An improved aerosol optical depth map based on machine-learning and modis data: Development and application in South America

Autores
Lanzaco, Bethania Luz; Olcese, Luis Eduardo; Palancar, Gustavo Gerardo; Toselli, Beatriz Margarita
Año de publicación
2017
Idioma
inglés
Tipo de recurso
artículo
Estado
versión publicada
Descripción
In zones where aerosol properties have been poorly characterized, satellite-based (MODIS) and ground-based (AERONET) aerosol optical depth (AOD) values typically differ. In this work, we use machine-learning based methods (artificial neural networks and support vector machines) to obtain corrected AOD values taken from MODIS in regions that are positioned far from AERONET stations. The method has been validated using several approaches. The area suitable for improvement covers 62% of the South American continent, and the degree of improvement compared to MODIS values, expressed in terms of the fraction of data within the MODIS error, was found to be 38% and 86% for the Terra and Aqua satellites, respectively. The results show absolute monthly average differences between the MODIS and the proposed method of up to ± 0.6 AOD units. The MODIS AOD distribution for the analyzed period shows a mode of –0.04, while that for the method presented here is 0.08.
Fil: Lanzaco, Bethania Luz. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Investigaciones en Físico-química de Córdoba. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Instituto de Investigaciones en Físico-química de Córdoba; Argentina. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Departamento de Fisicoquímica; Argentina
Fil: Olcese, Luis Eduardo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Investigaciones en Físico-química de Córdoba. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Instituto de Investigaciones en Físico-química de Córdoba; Argentina. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Departamento de Fisicoquímica; Argentina
Fil: Palancar, Gustavo Gerardo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Investigaciones en Físico-química de Córdoba. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Instituto de Investigaciones en Físico-química de Córdoba; Argentina. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Departamento de Fisicoquímica; Argentina
Fil: Toselli, Beatriz Margarita. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Investigaciones en Físico-química de Córdoba. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Instituto de Investigaciones en Físico-química de Córdoba; Argentina. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Departamento de Fisicoquímica; Argentina
Materia
AERONET
AOD SATELLITE RETRIEVAL
MACHINE LEARNING
MODIS AOD BIAS CORRECTION
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/63780
Acceder
id CONICETDig_c9f10f82b5e3d2ec8208cfd3ee14e915
oai_identifier_str oai:ri.conicet.gov.ar:11336/63780
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling An improved aerosol optical depth map based on machine-learning and modis data: Development and application in South AmericaLanzaco, Bethania LuzOlcese, Luis EduardoPalancar, Gustavo GerardoToselli, Beatriz MargaritaAERONETAOD SATELLITE RETRIEVALMACHINE LEARNINGMODIS AOD BIAS CORRECTIONhttps://purl.org/becyt/ford/1.5https://purl.org/becyt/ford/1In zones where aerosol properties have been poorly characterized, satellite-based (MODIS) and ground-based (AERONET) aerosol optical depth (AOD) values typically differ. In this work, we use machine-learning based methods (artificial neural networks and support vector machines) to obtain corrected AOD values taken from MODIS in regions that are positioned far from AERONET stations. The method has been validated using several approaches. The area suitable for improvement covers 62% of the South American continent, and the degree of improvement compared to MODIS values, expressed in terms of the fraction of data within the MODIS error, was found to be 38% and 86% for the Terra and Aqua satellites, respectively. The results show absolute monthly average differences between the MODIS and the proposed method of up to ± 0.6 AOD units. The MODIS AOD distribution for the analyzed period shows a mode of –0.04, while that for the method presented here is 0.08.Fil: Lanzaco, Bethania Luz. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Investigaciones en Físico-química de Córdoba. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Instituto de Investigaciones en Físico-química de Córdoba; Argentina. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Departamento de Fisicoquímica; ArgentinaFil: Olcese, Luis Eduardo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Investigaciones en Físico-química de Córdoba. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Instituto de Investigaciones en Físico-química de Córdoba; Argentina. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Departamento de Fisicoquímica; ArgentinaFil: Palancar, Gustavo Gerardo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Investigaciones en Físico-química de Córdoba. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Instituto de Investigaciones en Físico-química de Córdoba; Argentina. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Departamento de Fisicoquímica; ArgentinaFil: Toselli, Beatriz Margarita. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Investigaciones en Físico-química de Córdoba. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Instituto de Investigaciones en Físico-química de Córdoba; Argentina. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Departamento de Fisicoquímica; ArgentinaTaiwan Assoc Aerosol Res-taar2017-06info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/63780Lanzaco, Bethania Luz; Olcese, Luis Eduardo; Palancar, Gustavo Gerardo; Toselli, Beatriz Margarita; An improved aerosol optical depth map based on machine-learning and modis data: Development and application in South America; Taiwan Assoc Aerosol Res-taar; Aerosol And Air Quality Research; 17; 6; 6-2017; 1523-15361680-8584CONICET DigitalCONICETenginfo:eu-repo/semantics/altIdentifier/doi/10.4209/aaqr.2016.11.0484info:eu-repo/semantics/altIdentifier/url/http://www.aaqr.org/doi/10.4209/aaqr.2016.11.0484info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T10:22:52Zoai:ri.conicet.gov.ar:11336/63780instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 10:22:52.827CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv An improved aerosol optical depth map based on machine-learning and modis data: Development and application in South America
title An improved aerosol optical depth map based on machine-learning and modis data: Development and application in South America
spellingShingle An improved aerosol optical depth map based on machine-learning and modis data: Development and application in South America
Lanzaco, Bethania Luz
AERONET
AOD SATELLITE RETRIEVAL
MACHINE LEARNING
MODIS AOD BIAS CORRECTION
title_short An improved aerosol optical depth map based on machine-learning and modis data: Development and application in South America
title_full An improved aerosol optical depth map based on machine-learning and modis data: Development and application in South America
title_fullStr An improved aerosol optical depth map based on machine-learning and modis data: Development and application in South America
title_full_unstemmed An improved aerosol optical depth map based on machine-learning and modis data: Development and application in South America
title_sort An improved aerosol optical depth map based on machine-learning and modis data: Development and application in South America
dc.creator.none.fl_str_mv Lanzaco, Bethania Luz
Olcese, Luis Eduardo
Palancar, Gustavo Gerardo
Toselli, Beatriz Margarita
author Lanzaco, Bethania Luz
author_facet Lanzaco, Bethania Luz
Olcese, Luis Eduardo
Palancar, Gustavo Gerardo
Toselli, Beatriz Margarita
author_role author
author2 Olcese, Luis Eduardo
Palancar, Gustavo Gerardo
Toselli, Beatriz Margarita
author2_role author
author
author
dc.subject.none.fl_str_mv AERONET
AOD SATELLITE RETRIEVAL
MACHINE LEARNING
MODIS AOD BIAS CORRECTION
topic AERONET
AOD SATELLITE RETRIEVAL
MACHINE LEARNING
MODIS AOD BIAS CORRECTION
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.5
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv In zones where aerosol properties have been poorly characterized, satellite-based (MODIS) and ground-based (AERONET) aerosol optical depth (AOD) values typically differ. In this work, we use machine-learning based methods (artificial neural networks and support vector machines) to obtain corrected AOD values taken from MODIS in regions that are positioned far from AERONET stations. The method has been validated using several approaches. The area suitable for improvement covers 62% of the South American continent, and the degree of improvement compared to MODIS values, expressed in terms of the fraction of data within the MODIS error, was found to be 38% and 86% for the Terra and Aqua satellites, respectively. The results show absolute monthly average differences between the MODIS and the proposed method of up to ± 0.6 AOD units. The MODIS AOD distribution for the analyzed period shows a mode of –0.04, while that for the method presented here is 0.08.
Fil: Lanzaco, Bethania Luz. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Investigaciones en Físico-química de Córdoba. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Instituto de Investigaciones en Físico-química de Córdoba; Argentina. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Departamento de Fisicoquímica; Argentina
Fil: Olcese, Luis Eduardo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Investigaciones en Físico-química de Córdoba. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Instituto de Investigaciones en Físico-química de Córdoba; Argentina. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Departamento de Fisicoquímica; Argentina
Fil: Palancar, Gustavo Gerardo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Investigaciones en Físico-química de Córdoba. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Instituto de Investigaciones en Físico-química de Córdoba; Argentina. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Departamento de Fisicoquímica; Argentina
Fil: Toselli, Beatriz Margarita. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Investigaciones en Físico-química de Córdoba. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Instituto de Investigaciones en Físico-química de Córdoba; Argentina. Universidad Nacional de Córdoba. Facultad de Ciencias Químicas. Departamento de Fisicoquímica; Argentina
description In zones where aerosol properties have been poorly characterized, satellite-based (MODIS) and ground-based (AERONET) aerosol optical depth (AOD) values typically differ. In this work, we use machine-learning based methods (artificial neural networks and support vector machines) to obtain corrected AOD values taken from MODIS in regions that are positioned far from AERONET stations. The method has been validated using several approaches. The area suitable for improvement covers 62% of the South American continent, and the degree of improvement compared to MODIS values, expressed in terms of the fraction of data within the MODIS error, was found to be 38% and 86% for the Terra and Aqua satellites, respectively. The results show absolute monthly average differences between the MODIS and the proposed method of up to ± 0.6 AOD units. The MODIS AOD distribution for the analyzed period shows a mode of –0.04, while that for the method presented here is 0.08.
publishDate 2017
dc.date.none.fl_str_mv 2017-06
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/63780
Lanzaco, Bethania Luz; Olcese, Luis Eduardo; Palancar, Gustavo Gerardo; Toselli, Beatriz Margarita; An improved aerosol optical depth map based on machine-learning and modis data: Development and application in South America; Taiwan Assoc Aerosol Res-taar; Aerosol And Air Quality Research; 17; 6; 6-2017; 1523-1536
1680-8584
CONICET Digital
CONICET
url http://hdl.handle.net/11336/63780
identifier_str_mv Lanzaco, Bethania Luz; Olcese, Luis Eduardo; Palancar, Gustavo Gerardo; Toselli, Beatriz Margarita; An improved aerosol optical depth map based on machine-learning and modis data: Development and application in South America; Taiwan Assoc Aerosol Res-taar; Aerosol And Air Quality Research; 17; 6; 6-2017; 1523-1536
1680-8584
CONICET Digital
CONICET
dc.language.none.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/doi/10.4209/aaqr.2016.11.0484
info:eu-repo/semantics/altIdentifier/url/http://www.aaqr.org/doi/10.4209/aaqr.2016.11.0484
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
application/pdf
application/pdf
dc.publisher.none.fl_str_mv Taiwan Assoc Aerosol Res-taar
publisher.none.fl_str_mv Taiwan Assoc Aerosol Res-taar
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1844614221633945600
score 13.070432

Publicaciones similares