Intercomparação de produtos AQUA&TERRA/MODIS e Suomi-NPP/VIIRS sobre o Brasil



Documentos relacionados
PERGUNTAS FREQUENTES. Versão 1.0 Data 15/09/2015

044.ASR.SRE.16 - Princípios Físicos do Sensoriamento Remoto

TERRA / ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer)

MAPEAMENTO DA COBERTURA VEGETAL DE ÁREAS DE GRANDE EXTENSÃO ATRAVÉS DE MOSAICOS DE IMAGENS DO NOAA-AVHRR

Introdução ao Sensoriamento Remoto

Geomática e SIGDR aula teórica 23 17/05/11. Sistemas de Detecção Remota Resolução de imagens

Sensoriamento Remoto. Características das Imagens Orbitais

Sistemas Sensores. Introdução

Tópicos em Meio Ambiente e Ciências Atmosféricas

Seminário Disciplina de Fotointepretação. Bruno Beust - João Paulo

Leila Maria Véspoli de Carvalho Oswaldo Massambani Depto. de Meteorologia, IAG-USP

RGB - Poeiras Departamento de Física 2011 Detecção Remota Pratica 1. Joao Gonçalo Ricardo Rodrigues

Introdução ao Sensoriamento Remoto. Sensoriamento Remoto

INFORMATIVO CLIMÁTICO

VARIABILIDADE ESPAÇO TEMPORAL DO IVDN NO MUNICIPIO DE ÁGUAS BELAS-PE COM BASE EM IMAGENS TM LANDSAT 5

Para que um sensor possa coletar e registrar a energia refletida ou emitida por um objeto ou superfície, ele tem que estar instalado em uma

MONITORAMENTO DA TEMPERATURA DE SUPERFÍCIE EM ÁREAS URBANAS UTILIZANDO GEOTECNOLOGIAS

INCORPORAÇÃO DE IMAGENS AVHRR NO MODELO ITPP5.0 PARA CLASSIFICAÇÃO DE PADRÕES DE NEBULOSIDADE

ESTUDO DA RELAÇÃO ENTRE QUEIMADAS, AEROSSÓIS ATMOSFÉRICOS E PRECIPITAÇÃO Nathália Velloso Prado 1, Simone Sievert da Costa Coelho²

Análise da variação da camada de ozônio sobre o território brasileiro e seu impacto sobre os níveis de radiação ultravioleta

SONDAGENS TOVS E ATOVS: UMA COMPARAÇÃO ENTRE RESULTADOS DO ITPP 5 E DO ICI (INVERSION COUPLED IMAGER)

SENSORES REMOTOS. Daniel C. Zanotta 28/03/2015

Imagens de Satélite (características):

ABSTRACT 1. INTRODUÇÃO

Atmosfera e o Clima. Clique Professor. Ensino Médio

15- Representação Cartográfica - Estudos Temáticos a partir de imagens de Sensoriamento Remoto

Introdução aos Sistemas de Informação Geográfica

ESTIMATIVA DE NDVI UTILIZANDO IMAGENS DOS SATÉLITES CBERS-2B_CCD, CBERS-2B_WFI E METEOSAT-9_SEVIRI 4

Caracterização da Estrutura Física das Nuvens em Diferentes Ecossistemas da América do Sul A Partir de Dados do MODIS

BLOQUEIOS OCORRIDOS PRÓXIMOS À AMÉRICA DO SUL E SEUS EFEITOS NO LITORAL DE SANTA CATARINA

AQUISIÇÃO DE IMAGENS DE SATÉLITE DE ALTA RESOLUÇÃO ESPACIAL PARA A REGIÃO DO MUNICÍPIO DE ROSÁRIO DO SUL - RS

Características dos Sensores. Aula 3 Professor Waterloo Pereira Filho Docentes orientados: Daniela Barbieri Felipe Correa

Dr. Nelson Veissid Laboratório Associado de Sensores e Materiais Centro de Tecnologias Especiais - LAS/CTE/INPE São José

Sensoriamento Remoto

AVALIAÇÃO DAS IMAGENS IRS-P6 EM RELAÇÃO AO PADRÃO DE EXATIDÃO CARTOGRÁFICA. Danielly Garcia Santos¹, Elaine Reis Costa Lima²

Aula 1 Professor Waterloo Pereira Filho Docentes orientados: Daniela Barbieri Felipe Correa

Sensoriamento Remoto aplicado ao Monitoramento Ambiental

LEAA Laboratório de Estudos em Agricultura e Agrometeorologia

SITUAÇÕES SINÓTICAS ASSOCIADAS ÀS DIFERENÇAS NAS PROPRIEDADES ÓPTICAS DA ATMOSFERA EM AMBIENTE URBANO

Uso de Imagens do Satélite MODIS para o estudo Desastres Naturais

DELIMITAÇÃO DE ÁREAS DE PRECIPITAÇÃO UTILIZANDO SAT~LITE E RADAR METEOROLOGICO

SPMSAT - APLICATIVO PARA ESTUDOS DE SISTEMAS PRECIPITANTES DE MESOESCALA UTILIZANDO IMAGENS DE SATÉLITE

Humidade no solo. Departamento de Física 2011 Detecção Remota Pratica III. Joao Gonçalo Ricardo Rodrigues

Opções de Imageamento para a área do Reservatório da UHE Santo Antônio, Cidade de Porto Velho e trecho a jusante até Humaitá

Análise de Imagens CBERS da Bacia do Rio São Francisco utilizando Mapas Auto-Organizados de Kohonen e Classificadores K-Médias e Fuzzy C-Médias

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO - UFES CENTRO DE CIÊNCIAS HUMANAS E NATURAIS CCHN DEPARTAMENTO DE GEOGRAFIA DEFESA DE MONOGRAFIA

DETERMINAÇAo DE ÁREA DE CHUVA E NÃO-CHUVA NA IMAGEM DO SAT~LITE (GOES) UTILIZANDO A ANÂLISE DE GRUPAMENTO.

Utilização de imagens de satélite e modelagem numérica para determinação de dias favoráveis a dispersão de poluentes.

Materiais e Métodos Resultados e Discussões

15º Congresso Brasileiro de Geologia de Engenharia e Ambiental

IMAGENS DE SATÉLITE PROF. MAURO NORMANDO M. BARROS FILHO

USO DA TÉCNICA DE ANALISE POR COMPONENTE PRINCIPAL NA DETECÇÃO DE MUDANÇAS NA COBERTURA DO SOLO

ANÁLISE DE QUATRO ANOS DO BANCO DE IMAGENS NOAA14-AVHRR DO ESTADO DE SÃO PAULO J ANSLE VIEIRA ROCHA RUBENS LAMPARELLI

PROCESSAMENTO DOS DADOS AVHRR DO SATÉLITE NOAA E APLICAÇÃO SOBRE A REGIÃO SUL DO BRASIL. Leonid Bakst Yoshihiro Yamazaki

Massas de ar do Brasil Centros de ação Sistemas meteorológicos atuantes na América do Sul Breve explicação

Observação da Terra no INPE: Fonte de Informação para Monitoramento Ambiental

Monitoramento - PrevFogo - IBAMA - Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais Reno

Análise da entrada de uma pluma de queimada sobre a cidade de São Paulo-SP através de fotômetro solar e de um LIDAR elástico

Comparação entre classificadores por pixel e por região com imagem SPOT-5 para o estado de Minas Gerais

Processamento de Imagem. Prof. Herondino

CFTV DE BRINQUEDO X PROFISSIONAL O QUE DEVEMOS PERGUNTAR???

Figura 1: Localização geográfica da área de estudo com a composição colorida do sensor TM (R3, G2 e B1).

GERAÇÃO AUTOMÁTICA DE PRODUTOS DERIVADOS DE IMAGENS AVHRR-NOAA NO AGRITEMPO

MÓDULO 4 Meios físicos de transmissão

CLASSIFICAÇÃO PRELIMINAR DE NUVENS UTILIZANDO IMAGENS AVHRR DO SATÉLITE NOAA-14 ABSTRACT

Marisa L. P. Zuccas. Participantes: Alunos do IEQ Polo Itaquera.

ABSTRACT. Palavras-chave: Aviso Meteorologia Especial, INMET, São Paulo. 1 - INTRODUÇÃO

Metodologias de estimativa de cobertura de nuvens e seus resultados no modelo BRASIL-SR

UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS

AQUISIÇÃO DE IMAGENS DE SATÉLITE DE ALTA RESOLUÇÃO ESPACIAL

Produto 1. Mapas e figuras georreferenciadas contendo cicatrizes de queimadas para as regiões de interesse no Cerrado

ANÁLISE DE UM CASO DE CHUVA INTENSA NO SERTÃO ALAGOANO NO DIA 19 DE JANEIRO DE 2013

Estatísticas do Desmatamento. Amazônia Legal. Outubro de Resumo. Carlos Souza Jr., Adalberto Veríssimo & Sanae Hayashi (Imazon)

DIAS DE CÉU CLARO EM TOLEDO-PR. Flávio Rodrigues Soares 1

Colóquio APMG Um Inverno particular. Pedro Viterbo Instituto Português do Mar e da Atmosfera. Agradecimentos: Julia Slingo, UK Metoffice

DETERMINAÇÃO DE NOVAS BANDAS ESPECTRAIS PARA OS SATÉLITES LANDSAT/TM-5 E SPOT 1

MundoGEOXperience - Maratona de Ideias Geográficas 07/05/2014

Acumulados significativos de chuva provocam deslizamentos e prejuízos em cidades da faixa litorânea entre SP e RJ no dia 24 de abril de 2014.

VISUALIZAÇÃO TRIDIMENSIONAL DE SISTEMAS FRONTAIS: ANÁLISE DO DIA 24 DE AGOSTO DE 2005.

ESTUDO DE CASO: ÍNDICE DE UMIDADE DO SOLO UTILIZANDO IMAGENS DO SENSOR MODIS PARA O MUNICÍPIO DE BELEM DO SÃO FRANCISCO, PE

AQUISIÇÃO DE IMAGENS DE SATÉLITE DE ALTA RESOLUÇÃO ESPACIAL PARA A ÁREA DE INTERESSE DO PROJETO DO ALTO TIETÊ

Termovisor FLIR E6. Foco Fixo Microbolômetro não refrigerado Tela LCD colorido 3.0 pol Frequência da Imagem

Bloqueio atmosférico provoca enchentes no Estado de Santa Catarina(SC)

10 FÓRUM DE EXTENSÃO E CULTURA DA UEM COMPARAÇÃO DE FUSÃO ENTRE AS IMAGENS DO SATÉLITE RAPID EYE, CBERS E SPOT.

Telecomunicações. Prof. André Y. Kusumoto

Sistema de Detecção de Desmatamento em Tempo Real. Instituto Nacional de Pesquisas Espaciais Ministério da Ciência e Tecnologia

ArcGIS: Rescale em Batch, Composição Colorida RGB e Fusão de Imagens Landsat-8

MAPEAMENTO DIGITAL DE AMBIENTES COSTEIROS COM APOIO DE IMAGENS DE SATÉLITES E DADOS GNSS

ESTAÇÕES DO ANO - MOVIMENTAÇÃO DA TERRA

Oceanografia por Satélites

Heron Martins, Antônio Fonseca; Carlos Souza Jr.; Márcio Sales & Adalberto Veríssimo (Imazon) RESUMO

Antônio Fonseca, Heron Martins, Carlos Souza Jr. & Adalberto Veríssimo (Imazon) RESUMO

INMET/CPTEC-INPE INFOCLIMA, Ano 13, Número 07 INFOCLIMA. BOLETIM DE INFORMAÇÕES CLIMÁTICAS Ano de julho de 2006 Número 07

Sensoriamento Remoto

Resumo. Boletim do desmatamento da Amazônia Legal (fevereiro de 2015) SAD

Os Benefícios do Sistema EUMETCast no Brasil

CICLONE EXTRATROPICAL MAIS INTENSO DAS ÚLTIMAS DUAS DÉCADAS PROVOCA ESTRAGOS NO RIO GRANDE DO SUL E NO URUGUAI

Antônio Fonseca, Carlos Souza Jr. & Adalberto Veríssimo (Imazon) RESUMO

CAPÍTULO 8 O FENÔMENO EL NIÑO -LA NIÑA E SUA INFLUENCIA NA COSTA BRASILEIRA

Programa Integrado de Monitoria Remota de Fragmentos Florestais e Crescimento Urbano no Rio de Janeiro

Transcrição:

Intercomparação de produtos AQUA&TERRA/MODIS e Suomi-NPP/VIIRS sobre o Brasil Jurandir Ventura Rodrigues 1 Simone Sievert da Costa 1 Rogério da Silva Batista 1 1 Instituto Nacional de Pesquisas Espaciais INPE Caixa Postal 01 12630000 - Cachoeira Paulista - SP, Brasil {jurandir.rodrigues, simone.sievert, rogerio.batista}@cptec.inpe.br Abstract. This study aims to intercompare the atmospheric and surface products from MODIS (Moderate-Resolution Imaging Spectroradiometer) on board AQUA and TERRA with those from VIIRS (Visible Infrared Imager Radiometer Suite) from Suomi-NPP (VIIRS/S-NPP). VIIRS is the MODIS heritage, with more fine radiometric and spectral resolution. The products that are compared are: cloud mask, cloud phase, aerosol optical depth, NDVI and continental surface temperature for a specific day. Results shows that VIIRS has improved on cloud retrieval in comparison to MODIS. Although both sensor has the same cloud mask, VIIRS algorithm classified 7 types of cloud phase while MODIS has 5. Aerosol optical depth from MODIS and VIIRS show good agreement with ground base data from AERONET. It is important observe that VIIRS is a satellite sensor of third generation with the concern to create and present products processed with quality and precision for determine events of the atmosphere, surface and ocean. Palavras-chave: hyperspectral sensor, satellite data processing, remote sensing, sensor hyperespectral, processamento de dados de satélite, sensoriamento remoto 1. Introdução Com o avanço tecnológico e científico de satélite polar e geoestacionário, envolvendo resoluções espacial e temporal, é fundamental uma infraestrutura de processamento para a aquisição de dados dentro de um prazo viável a colaborar de fato com os diagnósticos de previsão de tempo e em alguns casos diretamente com a sociedade. Os satélites de órbita polar permitem obter informações com alta resolução espacial e espectral. O sensor MODIS abordo dos satélites Terra e Aqua foi uma revolução que proveu diversas informações para as mais amplas áreas do monitoramento do continente, oceano e atmosfera. O sensor MODIS apresenta 36 canais, sendo 2 no espectro do visível e com 250 metros de resolução espacial, 5 no infravermelho próximo com 500 metros e os demais nos espectros infravermelho e termal com resolução de 1000 metros (Tabela 1). As informações dos dados dos satélite Terra e Aqua para o sensor MODIS estão arquivados em mais de 10 anos de dados e permite gerar conhecimento de diversas variáveis meteorológicas e ambientais (Rudorff et al. 2007) além de ser validado por diversos grupos. Associado a boa experiência e referência com o sensor MODIS, a nova geração de satélites de órbita polar Suomi-NPP (S-NPP) contem o sensor VIIRS (Visible Infrared Imager Radiometer Suite). O VIIRS possui 22 canais, com melhor resolução espacial para os canais denominados moderados (canais de 1 a 16, Tabela 1). O S-NPP foi lançado em Outubro de 2011 e passou a disseminar os dados de forma mais constante de forma global via servidores de acesso ou através de antenas de recepção. O INPE está recepcionando os dados dos sensores MODIS- TERRA e AQUA desde de 2002, e recentemente os dados do S-NPP, mais especificamente desde outubro/2013. O MODIS e VIIRS fornece diariamente imagens de alta resolução espectral e radiométrica do visível até o infravermelho terrestre (Tabela 1). As vantagens do VIIRS em 5975

relação MODIS estão na resolução espectral de alguns canais e na largura da faixa de varredura. Ambos podem produzir um mesmo conjunto de variáveis, permitindo o monitoramento contínuo da atmosfera, superfície continental e oceânica. Esse aspecto é importante para estudos climáticos que precisam de uma longa série de dados. A Figura 1 mostra consecutivamente a passagem e órbita dos satélites Terra, Aqua e NPP que permite identificar o centro da passagem ocorrida nos horários mencionados na própria linhas em branco. Estes satélites são polares e somente passam no mesmo local a cada 16 dias. a) b) c) Figura 1. Órbita do satélite para o dia 21/10/2014 - TERRA (a), AQUA (b) e NPP (c) Os satélites AQUA e S-NPP (Figura 2), têm os horários próximos e podem permitir um trabalho de acoplamento de produtos de forma que a área inferida pelo sensor seja estendida, ou avaliada em diferentes horários. Neste sentido, é que o presente estudo se enquadra no conhecimento dos produtos S-NPP em comparação com aqueles do Terra e Aqua. O satélite TERRA possui o horário de passagem com aproximadamente uma hora anterior para a área mais ao leste da América do Sul em relação ao horário mais próximo e está na posição descendente em relação à posição ascendente do AQUA e S-NPP, porém dependendo da variável também pode ser considerado ou utilizá-lo na variação de horários aumentando a resolução temporal entre estes satélites. Ocorre em média 2 passagens na descendente e ascendente com a variação de 90 minutos entre duas passagens. 2. Metodologia de Trabalho Este estudo utilizou os produtos dos satélites TERRA, AQUA e S-NPP gerados através do algoritmo de processamento IPOPP (International Polar Orbit Processing Package). As imagens são provenientes do sistema de banco de dados do INPE, as quais são recepcionadas pelas antenas localizadas em Cuiabá-MT e Cachoeira Paulista-SP. As imagens são recepcionadas pelo CDSR-DGI/INPE (Centro de Dados de Sensoriamento Remoto Divisão de Geração de Imagens) que geram os arquivos de dados brutos para serem processados pelo CPTEC/INPE. Os produtos do S-NPP estão sendo processados e armazenados desde janeiro/2014. Os algoritmos referentes aos produtos podem ser encontrados nos ATBDs (Algorithm Theoretical Basis Document), referente a cada tipo e nível de produto. Neste estudo realizou uma intercomparação dos dados do VIIRS/S-NPP com os dados do MODIS/AQUA & TERRA. Procurou identificar um dia em que todas as passagens dos satélites estivessem disponíveis e sem falhas. Foi selecionado o dia 21/10/2014, em que as imagens permitem avaliar diferentes alvos, tais como céu claro, nebulosidade, queimadas, continente e oceano (Figura 2). No dia estudado, a área de cobertura pelo conjunto de satélite 5976

inclui o praticamente todo o continente brasileiro, parte do oceano Pacífico e Atlântico. Importante notar que toda a extensão do oceano Atlântico próximo à costa brasileira é monitorada. Neste dia percebe-se a nebulosidade se estende do continente ao Oceano Atlântico associada a Zona de Convergência do Atlântico Sul. Considerando a proximidade dos horários de passagens dos satélites, o presente estudo visa realizar uma comparação dos produtos de nuvens, aerossol e de superfície inferidos pelos sensores MODIS e VIIRS. Figura 2. RGB da passagem de satélite na data 21/10/2014. TERRA- descendente (a), AQUA - ascendente (b), S-NPP - ascendente (c). Tabela 1. Canais do sensor VIIRS/S-NPP similar ao MODIS/AQUA&TERRA S-NPP - VIIRS AQUA/TERRA - MODIS Canal viirs Largura espectral Tipo da banda Resolução espacial Canal modis Largura espectral Resolução espacial M1 0.402 0.422 Vis/Reflective 750 m 8 0.405 0.420 1000 m M2 0.436 0.454 Vis/Reflective 750 m 9 0.438 0.448 1000 m M3 0.478 0.488 Vis/Reflective 750 m 10 0.483 0.493 1000 m M4 0.545 0.565 Vis/Reflective 750 m 12 0.546 0.556 1000 m M5 0.662-0.682 Vis/Reflective 750 m 13 0.662-0.672 1000 m 14 0.673-0.683 1000 m M6 0.739-0.754 Near IR 750 m 15 0.743-0.753 1000 m M7 0.846-0.885 Near IR 750 m 16 0.862-0.877 1000 m M8 1.23-1.25 Shortwave IR 750 m 5 1.23-1.25 500 m M9 1.371-1.386 Shortwave IR 750 m 26 1.360-1.390 1000 m M10 1.58-1.64 Shortwave IR 750 m 6 1.628-1.652 500 m M11 2.23-2.28 Shortwave IR 750 m - - - M12 3.61-3.79 Med-Wave IR 750 m 20 3.660-3.840 1000 m M13 3.97-4.13 Med-Wave IR 750 m 22 3.929-3.989 1000 m M14 8.4-8.7 LongWave IR 750 m 29 8.4-8.7 1000 m M15 10.26-11.26 LongWave IR 750 m 31 10.780-11.280 1000 m M16 11.54-12.49 LongWave IR 750 m 32 11.770-12.270 1000 m DNB 0.5-0.9 Vis/Reflective 750 m 4 0.545-0.565 500 m 11 0.526-0.536 1000 m 12 0.546-0.556 1000 m 13 0.662-0.672 1000 m 14 0.673-0.683 1000 m 15 0.743-0.753 1000 m 5977

16 0.862-0.877 1000 m 17 0.890-0.920 1000 m I1 0.6-0.68 Vis/Reflective 375 m 13 0.662-0.672 1000 m 14 0.673-0.683 1000 m I2 0.85-0.88 Near IR 375 m 16 0.862-0.877 1000 m I3 1.58-1.64 Shortwave IR 375 m 6 1.628-1.652 500 m I4 3.55-3.93 Med-Wave IR 375 m 20 3.660-3.840 1000 m I5 10.5-12.4 LongWave IR 375 m 31 10.780-11.280 1000 m 3. Resultados e Discussão Este estudo visa apresentar uma análise da intercomparação de produtos similares inferidos pelos satélites TERRA, AQUA e S-NPP. A Figura 3 mostra classificação de nuvens em 5 categorias para os mesmos horários da Figura 2. Nota-se o Rio Grande do Sul, norte da Argentina e Uruguai apresentam condições de céu claro (sem nebulosidade) para todas as passagens e satélites. Por outro lado, as passagens a oeste dos satélites AQUA (17:45 UTC) e NPP (18:24 UTC) identificam alguns pixels distintos. O AQUA tende classificar como probabilidade de nuvens (Prob. Cloudy, pixel em vermelho), enquanto o NPP mostra probabilidade de céu claro (Prob. clear). A distinta classificação pode estar associada aos diferentes horários e resolução do pixel. Regiões de transição de pixels de céu claro e nuvens, geralmente difícil de classificar. Sendo assim importante negligenciar pixels que estão na borda das nuvens para evitar falsos alarmes. A Figura 4 mostra a classificação de fase da nuvem. Os produtos MODIS e VIIRS apresentam distintas categorias (5 verus 7). O sensor VIIRS além de incluir as categorias do MODIS, possui as categorias parcialmente nublado (Par.Cld) e cirrus. O detalhamento do tipo de nuvem, principalmente cirrus, pode estar relacionado com a melhor largura espectral do VIIRS (0,015 verus 0,03 do MODIS) e resolução espacial (750 m do VIIRS versus 1 km do MODIS). Importante mencionar que no oeste do Rio Grande do Sul, a máscara de nuvens do MODIS identifica a região como céu claro (Figura 3 b), enquanto que o VIIRS classifica como probabilidade de claro. Para essa mesma região, o produto de identificação de fase classifica a região como parcialmente nublado (Par.Cld) pelo algoritmo do VIIRS e sem classificação para o MODIS. Ambos os produtos (máscara e fase) são importantes para a inferência de outros produtos. Sendo assim, estes são geralmente usados no controle de qualidade no processo de inferência de outras variáveis geofísicas. Figura 3. Máscara de nuvem para o dia 21/10/2014: TERRA (a), AQUA (b) e S-NPP (c) 5978

Figura 4. Fase da nuvem para o dia 21/10/2014: TERRA (a), AQUA (b) e S-NPP (c) A Figura 5 mostra o AOD do MODIS e VIIRS para uma área localizada sobre o estado do Mato Grosso, uma região em que ocorre intensa atividades de queimadas. Verifica-se que o satélite S-NPP apresenta maior capacidade em detectar os aerossóis em decorrência da melhoria na resolução espacial e espectral do sensor VIIRS. Apenas para comparação, dados observacionais de superfície da AERONET do sítio de Cuiabá-Miranda (Latitude 15.02º e Longitude 56.02º) indica que AOD em 500 nm médio diário é de 0,522 e os dados correspondentes para o satélite são: 0,5 (MODIS/TERRA) 0,45 (MODIS/AQUA) e 0,5 (VIIRS/NPP). Além de produtos associados a atmosfera, o VIIRS produz informações de superfície. Exemplos de dados de superfície são Temperatura da Superfície Continental (Figura 6) e NDVI (Figura 7). Composição NDVI (3 dias) utilizando o VIIRS é também apresentado (Figura 7 d) para ilustrar a distribuição espacial do vigor da vegetação para curto período no mês Julho de 2014. a) 13:21 UTC b) 16:40UTC c) 17:45UTC Figura 5. Profundidade óptica do aerossol para o dia 21/10/2014: TERRA (a), AQUA (b) e S- NPP (c). Longitude: 59 a 57º W e Latitude: 19 a 21º S no oeste da região do Mato Grosso do Sul. 5979

Figura 6. Temperatura da superfície continental para o dia 21/10/2014: TERRA (a), AQUA (b) e S-NPP (c) a) 15:00 e 13:21 UTC b) 17:45 e 16:12 UTC c) 18:24 e 16:40 d) 20 a 22/07/2014 Figura 7. Índice de Vegetação (NDVI) para o dia 21/10/2014: TERRA (a), AQUA (b), NPP (c) e maior valor acumulado do dia 20 a 22/07/2014 4. Conclusões Os satélites ambientais permitem obter informações de nuvens e aerossóis cada vez mais detalhadas, principalmente os satélites de última geração como AQUA, TERRA e S-NPP, e futuramente o GOES-R. O satélite de terceira geração como o S-NPP, é um sucessor dos satélites AQUA, TERRA e NOAA. O presente estudo visou apresentar alguns produtos de 5980

nuvens, aerossóis e de superfície baseados nas informações do satélite S-NPP. Estes produtos são intercomparados com os dados do sensor MODIS/TERRA e AQUA. A vantagem de intercomparação, está nos horários de passagens dos satélites AQUA e S-NPP. O AQUA tem passagem de aproximadamente 40 minutos antes do S-NPP. Inicialmente, procurou-se intercomparar os produtos de nuvens, pois estes são usados como controle de qualidade para as demais inferências. Apesar de apresentarem a mesma máscara de nuvens (5 categorias:), os sensores MODIS e VIIRS apresentam distintas classificação da fase da nuvem (5 versus 7). O sensor VIIRS além de incluir as 5 categorias do MODIS (Clear/NoValue, Water, Ice, Mixed e Uncertain), possui as categorias parcialmente nublado (Par.Cld) e cirrus. Maior detalhamento do tipo de nuvem, principalmente cirrus, pode estar relacionado com a melhor largura espectral do VIIRS e resolução espacial. Outro produto que foi intercomparado foi de AOD, verifica-se que a resolução espacial VIIRS permite ter maior detalhamento da pluma de aerossol. Adicionalmente os produtos dos satélites foram comparados com os dados observacionais da AERONET e indicam um bom acordo. Apenas para ilustração outros produtos de superfície (NDVI e temperatura da superfície são apresentados para os 3 satélites. Trabalhos futuros irão realizar diversas intercomparações envolvendo maior período de dados, e dados de superfície quando disponível, como o caso do AOD e temperatura da superfície. Agradecimentos NASA-IPOPP e Universidade Wisconsin - CIMMS Referências Bibliográficas Rudorff, Bernardo F.T., Shimabukuro, Yosio E., Ceballos, Juan C., O Sensor MODIS e suas Aplicações Ambientais no Brasil. 2007 Dados da rede AERONET. Disponível em: < http://aeronet.gsfc.nasa.gov/cgibin/type_piece_of_map_opera_v2_new >. Acesso em: 08.nov.2014. ATBDs MODIS. Disponível em: < http://modis.gsfc.nasa.gov/data/atbd/>. Acesso em: 23.out.2014. ATBDs NPP. Disponível em: < http://npp.gsfc.nasa.gov/documents.html>. Acesso em: 23.out.2014. Aqua Orbit Tracks. Disponível em: <https://www.ssec.wisc.edu/datacenter/aqua/>. Acesso em: 23.out.2014. NPP Orbit Tracks. Disponível em: <https://www.ssec.wisc.edu/datacenter/npp/>. Acesso em: 23.out.2014. Terra Orbit Tracks. Disponível em: <https://www.ssec.wisc.edu/datacenter/terra/>. Acesso em: 23.out.2014. Imagens RGB Aqua/Terra/NPP. Disponível em: <http://www.dgi.inpe.br/catalogo/>. Acesso em: 27.out.2014 Coleção de imagens no Banco de Dados da DSA. Disponível em: <http://satelite.cptec.inpe.br/acervo/noaa.formulario.logic?i=en>. Acesso em: 27.out.2014 5981