Um novo algoritmo que combina aprendizagens profunda e por transferência foi revelado para melhorar o monitoramento de aerossóis no satélite FY-4A, da China. O estudo, publicado na revista Engineering, foi conduzido por meio de um esforço de colaboração entre o Instituto de Física Atmosférica (IAP) da Academia Chinesa de Ciências, o Centro Nacional de Meteorologia de Satélite, o Instituto de Tecnologia de Harbin e outros institutos.
Os pesquisadores acreditam que as medições precisas dos aerossóis atmosféricos são fundamentais para a compreensão do balanço de radiação da Terra, das mudanças climáticas e da qualidade do ar. A bordo do satélite meteorológico geoestacionário chinês FY-4A, o Advanced Geostationary Radiation Imager (AGRI) faz a varredura da China a cada cinco minutos, fornecendo dados cruciais para entender as variações espaço-temporais dos aerossóis.
O novo algoritmo incorpora conceitos-chave dos algoritmos dark target e deep blue para facilitar a seleção de recursos para a aprendizagem de máquina. De acordo com o estudo, a validação independente confirma que o resultado é altamente preciso na estimativa dos níveis de aerossol do AGRI.
“Nosso estudo mostra o potencial significativo da fusão da abordagem física com a aprendizagem profunda na análise geocientífica”, disse o autor principal Fu Disong, do IAP. “O algoritmo proposto é promissor para aplicação em outros sensores multiespectrais a bordo de satélites geoestacionários”, acrescentou Fu.
Sem Comentários ainda!