Neuro estimador para o fluxo de gases entre a superfície terrestre e a atmosfera

• Ano de defesa: 2011
• Autor(a) principal: Fabiana Ferreira Paes
• Orientador(a): Haroldo Fraga de Campos Velho, Fernando Manuel Ramos
• Banca de defesa: João Carlos Carvalho, Wagner Barbosa Muniz
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Nacional de Pesquisas Espaciais
• Programa de Pós-Graduação: Programa de Pós-Graduação do INPE em Computação Aplicada
• País: BR
• Resumo em Inglês: Studies show that global warming may be irreversible in the medium or long term, and is a major cause of air pollution. However, this framework can be reversed or mitigated by estimating the amount of emissions, since the mapping of pollution sources could facilitate the work of public authorities in relation to environmental monitoring and the development of public policies related to the environment. Thus, this work develops a model, based on the methodology of inverse problems, whose first model is the direct source-receptor Lagrangian technique (LAMBDA code) and the second is the SCIATRAN code, which simulates the radiance measurements of SCIAMACHY sensor, aboard the satellite ENVISAT . It then uses the coupling of neural networks to estimate the concentration of carbon dioxide between the soil and the atmosphere in various scenarios. Finding a suitable network for this type of problem, the best parameters and the best activation function, is essential to confirm the effectiveness of the technique used in this work to obtain the estimation of sources and sinks. The neural network Multilayer Perceptron with the backpropagation algorithm was used to solve the problem concerning the estimation of the rate of pollution sources. Thus, this paper presents several experiments made with meteorological data obtained from the Copenhagen Experiment and model BRAMS. The meteorological data such as: temperature, wind speed and direction, are used in the LAMBDA code simulation for dispersion of pollutants in the region of interest and the chosen date. The meteorological data of the Copenhagen Experiment were used in experiments that simulate the sources (or sinks) of CO$_{2}$, with concentrations of data ``in situ'' and from remote sensing. For the experiments with remote sensing data, which deal with the regions of forest and pasture in Rondônia, the input parameters required by code LAMBDA were obtained from the model BRAMS. The methodology developed in this thesis, to estimate the sources and/or sinks of pollutants, makes the coupling of two artificial neural networks, in which the first has as input the radiances generated with the model SCIATRAN and generates as output the gas concentration profiles, which are used for the second neural network to estimate the sources (or sinks) of carbon dioxide on the surface. The experiments showed satisfactory results, showing that the artificial neural network can be considered an appropriate technique for estimating pollutants.
• Link de acesso: http://urlib.net/sid.inpe.br/mtc-m19/2011/10.24.11.20

Estudos apontam que o aquecimento global do planeta pode ser irreversível a médio ou longo prazo, sendo que uma das principais causas é a poluição atmosférica. Contudo, este quadro pode ser revertido ou atenuado com a estimação da quantidade de emissão de poluentes, uma vez que, o mapeamento das fontes poluidoras poderá facilitar o trabalho das autoridades públicas em relação à fiscalização ambiental e à elaboração de políticas públicas relacionadas ao meio ambiente. Assim, este trabalho desenvolve um modelo, baseado na metodologia de problemas inversos, cujo primeiro modelo direto é a técnica fonte-receptor Lagrangiano (código LAMBDA) e o segundo é o código SCIATRAN, que simula as radiâncias medidas do sensor SCIAMACHY, a bordo do satélite ENVISAT. Em seguida, utiliza-se o acoplamento de redes neurais para estimar a concentração do gás carbônico entre o solo e a atmosfera em diversos cenários. Encontrar uma rede adequada para este tipo de problema, os melhores parâmetros e a melhor função de ativação, é essencial para se confirmar a eficácia da técnica utilizada neste trabalho, a fim de obter a estimação de fontes e sumidouros. A rede neural Perceptron de Múltiplas Camadas, com o algoritmo de Retropropagação do Erro, foi utilizada para resolver o problema relativo à estimação da taxa de fontes de poluição. Assim, este trabalho apresenta diversos experimentos construídos com dados meteorológicos obtidos do Experimento de Copenhagen e do modelo BRAMS. Os dados meteorológicos como: temperatura, velocidade e direção do vento, são utilizados nas simulações do código LAMBDA para dispersão de poluentes na região de interesse e data escolhida. Os dados meteorológicos do Experimento de Copenhagen foram utilizados nos experimentos que simulam as fontes (ou sumidouros) de CO$_{2}$, com dados de concentrações ``in situ'' e de sensoriamento remoto. Para os experimentos com dados de sensoriamento remoto, que tratam as regiões de pastagem e floresta em Rondônia, os parâmetros de entrada requeridos pelo código LAMBDA foram obtidos a partir do modelo BRAMS. A metodologia desenvolvida nesta tese, para estimação de fontes e/ou sumidouros de poluentes, realiza o acoplamento de duas redes neurais artificiais, em que, a primeira tem como entrada, radiâncias geradas com o modelo SCIATRAN e gera como saída, os perfis de concentração do gás, que são utilizados pela segunda rede neural para estimar as fontes (ou sumidouros) do gás carbônico na superfície. Os experimentos apresentaram resultados satisfatórios, evidenciando que a rede neural artificial pode ser considerada uma técnica adequada na estimação de poluentes.