O INPE produz diariamente uma enorme quantidade de dados meteorológicos, seja como previsões de modelos numéricos, dados derivados e interpolados de observações de superfície, dados de satélite e radares. Estes dados são utilizados por diversos setores produtivos, sendo de vital importância para várias atividades econômicas, como por exemplo os setores de energia e agropecuários. Deste modo, percebe-se que os dados meteorológicos são de extrema importância para a disciplina de geoprocessamento; e tais dados apresentam uma variada gama de codificações e modos de visualização. Sabendo de tal importância, é interessante para os profissionais da área que desejam usar estes dados em suas pesquisas, conhecer alguns formatos de dados e como visualizar de acordo com parâmetros meteorológicos. Apresentaremos nesta palestra algumas informações sobre os dados produzidos no INPE operacionalmente, suas estruturas e formatos, bem como visualizá-los no BDC-Lab usando Metview e outras ferramentas.
Palestrante
Alex de Almeida Fernandes
Tecnologista do INPEMestre em Computação Aplicada pelo Instituto Nacional de Pesquisas Espaciais (INPE), Alex Fernandes atua há mais de uma década no Centro de Previsão de Tempo e Estudos Climáticos (CPTEC), com experiência consolidada em operações meteorológicas. Atualmente, exerce a função de Chefe Substituto da Divisão de Previsão de Tempo e Clima (DIPTC) e integra o Grupo de Implementação Operacional (IO), implementando fluxos de trabalho críticos que abrangem desde a coleta de dados externos até o processamento e distribuição de produtos meteorológicos. Sua atuação engloba o gerenciamento de dados observacionais, imagens de satélite, modelagem numérica, desenvolvimento de produtos e uso de ferramentas especializadas para análise climática, alinhadas às demandas da comunidade meteorológica. Como doutorando no INPE, dedica-se à pesquisa da integração de modelos de inteligência artificial (IA) com técnicas convencionais de modelagem numérica, visando otimizar a precisão e a eficiência de previsões meteorológicas e climáticas com menor custo computacional.