Defesa de Proposta de Tese de Doutorado de Jordan Jusbig Salas Cuno, em 21/08/2023, às 08:00h, por videoconferência. Link para defesa: meet.google.com/ytg-xvat-vxa
Improving Pollutant Data from Sentinel 5 to Measure the Air Quality Index in Brazilian Geopolitical Areas of Different Levels
Resumo:
A qualidade do ar se tornou um dos temas com maior importância em pesquisas nos últimos anos, devido ao seu impacto direto na saúde da população em geral como na biodiversidade, grupos de risco como pessoas da terceira idade, crianças, pessoas com doenças crônicas ou cardiorrespiratórias tem uma vulnerabilidade maior. Nos últimos anos, por causa da pandemia de Covid-19, medidas de isolamento social (lockdown) tiveram que ser aplicadas para evitar a propagação do vírus, em consequência diversas pesquisas mostram a relação da qualidade do ar com morte de pacientes com covid-19. O índice de qualidade do ar (AQI) é uma das formas mais estudadas para avaliar a qualidade do ar em regiões, para calcular o AQI são utilizados índices de poluentes atmosféricos, essas informações são coletadas por meio de sensores terrestres em centros de monitoramento, onde não existem sensores fixos são utilizados dados de satélite. Nesta pesquisa são utilizados os dados do Sentinel-5, um satélite que fornece informações diárias sobre a composição atmosférica em quase 100% da superfície terrestre. Os dados coletados pelo Sentinel-5 são processados mediante um pipeline proposto nesta pesquisa com o objetivo de obter índices de poluentes atmosféricos no Brasil. Após avaliar a precisão nas medições dos poluentes e como parte da proposta de tese, serão aprimorados os dados do Sentinel-5 com métodos tradicionais de super resolução e de machine learning,o objetivo é conseguir representar os dados em pelo menos 3 níveis: país, estados e cidades. Para finalizar os dados aprimorados serão usados para realizar previsões do AQI empregando modelos de séries temporais. Uma avaliação minuciosa das abordagens será realizada, comparando o impacto dos aprimoramentos nos dados com outras técnicas possíveis.
Abstract:
Air quality has become one of the most critical topics in research in recent years due to its direct impact on the general population’s health and biodiversity; risk groups such as older adults, children, and people with chronic or cardiorespiratory diseases are more vulnerable. In recent years, due to the Covid-19 pandemic, social isolation measures (lockdown) had to be applied to prevent the spread of the virus. As a result, several studies show the relationship between air quality and the death of patients with covid-19. The air quality index (AQI) is one of the most studied ways to assess air quality in regions. To calculate the AQI, indices of air pollutants are used; this information is collected through terrestrial sensors in monitoring centers; where there are no fixed sensors, satellite data is used. This research uses data from Sentinel-5, a satellite that provides daily information on the atmospheric composition of almost 100% of the Earth’s surface. The data collected by Sentinel-5 are processed through a pipeline proposed in this research to obtain levels of air pollutants in Brazil. After evaluating the accuracy of measurements of pollutants and as part of the thesis proposal, Sentinel-5 data will be improved with traditional super resolution and machine learning methods. The objective is to be able to represent the data in at least 3 levels: country, states and cities. Finally, the enhanced data will be used to perform AQI forecasts using time series models. A thorough evaluation of approaches will be carried out, comparing the impact of data enhancements against other possible techniques.
Banca examinadora:
Profa. Aura Conci, UFF – Presidente
Prof. Esteban Walter Gonzalez Clua, UFF
Prof. Luiz Marcos Garcia Gonçalves, UFRN
Prof. Luiz Felipe de Queiroz Silveira, UFRN