Beijing – Os cientistas introduziram recentemente um novo algoritmo que combina aprendizagem profunda e aprendizagem por transferência 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, em inglês) da Academia Chinesa de Ciências, o Centro Nacional de Meteorologia de Satélite, o Instituto de Tecnologia de Harbin e outros institutos.
Os cientistas 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 o monitoramento das variações espaço-temporais dos aerossóis.
No entanto, a inflexibilidade dos algoritmos tradicionais de recuperação física, juntamente com o número insuficiente de locais de fotômetros solares baseados em terra, apresenta desafios para atender aos requisitos de amostras extensas para a aprendizagem de máquina na recuperação da profundidade óptica do aerossol (AOD, em inglês).
Em resposta a esses desafios, os cientistas desenvolveram um algoritmo inovador de recuperação de AOD que combina aprendizagem profunda e aprendizagem por transferência. 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 algoritmo é altamente preciso na estimativa dos níveis de aerossol do AGRI. Os resultados mostram uma forte correlação com os valores esperados, indicando a confiabilidade do algoritmo na previsão da profundidade óptica do aerossol.
“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.
