Beijing – Os cientistas introduziram recentemente um novo algoritmo que combina aprendizagem profunda e aprendizagem por transfer\u00eancia para melhorar o monitoramento de aeross\u00f3is no sat\u00e9lite FY-4A da China.<\/p>\n\n\n\n
O estudo, publicado na revista Engineering, foi conduzido por meio de um esfor\u00e7o de colabora\u00e7\u00e3o entre o Instituto de F\u00edsica Atmosf\u00e9rica (IAP, em ingl\u00eas) da Academia Chinesa de Ci\u00eancias, o Centro Nacional de Meteorologia de Sat\u00e9lite, o Instituto de Tecnologia de Harbin e outros institutos.<\/p>\n\n\n\n
Os cientistas acreditam que as medi\u00e7\u00f5es precisas dos aeross\u00f3is atmosf\u00e9ricos s\u00e3o fundamentais para a compreens\u00e3o do balan\u00e7o de radia\u00e7\u00e3o da Terra, das mudan\u00e7as clim\u00e1ticas e da qualidade do ar. A bordo do sat\u00e9lite meteorol\u00f3gico geoestacion\u00e1rio chin\u00eas FY-4A, o Advanced Geostationary Radiation Imager (AGRI) faz a varredura da China a cada cinco minutos, fornecendo dados cruciais para o monitoramento das varia\u00e7\u00f5es espa\u00e7o-temporais dos aeross\u00f3is.<\/p>\n\n\n\n
No entanto, a inflexibilidade dos algoritmos tradicionais de recupera\u00e7\u00e3o f\u00edsica, juntamente com o n\u00famero insuficiente de locais de fot\u00f4metros solares baseados em terra, apresenta desafios para atender aos requisitos de amostras extensas para a aprendizagem de m\u00e1quina na recupera\u00e7\u00e3o da profundidade \u00f3ptica do aerossol (AOD, em ingl\u00eas).<\/p>\n\n\n\n
Em resposta a esses desafios, os cientistas desenvolveram um algoritmo inovador de recupera\u00e7\u00e3o de AOD que combina aprendizagem profunda e aprendizagem por transfer\u00eancia. O novo algoritmo incorpora conceitos-chave dos algoritmos dark target e deep blue para facilitar a sele\u00e7\u00e3o de recursos para a aprendizagem de m\u00e1quina.<\/p>\n\n\n\n
De acordo com o estudo, a valida\u00e7\u00e3o independente confirma que o algoritmo \u00e9 altamente preciso na estimativa dos n\u00edveis de aerossol do AGRI. Os resultados mostram uma forte correla\u00e7\u00e3o com os valores esperados, indicando a confiabilidade do algoritmo na previs\u00e3o da profundidade \u00f3ptica do aerossol.<\/p>\n\n\n\n
“Nosso estudo mostra o potencial significativo da fus\u00e3o da abordagem f\u00edsica com a aprendizagem profunda na an\u00e1lise geocient\u00edfica”, disse o autor principal Fu Disong, do IAP.<\/p>\n\n\n\n
“O algoritmo proposto \u00e9 promissor para aplica\u00e7\u00e3o em outros sensores multiespectrais a bordo de sat\u00e9lites geoestacion\u00e1rios”, acrescentou Fu.<\/p>\n","protected":false},"excerpt":{"rendered":"
Beijing – Os cientistas introduziram recentemente um novo algoritmo que combina aprendizagem profunda e aprendizagem por transfer\u00eancia para melhorar o monitoramento de aeross\u00f3is no sat\u00e9lite FY-4A da China. O estudo, publicado na revista Engineering, foi conduzido por meio de um…<\/p>\n","protected":false},"author":3,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[6],"tags":[],"class_list":["post-18126","post","type-post","status-publish","format-standard","hentry","category-cultura-tecnologia"],"yoast_head":"\n