O SAMeT (South American Mapping of Temperature) é um produto inovador de mapas de temperatura de alta resolução (5 km) desenvolvido para toda a América do Sul. Ele foi criado para superar as limitações dos métodos tradicionais de estimativa de temperatura, especialmente em regiões com poucas estações de medição (como montanhas, desertos e florestas).
Máxima
Temperatura estimada
Máxima
Temperatura observada
Mínima
Temperatura estimada
Mínima
Temperatura observada
Ele combina três fontes de dados:
- Observações diretas de temperatura (máxima – Tmax e mínima – Tmin) de estações meteorológicas na superfície.
- Reanálise ERA5 (um modelo global de previsão do tempo da Europa que reprocessa dados históricos), onde há baixa densidade de observações.
- Modelo digital de elevação (GTOPO30) para corrigir a temperatura com base na altitude.
Monitoramento Mensal
Temperatura
Mês anterior
Temperatura
Mês atual
Temperatura
Climatologia
Anomalia de temperatura
Mês anterior
Anomalia de temperatura
Mês atual
Temperatura
Mês anterior
Temperatura
Mês atual
Temperatura
Climatologia
Anomalia de temperatura
Mês anterior
Anomalia de temperatura
Mês atual
Climatologia Trimestral
Máxima
Mês anterior
Máxima
Mês atual
Mínima
Mês anterior
Mínima
Mês atual
Avaliação do produto
A avaliação rigorosa, feita por validação cruzada (usando 90% OBS90i dos dados para criar o mapa e 10% OBS10 para testá-lo) entre 2011 e 2013, mostrou:
- Menores erros: O SAMeT apresentou erros médios (RMSE) significativamente menores do que tanto a reanálise ERA5 quanto o método tradicional de interpolação (denominado aqui como OBS90i).
- Menor viés (bias): O SAMeT reduz drasticamente o viés sistemático negativo (subestimação da temperatura) que ocorre quando se usa a taxa padrão. O ERA5, por sua vez, tende a subestimar as temperaturas máximas (Tmax) e superestimar as mínimas (Tmin).
- Melhor correlação: O SAMeT mostrou maior correlação de Pearson (r) com os dados de observação independentes (OBS10), o que significa que seus padrões espaciais e temporais são mais fiéis à realidade.
- Robustez: Os resultados positivos foram consistentes em todas as quatro regiões da América do Sul estudadas (equatorial, Andes, Brasil e sul), mesmo em áreas com poucas estações.

| Localização | Quantidade de Estações | Desempenho relativo | Pontos chave | |
|---|---|---|---|---|
| BOX 1 | Equatorial | Moderado | Excelente | Melhor correlação, menor erro. Alta umidade. |
| BOX 2 | Andes | Baixo | Excelente (Melhor em precisão) | Diferença mais acentuada entre SAMeT e OBS90i. A ELRT é crucial aqui. |
| BOX 3 | Brasil Central | Alto (Maior) | Excelente (Melhor performance absoluta) | Menor RMSE de todos os boxes. Melhor exemplo da superioridade da ELRT mesmo com boa cobertura de observações. |
| BOX 4 | Sul | Muito Baixo (Menor) | Bom (Superior) | Menor diferença para OBS90i devido à escassez de dados. Melhor RMSE, mas correlação mais variável. |
Mais informações: A newly developed South American Mapping of Temperature with estimated lapse rate corrections
Citação
Rozante, J. R., Ramirez, E., & Fernandes, A. d. A. (2022). A newly developed South American Mapping of Temperature with estimated lapse rate corrections. International Journal of Climatology, 42(4), 2135–2152. https://doi.org/10.1002/joc.7356

