Avaliação da irradiação solar utilizando modelo BRASIL-SR em condições de céu claro
estudo do impacto de aerossóis na Amazônia brasileira e no Cerrado
DOI:
https://doi.org/10.59627/cbens.2022.1106Palavras-chave:
Avaliação de recursos solares, Irradiância normal direta, Aproximação Delta-Eddington, Queima de biomassaResumo
As plumas de aerossol geradas durante a estação de queima de biomassa no Brasil sofrem transporte de longo alcance, resultando em grandes profundidades ópticas de aerossol em um domínio extenso do território brasileiro. Como consequência, a irradiância solar da superfície descendente, e em particular o componente direto, pode ser significativamente reduzida. Estimativas da irradiância solar incidente na superfície considerando a contribuição radiativa dos aerossóis de queima de biomassa são necessárias para apoiar o setor de energia solar do Brasil. Este trabalho apresenta resultados obtidos com a 2ª geração do modelo de transferência radiativa BRASIL-SR, desenvolvida para melhorar a representação do aerossol e reduzir as incertezas nas estimativas de irradiância solar de superfície em condições de céu sem nuvens. Dois experimentos numéricos permitiram avaliar a habilidade do modelo usando dados AOD observacionais ou regionais de reanálise do MERRA-2 em uma região frequentemente afetada por queimadas. Quatro locais de medição de solo forneceram dados para a alimentar o modelo e validar valores de GHI e DNI por ele fornecidas. As estimativas para a componente GHI foram obtidas utilizando o escalonamento δ-Eddington, mas para a DNI o escalonamento não foi adotado. É evidenciado um aumento no erro relativo das estimativas de GHI e DNI à medida que AOD aumenta. Os desvios de MBD variaram de -2,3 a -0,5%, RMSD entre 2,3 e 4,7% e OVER entre 0 e 5,3% ao usar dados de AOD observados in-situ. De maneira geral, nossos resultados indicam uma boa habilidade do BRASIL-SR para estimar GHI e DNI quando comparados com desvios apresentados pelas estimativas produzidas pelos modelos McClear e Rest2 Estudo de caso com estimativa da irradiância espectral também é apresentada neste artigo..
Downloads
Referências
Anderson, G.P.; Clough, S.A.; Kneizys, F.X.; Chetwynd, J.H., Jr.; Shettle, E.P. Atmospheric Constituent Profiles (0–120 km); Technical Report AFGL-TR-86-0110, Air Force Geophysical Laboratory, Hanscom AFB, MA, USA; 1986.
Aragao, L.E.; Anderson, L.O.; Fonseca, M.G.; Rosan, T.M.; Vedovato, L.B.; Wagner, F.H.; Silva, C.V.; Silva Junior, C.H.; Arai, E.; Aguiar, A.P.; et al. 21st Century drought-related fires counteract the decline of Amazon deforestation carbon emissions. Nat. Commun. 2018, 9, 1–12. doi:10.1038/s41467-017-02771-y.
Artaxo, P.; Rizzo, L.V.; Brito, J.F.; Barbosa, H.M.; Arana, A.; Sena, E.T.; Cirino, G.G.; Bastos, W.; Martin, S.T.; Andreae, M.O. Atmospheric aerosols in Amazonia and land use change: from natural biogenic to biomass burning conditions. Faraday Discuss. 2013, 165, 203–235.
Boraiy, M.; Korany, M.; Aoun, Y.; Alfaro, S.C.; El-Metwally, M.; Abdelwahab, M.M.; Blanc, P.; Eissa, Y.; Ghedira, H.; Siour, G.; et al. Improving direct normal irradiance retrieval in cloud-free, but high aerosol load conditions by using aerosol optical depth. Meteorol. Z. 2017, 26, 475–483. doi:10.1127/metz/2017/0844.
Bright, J.M.; Bai, X.; Zhang, Y.; Sun, X.; Acord, B.; Wang, P. irradpy: Python package for MERRA-2 download, extraction and usage for clear-sky irradiance modelling. Sol. Energy 2020, 199, 685–693.
Buchard, V.; Randles, C.; Da Silva, A.; Darmenov, A.; Colarco, P.; Govindaraju, R.; Ferrare, R.; Hair, J.; Beyersdorf, A.; Ziemba, L.; et al. The MERRA-2 aerosol reanalysis, 1980 onward. Part II: Evaluation and case studies. J. Clim. 2017, 30, 6851–6872.
Campos, E. F.; Pereira, E.B.; van Oel, P.; Martins, F.R.; Goncalves, A.R.; Costa, R.S. Hybrid power generation for increasing water and energy securities during drought: Exploring local and regional effects in a semi-arid basin. J. Environ. Manag. 2021, 294, 112989. doi:10.1016/j.jenvman.2021.112989.
Casagrande, M. S. G; Martins, F. R.; Roario, N. E.; Lima. F. J. L.; Goncalves, A. R.; Costa, R. C.; Zarzur, M.; Pes, M. P.; Pereira, E. B. Numerical Assessment of Downward Incoming Solar Irradiance in Smoke Influenced Regions—A Case Study in Brazilian Amazon and Cerrado. Remote Sensing 2021, 13(22), 4527.
Copernicus Atmosphere Monitoring Service. CAMS McClear Service for Irradiation under Clear-Sky, 2021. Available online: http://www.soda-pro.com/web-services/radiation/cams-mcclear (accessed on July 25th, 2021).
Costa, R.S.; Martins, F.R.; Pereira, E.B. Atmospheric aerosol influence on the Brazilian solar energy assessment: Experiments with different horizontal visibility bases in radiative transfer model. Renew. Energ 2016, 90, 120–135.
Darbyshire, E.; Morgan, W.T.; Allan, J.D.; Liu, D.; Flynn, M.J.; Dorsey, J.R.; OShea, S.J.; Lowe, D.; Szpek, K.; Marenco, F.; et al. The vertical distribution of biomass burning pollution over tropical South America from aircraft in situ measurements during SAMBBA. Atmos. Chem. Phys. Discuss. 2018, 19, 5771–5790. doi:10.5194/acp-2018-921.
Emde, C.; Buras-Schnell, R.; Kylling, A.; Mayer, B.; Gasteiger, J.; Hamann, U.; Kylling, J.; Richter, B.; Pause, C.; Dowling, T.; et al. The libRadtran software package for radiative transfer calculations (version 2.0.1). Geosci. Model Dev. 2016, 9, 1647–1672. doi:10.5194/gmd-9-1647-2016.
Fichter, T.; Soria, R.; Szklo, A.; Schaeffer, R.; Lucena, A.F. Assessing the potential role of concentrated solar power (CSP) for the northeast power system of Brazil using a detailed power system model. Energy 2017, 121, 695–715.
Gordon, I.E.; Rothman, L.S.; Hill, C.; Kochanov, R.V.; Tan, Y.; Bernath, P.F.; Birk, M.; Boudon, V.; Campargue, A.; Chance, K.; et al. The HITRAN2016 molecular spectroscopic database. J. Quant. Spectrosc. Radiat. Transf. 2017, 203, 3–69. doi:10.1016/j.jqsrt.2017.06.038.
Gueymard, C.A. A review of validation methodologies and statistical performance indicators for modeled solar radiation data: Towards a better bankability of solar projects. Renew. Sustain. Energy Rev. 2014, 39, 1024–1034.
Gueymard, C.A. Temporal variability in direct and global irradiance at various time scales as affected by aerosols. Sol. Energy 2012, 86, 3544–3553.
Gueymard, C.A. REST2: High-performance solar radiation model for cloudless-sky irradiance, illuminance, and photosyntheti- cally active radiation–Validation with a benchmark dataset. Sol. Energy 2008, 82, 272–285.
Gueymard, C. The sun’s total and spectral irradiance for solar energy applications and solar radiation models. Sol. Energy 2004, 76, 423–453. doi:10.1016/j.solener.2003.08.039.
Gschwind, B.; Wald, L.; Blanc, P.; Lefevre, M.; Schroedter-Homscheidt, M.; Arola, A. Improving the McClear model estimating the downwelling solar radiation at ground level in cloud-free conditions–McClear-v3. Meteorol. Z. 2019, 28, 147–163.
Ineichen, P. Comparison of eight clear sky broadband models against 16 independent data banks. Sol. Energy 2006, 80, 468–478. doi:10.1016/j.solener.2005.04.018.
Ineichen, P.; Barroso, C.S.; Geiger, B.; Hollmann, R.; Marsouin, A.; Mueller, R. Satellite Application Facilities irradiance products: hourly time step comparison and validation over Europe. Int. J. Remote Sens. 2009, 30, 5549–5571.
Inman, R.H.; Edson, J.G.; Coimbra, C.F. Impact of local broadband turbidity estimation on forecasting of clear sky direct normal irradiance. Sol. Energy 2015, 117, 125–138. doi:10.1016/j.solener.2015.04.032.
Jimenez-Munoz, J.C.; Mattar, C.; Barichivich, J.; Santamaria-Artigas, A.; Takahashi, K.; Malhi, Y.; Sobrino, J.A.; Van Der Schrier, G. Record-breaking warming and extreme drought in the Amazon rainforest during the course of El Nino 2015–2016. Sci. Rep. 2016, 6, 1–7.
Joseph, J.H.; Wiscombe, W.; Weinman, J. The delta-Eddington approximation for radiative flux transfer. J. Atmos. Sci. 1976, 33, 2452–2459.
Laszlo, I.; Stamnes, K.; Wiscombe, W.J.; Tsay, S.C. The discrete ordinate algorithm, DISORT for radiative transfer. In Light Scattering Reviews, Volume 11; Springer: Berlin, Heidelberg 2016; pp. 3–65.
Lima, F.J.L.; Martins, F.R.; Costa, R.S.; Goncalves, A.R.; dos Santos, A.P.P.; Pereira, E.B. The seasonal variability and trends for the surface solar irradiation in northeastern region of Brazil. Sustain. Energy Technol. Assess. 2019, 35, 335–346. doi:10.1016/j.seta.2019.08.006.
Luz, T.; Moura, P.; Almeida, A. Multi-objective power generation expansion planning with high penetration of renewables. Renew. Sustain. Energy Rev. 2018, 81, 2637–2643.
Martins, F. R.; Abreu, S. L.; Pereira, E. B. Scenarios for solar thermal energy applications in Brazil. Energy Policy 2012, 48, 640–649.
Martins, L.D.; Hallak, R.; Alves, R.C.; de Almeida, D.S.; Squizzato, R.; Moreira, C.A.; Beal, A.; da Silva, I.; Rudke, A.;
Martins, J.A.; et al. Long-range transport of aerosols from biomass burning over southeastern South America and their implications on air quality. Aerosol Air Qual. Res. 2018, 18, 1734–1745.
Martins, F.; Pereira, E.; Silva, S.; Abreu, S.; Colle, S. Solar energy scenarios in Brazil, Part one: Resource assessment. Energy Policy, 2008, 36, 2853–2864.
Milani, R.; Szklo, A.; Hoffmann, B.S. Hybridization of concentrated solar power with biomass gasification in Brazil’s semiarid region. Energy Convers. Manag. 2017, 143, 522–537.
Myers, D.R.; Gueymard, C.A. Description and availability of the SMARTS spectral model for photovoltaic applications. In Organic Photovoltaics V. International Society for Optics and Photonics; Denver, Colorado, United States; 2-6 August 2004; Volume 5520, pp. 56–67
Pereira, E. B.; Martins, F. R.; Goncalves, A. R.; Costa, R. S.; Lima, F. L.; Ruther, R.; Abreu, S. L.; Tiepolo, G. M.; Pereira, S. V.; Souza, J. G. Atlas Brasileiro de Energia Solar, 2nd ed.; Sao Jose dos Campos, SP, Brazil, INPE: 2017.
Randles, C.; Da Silva, A.; Buchard, V.; Colarco, P.; Darmenov, A.; Govindaraju, R.; Smirnov, A.; Holben, B.; Ferrare, R.; Hair, J.; et al. The MERRA-2 aerosol reanalysis, 1980 onward. Part I: System description and data assimilation evaluation. J. Clim. 2017, 30, 6823–6850.
Rosario, N.E.; Longo, K.M.; Freitas, S.R.d.; Yamasoe, M.A.; Fonseca, R.M.d. Modeling the South American regional smoke plume: aerosol optical depth variability and surface shortwave flux perturbation. Atmos. Chem. Phys. 2013, 13, 2923–2938.
Ruiz-Arias, J.A.; Gueymard, C.A.; Cebecauer, T. Direct normal irradiance modeling: Evaluating the impact on accuracy of worldwide gridded aerosol databases. AIP Conf. Proc. 2019, 2126. doi:10.1063/1.5117710.
Santos Carstens, D.D.; Cunha, S.K. Challenges and opportunities for the growth of solar photovoltaic energy in Brazil. Energy Policy 2019, 125, 396–404.
Schaaf, C.B.; Gao, F.; Strahler, A.H.; Lucht, W.; Li, X.; Tsang, T.; Strugnell, N.C.; Zhang, X.; Jin, Y.; Muller, J.P.; et al. First operational BRDF, albedo nadir reflectance products from MODIS. Remote Sens. Environ. 2002, 83, 135–148.
Schreier, F.; Garcia, S.G.; Hochstaffl, P.; Stadt, S. Py4CAtS-PYthon for computational ATmospheric spectroscopy. Atmosphere 2019, 10, 262. doi:10.3390/atmos10050262.
Sengupta, M.; Habte, A.; Wilbert, S.; Gueymard, C.; Remund, J. Best Practices Handbook for the Collection and Use of Solar Resource Data for Solar Energy Applications, 3rd ed.; 2021; Golden, CO, United States; pp. 1–348.
Silva Junior, C.H.; Anderson, L.O.; Silva, A.L.; Almeida, C.T.; Dalagnol, R.; Pletsch, M.A.; Penha, T.V.; Paloschi, R.A.; Aragao, L.E. Fire responses to the 2010 and 2015/2016 Amazonian droughts. Front. Earth Sci. 2019, 7, 97.
Soria, R.; Portugal-Pereira, J.; Szklo, A.; Milani, R.; Schaeffer, R. Hybrid concentrated solar power (CSP)–biomass plants in a semiarid region: A strategy for CSP deployment in Brazil. Energy Policy 2015, 86, 57–72.
Wiscombe, W.J.; Evans, J.W. Exponential-sum fitting of radiative transmission functions. J. Comput. Phys. 1977, 24, 416–444. doi:10.1016/0021-9991(77)90031-6.
