Pular para o conteúdo
Skillpedia
Análise e planilhas48 mil · #3946

radar-satellite-analysis

Interpreta dados de radar e satélite meteorológicos para entender tempestades e nuvens. Ajuda a rastrear a evolução e quantificar a incerteza nas observações.

O que ela faz

Esta ferramenta analisa dados de radar e satélite para entender o tempo. Ela verifica a qualidade dos dados, identifica estruturas de tempestades e nuvens, e acompanha como elas mudam com o tempo.

Quando usar

  • ✓Para entender o que os radares e satélites estão mostrando sobre uma tempestade.
  • ✓Para acompanhar o crescimento ou enfraquecimento de nuvens e tempestades.
  • ✓Para explicar se os dados de radar/satélite confirmam ou não uma previsão.

Exemplo do que pedir para a IA

“Analise os dados de radar e satélite desta tempestade e me diga se ela está crescendo ou diminuindo.”

Quer saber mais? Abra as seções abaixo.

Como usar

O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.

Link da skill

https://github.com/sickn33/agentic-awesome-skills/blob/main/plugins/agentic-awesome-skills-claude/skills/radar-satellite-analysis/SKILL.md

Mensagem pronta para colar

Use esta skill para me ajudar: https://github.com/sickn33/agentic-awesome-skills/blob/main/plugins/agentic-awesome-skills-claude/skills/radar-satellite-analysis/SKILL.md Leia o arquivo SKILL.md desse link e siga as instruções dele na minha tarefa.
Como funciona

A ferramenta primeiro verifica se os dados do radar ou satélite estão corretos e completos. Depois, ela usa essas informações para identificar e descrever as nuvens e tempestades, e como elas estão se movendo ou mudando.

Instalação

Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.

No terminal (Claude Code, Codex, Cursor), na pasta do projeto:

npx skills add sickn33/agentic-awesome-skills --skill radar-satellite-analysis

Ou baixe só o arquivo:

curl -L https://raw.githubusercontent.com/sickn33/agentic-awesome-skills/main/plugins/agentic-awesome-skills-claude/skills/radar-satellite-analysis/SKILL.md -o SKILL.md
Conteúdo técnico (SKILL.md)

Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.

Análise de Radar e Satélite

Visão Geral

Analise produtos meteorológicos de radar e satélite como observações de sensoriamento remoto, não como verdade terrestre. Valide o tempo de varredura, geometria, calibração, flags de qualidade e cobertura antes de interpretar uma característica. Em seguida, separe o que o instrumento mede diretamente do que uma inferência meteorológica sugere.

Esta habilidade consome produtos já recuperados e decodificados. Use-a após noaa-radar-satellite-fetching ou uma habilidade equivalente específica da fonte. Ela não descobre baldes, baixa arquivos, repara interrupções ou torna um produto cientificamente adequado nomeando-o como dados de radar ou satélite.

Quando Usar Esta Habilidade

  • Interpretar refletividade NEXRAD, velocidade, largura de espectro ou volumes multi-momento.
  • Rastrear crescimento, decaimento, divisões, fusões, rotação, bigodes de tempestade ou evolução do topo da nuvem ao longo do tempo.
  • Analisar produtos GOES visíveis, infravermelhos, vapor d'água ou derivados de nuvens e convecção.
  • Combinar a estrutura do radar com evidências de topo de nuvem de satélite, preservando as limitações de cada sensor.
  • Produzir um nowcast de precipitação de curto prazo ou de tempo severo a partir de uma sequência de observações.
  • Explicar por que uma característica de radar ou satélite é — ou não é — suportada pelos dados.

Não infira o tamanho da granizo na superfície, velocidade do vento, taxa de chuva ou contagem de raios de um único proxy sem declarar as suposições de recuperação. Não use uma única imagem estática para afirmar a trajetória futura ou intensidade de uma tempestade.

Definir o Contrato de Análise de Sensoriamento Remoto

Antes de interpretar pixels, feixes ou perfis, registre:

  • evento, fenômeno alvo, região e intervalo UTC;
  • local do radar, nível do produto, intervalo de varredura/volume, ângulos de elevação, momentos e resolução — ou plataforma de satélite, produto, setor, canal, modo de varredura e resolução;
  • a altura da medição ou geometria de visualização;
  • as máscaras de qualidade, calibração ou escala e a política de dados ausentes;
  • a cadência temporal e o atraso permitido entre radar, satélite, observações e orientação do modelo;
  • a definição da característica e a saída esperada: estrutura, movimento, proxy de intensidade, nowcast ou mapa de incerteza;
  • os critérios para uma interpretação confiante, tentativa ou inconclusiva.

Mantenha o tempo de observação, tempo de início/fim da varredura, tempo de criação do arquivo, tempo de recuperação e tempo de análise separados. Um arquivo criado rapidamente após uma varredura não é uma medição mais nova.

Validar os Produtos Antes da Interpretação

Verificações Comuns

  1. Confirme o local do radar ou satélite físico, identidade do produto, setor, canal ou momento e dimensões esperadas dos metadados decodificados.
  2. Verifique o intervalo de tempo, início e fim da varredura, sistema de referência de coordenadas e geolocalização. Para grades fixas GOES, use a projeção geoestacionária do produto metadados em vez de tratar a varredura x e y como latitude e longitude.
  3. Aplique a escala, offset, valores de preenchimento, calibração e flags de qualidade documentados do produto antes de calcular estatísticas ou limiares.
  4. Inspecione varreduras ausentes, volumes parciais, lacunas de dados, valores saturados ou inválidos e cobertura espacial. Não suavize uma lacuna sem rotulá-la.
  5. Registre a resolução, pegada e incerteza da observação. Uma alta contagem de pixels não é uma alta resolução espacial se o feixe ou canal for grosseiro.

Verificações Específicas de Radar

  • Confirme o local, tempo de início/fim do volume, contagem de varreduras, momentos e ângulos de elevação. Produtos de Nível II, Nível III e blocos em tempo real não são codificações intercambiáveis.
  • Leve em consideração a largura do feixe dependente da distância, altura do feixe acima do radar, bloqueio de terreno, dobramento de alcance, atenuação, interferência, propagação anômala e desaliasing de velocidade onde relevante.
  • Determine se uma característica é amostrada por uma varredura de baixo nível, várias ângulos de elevação ou uma coluna vertical completa. Não compare um topo de eco de baixo nível com um topo de nuvem de satélite como se fossem a mesma superfície física.
  • Mantenha a refletividade base, líquido integrado na coluna, topo do eco e produtos derivados distintos. Seus limiares e significados físicos não são intercambiáveis.

Verificações Específicas de Satélite

  • Confirme a plataforma, instrumento, nome curto do produto, canal ou produto RGB, setor, modo de varredura e intervalo de varredura dos atributos do arquivo.
  • Aplique calibração e flags de qualidade específicos do canal. Temperatura de brilho, refletância, temperatura do topo da nuvem e temperatura da superfície terrestre são quantidades diferentes.
  • Trate o paralaxe do topo da nuvem como um problema de geometria de visualização. Uma nuvem alta pode ser

…

Perguntas frequentes

O que são 'produtos de radar e satélite'?

São os dados brutos que os radares e satélites coletam sobre o tempo, como imagens de nuvens ou reflexos de chuva.

Por que é importante validar os dados?

Para garantir que estamos interpretando as informações corretas e não dados com falhas ou imprecisões.

Essa ferramenta prevê o futuro do tempo?

Ela ajuda a entender o que está acontecendo agora e como as coisas estão evoluindo, o que pode auxiliar em previsões de curto prazo, mas não é uma bola de cristal.

Detalhes

Descrição original do autor

Interpret weather radar and satellite observations by validating product metadata and geometry, deriving storm and cloud structures, tracking evolution, and quantifying uncertainty.

repo: sickn33/agentic-awesome-skills

Popularidade

Estrelas no GitHub
48 mil
Posição no ranking
#3946
Licença
MIT
Atualizada em
15/10/2026

Essa skill é útil?

0

Entre para votar.

Comentários

  • …

Mais skills deste repositório

Skills parecidas