Eu vou reduzir a escala da precisão para avaliação de aquíferos
''A satisfação do cliente e a qualidade são nossas principais prioridades''
Nível 2
Atendeu a critérios de alto desempenho e tem um histórico comprovado de atendimento às expectativas dos clientes.
Sobre este Serviço
Como sabemos, o satélite GRACE oferece cobertura global com resolução temporal mensal, permitindo que os cientistas acompanhem tendências de água a longo prazo, especialmente em regiões com poucos dados. O TWS do GRACE representa a quantidade total de água armazenada na forma de geleiras, neve/gelo, rios, lagos/reservatórios, copa de vegetação, umidade do solo e aquíferos (Famiglietti, 2004). Apesar de suas contribuições inovadoras, os dados do GRACE têm uma resolução espacial limitada significativa (0,25° x 0,25° ou até mais grosseira) (Sahour, 2020). Essa escala é muito ampla para aplicações de gestão de água em nível regional ou local, onde as decisões muitas vezes dependem de detalhes espaciais muito mais precisos. Portanto, técnicas de downscaling são essenciais para transformar os dados do GRACE em estimativas de resolução mais alta que possam apoiar a tomada de decisão em bacias ou sub-bacias (Long et al., 2013). Técnicas estatísticas de downscaling têm sido amplamente aplicadas, empregando uma variedade de algoritmos que vão desde regressão linear simples até métodos mais sofisticados de aprendizado de máquina (ML) não linear (Ali et al., 2021).
Resumindo, usaremos as imagens do satélite GRACE para fazer o downscaling do GRACE para uma resolução muito fina, de acordo com suas necessidades.
Especialidade:
Análise preditiva
•
Outros
Linguagem de programação:
Python
Frameworks:
Scikit-learn
•
Panda
Ferramentas:
Outros

