Εκτίμηση οπτικών ιδιοτήτων των αιωρούμενων σωματιδίων από ψηφιακές απεικονίσεις του ουράνιου θόλου

Σκοπός της παρούσας διπλωματικής εργασίας είναι η μελέτη των οπτικών ιδιοτήτων των αιωρούμενων σωματιδίων (aerosols). Πιο συγκεκριμένα, παρουσιάζεται μια μέθοδος υπολογισμού οπτικών ιδιοτήτων των aerosols, έχοντας σαν αντικείμενο μελέτης φωτογραφίες, συγκεκριμένου μεγέθους και ανάλυσης, που αναπαρισ...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Γιαννακλής, Χρήστος-Παναγιώτης
Άλλοι συγγραφείς: Giannaklis, Christos-Panagiotis
Γλώσσα:Greek
Έκδοση: 2022
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/16571
id nemertes-10889-16571
record_format dspace
institution UPatras
collection Nemertes
language Greek
topic Αιωρούμενα σωματίδια
Οπτικές ιδιότητες
Μηχανική μάθηση
Aerosols
Optical properties
Machine learning
spellingShingle Αιωρούμενα σωματίδια
Οπτικές ιδιότητες
Μηχανική μάθηση
Aerosols
Optical properties
Machine learning
Γιαννακλής, Χρήστος-Παναγιώτης
Εκτίμηση οπτικών ιδιοτήτων των αιωρούμενων σωματιδίων από ψηφιακές απεικονίσεις του ουράνιου θόλου
description Σκοπός της παρούσας διπλωματικής εργασίας είναι η μελέτη των οπτικών ιδιοτήτων των αιωρούμενων σωματιδίων (aerosols). Πιο συγκεκριμένα, παρουσιάζεται μια μέθοδος υπολογισμού οπτικών ιδιοτήτων των aerosols, έχοντας σαν αντικείμενο μελέτης φωτογραφίες, συγκεκριμένου μεγέθους και ανάλυσης, που αναπαριστούν τον ουράνιο θόλο σε μια περιοχή και οι οποίες αναπαράγονται ανά τακτικά χρονικά διαστήματα. Χρησιμοποιείται το μοντέλο διάδοσης της ηλιακής ακτινοβολίας στην ατμόσφαιρα LibRadtran για τον υπολογισμό των ακτινοβολιών στην επιφάνεια από διάφορα σημεία του ουράνιου θόλου. Δεδομένα για τα αιωρούμενα σωματίδια ανακτήθηκαν από το παγκόσμιο δικτύου AERONET μέσω του ηλιακού φωτόμετρου CIMEL στο Εθνικό Αστεροσκοπείο Αθηνών, στην ίδια τοποθεσία που βρίσκεται και η κάμερα. Στο πρώτο κεφάλαιο γίνεται μια σύντομη αναδρομή στη γήινη ατμόσφαιρα με έμφαση κυρίως στα συστατικά της, αέρια και σωματίδια. Στη συνέχεια, το δεύτερο κεφάλαιο εστιάζει στην ηλιακή ακτινοβολία και στις διαδικασίες που συμμετέχει αυτή κατά τη διάδοσή της μέσα στην ατμόσφαιρα από το διάστημα έως την επιφάνεια της Γης. Εκτενής αναφορά γίνεται στην αλληλεπίδρασή της με τα αέρια της ατμόσφαιρας και τα αιωρούμενα σωματίδια και παρουσιάζεται το ισοζύγιο ενέργειας του πλανήτη, άμεσα συνδεδεμένο με τις διαδικασίες που αναφέρονται. Στο τρίτο κεφάλαιο, παρουσιάζονται οι μορφές των αιωρούμενων σωματιδίων, η χημική τους σύσταση, οι πηγές προέλευσής τους, καθώς επίσης και οι ιδιότητές τους. Επίσης, γίνεται αναφορά στις επιδράσεις που έχουν αυτά σε παγκόσμια κλίμακα, στο ενεργειακό ισοζύγιο, καθώς και στην ανθρώπινη υγεία. Το τέταρτο κεφάλαιο αναφέρεται στους τρόπους παρακολούθησης των αιωρούμενων σωματιδίων. Ιδιαίτερα, επικεντρωνόμαστε στο δίκτυο ηλιακών φωτόμετρων CIMEL του AERONET, που λειτουργεί υπό την αιγίδα της NASA και παρέχει δεδομένα για το οπτικό βάθος των αιωρούμενων σωματιδίων (AOD) και μέσω αντίστροφου αλγορίθμου και για τις υπόλοιπες οπτικές ιδιότητές τους. Γίνεται επίσης αναφορά σε ορισμένες δημοσιεύσεις που σχετίζονται με το εν λόγω δίκτυο. Οι πρώτες αφορούν μια μέθοδο κατηγοριοποίησης των αιωρούμενων σωματιδίων ανάλογα με το μέγεθος και την απορροφητικότητά τους. Η επόμενη αφορά την κλιματολογία των οπτικών ιδιοτήτων των αερολυμάτων βασιζόμενη στον σταθμό του AERONET στην Αθήνα, ενώ η τελευταία παρουσιάζει μια μέθοδο εκτίμησης των τιμών του ΑOD που λείπουν από το δίκτυο. Στο πέμπτο κεφάλαιο, εστιάζουμε σε παλαιότερες αναφορές που έχουν γίνει σε επιστημονικά περιοδικά και αφορούν μεθόδους υπολογισμού των οπτικών ιδιοτήτων των αερολυμάτων χρησιμοποιώντας φωτογραφίες ολόκληρου του ουράνιου θόλου. Παρουσιάζεται η δουλειά των Olmo et al., (2008) όπου η εξαγωγή του AOD από τις φωτογραφίες γίνεται μέσω γραμμικού ψευδο-αντίστροφου αλγορίθμου. Έπειτα, αναφερόμαστε στους Cazorla et al., (2009), οι οποίοι χρησιμοποίησαν ένα νευρωνικό δίκτυο για να αναπαράξουν το οπτικό βάθος των aerosols, ενώ οι Huo & Lu (2009) παρουσίασαν μια μελέτη που εξάγει το AOD μέσω μιας εκθετικής σχέσης που περιλαμβάνει το λόγο των ακτινοβολιών στα 450 και 650 nm. Οι Kazantzidis et al., (2017) χρησιμοποίησαν μια πολύ-γραμμική σχέση για τον υπολογισμό του AOD λαμβάνοντας υπόψη για πρώτη φορά την κορεσμένη περιοχή γύρω από τον Ήλιο. Τέλος, οι Roman et al., (2022) δημοσίευσαν μια εργασία η οποία περιέχει τα αποτελέσματα των οπτικών ιδιοτήτων αιωρούμενων σωματιδίων από σύστημα απεικόνισης του ουρανού, όπως αυτά εξάγονται από το μοντέλο GRASP. Για όλες τις αναφορές παρουσιάζονται τα αντίστοιχα αποτελέσματα και οι γραφικές αυτών σε σχέση με τις πρότυπες τιμές που δίνει το AERONET. Τέλος, στο έκτο κεφάλαιο, παρουσιάζεται η μέθοδος που χρησιμοποιήθηκε στην παρούσα εργασία για την εξαγωγή των οπτικών ιδιοτήτων από φωτογραφίες ολόκληρου του ουράνιου θόλου μέσω του μοντέλου Extreme Gradient Boosting. Γίνεται μια μικρή παρουσίαση της all-sky κάμερας που χρησιμοποιείται, αναλύονται τα σενάρια που κατασκευάσαμε στο μοντέλο διάδοσης της ακτινοβολίας LibRadtran. Κατόπιν, εξετάζεται η σχέση μεταξύ των μοντελοποιημένων ακτινοβολιών με τις αντίστοιχες εντάσεις χρώματος όπως εξάγονται από την φωτογραφία. Δίνεται ιδιαίτερη έμφαση στην κορεσμένη περιοχή γύρω από τον Ήλιο, καθώς αποτελεί μια σημαντική παράμετρο εισόδου στο μοντέλο μας. Έπειτα, παρουσιάζουμε το τελικό σετ δεδομένων που θα χρησιμοποιηθεί, ενώ γίνεται και μια σύντομη ανάλυση του μοντέλου XGBoost. Τα τελικά αποτελέσματα για το AOD στα τρία μήκη κύματος, 440, 500 και 675 nm, συγκρίνονται με τα αντίστοιχα δεδομένα από το ηλιακό φωτόμετρο CIMEL του δικτύου του AERONET. Οι συντελεστές συσχέτισης r2 είναι 0.87, 0.83 και 0.84 αντίστοιχα για κάθε μήκος κύματος. Παρουσιάζονται επίσης τα ιστογράμματα του σφάλματος στο AOD καθώς και άλλοι στατιστικοί δείκτες, όπως το RMSE και το MBE. Χρησιμοποιώντας το εξαγόμενο AOD στα 440 και στα 675 nm υπολογίζεται και ο εκθέτης α του Angstrom, ο οποίος επίσης συγκρίνεται με τα αντίστοιχα δεδομένα του AERONET, χωρίς ωστόσο τόσο καλά αποτελέσματα (r2 = 0.49). Πρόκειται για μια ποσότητα που υπολογίζεται μέσω δύο μεγεθών που προβλέπονται από το μοντέλο. Αναπόφευκτα τα σφάλματά τους μεταφέρονται κατά τον υπολογισμό του α, οπότε τα αποτελέσματα είναι μικρότερης ακρίβειας. Κατόπιν, ερευνάται αν υπάρχει κάποια σχέση μεταξύ του σφάλματος στον υπολογισμό του AOD με τις τιμές του SSA (ανακλαστικότητα μεμονωμένης σκέδασης), χωρίς ωστόσο να παρατηρείται κάποιο μοτίβο. Από το μοντέλο εξάγεται επίσης το κλάσμα λεπτόκοκκων σωματιδίων (FMF), που μας δίνει πληροφορία σχετικά με το μέγεθος των σωματιδίων, τόσο ως νούμερο (μοντέλο παλινδρόμησης), όσο και ως κλάση (μοντέλο ταξινόμησης). Όσο αφορά το μοντέλο παλινδρόμησης, γίνεται σύγκριση με τις τιμές του FMF από το AERONET με τον ίδιο τρόπο που έγινε για τον AOD δίνοντας αρκετά καλά αποτελέσματα (r2 = 0.88). Το μοντέλο ταξινόμησης κατηγοριοποιεί τα σωματίδια σε τρεις κλάσεις, χονδρόκοκκα, αναμεμειγμένα, και λεπτόκοκκα ανάλογα με την τιμή του FMF. Τα αποτελέσματά του παρουσιάζονται μέσω ενός πίνακα σφάλματος και διάφορων στατιστικών δεικτών που δείχνουν την επιτυχία του μοντέλου. Στη συνέχεια, χρησιμοποιώντας τις τιμές του FMF από το μοντέλο παλινδρόμησης, κατατάσσουμε τα σωματίδια σε κλάσεις. Τα αποτελέσματα είναι αρκετά καλά και οι διαφορές συγκριτικά με το μοντέλο ταξινόμησης μικρές. Χαρακτηριστικά αναφέρουμε ότι ο δείκτης ακρίβειας στο μοντέλο ταξινόμησης είναι 0.95, 0.88 και 0.92 για χονδρόκοκκα, αναμεμειγμένα, και λεπτόκοκκα σωματίδια αντίστοιχα, ενώ για τον καθορισμό των κλάσεων από το μοντέλο παλινδρόμησης, έχουμε αντίστοιχα, 0.94, 0.87 και 0.93.
author2 Giannaklis, Christos-Panagiotis
author_facet Giannaklis, Christos-Panagiotis
Γιαννακλής, Χρήστος-Παναγιώτης
author Γιαννακλής, Χρήστος-Παναγιώτης
author_sort Γιαννακλής, Χρήστος-Παναγιώτης
title Εκτίμηση οπτικών ιδιοτήτων των αιωρούμενων σωματιδίων από ψηφιακές απεικονίσεις του ουράνιου θόλου
title_short Εκτίμηση οπτικών ιδιοτήτων των αιωρούμενων σωματιδίων από ψηφιακές απεικονίσεις του ουράνιου θόλου
title_full Εκτίμηση οπτικών ιδιοτήτων των αιωρούμενων σωματιδίων από ψηφιακές απεικονίσεις του ουράνιου θόλου
title_fullStr Εκτίμηση οπτικών ιδιοτήτων των αιωρούμενων σωματιδίων από ψηφιακές απεικονίσεις του ουράνιου θόλου
title_full_unstemmed Εκτίμηση οπτικών ιδιοτήτων των αιωρούμενων σωματιδίων από ψηφιακές απεικονίσεις του ουράνιου θόλου
title_sort εκτίμηση οπτικών ιδιοτήτων των αιωρούμενων σωματιδίων από ψηφιακές απεικονίσεις του ουράνιου θόλου
publishDate 2022
url http://hdl.handle.net/10889/16571
work_keys_str_mv AT giannaklēschrēstospanagiōtēs ektimēsēoptikōnidiotētōntōnaiōroumenōnsōmatidiōnapopsēphiakesapeikoniseistououranioutholou
AT giannaklēschrēstospanagiōtēs retrievalofaerosolopticalpropertiesusinganallskycamera
_version_ 1771297279645319168
spelling nemertes-10889-165712022-09-05T20:35:17Z Εκτίμηση οπτικών ιδιοτήτων των αιωρούμενων σωματιδίων από ψηφιακές απεικονίσεις του ουράνιου θόλου Retrieval of aerosol optical properties using an all sky camera Γιαννακλής, Χρήστος-Παναγιώτης Giannaklis, Christos-Panagiotis Αιωρούμενα σωματίδια Οπτικές ιδιότητες Μηχανική μάθηση Aerosols Optical properties Machine learning Σκοπός της παρούσας διπλωματικής εργασίας είναι η μελέτη των οπτικών ιδιοτήτων των αιωρούμενων σωματιδίων (aerosols). Πιο συγκεκριμένα, παρουσιάζεται μια μέθοδος υπολογισμού οπτικών ιδιοτήτων των aerosols, έχοντας σαν αντικείμενο μελέτης φωτογραφίες, συγκεκριμένου μεγέθους και ανάλυσης, που αναπαριστούν τον ουράνιο θόλο σε μια περιοχή και οι οποίες αναπαράγονται ανά τακτικά χρονικά διαστήματα. Χρησιμοποιείται το μοντέλο διάδοσης της ηλιακής ακτινοβολίας στην ατμόσφαιρα LibRadtran για τον υπολογισμό των ακτινοβολιών στην επιφάνεια από διάφορα σημεία του ουράνιου θόλου. Δεδομένα για τα αιωρούμενα σωματίδια ανακτήθηκαν από το παγκόσμιο δικτύου AERONET μέσω του ηλιακού φωτόμετρου CIMEL στο Εθνικό Αστεροσκοπείο Αθηνών, στην ίδια τοποθεσία που βρίσκεται και η κάμερα. Στο πρώτο κεφάλαιο γίνεται μια σύντομη αναδρομή στη γήινη ατμόσφαιρα με έμφαση κυρίως στα συστατικά της, αέρια και σωματίδια. Στη συνέχεια, το δεύτερο κεφάλαιο εστιάζει στην ηλιακή ακτινοβολία και στις διαδικασίες που συμμετέχει αυτή κατά τη διάδοσή της μέσα στην ατμόσφαιρα από το διάστημα έως την επιφάνεια της Γης. Εκτενής αναφορά γίνεται στην αλληλεπίδρασή της με τα αέρια της ατμόσφαιρας και τα αιωρούμενα σωματίδια και παρουσιάζεται το ισοζύγιο ενέργειας του πλανήτη, άμεσα συνδεδεμένο με τις διαδικασίες που αναφέρονται. Στο τρίτο κεφάλαιο, παρουσιάζονται οι μορφές των αιωρούμενων σωματιδίων, η χημική τους σύσταση, οι πηγές προέλευσής τους, καθώς επίσης και οι ιδιότητές τους. Επίσης, γίνεται αναφορά στις επιδράσεις που έχουν αυτά σε παγκόσμια κλίμακα, στο ενεργειακό ισοζύγιο, καθώς και στην ανθρώπινη υγεία. Το τέταρτο κεφάλαιο αναφέρεται στους τρόπους παρακολούθησης των αιωρούμενων σωματιδίων. Ιδιαίτερα, επικεντρωνόμαστε στο δίκτυο ηλιακών φωτόμετρων CIMEL του AERONET, που λειτουργεί υπό την αιγίδα της NASA και παρέχει δεδομένα για το οπτικό βάθος των αιωρούμενων σωματιδίων (AOD) και μέσω αντίστροφου αλγορίθμου και για τις υπόλοιπες οπτικές ιδιότητές τους. Γίνεται επίσης αναφορά σε ορισμένες δημοσιεύσεις που σχετίζονται με το εν λόγω δίκτυο. Οι πρώτες αφορούν μια μέθοδο κατηγοριοποίησης των αιωρούμενων σωματιδίων ανάλογα με το μέγεθος και την απορροφητικότητά τους. Η επόμενη αφορά την κλιματολογία των οπτικών ιδιοτήτων των αερολυμάτων βασιζόμενη στον σταθμό του AERONET στην Αθήνα, ενώ η τελευταία παρουσιάζει μια μέθοδο εκτίμησης των τιμών του ΑOD που λείπουν από το δίκτυο. Στο πέμπτο κεφάλαιο, εστιάζουμε σε παλαιότερες αναφορές που έχουν γίνει σε επιστημονικά περιοδικά και αφορούν μεθόδους υπολογισμού των οπτικών ιδιοτήτων των αερολυμάτων χρησιμοποιώντας φωτογραφίες ολόκληρου του ουράνιου θόλου. Παρουσιάζεται η δουλειά των Olmo et al., (2008) όπου η εξαγωγή του AOD από τις φωτογραφίες γίνεται μέσω γραμμικού ψευδο-αντίστροφου αλγορίθμου. Έπειτα, αναφερόμαστε στους Cazorla et al., (2009), οι οποίοι χρησιμοποίησαν ένα νευρωνικό δίκτυο για να αναπαράξουν το οπτικό βάθος των aerosols, ενώ οι Huo & Lu (2009) παρουσίασαν μια μελέτη που εξάγει το AOD μέσω μιας εκθετικής σχέσης που περιλαμβάνει το λόγο των ακτινοβολιών στα 450 και 650 nm. Οι Kazantzidis et al., (2017) χρησιμοποίησαν μια πολύ-γραμμική σχέση για τον υπολογισμό του AOD λαμβάνοντας υπόψη για πρώτη φορά την κορεσμένη περιοχή γύρω από τον Ήλιο. Τέλος, οι Roman et al., (2022) δημοσίευσαν μια εργασία η οποία περιέχει τα αποτελέσματα των οπτικών ιδιοτήτων αιωρούμενων σωματιδίων από σύστημα απεικόνισης του ουρανού, όπως αυτά εξάγονται από το μοντέλο GRASP. Για όλες τις αναφορές παρουσιάζονται τα αντίστοιχα αποτελέσματα και οι γραφικές αυτών σε σχέση με τις πρότυπες τιμές που δίνει το AERONET. Τέλος, στο έκτο κεφάλαιο, παρουσιάζεται η μέθοδος που χρησιμοποιήθηκε στην παρούσα εργασία για την εξαγωγή των οπτικών ιδιοτήτων από φωτογραφίες ολόκληρου του ουράνιου θόλου μέσω του μοντέλου Extreme Gradient Boosting. Γίνεται μια μικρή παρουσίαση της all-sky κάμερας που χρησιμοποιείται, αναλύονται τα σενάρια που κατασκευάσαμε στο μοντέλο διάδοσης της ακτινοβολίας LibRadtran. Κατόπιν, εξετάζεται η σχέση μεταξύ των μοντελοποιημένων ακτινοβολιών με τις αντίστοιχες εντάσεις χρώματος όπως εξάγονται από την φωτογραφία. Δίνεται ιδιαίτερη έμφαση στην κορεσμένη περιοχή γύρω από τον Ήλιο, καθώς αποτελεί μια σημαντική παράμετρο εισόδου στο μοντέλο μας. Έπειτα, παρουσιάζουμε το τελικό σετ δεδομένων που θα χρησιμοποιηθεί, ενώ γίνεται και μια σύντομη ανάλυση του μοντέλου XGBoost. Τα τελικά αποτελέσματα για το AOD στα τρία μήκη κύματος, 440, 500 και 675 nm, συγκρίνονται με τα αντίστοιχα δεδομένα από το ηλιακό φωτόμετρο CIMEL του δικτύου του AERONET. Οι συντελεστές συσχέτισης r2 είναι 0.87, 0.83 και 0.84 αντίστοιχα για κάθε μήκος κύματος. Παρουσιάζονται επίσης τα ιστογράμματα του σφάλματος στο AOD καθώς και άλλοι στατιστικοί δείκτες, όπως το RMSE και το MBE. Χρησιμοποιώντας το εξαγόμενο AOD στα 440 και στα 675 nm υπολογίζεται και ο εκθέτης α του Angstrom, ο οποίος επίσης συγκρίνεται με τα αντίστοιχα δεδομένα του AERONET, χωρίς ωστόσο τόσο καλά αποτελέσματα (r2 = 0.49). Πρόκειται για μια ποσότητα που υπολογίζεται μέσω δύο μεγεθών που προβλέπονται από το μοντέλο. Αναπόφευκτα τα σφάλματά τους μεταφέρονται κατά τον υπολογισμό του α, οπότε τα αποτελέσματα είναι μικρότερης ακρίβειας. Κατόπιν, ερευνάται αν υπάρχει κάποια σχέση μεταξύ του σφάλματος στον υπολογισμό του AOD με τις τιμές του SSA (ανακλαστικότητα μεμονωμένης σκέδασης), χωρίς ωστόσο να παρατηρείται κάποιο μοτίβο. Από το μοντέλο εξάγεται επίσης το κλάσμα λεπτόκοκκων σωματιδίων (FMF), που μας δίνει πληροφορία σχετικά με το μέγεθος των σωματιδίων, τόσο ως νούμερο (μοντέλο παλινδρόμησης), όσο και ως κλάση (μοντέλο ταξινόμησης). Όσο αφορά το μοντέλο παλινδρόμησης, γίνεται σύγκριση με τις τιμές του FMF από το AERONET με τον ίδιο τρόπο που έγινε για τον AOD δίνοντας αρκετά καλά αποτελέσματα (r2 = 0.88). Το μοντέλο ταξινόμησης κατηγοριοποιεί τα σωματίδια σε τρεις κλάσεις, χονδρόκοκκα, αναμεμειγμένα, και λεπτόκοκκα ανάλογα με την τιμή του FMF. Τα αποτελέσματά του παρουσιάζονται μέσω ενός πίνακα σφάλματος και διάφορων στατιστικών δεικτών που δείχνουν την επιτυχία του μοντέλου. Στη συνέχεια, χρησιμοποιώντας τις τιμές του FMF από το μοντέλο παλινδρόμησης, κατατάσσουμε τα σωματίδια σε κλάσεις. Τα αποτελέσματα είναι αρκετά καλά και οι διαφορές συγκριτικά με το μοντέλο ταξινόμησης μικρές. Χαρακτηριστικά αναφέρουμε ότι ο δείκτης ακρίβειας στο μοντέλο ταξινόμησης είναι 0.95, 0.88 και 0.92 για χονδρόκοκκα, αναμεμειγμένα, και λεπτόκοκκα σωματίδια αντίστοιχα, ενώ για τον καθορισμό των κλάσεων από το μοντέλο παλινδρόμησης, έχουμε αντίστοιχα, 0.94, 0.87 και 0.93. The purpose of this diploma thesis is to study the aerosol optical properties. More specifically, we propose a method to retrieve Aerosol Optical Properties, using all-sky images of specific size and analysis that being reproducing with certain step for one area. We also use the Radiative Transfer Model LibRadtran to reproduce the modelled radiances at surface. Aerosol data are downloaded from the AERONET (AErosol RObotic NETwork), a federation of ground-based remote sensing aerosol networks with measurement stations distributed worldwide, all using the same standard instrument model. This standard instrument is a sun–sky photometer which is capable of measuring direct sun irradiance and sky radiances at several wavelengths. The camera is located next to AERONET’s station in National Observatory of Athens (NOA). In more detail, at the first chapter, we make a brief introduction of the Earth’s atmosphere with emphasis on its components, both gases and particles. Next, the second chapter focuses on solar radiation and the procedures that take place during its transfer from the top of the atmosphere to the earth’s surface. We analyze the interaction between solar radiation and the atmosphere’s gases and particles. In addition, the Earth Energy Balance, that is direct connected to the previous interactions, is mentioned. In the third chapter, we present the different types of particulate matter, their chemical composition, sources, and other aerosol properties as well. The effects of aerosols, in planetary scale, in the energy balance and in human health are also mentioned. The fourth chapter focuses on aerosols monitoring. More specifically, we analyze the ground-based remote sensing aerosol network (AERONET) and sun–sky photometer CIMEL instrument, that operated under the auspices of NASA and provide data for the Aerosol Optical Depth (AOD). With the use of an inverse algorithm, other aerosol properties are extracted. There is extensive reference to certain papers about the network. The first ones present a classification method of the aerosols based on their size and the absorbing ability. The next one is about the climatology of the aerosol optical properties based on measurements of the station in NOA and the last paper proposes a method to estimate the missing AOD values from AERONET stations. In chapter five, we focus on previous papers that propose methods to estimate the AOD using all-sky images. First, we present the work of Olmo et al., (2008) that uses a linear pseudo-inverse algorithm to estimate the AOD from an all-sky imager. Next, Cazorla et al., (2009) used a neural network, while Huo & Lu (2009) proposed a method that uses an exponential dependence that includes the radiation ratio at 450 and 650 nm. Kazantzidis et al., (2017) proposed a multi- linear method to retrieve the AOD, considering for the first time the saturated area around the Sun. Last, Roman et al., (2022) published their work about aerosol properties extracted from an all-sky camera, by using the model GRASP. For each paper mentioned, we present the respectively outcomes and comparisons with reference values from the AERONET. The last chapter is about the proposed method of this thesis, to estimate the aerosol optical properties from all-sky images using Extreme Gradient Boosting model. We introduce the all-sky camera that is used, then and we analyze the scenarios created for the Radiative Transfer Model LibRadtran. Then, the relation between the modelled radiances and the color intensities from the images is investigated. We emphasize particularly at the saturated area around the sun as it is a quite important input variable for our model. After that, we analyze the XGBoost model, and we present the final dataset used. The results for the AOD at three wavelengths, 400, 500, 675 nm are compared with the corresponding AOD data from the sun photometer of AERONET’s station. The coefficients of determination r2 are calculated 0.87, 0.83 and 0.84 in each wavelength respectively. We also show, the histograms of the AOD error and other statistics, like Root Mean Square Error and Mean Bias Error. Last, we use the predicted AOD at 440 and 675 nm to calculate the Angstrom Exponent α (AE), which is compared to the AE data from the AERONET, with not particularly good results (r2 = 0.49). The AE is a quantity that is calculated from two predicted quantities. Inevitable, the errors are transferred from the AOD to the AE through the estimation, so the results have lower accuracy. Afterwards, we investigate if there is a relationship between the estimation error of AOD with the SSA (single scattering albedo), without, however, any significant result or pattern. Using the XGBoost model, we also extract the Fine-Mode Fraction (FMF), that gives us information relative to the size of the particles, both as number (regression model), and as a class (classification model). Regarding the regression model, we compare the values of FMF with the ones from the AERONET with the same way as we did for the AOD, having very good results (r2 = 0.88). The classification model categorizes the particles to three classes, coarse, mixed, and fine aerosols, based on their value of FMF. The results are presented with a confusion matrix and with some statistical rates of success. Next, we use the values of FMF from the το regression model to categorize the particles to classes on our own. The results are considered very good and the differences with the classification model are minimum. Characteristically, the accuracy of the classification model is calculated 0.95, 0.88 and 0.92 for coarse, mixed and fine aerosols respectively, when, for the defining of the classes from the regression model, these values are, 0.94, 0.87 and 0.93 respectively. 2022-08-01T07:40:15Z 2022-08-01T07:40:15Z 2022-07-18 http://hdl.handle.net/10889/16571 gr application/pdf