logo móvil
Contáctanos

Recuperación basada en aprendizaje automático de la cantidad total de columna de ozono y la profundidad óptica de nubes a partir de mediciones de irradiancia

Autores: Sztipanov, Milos; Krizsán, Levente; Li, Wei; Stamnes, Jakob J.; Svendby, Tove; Stamnes, Knut

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico
2024

Recuperación basada en aprendizaje automático de la cantidad total de columna de ozono y la profundidad óptica de nubes a partir de mediciones de irradiancia


Categoría

Ciencias Naturales y Subdisciplinas

Subcategoría

Astronomía

Palabras clave

Algoritmo de aprendizaje automático
Medidor de irradiancia NILU-UV
Columna total de ozono
Profundidad óptica de nubes
área de la ciudad de Nueva York
Método basado en redes neuronales

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 7

Citaciones: Sin citaciones


Descripción
Un algoritmo de aprendizaje automático combinado con mediciones obtenidas por un medidor de irradiancia NILU-UV permite la determinación de la cantidad de columna total de ozono (TOC) y la profundidad óptica de las nubes (COD). En el área de la ciudad de Nueva York, se ha utilizado un instrumento NILU-UV en la azotea de un edificio del Instituto de Tecnología de Stevens (40.74 grados N, -74.03 grados E) para recopilar datos durante varios años. Inspirada en un estudio previo [Opt. Express 22, 19595 (2014)], esta investigación presenta un método actualizado basado en redes neuronales para la recuperación de TOC y COD. Este método proporciona resultados fiables en condiciones de nubes densas y un algoritmo conveniente para la recuperación simultánea de los valores de TOC y COD. Los valores de TOC se presentan para 2014-2023, y ambos se compararon con los resultados obtenidos utilizando el método de tabla de búsqueda (LUT) y mediciones del Instrumento de Monitoreo de Ozono (OMI), desplegado en el satélite AURA de la NASA. También se proporcionan resultados de COD.

Otros recursos que podrían interesarte

Temas Virtualpro