Resumen

Se presenta una técnica de redes neuronales (NN) para rellenar las lagunas de los datos satelitales, vinculando los campos de interés derivados de los satélites con otros satélites y observaciones físicas in situ. En este estudio se utilizan datos del "color del océano" (OC) obtenidos por satélite, ya que la variabilidad del OC está impulsada principalmente por procesos biológicos relacionados y correlacionados en relaciones complejas y no lineales con los procesos físicos de la parte superior del océano. En concreto, se utilizan los campos de clorofila-a del color del océano del conjunto de radiómetros infrarrojos de imágenes visibles (VIIRS) de la NOAA, así como las observaciones de la superficie del océano y de la parte superior del océano de la NOAA y de la NASA, que son firmas de la dinámica de la parte superior del océano. Se entrena una función de transferencia NN, utilizando datos globales de dos años (2012 y 2013), y se prueba con datos independientes de 2014. Para reducir el impacto del ruido en los datos y calcular un jacobiano de NN estable para los estudios de sensibilidad, se construye un conjunto de NN con diferentes pesos y se compara con una única NN. Se evalúa el impacto del periodo de entrenamiento de la NN en su capacidad de generalización. La técnica de NN proporciona un método preciso y computacionalmente barato para rellenar las lagunas en los campos de observación del color del océano por satélite y en las series temporales.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:superficie oceánica de la nasa, observaciones físicas in situ, campo de interés, conjunto de radiómetros infrarrojos, función de transferencia de la nn, conjunto de nns, período de entrenamiento de la nn, color del océano por satélite, impacto del ruido, imágenes visibles infrarrojas
• Keywords:nasa ocean surface, situ physical observations, field of interest, infrared radiometer suite, nn transfer function, ensemble of nns, nn training period, satellite ocean color, impact of noise, visible imaging infrared