Aplicação de fluxo ótico na previsão de Cloud Motion Vectors para estimativa de irradiância na superfície

Abstract

Neste estudo, avaliou-se o desempenho de um modelo de previsão de Cloud Motion Vectors para estimar a irradiância global horizontal na superfície (G). Este modelo foi desenvolvido baseado na metodologia de fluxo ótico, uma abordagem estatística que utiliza como parâmetros de entrada duas imagens de satélite GOES-16 no comprimento de onda 0,64 µm para projetar o deslocamento futuro das nuvens presentes na imagem num horizonte de tempo de duas horas. Foram selecionadas quatro localidades do território brasileiro para aplicação da metodologia (Brasília, Cachoeira Paulista, Petrolina e São Martinho da Serra), comparando os resultados obtidos com estações solarimétricas de superfície em quatro meses representativos de cada estação do ano. Foram selecionados três horários distintos para aplicação do modelo desenvolvido, 12, 15 e 17 horas (UTC), com previsões de duas horas em passos de tempo de dez e quinze minutos, ou seja, cada horário produziu de 8-12 estimativas de G. Assim, para cada mês foram obtidos aproximadamente 1.000 valores previstos de G em cada localidade. Os resultados obtidos indicam que o algoritmo de fluxo ótico produz imagens estatisticamente válidas para todas as localidades ao longo do ano todo. Para as estimativas de G observou-se que o modelo desenvolvido produz resultados inferiores à previsão padrão (método da persistência) durante os instantes iniciais de previsão, mas o supera nos passos de tempo posteriores, previsões durante os horários de 12 e 15 UTC apresentam os melhores resultados. A localidade de São Martinho da Serra apresentou os resultados com pior qualidade, sendo repetidamente superado pela previsão padrão.

This study evaluated the performance of a Cloud Motion Vector model in order to forecast future values of global horizontal irradiance. The model was developed based on the optical flow methodology, a statistical approach that takes as input parameters two consecutive GOES­16 satellite images in the 0,64 wavelength and generates as output future cloud displacement in a time horizon of two hours. The methodology was then applied in four different locations of the Brazilian territory (Brasília, Cachoeira Paulista, Petrolina and São Martinho da Serra), comparing the results with data measured by surface stations. Three different times were selected, 12, 15 and 17 hours (UTC) with time steps of 10 minutes up to two hours, i.e., each hour contained 12 G estimates. Therefore, close to 1,000 values of G were forecast for each month within each location. The results indicate that the optical flow algorithm generate statistically valid images for every location throughout every season of the year. The validation of the G forecasts indicate that the model performs inferiorly to the standard forecast (persistence method) during the first forecast frames, outperforming it in posterior time steps. Forecasts were better during 12 and 15 UTC, and São Martinho da Serra presented lower quality forecasts, continuously outperformed by the persistence method.