QuestLab Plataforma Inteligente de Questões
Banco público de questões

Questões para Concursos

Pesquise questões reais por disciplina, assunto, tópico, banca, órgão, cargo, ano e modalidade.

Questões por banca

29 bancas disponíveis. Clique para visualizar todas.

Encontre as questões que procura
Limpar filtros
521 questões encontradas

A banda brilhante do radar é consequência do rápido aumento da seção transversal de retro espalhamento associado a um hidrometeoro. Esse hidrometeoro, de acordo com suas propriedades físicas, é formado por

A cristais de gelo.
B gotas de chuva.
C gotas de nuvem.
D flocos de neve.
E partículas de gelo em derretimento.

Adler e Negri

( 1988 ) desenvolveram a técnica CST (Técnica Convectiva-estratiforme) para análise e reconhecimento de nuvens precipitáveis. Sobre a CST, assinale a afirmativa correta.

A Essa técnica só utiliza dados de satélites com órbita polar.
B A taxa de chuva é atribuída a cada ponto máximo em função da sua temperatura de brilho máxima, com base nos resultados do modelo de nuvem unidimensional.
C A taxa de chuva é atribuída a cada ponto mínimo em função da sua temperatura de brilho mínima, com base nos resultados do modelo de nuvem unidimensional.
D A taxa de chuva é atribuída a cada ponto mínimo em função da sua refletividade.
E A taxa de chuva é atribuída a cada ponto mínimo em função da sua temperatura de brilho mínima, com base nos resultados do modelo de nuvem bidimensional.

Em uma determinada região foi instalado um radar meteorológico. Em determinada época, o gestor pediu a estatística de utilização dos produtos gerados. Sobre o MaxCappi ou Maximum Display , o produto mais utilizado, assinale a afirmativa correta.

A É utilizado para determinar a umidade relativa em um áreas de mau tempo.
B Monitora a precipitação dentro do raio de varredura quantitativo e permite uma rápida informação sobre a estrutura do sistema atuante.
C É utilizado para determinar a temperatura relativa em uma área de mau tempo.
D Monitora a precipitação dentro do raio de varredura quantitativo e permite a previsão sobre a estrutura do sistema atuante.
E Monitora a umidade relativa dentro do raio de varredura quantitativo e permite a previsão sobre o estado da superfície do mar.

Os ventos na troposfera podem ser modelados através da análise da trajetória das nuvens, observadas por imagens de satélites geoestacionários e são reconhecidos como uma importante fonte de informação para a previsão numérica do tempo. O modelo citado por Laurent et Machado

( 1994 ) convencionou que o vetor que representa o vento é obtido por meio do deslocamento de um alvo (nuvem) entre duas imagens. Para esse cálculo, o modelo de vento estima os vetores pelo método

A da distância Manhattan entre uma área alvo de 32x32 pixels na imagem (t) e uma janela de 96x96 pixels na imagem (t+?t).
B da distância Euclidiana entre uma área alvo de 32x32 pixels na imagem (t) e uma janela de 96x96 pixels na imagem (t+?t).
C da distância Mahalanobis entre uma área alvo de 32x32 pixels na imagem (t+?t) e uma janela de 32x32 pixels na imagem (t+?t).
D do índice de Bray-Curtis entre uma área alvo de 32x32 pixels na imagem (t+?t) e uma janela de 96x96 pixels na imagem (t+?t).
E da distância Euclidiana entre uma área alvo de 32x32 pixels na imagem (t+?t) e uma janela de 32x32 pixels na imagem (t).

Imagens de satélite são usadas para analisar as condições meteorológicas de um determinado local bem como para realizar a classificação das nuvens. Considere uma imagem obtida pelo satélite GOES-16 na banda do infravermelho. Nesse tipo de imagem, nas regiões com nebulosidade,

A as áreas sem nuvens serão tipicamente claras, mas também nuvens muito baixas e nevoeiro podem aparecer escuras. A maior parte das outras nuvens são brilhantes. Nuvens de altos níveis são menos brilhantes que nuvens de níveis baixos.
B as áreas sem nuvens serão tipicamente escuras, mas também nuvens muito baixas e nevoeiro podem aparecer claras. A maior parte das outras nuvens são escuras. Nuvens de altos níveis são mais brilhantes que nuvens de níveis baixos.
C as áreas sem nuvens serão tipicamente escuras, mas também nuvens muito baixas e nevoeiro podem aparecer escuras. A maior parte das outras nuvens são brilhantes. Nuvens de altos níveis são mais brilhantes que nuvens de níveis baixos.
D as áreas sem nuvens serão tipicamente escuras, mas também nuvens muito baixas e nevoeiro podem aparecer escuras. A maior parte das outras nuvens são brilhantes. Nuvens de altos níveis são menos brilhantes que nuvens de níveis baixos.
E as áreas com nuvens serão tipicamente escuras, mas também nuvens muito baixas e nevoeiro podem aparecer escuras. A maior parte das outras nuvens são brilhantes. Nuvens de altos níveis são mais brilhantes que nuvens de níveis baixos.

NetCDF ( Network Common Data Form ) é um formato de arquivo adotado como padrão pela comunidade científica internacional para o compartilhamento de dados científicos especializados, de natureza multidimensional (multivariáveis). Além do formato NetCDF, outro formato matricial que pode ser empregado para criar, acessar e compartilhar dados multidimensionais é o

A BMP.
B HTML.
C HDF5.
D MrSID.
E Shapefile.

Relacione as principais estruturas de armazenamento de dados geoespaciais, a seguir, às bibliotecas Python. 1. Matricial 2. Vetorial 3. Bancos de Dados

( ) NetCDF4

( ) Shapely

( ) Geopandas

( ) RasterIO

( ) Psycopg2 Assinale a opção que indica a relação correta, segundo a ordem apresentada.

A 1 – 2 – 3 – 1 – 3.
B 1 – 2 – 2 – 1 – 3.
C 1 – 3 – 2 – 1 – 2.
D 2 – 2 – 3 – 1 – 2.
E 3 – 3 – 2 – 1 – 1.

Um dos fatores primordiais nos sistemas de informação geográfica é a elaboração de meios para visualização eficiente das informações produzidas. Com a modernização dos serviços Web e com a universalização do acesso à Internet, foram desenvolvidos recursos para promover a interação dos usuários com a informação disponibilizada. Assinale a opção que indica a biblioteca desenvolvida para operacionalizar a visualização de dados geográficos, como resposta a uma requisição Web.

A Geopandas.
B Geoserver.
C OGR.
D OpenLayers.
E OpenStreetMap.

A biblioteca GDAL ( Geospatial Data Abstraction Library ) é amplamente usada na transformação de formatos de dados geoespaciais, com suporte a dezenas de formatos matriciais e vetoriais. Originalmente desenvolvida na linguagem C/C++, a biblioteca GDAL teve suas funcionalidades reunidas na biblioteca Python denominada

A Cartopy.
B Geopandas.
C Osgeo.
D Matplotlib.
E Shapely.

Considere a linha de comando a seguir, inserida no prompt de um terminal Linux. ogr2ogr -f PostgreSQL PG:"dbname='shape' host='127.0.0.1' port='5434' user='candidato' password='tecnologo'" ..datauser_datafocos.shp -lco GEOMETRY_NAME=geom -lco FID=gid -lco SPATIAL_INDEX=GIST -nln incendio -overwrite Nesse contexto, os parâmetros indicados configuram a ação a ser executada pelo comando ogr2ogr. Assinale a alternativa que corresponde ao comando acima.

A Os dados do arquivo focos.shp são importados para a tabela focos.
B Os dados do arquivo focos.shp são importados para a tabela incendio.
C Os dados da tabela incendio são importados para o arquivo focos.shp.
D Os dados da tabela focos são importados para o arquivo incendio.shp.
E Os dados do arquivo focos.shp são indexados pelo método GIST.