BR112014000092B1 - Predição do potencial para intempérie de grande intensidade - Google Patents

Predição do potencial para intempérie de grande intensidade Download PDF

Info

Publication number
BR112014000092B1
BR112014000092B1 BR112014000092-1A BR112014000092A BR112014000092B1 BR 112014000092 B1 BR112014000092 B1 BR 112014000092B1 BR 112014000092 A BR112014000092 A BR 112014000092A BR 112014000092 B1 BR112014000092 B1 BR 112014000092B1
Authority
BR
Brazil
Prior art keywords
lightning
rate
data
movement
computing device
Prior art date
Application number
BR112014000092-1A
Other languages
English (en)
Other versions
BR112014000092A2 (pt
Inventor
Robert S. Marshall
Christopher Dale Sloop
Benjamin E. Beroukhim
Chonglin Liu
Stan Heckman
Mark A. Hoekzema
Original Assignee
Earth Networks, Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=47437353&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=BR112014000092(B1) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by Earth Networks, Inc filed Critical Earth Networks, Inc
Publication of BR112014000092A2 publication Critical patent/BR112014000092A2/pt
Publication of BR112014000092B1 publication Critical patent/BR112014000092B1/pt

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01WMETEOROLOGY
    • G01W1/00Meteorology
    • G01W1/16Measuring atmospheric potential differences, e.g. due to electrical charges in clouds
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01WMETEOROLOGY
    • G01W1/00Meteorology
    • G01W1/02Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01WMETEOROLOGY
    • G01W1/00Meteorology
    • G01W1/10Devices for predicting weather conditions
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01WMETEOROLOGY
    • G01W2203/00Real-time site-specific personalized weather information, e.g. nowcasting
    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02Alarms for ensuring the safety of persons
    • G08B21/10Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/09Arrangements for giving variable traffic instructions
    • G08G1/0962Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967Systems involving transmission of highway information, e.g. weather, speed limits
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A50/00TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather

Landscapes

  • Environmental & Geological Engineering (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Alarm Systems (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

predição do potencial para intempérie de grande intensidade. métodos e aparelhos, incluindo produtos de programa de computador, são descritos para predizer o potencial para intempérie de grande intensidade. os dados associados com a atividade de relâmpagos são recebidos por um dispositivo de computação. uma localização, uma velocidade de movimento, uma direção de movimento, e uma taxa de relâmpagos de uma ou mais células de atividade de relâmpagos são determinados pelo dispositivo de computação com base nos dados recebidos. a taxa de relâmpagos é comparada, pelo dispositivo de computação, com uma taxa limiar de relâmpagos. uma ou mais áreas geográficas em risco são determinadas pelo dispositivo de computação com base na localização, na velocidade de movimento e na direção de movimento das uma ou mais células de atividade de relâmpagos. um alerta é emitido pelo dispositivo de computação para um ou mais dispositivos remotos monitorando as áreas geográficas quando os relâmpagos excederem um valor da taxa limiar de relâmpagos.

Description

Campo da Invenção
[0001] A matéria em estudo desse pedido se refere geralmente aos métodos e aparelhos, incluindo produtos de programa de computador, para predizer o potencial de intempérie de grande intensidade.
Antecedentes da Invenção
[0002] Relâmpagos incluem descargas elétricas dentro de uma nuvem, descargas dentro das nuvens (IC), e descargas da nuvem para o solo (CG). Os relâmpagos ocorrem quando campos elétricos dentro de uma nuvem intensificam as partículas de polaridade opostas agrupadas em diferentes regiões dentro da nuvem. O relâmpago começa com uma ruptura elétrica inicial (isto é, um pulso) seguida por canais condutores a partir dos quais uma série de ramificações de canal se desenvolve dentro de uma nuvem formando uma estrutura de canal de ramificação abrangente. Para relâmpago IC, a estrutura de canal permanece dentro da nuvem. Uma descarga CG ocorre quando uma ou mais ramificações se estendem a partir de uma nuvem para o solo.
[0003] Um aumento na atividade de relâmpagos normalmente precede fenômeno de intempérie ainda mais grave, tais como tempestades muito fortes, tornados, granizo, ventos de rajadas que causam danos e raios potencialmente mortais da nuvem para o solo. Além disso, tal atividade de relâmpago frequentemente ocorre em agrupamentos localizados, também chamados células. Células de relâmpago exibem certas características (por exemplo, taxa de relâmpago, proporção IC/CG) que são indicativas do potencial para intempérie de grande intensidade. Além disso, utilizando métodos e sistemas de detecção, os dados associados com as células de relâmpago podem ser obtidos e analisados para se determinar a localização e o movimento das células específicas através de uma região geográfica.
[0004] A detecção exata e eficiente de atividade precoce de relâmpago, tal como descargas IC iniciais, mais fracas, é crucial para predição antecipada de fenômenos climáticos de grande intensidade. Detecção integrada de relâmpagos IC e de relâmpagos CG proporciona capacidades de predição altamente avançadas para caracterizar precursores de tempestade de grande intensidade, melhorando os tempos de espera e o planejamento de gerenciamento abrangente das intempéries. Vários sistemas e métodos de detecção de relâmpagos foram desenvolvidos, individualmente lutando para determinar a localização, movimento, frequência e intensidade da atividade de relâmpago com melhor exatidão. Exemplos de tais sistemas incluem a U.S. Precision Lightining Network (USPLN), a National Lightining Detection Network (NLDN) e a WeatherBug Total Lightining Network (WTLN).
[0005] Sistemas de alerta de intempéries anteriores se baseavam na intervenção humana para determinar a extensão de atividade de intempérie de grande intensidade e para iniciar a notificação de dispositivos remotos configurados para receber alertas (por exemplo, através do uso de um display onde uma pessoa avalia os dados climáticos e seleciona os dispositivos para receber os alertas). Para aumentar a velocidade e a exatidão dos sistemas de alerta de intempérie, é desejável eliminar a necessidade de processamento manual de dados de intempérie de grande intensidade e emissão de mensagens de alerta.
Sumário da Invenção
[0006] Um objetivo importante associado com a detecção exata, antecipada de atividade de intempérie de grande intensidade é o de emitir oportunamente avisos, ou alertas, automatizados para as entidades que podem ser afetadas pelas intempéries de grande intensidade. Detecção mais exata de condições atmosféricas que resultam potencialmente em intempérie de grande intensidade, tal como taxas de relâmpago, conduz a um entendimento mais abrangente do risco de atividade climática perigosa em áreas geográficas específicas. O conhecimento do potencial de intempérie antes de uma intempérie grave atingir uma região específica permite maior tempo de espera para alertar as pessoas ou entidades situadas próximas às áreas de risco, resultando em maior segurança para essas pessoas e entidades.
[0007] Em uma visão geral, as técnicas aqui descritas são relacionadas à predição do potencial de intempérie de grande intensidade. As técnicas proporcionam vantajosamente predição automatizada de intempérie de grande intensidade para emissão oportuna de alertas confiáveis sobre intempéries de grande intensidade. As técnicas utilizam detecção exata dos eventos de relâmpago tal como lampejos de relâmpago CG e IC para identificar os limites das células de relâmpago. As técnicas também consideram as diferenças em localização geográfica e condições atmosféricas para produzir previsões mais exatas do percurso e tempo da intempérie de grande intensidade. As técnicas proporcionam ainda identificação automática de dispositivos remotos configurados para receber alertas para uma área geográfica específica e transmissão automática de alertas relevantes para os dispositivos remotos.
[0008] A invenção, em um aspecto, apresenta um método implementado por computador para predizer o potencial de intempérie de grande intensidade. Dados associados com a atividade relâmpago são recebidos por um dispositivo de computação. Uma localização, uma velocidade de movimento, uma direção de movimento, e uma taxa de relâmpagos de uma ou mais células de atividade de relâmpago são determinados pelo dispositivo de computação com base nos dados recebidos. A taxa de relâmpagos determinada é comparada, pelo dispositivo de computação, com uma taxa de relâmpagos de limiar. Uma ou mais áreas geográficas em risco são determinadas pelo dispositivo de computação com base na localização, na velocidade de movimento e na direção de movimento de uma ou mais células de atividade de relâmpago. Um alerta é emitido pelo dispositivo de computação para um ou mais dispositivos remotos monitorando as áreas geográficas em risco quando a taxa de relâmpagos excede um valor da taxa de relâmpagos de limiar.
[0009] A invenção, em um aspecto, apresenta um sistema implementado por computador para predizer o potencial de intempérie de grande intensidade. O sistema inclui um dispositivo de computação configurado para receber dados associados com atividade de relâmpago. O dispositivo de computação é configurado ainda para determinar uma localização, uma velocidade de movimento, uma direção de movimento, e uma taxa de relâmpago de uma ou mais células de atividade de relâmpago com base nos dados recebidos. O dispositivo de computação é configurado ainda para comparar a taxa de relâmpago determinada com uma taxa de relâmpago de limiar. O dispositivo de computação é configurado ainda para determinar uma ou mais áreas geográficas em risco com base na localização, a velocidade de movimento e a direção de movimento de uma ou mais células de atividade de relâmpago. O dispositivo de computação é configurado ainda para emitir um alerta para um ou mais dispositivos remotos monitorando as áreas geográficas em risco quando a taxa de relâmpagos exceder um valor da taxa de relâmpagos de limiar.
[0010] A invenção, em outro aspecto, apresenta um produto de programa de computador incorporado de forma tangível em um dispositivo de armazenamento legível por computador, para predizer o potencial para intempérie de grande intensidade. O produto de programa de computador inclui instruções operáveis para fazer com que um aparelho de processamento de dados receba os dados associados com atividade de relâmpago, e determine uma localização, uma velocidade de movimento, uma direção de movimento e uma taxa de relâmpagos de uma ou mais células de atividade de relâmpago com base nos dados recebidos. O produto de programa de computador inclui ainda instruções operáveis para fazer com que o aparelho de processamento de dados compare a taxa de relâmpagos determinada com uma taxa de relâmpagos de limiar, e determine uma ou mais áreas geográficas em risco com base na localização, na velocidade de movimento e na direção de movimento das uma ou mais células de atividade de relâmpago. O produto de programa de computador inclui ainda instruções operáveis para fazer com que o aparelho de processamento de dados emita um alerta para um ou mais dispositivos remotos monitorando as áreas geográficas em risco quando a taxa de relâmpagos exceder um valor da taxa de relâmpagos de limiar.
[0011] A invenção, em outro aspecto, apresenta um sistema implementado por computador para predizer o potencial de intempéries de grande intensidade. O sistema inclui meios para receber os dados associados com atividade de relâmpagos. O sistema inclui ainda meios para determinar uma localização, uma velocidade de movimento, uma direção de movimento, e uma taxa de relâmpagos de uma ou mais células de atividade de relâmpagos com base nos dados recebidos. O sistema inclui ainda meios para comparar a taxa de relâmpagos determinada com uma taxa de relâmpagos de limiar. O sistema inclui ainda meios para determinar uma ou mais áreas geográficas em risco com base na localização, na velocidade de movimento e na direção de movimento das uma ou mais células de atividade de relâmpagos. O sistema inclui ainda meios para emitir um alerta para um ou mais dispositivos remotos monitorando as áreas geográficas em risco quando a taxa de relâmpagos exceder um valor da taxa de relâmpagos de limiar.
[0012] Em algumas modalidades, qualquer um dos aspectos acima pode incluir uma ou mais das seguintes características. Em algumas modalidades, um ou mais polígonos correspondendo às áreas geográficas em risco são gerados. Em algumas modalidades, os polígonos gerados são posicionados em um mapa no qual ao menos uma das áreas geográficas em risco está localizada. Em algumas modalidades, os polígonos gerados são transmitidos para um ou mais dispositivos remotos como parte do alerta.
[0013] Em algumas modalidades, a taxa de relâmpagos de limiar é determinada com base nos dados históricos associados com pelo menos um de (i) a localização de uma ou mais células de atividade de relâmpagos ou (ii) o período do ano. Em algumas modalidades, a taxa de relâmpagos é determinada com base em um número de eventos de relâmpagos por minuto, associados com uma ou mais células de atividade de relâmpagos. Em algumas modalidades, os eventos de relâmpagos incluem relâmpagos de nuvem para o solo, relâmpagos dentro das nuvens ou ambos. Em algumas modalidades, os relâmpagos dentro das nuvens incluem descargas aéreas, lampejos dentro das nuvens, lampejos da nuvem para a ionosfera, ou qualquer combinação dos mesmos.
[0014] Em algumas modalidades, os dadosrecebidos incluem relâmpagos da nuvem para o solo, relâmpagos dentro das nuvens, movimento vertical, condensação, umidade ou qualquer combinação dos mesmos. Em algumas modalidades, os dados associados com atividade de relâmpagos são recebidos a partir de um ou mais dispositivos sensores dispersos geograficamente. Em algumas modalidades, uma ou mais células de atividade de relâmpagos são determinadas de acordo com a densidade da atividade de relâmpagos nos dados recebidos.
[0015] Em algumas modalidades, o alerta é emitido antes da intempérie de grande intensidade ter atingido a localização de pelo menos uma das áreas geográficas em risco. Em algumas modalidades, um tipo de intempérie é determinado com base na taxa de relâmpagos. Em algumas modalidades, uma probabilidade de intempérie de grande intensidade é determinada com base na taxa de relâmpagos. Em algumas modalidades, os dispositivos remotos são dispositivos de computação pessoais. Em algumas modalidades, os dispositivos remotos são buzinas, sirenes, luzes ou qualquer combinação dos mesmos. Em algumas modalidades, uma mudança na taxa de relâmpagos de uma ou mais células de atividade de relâmpagos é determinada, e um alerta é emitido para um ou mais dispositivos remotos quando a mudança na taxa de relâmpagos exceder um valor predeterminado.
[0016] Outros aspectos e vantagens da invenção se tornarão evidentes a partir da descrição detalhada seguinte, tomada em conjunto com os desenhos anexos, ilustrando, apenas como exemplo, os princípios da invenção.
Breve Descrição dos Desenhos
[0017] As vantagens da invenção descritas acima, em conjunto com vantagens adicionais, podem ser mais bem-entendidas mediante referência à descrição seguinte tomada em conjunto com os desenhos anexos. Os desenhos não estão necessariamente em escala, enfatizando-se geralmente a ilustração dos princípios da invenção.
[0018] A Figura 1 é um diagrama de blocos de um sistema para predizer o potencial para intempérie de grande intensidade.
[0019] A Figura 2 é um diagrama de fluxo de um método para predizer o potencial para intempérie de grande intensidade utilizando o sistema.
[0020] A Figura 3 é um diagrama ilustrando a identificação de uma célula de relâmpagos por intermédio do sistema 100 com base nos dados de atividade de relâmpagos.
[0021] A Figura 4 é um gráfico ilustrando a taxa total de relâmpagos de uma célula individual de relâmpago em comparação com uma taxa limiar de relâmpagos em relação a um período de tempo específico.
[0022] A Figura 5 é um diagrama ilustrando a identificação pelo sistema de uma área geográfica em risco de intempérie de grande intensidade com base nos dados de atividade de relâmpagos.
[0023] A Figura 1 é um diagrama de blocos de um sistema 100 para predizer o potencial para intempérie de grande intensidade. O sistema 100 inclui um módulo de coleta de dados 102, um módulo de análise de dados 104, um módulo de geração de alerta 106, um módulo de processamento gráfico 108, e um módulo de armazenamento de dados 110. Em algumas modalidades, os componentes (por exemplo, 100, 102, 104, 106, 108 e 110) do sistema 100 residem na mesma localização física ou podem ser dispersos para diferentes localizações físicas. Em algumas modalidades, os componentes do sistema 100 estão localizados no mesmo dispositivo físico (por exemplo, um dispositivo de computação servidor), ou estão distribuídos em diferentes dispositivos físicos. Os componentes do sistema 100 se comunicam, por exemplo, por intermédio de uma rede de comunicação (por exemplo, WAN, LAN, WLAN).
[0024] A Figura 2 é um diagrama de fluxo de um método 200 para predizer o potencial para intempérie de grande intensidade utilizando o sistema 100. O módulo de coleta de dados 102 recebe (202) os dados associados com atividade de relâmpagos. O módulo de análise de dados 104 determina (204) uma localização, uma velocidade de movimento, uma direção de movimento e uma taxa de relâmpagos de uma ou mais células de atividade de relâmpagos com base nos dados recebidos pelo módulo de coleta de dados 102. O módulo de análise de dados 104 compara (206) a taxa de relâmpagos determinada com uma taxa de relâmpagos de limiar. O módulo de geração de alerta 106 determina (208) uma ou mais áreas geográficas em risco com base na localização, na velocidade de movimento, na direção de movimento das uma ou mais células de atividade de relâmpagos. O módulo de geração de alerta 106 emite (210) um alerta para um ou mais dispositivos remotos monitorando as áreas geográficas em risco quando a taxa determinada de relâmpagos excede um valor da taxa limiar de relâmpagos.
[0025] O módulo de coleta de dados 102 fornece uma interface entre fontes externas de dados (não mostradas) e o módulo de análise de dados 104 do sistema 100. O módulo de coleta de dados 102 recebe os dados associados com atividade de relâmpagos a partir de vários sistemas de coleta e/ou monitoração de dados externos. Por exemplo, o módulo de coleta de dados 102 recebe os dados a partir de um sistema de detecção de relâmpagos compreendendo uma pluralidade de sensores climáticos geograficamente dispersos (por exemplo, a WeatherBug Total Lightning Network (WTLN)). Nesse exemplo, os dados coletados pelos sensores climáticos incluem energia de radiofrequência (RF) analógica (por exemplo, pulsos ou lampejos) em diferentes frequências, conforme emitidos por uma descarga de relâmpago. Detalhe adicional com relação à detecção de atividade de relâmpagos e coleta de dados de atividade de relâmpagos é encontrado no Pedido de Patente dos Estados Unidos N° de Série 12/542.404, intitulado “Method and Apparatus for Detecting Lightning Activity”, que é aqui incorporado integralmente. Outras fontes de informação de atividade de relâmpagos incluem, mas não são limitadas às agências governamentais e companhias privadas de terceiros. O módulo de coleta de dados 102 se comunica com vários sistemas e fontes de dados externos por intermédio de redes e métodos de comunicação padrão.
[0026] O módulo de coleta de dados 102 também consolida os dados de atividade de relâmpagos recebidos a partir de uma pluralidade de fontes externas de dados em um formato conducente para processamento pelo módulo de análise de dados 104. Por exemplo, cada fonte de dados à qual o módulo de coleta de dados 102 é conectado pode transmitir os dados utilizando uma sintaxe diferente e/ou estrutura de dados, diferente. O módulo de coleta de dados 102 analisa os dados de chegada de acordo com um entendimento da fonte dos dados e torna a formatar os dados de modo que eles estejam em conformidade com uma sintaxe ou estrutura aceitável para o módulo de análise de dados 104. Em algumas modalidades, as fontes externas de dados transmitem os dados de atividade de relâmpagos em um formato padrão (por exemplo, XML) para reduzir o processamento exigido do módulo de coleta de dados 102. O módulo de coleta de dados 102 se comunica como módulo de armazenamento de dados 110 para salvar e recuperar os dados recebidos a partir das fontes externas em preparação para transmissão dos dados para o módulo de análise de dados 104. Quando os dados tiverem sido recebidos, o módulo de coleta de dados 102 transmite os dados para o módulo de análise de dados 104. Em algumas modalidades, o módulo de coleta de dados 102 transmite uma notificação para o módulo de análise de dados 104 de que os dados foram armazenados no módulo de armazenamento de dados 110 e estão prontos para processamento pelo módulo de análise de dados 104. A notificação inclui um indicador de referência (por exemplo, um endereço de banco de dados) da localização de armazenamento dos dados dentro do módulo de armazenamento de dados 110.
[0027] O módulo de análise de dados 104 processa os dados de atividade de relâmpagos recebidos pelo módulo de coleta de dados 102 e/ou armazenados no módulo de armazenamento de dados 110 para determinar a existência de risco de intempérie de grande intensidade para uma ou mais regiões geográficas.
[0028] O módulo de análise de dados 104 determina o risco de intempérie de grande intensidade para uma ou mais regiões geográficas mediante monitoração da localização, velocidade de movimento, direção de movimento e taxa de relâmpagos de uma ou mais células de atividade de relâmpagos com base nos dados recebidos pelo sistema 100. Uma célula de relâmpagos é um agrupamento de lampejos com um limite como um polígono determinado pelo valor de densidade de lampejos por um determinado período de tempo. O módulo de análise de dados 104 agrupa os dados de lampejos coletados em células de relâmpagos, e o módulo de análise de dados 104 correlaciona os polígonos de célula por um período de tempo para determinar a direção de movimento (isto é, percurso) das células. Além disso, o módulo de análise de dados 104 conta o número de lampejos em uma célula de relâmpagos específica para determinar uma taxa de lampejos de relâmpagos (por exemplo, lampejos por minuto). O módulo de análise de dados 104 calcula ainda a velocidade de movimento e a localização das células de relâmpagos.
[0029] A Figura 3 é um diagrama ilustrando a identificação de uma célula de relâmpagos 302 por intermédio do sistema 100 com base nos dados de atividade de relâmpagos. O módulo de análise de dados 104 recebe os dados de lampejo de relâmpagos a partir do módulo de coleta de dados 102 e posiciona cada lampejo de relâmpago (por exemplo, lampejos de relâmpagos 304) de acordo com sua localização geográfica. O módulo de análise de dados 104 então analisa a posição relativa dos lampejos de relâmpagos para determinar os limites ou contornos potenciais das células específicas de relâmpagos (por exemplo, célula 302).
[0030] Em algumas modalidades, o módulo de análise de dados 104 executa uma série de processos de quadrículos para determinar a localização e os contornos de uma célula de relâmpagos 302. O módulo de análise de dados 104 utiliza os dados de lampejo de relâmpagos coletado durante um período de tempo específico (por exemplo, um minuto) e coloca os lampejos de relâmpagos (por exemplo, lampejos 304) em um mapa. O módulo de análise de dados 104 então sobrepõe uma grade grossa no mapa para rapidamente localizar as áreas de interesse para análise adicional. O módulo de análise de dados 104 identifica os setores da grade que contém uma elevada percentagem ou densidade de lampejos de relâmpago e sobrepõe a grade fina nos setores identificados. O módulo de análise de dados 104 emprega funções de densidade nos setores da grade fina para localizar os contornos fechados associados com a célula de relâmpagos 302. O módulo de análise de dados 104 gera um polígono convexo (por exemplo, polígono convexo 306) a partir de cada um dos contornos fechados.
[0031] O módulo de análise de dados 104 repete esse processo de quadrículos no término de um período de tempo específico (por exemplo, um minuto) para monitorar as mudanças em movimento, direção e taxa de lampejo de relâmpago da célula de relâmpagos 302. Na maioria dos casos, o polímero 306 gerado pelo módulo de análise de dados 104 para uma célula de relâmpagos específica em cada intervalo de tempo é similar ao polígono previamente gerado para aquela célula, de modo que o módulo de análise de dados 104 correlaciona de forma eficiente e rápida os dois polígonos. Contudo, no caso de um aumento acentuado na taxa de lampejo de relâmpago, meio de fusão de célula de relâmpago ou de divisão de célula de relâmpago, a correlação de polígonos subsequentes para uma célula específica não é óbvia. O módulo de análise de dados 104 vincula os polígonos individuais de células de relâmpagos com base nos dados de mudança dinâmica para produzir um percurso 308 da célula de relâmpagos em movimento. Por exemplo, quando uma célula de relâmpagos é reagrupada após enfraquecimento, com base na trajetória da célula e na distância-tempo de dois polígonos, o módulo de análise de dados 104 mantém uma trajetória de célula contínua 308.
[0032] O módulo de análise de dados 104 também compara a taxa de lampejo de relâmpago calculada a partir dos dados de atividade de relâmpago recebidos com uma taxa de limiar de relâmpago. O módulo de análise de dados 104 também monitora as mudanças de taxa associadas com a taxa de lampejo de relâmpago das células de relâmpago identificadas. Mediante monitoramento das taxas de lampejo e das mudanças de taxa, células de tempestade de grande intensidade (e células que potencialmente se tornarão de grande intensidade) são identificadas e monitoradas. A taxa limiar de relâmpagos usada pelo módulo de análise de dados 104 é relevante para a probabilidade de que a célula de relâmpago monitorada seja associada com intempérie de grande intensidade e possa ser usada pelo sistema 100 para determinar quando emitir um alerta. Por exemplo, se a taxa de relâmpago exceder a taxa de limiar, a possibilidade de que a célula de relâmpago seja associada com intempérie de grande intensidade é suficiente para autorizar a emissão de um alerta.
[0033] A Figura 4 é um gráfico 400 ilustrando a taxa total de relâmpagos 402 de uma célula de relâmpago individual (por exemplo, célula 302 da Figura 3) em comparação com uma taxa de limiar de relâmpago 404 através de um período de tempo específico. O módulo de análise de dados 104 determina a taxa total de relâmpagos 402 de uma célula de relâmpago mediante análise do número de eventos de relâmpago (por exemplo, lampejos) em um intervalo de tempo específico (por exemplo, um minuto). Em algumas modalidades, os eventos de relâmpago incluem ambos, relâmpago CG e relâmpago IC. Em algumas modalidades, o método de análise de dados 104 avalia os dados de relâmpago coletados para identificar vários tipos de relâmpago IC, incluindo descargas aéreas, lampejos dentro de nuvem, e/ou lampejos da nuvem para a ionosfera.
[0034] Mediante ação de calcular continuamente a taxa total de relâmpago de uma célula de relâmpago específica em intervalos de tempo regulares, o módulo de análise de dados 104 detecta as mudanças na taxa total de relâmpagos entre os intervalos de tempo. Com base nessa abordagem, o módulo de análise de dados 104 determina se as mudanças na taxa de relâmpagos ocorreram que podem ser indicativas de intempérie de grande intensidade em geral ou um tipo específico de intempérie de grande intensidade (por exemplo, precipitação, eventos de ventos). Por exemplo, a taxa total de relâmpagos 402 na Figura 4 começa a aumentar acentuadamente começando no tempo = t(0) e atingindo o pico no tempo = t(p), com a intempérie de grande intensidade associada com a célula de relâmpagos ocorrendo no tempo = t(s). O módulo de análise de dados 104 determina se a taxa total de relâmpagos 402 encontra a taxa limiar de relâmpagos 304 no tempo = t(i) e transmite informação para o módulo de geração de alerta 106. Além disso, o módulo de análise de dados 104 compara as mudanças em taxa entre o tempo = t(0), tempo = t(p) e tempo = t(s) com um banco de dados de atividade histórica de taxa de relâmpagos para identificar as similaridades ou padrões na mudança de taxa de relâmpago. Como um exemplo, as mudanças de taxas específicas ilustradas na Figura 4 podem ocorrer múltiplas vezes durante a duração de uma célula de relâmpagos, e a intempérie de grande intensidade resultando em tempo = t(s) pode ser o início de uma intensa tempestade de granizo. Como um resultado, o módulo de análise de dados 104 instrui o módulo de geração de alerta 106 para prover uma mensagem de alerta mais detalhada nessa informação adicional.
[0035] O módulo de análise de dados 104 também utiliza os dados históricos para estabelecer uma taxa de limiar para uma célula de relâmpago específica. Por exemplo, o módulo de análise de dados 104 determina a taxa de relâmpago de limiar mediante uso de um método de análise de melhor ajuste com base na análise de dados reais de intempérie. Em algumas modalidades, os dados históricos são associados com um período específico do ano e/ou uma região geográfica específica. Com base em uma correlação entre o período histórico do ano e o período do ano durante o qual está sendo monitorada a célula de relâmpagos atual, o módulo de análise de dados 104 ajusta a taxa de limiar de modo a considerar as similaridades ou diferenças entre os dois pontos de dados. Por exemplo, se estiver sendo monitorada uma célula de relâmpagos durante um período do ano que apresentou tradicionalmente baixa ocorrência de intempéries de grande intensidade, o módulo de análise de dados 104 desloca a taxa de limiar para cima de modo a exigir uma taxa total de relâmpagos superior antes de um alerta ser emitido pelo sistema 100. Inversamente, se estiver sendo monitorada uma célula de relâmpagos durante um período do ano que tem tendência à atividade de intempérie de grande intensidade aumentada, o módulo de análise de dados 104 move a taxa de limiar para baixo para exigir uma taxa total de relâmpagos inferior antes da emissão de um alerta.
[0036] Quando o módulo de análise de dados 104 determinar que a taxa total de relâmpagos da célula de relâmpagos, atualmente monitorada (por exemplo, célula 302 da Figura 3) excedeu a taxa limiar de relâmpagos (isto é, é associada com um potencial suficiente para intempérie de grande intensidade), o módulo de análise de dados 104 transmite os dados para o módulo de geração de alerta 106. O módulo de geração de alerta 106 usa as características analisadas da célula de relâmpagos para determinar automaticamente as áreas geográficas que podem ser impactadas pela célula de relâmpago à medida que ela se move e muda de tamanho e/ou intensidade.
[0037] A Figura 5 é um diagrama 500 ilustrando a identificação pelo sistema 100 de uma área geográfica em risco 502 de intempérie de grande intensidade com base nos dados de atividade de relâmpagos. Para emitir um alerta que alcance as pessoas e/ou as entidades que venham a ser diretamente afetadas pela intempérie de grande intensidade, ou que possam ter interesse na área afetada, o módulo de geração de alerta 106 determina uma ou mais áreas geográficas em risco 502 com base na localização, velocidade de movimento e direção de movimento da célula de relâmpagos 302. Em algumas modalidades, o módulo de geração de alerta 106 determina uma área de aviso que corresponde ao local atual e a trajetória esperada da célula durante um período de tempo vindouro. Por exemplo, o módulo de geração de alerta 106 gera um polígono 502 que cobre a faixa de distâncias e direções que uma célula de relâmpagos poderia percorrer em um período de tempo específico (por exemplo, 45 minutos) mediante avaliação da velocidade de movimento e da direção de movimento da célula demonstrados no momento em que o módulo de análise de dados 104 determina que a taxa total de relâmpagos da célula 302 excedeu a taxa limiar de relâmpagos.
[0038] Após receber a notificação a partir do módulo de análise de dados 104 e determinar uma ou mais áreas em risco, o módulo de geração de alerta 106 automaticamente identifica um conjunto de um ou mais dispositivos remotos que estão monitorando as áreas em risco e automaticamente transmite um alerta para os dispositivos remotos. Os dispositivos remotos podem incluir dispositivos baseados em computador, tal como telefones móveis e hardware de sistema de posicionamento global (GPS). Os dispositivos remotos também podem incluir outros tipos de sistemas de alerta, tais como luzes, sirenes e buzinas que são configuradas para conexão com uma rede de comunicação. Em algumas modalidades, o dispositivo de armazenamento de dados 110 inclui informação relacionada à identificação dos dispositivos remotos (por exemplo, endereço IP, número de telefone, endereço de correio eletrônico), e o módulo de geração de alerta 108 utiliza a informação de identificação para preparar um alerta para cada dispositivo remoto. O dispositivo de armazenamento de dados 110 inclui também informação mapeando a identificação de um dispositivo remoto para uma área ou áreas geográficas específicas que o dispositivo remoto está monitorando (por exemplo, código postal, nome do município, endereço de rua). O módulo de geração de alerta 106 utiliza qualquer protocolo ou técnica de comunicação padrão, tal como entrega baseada em pacote (por exemplo, troca de mensagens de texto, XML, correio eletrônico), entrega baseada em circuito (por exemplo, radiochamada, troca de mensagens de voz), e semelhante. Por exemplo, um usuário pode subscrever para receber alertas para um código postal específico em seu telefone móvel. O sistema 100 armazena o número telefônico do usuário no módulo de armazenamento de dados 110. Quando o módulo de geração de alerta 106 identifica uma localização geográfica que está em risco de intempérie de grande intensidade e toda ou parte da localização identificada está compreendida dentro do código postal apresentado pelo usuário, o módulo de geração de alerta 108 emite um alerta (por exemplo, uma mensagem de texto, uma mensagem de voz) endereçado ao número telefônico do telefone móvel do usuário. Nessa modalidade, o telefone móvel do usuário não precisa estar localizado na mesma área geográfica conforme identificada pelo módulo de geração de alerta 106 como “em risco”.
[0039] Em algumas modalidades, o alerta é adicionalmente otimizado por intermédio da inclusão de uma representação gráfica da área geográfica que está sob ameaça de intempérie de grande intensidade. A representação gráfica proporciona uma peça de informação adicional, que pode ser facilmente reconhecida ao recebedor do alerta. Por exemplo, o módulo de geração de alerta 106 sobrepõe um polígono 502 delineando a área geográfica em risco associada com uma célula específica de relâmpago 302 em um mapa. O módulo de geração de alerta 106 utiliza um módulo de processamento gráfico 108 para gerar uma representação visual do polígono 502 representando a área em risco conforme colocada no mapa. Em algumas modalidades, o módulo de processamento gráfico 108 é uma unidade de processamento gráfico (GPU) separada (por exemplo, um cartão gráfico) ou um módulo de software configurado para produzir desenhos gráficos e desenhos baseados nos dados de atividade de relâmpagos.
[0040] As técnicas descritas acima podem ser implementadas em circuitos eletrônicos digitais e/ou analógicos, ou em hardware, firmware, software de computador ou em combinações dos mesmos. A implementação pode ser como um produto de programa de computador, isto é, um programa de computador incorporado de forma tangível em um dispositivo de armazenamento legível por máquina, para execução por, ou para controle da operação de um aparelho de processamento de dados, por exemplo, um processador programável, um computador, e/ou múltiplos computadores. Um programa de computador pode ser escrito em qualquer forma de linguagem de programação ou de computador, incluindo código de origem, código compilado, código interpretado e/ou código de máquina, e o programa de computador pode ser empregado em qualquer forma, incluindo como um programa independente ou como uma sub-rotina, elemento, ou outra unidade adequada para uso em um ambiente de computação. Um programa de computador pode ser empregado para ser executado em um computador ou em múltiplos computadores em um ou mais locais.
[0041] As etapas do método podem ser realizadas por um ou mais processadores executando um programa de computador para realizar as funções da invenção mediante operação em dados de entrada e/ou gerando dados de saída. As etapas do método podem ser realizadas mediante, e um aparelho pode ser implementado como, circuito lógico de uso especial, por exemplo, um FPGA (arranjo de porta programável no campo), um FPAA (arranjo analógico programável no campo), um CPLD (dispositivo lógico programável complexo), um PSoC (Sistema Programável em Chip), ASIP (processador de conjunto de instruções de aplicação específica), ou um ASIC (circuito integrado de aplicação específica), ou semelhante. As sub-rotinas podem se referir às porções do programa de computador armazenado e/ou o processador, e/ou circuitos especiais que implementam uma ou mais funções.
[0042] Os processadores adequados para execução de um programa de computador incluem como exemplo, os microprocessadores de uso geral e também os microprocessadores de uso especial, e qualquer um ou mais processadores de qualquer tipo de computador digital ou analógico. Geralmente, um processador recebe instruções e dados a partir de uma memória de leitura ou de uma memória de acesso aleatório ou ambos. Os elementos essenciais de um computador são um processador para executar instruções e um ou mais dispositivos de memória para armazenar instruções e/ou dados. Os dispositivos de memória, tal como um cache, podem ser usados para armazenar dados temporariamente. Os dispositivos de memória também podem ser usados para armazenamento de dados de longo prazo. Geralmente, um computador também inclui, ou é operativamente acoplado para receber os dados a partir de, ou transferir os dados para, ou ambos, um ou mais dispositivos de armazenamento em massa para armazenar dados, por exemplo, discos magnéticos, magneto óticos, ou discos óticos. Um computador também pode ser acoplado operativamente a uma rede de comunicação para receber instruções e/ou dados a partir da rede e/ou para transferir instruções e/ou dados para a rede. Meios de armazenamento legíveis por computador adequados para incorporar instruções de programa de computador e dados incluem todas as formas de memória volátil e não volátil, incluindo, como exemplo, dispositivos de memória de semicondutor, por exemplo, DRAM, SRAM, EPROM, EEPROM, e dispositivos de memória flash; discos magnéticos, por exemplo, discos rígidos internos ou discos removíveis; discos magneto-óticos; e discos óticos, por exemplo, CD, DVD, HD-DVD, e discos Blu-ray. O processador e a memória podem ser suplementados por e/ou incorporados em circuitos lógicos de uso especial.
[0043] Para prover interação com um usuário, as técnicas descritas acima podem ser implementadas em um computador em comunicação com um dispositivo de exibição, por exemplo, um CRT (tubo de raios catódicos), monitor de plasma, ou monitor LCD (display de cristal líquido), para exibir informação ao usuário e um teclado e um dispositivo indicador, por exemplo, um mouse, um trackball, um touchpad, ou um sensor de movimento, através do qual o usuário pode prover entrada para o computador (por exemplo, interagir com um elemento de interface de usuário). Outros tipos de dispositivos podem ser usados para prover também interação com um usuário; por exemplo, realimentação provida ao usuário pode ser qualquer forma de realimentação sensorial, por exemplo, realimentação visual, realimentação auditiva, ou realimentação tátil; e entrada a partir do usuário pode ser recebida a partir de qualquer forma, incluindo entrada acústica, fala, e/ou tátil.
[0044] As técnicas descritas acima podem ser implementadas em um sistema de computação distribuída que inclui um componente back-end. O componente back-end, por exemplo, pode ser um servidor de dados, um componente middleware, e/ou um servidor de aplicação. As técnicas descritas acima podem ser implementadas em um sistema de computação distribuída que inclui um componente front-end. O componente front-end pode, por exemplo, ser um componente de cliente que tem uma interface gráfica de usuário, um navegador de rede através do qual um usuário pode interagir com uma implementação exemplar, e/ou outras interfaces gráficas de usuário para um dispositivo de transmissão. As técnicas descritas acima podem ser implementadas em um sistema de computação distribuída que inclui qualquer combinação de tais componentes back-end, middleware ou front-end.
[0045] Os componentes do sistema de computação podem ser interligados por intermédio do meio de transmissão, o qual pode incluir qualquer forma ou meio de comunicação de dados, digital ou analógica (por exemplo, uma rede de comunicação). O meio de transmissão pode incluir uma ou mais redes baseadas em pacote e/ou uma ou mais redes baseadas em circuito em qualquer configuração. As redes baseadas em pacote podem incluir, por exemplo, a Internet, uma rede de protocolo Internet (IP) de portadora (por exemplo, rede de área local (LAN), rede de área remota (WAN), rede de área de campus (CAN), rede de área metropolitana (MAN), rede de área nativa (HAN)), uma rede IP privada, uma central telefônica privada de IP (IPBX), uma rede sem fio (por exemplo, rede de acesso de rádio (RAN), Bluetooth, Wi-Fi, WiMAX, rede de serviço de rádio de pacote geral (GPRS), HiperLAN), e/ou outras redes baseadas em pacote. Redes baseadas em circuito podem incluir, por exemplo, a rede de telefonia pública comutada (PSTN), central telefônica privada legada (PBX), uma rede sem fio (por exemplo, RAN, rede de acesso múltiplo de divisão de código (CDMA), rede de acesso múltiplo de divisão de tempo (TDMA), rede de sistema global para comunicação móvel (GSM)), e/ou outras redes baseadas em circuito.
[0046] A transferência de informação através do meio de transmissão pode ser baseada em um ou mais protocolos de comunicação. Os protocolos de comunicação podem incluir, por exemplo, protocolo Ethernet, Protocolo Internet (IP), Voz sobre IP (VOIP), um Protocolo Não Hierárquico (P2P), Protocolo de Transferência de Hipertexto (HTTP), Protocolo de Iniciação de Sessão (SIP), H.323, Protocolo de Controle de Portal de Meios (MGCP), Sistema de Sinalização n°7 (SS7), um Protocolo de Sistema Global para Comunicações Móveis (GSM), um protocolo de Apertar para Falar (PTT), um protocolo PTT sobre Celular (POC), e/ou outros protocolos de comunicação.
[0047] Os dispositivos do sistema de computação podem incluir, por exemplo, um computador, um computador com um dispositivo de navegação, um telefone, um telefone IP, um dispositivo móvel (por exemplo, telefone celular, dispositivo de assistente digital pessoal (PDA), computador laptop, dispositivo de correio eletrônico), e/ou outros dispositivos de comunicação. O dispositivo de navegação inclui, por exemplo, um computador (por exemplo, computador de mesa, computador laptop) com um navegador de World Wide Web (por exemplo, Microsoft® Internet Explorer® disponível através da Microsoft Corporation, Mozilla® Firefox, disponível através da Mozilla Corporation). O dispositivo de computação móvel inclui, por exemplo, um Blackberry®. Telefones IP incluem, por exemplo, um Cisco® Unified IP Phone 7985G disponível através da Cisco Systems, Inc, e/ou um Cisco® Unified Wireless Phone 7920, disponível através da Cisco Systems, Inc.
[0048] Compreender, incluir, e/ou formas no plural de cada um deles são ilimitadas e incluem as partes relacionadas e podem incluir partes adicionais que não são listadas. E/ou é ilimitado e inclui uma ou mais das partes listadas e combinações das partes listadas.
[0049] Aqueles versados na arte perceberão que a invenção pode ser incorporada em outras formas específicas sem se afastar da sua essência ou de suas características essenciais. As modalidades precedentes, portanto, devem ser consideradas em todos os aspectos, ilustrativas mais propriamente do que limitadoras da invenção aqui descrita.

Claims (20)

1. Método implementado por computador para predizer o potencial para intempérie de grande intensidade, o método compreendendo:receber, por um dispositivo de computação, dados associados com atividade de relâmpagos, em que os dados incluem dados de lampejo de relâmpago coletados durante um intervalo de tempo específico;caracterizado pelo fato de que compreende adicionalmente identificar, pelo dispositivo de computação, uma ou mais células de atividades de relâmpagos com base nos dados de lampejo de relâmpago, a identificação compreendendo:posicionar cada lampejo de relâmpago em um mapa de acordo com sua localização geográfica;sobrepor uma primeira grade no mapa e identificar setores da primeira grade com uma alta densidade dos lampejos de relâmpago;sobrepor uma segunda grade nos setores identificados do mapa para localizar contornos fechados associados a uma célula de relâmpago; egerar um polígono convexo a partir de cada um dos contornos fechados;determinar, pelo dispositivo de computação, uma velocidade de movimento, uma direção de movimento, e uma taxa de relâmpagos da uma ou mais células de atividade de relâmpagos com base nos dados recebidos;comparar, pelo dispositivo de computação, a taxa de relâmpagos determinada com uma taxa limiar de relâmpagos;determinar, pelo dispositivo de computação, uma ou mais áreas geográficas em risco com base na localização, na velocidade de movimento, e na direção de movimento da uma ou mais células de atividade de relâmpagos; eemitir, pelo dispositivo de computação, um alerta para um ou mais dispositivos remotos monitorando as áreas geográficas em risco quando a taxa de iluminação exceder um valor da taxa limiar de relâmpagos.
2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente gerar um ou mais polígonos correspondendo às áreas geográficas em risco.
3. Método, de acordo com a reivindicação 2, caracterizado pelo fato de que compreende adicionalmente posicionar os polígonos gerados em um mapa no qual pelo menos uma das áreas geográficas em risco está localizada.
4. Método, de acordo com a reivindicação 2, caracterizado pelo fato de que compreende adicionalmente transmitir os polígonos gerados para o um ou mais dispositivos remotos como parte do alerta.
5. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente determinar a taxa limiar de relâmpagos com base em dados históricos associados com ao menos um de (i) a localização da uma ou mais células de atividade de relâmpagos ou (ii) o período do ano.
6. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente determinar a taxa de relâmpagos com base em um número de eventos de relâmpago por minuto associados à uma ou mais células de atividade de relâmpago.
7. Método, de acordo com a reivindicação 6, caracterizado pelo fato de que os eventos de relâmpagos incluem relâmpagos de nuvem para solo, relâmpagos dentro de nuvens, ou ambos.
8. Método, de acordo com a reivindicação 7, caracterizado pelo fato de que relâmpagos dentro de nuvem incluem descargas aéreas, lampejos dentro de nuvem, lampejos de nuvem para ionosfera, ou qualquer combinação dos mesmos.
9. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que os dados recebidos incluem relâmpagos de nuvem para solo, relâmpagos dentro de nuvem, movimento vertical, condensação, umidade, ou qualquer combinação dos mesmos.
10. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente receber os dados associados com atividade de relâmpagos a partir de um ou mais dispositivos sensores geograficamente dispersos.
11. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente emitir o alerta antes da intempérie de grande intensidade ter atingindo pelo menos uma das áreas geográficas em risco.
12. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente determinar um tipo de intempérie com base na taxa de relâmpagos.
13. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente determinar uma probabilidade de intempérie de grande intensidade com base na taxa de relâmpagos.
14. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que os dispositivos remotos são dispositivos de computação pessoal.
15. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que os dispositivos remotos são buzinas, sirenes, luzes ou qualquer combinação dos mesmos.
16. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente:determinar, pelo dispositivo de computação, uma mudança na taxa de relâmpagos da uma ou mais células de atividade de relâmpagos; eemitir, pelo dispositivo de computação, um alerta para o um ou mais dispositivos remotos quando a mudança na taxa de relâmpagos exceder um valor predeterminado.
17. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente repetir a etapa de identificar uma ou mais células de atividade de relâmpago para um intervalo de tempo subsequente e correlacionar os polígonos convexos associados a uma célula de relâmpago para determinar uma trajetória da célula de relâmpago.
18. Sistema implementado por computador para predizer o potencial para intempérie de grande intensidade, o sistema compreendendo um dispositivo de computação configurado para:receber dados associados com atividade de relâmpagos, em que os dados incluem dados de lampejo de relâmpago coletados durante um intervalo de tempo específico;caracterizado pelo fato de que compreende adicionalmente identificar uma ou mais células de atividades de relâmpagos com base nos dados de lampejo de relâmpago, a identificação compreendendo:posicionar cada lampejo de relâmpago em um mapa de acordo com sua localização geográfica;sobrepor uma primeira grade no mapa eidentificar setores da primeira grade com uma altadensidade dos lampejos de relâmpago; sobrepor uma segunda grade nos setores identificados do mapa para localizar contornos fechados associados a uma célula de relâmpago; egerar um polígono convexo a partir de cada um dos contornos fechados;determinar uma velocidade de movimento, uma direção de movimento, e uma taxa de relâmpagos da uma ou mais células de atividade de relâmpagos com base nos dados recebidos;comparar a taxa determinada de relâmpagos com uma taxa limiar de relâmpagos;determinar uma ou mais áreas geográficas em risco com base na localização, na velocidade de movimento, e na direção de movimento da uma ou mais células da atividade de relâmpagos; eemitir um alerta para um ou mais dispositivos remotos monitorando as áreas geográficas quando a taxa de relâmpagos exceder um valor da taxa limiar de relâmpagos.
19. Memória, caracterizada pelo fato de que compreende instruções armazenadas na mesma, as instruções sendo executadas por um computador para realizar o método conforme definido em qualquer uma das reivindicações 1 a 17.
20. Sistema implementado por computador para predizer o potencial para intempérie de grande intensidade, o sistema compreendendo:meios para receber dados associados com atividade de relâmpagos, em que os dados incluem dados de lampejo de relâmpago coletados durante um intervalo de tempo específico;caracterizado pelo fato de que compreende adicionalmente meios para identificar uma ou mais células de atividades de relâmpagos com base nos dados de lampejo de relâmpago, os meios para identificar compreendendo: posicionar cada lampejo de relâmpago em um mapa de acordo com sua localização geográfica;sobrepor uma primeira grade no mapa e identificar setores da primeira grade com uma alta densidade dos lampejos de relâmpago;sobrepor uma segunda grade nos setores identificados do mapa para localizar contornos fechados associados a uma célula de relâmpago; egerar um polígono convexo a partir de cada um dos contornos fechados;meios para determinar uma localização, uma velocidade de movimento, uma direção de movimento e uma taxa de relâmpagos de uma ou mais células de atividade de relâmpagos com base nos dados recebidos;meios para comparar a taxa determinada de relâmpagos com uma taxa limiar de relâmpagos;meios para determinar uma ou mais áreas geográficas em risco com base na localização, na velocidade de movimento, e na direção de movimento da uma ou mais células de atividade de relâmpagos; emeios para emitir um alerta para um ou mais dispositivos remotos monitorando as áreas geográficas quando a taxa de relâmpagos exceder um valor da taxa limiar de relâmpagos.
BR112014000092-1A 2011-07-06 2012-06-18 Predição do potencial para intempérie de grande intensidade BR112014000092B1 (pt)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/177,266 2011-07-06
US13/177,266 US8836518B2 (en) 2011-07-06 2011-07-06 Predicting the potential for severe weather
PCT/US2012/042966 WO2013006259A1 (en) 2011-07-06 2012-06-18 Predicting the potential for severe weather

Publications (2)

Publication Number Publication Date
BR112014000092A2 BR112014000092A2 (pt) 2017-02-14
BR112014000092B1 true BR112014000092B1 (pt) 2021-07-20

Family

ID=47437353

Family Applications (1)

Application Number Title Priority Date Filing Date
BR112014000092-1A BR112014000092B1 (pt) 2011-07-06 2012-06-18 Predição do potencial para intempérie de grande intensidade

Country Status (13)

Country Link
US (2) US8836518B2 (pt)
EP (2) EP3425429B1 (pt)
JP (3) JP6271421B2 (pt)
KR (1) KR101929990B1 (pt)
CN (1) CN103907034B (pt)
AU (1) AU2012279462B2 (pt)
BR (1) BR112014000092B1 (pt)
CA (1) CA2840945C (pt)
DK (2) DK3425429T3 (pt)
ES (2) ES2876195T3 (pt)
PL (2) PL3425429T3 (pt)
PT (2) PT2753959T (pt)
WO (1) WO2013006259A1 (pt)

Families Citing this family (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011088473A2 (en) * 2010-01-18 2011-07-21 The Regents Of The University Of California System and method for identifying patterns in and/or predicting extreme climate events
PT3379301T (pt) * 2012-01-18 2019-11-15 Earth Networks Inc Utilizar dados de raio para gerar dados de refletividade por proxy
US9779183B2 (en) 2014-05-20 2017-10-03 Allied Telesis Holdings Kabushiki Kaisha Sensor management and sensor analytics system
US20150338447A1 (en) 2014-05-20 2015-11-26 Allied Telesis Holdings Kabushiki Kaisha Sensor based detection system
US10084871B2 (en) 2013-05-23 2018-09-25 Allied Telesis Holdings Kabushiki Kaisha Graphical user interface and video frames for a sensor based detection system
PH12013000136A1 (en) 2013-05-23 2015-01-21 De Antoni Ferdinand Evert Karoly A domain agnostic method and system for the capture, storage, and analysis of sensor readings
CN103308956B (zh) * 2013-06-25 2015-06-03 中国科学院遥感与数字地球研究所 利用云气候学数据预判目标区域未来月平均云量的方法
US9748759B1 (en) * 2014-05-09 2017-08-29 Donald J. Bergeron Lightning electromagnetic pulse (LEMP) detector and isolation device
WO2015179451A1 (en) * 2014-05-20 2015-11-26 Allied Telesis Holdings Kabushiki Kaisha Path determination of a sensor based detection system
US9693386B2 (en) 2014-05-20 2017-06-27 Allied Telesis Holdings Kabushiki Kaisha Time chart for sensor based detection system
US20160063387A1 (en) * 2014-08-29 2016-03-03 Verizon Patent And Licensing Inc. Monitoring and detecting environmental events with user devices
CN105791917B (zh) * 2014-12-24 2019-04-09 中国电信股份有限公司 控制户外广告关停避雷的方法及装置
US11240416B2 (en) * 2015-04-01 2022-02-01 Dtn, Llc Weather event visualization application for mobile devices
EP3078992B1 (de) 2015-04-10 2019-01-30 nowcast GmbH System und verfahren zur identifikation und/oder vorhersage von hagelereignissen
CN105842756B (zh) * 2016-03-30 2018-09-14 广州积雨云科技有限公司 一种雷雨信息预报方法
US9812011B1 (en) 2016-07-28 2017-11-07 Here Global B.V. Dangerous driving weather messages
US10782448B2 (en) 2016-07-29 2020-09-22 Vaisala, Inc. Short-term thunderstorm forecast and severe weather alert system and method
CN106291766B (zh) * 2016-08-31 2018-11-02 成都飞机工业(集团)有限责任公司 一种成都地区晴好天气的预报方法
US10296981B2 (en) * 2016-09-14 2019-05-21 Swiss Reinsurance Company Ltd. Method and system for automated location-dependent recognition of storm risks and exposure-based parametric risk-transfer
WO2018049491A1 (pt) * 2016-09-19 2018-03-22 Instituto Tecnológico De Aeronáutica - Ita Método de suporte à decisão para emissão de alertas e para seleção de ações de mitigação parametrizado por índice de decisão meteorológico-climático baseado nas preferências dos usuários
US9933548B1 (en) * 2016-12-28 2018-04-03 Here Global B.V. Method, apparatus and computer program product for providing local hazard warnings
JP7127060B2 (ja) * 2017-05-02 2022-08-29 アース・ネットワークス・インコーポレイテッド 衛星光・地上電波ハイブリッド落雷位置標定のためのシステム及び方法
CN107272085A (zh) * 2017-05-15 2017-10-20 安徽亿纵电子科技有限公司 一种城市各区建、构筑物雷电防护预警系统
CN107332233A (zh) * 2017-06-26 2017-11-07 安徽亿纵电子科技有限公司 输配电线路防雷方法
KR101983938B1 (ko) * 2018-01-29 2019-05-29 신희경 낙뢰 경보 시스템 및 방법
CH714678A1 (de) * 2018-02-23 2019-08-30 Marte Gerhard Verfahren zur Abstandswarnung eines Bauarbeiters oder einer Baumaschine vor einer Gefahrenzone.
US10408972B1 (en) * 2018-04-20 2019-09-10 Adam Baker System and method for lightning strike prediction and warning
US11227477B2 (en) * 2018-05-16 2022-01-18 University Of Hawaii Systems and methods for determining maximum alert geography for a hazard
US10859396B2 (en) 2018-05-18 2020-12-08 Here Global B.V. Warning polygons for weather from vehicle sensor data
US10657683B2 (en) * 2018-07-24 2020-05-19 Here Global B.V. Hazard warning polygons constrained based on end-use device
CN109270597B (zh) * 2018-09-06 2023-09-22 东华大学 一种用于强对流天气预警的矿业安防节点
CN111436027B (zh) * 2019-01-14 2023-06-20 京东方科技集团股份有限公司 事件订阅通知方法、服务器、物联网系统和存储介质
CN109727471A (zh) * 2019-02-12 2019-05-07 合肥极光科技股份有限公司 一种基于物联网技术的恶劣气象条件下智能监控系统
CN114341657A (zh) 2019-07-03 2022-04-12 地球网络股份有限公司 用于与闪电检测传感器一起使用的天线
AT523070B1 (de) * 2019-11-25 2021-05-15 UBIMET GmbH Verfahren zum Überwachen einer Blitzaktivität in einem Überwachungsgebiet
AT523069B1 (de) * 2019-11-25 2021-05-15 UBIMET GmbH Verfahren zum Überwachen einer Blitzaktivität in einem Überwachungsgebiet
AT523068B1 (de) * 2019-11-25 2021-05-15 UBIMET GmbH Verfahren zum Überwachen einer Blitzaktivität in einem Überwachungsgebiet
CN111023400B (zh) * 2019-12-30 2021-05-14 宁波奥克斯电气股份有限公司 一种空调室外环温预测方法、装置及空调器
JP7310638B2 (ja) * 2020-02-18 2023-07-19 コベルコ建機株式会社 災害対策支援サーバ、災害対策支援システムおよび災害対策支援方法
KR102260990B1 (ko) 2020-08-25 2021-06-04 주식회사 엘피에스코리아 낙뢰 예측 방법
CN112907871B (zh) * 2021-04-07 2022-06-17 湖南航天智远科技有限公司 基于卫星遥感的雷火预警识别方法
US20230011424A1 (en) * 2021-07-05 2023-01-12 Helios Pompano, Inc. System and method for detecting high-risk lightning strikes for use in predicting and identifying wildfire ignition locations
CN113850226B (zh) * 2021-10-15 2024-09-10 南通大学 用于闪电先导辐射的信号不规则度分析方法
CN114387806B (zh) * 2022-01-17 2023-02-24 南京理工大学 一种基于台风条件下的城市应急交通抢修系统及方法
WO2024095369A1 (ja) * 2022-11-01 2024-05-10 国立大学法人北海道大学 予測装置及び予測方法

Family Cites Families (78)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US2864081A (en) 1957-11-05 1958-12-09 Kenneth C Steelman Telemetering system
US3121296A (en) 1962-04-30 1964-02-18 Owens Illinois Glass Co Mold polishing machine
US3772594A (en) 1972-10-03 1973-11-13 I Kuehnast Lightning flash-to-bang detector
US4792806A (en) 1982-01-15 1988-12-20 Atlantic Scientific Corporation Lightning position and tracking method
US4543580A (en) * 1982-01-15 1985-09-24 Atlantic Scientific Corporation System for lightning ground stroke position by time of arrival discrimination
US4996473A (en) * 1986-08-18 1991-02-26 Airborne Research Associates, Inc. Microburst/windshear warning system
US4801942A (en) 1986-08-18 1989-01-31 Airborne Research Associates, Inc. Interferometeric lightning ranging system
US4972195A (en) 1986-08-18 1990-11-20 Airborne Research Associates Interferometric lightning ranging system
US4812852A (en) 1987-02-20 1989-03-14 Scientific Development Corporation Locating system and method
US4916455A (en) 1987-02-20 1990-04-10 Scientific Development Inc. Locating system and method
US4914444A (en) 1987-08-11 1990-04-03 Lightning Location And Protection, Inc. System and method for synchronizing lightning detectors
US4901564A (en) 1987-11-02 1990-02-20 Williams Earle R Electrical detection of thunderstorm microbursts
JP2774293B2 (ja) * 1988-12-19 1998-07-09 九州電力株式会社 配電線雷サージ情報による雷の予知方法
US5057820A (en) 1989-05-01 1991-10-15 Airborne Research Associates, Inc. Optical warning system
JPH039290A (ja) * 1989-06-06 1991-01-17 Sankooshiya:Kk 多地点同時雷撃観測装置
US5140523A (en) * 1989-09-05 1992-08-18 Ktaadn, Inc. Neural network for predicting lightning
US5036334A (en) 1990-02-08 1991-07-30 The Research Foundation Of State University Of New York Lightning direction finder controller (LDFC)
US5153508A (en) 1990-08-23 1992-10-06 United States Of America As Represented By The Administrator, National Aeronautics And Space Administration Method and apparatus for determining return stroke polarity of distant lightning
US5295071A (en) 1992-04-29 1994-03-15 B. F. Goodrich Flightsystems, Inc. Sampled data lightning strike detection and mapping system capable of generating frequency spectrum of input signal waveforms and displaying such on the mapping display
US5303152A (en) 1992-04-29 1994-04-12 Bfgoodrich Flight Systems, Inc. Lightning strike detection system capable of quickly determining an invalid correlation of strike signaling
US5319553A (en) 1992-04-29 1994-06-07 B. F. Goodrich Flight Systems, Inc. Lightning strike detection and mapping system with auto control of mapping display
US5325299A (en) 1992-04-29 1994-06-28 B. F. Goodrich Flight Systems, Inc. System for classifying lightning strikes to enhance location estimation thereof
US5295072A (en) 1992-04-29 1994-03-15 Bfgoodrich Flightsystems, Inc. Sampled data lightning strike detection and mapping system capable of recovering a pre threshold sample history for detection and mapping processing
US5305210A (en) 1992-04-29 1994-04-19 B. F. Goodrich Flight Systems, Inc. Sampled data lightning strike detection and mapping system capable of early detection of an invalid strike from sampled data and quick resumption of monitoring an incoming signal
US5299127A (en) 1992-04-29 1994-03-29 Bf Goodrich Flight Systems, Inc. Lightning strike detection and mapping system capable of monitoring its power source and of displaying a representation thereof on the mapping display
US5537318A (en) 1994-07-13 1996-07-16 B. F. Goodrich Flightsystems, Inc. Lightning strike detection and mapping system
US5771020A (en) * 1995-07-26 1998-06-23 Airborne Research Associates, Inc. Lightning locating system
US5699245A (en) 1995-09-11 1997-12-16 Bfgoodrich Flightsystems, Inc. Distributed lightning detection system
JPH09184890A (ja) * 1995-12-28 1997-07-15 Akira Togashi 雷検知器及び落雷対策装置
US5978738A (en) * 1997-02-13 1999-11-02 Anthony Brown Severe weather detector and alarm
US6064340A (en) 1998-07-02 2000-05-16 Intersil Corporation Electrostatic discharge locating apparatus and method
US6298118B1 (en) 1999-07-28 2001-10-02 Fluke Corporation System and method for processing of communication line test signals, such as enhancement processing
US6420862B2 (en) 2000-02-14 2002-07-16 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration System and method of locating lightning strikes
US6552521B1 (en) 2000-07-11 2003-04-22 The United States Of America As Represented By The United States National Aeronautics And Space Administration Single station system and method of locating lightning strikes
US6599242B1 (en) 2000-07-19 2003-07-29 Medtronic, Inc. Method and apparatus for data compression of heart signals
CN1426628A (zh) 2001-03-01 2003-06-25 酒井康江 压缩方法及装置,展开方法及装置压缩展开系统,记录媒体
US6753784B1 (en) 2001-03-28 2004-06-22 Meteorlogix, Llc GIS-based automated weather alert notification system
JP2003021687A (ja) * 2001-07-06 2003-01-24 Digital Weather Platform Kk 狭域天気予報方法、狭域天気予報配信方法、商品販売促進方法、天気予報装置及び天気予報情報提供システム
JP2002049298A (ja) * 2001-08-17 2002-02-15 Ohbayashi Corp 風環境予測プログラムおよび風環境予測方法
KR20030016747A (ko) 2001-08-21 2003-03-03 엘지전자 주식회사 이동통신 단말기의 광대역 수신장치
JP2003067477A (ja) * 2001-08-24 2003-03-07 Cdan:Kk 地域関連情報提供システム及び地域関連情報提供プログラムを記録したコンピュータ読み取り可能な記録媒体
US6788043B2 (en) 2002-02-13 2004-09-07 Vaisala Oyj Lightning detection and data acquisition system
US6791311B2 (en) * 2002-02-13 2004-09-14 Vaisala Oyj Lightning detection and data acquisition system
JP3752463B2 (ja) 2002-03-29 2006-03-08 東京電力株式会社 落雷位置標定方法、装置、システム及びプログラム
US6559242B1 (en) 2002-05-02 2003-05-06 Ford Global Technologies, Inc. Surface activation and coating processes of a thermoplastic olefin using an aqueous immersion bath and products produced thereby
JP4173701B2 (ja) * 2002-07-31 2008-10-29 関西電力株式会社 冬季雷発雷予測方法および予測装置
JP4182517B2 (ja) * 2003-06-12 2008-11-19 日本高圧電気株式会社 雷害保護装置
US6868339B2 (en) 2003-03-24 2005-03-15 Vaisala Oyj Systems and methods for time corrected lightning detection
CN2606362Y (zh) * 2003-03-26 2004-03-10 中国科学院寒区旱区环境与工程研究所 简易型雷暴预警装置
JP4095528B2 (ja) * 2003-09-30 2008-06-04 三菱電機株式会社 降雨移動予測装置及び降雨移動予測方法
EP1711843B1 (de) 2004-01-29 2014-05-28 nowcast GmbH System und verfahren zum erfassen, übermitteln und auswerten von durch elektromagnetische strahlung anfallenden daten und informationen
US7016785B2 (en) * 2004-03-04 2006-03-21 Nokia Corporation Lightning detection
US7200418B2 (en) 2004-03-04 2007-04-03 Nokia Corporation Detection of lightning
JP4266858B2 (ja) 2004-03-15 2009-05-20 Necエンジニアリング株式会社 局地的豪雨監視システム
JP3873060B2 (ja) * 2004-03-24 2007-01-24 東海旅客鉄道株式会社 落雷予測装置および落雷予測結果報知システム
US7327271B2 (en) * 2004-05-19 2008-02-05 Lawrence Tibor Greenstein Portable weather detector and alert system
JP2006145441A (ja) * 2004-11-22 2006-06-08 Nippon Kouatsu Electric Co 雷接近検知装置
US20100218209A1 (en) * 2005-06-21 2010-08-26 Scott Allan Kendall Apparatus having an emergency alert function that facilitates location selection
US7869953B1 (en) * 2005-08-17 2011-01-11 Weather Central Holdings, Inc. System and method for presenting lightning strike information
US7796951B2 (en) * 2005-10-14 2010-09-14 Nokia Corporation Detection of lightning
JP4526471B2 (ja) * 2005-12-02 2010-08-18 中国電力株式会社 終雷通報システムおよび終雷通報方法
US7868811B1 (en) * 2006-03-07 2011-01-11 Rockwell Collins, Inc. Weather radar system and method using data from a lightning sensor
US7949548B2 (en) * 2006-03-08 2011-05-24 Guy Carpenter & Company Spatial database system for generation of weather event and risk reports
US7558674B1 (en) * 2006-04-24 2009-07-07 Wsi, Corporation Weather severity and characterization system
US20070260151A1 (en) 2006-05-03 2007-11-08 Clifford Gari D Method and device for filtering, segmenting, compressing and classifying oscillatory signals
US20080085096A1 (en) 2006-10-04 2008-04-10 Aws Convergence Technologies, Inc. Method, system, apparatus and computer program product for creating, editing, and publishing video with dynamic content
US7970542B2 (en) 2007-04-17 2011-06-28 Toa Systems, Inc. Method of detecting, locating, and classifying lightning
US20090164124A1 (en) * 2007-12-21 2009-06-25 Advidyne Corporation Ultra wideband receiver for lightning detection
US20090177343A1 (en) * 2008-01-09 2009-07-09 Honeywell International Inc. System and method for selectable weather object display
US7917291B2 (en) * 2008-01-10 2011-03-29 Baron Services, Inc. System and method for predicting tornado activity
US20090295587A1 (en) 2008-03-02 2009-12-03 Gorman Jr Thomas Leo Severe weather, environmental and mass notification warning system and method
JP2009264943A (ja) * 2008-04-25 2009-11-12 Chubu Electric Power Co Inc 落雷予報装置および落雷予報方法
US8073622B2 (en) 2008-05-12 2011-12-06 The Board Of Trustees Of The Leland Stanford Junior University Long-range lightning detection and characterization system and method
US8275548B2 (en) * 2009-08-17 2012-09-25 Earth Networks, Inc. Method and apparatus for detecting lightning activity
US8432306B2 (en) * 2009-10-16 2013-04-30 Propagation Research Associates, Inc. Method and apparatus for the nowcast of lightning threat using polarimetric radar
US8655951B2 (en) * 2009-12-23 2014-02-18 Earth Networks, Inc. Method and apparatus for conveying vehicle driving information
US8698640B1 (en) * 2010-03-04 2014-04-15 Daniel R. Gropper Monitored weather and emergency alert system
US8519860B2 (en) * 2010-04-09 2013-08-27 Weather Decision Technologies Multimedia alerting

Also Published As

Publication number Publication date
EP2753959A1 (en) 2014-07-16
WO2013006259A1 (en) 2013-01-10
PT2753959T (pt) 2018-11-08
CN103907034B (zh) 2018-02-27
EP3425429A1 (en) 2019-01-09
PL2753959T3 (pl) 2019-01-31
DK3425429T3 (da) 2021-06-14
JP6271421B2 (ja) 2018-01-31
CA2840945C (en) 2020-09-22
US20130009780A1 (en) 2013-01-10
JP2014518393A (ja) 2014-07-28
PT3425429T (pt) 2021-06-15
PL3425429T3 (pl) 2021-09-13
CN103907034A (zh) 2014-07-02
KR20140060493A (ko) 2014-05-20
CA2840945A1 (en) 2013-01-10
EP2753959B1 (en) 2018-07-25
US9810811B2 (en) 2017-11-07
AU2012279462A1 (en) 2014-01-23
JP6816215B2 (ja) 2021-01-20
US20150134252A1 (en) 2015-05-14
AU2012279462B2 (en) 2014-09-25
KR101929990B1 (ko) 2018-12-18
US8836518B2 (en) 2014-09-16
JP2019164158A (ja) 2019-09-26
ES2691197T3 (es) 2018-11-26
BR112014000092A2 (pt) 2017-02-14
JP2017125863A (ja) 2017-07-20
ES2876195T3 (es) 2021-11-12
EP2753959A4 (en) 2015-07-01
DK2753959T3 (en) 2018-11-05
EP3425429B1 (en) 2021-03-10

Similar Documents

Publication Publication Date Title
BR112014000092B1 (pt) Predição do potencial para intempérie de grande intensidade
BR112014017668B1 (pt) Método e sistema computadorizado para gerar dados de refletividade proxy e imagens tipo radar associados com atividade de relâmpago, e memória legível por computador
Nielsen et al. Double impact: When both tornadoes and flash floods threaten the same place at the same time
Girisrinivaas et al. Drainage overflow monitoring system using IoT (DOMS)
TW201727590A (zh) 動態洪氾預測與警示系統
AU2015200003B2 (en) Predicting the potential for severe weather
Wu et al. Forecast of thunderstorm cloud trend based on monitoring data of thunder mobile positioning system
KR102074871B1 (ko) 열원 역추적 시스템 및 방법
US20240298189A1 (en) System and method for service gap identification
Fanourakis et al. Lightweight Clustering of Cell IDs into Meaningful Neighbourhoods
CN118671862A (zh) 一种基于5g通信的远程雷电监测预警方法及系统
Watkins et al. Combining LSTM statistical analysis with dynamical models to investigate Typhoon Mangkhut (2018)
Da Loong et al. IoT-Based Flood Monitoring System Using Machine Learning Approach
WO2024118043A1 (en) Systems and methods for service gap mitigation or elimination via new site recommendation

Legal Events

Date Code Title Description
B06F Objections, documents and/or translations needed after an examination request according [chapter 6.6 patent gazette]
B06U Preliminary requirement: requests with searches performed by other patent offices: procedure suspended [chapter 6.21 patent gazette]
B09A Decision: intention to grant [chapter 9.1 patent gazette]
B16A Patent or certificate of addition of invention granted [chapter 16.1 patent gazette]

Free format text: PRAZO DE VALIDADE: 20 (VINTE) ANOS CONTADOS A PARTIR DE 18/06/2012, OBSERVADAS AS CONDICOES LEGAIS.