BIG Catalogue
continual
Type of resources
Available actions
Topics
Provided by
Years
Formats
Representation types
Update frequencies
status
Scale
-
.gif)
Canal 8,4 μm do sensor ABI/GOES16, importante para o monitoramento de atividade vulcânica, além de ser capaz de determinar a fase da nuvem usando a diferença de temperatura de brilho entre o canal 11,2 μm. As imagens obtidas pelo sensor ABI/GOES são utilizadas para monitorar a Terra, a atmosfera e os oceanos. A refletância medida (radiância) dentro das bandas do espectro visível e infravermelho é convertida em valores de brilho e temperaturas de brilho, respectivamente. Esses valores são usados para gerar uma variedade de produtos que auxiliam os meteorologistas e especialistas no monitoramento e na previsão de vários tipos de eventos meteorológicos, do oceano e outros fenômenos relacionados ao clima. Os dados enviados pelo satélite GOES-16 são recebidos em tempo real na estação de recepção localizada no INPE de Cachoeira Paulista, onde são processados e armazenados.
-
CBERS4/WFI - Level-2 Digital Number product. Level 2 products have radiometric correction and geometric correction using satellite ephemeris and attitude data (system correction).
-
Cada arquivo consiste em uma imagem onde cada pixel representa o índice de radiação ultravioleta, variando de 1 a valores acima de 11, correspondendo o nível de radiação solar que incide à superfície e impacta a pele humana. O IUV apresenta duas opções: índice ultravioleta máximo esperado para um determinado dia sem a presença de nuvens, e correspondendo ao horário em que o sol está em seu ponto mais alto de sua trajetória aparente (periodicidade 1 arquivo por dia), e índice ultravioleta atenuado por nuvem para um determinado horário (referente ao escanamento do satélite GOES) e condição de nebulosidade (periodicidade a cada 10 minutos). A geração desse produto passa por várias etapas: aproximadamente 10 minutos para terminar a varredura, depois o dado é calibrado e reprojetado para então ser calculado o produto.
-
This is a land cover classification map of Brazilian Mata Atlantica, from January to December of 2017. This classification was made on top of Landsat-8 days data cubes with spatial resolution of 30 meters, using the best pixel composition function named as Least Cloud Cover First (LCF), which was previously named Stack in BDC older versions. The input datacube was Landsat-8 - OLI - Cube Stack 16 days - v001, which was deprecated. The classification model was trained using 13442 sample points of the classes Agriculture 2668, Planted forest 823, Forest (Formação florestal) 3754, Pasture 6197. The spectral bands used were B1, B2, B3, B4, B5, B6, B7, along with the vegetation indices EVI and NDVI; the clouded observation were identified using the Fmask algorithm and estimated using linear interpolation. The classification algorithm was Random Forest. The post-processing consisted on cropping the images to the biome's boundary. This product was funded by the Brazilian Development Bank (BNDES).
-
CBERS4/WFI - Level-4 Digital Number product. L4 product provides orthorectified images.
-
This land cover classification refers to a study area in Mato Grosso state, in the Cerrado biome. For this map, the CBERS-4/WFI monthly data cube was used, with a spatial resolution of 64 meters, using the best pixel composition function named as Least Cloud Cover First (LCF), which was previously named Stack in BDC older versions. This experiment uses the time series of an agricultural calendar year, from September 2018 to August 2019, extracted from the CBERS-4/WFI data cube. The input datacube was CBERS-4 (WFI) Cube Identity - v001, which was deprecated. The classification was made using 852 samples (Annual Crop: 257; Natural Vegetation: 245; Pasture: 216; Semi-Perennial Crop: 134) and the following data cube bands: bands red, green, blue, and near-infrared along with the EVI, NDVI, GEMI, GNDVI, NDWI2, PVR indices. We trained a multi-layer perceptron for a deep learning classification network to classify the data cube using sits R package. This product was funded by the Brazilian Development Bank (BNDES).
-
Canal 1,6 μm do sensor ABI/GOES16, geralmente utilizado para identificar regiões de gelo ou neve, além de focos de incêndio no período noturno. As imagens obtidas pelo sensor ABI/GOES são utilizadas para monitorar a Terra, a atmosfera e os oceanos. A refletância medida (radiância) dentro das bandas do espectro visível e infravermelho é convertida em valores de brilho e temperaturas de brilho, respectivamente. Esses valores são usados para gerar uma variedade de produtos que auxiliam os meteorologistas e especialistas no monitoramento e na previsão de vários tipos de eventos meteorológicos, do oceano e outros fenômenos relacionados ao clima. Os dados enviados pelo satélite GOES-16 são recebidos em tempo real na estação de recepção localizada no INPE de Cachoeira Paulista, onde são processados e armazenados.
-
The MODIS-Aqua Monthly Remote Sensing Reflectance (Rrs, unit sr-1) provides 8 spectral bands temporal resolution of one month and spatial resolution of 1 km over the Brazil oceanic waters and open ocean South Atlantic waters. This collection captures 7 visible, and 1 infrared channels using Level-1A images acquired from the Moderate Resolution Imaging Spectroradiometer (MODIS) instrument onboard the NASA's Aqua satellite. The Level-1A data were processed into Level-1B and GEO using the Data Processing Tools (modis_L1B) from SeaWiFS Data Analysis System (SeaDAS) software. The Level-1B and GEO data were applied in the atmospheric correction OC-SMART (Fan et al., 2021) by the National Institute for Space Research (INPE, Brazil) and the Laboratoire d'Océanologie et de Géosciences (LOG, France) generating the Level-2 data. The Level-2 data has been mosaicked to generate daily maps capturing the complete Brazilian ocean waters. The daily mosaic data were reprojected to geographical (lat/lon) coordinates using as reference the European Space Agency (ESA) Ocean Colour - Climate Change Initiative (OC-CCI) into Level-3 grid. Both, the mosaic and the reprojection were done using the Sentinel Application Platform (SNAP) on its version 10. Finally, the daily reprojected data were temporal merged to create the monthly Rrs products using the geometric mean.
-
Canal 6,9 μm do sensor ABI/GOES16, um dos 3 canais na banda de absorção do vapor d’água. Tem aplicação na identificação de importantes características atmosféricas. As imagens obtidas pelo sensor ABI/GOES são utilizadas para monitorar a Terra, a atmosfera e os oceanos. A refletância medida (radiância) dentro das bandas do espectro visível e infravermelho é convertida em valores de brilho e temperaturas de brilho, respectivamente. Esses valores são usados para gerar uma variedade de produtos que auxiliam os meteorologistas e especialistas no monitoramento e na previsão de vários tipos de eventos meteorológicos, do oceano e outros fenômenos relacionados ao clima. Os dados enviados pelo satélite GOES-16 são recebidos em tempo real na estação de recepção localizada no INPE de Cachoeira Paulista, onde são processados e armazenados.
-
This is a land cover classification map of Brazilian Cerrado, from August 29th 2017 to August 29th 2018. This classification was made on top of Landsat-8 days data cubes with spatial resolution of 30 meters, using the best pixel composition function named as Least Cloud Cover First (LCF), which was previously named Stack in BDC older versions. The input datacube was Landsat-8 - OLI - Cube Stack 16 days - v001, which was deprecated. The classification model was trained using 48850 sample points spread across the Cerrado biome (Annual Crop 6887, Cerradao 4211, Cerrado 16251, Natural Non Vegetation 38, Open_Cerrado 5658, Pasture 12894, Perennial Crop 68, Silviculture 805, Sugarcane 1775, Water 263). The spectral band used were B1, B2, B3, B4, B5, B6, and B7 along with the vegetation indices EVI and NDVI; the clouded observation were identified using the Fmask4 algorithm and estimated using linear interpolation. The classification algorithm was TempCNN (Deep Learning). This product was funded by the Brazilian Development Bank (BNDES).