Completado de datos faltantes del producto LST de GOES-R a partir de estimaciones de GFS y categorizaci´on de heladas

FRANCISCO ANZOLA; GISSELLE BERTOLA; ALEJANDRO CARVAJAL; MARIANA CORREA; FRANCISCO CORVALAN; IGNACIO DOPORTO; DAVID ELIAS; AXEL ELSESER; AGUSTINA GONZALEZ; EMMANUEL LEIZICA; DAMIAN LORAN; DANIEL PAZ; ANDRES ROSERO; MALVINA SERRA; GERMAN TAVEIRA; MIRIAN VILLALOBOS; SOL VILLELLA; KEVIN YARINGAÑO

Mendoza

Congreso; 12° Congreso Argentino de Tecnología Espacial - CATE 2023; 2023

AATE, CPIAyE

La información disponible de sensores remotos geoestacionarios como GOES-R, permite realizar monitoreos y seguimientos de heladas casi en tiempo real, utilizando uno de sus productos, el LST (Land Surface Temperature). Este producto contiene algunos ?vacíos? que son generados por la presencia de nubes, alterando la información para la generación de productos finales como mapas de severidad de heladas. A través de la necesidad de completar los datos faltantes, se plantea de manera experimental utilizar estimaciones de temperatura de suelo y temperatura a 2 metros sobre el suelo del Global Forecast System (GFS). GFS es un modelo numérico de pronóstico global que contiene variables atmosféricas, oceánicas y terrestres y cubre todo nuestro planeta. Para el desarrollo de este trabajo, se tuvo como zona de estudio la región de mayor producción agropecuaria de Argentina que va desde la provincia de Buenos Aires hasta la provincia de Jujuy. Se realizaron diferentes scripts en el lenguaje de programación Python con diferentes funciones para descarga automática de las imágenes, corregistro de las imágenes debido a que contaban con diferentes resoluciones espaciales, extensiones y orientaciones, remuestreo a 10 Km de las imágenes GFS, filtrado de valores atípicos por valor de temperatura y como producto final se entregó un mapa de severidad de helada.