Estudo da aplicação de técnicas de inversão e de redes neurais artificiais no monitoramento de aerossóis por Lidar.

• Ano de defesa: 2020
• Autor(a) principal: Peters, Steffany Rincon
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Aerosols; Aerossol; Algoritmos de inversão; Artificial neural networks; Inversion algorithms; Lidar; Redes neurais artificiais; Remote sensing; Sensoriamento remoto
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3137/tde-02052021-082233/

A concentração elevada de partículas de aerossóis pode intensificar significativamente as mudanças climáticas globais. Estudos com técnicas de sensoriamento remoto como o sistema lidar (\"Light Detection and Ranging\") têm se mostrado eficientes na coleta de informações importantes sobre as partículas de aerossóis presentes na atmosfera, devido à alta resolução espacial e temporal, bem como o monitoramento em tempo real. A partir do sinal de luz retroespalhada do lidar, objetivou-se obter a distribuição da concentração de partículas de aerossóis presentes na atmosfera segundo seu tamanho. No entanto, essas informações geradas apresentam problemas de inversão, dificultando a obtenção de soluções. No presente estudo foram comparadas duas técnicas de inversão com regularização (de PhillipsTwomey - RPT e o de Veselovskii - VSK) com dois algoritmos alternativos, desenvolvidos neste estudo para estimar a concentração de partículas de aerossóis (DTA) segundo seu tamanho a partir de dados experimentais de um sistema lidar: busca direta de parâmetros por otimização (BDO) e um modelo com Rede Neural Artificial (RNA). Os resultados foram comparados com informações de concentrações volumétricas de partículas de aerossóis disponíveis na rede AERONET, e mostraram que o método BDO apresentou a melhor estimativa das distribuições de concentração das partículas (apresentando valores próximos de raio médio, desvio padrão e concentração de partículas para dois estudos de casos). O modelo em Redes Neurais Artificiais apresentou ajuste relativamente bom aos dados experimentais (R² entre de 0,72 a 0,82) para o conjunto de treinamento da rede e valores um pouco inferiores (R² 0,64 a 0,92) para o conjunto de validação do modelo (conjunto de teste). O estudo mostrou que os métodos de busca direta (BDO) e Redes Neurais Artificiais (RNA) representam aplicações mais eficientes para avaliar a distribuição das partículas de aerossóis na atmosfera a partir dos dados medidos pelo sistema lidar.