ANÁLISE COMPARATIVA ENTRE ALBEDO ESPECTRAL DERIVADO DE SATÉLITE E MEDIÇÕES DE ALBEDO EM CAMPO NA CIDADE DE NATAL/RN

A CASE STUDY FOR PORTABLE ALBEDO BENCH VALIDATION

Autores

  • Bruno do Nascimento e Silva SENAI
  • Maria de Fátima Alves de Matos SENAI
  • Alan Rodrigues de Sousa SENAI
  • Samira de Azevedo Santos Emiliavaca SENAI

DOI:

https://doi.org/10.59627/cbens.2022.1135

Palavras-chave:

Albedo, Sensoriamento Remoto, Medição de Albedo

Resumo

Em busca de aumentar a produção específica (MWh/MWp) grande parte dos novos empreendimentos de geração fotovoltaica estão aderindo à utilização de módulos fotovoltaicos bifaciais. Tais módulos, possuem a capacidade de efetuar a conversão energética em ambas as faces, aproveitando a radiação solar refletida (albedo) pela cobertura de solo. Portanto, no momento de selecionar um local para a instalação de uma nova usina fotovoltaica é extremamente relevante que se escolha uma cobertura de solo que por si só já ofereça um elevado valor de albedo. A utilização de sensoriamento remoto para determinar o albedo de um local tem a vantagem de ter um custo relativamente baixo, para selecionar possíveis locais de interesse, além de permitir o imageamento de grandes áreas de difícil acesso ou com escassez de informações. Entretanto, a instalação de estações de medição fixas para validar estas medições tem custo relativamente elevado em função da utilização de equipamentos sofisticados. Este trabalho propõe a utilização de uma bancada móvel de medição de albedo de maneira intermediária entre estas duas etapas, de medição por sensoriamento remoto e validação com estações fixas. Ao utilizar uma bancada móvel seria possível validar vários pontos de interesse previamente identificados e limitar a instalação das estações fixas para uma campanha de alta resolução temporal somente para os locais de maior potencial medidos em campo previamente pela bancada.

Downloads

Não há dados estatísticos.

Biografia do Autor

Bruno do Nascimento e Silva, SENAI

Instituto SENAI de Inovação em Energias Renováveis, Natal

Referências

Alvarez, C. A.; Stape, J. L.; Sentelhas, P. C.; Gonçalves, J. L. M.; Sparovek, G. 2013. Köppen’s climate classification map for Brazil, Meteorologische Zeitschrift, vol. 22, n. 6. pp. 711-728.

ASTM E1918-16. Standard Test Method for Measuring Solar Reflectance of Horizontal and Low-Sloped Surfaces in the Field. ASTM International, [s. l.], v. i, n. Reapproved 2015, 2016.

Barreto, A. M. F.; Suguio, K.; Bezerra, F. H. R.; Tatumi, S. H.; Yee, M.; Giannini, P, C. F. 2004. Geologia e geomorfologia do quaternário costeiro do estado do Rio Grande do Norte, Revista do Instituto de Geociências, vol. 4, n. 2, pp. 1-12.

Bayless, D. 2005. Statistical Rejection of “Bad” Data–Chauvenet’s Criterion. Disponível em: https:// chetaero.files.wordpress.com/2016/11/chauvenet.pdf. Acesso em Dez. 2021.

Bezerra, F. H. R.; Amaro, V. E. Sensoriamento remoto aplicado à neotectônica da faixa litorânea oriental do estado do Rio Grande do Norte, IX SBSR – IX Simpósio Brasileiro de Sensoriamento Remoto, Santos.

Callegare, A. O.; Lopes, C. R.; Souza, L. J.; Brizolla, M. C.; Honorata, V. 2011. Estudo sobre o albedo em diferentes tipos de superfície, 10p. Disponível em: http:// meteorologia.florianopolis.ifsc.edu.br/formularioPI/arquivos_de_usuario/201022B.pdf. Acesso em Dez. 2021.

Chavez, J. P. S. 1989. An improved dark-object subtration technique for atmospheric scattering correction of multispectral data, Remoste Sensing of Environmet, v. 62, n. 3, pp. 451 – 479.

Chen, S. C.; Herz, R. 1996. Estudos quantitativos e calibração radiométrica de dados digitais do Landsat-5, VIII SBSR – VIII Simpósio Brasileiro de Sensoriamento Remoto, Salvador.

Congedo, L. 2021. Semi-Automatic Classification Plugin: A Python tool for the download and processing of remote sensing images in QGI, The Journal of Open Source Software, vol. 6, n. 64, pp. 3172.

EPE. Relatório Síntese Balanço Energético Nacional 2021. Balanço nacional de energia, [s. l.], 2021. Disponível em: https://www.epe.gov.br/pt/publicacoes-dados-abertos/publicacoes/balanco-energetico-nacional-2021. Acesso em Dez. 2021.

IEA. Renewables – Global Energy Review 2021 – Analysis. Global Energy Review 2021, [s. l.], 2021. Disponível em: https://www.iea.org/reports/global-energy-review-2021. Acesso em Dez. 2021.

Greener. Estudo Estratégico Grandes Usinas Solares 2021. [S. l.: s. n.], 2021. Disponível em: https://www.greener.com.br/estudo/estudo-estrategico-grandes-usinas-solares-2021/. Acesso em Dec. 2021.

Instituto Nacional de Meteorologia. 2021. Dados das séries temporais climáticas da Rede do INMET. Disponível em: http://www.inmet.gov.br. Acesso em Set 2021.

Lindsay, A.; Chiodetti, M.; Dupeyrat, P.; Binesti, D.; Lutun, E.; Radouane K. Key elements in the design of bifacial PV power plants. 31st EU PVSEC, [s. l.], p. 1764–1769, 2015.

Luque, A.; Cuevas, A.; Ruiz, J. M. DOUBLE-SIDED n+ -p-n+ SOLAR CELL FOR BIFACIAL CONCENTRATION. Solar Cells: Their Science, Technology, Applications and Economics, [s. l.], v. 2, n. 2, p. 151–166, 1980.

Matthew, M. W.; Adler-Golden, S.M.; Berk, A. S. C.; Richtsmeier, R. Y.; Levine, L. S.; Bernstein, P. K.; Acharya, G. P.; Anderson, G. W.; Felde, M. P.; Hoke, A.; Ratkowski, H. H.; Burke, R. D.; Miller, D. P. 2000. Status of Atmospheric Correction Using a MODTRAN4-based Algorithm. SPIE Proceedings, Algorithms for Multispectral, Hyperspectral, and Ultraspectral Imagery, vol. 6, n. 4049, pp. 199-207.

Otterman, J. 1977. Anthropogenic impact on the albedo of the earth, Climate Change, vol 1, pp. 137-155.

PV Lighthouse, c2021. Solar Path Calculator - Version 1.1, 20-August-2013. Disponível em: https://www.pvlighthouse.com.au/calculator-map. Acesso em Dec. 2021.

Rocha, A. V.; Oliveira, C. C. A.; Lima, J. A. R.; Paula, J. C. O.; Souza, S. S. 2012, VII CONNEPI – VII Congresso Norte Nordeste de Pesquisa e Inovação, Palmas.

Rosenberg, N. J.; Blad, B. L.; Verma, S. B. 1983. Microclimate: the biological environment. 2ª ed. Wiley-Interscience, New York.

Sanches, I. D.; Andrade, R. G.; Quartaroli, C. F.; Rodrigues, C. A. G. 2011. Análise comparativa de três métodos de correção atmosférica de imagens Landsata 5 - TM para obtenção de reflectância de superfície e NDVI, XV SBSR – XV Simpósio Brasileiro de Sensoriamento Remoto, Curitiba.

Sousa Júnior, J. G. A.; Demattê, J. A. M.; Genú, A. M. 2008. Comportamento espectral dos solos na paisagem a partir de dados coletados por sensores terrestre e orbital, Revista Brasileira de Ciência do Solo, vol. 32, pp. 727-738.

Silva, B. B.; Braga, A. C.; Braga, C. C.; Oliveira, L. M. M.; Montenegro, S. M. G. L.; Barbosa Júnior, B. 2018. Procedures for calculation of the albedo with OLI-Landsat 8 images: application to the Brazilian semi-arid, Revista Brasileira de Engenharia Agrícola e Ambiental, vol. 20, n. 1, pp. 3 – 8.

VDMA. International Technology Roadmap for Photovoltaic - 2020 Results. VDMA, [s. l.], v. 12th Ed., n. March 2021, 2021. Disponível em: https://itrpv.vdma.org. Acesso em Dez. 2021.

Wang, T.; Shushi, P.; Krinner, G.; Ryder, J.; Li, Y.; Nédélec, S. D.; Ottlé, C. 2015. Impacts of satellite-based snow albedo assimilation on Offline and Coupled Land Surface Model Simulations, Plos One, 0137275, pp. 1 – 9.

Wang, Z.; Erb, A. M.; Schaaf, C. B.; Sun, Q.; Liu, Y.; Yang, Y.; Shuai, Y.; Casey, K. A.; Román, M. O. 2016. Early spring post-fire snow albedo dynamics in high latitude boreal forest using Landsat-8 OLI data, Remote Sensing of Environment, vol. 185, pp. 71-83.

Downloads

Publicado

2022-08-16

Edição

Seção

Anais