Modelización matemática de la radiación solar fotosintéticamente activa
La radiación fotosintéticamente activa () es la componente de la radiación solar que ejerce una mayor influencia en la fotosíntesis y el crecimiento vegetal. La vegetación actua como sumidero de CO2, mitigando los efectos del cambio climático, por lo que conocer la influencia de la en el crecimiento...
| Autor: | |
|---|---|
| Formato: | tesis doctoral |
| Estado: | Versión aceptada para publicación |
| Fecha de publicación: | 2022 |
| País: | España |
| Recursos: | Universidad de Burgos (UBU) |
| Repositorio: | Repositorio Institucional de la Universidad de Burgos (RIUBU) |
| OAI Identifier: | oai:riubu.ubu.es:10259/7799 |
| Acesso em linha: | http://hdl.handle.net/10259/7799 |
| Access Level: | acceso abierto |
| Palavra-chave: | Radiación solar PAR Modelización matemática Regresiones multilineales Redes neuronales artificiales Solar radiation Mathematical modelling Multilinear regressions Artificial neural networks Meteorología Estadística matemática Meteorology Mathematical statistics Electrotecnia Electrical engineering 2106.01 Energía Solar 2202.06 Radiación Infrarroja, Visible y Ultravioleta 1209.09 Análisis Multivariante 1203.04 Inteligencia Artificial |
| Resumo: | La radiación fotosintéticamente activa () es la componente de la radiación solar que ejerce una mayor influencia en la fotosíntesis y el crecimiento vegetal. La vegetación actua como sumidero de CO2, mitigando los efectos del cambio climático, por lo que conocer la influencia de la en el crecimiento vegetal es primordial. La modelización matemática de la permite estimar su valor a partir de otras variables, sin necesidad de disponer de instrumentos de medida específicos, ya que no es habitual encontrar, en las estaciones radiométricas, sensores que midan esta componente de la radiación solar. En este trabajo, se ha modelado matemáticamente la en Burgos, España. Para ello, se ha analizado estadísticamente la en la localidad, analizando la ratio de esta componente con la irradiancia global horizontal. Se ha realizado una exhaustiva revisión de los modelos existentes y se han calibrado y validado 21 de ellos con datos experimentales procedentes de siete estaciones radiométricas estadounidenses, pertenecientes a la red SURFRAD. La mayor parte de los estudios publicados por otros autores, se centran en resultados para cielos claros, limitando su aplicación al ámbito local y esas condiciones de cielo. Mediante procedimientos de machine learning, aplicados a los datos experimentales obtenidos en Burgos, se ha realizado una selección de variables para modelar la mediante regresiones multilineales y redes neuronales. Estos estudios han permitido obtener modelos matemáticos, diferentes para cada tipo de cielo (cubiertos, parciales y claros) clasificados según la norma ISO/CIE y alternativamente, utilizando como parámetro de clasificación el índice de claridad (). El comportamiento de estos últimos modelos, calibrados localmente para Burgos, ha sido evaluado frente a las medidas de siete estaciones radiométricas de la red SURFRAD, con diferente climatología, obteniendo muy buenos resultados y permitiendo afirmar que estos modelos pueden utilizarse en cualquier localización, independientemente del clima. |
|---|