis de escala diferentes
com produtos de sensoriamento remoto e de assimilação de dados de tempo como fonte de
informação. Estes estudos irão ajudar a aumentar a confiança para todos os potenciais clientes
que podem ser valiosos para produtos de seguros.
60
5 Bibliography
Argentina-SMN, 2015. Servicio Meteorologico Nacional. Available on: http://www.smn.gov.ar/
(accessed on 02 July 2015.
ASCAT,2015.
Advanced
Scatterometer.
Available
online:
(http://www.esa.int/Our_Activities/Observing_the_Earth/The_Living_Planet_Progr
amme/Meteorological_missions/MetOp/Products5 (accessed on 28 June 2015).
ASTER, 2015. Advanced Space borne Thermal Emission and Reflection radiometer. Available
on: http://asterweb.jpl.nasa.gov/ (accessed on 28 June 2015).
Bolivia-SNMH, 2015. Servicio Nacional de Meteorología e Hidrología. Available on:
http://www.senamhi.gob.bo (accessed on 02 July 2015).
Brazil-INMET, 2015. Insituto Nacional de Meteorologia. Available on: http://www.inmet.gov.br
(accessed on 03 July 2015).
BSE,
2015.
Banco
Seguro
del
Estado.
Available
online:
http://www.segurohorticolauy.com/informacion-historica.html (accessed on 06
July 2015).
Chile-DMC,
2015.
Dirección
Meteorológica
de
Chile.
Available
on:
http://www.meteochile.gob.cl/inicio.php (acccessed on 03 July 2015).
Colombia-IDEAM, 2015. Instituto de Hidrología, Meteorología y Estudios Ambientales.
Available on: http://www.ideam.gov.co/ (accessed on: 06 July 2015).
Costa Rica – IMN, 2015. Instituto Meteorológico Nacional. Available on: http://www.imn.ac.cr/
de Leeuw, J., Vrieling, A., Shee, A., Atzberger, C., Hadgu, K. M., Biradar, C. M., Keah, H., Turvey,
C. 2014. The potential and uptake of remote sensing in insurance: a review. Remote
Sensing, 6(11), 10888-10912.
Dominican Republic-ONAMET, 2015. Oficina Nacional de Meteorolog. Available on:
http://www.onamet.gov.do/ (accessed on 03 July 2015).
Ecuador-INMH, 2015. Instituto Nacional de Meteorologia e Hidrologia. Available on:
http://www.serviciometeorologico.gob.ec (accessed on 06 July 2015).
ERA, 2015. European Centre for Medium-Range Weather Forecasts (ECMWF). Available on:
http://www.ecmwf.int/en/forecasts/datasets/era-interim-dataset-january-1979present (accessed on 06 July 2015).
GDAS, 2015. Global Data Assimilation System. Available on: https://www.ncdc.noaa.gov/dataaccess/model-data/model-datasets/global-data-assimilation-system-gdas (accessed
on 29 July 2015).
CGC, 2015. Climate Hazards Group InfraRed Precipitation with Station data (CHIRPS). Available
online: http://chg.geog.ucsb.edu/data/chirps (accessed on 29 July 2015).
DPR-PMM, 2015. Dual-frequency Precipitation Radar (DPR). Available online:
(http://pmm.nasa.gov/GPM/flight-project/DPR (accessed on 29 July 2015)
GPM-PMM, 2015. Global Precipitation Measurement Mission. Available online: ERA, 2015.
ERA-Interim dataset (January 1979 to present. Available online:
http://www.ecmwf.int/en/forecasts/datasets/era-interim-dataset-january-1979present (accessed on 01 July 2015).
GHCN-daily, 2015. Global Historical Climatology Network – Daily. Available online:
https://www.ncdc.noaa.gov/oa/climate/ghcn-daily (accessed on 30 July 2015).
61
GMAO, 2015. NASA Global Modeling and Assimilation Office. Available online:
http://gmao.gsfc.nasa.gov/ (accessed on 01 July 2015). http://pmm.nasa.gov/GPM
(accessed on 29 June 2015).
GMI, 2015. GPM Microwave Imager (GMI). Available on: http://pmm.nasa.gov/GPM/flightproject/GMI (accessed on29 July 2015).
Guatemala – INSIVUMEH, 2015. Instituto Nacional de Sismologia, Vulcanologia Meteorologia e
Hidrologia. Available on: http://www.insivumeh.gob.gt/ (accessed on 01 July 2015)
Honduras-SMN, 2015. Servicio Meteorológico Nacional de Honduras. Available online:
http://www.smn.gob.hn/ (accessed on 01 July 2015).
IIF, 2015. Index Insurance Forum. Available online: https://www.indexinsuranceforum.org/
IMERG, 2015. Integrated Multi-satellitE Retrievals for GPM. Available online:
http://pmm.nasa.gov/data-access/downloads/gpm (accessed on 30 June 2015).
INTA-LECHE, 2015. Propuesta de seguro para empresas tamberas basado en un índice
climático. Available online:
http://inta.gob.ar/documentos/ficha-tecnica-24.propuesta-de-seguro-para-empresas-tamberas-basado-en-un-indiceclimatico/at_multi_download/file/ficha_tecnica_24.pdf (accessed on 07 July 2015).
LACA&D, 2015. Latin American Climate Assessment & Dataset. Available online:
http://lacad.ciifen.org (accessed on 30 July 2015).
Landsat, 2015. Landsat Missions. Available online: http://landsat.usgs.gov (accessed on 28
June 2015).
Lara, L., Rapidel, B., & Stoian, D. (2011). Estudio de factibilidad para la implementación de
seguros basados en Índices climáticos en el cultivo de café en Honduras y
Nicaragua. Report, pag 94.
Mexico-CONAGUA, 2015. Comisión Nacional del Agua Servicio Meteorológico Nacional.
Available online: http://smn.cna.gob.mx (accessed on 03 July 2015).
MISR, 2015. Multi-angle Imaging Spectro-Radiometer. Available online: https://wwwmisr.jpl.nasa.gov/index.cfm (accessed on 28 June 2015).
MODIS, 2015. Moderate Resolution Imaging Spectroradiometer. Available on:
http://modis.gsfc.nasa.gov/ (accessed on 28 June 2015).
Nicaragua-INETER, 2015. Instituto Nicaragüense de Estudios Territoriales. Available on:
http://www.ineter.gob.ni/ (accessed on 03 July 2015).
NOAA-NESDIS, 2015. Global Multi-sensor Automated Snow/Ice. Available online:
http://www.star.nesdis.noaa.gov/smcd/emb/snow/HTML/multisensor_global_sno
w_ice.html (accessed on 30 June 2015).
NSIDC, 2015. National Snow & Ice Data Center. Available on: http://nsidc.org/data/nise1
Oft, P., 2009. Seguro Indexado contra Interrupción de Negocios por el Fenómeno del Niño en
Perú. GTZ. Año 2 N°10. Diciembre 2009.
Panama-HIDROMET,
2015.
HIDROMET.
Available
online:
http://www.hidromet.com.pa/index.php (accessed on 01 July 2015).
Paraguay-DMH, 2015. Dirección de Meteorología e Hidrología. Available online:
http://www.meteorologia.gov.py/serviciopublico.php (accessed on 30 June 2015).
Peru-SENAMHI, 2015. Servicio Nacional de Meteorología e Hidrología del Perú. Available
online: http://www.senamhi.gob.pe/ (accessed on 30 June 2015).
62
PR-TRMM, 2015. Precipitation Radar. Available online: http://pmm.nasa.gov/TRMM/PR
Salvador-Ministerio de Medio Ambiente y Recursos Naturales. Available online:
http://www.snet.gob.sv/ (accessed on 01 July 2015).
Salvo, J. 2015. Estudio Caso: Seguros climáticos: la experiencia de Perú y Agentina en seguros
indexados. Centro Regional de Cambio Climatico y Toma de Decisiones. Marzo
2015. Pag. 56.
SAGARPA, 2015. Secretaría de Agricultura, Ganadería, Desarrollo rural, Pesca y Alimentación.
Available on: http://pacc.sagarpa.gob.mx/sac/index.htm (accessed on 01 July
2015).
SURCO,
2015.
Seguros
Uruguayos
Cooperativos.
Available
online:
http://www.surco.com.uy/Condiciones%20generales/AGRO/arroz2014-2015.pdf
TRMM,
2015.
Tropical
Rainfall
Measuring
Mission.
Available
online:
http://pmm.nasa.gov/data-access/downloads/trmm (accessed on 30 June 2015).
TMI-TRMM,
2015.
TRMM
Microwave
Imager.
Available
online:
http://pmm.nasa.gov/TRMM/TMI (accessed on 28 June 2015).
Uruguay-INUMET, 2015. Dirección Nacional de Meteorología. Available online:
http://www.meteorologia.com.uy/ (accessed on 01 July 2015).
VEGETATION, 2015. Spot-Vegetation Programme. Available on: http://www.spotvegetation.com/ (accessed on 01 July 2015).
Venezuela – SMMB, 2015. Servicio de MEteorolgía de la Aviación Militar Bolivariana. Available
online: http://www.meteorologia.mil.ve/ (accessed on 01 July 2015).
VIIRS,
2015.
Visible/Infrared
Imager
Radiometer
Suite.
Available
online:
http://npp.gsfc.nasa.gov/viirs.html (accessed on 30 June 2015).
VGT-VITO, 2015. Vegetation. Available online: http://www.vgt.vito.be/pages/catalogue.html
WMO-OSCAR, 2015. Observing Systems Capability Analysis and Review Tool. Available online:
http://www.wmo-sat.info/oscar/ (accessed on 01 July 2015).
World Bank, 2013a. Chaco Agênciance, Argentina. Feasibility Study for the Design and
Implementation of Cotton Index Insurance. 5 June 2013. Report, pag. 109.
World Bank, 2013b. NDVI Pasture index-based insurance for livestock producers in Uruguay. 29
May 2013. Report, pag. 143.
63
Apêndice 1 WMO bases de dados selecionadas
Tabela A- 1: WMO bases de dados selecionadas
Nome
Agência
Tipo
Satélites
Precipitation Radar
JAXA
TRMM
TRMM Microwave Imager
NASA
Végétation
CNES
Enhanced Thematic Mapper +
NASA
Aquarius
NASA
Visible/Infrared Imager Radiometer Suite
NASA
15. Radar de nuvens e
precipitação
06. Radiômetro imageador de
microondas,varrimento cônico
01. Imageador óptico de
resolução moderada
resolução elevada
09. Radiômetro de microondas
com varrimento especial ou
sem varrimento
Moderate-resolution
Imaging
Spectroradiometer
Multi-angle Imaging Spectro-Radiometer
NASA
Microwave Humidity Sounding
EUMETSAT
Advanced Scatterometer
ESA
16. Radar de dispersão
Advanced Microwave Sounding Unit - A
NOAA
07. Radiômetro sonoro com
imageador
com
faixa
transversal
WindSat
DoD
Operational Land Imager
NASA
Advanced Space borne Thermal Emission and
Reflection radiometer
Microwave Imaging Radiometer using Aperture
Synthesis
METI
resolução elevada
resolução elevada
sem varrimento
NASA
ESA
64
imageador
com
faixa
transversal
TRMM
SPOT-4
SPOT-5
Landsat-7
SAC-D
DWSS-1
DWSS-2
JPSS-1
JPSS-2
JPSS-3
JPSS-4
Suomi-NPP
EOS-Aqua
EOS-Terra
EOS-Terra
Metop-A
Metop-B
Metop-C
NOAA-18
NOAA-19
Metop-A
Metop-B
Metop-C
EOS-Aqua
Metop-A
Metop-B
Metop-C
NOAA-15
NOAA-16
NOAA-17
NOAA-18
NOAA-19
Coriolis
Landsat-8
EOS-Terra
SMOS
Nome
Agência
Tipo
Satélites
Imaging Infrared Radiometer
CNES
CALIPSO
Special Sensor Microwave - Imager
DoD
Advanced Microwave Sounding Unit - B
BNSC
Wide-Field Camera
NASA
Very High Resolution Radiometer
ISRO
Advanced Technology Microwave Sounder
NASA
imageador
com
faixa
transversal
Cloud Profiling Radar for CloudSat
NASA
15. Radar de
precipitação
Advanced Microwave Scanning Radiometer for
EOS
Humidity Sounder for Brazil
JAXA
Dual-frequency Precipitation Radar
JAXA
Spinning Enhanced Visible Infra-Red Imager
EUMETSAT
imageador
com
faixa
transversal
15. Radar de nuvens e
precipitação
Advanced Microwave Scanning Radiometer - 2
JAXA
Micro-Wave Radiometer
CONAE
Visible and Infra Red Scanner
NASA
Remote Sensing Instrument
NSPO
sem varrimento
resolução elevada
INPE
65
imageador
com
faixa
transversal
resolução elevada
nuvens
e
DMSP-F08
DMSP-F10
DMSP-F11
DMSP-F12
DMSP-F13
DMSP-F14
DMSP-F15
NOAA-15
NOAA-16
NOAA-17
CALIPSO
INSAT-1A
INSAT-1B
INSAT-1C
INSAT-1D
INSAT-2A
INSAT-2B
INSAT-2D
INSAT-2E
INSAT-3A
Kalpana-1
JPSS-1
JPSS-2
JPSS-3
JPSS-4
Suomi-NPP
ACE
(Aer.Clo.Eco.)
CloudSat
EOS-Aqua
EOS-Aqua
GPM
Core
Observatory
Meteosat-8
Meteosat-9
Meteosat-10
Meteosat-11
GCOM-W1
GCOM-W2
GCOM-W3
SAC-D
TRMM
FORMOSAT-2
Nome
Agência
Tipo
Satélites
Hyper-Spectral Imager
CAST
HJ-1A
GPM Microwave Imager
NASA
Synthetic Aperture Radar (C-band)
CSA
resolução elevada
08. Imageador de microondas
/
Radiômetro
sondador,
varrimento cônico
19. Imaging radar (SAR)
Multi-Spectral Camera
KARI
Advanced Wide Field Sensor
ISRO
Ocean Color Monitor
ISRO
Compact High Resolution Imaging Spectrometer
BNSC
Stretched Visible and Infrared Spin Scan
Radiometer
CMA
Sea and Land Surface Temperature Radiometer
ESA
China Ocean Colour & Temperature Scanner
NSOAS
Advanced Very High Resolution Radiometer / 3
GPM
Core
Observatory
RadarSat-1
RadarSat-2
KOMPSAT-2
02. Imageador óptico
resolução elevada
resolução elevada
de
resolução elevada
de
ResourceSat1
(IRS-P6)
ResourceSat2
ResourceSat2A
OceanSat-2
de
PROBA-1
de
de
NOAA
de
Micro-Wave Radiation Imager
CMA
Earth Polychromatic Imaging Camera
NASA
SkySat
Skybox
Haute Résolution Géométrique
CNES
Charge Coupled Device Camera
ISRO
resolução elevada
resolução elevada
FY-2C
FY-2D
FY-2E
Sentinel-3A
Sentinel-3B
HY-1A
HY-1B
HY-1C
HY-1D
Metop-A
Metop-B
Metop-C
NOAA-15
NOAA-16
NOAA-17
NOAA-18
NOAA-19
FY-3A
FY-3B
FY-3C
FY-3D
FY-3F
FY-3RM-1
FY-3RM-2
DSCOVR
66
de
de
de
de
de
de
SkySat-1
SkySat-2
SPOT-5
INSAT-2E
INSAT-3A
Nome
Agência
Tipo
Satélites
Scatterometer
NSOAS
High Resolution Advanced Imaging System
EIAST
Compact Infrared Camera
JAXA
Compact Imaging Spectrometer
KARI
Microwave Analysis & Detection of Rain &
Atmospheric Structures
GOES Imager
ISRO
resolução elevada
resolução elevada
resolução elevada
HY-2A
HY-2B
HY-2C
HY-2D
Deimos-2
DubaiSat-2
ALOS-2
Iris
NTU
Coastal Zone Imager
NSOAS
Multispectral imager
CAST
Sondeur Atmospherique du Profil d’Humidite
Intertropicale par Radiometrie
CNES
Advanced Himawari Imager
JMA
Ocean and Land Colour Imager
ESA
Panchromatic Camera
ISRO
resolução elevada
de
Wide View CCD camera
CAST
de
High-Resolution Imager
CNES
High Sensitivity Camera
CONAE
resolução elevada
resolução elevada
resolução elevada
Meteorological Imager
KMA
de
Wild Field Camera
CNSA
de
GF-1
GISTDA
resolução elevada
resolução elevada
CartoSat-2
CartoSat-2A
CartoSat-2B
HJ-1A
HJ-1B
Pléiades-1A
Pléiades-1B
SAC-D
SAC-E/SABIAMAR
A
SAC-E/SABIAMAR B
COMS-1
de
THEOS
NOAA
67
resolução elevada
resolução elevada
de
de
resolução elevada
imageador
com
faixa
transversal
de
de
STSat-3
MeghaTropiques
GOES-12
GOES-12 (SAmerica)
GOES-13
GOES-14
GOES-15
X-Sat
HY-1A
HY-1B
HY-1C
HY-1D
TH-1
TH-1B
MeghaTropiques
Himawari-8
Himawari-9
Sentinel-3A
Sentinel-3B
Nome
Agência
Tipo
Visible and Infra-Red Radiometer
CMA
Micro-Wave Radiometer
ESA
Stretched Visible and Infrared Spin Scan
Radiometer
CMA
sem varrimento
Phased-Array L-band Synthetic Aperture Radar 2
Hyperion
JAXA
NASA
Multi-Band Earth Imager
NSAU
New AstroSat Optical Modular Instrument
ACE
Haute Résolution Stéréoscopique
CNES
High Resolution Camera
CAST
Panchromatic camera
CAST
Panchromatic Camera
ISRO
02. Imageador
resolução elevada
02. Imageador
resolução elevada
02. Imageador
resolução elevada
02. Imageador
resolução elevada
02. Imageador
resolução elevada
02. Imageador
resolução elevada
02. Imageador
resolução elevada
Panchromatic and Multi-spectral CCD Camera - 2
CNSA
Panchromatic imager
CAST
Panchromatic and Multi-spectral CCD Camera
CNSA
Panchromatic film-making system
Roscosmos
Rapid Scatterometer
NASA
RapidEye Earth Imaging System
DLR
Panchromatic Imager
GISTDA
Panchromatic Imager
CDTI
Panchromatic and Multispectral imager
CAST
Special Sensor Microwave - Temperature
DoD
68
Satélites
de
FY-3A
FY-3B
FY-3C
Sentinel-3A
Sentinel-3B
FY-2F
FY-2G
FY-2H
ALOS-2
óptico
de
NMP-EO-1
óptico
de
óptico
de
EgyptSat-1
SICH-2
SSOT
óptico
de
SPOT-5
óptico
de
VRSS-1
óptico
de
óptico
de
resolução elevada
resolução elevada
resolução elevada
resolução elevada
de
TH-1
TH-1B
CartoSat-2C
CartoSat-2D
CartoSat-2E
GF-2
de
SJ-9A
de
GF-1
de
KANOPUS-V1
KANOPUS-V2
ISS RapidScat
resolução elevada
resolução elevada
resolução elevada
resolução elevada
imageador
com
faixa
transversal
RapidEye
sats)
THEOS
(5
SEOSat/Ingeni
o
CBERS-3
CBERS-4
DMSP-F04
DMSP-F07
DMSP-F08
DMSP-F09
DMSP-F10
DMSP-F11
DMSP-F12
DMSP-F13
DMSP-F14
DMSP-F15
Nome
Agência
Tipo
Satélites
Synthetic Aperture Radar -10
NPOMash
Kondor-E1
Synthetic Aperture Radar 2000 (X-band)
ASI
World View 60 camera
DigitalGlobe
World View 110 camera
DigitalGlobe
Wide-swath Multispectral Camera
CAST
Wide Field Imager - 2
CAST
Very High Resolution Imager
NASRDA
Végétation for PROBA
CNES
Thermal Infra-Red Sensor
NASA
Thermal And Near infrared Sensor for carbon
Observations - Cloud and Aerosol Imager
Three-line Array Camera
JAXA
Special Sensor Microwave - Imager/Sounder
DoD
resolução elevada
resolução elevada
resolução elevada
resolução elevada
resolução elevada
resolução elevada
resolução elevada
08. Imageador de microondas
/
Radiômetro
sondador,
varrimento cônico
CSK-1
CSK-2
CSK-3
CSK-4
WorldView-1
Special Sensor Microwave - Humidity
DoD
imageador
com
faixa
transversal
Soil Moisture Active-Passive (intended as
payload)
Surrey Linear Imager Multispectral 6 channels but 3 spectral bands
NASA
resolução elevada
X-band Synthetic Aperture Radar
RosHydroM
et
CAST
ASAL
69
WorldView-2
WorldView-3
VRSS-1
CBERS-3
CBERS-4
NigeriaSat-2
PROBA-V
Landsat-8
GOSAT
ZY-3A
DMSP-F16
DMSP-F17
DMSP-F18
DMSP-F19
DMSP-S20
DMSP-F11
DMSP-F12
DMSP-F14
DMSP-F15
SMAP
AlSat-1
Beijing-1
Deimos-1
NigeriaSat-1
NigeriaSat-X
UK-DMC-1
UK-DMC-2
Meteor-M N1
Meteor-M N2
Meteor-M
N2-1
Meteor-M
N2-2
Meteor-M
N2-3
Meteor-M
N2-4
Meteor-M
N2-5
Nome
Agência
Tipo
Satélites
Synthetic Aperture Radar (X-band)
CDTI
SEOSAR/Paz
ISA
RISAT-2
DLR
Synthetic Aperture Radar (S-band)
CAST
TSX-NG
TanDEM-X
TerraSAR-X
HJ-1C
Synthetic Aperture Radar (L-band)
CONAE
ESA
ISRO
Panchromatic Camera
ISRO
de
Advanced Electronic Image Scanning System
KARI
de
OceanSat Scatterometer
ISRO
resolução elevada
resolução elevada
SAOCOM-1A
SAOCOM-1B
SAOCOM-2A
SAOCOM-2B
Sentinel-1A
Sentinel-1B
RISAT-1
RISAT-1A
CartoSat-1
(IRS-P5)
KOMPSAT-3
Optical Sensor Assembly
GeoEye
de
Linear Imaging Self-Scanning Sensor - 3
ISRO
resolução elevada
resolução elevada
OceanSat-2
OceanSat-3
ScatSat-1
Ikonos
LEISA Atmospheric Corrector (LEISA = Linear
Etalon Imaging Spectrometer Array
High-resolution VIS/IR Radiometer
NASA
resolução elevada
resolução elevada
de
Kazakh Earth Imaging System
Kazcosmos
de
Japanese Advanced Meteorological Imager
JMA
Infrared scanner
CAST
Infrared Multispectral Scanner - 2
CAST
resolução elevada
resolução elevada
resolução elevada
Roscosmos
70
de
de
de
de
de
ResourceSat1
(IRS-P6)
ResourceSat2
ResourceSat2A
NMP-EO-1
Meteor-M N1
Meteor-M N2
Meteor-M
N2-1
Meteor-M
N2-2
Meteor-M
N2-3
Meteor-M
N2-4
Meteor-M
N2-5
KazEOSat-2
Himawari-6
(MTSAT-1R)
SJ-9B
CBERS-3
CBERS-4
Nome
Agência
Tipo
Infrared Multispectral Scanner
CAST
de
HJ-1B
Infra-Red Earth Imager
NSAU
de
MTSAT-2 Imager
JMA
INSAT imager
ISRO
resolução elevada
resolução elevada
Infrared Imaging Payload
KARI
óptico
de
Hyper Spectral Imager
ISRO
óptico
de
IMS-1
High-Resolution Panchromatic Camera - 2
CAST
óptico
de
ZY-1-2C
High-Resolution Multi-Spectral
ISRO
02. Imageador
resolução elevada
02. Imageador
resolução elevada
02. Imageador
resolução elevada
02. Imageador
resolução elevada
EgyptSat-1
SICH-2
Himawari-7
(MTSAT-2)
INSAT-3D
INSAT-3DR
INSAT-3DS
KOMPSAT-3A
óptico
de
High-Resolution CCD Camera -2
CAST
de
Geostationary Ocean Color Imager
MLTM
de
COMS-1
GeoEye Imaging System - 2
GeoEye
de
GeoEye-2
GeoEye Imaging System
GeoEye
de
GeoEye-1
Panchromatic and multispectral radiometer - 2
Roscosmos
resolução elevada
resolução elevada
resolução elevada
resolução elevada
CartoSat-2C
CartoSat-2D
CartoSat-2E
ZY-1-2C
de
Earth Observation Satellite - Camera
DubaiSat-1 Medium Aperture Camera
TÜBITAKUZAY
EIAST
Resurs-P1
Resurs-P2
Resurs-P3
Göktürk-2
Corea SAR Instrument
KARI
China Mapping Telescope
NRSCC
Ball Global Imaging System 2000
DigitalGlobe
Advanced Microwave Radiometer
NASA
Advanced Land Imager
NASA
Linear Imaging Self-Scanning Sensor - 4
ISRO
Medium Resolution Spectral Imager -1
CMA
71
Satélites
de
de
resolução elevada
resolução elevada
19. Radar imageador(SAR)
resolução elevada
resolução elevada
sem varrimento
resolução elevada
resolução elevada
de
DubaiSat-1
KOMPSAT-5
Beijing-1
QuickBird
JASON-2
JASON-3
NMP-EO-1
ResourceSat1
(IRS-P6)
ResourceSat2
ResourceSat2A
FY-3A
FY-3B
FY-3C
Nome
Agência
Tipo
Medium Resolution Spectral Imager -2
CMA
Micro-Wave Humidity Sounder -1
CMA
Optical sensor
NEC
Operational Linescan Systerm
DoD
imageador
com
faixa
transversal
resolução elevada
Optical Imaging System
New Infra Red Scanner Technology
TÜBITAKUZAY
CONAE
Kazcosmos
CNES
ASAL
Multispectral CCD Camera
ISRO
Micro-Wave Temperature Sounder - 2
CMA
Micro-Wave Temperature Sounder - 1
CMA
72
02. Imageador
resolução elevada
02. Imageador
resolução elevada
02. Imageador
resolução elevada
02. Imageador
resolução elevada
02. Imageador
resolução elevada
Satélites
de
FY-3D
FY-3E
FY-3F
FY-3G
FY-3A
FY-3B
óptico
de
ASNARO-1
ASNARO-2
DMSP-F01
DMSP-F02
DMSP-F03
DMSP-F04
DMSP-F05
DMSP-F06
DMSP-F07
DMSP-F08
DMSP-F09
DMSP-F10
DMSP-F11
DMSP-F12
DMSP-F13
DMSP-F14
DMSP-F15
DMSP-F16
DMSP-F17
DMSP-F18
DMSP-F19
DMSP-S20
RASAT
óptico
de
SAC-D
óptico
de
KazEOSat-1
óptico
de
óptico
de
SPOT-6
SPOT-7
AlSat-2
AlSat-2B
VNREDSat-1A
IMS-1
resolução elevada
imageador
com
faixa
transversal
imageador
com
faixa
transversal
FY-3C
FY-3D
FY-3E
FY-3F
FY-3G
FY-3RM-1
FY-3RM-2
FY-3A
FY-3B
Nome
Agência
Tipo
Satélites
Microwave Radiometer
NSOAS
Micro-Wave Humidity Sounder -2
CMA
imageador
com
faixa
transversal
Meteosat Visible Infra-Red Imager
ESA
de
Multipurpose InfraRed Imaging System / MIRIS
Earth Observation Camera
Multispectral Camera
KARI
de
Multispectral CCD Camera
CAST
Advanced Electronic Image Scanning System - A
KARI
VIS/IR Imaging Radiometer
Roscosmos
resolução elevada
resolução elevada
resolução elevada
resolução elevada
HY-2A
HY-2B
HY-2C
HY-2D
FY-3C
FY-3D
FY-3E
FY-3F
FY-3G
FY-3RM-1
FY-3RM-2
Meteosat-1
Meteosat-2
Meteosat-3
Meteosat-3
(ADC)
Meteosat-3
(X-ADC)
Meteosat-4
Meteosat-5
Meteosat-5
(IODC)
Meteosat-6
Meteosat-6
(IODC)
Meteosat-7
Meteosat-7
(IODC)
STSat-3
Electro-L Imager
Roscosmos
CAST
73
de
de
CBERS-3
CBERS-4
SJ-9A
de
KOMPSAT-3A
de
Meteor-M N1
Meteor-M N2
Meteor-M
N2-1
Meteor-M
N2-2
Meteor-M
N2-3
Meteor-M
N2-4
Meteor-M
N2-5
Electro-L N1
Electro-L N2
Electro-L N3
Electro-L N4
de
Nome
Agência
Tipo
Multispectral high resolution electronic scanner
Roscosmos
Multispectral film-making system
Roscosmos
NARSS
Multi-Spectral Imager for Sentinel-2
ESA
Multi-Spectral Camera
CAST
CDTI
Medium Resolution Imager
NASRDA
02. Imageador
resolução elevada
02. Imageador
resolução elevada
02. Imageador
resolução elevada
02. Imageador
resolução elevada
02. Imageador
resolução elevada
02. Imageador
resolução elevada
02. Imageador
resolução elevada
08. Imageador de
/
Radiômetro
varrimento cônico
Imaging/Sounding
improved
Microwave Radiometer
-
Roscosmos
74
Satélites
óptico
de
óptico
de
óptico
de
óptico
de
óptico
de
óptico
de
óptico
de
microondas
sondador,
KANOPUS-V1
KANOPUS-V2
KANOPUS-V1
KANOPUS-V2
EgyptSat-2
Sentinel-2A
Sentinel-2B
ZY-3A
SEOSat/Ingeni
o
NigeriaSat-2
Meteor-M N1
Meteor-M N2
Meteor-M
N2-1
Meteor-M
N2-2
Meteor-M
N2-3
Meteor-M
N2-4
Meteor-M
N2-5
Apêndice 2 Escritórios nacionais de dados meteorológicos de
estações terrestres
Tabela A- 2: Argentina – Servicio Meteorológico Nacional
País:
Argentina
Servicio Meteorológico Nacional (Argentina-SMN, 2015)
Variáveis medidas ao dia:
Número de estações meteorologicas operacionais
Precipitatição
Temperatura
Umidade relativa
Velocidade do vento
Automático: 117
Custo dos dados:
Requisitado mas não reportado.
Livre de dados de carga com contrato de licença e restrições.
Com base nas informações disponíveis no site, podem ser solicitados as condições meteorológicas por região ou nome de
estação meteorológica. Informações sobre os dados históricos não foram encontradas. O site é em espanhol.
Descrição do uso actual dos dados:
O Servicio Meteorológico Nacional usa os dados meteorológicos para previsão do tempo, alertas, relatórios
agrometeorológicos e da pesca.
75
Tabela A- 3: Bolivia – Servicio Nacional de Meteorología e Hidrologia
País:
Bolivia
Servicio Nacional de Meteorología e Hidrología (Bolivia-SNMH,
2015)
Temperatura do ar
Velocidade do vento
Requisitado mas não reportado
Esta é assumido com base em relatórios de previsão
encontrados no site.
Custo dos dados:
Não há informações disponíveis sobre variáveis meteorológicas. Existe uma interface para visualizar os dados através do
portal SISMET mas estava foi operacional no momento do estudo. O site é em espanhol.
A descrição do uso real dos dados é limitada às informações no site. Os dados são utilizados para a previsão mínima e
máxima da temperatura e davelocidade do vento. Esta informação é apresentada para as principais cidades.
Tabela
A-
4:
Brazil
–
País:
Brazil
Instituto
Nacional
de
Meteorologia
Instituto Nacional de Meteorologia (Brazil-INMET, 2015)
Temperatura do ar
Umidade relativa
Precipitatição
Velocidade do vento
Automático: 462
Convencional : 267
Custo dos dados:
Requisitado mas não reportado. Informações sobre
variáveis medidas é exibido no site.
Dados livres com contrato de licença.
Informação sobre variáveis meteorológicas está disponível através do site. Os dados podem ser baixados em horária
diária e intervalos anuais. O site é em Português.
Os dados provenientes das estações meteorológicas são utilizados para gerar mapas reais das variáveis meteorológicas.
Esta informação também é usada para gerar produtos como o Precipitatiçãoindex padronizado (SPI) alertas, balanço
hídrico e de incêndio, entre outros.
Tabela A- 5: Chile-Dirección Meteorológica de Chile
76
País:
Chile
Dirección Meteorológica de Chile (Chile-DMC, 2015)
Temperatura do ar
Umidade relativa
Precipitatição
Velocidade do vento
Automático: 29
Convencional : 34
Custo dos dados:
variáveis medidas são exibidas no site por estação.
O preço está ligado a horas-homem para o processamento dos
dados.
A informação sobre as variáveis meteorológicas está disponível por estação através do site. Os dados históricos variam
por estação, mas está disponível a partir de 1960 para algumas estações. Os dados de estações meteorológicas
automáticas podem ser visualizado no site a partir de Dezembro de 2012. O site é em espanhol.
Os dados meteorológicos suportam quatro serviços: i) de dados meteorológicos para a indústria do salmão, ii)
agrometeorologia, iii) condições meteorológicas nas fronteiras e IV) alertas de incêndio para a silvicultura.
77
Tabela A- 6: Colombia- Instituto de Hidrología, Meteorología y Estudios Ambientales
País:
Colombia
Instituto de Hidrología, Meteorología y Estudios Ambientales
(Colombia-IDEAM, 2015)
Precipitatição
Temperatura
Umidade relativa
Velocidade do vento
2005 – 2015: 510
1995 – 2005: 462
1985 – 1995: 373
Automático: 131
Convencional: 379
Custo dos dados:
7 -10 Dias de trabalho
Livre acesso sob contrato de licença.
Há uma resposta pronta ao pedido de dados. O Instituto tem uma interface gráfica projetada para solicitar os dados
meteorológicos. O site é em espanhol.
Os dados recolhidos a partir da rede de estações meteorológicas tem sido usada para monitorizar as condições
meteorológicas, previsão do tempo e definir as condições climáticas, entre outros. Por exemplo, o atlas climatológico da
Colômbia mostra informações sobre precipitatição mensal, temperatura do ar, umidade relativa, velocidade e direção do
vento e radiação solar.
78
Tabela A- 7: Costa Rica – Instituto Meteorológico Nacional
País:
Costa Rica
Instituto Meteorológico Nacional (Costa Rica – IMN, 2015)
Precipitatição
Temperatura
Umidade relativa
Velocidade do vento
Automático: 44
Não há informações sobre a quantidade de estações
meteorológicas convencional.
Custo dos dados:
Existe a possibilidade de solicitar dados meteorológicos através de um formulário de solicitação. As informações sobre
dados históricos foi Requisitado Mas Não reportado. O site é em espanhol.
Os dados recolhidos a partir de estações meteorológicas têm sido utilizado para relatórios meteorológicos, análise
climática e atlas climatológico.
Tabela A- 8: Dominican Republic-Oficina Nacional de Meteorología
País:
Dominican Republic
Precipitatição
Temperatura
Umidade relativa
Velocidade do vento
Oficina Nacional de Meteorología (Dominican RepublicONAMET, 2015)
2005 – 2015: 29
1995 – 2005: 24
1985 – 1995: 18
Automático: 15
Convencional : 29
Custo dos dados:
2,25 Dólares norte-americanos para as variáveis por ano.
.
Há uma pronta ao pedido de dados para o escritório de contato. A Oficina Nacional de Meteorologica tem uma interface
gráfica para a localização das estações meteorológicas. O site é em espanhol.
Os dados recolhidos a partir de estações meteorológicas têm sido utilizado para relatórios meteorológicos e análise do
clima.
79
Tabela A- 9: Ecuador- Instituto Nacional de Meteorologia e Hidrologia
País:
Ecuador
Instituto Nacional de Meteorologia e Hidrologia (EcuadorINMH, 2015)
Precipitatição
Temperatura
Umidade relativa
Velocidade do vento
Automático: 48
Convencional: 328
Custo dos dados:
Existe um visualizador para exibir dados meteorológicos para estações meteorológicas automáticas em intervalos de uma
hora. As informações históricas podem ser solicitadas. A requisição de formulários e o site são projetados em espanhol.
O Instituto Nacional de Meteorologia e Hidrologia é um Instituto público para o fornecimento de dados sobre as
condições meteorológicas e hidrológicas para o Equador. A secção meteorológica oferece os serviços de dados para
sistemas de alerta precoce para as inundações agro-meteorologia.
80
Tabela A- 10: Guatemala – Instituto Nacional de Sismología, Vulcanología, Meteorología e
Hidrología
País:
Guatemala
Instituto Nacional de Sismologia, Vulcanologia Meteorologia e
Hidrologia (Guatemala – INSIVUMEH, 2015)
Precipitatição
Temperatura
Umidade relativa
Velocidade do vento
Automático: 41
Custo dos dados:
Não houve resposta deste Instituto relativa ao pedido de dados históricos disponíveis por estação. A informação no site é
muito limitada com os serviços relacionados com base em dados meteorológicos. O site é em espanhol.
A informação sobre os serviços meteorológicos é usada para gerar boletins meteorológicos diários, estudos climáticos
sobre os fenômenos do El Niño e La Niña e distribuição espacial das variáveis climáticas para todo o País.
Tabela
A-
11:
Honduras
País:
Honduras
-
Servicio
Meteorológico
Nacional
de
Honduras
Servicio Meteorológico Nacional de Honduras (Honduras-SMN,
2015)
Custo dos dados:
Não houve resposta deste Instituto relativa ao pedido de dados históricos. A informação no site é muito limitada dos
serviços prestados com base em dados meteorológicos. O site é em espanhol.
As informações sobre os serviços meteorológicos são usadas para gerar boletins meteorológicos diários.
81
Tabela A- 12: Mexico - Comisión Nacional del Agua Servicio Meteorológico Nacional
País:
Mexico
Precipitatição
Temperatura
Umidade relativa
Velocidade do vento
Comisión Nacional del Agua Servicio Meteorológico Nacional
(Mexico-CONAGUA, 2015)
Administrado pela Comisión Nacional del Agua Servicio
Meteorológico Nacional
Automático: 273
Administrados por outras instituições:
Automático: 322
Custo dos dados:
Solicitada, mas não fornecidos.
Informação sobre variáveis meteorológicas está disponível a partir de estações automáticas a cada 10 minutos, a cada
hora e com intervalos diários. A informação no site é limitada ao ano de 2015. Os dados históricos estão disponíveis com
acordo prévio e disponibilidade de dados. O site é em espanhol.
A Comisión Nacional del Agua, Servicio Meteorológico Nacional utiliza os dados sobre as condições meteorológicas para
previsão do tempo, relatórios de previsão do tempo, monitorizar condições meteorológicas. Relatórios diários sobre a
temperatura e precipitatição são fornecidos diariamente para todo o território.
82
Tabela
A-
13:
Nicaragua
–
País:
Nicaragua
Instituto
Nicaragüense
de
Estudios
Territoriales
Instituto Nicaragüense de Estudios Territoriales (NicaraguaINETER, 2015)
Custo dos dados:
Requisitado mas não reportado. A informação apresentada no site é em espanhol, mas as ligações não estavam
disponíveis.
Os links do site não estavam disponíveis.
Tabela A- 14: Panama - HIDROMET
País:
Panama
HIDROMET (Panama-HIDROMET, 2015)
Precipitatição
Temperatura
Umidade relativa
Velocidade do vento
Automático: 41
Custo dos dados:
Convencional: 91
Informações históricas estão disponíveis a partir de 1970 para as estações convencionais e 2005 para estações
automáticas. As informações no site são muito limitadas para serviços prestados com base em dados meteorológicos. As
informações apresentadas no site são em espanhol.
A ONAMMET elabora relatórios sobre as variáveis meteorológicas e hidrológicas. O Instituto gera relatórios diários sobre
as condições meteorológicas e precipitatição. O Instituto oferece estudos agrometeorológicos e hidrológicos para a
agroindústria.
Tabela A- 15: Paraguay – Dirección de Meteorología e Hidrología
83
País:
Paraguay
Dirección de Meteorología e Hidrología (Paraguay-DMH, 2015)
Precipitatição
Temperatura
Umidade relativa
Velocidade do vento
Convencional: 27
Custo dos dados:
70 Dólares americanos para os parâmetros diários por estação
ao ano.
Não houve informações sobre dados históricos. A informação no site é muito limitada para os serviços baseados em
dados meteorológicos. O site é em espanhol.
A Direção de Meteorologia e Hidrologia é um organismo público para fornecimento de dados sobre as condições
meteorológicas do Paraguai. As informações sobre os serviços meteorológicos são limitadas a relatórios diários sobre o
clima e as condições hidrológicas.
84
Tabela A- 16: Perú-Servicio Nacional de Meteorología e Hidrología
País:
Peru
Servicio Nacional de Meteorología e Hidrología del Perú (PeruSENAMHI, 2015)
Precipitatição
Temperatura
Umidade relativa
Velocidade do vento
Automático: 126
Convencional: 438
Custo dos dados:
variáveis medidas são exibidas no site por estação
As informações sobre as variáveis medidas estão disponíveis através do website por estação meteorológica. Os dados
históricos variam por estação, mas não foram encontradas informações sobre esses dados. O site é em espanhol.
O Servicio Nacional de Meteorologia e Hidrologia do Peru é um organismo público que fornece dados sobre as condições
meteorológicas e hidrológicas para estudos agrometeorológicos, hidrológicos e de alterações climáticas. Também fornece
informações espaciais sobre os fenómenos do El Niño e La Niña.
85
Tabela A- 17: Salvador-Ministerio de Medio Ambiente y Recursos Naturales
País:
Salvador
Ministerio de Medio Ambiente y Recursos Naturales
(Salvador-SNET, 2015)
Precipitatição
Automático: 53
Baseado em informações disponíveis no site.
Custo dos dados:
As informações sobre as variáveis medidas não estão disponíveis no site. As informações sobre o histórico de dados
meteorológicos não foram reportadas. As informações no site são em espanhol.
Dados meteorológicos são usados para produzir relatórios sobre as condições meteorológicas e de monitoramento de
chuvas.
86
Tabela A- 18: Uruguay – Dirección Nacional de Meteorología
País:
Uruguay
Precipitatição
Temperatura
Umidade relativa
Velocidade do vento
AutomáticoEsta informação está baseada no relatório
instantâneo das estações meteorológicas automáticas.
Instituto Uruguayo de Meterologia (INUMET) (UruguayINUMET, 2015)
Automático: 9
Convencional: 24
Custo dos dados:
1.20 Dólares americanos por página com os dados
meteorológicos.
As informações sobre as variáveis medidas não estão disponíveis no site. As informações sobre o histórico de dados
meteorológicos não foram encontradas. As informações no site são em espanhol
Os dados meteorologicos são usados para produzir o padrão Index de precipitação, balanço hídrico e variáveis espaciais
de temperatura e precipitação.
87
Tabela A- 19: Venezuela – Servicio de Meteorología de la aviación Militar Bolivariana
País:
Venezuela
Servicio de Meteorología de la aviación Militar Bolivariana
(Venezuela-SMMB, 2015)
41
Não há informações sobre a quantidade de estações
meteorológicas automáticas e convencionais.
Custo dos dados:
As informações sobre as variáveis medidas não estão disponíveis no site. As informações sobre o histórico dos dados
meteorológicos não foram encontradas. O site é em espanhol.
88
Apêndice 3 Divulgação de bases de dados
Tabela A- 20: Divulgação de bases dedados
Nome
Sensor único
Dual-frequency
PrecipitatiçãoRadar
(DPR)
Divulgação
Tabela
http://pmm.nasa.gov/data-access/downloads/gpm
Tabela 2-2
Tabela 2-3
PrecipitatiçãoRadar (PR)
Visible/Infrared Imager Radiometer
Suite (VIIRS)
Moderate
Resolution
Imaging
Spectroradiometer (MODIS)
Multi-angle
Imaging
SpectroRadiometer (MISR)
http://pmm.nasa.gov/data-access/downloads/trmm
http://www.vgt.vito.be/pages/catalogue.html
http://landsat.usgs.gov/Landsat_Search_and_Download.php
http://landsat.usgs.gov/Landsat_Search_and_Download.php
http://viirsland.gsfc.nasa.gov/
Tabela 2-4
Tabela 2-5
Tabela 2-6
Tabela 2-7
Tabela 2-8
Tabela 2-9
http://modis.gsfc.nasa.gov/data/
Tabela 2-10
https://www-misr.jpl.nasa.gov/getData/accessData/
Tabela 2-11
http://www.eumetsat.int/website/home/Data/DataDelivery/EUME
TSATDataCentre/index.html
https://asterweb.jpl.nasa.gov/data.asp
Tabela 2-12
Tabela 2-14
Tabela 2-15
http://nsidc.org/data/nise1
Tabela 2-16
ftp://ftp.star.nesdis.noaa.gov/pub/smcd/emb/snow/binary/multise
nsor/global/
http://chg.geog.ucsb.edu/data/chirps/#_Data
Tabela 2-17
Divulgação
Referência
http://gmao.gsfc.nasa.gov/products/
Tabela 2-19
http://gmao.gsfc.nasa.gov/products/
Tabela 2-20
http://apps.ecmwf.int/datasets/data/interim-full-daily/
ftp://ftp.ncep.noaa.gov/pub/data/nccf/com/gfs/prod/
Tabela 2-21
Tabela 2-22
ftp.ncdc.noaa.gov/pub/data/ghcn/daily/
http://www1.ncdc.noaa.gov/pub/data/ghcn/daily/
http://lacad.ciifen.org/indicesextremes/indicesdictionary.php
Tabela 2-23
Advanced Space borne Thermal
Emission and Reflection radiometer
(ASTER)
Multissensor
Integrated Multi-satellitE Retrievals for
GPM (IMERG)
Tropical Rainfall Measuring Mission
(TRMM)
Near-real-time Ice and Snow Extent
(NISE)
Global
Multi-sensor
Automated
Snow/Ice (GMASI)
Climate Hazards Group InfraRed
Precipitatiçãowith
Station
data
(CHIRPS)
Nome
Data assimilation
Goddard Earth Observing System
Model, Version 5 (GEOS-5)
Modern-Era Retrospective analysis for
Research and Applications (MERRA)
Global Data Assimilation System
(GDAS)
Estações terrestres
Global Historical Climatology Network
– Daily (GHCN-daily)
Latin American Climate Assessment &
Dataset (LACA&D)
89
Tabela 2-13
Tabela 2-18
Tabela 2-24

Sensoriamento remoto e bases de dados meteorológiicas para

Transcrição

Documentos relacionados

Análise das Imagens Quickbird para o - GeoLab

Voir l`offre en détail

44 % 43% 36% 27% 19% +10% 58% 44 %

Uma avaliação estatística da BBCor

Manual CipherLab CPT 8000

Rede Credenciada- Seguros Unimed - UNASFEM - DF

INFORME_A4 JUNHO.indd

- Evolvedoc - Sistema de compartilhamento de trabalhos

Microscópio de Hooke

Uso de Imagens Landsat como subsídio ao estudo da