Global forecasting of aerosol optical depth through a deep learning spatiotemporal modeling
International Journal of Environmental Science and Technology, vol. 23, no. 1, article 69, 2026
← Programa de investigación
04
Área de investigación
Predicción ambiental
Métodos de IA para calidad del aire, aerosoles atmosféricos, concentraciones de gases de efecto invernadero, ruido urbano y otros fenómenos ambientales.
Planteamiento
El problema de investigación.
Esta área desarrolla predicciones espacio-temporales a partir de redes de monitorización, observaciones por satélite, productos CAMS, meteorología ERA5 y variables contextuales. El objetivo es representar la estructura espacial y la escala temporal relevantes, manteniendo la evaluación vinculada a la decisión ambiental prevista.
Preguntas de investigación
Preguntas que orientan esta área.
- 01
¿Cómo deben representarse las observaciones ambientales globales y urbanas?
- 02
¿Qué escalas temporales importan para aerosoles, gases, calidad del aire y ruido?
- 03
¿Cómo pueden las predicciones apoyar la monitorización y la gestión ambiental?
Métodos, sistemas y fuentes
Elementos concretos de investigación.
- CAMS
- ERA5
- Satellite observations
- Environmental sensor networks
- Air quality
- Climate data
- Decision support
Evidencia
Publicaciones de esta área.
Spatio-temporal graph neural network for inter-city air quality forecasting
International Journal of Environmental Science and Technology, vol. 23, no. 1, article 63, 2026
Noise Pollution Prediction in a Densely Populated City Using a Spatio-Temporal Deep Learning Approach
Applied Sciences, vol. 15, no. 10, article 5576, 2025
Global forecasting of carbon concentration through a deep learning spatiotemporal modeling
Journal of Environmental Management, vol. 371, article 122922, 2024