Mise en forme des plaquettes

A revisão de literatura apresentará as principais pesquisas com o banco de dados da AERONET tanto a nível global como a nível nacional, assim como alguns trabalhos envolvendo sistemas LIDAR e os sensores MODIS e CALIOP.

3.1 Estudos com o banco de dados da AERONET

A AERONET foi se aperfeiçoando no processamento dos dados por meio de algoritmos de processamento que evoluíram da Versão 1 para a Versão 2 em julho de 2006 e, em 2016, eles passaram à Versão 3, melhorando o processamento em pequenas correções, restauração de AOD de alta seletividade aplicada a todos os níveis, exclusão de nuvem, dados elevados de massa de ar, dado automático de qualidade assegurada, dentre outras. Smirnov et al. (2000) desenvolveram um algoritmo que elimina eventuais resultados contaminados por nuvens (cloud-screened) (nível 1.5) e Holben et al. (2006) desenvolveram um algoritmo de recuperação da Versão 2, melhorando a avaliação interna dos modelos esféricos e esferoides, a caracterização do albedo superficial para diferentes tipos de superfícies e alterando as restrições para garantir a qualidade da inversão4, sendo estas restrições desenvolvidas de acordo com estudos de sensibilidade de Dubovik et al. (2000).

A partir dos anos 2000, a AERONET utilizou o algoritmo de inversão desenvolvido por Dubovik e King (2000) que melhorou as recuperações de aerossol, ajustando todo o campo medido de radiação, recuperando propriedades tais como a distribuição de tamanho, o índice de refração complexo, SSA e função de fase para partículas esféricas homogêneas dispersas, que ficou conhecido como Dubovik Versão 1 (logo depois denominada Versão 1). Em seguida, o algoritmo foi expandido por Dubovik et al. (2000, 2002a, 2006), se adaptando às radiações medidas nos quatro comprimentos de onda para um modelo de transferência radiativa com as propriedades do aerossol derivadas com um mínimo de suposições. Sinyuk et al. (2007) modificaram o algoritmo inverso padrão de Dubovik e King (2000) para recuperar a refletância de superfície, além dos parâmetros de aerossol, quando estão disponíveis medições de satélites co-incidentes, em outras palavras, eles fizeram recuperações simultâneas das propriedades de aerossóis de uma combinação entre dados da AERONET e de satélites.

Giles et al. (2019) explicaram a diferença entre a versão atual da AERONET, Versão 3, e a Versão 2 da seguinte forma: o algoritmo Versão 3 fornece controles de qualidade de

4 _{Termo utilizado pela AERONET para os algoritmos que recuperam as propriedades ópticas de}

“varredura” de nuvem e controles de anomalia de instrumento totalmente automáticos; todas essas atualizações da nova versão aplicam-se a dados quase em tempo real; um aprimoramento completo do algoritmo proporcionou a oportunidade de melhorar as entradas e as correções de dados como as caracterizações de temperatura específicas do filtro exclusivo para todos os comprimentos de onda visível e infravermelho próximo, os coeficientes de absorção gasosos e de vapor de água atualizados e conjuntos de dados auxiliares. Desta forma, a Versão 3 é um novo algoritmo automatizado de garantia de qualidade dos dados.

Nakajima et al. (1996) desenvolveram e aplicaram um código de inversão (Skyrad.pack) que inclui modelos precisos de transferência radiativa para explicar o espalhamento múltiplo de partículas esféricas além de recuperar índice de refração, espessura óptica e distribuição de tamanho. Em outras palavras, esse método foi usado para inverter a distribuição angular de radiância do céu com ou sem espessura óptica espectral (esse código também é utilizado pela AERONET).

Mais tarde, Boi et al. (1999) realizaram algumas modificações nesse código para incluir a determinação de um melhor índice de refração, porém não usaram os dados da rede e sim, de radiômetros Modelo Pom-01 e Pom-01L da Prede Company (Tóquio). Olmo et al. (2006) adaptaram o código Skyrad.pack, conseguindo recuperar as propriedades ópticas de aerossóis não esféricos com base no modelo de uma mistura de esferóides polidispersos orientados aleatoriamente e Olmo et al. (2008) incluíram características não esféricas para melhorar as qualidades de recuperação para grandes partículas de poeira neste mesmo código já modificado.

O’Neill, Dubovik e Eck (2001) demonstraram que valores do Expoente de Ångström da moda fina podem ser extraídos diretamente das medidas espectrais de primeira e segunda ordem da profundidade óptica de aerossóis, por meio de um algoritmo de inversão de curvatura espectral. Dois anos depois, O’Neill et al. (2003) utilizaram o algoritmo de O’Neill, Dubovik e Eck (2001) para validar opticamente a extração da profundidade óptica da moda grossa e fina, resultando em uma coerência entre a variação da profundidade óptica da moda grossa com a evidência fotográfica de nuvens finas e uma coerência entre a variação da profundidade óptica da moda fina com as evidências fotográficas de céu limpo e neblina. Os dois estudos citados não incluíram medições de parâmetros microfísicos de aerossóis, mas sim, dados de extinção solar de nível 1.0 já que o algoritmo utilizado nesses estudos equivale a uma técnica de triagem parcial de nuvens.

Dentre outros estudos possibilitados pela base de dados da AERONET, tem-se: Kaufman, Gobbi e Koren (2006) mostraram que a exclusão rigorosa de nuvens pode

influenciar sistematicamente para condições menos nubladas e mais secas, subestimando Aerosol Optical Thickness (AOT) ao comparar o Algoritmo SVA5 de Kaufman et al. (2005b) com o algoritmo da AERONET nível 1.5; Gobbi et al. (2007) propuseram uma estrutura gráfica para classificar as propriedades de aerossóis usando observações diretas do Sol de fotômetros solares para oito estações espalhadas no globo; e Prats et al. (2008) caracterizaram os aerossóis utilizando algumas propriedades ópticas (AOD, α, SSA, VSD e N) da Versão 1 para um curto período de tempo (verão de 2004).

Taylor et al. (2015) desenvolveram uma metodologia para particionar espacialmente o globo em zonas de misturas de aerossol com características distintas com contribuições do modelo global Goddard Chemistry Aerosol Radiation and Transport (GOCART), tendo como referência os valores da AERONET; e, no mesmo ano, Tomasi et al. (2015) caracterizaram os aerossóis em regiões polares por meio do sensoriamento remoto utilizando a rede AERONET como base de dados principal. Além dessa base, eles utilizaram satélites e perfis verticais de LIDAR.

Adicionalmente, o Quadro 1 traz um resumo de algumas propriedades ópticas de aerossóis estudadas, utilizando o banco de dados da rede AERONET. Estas propriedades também foram analisadas no presente trabalho.

Quadro 1- Exemplos de pesquisas utilizando algumas propriedades ópticas com dados da AERONET e seus respectivos autores.

Propriedades ópticas Autores

AOD

Valenzuela et al. (2010); Smirnov et al. (2002); Perrone et al. (2004); Toledano (2005); Paixão et al. (2006); Muyimbwa et al.

(2015). α

Valenzuela et al. (2010); Smirnov et al. (2002); Perrone et al. (2004); Toledano (2005); Paixão et al. (2006); Muyimbwa et al.

(2015). DTV

Valenzuela et al. (2010); Smirnov et al. (2002); Perrone et al. (2004); Guerrero-Rascado et al. (2009); Paixão et al. (2006); Hamill et al. (2016); Olmo et al. (2008); Dubovik et al. (2002a). SSA Valenzuela et al. (2010); Smirnov et al. (2002); Perrone et al.

(2004); Lee et al. (2010); Paixão et al. (2006).

N Perrone et al. (2004); Paixão et al. (2006); Hamill et al. (2016). Água precipitável Smirnov et al. (2002); Paixão et al. (2006); Muyimbwa et al.

(2015).

g Valenzuela et al. (2010); Paixão et al. (2006).

Fonte: Elaborada pelo autor (2018).

5_{Algoritmo SVA (Spectral Variability Cloud Screening Algorithm) de Kaufman et al. (2005b) foi}

desenvolvido para rastrear as nuvens e aumentar o volume de dados de aerossóis nos produtos do MODIS.

3.2 Estudos com outras técnicas de sensoriamento remoto de aerossóis

Em relação a outras técnicas de sensoriamento remoto de aerossóis, foi possível relacionar dados de satélite e LIDAR com o banco de dados da rede AERONET, tais como: Kaufman et al. (1998) usaram várias técnicas para derivar a absorção de aerossóis e a concentração de black carbon (BC) a partir de análises laboratoriais de filtros, monitoramento contínuo in situ de aeronaves e sensoriamento remoto de fotômetros da AERONET, em um experimento chamado Smoke, Clouds, and Radiaton-Brasil (SCAR-B) ocorrido em 1995; Omar et al. (2005) desenvolveram um modelo de classificação dos aerossóis utilizado pelo CALIPSO derivado de uma análise de cluster dos dados de propriedades ópticas do fotômetro solar; Kaufman et al. (2005a) fizeram uma primeira quantificação da poeira que é transportada da África para a Bacia Amazônica utilizando o MODIS correlacionado com a AERONET; Kaufman et al. (2005b) investigaram os efeitos de nuvens nas medidas MODIS de AOT e o efeito das nuvens mais baixas usando a diferença entre o MODIS e AOT da AERONET medidos simultaneamente.

Em relação às validações com sensores de satélites, Guerrero-Rascado et al. (2009) e Wang et al. (2016) utilizaram o MODIS para suas validações; Landulfo et al. (2016) e Omar et al. (2013) utilizaram o CALIPSO para validações em seus trabalhos; Rizzo et al. (2013) associaram os coeficientes de espalhamento e de retroespalhamento de sua pesquisa com medidas de aerossóis baseadas no MODIS; e Guedes et al. (2018) correlacionaram medições do DUSTER Lidar, na cidade de Natal, com dados do fotômetro solar CIMEL, dados do satélite CALIPSO, além de avaliar a origem das massas de ar com o modelo HYSPLIT. Os resultados de Guedes et al. (2018) mostraram que os aerossóis sobre a cidade de Natal são compatíveis com a poeira mineral para o dia 11 de março de 2016.

Outros estudos com sistemas LIDAR: Baars et al. (2011) confirmaram uma forte contribuição de fumaça para as plumas de aerossol que são transportadas da África Central e Ocidental para a América do Sul, durante a estação chuvosa da Amazônia, sendo esta pesquisa a primeira documentação de perfil vertical do transporte de longo alcance de fumaça africana com base em observações LIDAR na Bacia Amazônica; e Montilla-Rosero et al. (2016) utilizaram um sistema de LIDAR elástico para identificar intrusões de camadas externas de aerossol através do aumento significativo de propriedades ópticas de aerossóis ao longo das alturas mais baixas da troposfera, de Concepción - Chile, sendo este estudo o primeiro a mostrar os resultados com esse tipo de sistema para a região.

3.3 Transporte transcontinental de aerossóis

Em relação ao transporte transatlântico de aerossóis de queima de biomassa e de poeira mineral, Landulfo et al. (2016) identificaram uma pluma de aerossol a aproximadamente 3.000 metros de altura sobre Natal, no dia 1 de junho de 2016, e a classificaram como poeira. Em seu estudo Landulfo et al., (2016) utilizou um LIDAR, isso faz com que esta pesquisa (dissertação) seja pioneira em Natal, já que pela primeira vez foram utilizadas as medições direta do Sol e as de radiância do céu do fotômetro solar CIMEL para obter as propriedades ópticas e a classificação dos aerossóis.

Em trabalhos mais recentes, Cardoso et al. (2018) mediram poeira nos meses de dezembro a fevereiro e de maio a setembro transportada em massas de ar provenientes do Norte da África para a Ilha de Cabo Verde, e Wang et al. (2016) encontraram não só a presença de poeira africana na bacia amazônica, mas também a presença de aerossóis de queima de biomassa vindos do continente africano que interrompem episodicamente as condições quase prístinas da região. O mesmo estudo concluiu que a emissão da depressão de Bodélé é importante no leste do Brasil, sendo a ZCIT um dos principais sistemas sinóticos para o transporte de poeira da depressão de Bodélé nos meses de inverno (janeiro a março) (ABOUCHAMI et al., 2013).

Anteriormente, Smirnov et al. (2002) identificaram na pequena Ilha Ascension, aerossóis de poeira e de combustão de biomassa vindos da África. Sendo assim, estes estudos reforçam, mais uma vez, a presença destas partículas na América do Sul e no Oceano Atlântico, respectivamente.

É sabido que o transporte da poeira mineral e de aerossóis de queima de biomassa do continente africano chega até a Amazônia durante a estação chuvosa (de janeiro a maio) como mostram os estudos de Talbot et al. (1990); Swap et al. (1992); Baars et al. (2011); Ben-Ami et al. (2010) e Abouchami et al. (2013), assim como Kumar et al. (2014) mostraram que o transporte transatlântico da poeira africana chega até o Caribe. Por fim, Rizzo et al. (2013) também observaram episódios de queima de biomassa e partículas de poeira mineral advectadas da África entre os meses de janeiro e abril.