Algoritmo Monte Carlo multicapas modificado para la simulación de la luz difusa en la atmósfera

REVISTA INGENIERíA UC, VOL. 21, NO. 1, ABRIL 2014 7-15 Algoritmo Monte Carlo multicapas modificado para la simulación de la luz difusa en la atmósfera Semia Rafeh de Maddah a, Aarón Alberto Muñoz Morales,b a Departamento de Física. Facultad de Ingeniería. Universidad de Carabobo, Valencia, Venezuela. b Centro de Investigaciones Médicas y Biotecnológica de la Universidad de Carabobo, Valencia, Venezuela. Este trabajo propone generar un algoritmo mediante adaptaciones al programa Monte Carlo Multicapas (MCML) que permita simular la propagación difusa de la luz en la atmósfera. La propuesta pretende interpretar parte de la información que conlleva la luz al propagarse en medios turbios, a través de un programa adaptado que simule la luz en la atmósfera con resolución espacial. Se desarrolló el estudio inicial para determinar teóricamente los parámetros ópticos atmosféricos, los cuales fueron entradas para el algoritmo propuesto. Luego, se realizaron simulaciones que representan la propagación del haz de fotones en un medio turbio multicapas como la atmósfera. El estudio finalmente permitió generar un algoritmo mediante la modificación del programa de libre acceso, MCML de Oregón Medical Laser Center que simula espacialmente la propagación de fotones en la atmósfera. Los resultados preliminares de las simulaciones reflejan el comportamiento de la reflectancia difusa ante cambios en los parámetros ópticos atmosféricos. Palabras clave: algoritmo Monte Carlo, atmósfera, parámetros ópticos Resumen.- Abstract.- Multilayer modified Monte Carlo Algorithm for simulation of the diffuse light in the atmosphere This paper proposes to generate an algorithm through adaptations of the Monte Carlo Multilayer program (MCML) to simulate the diffuse light in the atmosphere. The proposal aims to interpret part of the information of light propagation in turbid media by creating an adapted program that simulates light in the atmosphere with spatial resolution. An initial studio was developed to determine the theoretical optical parameters of the atmosphere that represent inputs for the modified algorithm. Then, respective simulations were performed representing the photon beam propagation through a multilayer turbid medium like the atmosphere. Ultimately, the study generated a base algorithm by modifying the MCML free access program from Oregon Medical Laser Center, which spatially simulates the propagation of photons in the Earth s atmosphere. Preliminary results of the simulations show the behavior of diffuse reflectance on changes of the atmospheric optical parameters. Keywords: Monte Carlo algorithm, atmosphere, optical parameters Recibido: enero 2014 Aceptado: abril 2014. Autor para correspondencia Correo-e: aamunoz@uc.edu.ve (Aarón Alberto Muñoz Morales) 1. Introducción La atmósfera terrestre es esencial para la vida, por lo que sus alteraciones tienen una gran repercusión en el hombre y otros seres vivos y, en general, en todo el planeta. Es un medio extraordinariamente complejo y la situación se hace todavía más complicada y difícil de estudiar

8 Rafeh de M. S. y A. Muñoz /, Vol. 21, No. 1, Abril 2014, 7-15 cuando se le añaden emisiones de origen humano en gran cantidad. Se entiende entonces la urgencia de tomar las medidas necesarias para que no se produzcan situaciones graves que atenten contra la vida en la tierra y que la acción de preservar empieza por detectar los componentes atmosféricos contaminantes en tiempo real. Para simular un sistema real, tal como la atmósfera terrestre, se hace una serie de suposiciones acerca de cómo trabaja éste, que relaciones matemáticas o lógicas sigue, constituyendo un modelo que va a ser usado para intentar comprender el comportamiento del sistema real correspondiente. Sin embargo, no es sencillo lograr la simulación de la propagación de la luz a través de la atmósfera debido a su extensa composición como medio turbio y de geometría compleja. La forma en que se estudia el fenómeno de interacción de luz con los medios turbios es por medio de la Ecuación de Transferencia Radiativa, (por sus siglas, ETR) cuya solución no es trivial. Sin embargo, existen diversas soluciones analíticas para dicho modelo tales como la Aproximación de la Difusión [1], la Teoría Simplificada de Kubelka Munk [2], y soluciones numéricas tal como es el caso del Método Monte Carlo [3] e incluso a través de la descomposición en Series de Fourier [4]. La Aproximación de la Difusión tiene sus limitaciones cuando se quiere estudiar la radiación cerca de la fuente y es solo una aproximación a la solución de la ETR ya que se utiliza la solución de la ecuación de calor con sus restricciones. Por otra parte, la Teoría de Kubelka-Munk constituye, valga la redundancia, otra aproximación de la aproximación de la difusión; es sencilla pero solo puede ser usada para ciertas condiciones geométricas específicas, como esferas, que no se cumple en medios turbios tales como la atmósfera. En cambio, el método numérico Monte Carlo es adecuado cuando se trata de ambientes con esparcimiento múltiple y configuraciones geométricas complejas [5], por lo que proporciona una solución más precisa a la ETR. Otro intento de solución a la ETR es la descomposición en Series de Fourier; aunque matemáticamente complicada, solo se concluye que si es posible aplicar Fourier en los cálculos de Transferencia Radiativa sin llegar aun a alguna solución específica de la ETR. Todos estos métodos son utilizados para resolver el problema directo, sin embargo, algunas de estas técnicas han sido adaptadas para resolver el problema inverso. El método Monte Carlo ha sido usado de manera inversa, llamado Inverse Monte Carlo Simulation (IMCS) o Reverse Monte Carlo (RMC) [6], el algoritmo consiste en hallar de forma aleatoria un conjunto de parámetros ópticos, para posteriormente compararlos con respecto a una medición previa, buscando que la diferencia entre ambos se encuentre dentro del margen de tolerancia; en caso contrario, se procede nuevamente a realizar otra corrida por dicha metodología. La desventaja de esta metodología es que computacionalmente requiere una inversión de tiempo elevado. Otro modelo para la extracción de las propiedades ópticas a partir de la medición de la reflectancia difusa es resuelto espacialmente usando la Aproximación de la Teoría de la Difusión [7], donde cabe destacar limitaciones intrínsecas, originadas por dicha aproximación. Finalmente, se presenta una comparación entre la técnica de Inverse Adding-Doubling y el método alternativo GA-MCML (Monte Carlo guiado por algoritmos genéticos), donde se demuestra mayor flexibilidad en cuanto al rango de geometrías se refiere [8]. Los resultados de dicho método fueron bastante satisfactorios, pero con muy altos recursos computacionales. Es de hacer notar que, al hablar de simulación de sistemas complejos es imprescindible acudir a simulaciones numéricas que permitan predecir el comportamiento de la luz en el medio. La técnica Monte Carlo se hace relevante debido al auge actual del poder computacional como herramienta. Es pertinente entonces citar el pensamiento de Ulam al practicar Monte Carlo durante su juego de solitario: Los primeros intentos y pensamientos que tuve para practicar el método Monte Carlo ocurrieron en 1946 convaleciente mientras jugaba solitario. Se me ocurrió la siguiente pregunta: Que posibilidades hay de ganar una partida de solitario con 52 cartas? Después

Rafeh de M. S. y A. Muñoz /, Vol. 21, No. 1, Abril 2014, 7-15 9 de invertir bastante tiempo tratando de estimar la respuesta mediante cálculos de combinatoria, pensé si un método más práctico de pensamiento abstracto donde se juegue 100 veces y se cuente el número de partidas ganadas sería mejor. Esto ya era posible prever con el inicio de la nueva era de las computadoras rápidas? Más tarde, en 1946 le describí la idea a John von Neumann y empezamos a planificar los cálculos actuales [9]. Fue John von Neumann quien utilizó como código secreto el nombre Monte Carlo para dicha técnica, en honor al nombre del casino favorito de su tío. Ambos, Ulam y Neuman trabajaron en la corporación liderada por Enrico Fermi en preparación de la construcción de la bomba atómica de hidrogeno. Desde entonces, Monte Carlo se utiliza como una poderosa técnica para la resolución de problemas complejos donde los computadores imitan o simulan, el comportamiento de sistemas del mundo real con base en la teoría de muestreo estadístico y análisis de sistemas físicos probabilísticos complejos. De tal forma, detrás de todo el manejo numérico y de datos expresado a través de Monte Carlo se propone una adaptación al programa que genera un algoritmo diseñado como herramienta diagnóstico ante el inicio de una investigación que permitirá la simulación de la propagación de la luz a través de la atmósfera en función de los parámetros ópticos. En este artículo, se presenta específicamente un algoritmo basado en el programa Monte Carlo Multi Capas que simula la propagación de la luz difusa en la atmósfera con resolución espacial mediante su reflectancia. 2. Fundamentos teóricos 2.1. Atmósfera Terrestre La atmósfera terrestre es un sistema realmente complejo debido a los distintos procesos que en ella ocurren. No toda la radiación solar que recibe la atmósfera llega a la superficie terrestre. Durante la penetración de la luz a través de la atmósfera, una considerable fracción de la radiación solar es reflejada hacia el espacio al interaccionar con las capas superiores de la atmósfera. Otra parte de la radiación es absorbida y/o esparcida en todas las direcciones mediante los gases atmosféricos, vapores y partículas de polvo en el medio, y el resto llega a la superficie terrestre. Al concentrar la atención en lo que ocurre dentro de la atmósfera se observan dos procesos relevantes de esparcimiento atmosférico: esparcimiento selectivo y esparcimiento no selectivo. Ambos procesos son determinados mediante los diferentes tamaños de las partículas en la atmosfera. El esparcimiento selectivo es denominado así puesto que las radiaciones con longitud de onda corta son selectivamente esparcidas más extensivamente que las radiaciones de longitudes de onda larga. Este esparcimiento es causado por los gases atmosféricos o partículas que son menores en dimensión que la longitud de onda de una radiación particular, como por ejemplo las causadas por moléculas gaseosas, humo, vapores y niebla. Además, el esparcimiento selectivo es inversamente proporcional a la longitud de onda de la radiación. Por lo tanto, el esparcimiento más severo cae en el rango ultravioleta, violeta, y de bandas azules del espectro, provocando las tonalidades del cielo, el amanecer y el atardecer. El esparcimiento no selectivo que ocurre en la atmosfera inferior es causado por el polvo, la niebla, y las nubes con tamaños de partícula diez veces más grandes que la longitud de onda de los componentes de la radiación solar. Dado que la cantidad de esparcimiento es igual para todas las longitudes de onda, las nubes y la niebla se ven blancas aunque sus partículas de agua son incoloras. Los gases atmosféricos también absorben la energía solar en determinadas longitudes de onda llamadas bandas de absorción, en contraste con las regiones de longitud de onda que se caracterizan por una alta transmitancia de la radiación solar llamada bandas de transmisión atmosféricas o ventanas atmosféricas. El grado de absorción de la radiación solar que atraviesa la atmósfera depende tanto de los componentes de la radiación solar como de la longitud de onda. Los rayos gamma, rayos X y la radiación ultravioleta con longitudes

10 Rafeh de M. S. y A. Muñoz /, Vol. 21, No. 1, Abril 2014, 7-15 de ondas menores de 200nm son absorbidos por el oxígeno y el nitrógeno. La mayoría de la radiación con longitudes de ondas entre 200 a 300nm es absorbida por la capa de ozono O3 en la parte superior de la atmósfera. Este fenómeno es esencial para la vida, puesto que la exposición prolongada a radiaciones más cortas que 300nm destruye los tejidos vivos. La radiación solar en las regiones de rojo e infrarrojo del espectro con longitudes de ondas mayores de 700nm se absorbe en cierta medida por el dióxido de carbono, ozono y el agua presente en la atmósfera en forma de vapor o gotas condensadas. De hecho, las gotas de agua presentes en las nubes no solo absorben los rayos de longitud de onda larga sino también del esparcimiento de las longitudes de ondas cortas. 2.2. Modelo de la Atmósfera La atmósfera, una delgada y frágil capa que rodea a la tierra, juega un importante rol porque afecta en gran cantidad el ambiente donde nosotros vivimos [10]. Algunos cambios del medio ambiente son provocados por la intervención humana y mediados por la atmósfera en forma de reacciones químicas. Entre ellos se pueden mencionar la degradación de la calidad del aire debido a la combustión industrial, el aumento en la concentración de oxidantes en la troposfera (incluyendo el ozono) y su impacto en la salud pública y el calentamiento global ocasionado por el efecto de los gases invernaderos. Todos estos cambios son afectados por el crecimiento poblacional casi exponencial en el mundo. Además, las propiedades atmosféricas tales como presión y temperatura varían con la altitud, la localización en el globo terrestre (latitud y longitud), la hora del día, la estación del año e inclusive con la actividad de la radiación solar. Por ello, se recurre al modelo estándar de la atmósfera terrestre, diseñado específicamente debido a que el sobrevuelo de aviones ve afectado su rendimiento por los cambios dinámicos de las propiedades atmosféricas. En este sentido, la Administración Nacional Aeronáutica y Espacial (NASA, 1976) [11] define en sus normas la atmósfera estándar norteamericana (por sus siglas en inglés, U.S. Standard Atmosphere, 1976) en forma ideal como una representación en estado estacionario de los primeros 100km desde la superficie terrestre, donde se asume un periodo moderado de actividad solar. Cabe destacar, que a partir de 51km las tablas atmosféricas son idénticas a las de las normas de la atmósfera estándar norteamericana de 1962, por sus siglas en inglés, U.S. Standard Atmosphere, 1962 [12]. La atmósfera estándar presenta tablas con los valores de presión, temperatura, densidad y otras propiedades en función de la altitud obtenida vía satelital y su combinación con un modelo matemático propuesto. En la atmósfera estándar se considera una composición aproximada de gases, tales como nitrógeno (78 %), oxigeno (21 %), argón, vapor de agua, dióxido de carbono y otros reactivos y no reactivos pero en menor cantidad que los anteriores. Figura 1: Estructura de la Atmosfera, U.S. Standard Amosphere 1976. Fuente: NASA [11] Sin embargo, la atmósfera terrestre es generalmente descrita en término de sus capas. La Figura 1 muestra la estructura vertical de temperatura de las normas norteamericanas de la atmósfera estándar (1976) para latitudes medias.

Rafeh de M. S. y A. Muñoz /, Vol. 21, No. 1, Abril 2014, 7-15 11 Por lo general, se considera a la atmósfera que se extiende más de 560 km sobre la superficie del planeta dividiéndola en cuatro capas: Troposfera, Estratosfera, Mesosfera y Termosfera, con sus interfaces respectivas: Tropopausa, Estratopausa, Mesopausa y Termopausa. La temperatura decrece con la altitud en la troposfera, aumenta en la estratosfera y vuelve a decrecer en la mesosfera, decreciendo luego mucho más en la termosfera. Tal como lo indica Brasseur [10], la troposfera se extiende desde la superficie de la tierra hasta la tropopausa hasta aproximadamente 18 km en los trópicos, 12 km en altitudes medias y de 6 km a 8 km en los polos. La capa limite planetaria o tropopausa es de aproximadamente 1 km pero varia con el día y las condiciones meteorológicas. La siguiente capa es la estratosfera, que se extiende desde la tropopausa hasta 50 km. Aquí la temperatura crece con la altitud debido a la absorción de la luz del sol a través de la capa de ozono la cual está en la estratosfera casi en un 90 % de su totalidad. La tercera capa es la mesosfera donde de nuevo la temperatura decrece con el aumento de la altitud hasta 85 km; por encima de este nivel en la termosfera, la temperatura vuelve a crecer con la altitud alcanzando rangos superiores a los 1700 C. En la Figura 1 también se muestra como la presión atmosférica decrece exponencialmente con la altitud debido a que el aire es compresible tal que la mayor parte de la masa de la atmosfera presiona las capas inferiores. El punto final que permite completar el entendimiento del modelo atmosférico es el hecho de que la atmósfera está compuesta de pequeñas partículas (moléculas de aire) que también se mezclan con partículas grandes a bajas presiones llamadas aerosoles. Estas partículas pueden provenir de las partículas de polvo que eleva el viento desde la tierra resultando un impacto de contaminación en el aire y donde la luz no se esparce de forma igual que con moléculas de aire sin aerosoles. El esparcimiento del aire mediante las moléculas de aire se denomina esparcimiento de Rayleigh o selectivo y el esparcimiento por aerosoles se denomina esparcimiento de Mie o no selectivo. En las simulaciones de la atmósfera generalmente se consideran aproximadamente los primeros 100km medidos desde la superficie terrestre, de modo que lo que ocurra en la troposfera y estratosfera es lo que interesa cuando se trata del estudio de la propagación de la luz a través de la misma, por lo que en adelante, el modelo de la atmósfera estándar norteamericana presentado (por sus siglas en inglés, U.S. Standard Atmosphere, 1976) es el que será utilizado en nuestras simulaciones. 2.3. Monte Carlo Multicapas (MCML) El modelo Monte Carlo Multicapas (MCML o Monte Carlo for Multilayered Media, por sus siglas en Ingles) es un programa de simulación de estado estacionario para medios turbios multicapas que utiliza un haz de fotones estrecho como fuente de luz. Cada capa tiene sus propias propiedades ópticas de absorción, esparcimiento, anisotropía e índice de refracción, por lo que estos valores serán los datos preliminares de interés para este estudio. La simulación es en 3D, aunque resulta almacenada en un arreglo r-z de coordenadas cilíndricas que denota las posiciones radiales y de profundidad. Las salidas incluyen posiciones radiales y angulares dependiendo de la reflectancia y la transmitancia local, y de la distribución interna de la deposición de la energía y la tasa de fluencia dentro del medio de múltiples capas. Además, el programa puede ser fácilmente modificado [13]. Figura 2: Diagrama de bloque del proceso de Simulación. En el proceso de simulación mediante MCML propuesto, el bloque de entrada está conformado por el haz de fotones (número de fotones N),

12 Rafeh de M. S. y A. Muñoz /, Vol. 21, No. 1, Abril 2014, 7-15 el índice de refracción del medio (n = 1 para el aire), los coeficientes de absorción y esparcimiento, el factor de anisotropía (g) y la distancia radial o tamaño de la capa a analizar, mientras que el bloque de salida está conformado por la reflectancia radial, según se muestra en la Figura 2. Este programa MCML fue originalmente implementado por Marleen Keijzer, Scott Prahl, y Steven Jacques en lenguaje Pascal. Una siguiente versión en Standard ANSI C fue escrita por Lihong Wang y Steven Jacques la cual ha sido distribuida libremente por la red electrónica desde 1992 y exitosamente modificada por muchos grupos, mencionados en adelante. El modelo de propagación de la luz [14] es de libre acceso. El reporte de Wang [3] es el último resumen del actual método MCML. El diagnóstico y la determinación de concentraciones en medios turbios en general, mediante la aplicación de métodos no invasivos es un campo de investigación que está en pleno desarrollo en la actualidad. Entre las referencias más actuales sobre el uso de MCML modificado en el campo de la óptica médica se pueden mencionar investigaciones en tejidos cerebrales y extra cerebrales [15], investigaciones en tejidos de la piel [16] y en el campo de la óptica atmosférica investigaciones que determinan las propiedades ópticas de los cristales de hielo en la atmósfera [17]. Otros autores inclusive han conducido simulaciones con MCML modificado considerando a la atmósfera como un plano paralelo de espesor H = 4/?s, con un coeficiente de absorción µ = 0 y un rayo despolarizado de luz incidente (Stokes vector [1 0 0 0]) de longitud de onda λ = 632,8nm con un número máximo de fotones lanzados el orden de 106 [18]. El modelaje de la transferencia radiativa con Monte Carlo ha aumentado con el crecimiento del poder computacional porque provee simulaciones realistas del proceso de radiación para varias aplicaciones, inclusive en condiciones de nubosidad y con respecto a mediciones remotas de nubosidad, aerosoles y gases [19]. Además, modificaciones en los códigos del programa Monte Carlo han generado recientemente el código Monte Carlo para la simulación de la transferencia radiativa en la atmósfera (MOCRA, por sus siglas en ingles) [20]. Estos investigadores comparan dichas simulaciones MOCRA de la cantidad de gases en la atmósfera e interpretan con las mediciones por sensoria remota DOAS, encontrando en el mismo una herramienta versátil para las simulaciones de la transferencia radiativa en la atmósfera. 3. Metodología En vista de que la técnica Monte Carlo es una técnica relevante y flexible para simular la propagación de la luz en medios turbios, y que el estudio óptico de los materiales u otros componentes brinda información de la morfología de la superficie y su estructura interna debido a la interacción de la luz con la materia permitiendo el diagnóstico de manera no invasiva, se hace evidente la necesidad del uso de dicho método en este estudio. En el contexto de la óptica coexisten dos problemáticas, la primera hace referencia a la búsqueda de cómo se distribuye la radiación electromagnética a través de un medio turbio y la segunda a la determinación de las características del mismo. Esta investigación contempla el desarrollo del algoritmo preliminar con modificaciones de Monte Carlo para simular el medio turbio, la atmósfera, y adopta las bases matemáticas que el método utiliza para simular, las cuales se enuncian a continuación. La probabilidad de un fotón [3] que se dispersa después de una distancia se define por la Ecuación (1), p(t)dt = e µt dt. (1) Por lo tanto, la probabilidad acumulada de dispersarse después de viajar una distancia está definida por la Ecuación (2), t 0 e µ st dt = 1 e µ st r, (2) donde r [0, 1] es un número aleatorio. Así, la distancia entre los eventos de esparcimiento queda

definida por la Ecuación (3) Rafeh de M. S. y A. Muñoz /, Vol. 21, No. 1, Abril 2014, 7-15 13 τ = 1 µ s ln (1 r). (3) Los ángulos de esparcimiento azimutal y polar, θ y γ, en relación a la dirección anterior de movimiento están dadas por las Ecuaciones (4) y (5), θ γ = 2πr 1, (4) f (θ )dθ = r 2, (5) Figura 3: Reflectancia en función de la distancia. 50.000 fotones. 0 r 1, r 2 [0, 1] son números aleatorios uniformemente distribuidos. Tabla 1: Parámetros de entrada Parámetros de entrada Valor Índice de refracción 1,0029 Coeficiente de absorción 0,01 1/cm Coeficiente de Esparcimiento 75 1/cm Factor de Anisotropía 0,4 Espesor 30 m 4. Resultados y discusión En primer lugar se realizaron las simulaciones para un número de 50.000 fotones, como se muestra en la Figura 3. Debido a que se observó una alta dispersión en los puntos simulados, se procedió aumentar el número de fotones a 500.000. La simulación se basa en el recorrido aleatorio de los fotones a través del medio, los cuales son seleccionados estadísticamente según cada evento de absorción y/o esparcimiento. Luego de propagar un número alto de fotones la aproximación suele ser cercana a la realidad. Para simular la reflexión difusa en este estudio se utilizó el método Monte Carlo, específicamente con el algoritmo Monte Carlo multicapas de la Oregón Medical Laser Center implementado como software de libre acceso [3], el cual requiere los siguientes parámetros de entrada: el coeficiente de absorción µ a, el coeficiente de esparcimiento µ s, el factor de anisotropía g, el índice de refracción n y el espesor d de cada una de las capas, en cada simulación realizada. Los parámetros de entradas empleados en las simulaciones se muestran en la Tabla 1. Figura 4: Reflectancia en función de la distancia, 500.000 fotones. En la Figura 4, se observa el resultado del segundo conjunto de simulaciones, obteniéndose una menor dispersión en los puntos simulados. En el estudio de la propagación de la luz en medios turbios los fenómenos ópticos predominantes son la absorción y el esparcimiento, por lo que se evalúa el cambio en la reflectancia difusa en función de cambios en dichos parámetros ópticos. Es decir, se estudia el comportamiento de la curva

14 Rafeh de M. S. y A. Muñoz /, Vol. 21, No. 1, Abril 2014, 7-15 realizadas con la propuesta del algoritmo MCML modificado, permite comparar el comportamiento atmosférico en función de sus propiedades ópticas a partir de las simulaciones respectivas. Equivalentemente se puede decir que el cambio de la reflectancia difusa en función del cambio en el esparcimiento y la absorción dan como resultado un comportamiento que puede relacionarse con lo que ocurre con los componentes atmosféricos en estudios futuros. Figura 5: Aumento de la reflectancia al aumentar el coeficiente de esparcimiento. de reflectancia difusa en función de la distribución espacial ante cambios en el coeficiente de esparcimiento, tal como se muestra en la Figura 5, observándose claramente que a mayor coeficiente de esparcimiento mayor intensidad de reflectancia difusa. Figura 6: Disminución de la reflectancia al aumentar el coeficiente de absorción. Por otro lado, se obtiene el comportamiento inverso para cambios en el coeficiente de absorción, observando una menor intensidad de reflectancia difusa a medida que aumenta el coeficiente de absorción, tal como se puede observar en la Figura 6. 5. Conclusiones El cambio de intensidad a través de la reflectancia difusa que se obtiene de las simulaciones Referencias [1] Ishimaru A. Wave Propagation and Scattering in Random Media. Academic Press, 1978. [2] Yang L. and Miklavcic S. J. Revised kubelka-munk theory iii. a general theory of light propagation in scattering and absorptive media. J. Opt. Soc. Am., 22:826 834, 2005. [3] Wang L-H and Jacques S.L. Hybrid model of monte carlo simulation and discussion theory for light reflectance by turbid media. J. Opt. Soc. Am., 10:1746 1752, 1993. [4] Barichello L. B., Garcia R. D. M., and Siewert C. E. The fourier decomposition for a radiative transfer problem with an asymmetrically reflecting ground. Quant. Spectrosc. and Radiative Transfer, 56:363 361, 1996. [5] M. Premuda. Monte carlo simulation of radiative transfer in atmospheric environments for problems arising from remote sensing measurements. In Shaul Mordechai, editor, Aplications of Monte Carlo Method in Science and Enginering, Bologna, Italy, 2011. Intech. ISBN 978-953-307-691-1. [6] Dove M. T., Tucker M. G., Wells S. A., and Keen D. A. On the light from the sky, its polarization and color. EMU Notes in Mineralogy, 4:59 82, 1996. [7] Farrell T. J., Patterson M. S., and Wilson B. A diffusion theory model of spatially resolved, steady-state diffuse reflectance for the noninvasive determination of tissue optical properties in vivo. Med. Phys., (16):26 31, 1992. [8] Morales Cruzado B., Prahl S. A., J. A. Delgado Atencio, and Vazquez y Montiel. Validation of a new algorithm for the recovery of optical properties from turbid samples: Ga-mcml against iad program. In 22nd Congress of the International Commission for Optics: Light for the Development of the World, 80118O. Proc. SPIE 8011, November 02, 2011. [9] R. Eckhardt. Stan Ulam, John Von Neumann and the Monte Carlo Method. Los Alamos. Science Special Edition, Los Alamos, USA, 1987. [10] Brasseur G. P., Orlando J.J., and Tyndal G. S.

Rafeh de M. S. y A. Muñoz /, Vol. 21, No. 1, Abril 2014, 7-15 15 Atmospheric Chemistry and Global Change. Oxford University Press, Inc., New York, 1st edition, 1999. [11] National Aeronautics and NASA Space Administration. U.S. Atmosphere Standard, 1976. United States Air Force, Washington, D.C., 1976. [12] COESA Committe on Extension to the Standard Atmosphere. U.S. Standard Atmosphere, 1962. Goverment printing office, Washington, D.C., 1962. [13] OMCL. Monte carlo simulations. Oregon Medical Laser Center, 2012. [14] Prahl S. A., Keijzer M., Jaques S.L., and Welch A. J. A monte carlo model of light propagation. SPIE Proceedings of Dosimetry of Laser Radiation in Medicine and Biology, 1989. [15] Bertan Hallacoglu, Angelo Sassaroli, and Sergio Fantini. Optical characterization of two-layered turbid media for non-invasive, absolute oximetry in cerebral and extracerebral tissue. PloS one, 8(5):e64095, 2013. [16] Aarón A Muñoz Morales, Sergio Vázquez y Montiel, et al. Retrieving the optical parameters of biological tissues using diffuse reflectance spectroscopy and fourier series expansions. i. theory and application. Biomedical optics express, 3(10):2395 2404, 2012. [17] Ping Y., Bi L., Baum B. A., Liou K., G. Kattawa, Mishchenko M. I., and Cole B. Spectrally consistent scattering, absorption, and polarization properties of atmospheric ice crystals at wavelengths from 0.2 to 100 micrometer. Journal of the Atmospheric Sciences, 70(1):330 347, 2013. [18] Jessica Ramella-Roman, Scott Prahl, and Steve Jacques. Three monte carlo programs of polarized light transport into scattering media: part i. Optics Express, 13(12):4420 4438, 2005. [19] Akira Ishimaru. Wave propagation and scattering in random media, volume 2. Academic press New York, 1978. [20] Premuda M., Palazzi E., Ravegnani F., Bortoli D., Masieri S., and Giovanelli G. Mocra: a monte carlo code for the simulation of radiative transfer in the atmosphere. Optics Express, 20(7):7973 7993, 2012.