Calibração e avaliação de modelos para estimativa da radiação solar global para o Brasil
A radiação solar global (RG) é uma das variáveis meteorológicas mais importantes para a compreensão de processos biofísicos em ferramentas ao suporte de decisão na agricultura. Atualmente, ela pode ser medida por diferentes sensores de custo relativamente baixos e, de modo geral, apenas estações met...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2017 |
| País: | Brasil |
| Institución: | Universidade de São Paulo (USP) |
| Repositorio: | Biblioteca Digital de Teses e Dissertações da USP |
| Idioma: | portugués |
| OAI Identifier: | oai:teses.usp.br:tde-25082017-093906 |
| Acceso en línea: | http://www.teses.usp.br/teses/disponiveis/11/11152/tde-25082017-093906/ |
| Access Level: | acceso abierto |
| Palabra clave: | Agrometeorologia Agrometeorology Energia solar Irradiance Irradiância Parametrização Parametrization Solar energy Validação Validation |
| Sumario: | A radiação solar global (RG) é uma das variáveis meteorológicas mais importantes para a compreensão de processos biofísicos em ferramentas ao suporte de decisão na agricultura. Atualmente, ela pode ser medida por diferentes sensores de custo relativamente baixos e, de modo geral, apenas estações meteorológicas instaladas mais recentemente registram RG. Na falta de dados observados, torna-se necessário estimá-la através de modelos tão simples quanto possível e baseados em dados de entrada de fácil obtenção. O presente trabalho teve por objetivo analisar dois modelos (Bristow e Campbell (1984) (BC) e Hargreaves e Samani (1982) (H)) e otimizá-los estatisticamente, ajustando seus parâmetros, tomando como referência uma base de dados observados de 32 localidades pelo Instituto Nacional de Pesquisas Espaciais em todas as regiões brasileiras. O desempenho de cada modelo foi avaliado através do erro médio (EM), erro médio absoluto (EAM), coeficiente de determinação (R2), coeficiente de correlação (r), índice de concordância de Willmott (d) e raiz do erro médio quadrático (RMSE). Utilizando os parâmetros originais, o modelo H apresentou melhor desempenho, analisando RMSE, para todas as regiões brasileiras, com valores de 4.24 MJ.m-2d-1 para a região Norte, 4.55 MJ.m-2d-1 para a região Nordeste, 4.39 MJ.m-2d-1 para a região Centro Oeste, 4.61 MJ.m-2d-1 para a região Sul e 4.21 MJ.m-2d-1 para a região Sudeste. Após a otimização, o melhor desempenho foi dado pelo modelo BC, em todas as regiões do Brasil, com RMSE de 3.44 MJ.m-2d-1 para a Região Norte, 3.70 MJ.m-2d-1 para a região Nordeste, 3.62 MJ.m-2d-1 para a região Centro Oeste, 4.43 MJ.m-2d-1 para a região Sul e 3.50 MJ.m-2d-1 para a região Sudeste. Com a otimização dos parâmetros, encontraram-se valores médios para KT, utilizada pelo modelo de H: 0.152 °C-0,5 para a região Norte, 0.173 °C-0,5 para a região Nordeste, 0.145 °C-0,5 para a região Centro Oeste, 0.163 °C-0,5 para a região Sul e 0.152 °C-0,5 para a região Sudeste. Para os parâmetros adimensionais \"A\", \"B\" e \"C\" do modelo BC obteve-se para cada região, respectivamente, os seguintes valores: 0.619, 0.026 e 1.845 para a região Norte, 0.694, 0.074 e 1.489 para a região Nordeste, 0.635, 0.029 e 1.697 para a região Centro Oeste, 0.671, 0.044 e 1.580 para a região Sul e 0.702, 0.025 e 1.747 para a região Sudeste. |
|---|