Use este identificador para citar ou linkar para este item: http://dspace.mackenzie.br/handle/10899/18792
Registro completo de metadados
Campo DCValorIdioma
dc.creatorPereira, André Luiz Garcia-
dc.date.accessioned2018-10-17T18:19:38Z-
dc.date.accessioned2019-04-08T16:21:25Z-
dc.date.available2019-04-08T16:21:25Z-
dc.date.issued2018-08-20-
dc.identifier.citationPEREIRA, André Luiz Garcia. Desenvolvimento de metodologias para o reconhecimento de estruturas quiescentes em mapas solares observados pelo Telescópio Solar para Ondas Submilimétricas (SST). 2018. 95 f. Tese( Ciências e Aplicações Geoespaciais) - Universidade Presbiteriana Mackenzie, São Paulo.por
dc.identifier.urihttp://tede.mackenzie.br/jspui/handle/tede/3691-
dc.identifier.urihttp://dspace.mackenzie.br/handle/10899/18792-
dc.description.abstractThe Submillimeter Solar Telescope (SST) operates simultaneously and independently with a multibeam focal array at 212 and 405 GHz. Since 1999, the SST daily monitors in different modes of observation the solar activity generating binary files from which solar maps can be extracted. The identification of Active Regions in these maps is affected by the strong atmospheric attenuation and inaccuracies of the telescope's pointing, therefore, maps are visually inspected to manually extract the Active Regions. This is a lengthy process for performing a statistical analysis over the 20-year data set already recorded. To automatize the process artificial intelligence techniques of machine learning and computer vision were proposed. A Convolutional Neural Network was created within the Keras framework for the classification of the SST maps and then, a computer vision algorithm in the OpenCV framework was used for the automatic detection of ARs. This hybrid approach allowed the identification of more than 400 active regions between January 2002 and December 2017 and their physical properties were statistically analysed. The results were validated comparing with previous works which were carried out with a visual identification and manual extraction procedure, and a good agreement was found. Moreover, we present for the first time, evidence of a positive correlation between the brightness temperature at 212 GHz and the flux density at 2.8 GHz (the S component) along the solar cycle.eng
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superiorpor
dc.formatapplication/pdf*
dc.languageporpor
dc.publisherUniversidade Presbiteriana Mackenziepor
dc.rightsAcesso Abertopor
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/-
dc.subjectatmosfera solarpor
dc.subjectsolpor
dc.subjectSSTpor
dc.subjectemissão milimétricapor
dc.subjectemissão submilimétricapor
dc.subjectinteligência artificialpor
dc.subjectreconhecimento de padrõespor
dc.subjectaprendizagem profunda de máquinapor
dc.subjectvisão computacionalpor
dc.titleDesenvolvimento de metodologias para o reconhecimento de estruturas quiescentes em mapas solares observados pelo Telescópio Solar para Ondas Submilimétricas (SST)por
dc.typeTesepor
dc.publisher.departmentEscola de Engenharia Mackenzie (EE)por
dc.publisher.programCiências e Aplicações Geoespaciaispor
dc.publisher.initialsUPMpor
dc.publisher.countryBrasilpor
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::ENGENHARIA DE SOFTWAREpor
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::LINGUAGENS DE PROGRAMACAOpor
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO::SOFTWARE BASICOpor
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpor
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::ASTRONOMIA::ASTROFISICA DO SISTEMA SOLAR::FISICA SOLARpor
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::ASTRONOMIApor
dc.description.resumoO Telescópio Solar Submilimétrico (SST) opera simultaneamente e de forma independente, com uma matriz focal multifeixe em 212 e 405 GHz. Desde 1999, o SST monitora diariamente em diferentes modos de observação a atividade solar gerando arquivos binários dos quais mapas solares podem ser extraídos. A identificação de Regiões Ativas nesses mapas é afetada pela forte atenuação atmosférica e imprecisões dos apontamentos do telescópio, portanto, os mapas são visualmente inspecionados para extração manual as Regiões Ativas. Este é um processo demorado para a realização de uma análise estatística ao longo do conjunto de dados de 20 anos já registrado. Para automatizar o processo, foram propostas técnicas de inteligência artificial de aprendizado de máquina e de visão computacional. Uma Rede Neural Convolucional foi criada dentro do framework Keras para a classificação dos mapas SST e, em seguida, um algoritmo de visão computacional no framework OpenCV para a detecção automática das Regiões Ativas. Esta abordagem híbrida permitiu a identificação de mais de 400 Regiões Ativas entre janeiro de 2002 e dezembro de 2017 e a análise estatística de suas propriedades físicas. Os resultados foram validados a partir da comparação com trabalhos anteriores, que foram realizados com um procedimento de identificação visual e extração manual, e foi encontrada boa concordância. Além destes resultados, mostramos pela primeira vez evidências de uma correlação positiva entre a temperatura de brilho em 212 GHz e o fluxo em 2.8 GHz (componente S).por
dc.creator.Latteshttp://lattes.cnpq.br/6125498226828063por
dc.contributor.advisor1Castro, Carlos Guillermo Giménez de-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5735720962238368por
dc.contributor.referee1Correia, Emilia-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/1272123236892781por
dc.contributor.referee2Silva, Luciano-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/7514305376858192por
dc.contributor.referee3Dal Lago, Alisson-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/2768849231719678por
dc.contributor.referee4Costa, Joaquim Eduardo Rezende-
dc.contributor.referee4Latteshttp://lattes.cnpq.br/7275059047419031por
dc.thumbnail.urlhttp://tede.mackenzie.br/jspui/retrieve/17309/Andre%20Luiz%20Garcia%20Pereira.pdf.jpg*
dc.bitstream.urlhttp://tede.mackenzie.br/jspui/bitstream/tede/3691/5/Andre%20Luiz%20Garcia%20Pereira.pdf
dc.keywordssolar atmosphereeng
dc.keywordssuneng
dc.keywordsSSTeng
dc.keywordsmillimeter emissioneng
dc.keywordssubmillimeter emissioneng
dc.keywordsartificial intelligenceeng
dc.keywordspattern recognitioneng
dc.keywordsmachine learningeng
Aparece nas coleções:Ciências e Aplicações Geoespaciais - Teses - CRAAM

Arquivos associados a este item:
Não existem arquivos associados a este item.


Este arquivo é protegido por direitos autorais



Este item está licenciada sob uma Licença Creative Commons Creative Commons