@InProceedings{SouzaShiBotCamSil:2006:RePr,
               author = "Souza, Rodrigo Augusto Ferreira de and Shiguemori, Elcio H and 
                         Bottino, Marcus Jorge and Campos Velho, Haroldo F. and Silva, 
                         Jos{\'e} Dem{\'{\i}}sio S. da",
          affiliation = "Instituto Nacional de Pesquisas Espaciais (INPE), Centro de 
                         Previs{\~a}o de Tempo e Estudos Clim{\'a}ticos (CPTEC) and 
                         Instituto Nacional de Pesquisas Espaciais (INPE), Centro de 
                         Previs{\~a}o de Tempo e Estudos Clim{\'a}ticos and Instituto 
                         Nacional de Pesquisas Espaciais (INPE), Centro de Previs{\~a}o de 
                         Tempo e Estudos Clim{\'a}ticos (CPTEC) and Instituto Nacional de 
                         Pesquisas Espaciais (INPE), Centro de Previs{\~a}o de Tempo e 
                         Estudos Clim{\'a}ticos (CPTEC) and Instituto Nacional de 
                         Pesquisas Espaciais (INPE), Centro de Previs{\~a}o de Tempo e 
                         Estudos Clim{\'a}ticos (CPTEC)",
                title = "Utiliza{\c{c}}{\~a}o da t{\'e}cnica de redes neurais 
                         artificiais na infer{\^e}ncia de perfis verticais de temperatura 
                         a partir de informa{\c{c}}{\~o}es do sensor AIRS/AQUA: 
                         resultados preliminares",
            booktitle = "Proceedings...",
                 year = "2006",
         organization = "Congresso Brasileiro de Meteorologia, 14. (CBMET).",
            publisher = "SBMET",
             keywords = "problemas inversos, redes neurais artificiais, sondagem remota por 
                         sat{\'e}lites.",
             abstract = "Nas {\'u}ltimas d{\'e}cadas, a infer{\^e}ncia de perfis 
                         atmosf{\'e}ricos a partir de dados de sat{\'e}lites tem se 
                         tornado muito importante para an{\'a}lise do tempo e para o 
                         processo de assimila{\c{c}}{\~a}o de dados em modelos de 
                         previs{\~a}o num{\'e}rica de tempo. Neste contexto, o objetivo 
                         deste trabalho {\'e} inferir perfis verticais de temperatura a 
                         partir de radi{\^a}ncias do sensor AIRS/AQUA (Atmospheric 
                         Infrared Sounder) utilizando a t{\'e}cnica das Redes Neurais 
                         Artificiais (RNA). Uma RNA Perceptron de M{\'u}ltiplas Camadas 
                         (PMC), treinada com algoritmo de retropropaga{\c{c}}{\~a}o do 
                         erro, {\'e} usada para resolver o problema inverso. 
                         Compara{\c{c}}{\~o}es entre os perfis de radiossondagens e 
                         perfis inferidos utilizando a RNA e outras t{\'e}cnicas de 
                         invers{\~a}o s{\~a}o apresentadas. Em geral, a RNA apresenta 
                         resultados concordantes com os demais perfis de temperatura 
                         analisados, principalmente, no que concerne a localizar com 
                         precis{\~a}o a invers{\~a}o da tropopausa. No entanto, {\'e} 
                         necess{\'a}rio testar a RNA com diferentes conjuntos de dados e 
                         diferentes campos de visada do sensor, para investigar 
                         completamente sua potencialidade em recuperar perfis 
                         atmosf{\'e}ricos. In the last decades, the inference of 
                         atmospheric profiles from satellite data has become very important 
                         in weather analysis and in the assimilation data process in 
                         Numerical Weather Prediction models. In this context, the 
                         objective of this work is to retrieve vertical profiles of 
                         temperature from AIRS/AQUA radiances ({"}Atmospheric Infrared 
                         Sounder{"}) using Artificial Neural Network (ANN) technique. An 
                         ANN Multi-layer Perceptron, with back propagation learning 
                         strategy, is used to solve the inverse problem. Comparisons 
                         between temperature profiles inferred by radiosondes, and 
                         retrieved with ANN, and with others inversion techniques are 
                         presented in this work. In general, the ANN presents results in 
                         agreement with others inversion techniques, mainly concerning with 
                         the localization of the tropopause. However, for a better 
                         understanding of ANN technique is necessary to analyze its 
                         performance with different data sets and different fields of 
                         view.",
  conference-location = "Florian{\'o}polis, SC",
      conference-year = "Nov.27 - 01 Dec.",
           copyholder = "SID/SCD",
             language = "pt",
         organisation = "Coordenadora Geral do Congresso - Maria Gertrudes Alvarez Justi 
                         (presidente da SBMET)",
           targetfile = "Souza.Utiliza{\c{c}}{\~a}o.pdf",
        urlaccessdate = "21 maio 2024"
}