Ir direto para menu de acessibilidade.
Página inicial > Área de imprensa > Menu superior > Area de imprensa > Professor contribui para previsões do tempo mais eficientes
Início do conteúdo da página

Professor contribui para previsões do tempo mais eficientes

Publicado: Quarta, 17 de Junho de 2015, 19h48 | Última atualização em Quarta, 17 de Junho de 2015, 22h19 | Acessos: 1595

As previsões climáticas realizadas pelo Centro de Análises e Previsão de Tempestades da Universidade de Oklahoma vão se tornar ainda mais eficientes devido à contribuição científica realizada por um docente do Cefet/RJ. Considerada referência na identificação de tornados, a instituição acaba de incorporar ao seu programa oficial um código desenvolvido pelo professor e coordenador do curso técnico de Meteorologia, Leanderson Paiva.

O novo código permite um aumento da resolução da base de dados de tipo de vegetação através da execução do programa Advanced Regional Prediction System Surface (ARPSSFC), especializado em processar dados da superfície da Terra captados via satélite. “O novo ARPSSFC é agora capaz de processar dados de tipo de vegetação com resolução de 300 metros, do Projeto GlobCover da Agência Europeia”, afirma Paiva. Na prática, isso significa que o programa passará a utilizar as imagens de vegetação com a maior resolução hoje obtida por satélite.

Paiva explica que, antes de sua contribuição, a resolução dos dados de tipo de vegetação utilizada pelo programa era de um grau, o que equivale a aproximadamente um quilômetro. Com o novo código, ela passa a ser de 10 segundos, ou cerca de 300 metros. Portanto, o ganho na resolução dos dados obtido com o novo código é de 30%.

Os dados processados pelo ARPSSFC são utilizados pelo modelo de previsão do tempo Advanced Regional Prediction System (ARPS). Trata-se de um modelo que utiliza um sistema computacional de alto desempenho para realizar previsões do tempo com até 72 horas de antecedência e também previsões conhecidas como nowcasting, realizadas com poucas horas de antecedência, para identificar fenômenos de curta duração, como os tornados.

Fim do conteúdo da página