Available courses

banner

   

                                  Inscrições Encerradas


Informações sobre o Laboratório Virtual para Treinamento e Educação em Meteorologia por Satélite (VLab), uma rede global de centros de treinamento especializados e operadores de satélites meteorológicos que trabalham juntos para melhorar a utilização de dados e produtos de satélites meteorológicos e ambientais.

 


Termodinâmica da Atmosfera: Equação do Estado; Equação Hidrostática; Primeira Lei da Termodinâmica aplicada a uma parcela de ar; estabilidade estática do ar seco; variáveis de umidade; Equação de Clausius-Clapeyron; termodinâmica do ar úmido; instabilidade condicional, latente e potencial; diagrama de fases da água; plotagem de perfis no Diagrama Skew T-Log-P. 

Física de Nuvens: Classificação de nuvens; nucleação, crescimento por condensação e por coleta em nuvens quentes; nucleação, crescimento por deposição e por coleta (riming e agregação) em nuvens frias; aspectos microfísicos de nuvens Cb e Ns.

(Método do Prof Marcos Oyama)

Curso de Introdução dos conceitos básicos da radiação solar e terrestre e aplicações meteorológicas.

Curso de Introdução à linguagem LaTeX para a formatação de teses, dissertações e relatórios utilizando o template do INPE.

Taller de entrenamiento virtual en Español para participantes de Latino América y El Caribe orientado a satélites GOES-R y JRSS, como también al acceso a datos de apoyo a retos en los pronósticos de la Asociación Regional IV (RA-IV) de la Organización Mundial de Meteorología (OMM).

Ciclo de webinars do Laboratório Virtual da OMM (VLab), Centro de Excelência do Brasil.

Temas ligados à meteorologia por satélites, com enfoque no satélite geoestacionário da NOAA, imagens e produtos desenvolvidos pela própria NOAA e pela Divisão de Satélites e Sistemas Ambientias (DSA) do CPTEC/INPE.

Vídeos curtos sobre o satélite geoestacionário GOES-16 (NOAA). 

Treinamento em GOES-16 para Meteorologia

Organização: VLab – DISSM-CGCT-INPE


Treinamento em GOES-16 (ABI e GLM) disponível em módulos para ensino à distância, apresentando desde as características básicas do satélite e o conceito da nova geração de satélites ambientais até práticas de visualização e interpretação das imagens e produtos.


Objetivo

Ao final deste treinamento espera-se que o participante saiba: identificar as principais características dos sensores ABI e GLM; identificar os processos radiativos que governam as interações em cada faixa de operação do sensor ABI; reconhecer feições da atmosfera e superfície em cada canal, bem como em produtos de diferença e composições RGBs; gerar produtos de diferença e composições RGB para o monitoramento do tempo, destacando as feições de maior interesse; entender como funciona o sensor GLM, quais produtos pode gerar e sua importante para a previsão imediata; produzir mapas de visualização de imagens e produtos do sensor ABI utilizando linguagem de programação em Python.


Inclui a capacitação nas seguintes habilidades recomendadas para as Competências em Meteorologia Operacional definidas pela OMM (“Enabling Skills for WMO Competencies”):

  • Habilidade 1: Identificar feições de superfície (tipo de cobertura, características e condições);
  • Habilidade 2: Identificar tipos de nuvens e suas características (incluindo a altura, temperatura e microfísica de topos de nuvens);
  • Habilidade 3: Identificar e interpretar sistemas de larga escala, sinóticos e de mesoescala (incluindo jatos, vórtices e ciclones, centros de alta e baixa pressão, sistemas frontais, zonas de convergência de umidade, complexos convectivos de mesoescala, dentre outros).
  • Habilidade 4: Identificar e interpretar fenômenos atmosféricos (incluindo poeira atmosférica, focos quentes e fumaça, cinzas vulcânicas, tipo de nuvens e estágio de evolução).

Palavras-chave:

GOES-16, ABI, GLM, Meteorologia.


Pré-requisito: Nenhum | Tempo de finalização: 2 h| Língua: Português

Linha do Tempo para os alunos 

Cursos ministrados utilizando a antiga interface em nossa página Web:

http://webaula.cptec.inpe.br/visitview/