Carcará: Sistema para Integração de Dados Meteorológicos e Hidrológicos no Semiárido Brasileiro

• Mikael M. F. Sales Universidade Federal do Ceará (UFC)
• Jose Wellington Franco da Silva Universidade Federal do Ceará (UFC)
• Bruno Riccelli dos Santos Silva Universidade Federal do Ceará (UFC)
• Amanda Drielly Pires Venceslau Universidade Federal do Ceará (UFC)

DOI: https://doi.org/10.5753/sbbd_estendido.2026.249626

Resumo

O Semiárido brasileiro apresenta dados meteorológicos e hidrológicos dispersos e pouco padronizados, dificultando sua integração e análise. Este trabalho propõe o Carcará, uma arquitetura de integração de dados do INMET, ANA e ERA5-Land, baseada em pipeline ETL orientado a eventos, Data Lake, Data Warehouse, mensageria assíncrona e orquestração de workflows. A validação ocorreu em ambiente laboratorial durante sete dias de operação contínua, gerando um dataset com 17.472 registros horários, 192 timestamps, 44 municípios, 8 UFs e 91 reservatórios. Os resultados validam a operação ponta a ponta e indicam a viabilidade da arquitetura para integração contínua e análises hidrometeorológicas no Semiárido.

Palavras-chave: Integração de dados, Dados hidrometeorológicos, Sensoriamento remoto, Integração espaço-temporal, Semiárido brasileiro

Referências

CEPEA (2025a). MERCADO DE TRABALHO/CEPEA: Agronegócio emprega 28,2 milhões de pessoas em 2024 e representa 26% das ocupações do País. Acesso em: 20 nov. 2025.

CEPEA (2025b). PIB-Agro/CEPEA: Desempenho do 4º trimestre reverte tendência de queda anual, e PIB do agronegócio avança 1,81% em 2024. Acesso em: 20 nov. 2025.

Chen, J. and Lv, N. (2025). Using big data and machine learning to optimize agricultural resource allocation and ecological and economic benefit evaluation. International Journal of Agricultural and Environmental Information Systems.

Fragoso, E. J. N., Coelho, P., Souza, P., Neto, A. F., dos Santos Santiago, A. M., Pacheco, C. S. G. R., and Melo, R. (2020). Agroecology and family farming: A perspective of sustainability in the brazilian semiarid region. International Journal of Advanced Engineering Research and Science.

Freitas, B. A., Fonseca, A., Bezerra, E., Bernardini, F., and Ferro, M. (2023). Diversidade de dados meteorológicos da cidade do rio de janeiro: Uma proposta de arquitetura de armazenamento e fluxo de dados para modelos de previsão. In Anais Estendidos do XXXVIII Simpósio Brasileiro de Bancos de Dados, pages 306–311, Porto Alegre, RS, Brasil. Sociedade Brasileira de Computação.

Garg, D. and Alam, M. (2023). A sensor data acquisition system for smart agriculture. SN Computer Science, 4(5):667.

Marengo, J. A., Torres, R. R., and Alves, L. M. (2017). Drought in northeast brazil—past, present, and future. Theoretical and Applied Climatology, 129(3):1189–1200.

Mena, F., Pathak, D., Najjar, H., Sanchez, C., Helber, P., Bischke, B., Habelitz, P., Miranda, M., Siddamsetty, J., Nuske, M., et al. (2024). Adaptive fusion of multiview remote sensing data for optimal sub-field crop yield prediction. arXiv preprint arXiv:2401.11844.

Silva, J. L. P. d., Júnior, G. d. N. A., Silva Junior, F. B. d., Silva, T. G. F. d., Silva, J. B. A. d., Scheibel, C. H., Silva, M. V. d., Mingoti, R., Giongo, P. R., and Almeida, A. C. d. S. (2025). Performance of land use and land cover classification models in assessing agricultural behavior in the alagoas semi-arid region. AgriEngineering, 7(5):134.

Stephen, A., Punitha, A., and Chandrasekar, A. (2021). Using open remote sensing data to build an agriculture big data system. Turkish Journal of Computer and Mathematics Education, 12(2):429–436.

Troisi, O., Visvizi, A., and Grimaldi, M. (2023). Rethinking innovation through industry and society 5.0 paradigms: a multileveled approach for management and policy-making. European Journal of Innovation Management, 27(9):22–51.