DETECÇÃO DE OUTLIERS DA IRRADIÂNCIA SOLAR GLOBAL POR MEIO DO Z-SCORE EM FUNÇÃO DA SAZONALIDADE E DO PADRÃO DE COBERTURA DE CÉU

Resumo

Medir a radiação solar na superfície terrestre é mais difícil do que outras variáveis climatológicas, devido as falhas técnicas, manutenção precária e natureza dinâmica dos processos físicos, o que causa outliers no sistema de medição. O objetivo deste estudo foi detectar, quantificar e remover outliers da irradiância solar global, que são valores que apresentam um comportamento atípico, a partir de medidas coletadas a cada 1 minuto (W/m²) do período diurno de 2022, obtidas na Faculdade de Ciências Agronômicas (UNESP) de Botucatu (SP) - Brasil. Portanto, foi utilizado o método estatístico Z-Score para calcular o quanto um valor mensurado estava distante da média populacional em relação aos demais, em termos de desvios padrão, considerando a subdivisão dos dados em função da sazonalidade e dos padrões de cobertura de céu. Neste sentido, medições de irradiância solar com Z-Score abaixo de -2 ou acima de 2 foram consideradas outliers, quantificadas e removidas do conjunto de dados. Considerando a nebulosidade, em condições de céu aberto, parcialmente aberto, parcialmente nublado e nublado, 4,47%, 2,00%, 4,00% e 4,27% do total de medidas obtidas, em cada cobertura de céu, respectivamente, foram removidas por serem outliers. Considerando a sazonalidade, no verão, primavera, inverno e outono, 3,33%, 4,42%, 3,87% e 4,48% do total de valores medidos, em cada época do ano, foram removidos por serem outliers. O Z-Score se mostrou uma técnica estatística eficiente e eficaz para detectar outliers, porém quando ocorrem muitos picos as anomalias não são identificadas em sua totalidade, pois os valores extremos afetam a média e o desvio padrão do conjunto de dados, reduzindo a capacidade de identificação de outliers. Portanto, sugere-se primeiro delimitar os valores fisicamente possíveis da irradiância solar global, obtida na superfície terrestre, no sentido de reduzir a ocorrência de valores extremos, para então identificar os outliers usando o Z-Score.