Influencia de las Nubes y Aerosoles en la Irradiancia Solar y Aplicación de Índices Climáticos en su Pronóstico Mensual sobre China
Autores: Zhang, Shuting; Wang, Xiaochun
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Nubes
Aerosoles
Irradiancia solar
China continental
índices climáticos
Modelo de pronóstico
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 7
Citaciones: Sin citaciones
Basado en los datos del satélite Clouds and the Earth"s Radiant Energy System (CERES) desde 2001 hasta 2023 y los índices climáticos de la Administración Nacional Oceánica y Atmosférica (NOAA), este estudio analiza la irradiancia solar sobre la China continental y los impactos de las nubes y aerosoles en ella, y construye modelos de pronóstico mensual para analizar la influencia de los índices climáticos en las previsiones de irradiancia. La irradiancia sobre la China continental muestra una distribución espacial más alta en el oeste y más baja en el este. La influencia de las nubes en la irradiancia disminuye de sur a norte, y la influencia de los aerosoles es prominente en el este. La varianza explicada promedio de las nubes sobre la irradiancia es del 86.72%, que es mucho más alta que la de los aerosoles sobre la irradiancia, 15.62%. El análisis de Descomposición en Valores Singulares (SVD) muestra una alta correlación entre las respectivas series temporales de irradiancia e influencia de nubes, con los dos campos teniendo patrones espaciales similares de signos opuestos. La variación en la irradiancia solar se puede atribuir principalmente a la influencia de las nubes. El análisis de Función Ortogonal Empírica (EOF) indica que la variación en el primer modo de irradiancia es consistente en la mayor parte de China, y su coeficiente temporal se selecciona para el pronóstico mensual. Se utilizan tanto el método tradicional de regresión lineal múltiple como la red de Memoria a Largo y Corto Plazo (LSTM) para construir modelos de pronóstico mensual, con el coeficiente temporal anterior del primer modo EOF y diferentes índices climáticos como entrada. En comparación con el método de regresión lineal múltiple, LSTM tiene una mejor habilidad de pronóstico. Cuando la longitud de entrada aumenta, la habilidad de pronóstico disminuye. La inclusión de índices climáticos, como la Cuenca del Océano Índico (IOB), el Oscilación del Sur-El Niño (ENSO) y el Dipolo del Océano Índico (IOD), puede mejorar la habilidad de pronóstico. Entre estos tres índices, el IOB tiene el efecto de mejora más significativo. La investigación proporciona una base para el pronóstico preciso de la irradiancia solar sobre China en una escala de tiempo mensual.
Descripción
Basado en los datos del satélite Clouds and the Earth"s Radiant Energy System (CERES) desde 2001 hasta 2023 y los índices climáticos de la Administración Nacional Oceánica y Atmosférica (NOAA), este estudio analiza la irradiancia solar sobre la China continental y los impactos de las nubes y aerosoles en ella, y construye modelos de pronóstico mensual para analizar la influencia de los índices climáticos en las previsiones de irradiancia. La irradiancia sobre la China continental muestra una distribución espacial más alta en el oeste y más baja en el este. La influencia de las nubes en la irradiancia disminuye de sur a norte, y la influencia de los aerosoles es prominente en el este. La varianza explicada promedio de las nubes sobre la irradiancia es del 86.72%, que es mucho más alta que la de los aerosoles sobre la irradiancia, 15.62%. El análisis de Descomposición en Valores Singulares (SVD) muestra una alta correlación entre las respectivas series temporales de irradiancia e influencia de nubes, con los dos campos teniendo patrones espaciales similares de signos opuestos. La variación en la irradiancia solar se puede atribuir principalmente a la influencia de las nubes. El análisis de Función Ortogonal Empírica (EOF) indica que la variación en el primer modo de irradiancia es consistente en la mayor parte de China, y su coeficiente temporal se selecciona para el pronóstico mensual. Se utilizan tanto el método tradicional de regresión lineal múltiple como la red de Memoria a Largo y Corto Plazo (LSTM) para construir modelos de pronóstico mensual, con el coeficiente temporal anterior del primer modo EOF y diferentes índices climáticos como entrada. En comparación con el método de regresión lineal múltiple, LSTM tiene una mejor habilidad de pronóstico. Cuando la longitud de entrada aumenta, la habilidad de pronóstico disminuye. La inclusión de índices climáticos, como la Cuenca del Océano Índico (IOB), el Oscilación del Sur-El Niño (ENSO) y el Dipolo del Océano Índico (IOD), puede mejorar la habilidad de pronóstico. Entre estos tres índices, el IOB tiene el efecto de mejora más significativo. La investigación proporciona una base para el pronóstico preciso de la irradiancia solar sobre China en una escala de tiempo mensual.