Imagens de satélite do Himawari-8: o guia prático
Quem trabalha com meteorologia no Brasil já encontrou esse satélite em algum momento. O Himawari-8, operado pelo JMA (Japan Meteorological Agency), cobre a América do Sul e o Oceano Atlântico com resolução de 2 km no visível e 4 km nos infravermelhos. A frequência é de 10 minutos para o disco completo, e de 2,5 minutos quando se usa o modo de regiões de interesse. É um dos melhores recursos gratuitos para monitorar frente fria, convecção e sistemas convectivos de mesoescala na nossa região. O problema real começa quando você quer baixar os dados e processar. Os arquivos originais vêm em formato netCDF4, compactados via zlib. Se você tentar abrir direto no QGIS ou em códigos Python sem ajustar o parser, vai gastar uma hora debugging antes de perceber que o problema é só a estrutura de variáveis que inclui metadata GPS, geometria de projeção e timestamps. Eu passei por isso no início de 2024, quando tentei gerar um loop de imagens para um relatório de tempestade no Rio Grande do Sul. O código quebrava porque a projeção do Himawari usa coordenadas geostacionárias com sub-disco, e os valores de longitude/latitude estavam em graus com offset de 180°. A solução foi usar a função satpy com o reader apropriado, passando o parâmetro area_name para a região do hemisfério sul.
Como acessar himawari adulta e processar os dados
O acesso começa no site do JMA. Lá estão disponíveis os arquivos em dois formatos principais: o nativo netCDF e o formato HDF5 derivado. A URL base é http://www.jma.go.jp/jma/indexe.html. Para quem programa em Python, o pacote mais estável é o satpy, que já traz readers configurados para Himawari-8 e Himawari-9. Com ele, você lê a cena completa ou um recorte com poucas linhas: import satpy
scene = satpy.Scene('https://gml.noaa.gov/aftp/products/ATom/messages/himawari8_l1c/', reader='himawari8_l1c')
scene.load(['vis08', 'ir_05'])
👉 Clique no botão abaixo para saber mais sobre o assunto!
O tempo de processamento varia conforme a resolução. Uma cena inteira do disco em resolução original leva cerca de 3 a 5 minutos para ser lida em uma máquina com SSD e 16 GB de RAM. Um recorte na região sudeste do Brasil, que é o que mais importa, cai para 30 segundos. Se você precisa rodar isso em produção, recomendo salvar os arquivos decodificados como PNG ou GeoTIFF localmente. Repeatedly decoding the same scene from netCDF on every run adds unnecessary CPU load and slows your pipeline considerably.
Pitfalls técnicos e soluções reais
Alguns problemas aparecem com frequência. Primeiro, a diferença de fuso horário. Os timestamps do Himawari estão em UTC. Se você estiver cruzando com dados do INPE ou do CPTEC, que às vezes usam horário de Brasília, precisa fazer essa conversão explicitamente. Segundo, a questão da correção atmosférica. O Himawari-8 fornece radiação brilhante, não refletância de superfície. Para estudos de vegetação ou qualidade do ar, você precisa aplicar correções como o método DOS ou usar produtos já corrigidos, como os do AHI Drought Index. Terceiro, a resolução espacial muda conforme a altitude do satélite e a latitude. No Sul do Brasil, a distorção angular é menor do que perto do Equador, o que pode dar uma falsa sensação de precisão se você não normalizar os dados. Eu encontrei um caso específico em julho de 2024, quando estava mapeando a passagem de uma frente fria sobre o Paraná. As imagens em infravermelho mostravam temperaturas de topo de nuvem muito baixas, mas os dados de precipitação do radar não acompanhavam. A causa era um artifact de saturação no canal IR do satélite: nuvens muito altas e frias saturam o sensor acima de certo limite de radiação. A workaround foi usar o canal de visível para identificar a extensão real da nuvem e o IR só para a temperatura de topo, combinando os dois em um blend manual. Funcionou. O erro durou cerca de 40 minutos no arquivo original e só apareceu porque eu cruzei com dados de solo.
Alternativas e quando abandonar o Himawari
Se você precisa de cobertura global ou de resolução temporal ainda maior, o GOES-16/18 é uma alternativa válida, especialmente para o Hemisfério Oeste. O GOES oferece 30 segundos de atualizações no melhor canal, mas sua cobertura sobre o Brasil é limitada ao leste do país e ao Atlântico. O Himawari-8, por outro lado, cobre todo o território brasileiro com boa qualidade. Quando ambos falham — como em dias de muita nebulosidade persistente ou quando o satélite passa por manutenção de calibração —, o melhor fallback é o NOAA-20 com o sensor VIIRS, que tem resolução de 750 m no visível e fornece dados de temperatura de superfície do mar com precisão aceitável para análises climáticas. O download dos dados brutos é gratuito, mas o processamento exige conhecimento técnico. Não adianta só baixar o arquivo netCDF e esperar que ele abra em qualquer visualizador. Use satpy, ajuste a projeção corretamente e teste sempre com uma cena conhecida antes de rodar análises em larga escala. A curva de aprendizado é real, mas uma vez configurado o pipeline, o tempo de processamento cai drasticamente. Para quem precisa de resultados rápidos e confiáveis, essa configuração inicial vale o esforço.
