Novo algoritmo de monitoramento de nuvem permite maior precisão

Pesquisadores liderados pelo Prof. Husi Letu do Instituto de Pesquisa de Informação Aeroespacial (AIR) da Academia Chinesa de Ciências desenvolveram um novo algoritmo para medir propriedades de nuvens usando redes neurais.

O algoritmo, conhecido como Algoritmo de Recuperação de Nuvens baseado em Redes Neurais (CRANN), concentra-se na recuperação da fração de nuvens e da pressão do topo das nuvens a partir de medições hiperespectrais no O₂–O₂ banda. O estudo foi publicado em Sensoriamento Remoto do Ambiente.

O algoritmo CRANN faz parte dos algoritmos mais amplos de Sensoriamento Remoto de Nuvem, Radiação Atmosférica e Aplicação de Energia Renovável (CARE) e deve ser integrado ao instrumento hiperespectral de nova geração da China, o Ozone Monitoring Suite (OMS), que visa aumentar a precisão da medição das propriedades das nuvens, cruciais para melhorar as recuperações de gases traço a partir de dados de satélite.

Os métodos convencionais para recuperar propriedades de nuvens têm lutado com eficiência devido à maior resolução espectral e à crescente resolução espacial dos instrumentos hiperespectrais modernos. Os instrumentos de monitoramento por satélite existentes, como o Ozone Monitoring Instrument (OMI) e o Ozone Monitoring Suite (OMS), não capturam dados do O₂-Uma banda, que complica o uso de algoritmos de recuperação existentes como FRESCO+ e ROCINN que são desenvolvidos especificamente com base em O₂-Observações de uma banda.

O novo algoritmo CRANN aborda esses desafios combinando um modelo de transferência radiativa física com uma técnica de aprendizado de máquina. Os pesquisadores treinaram os modelos de rede neural orientados por física usando um conjunto de dados simulado gerado por um modelo de transferência radiativa, alcançando melhor desempenho.

Quando testados contra algoritmos oficiais como OMCLDO2, FRESCO+ e ROCINN, os pesquisadores descobriram que o modelo CRANN demonstrou desempenho comparável. Para observações OMI e TROPOMI, os coeficientes de correlação entre os resultados CRANN e aqueles de algoritmos oficiais foram notavelmente altos, indicando forte concordância.

“O método CRANN fornece uma ferramenta poderosa para monitoramento de nuvens baseado em satélite. É um método promissor para futuros estudos atmosféricos”, disse o Prof. Husi Letu.