OTIMIZAÇÃO DE MODELOS LINEARES PARA ESTIMATIVA DA IRRADIÂNCIA SOLAR GLOBAL POR MEIO DE PRODUTOS DE SENSORIAMENTO REMOTO EM BOTUCATU (SP) - BRASIL

Autores

  • Marcus Vinícius Contes Calça Universidade Estadual Paulista
  • Daniele Cristina Lopes Mariano Universidade Estadual Paulista
  • José Rafael Franco Universidade Estadual Paulista
  • Matheus Rodrigues Raniero Universidade Estadual Paulista
  • Carlos Gabriel dos Santos Modesto Universidade Estadual Paulista
  • Enzo Dal Pai Universidade Estadual Paulista
  • Alexandre Dal Pai Universidade Estadual Paulista

DOI:

https://doi.org/10.59627/cbens.2024.2411

Palavras-chave:

Modelagem da Radiação Solar, Previsão da Energia Solar, Regressão Linear Multivariada

Resumo

É consenso que o conhecimento sobre os níveis de irradiância solar obtidos na superfície terrestre por meio de sensores automáticos representa a situação mais desejável. Porém, a construção de estações solarimétricas apresenta aporte financeiro elevado, o que dificulta a implantação deste cenário em muitas localidades no Brasil. O objetivo deste estudo foi criar três modelos de regressão linear, com combinações de parâmetros de entrada diferentes, para estimar a irradiância solar global horária na superfície terrestre, utilizando informações obtidas pelo Global Land Data Assimilation System 2.1. Foi realizada uma avaliação para determinar qual combinação de variáveis independentes de regressão linear apresentaria o melhor ajuste as medidas coletadas na Faculdade de Ciências Agronômicas (UNESP) de Botucatu (SP) - Brasil, durante o período de 2020-2022. Foram criados, portanto, em Python três modelos de regressão linear usando a irradiância solar global, fornecida pelo produto de sensoriamento remoto, índice de transmissividade atmosférica e elevação solar, como variáveis independentes, em escala temporal horária. A avaliação dos modelos de regressão linear se deu a partir dos indicadores estatísticos MBE, rMBE, RMSE, rRMSE e R², usando como referência medidas obtidas por um piranômetro na superfície terrestre. A primeira combinação de ajuste linear produziu um R² de 0,83, com um rMBE de 18,13% e um rRMSE de 26,63%. Assim como, a segunda combinação de ajuste linear gerou um R² de 0,88, com um rMBE de 15,69% e um rRMSE de 26,31%. Por fim, a terceira combinação de ajuste linear apresentou um R² de 0,90, com um rMBE de 15,52% e um rRMSE de 20,75%. Usar a irradiância solar fornecida pelo produto de sensoriamento remoto, índice de transmissividade atmosférica e elevação solar, como variáveis independentes, criou o modelo de regressão linear que melhor compreendeu os processos atmosféricos e astronômicos ocorridos, permitindo obter estimativas de irradiância solar na superfície terrestre com maior precisão.

Downloads

Não há dados estatísticos.

Biografia do Autor

Marcus Vinícius Contes Calça, Universidade Estadual Paulista

Faculdade de Ciências Agronômicas.

Daniele Cristina Lopes Mariano, Universidade Estadual Paulista

Faculdade de Ciências Agronômicas.

José Rafael Franco, Universidade Estadual Paulista

Faculdade de Ciências Agronômicas.

Matheus Rodrigues Raniero, Universidade Estadual Paulista

Faculdade de Ciências Agronômicas.

Carlos Gabriel dos Santos Modesto, Universidade Estadual Paulista

Faculdade de Ciências Agronômicas.

Enzo Dal Pai, Universidade Estadual Paulista

Faculdade de Ciências Agronômicas.

Alexandre Dal Pai, Universidade Estadual Paulista

Faculdade de Ciências Agronômicas.

Referências

Calça, M. V. C.; Raniero, M. R.; Fernando, D. M. Z.; Rodrigues, S. A.; Dal Pai, A., 2019. Outliers Detection in a Quality Control Procedure for Measurements of Solar Radiation. IEEE Latin America Transactions, vol. 17, n. 11, pp. 1815-1822.

Chein, F., 2019. Introdução aos modelos de regressão linear. Brasília - DF: Escola Nacional de Administração Pública - ENAP. 76 p.

Codato, G.; Oliveira, A. P.; Soares, J.; Escobedo, J. S.; Gomes, E. N.; Dal Pai, A., 2008. Global and diffuse solar irradiances in urban and rural areas in southeast Brazil. Theoretical and Applied Climatology, vol. 93, pp. 57-73.

Dal Pai, A.; Escobedo, J. F.; Dal Pai, E.; Oliveira, A. P.; Soares, J.; Codato, G., 2016. MEO shadowring method for measuring diffuse solar irradiance: Corrections based on sky cover. Renewable Energy, vol. 99, pp. 754-763.

Escobedo, J. F.; Gomes, E. N.; Oliveira, A. P.; Soares, J., 2009. Modeling hourly and daily fractions of UV, PAR and NIR to global solar radiation under various sky conditions at Botucatu, Brazil. Applied Energy, vol. 86, pp. 299-309.

Flumignan, D. L.; Rezende, M. K. A.; Comunello, E.; Fietz, C. R., 2018. Empirical methods for estimating reference surface net radiation from solar radiation. Engenharia Agrícola, vol. 38, n. 1, pp. 32-37. Disponível em: https://doi.org/10.1590/1809-4430-Eng.Agric.v38n1p32-37/2018.

Franco, J. R.; Dal Pai, E.; Calça, M. V. C.; Raniero, M. R.; Dal Pai, A.; Sarnighausen, V. C. R.; Román, R. M. S., 2023. Atualização da normal climatológica e classificação climática de Köppen para o município de Botucatu - SP. Irriga - Brazilian Journal of Irrigation and Drainage, vol. 28, n. 1, pp. 77-92.

Gorelick. N.; Hancher, M.; Dixon, M.; Ilyushchenko, S.; Thau, D.; Moore, R., 2017. Google earth engine: planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, vol. 202, pp. 18-27.

IBGE., 2022. Panorama da Cidade de Botucatu (SP) - Brasil. Rio de Janeiro: IBGE - Instituto Brasileiro de Geografia e Estatística. Disponível em: https://cidades.ibge.gov.br/brasil/sp/botucatu/panorama. Acesso em: 02 ago. 2022.

IQBAL, M., 1983. An Introduction to Solar Radiation. Ontario: Academic Press Canada.

NASA., 2021. README document for NASA GLDAS version 2 data products. Washington - EUA: NASA - National Aeronautics and Space Administration. Disponível em: https://hydro1.gesdisc.eosdis.nasa.gov/data/GLDAS/GLDAS_NOAH025_3H.2.1/doc/README_GLDAS2.pdf. Acesso em: 22 out. 2023.

Pashiardis, S.; Kalogirou, S. A., 2016. Quality control of solar shortwave and terrestrial longwave radiation for surface radiation measurements at two sites in Cyprus. Renewable Energy, vol. 96, pp. 1015-1033. Disponível em: https://doi.org/10.1016/j.renene.2016.04.001.

Pereira, E. B.; Martins, F. R.; Gonçalves, A. R.; Costa, R. S.; Lima, F. L.; Rüther, R.; Abreu, S. L.; Tiepolo, G. M.; Pereira, S. V.; Souza, J. G., 2017. Atlas Brasileiro de Energia Solar. 2 ed., São José dos Campos: Instituto Nacional de Pesquisas Espaciais. Disponível em: http://doi.org/10.34024/978851700089.

Rincón. A.; Jorba, O.; Frutos, M.; Alvarez, L.; Barrios, F. P.; González, J. A., 2018. Bias correction of global irradiance modelled with weather and research forecasting model over Paraguay. Solar Energy, vol. 170, pp. 201-211.

Scikit-Learn., 2022. Model Evaluation. Documentation. Disponível em: https://scikit-learn.org/0.22/modules/model_evaluation.html#mean-absolute-error. Acesso em: 13 nov. 2022.

Silva, M. B. P.; Escobedo, J. F.; Santos, C. M.; Rossi, T. J.; Silva, S. H. M. G., 2017. Performance of the Angstrom-Prescott Model (A-P) and SVM and ANN techniques to estimate daily global solar irradiation in Botucatu/SP/Brazil. Journal of Atmospheric and Solar-Terrestrial Physics, vol. 160, pp. 11-27.

WMO., 2012. Guide to Meteorological Instruments and Methods of Observation. Geneva: WMO - World Meteorological Organization, n. 8.

Downloads

Publicado

2024-09-20

Como Citar

Calça, M. V. C., Mariano, D. C. L., Franco, J. R., Raniero, M. R., Modesto, C. G. dos S., Pai, E. D., & Pai, A. D. (2024). OTIMIZAÇÃO DE MODELOS LINEARES PARA ESTIMATIVA DA IRRADIÂNCIA SOLAR GLOBAL POR MEIO DE PRODUTOS DE SENSORIAMENTO REMOTO EM BOTUCATU (SP) - BRASIL. Anais Congresso Brasileiro De Energia Solar - CBENS. https://doi.org/10.59627/cbens.2024.2411

Edição

Seção

Anais