Elobjetivo de este trabajo es corregir las desviaciones en las medidassatelitales de paso óptico (AOD) del instrumento MODIS (utilizandola recientemente publicada Colección 6) intentando reproducir losdatos obtenidos por AERONET, ya que éstos son considerados como?verdaderos? por su gran precisión y son ampliamente utilizadospara validar mediciones satelitales.
Coneste fin se utilizaron dos métodos de aprendizaje automático: RedesNeuronales Artificiales (ANN) y Máquinas de Soporte Vectorial (SVR).Estas herramientas consisten en algoritmos que pueden aprender de laspropiedades de un conjunto de datos.Se tomaron las medidas terrestres como objetivo y se entrenaron losmétodos usando el AOD medido por MODIS y diversos parámetrosmeteorológicos.
Serealizó un entrenamiento independiente para nueve estaciones enSudamérica, haciendo una búsqueda exhaustiva de los parámetros yvariables óptimos para cada sitio y método. Comparado con lacorrelación directa MODIS-AERONET, el porcentaje de mejora varióentre el 2% (Alta Floresta) al 79% (Buenos Aires). Al considerar elporcentaje de los datos de AOD que toman valores dentro del erroresperado de MODIS, el mismo aumentó del 57% al 91% (ver figura). Elmétodo corrige tanto las desviaciones sistemáticas en las seriestemporales (sub y sobre-estimaciones), como los datos que se alejande los promedios. Se presentan también datos sobre el área deaplicabilidad del método.