Controle de qualidade de dados de Radiação solar incidente para o Rio Grande Do Sul

Introdução

Tem-se como dados um conjunto de símbolos quantitativos ou qualitativos com o objetivo de nos proporcionar algum tipo de informação. Os dados de interesse neste trabalho são dados que trazem informações das variáveis meteorológicas (temperatura, umidade do ar, precipitação, radiação solar incidente, etc.), entre essas variáveis encontramos radiação solar incidente (Rg), uma das mais importantes variáveis meteorológicas.

Infelizmente os dados de radiação solar incidente, brutos, disponibilizados para estudos não são dados com grande confiabilidade e de boa qualidade, isso porque observa-se a ocorrência de diversos erros, muitas vezes pela falta de padronização de coleta de dados, em estações convencionais ou a falta de monitoramento e manutenção dos equipamentos em estações automáticas.

Porém, é de suma importância ter dados de alta qualidade para realização de estudos, compreender as mudanças climáticas, aplicação nas áreas de hidrologia, agricultura, base alimentar de todos os seres vivos, geração de energia, fundamental nos dias atuais por se uma forma de energia limpa e renovável e apesar de toda essa importância, dados de alta confiabilidade e qualidade são muito escassos no Brasil, principalmente de variáveis como a radiação solar.

Objetivo

Tendo em vista essa importância de ter dados de qualidade e alta confiabilidade, este trabalho tem como obejtivo construir uma base de dados de radiação solar incidente consistentes para o estado do Rio Grande do Sul

Metodologia

Para construir uma base de dados de radiação solar incidente (Rgh) consistentes, utiliza-se dados medidos através de um instrumento chamado piranômetro (Fabricante Kipp & Zonen, modelo CM6B, precisão de ±1% para Rg < 1000 Wm-2 (Figura1)) o qual faz parte do conjunto de instrumentos das estações automáticas (EMAs) (Figura2) do Instituto Nacional de Meteorologia (INMET), que disponibilizou os dados brutos para o estudo. Esses dados são fornecidos no Tempo Universal Coordenado (UTC), para o período diurno e convertidos para o horário local (HL).

Figura1: piranômetro (Fabricante Kipp & Zonen, modelo CM6B, precisão de ±1% para Rg < 1000 Wm-2)

Figura2: Estação Automática do INMET em Santa Maria – RS; Fonte: INMET

Primeiramente, faz-se um levantamento dos dados disponibilizados, para este estudo utilizou-se em dados do estado do Rio Grande do Sul, Brasil, totalizando 37 estações distribuídas por todo o território do gaúcho, com um peŕiodo de dados variando de 1 ano (Campo Bom) até 14 anos (Porto Alegre). As EMAs possuem uma distibuíção quase unifrome, pelo território gaúcho, tendo 1 EMA a cada 87 km, aproximadamente (Figura3).

Figura3: Mapa do Rio Grande do Sul com a distribuição espacial e disponibilidade de dados.

Após ter o levantamento de dados, aplica-se testes de qualidade para identificar os principais erros encontrados nos dados de radiação solar incidente, identificando-os como dados suspeitos. Para isso faz 4 teste.

Para o primeiro teste foi estipulado um intervalo de variação fixo, 0 ≤ Rgh ≤ 1367 W.m-2, no qual, a Rgh deveria se manter entre os valores de 0, quando não há radiação incidente e 1367 W.m-2, valor da constante solar, sendo esta o fluxo de radiação solar designada a atingir uma superfície plana e perpendicular aos raios solares.

O segundo teste é o teste da radiação extraterreste (Allen 1996), esta consiste na irradiância no topo da atmosfera de acordo com a variação dos dias do ano. Ou seja, a Rg extraterreste vai variar ao longo do ano. A Rgh tem de estar dentro do intervalo entre 0 e a radiação extraterreste.

No terceiro teste faz-se o teste da radiação potencial (Estevez et al 2011, Allen 1996) que, por sua vez, é a energia disponível em um dia em determinada latitude sem atenuação. Esta depende da radiação extraterreste, latitude, dias do ano e hora. Neste teste a radiação deve se manter no intervalo entre 0 e a radiação potencial.

Por fim, o quarto teste é o teste do desvio padrão (Xavier et al. 2015), onde encontra-se as 5 (cinco) estações mais próximas da estação de interesse, faz-se a média das 5 e então, a partir disso calcula-se o desvio padrão da média das cinco estações mais próximas. Este desvio padrão é uma desvio padrão hoário, ao somar (diminuir) a média das cinco estações mais próximas temos um limite superior(inferior) da rg. Por fim, a Rgh tem de estar dentro deste intervalo, entre o limíte superior e inferior do desvio padrão da média das cinco estações mais próximas. Ao analisar este teste, ele não necessariamente indica um erro, porém será dados que deverão ser analizados com maior atenção.

Resultados e Discussões

A partir dos dados das EMAs, fornecidos pelo INMET e através de calculos obteve-se os quatro controle de qualidade, de acordo com a constrante solar, radiação extraterreste, radiação potencial e desvio padrão da média das cinco estações mais próximas. Assim obtivemos o gráfico da ‘Figura4’, nele encontramos a quantidade de dados suspeitos em cada controle de qualidade para todas as 37 estações gaúchas.

Observa-se que o teste em que indica maior quantidade de dados suspeitos é o ultimo teste, teste da radiação potencial (Estevez et al 2011, Allen 1996), ele apresenta o total de 648594 dados suspeitos, representado no gráfico por ‘qc4_ pot’ o segundo com maior quantidade de dados suspeitos é o teste do desvio padrão da média das cincos estações mais próximas (Xavier et al. 2015), representado por ‘qc1_xav’, porém este é um método para rever os dados suspeitos, em função de estarem dentro de um intervalo criado através de dados das outras estações, nem sempre podem ser dados errados. Os demais testes, teste da radiação extraterreste (qc3 _ext) e da constante solar (qc1 _cs) não apresentaram números significativos (7 e 6, respectivamente), em função disso não aparecem nos dados por ser uma quantia muito inferior aos demais.

Figura4: Gráfico da quantidade de dados suspeitos em cada controle de qualidade por estação; dados: qc1_xav = teste do desvio padrão da média das 5 estações mais próximas, qc2_cs = teste do intervalo de 0 ≤ Rgh ≤ 1367 W.m-2, qc3_ext = teste da radiação extraterreste, qc4_pot) = teste da radiação potencial

Para complementar observa-se o gráfico da ‘Figura5’, onde apresenta a presença dos erros, de cada controle de qualidade, em cada estação, por exemplo, a maior parte das estações sinalizam dados suspeitos pelo teste de controle de qualidade do desvio padrão da média das estações mais próximas e pelo teste da radiação potencial, porém apresentam dados suspeitos em apenas um teste. Vale ressaltar que este gráfico está em função da densidade, por isso tem essa configuração, pois a área abaixo da curva tem de ser igual a 1.

Figura5: Gráfico que representa a presença de dados suspeitos encontrados por cada teste em cada estação em função da densidade

Isso também pode ser observado através dos valores apresentados na tabela ‘Tabela1’, nela estão dispostos todas as estações e a porcentagem de dados suspeitos detectados em cada teste.

Conclusão

A partir da análise dos dados de radiação sola incidente das 37 estações automáticas distribuidas pelo estado do Rio Grande do Sul, concluiu-se que ao realizar os teste de controle de qualidade dos dados é possivel obter uma base de dados de alta qualidade e confiabilidade. Os testes em que apresentaram a maior porcentagem de dados suspeitos foram o teste do desvio padrão da média das cinco estações mais próximas e da radiação potencial, sendo esta com a maior porcentagem em comparação entre esses dois teste. Os demais testes apresentaram uma porcentagem quase irrelevante de dados suspeitos.

A estação em que mais apresentou dados suspeitos, quando observado o teste da radiação potencial foi a estação ‘A899’ que corresponde a estação de Chuí, com 49.04 % de dados suspeitos. Já a estação com menor porcentagem de dados suspeitos, também analisando o teste da radiação potencial é a estação ‘A838’ que corresponde a estação de Camaquã, com 45.2 % de dados suspeitos.

Referências bibliográficas

Estévez, J., Gavilán, P., Giráldez, J. V., 2011. Guidelines on validation procedures for meteorological data from automatic weather stations,Journal of Hydrology 402

Allen, R.G., 1996. Assessing integrity of weather data for reference evapotranspiration estimation. Journal of Irrigation and Drainage Engineering, ASCE 122, 97–106

Alexandre C. Xavier, Carey W. King, Bridget R. Scanlon, 2015. Daily gridded meteorological variables in Brazil (1980–2013), Int. J. Climatol. (2015)