UNIVERSIDAD DE SEVILLA

ESCUELA TCNICA SUPERIOR DE INGENIEROS

DEPARTAMENTO DE INGENIERIA ENERGTICA

COMPARATIVA DE LA
RADIACIN SOLAR MEDIDA
MEDIANTE BASES
TERRESTRES Y BASES
SATELITALES

PROYECTO FIN DE CARRERA

MANUEL OJEDA FERNNDEZ

DIRECTOR
Dr. D. Isidoro Lillo Bravo

Sevilla, Julio 2011

1.

ANTECEDENTES ................................................................................................................. 2

2.

OBJETO DEL PROYECTO ..................................................................................................... 3

3.

DESCRIPCIN GENERAL DEL PROYECTO ............................................................................. 4

4.

ANLISIS BIBLIOGRFICO .................................................................................................. 5

5.

DESCRIPCIN DE LAS BASES DE DATOS .............................................................................. 6

5.1

BASES DE DATOS SATELITALES ................................................................................... 6

5.2

BASES DE DATOS TERRESTRES.................................................................................. 34

6. ANLISIS COMPARATIVO..................................................................................................... 41
6.1 PROCESO DE CLCULO MEDIANTE R .............................................................................. 42
7. RESULTADOS ....................................................................................................................... 66
7.1

ANLISIS PUNTUAL................................................................................................... 66

7.2

ANLISIS DE IRRADIACIN GLOBAL ANUAL EN EL PLANO HORIZONTAL.................... 72

8. CONCLUSIONES ................................................................................................................... 86
9. BIBLIOGRAFA ..................................................................................................................... 87
10. ANEXOS............................................................................................................................. 89
ANEXO I: Cdigo R ............................................................................................................... 89
ANEXO II: Estaciones Siar .................................................................................................. 103
ANEXO III: Tratamiento de datos y especificaciones tcnicas de CM-SAF ........................... 110
ANEXO IV: Anlisis de la irradiacin efectiva ...................................................................... 135
ANEXO V: Ubicacin de las estaciones Red Siar .................................................................. 174

1. ANTECEDENTES
En la actualidad, la energa y el crecimiento exponencial del consumo energtico es uno de
los factores clave del desarrollo econmico. Dentro de este campo, la energa solar por su
carcter renovable y sostenible, tiene un papel fundamental en la sociedad.
El conocimiento preciso de la irradiacin solar es esencial para multitud de aplicaciones,
que incluyen sistemas de generacin de energa elctrica mediante recurso solar, modelos de
crecimiento de cultivos y estimaciones de evapotranspiracin. La radiacin solar global se mide
sobre el terreno a travs de un conjunto de estaciones meteorolgicas con piranmetros o
clulas, instrumentos costosos de instalar y mantener. Realizar un mapa de irradiacin mediante
interpolacin/extrapolacin, teniendo en cuenta solamente datos de estaciones terrestres lleva
consigo un error propio tanto de la misma interpolacin o extrapolacin como el que se deriva
del nmero finito de puntos de muestreo de datos y de la heterogeneidad de la distribucin de
las estaciones existentes.
La radiacin solar tambin puede ser medida a travs del anlisis de imgenes de satlite.
Tanto la resolucin de estas imgenes, en general de bastantes km x km, como su variabilidad a
efectos de nubosidad y a variables microclimticas, inducen en estos modelos un cierto grado de
incertidumbre no conocido en la mayor parte de los casos.
Por ello, la combinacin de ambos sistemas de medida sera necesaria para complementar y
mejorar la calidad de los datos obtenidos, de manera que se consiga disminuir la incertidumbre
asociada al valor estimado de la irradiacin en un punto terrestre determinado.

2. OBJETO DEL PROYECTO

Debido a la importancia de reducir la incertidumbre en las previsiones y los modelos de los
que derivamos los datos de irradiacin solar, pretendemos con este proyecto aunar ambas
fuentes de informacin actualmente posibles, tanto las bases terrestres como las satelitales, de
modo que mediante el programa de clculo R consigamos una metodologa que permita el
contraste y la mejora de la calidad de los datos.
Nuestra meta ser la obtencin de los datos de irradiacin mediante imagnes de satlite,
las medidas tomadas en bases terrestres, tratamiento de los datos conseguidos y realizacin de
mapas o grficos que muestren una correlacin entre ambos modelos, mejorando en la medida
de lo posible la incertidumbre asociada a la previsin de recurso solar. Para ello, nuestros
objetivos se dividirn en varios bloques:
-Anlisis y discusin de las bases de tantos, tanto satelitales como terrestres, disponibles
para terminar escogiendo aquellas que, para el alcance de este proyecto, resulten ms
apropiadas.
-Consecucin de las coordenadas espaciales de las estaciones terrestres usadas, de modo
que podamos implementar con la codificacin de R una correlacin entre latitud y longitud y
valores medidos.
-Anlisis de los diferentes mtodos de ajuste y visualizacin de los resultados obtenidos
para la irradiacin anual en la Espaa peninsular. Consecucin de valores estadsticos que nos
inviten a conclusiones.
En cualquier caso, por la generalidad del proyecto se comenzarn por el anlisis de la
irradiacin en el plano horizontal, siendo posible la aplicacin de diversos modelos de
seguimiento que se citarn como ejemplo en los anexos. Adems, el objetivo fundamental del
proyecto es la consecucin de una metologa general abierta a diversos modelos que quedan
propuestos para su mejora.

3. DESCRIPCIN GENERAL DEL PROYECTO

En este proyecto, se ha procedido a un estudio que contraste los datos de irradiacin
obtenidos tanto de estaciones terrestres como de bases satelitales, con la intencin de establecer
la variabilidad entre ambas fuentes. El procedimiento que se realizar ser la obtencin de los
datos satelitales ms apropiados, la obtencin de los datos terrestres y las diferencias entre
ambos, analizando mediante cuatro tipos de ajuste espacial los valores de irradiacin de las
estaciones terrestres.
En el apartado 5, se realiza una breve presentacin de las bases de datos tanto satelitales
como terrestres y posterior eleccin de la ms idnea para el estudio, valorando la
disponibilidad de los datos, la fiabilidad y la incertidumbre de los mismos.
En el apartado 6, se procede con un anlisis comparativo de los valores obtenidos
anteriormente, para lo cual es necesario realizar un ajuste espacial de los datos terrestres
mediante los siguientes mtodos:
-IDW (Inverse Distance Weighted):
Mtodo de la ponderacin por distancia que se basa en asignar pesos a los datos del entorno
que rodean el punto, creando una funcin inversa de la distancia que los separa. Se establece
una funcin de proporcionalidad entre peso y distancia.
-Ajuste por superficie:
Se estudia si el sistema se puede ajustar mediante un ajuste por superficie, que intente
simular la irradiacin con modelos polinmicos. En el desarrollo del proyecto se observar un
ajuste lineal para la latitud y un ajuste parablico para la longitud.
-Ordinary kriging:
Mtodo geoestadstico de interpolacin que relaciona el variograma de la semivarianza de
dispersin de la irradiacin de una estacin respecto al resto de estaciones con la distancia, para
intentar explicar la variacin espacial.
-Universal kriging:
Emplea el mismo variograma del ordinary kriging y intenta suavizar el sistema aadiendo
una capa de influencia de latitud y longitud o bien una capa de influencia de los valores de
irradiacin satelitales.
-Latitud y longitud como variable explicativa
-Valores satelitales como variable explicativa
Los resultados obtenidos se interpretan a partir de los mapas peninsulares que se adjuntarn
donde observamos las variaciones de unos ajustes frente a los valores satelitales, as como los
parmetros de cada mtodo de ajuste y los mapas, en trminos porcentuales, de las diferencias
entre bases de datos. Por ltimo, concluimos con los apartados 7 y 8 con las conclusiones
generales y las lneas de trabajo que se sugieren.

4. ANLISIS BIBLIOGRFICO
El rea de trabajo de este proyecto ha sido ampliamente estudiada debido a la importancia
del conocimiento de recurso solar y la confeccin de modelos matemticos que se ajusten a l
de manera apropiada.
En primer lugar, sobre el trazado de mapas referentes al ndice de claridad usando mtodos
de co-kriging podemos encontrar segn Beyer y Czeplak, 1995, en su artculo Evaluacin de
los mtodos usados para la construcciones de mapas de ndices de claridad para el nuevo atlas
de radiacin solar (ESRA) que plantean lo problemtico de las zonas montaosas en el trazado
de mapas de radiacin solar, adems de aquellas zonas carentes de densidad de estaciones por la
falta de datos. Propone la divisin en subregiones cuya correspondencia de radiacin con altitud
sea estudiada. Anota tambin la falta de modelos que aporten una correlacin entre fenmenos
de la orografa (picos de montaas) y cambios en la radiacin solar. Propone el uso de mapas
satelitales de alta resolucin para fijar las variaciones de los mapas a pequea escala pero
resultan de poca ayuda por su insuficiente definicin. Concluye que la correlacion entre datos
terrestres y satelitales es menos de la esperada, con variabilidades de entre el 10 y el 15% en
invierno a lo qu propone el uso de otras fuentes (SUNSAT) que tampoco consiguen una mejora
evidente.
Por otra parte, Gueymard y Wilcox, 2011, Evaluacin de la variabilidad espacial y temporal
de los recursos solares en Estados Unidos a partir de medidas radiomtricas y predicciones de
modelos basados en datos terrestres y satelitales concluye como el sesgo relativo entre las
medidas terrestres y satelitales es manifiesto pero con cierta variabilidad. Indica como la
irradiacin directa normal se establece en su valor climatolgico a largo plazo en mucho mayor
periodo de tiempo que la radiacin global. Del mismo modo, resalta como existe una sobre
estimacin del recurso (lo que denomina sndrome Eugene) del 10 al 40% en radiacin
horizontal del modelo que puede afectar a los sistemas de generacin de energa. Establece
reas de poca variabilidad interanual de modo que, segn la aplicacin buscada de la energa
solar, bastase un periodo de medida mucho menor para tener datos fiables.
En relacin a lo ya explicado, mencionamos Hay, 1986, Errores asociados a la interpolacin
espacial de la irradiacin solar media que evala tres casos de interpolacin: interpolacin de
las distancias inversas ponderadas para tres estaciones, la interpolacin de las distancias
inversas ponderadas para dos estaciones y la extrapolacin de una estacin, determinando como
el error decae por debajo del 1% usando los datos de hasta tres estaciones. Sin embargo, en
zonas del rtico canadiense o zonas costeras la variabilidad aumenta considerablemente.
Sostiene como la evaluacin de los errores es perfectamente aplicable para la generacin de
matrices de covarianza para valores a largo plazo.
Tambin se menciona Huld, 2008, Variacin geogrfica de la conversin de eficiencia de
los mdulos fotovoltaicos de silicio cristalino en Europa, con la confeccin de mapas de
variabilidad de produccin a lo largo del continente europeo. As como Perpian, 2009,
Anlisis estadstico del rendimiento y simulacin de un sistema fotovoltaico de seguimiento en
dos ejes que muestra las mayores desviaciones durante los meses de invierno, entorno al 5%,
frente al 1% de los meses de verano.

5. DESCRIPCIN DE LAS BASES DE DATOS

5.1 BASES DE DATOS SATELITALES
5.1.1

CM-SAF

www.cmsaf.eu
Desarrollado por el Servicio de Meteorologa Alemn colaborando con el dans, belga,
holands, sueco y suizo. Empez a funcionar en fase inicial desde el 2004 y en fase de
operacin desde 2007. Provee informacin sobre los productos de radiacin solar en la
superficie. Estos productos son actualmente derivados de dos sensores de imagen pasivos
diferentes:
El radimetro avanzado de muy alta resolucin (AVHRR) operado a bordo de los
satlites polares de la Administracin Nacional Atmosfrica y Ocenica (NOAA) NOAA-15, 16, -17 y -18 y a bordo de los actuales y de los prximos satlites polares de la Operacional
Meteorolgica (MetOp-A, -B, and C).
El Generador giratorio de Imgenes Realzadas de Espectro Visible e Infrarrojos
(SEVIRI) operado a bordo de los satlites geoestacionarios Meteosat (Meteosat -8, -9).
El manual describe los productos disponibles con ejemplos de imgenes, da la descripcin de
los algoritmos bsicos y un breve repaso de validacin respecto de varias observaciones de
referencia. Adicionalmente, una descripcin tcnica de los datos incluyendo informacin en el
mismo formato as como herramientas de acceso y manejo (e.g. mapping y herramientas de
visualizacin) que tambin se provee en las secciones finales.
Los datos producto de CM-SAF se distinguen en productos de monitorizacin operacional y
conjuntos de datos creados retrospectivamente (Schulz et al. (2009)). Los productos de
monitorizacin operacional son difundidos con altas secuencias (8 semanas despus de
observacin es el lmite) apoyar la aplicacin de monitorizacin operacional del clima de los
Servicios Nacionales de Meteorologa e Hidrologa. Las necesidades de secuenciacin quieren
decir que este tipo de producto no es aplicable para monitorizacin de variabilidad inter anual y
pautas de muy alta fiabilidad. Los errores parciales debidos, e.g. degradacin de los sensores y
cambios orbitales as como parcialidades inter satelitales no son corregidos para los productos
de monitorizacin operacional. Adems, la caracterizacin de anomalas relativamente fuertes
en una escala mensual deberan ser factibles o viables. Respecto de los conjuntos de datos
producidos retrospectivamente, los errores debidos a la degradacin de los sensores, cambios de
rbita y parcialidades inter satelitales son minimizados. Estos conjuntos de datos estn
orientados a proveer de series temporales aplicables para el anlisis de la variabilidad a mayor
escala que la interanual. Es de esperar que tales productos estn para el final de la Fase de
Operaciones Continuas y Desarrollo (CDOP) en 2012 y tendrn un manual de usuario de
producto separado. Este manual de usuario de producto describe exclusivamente los productos
de radiacin operacional en superficie de CM-SAF.
5.1.1.1 Descripcin de los productos de radiacin superficial
Se definen seis productos diferentes de radiacin superficial dentro de un mallado con una
resolucin espacial de 15 km x 15 km. Todos los productos de radiacin superficial estn
presentados en la Tabla 5-1 con sus acrnimos asociados y sus unidades. Ntese que cada
6

producto existe en dos versiones diferentes, una versin que deriva de datos de satlites de
rbita polar (NOAA/METOP AVHRR) y otra que deriva de datos de satlites geoestacionarios
(METEOSAT/SEVIRI). Todos los productos se dan como medias diarias y mensuales. Un ciclo
de productos de
medias mensuales diurnas se aaden de los conjuntos de datos
geoestacionarios.
Acrnimo

Ttulo de producto

Unidad

SIS

Radiacin de onda corta que

llega a la superficie

Wm-2

SDL

Radiacin de onda larga de

penetracin en superficie

Wm-2

SOL

Radiacin de onda larga

saliente de superficie

Wm-2

SNS

Radiacin neta de onda corta

superficial

Wm-2

SNL

Radiacin neta de onda larga

superficial

Wm-2

SRB

Tasa de radiacin superficial

Wm-2

Tabla 5.1 Tipos de productos facilitados por CM-SAF

La figura 5.1 da una visin de las zonas actuales de procesamiento.

Figura 5.1 rea cubierta por los productos de radiacin superficial CM-SAF

5.1.2

HELIOCLIM

www.helioclim.net
Servidor dependiente de la Escuela de Minas de Paris y el Centro de Energa y Procesos para
proveer de datos de radiacin solar. Este servicio est asociado a SoDa.
Se basa en el mtodo de Heliosat, el cual convierte imgenes de satlites geoestacionarios
como Meteosat (Europa), GOES (USA) o GMS (Japn) en mapas de datos de radiacin solar a
nivel del suelo. ste mtodo contiene modelos, en lenguaje C, de geometra solar y del satlite
as como de ndices claridad. Existen varias versiones de ste mtodo, actualmente se est
empleando la versin Heliosat-2 desarrollado en noviembre de 2002 por la Escuela de Minas de
Paris con apoyo de la Comisin Europea (proyecto SoDa). Adems el Heliosat-4 est siendo
desarrollado, de nuevo, por la Escuela de Minas de Pars apoyados por la Agencia Aeroespacial
alemana, DLR. Adems HelioClim cuenta con un servicio de control de calidad de las medidas
de irradiacin global. Existen diversas razones por las que se puede suministrar un dato errneo
de irradiacin, datos sin sentido. Con este servicio se tiene acceso a una serie de programas que
comparan los datos concretos con la irradiacin extraterrestre para el da y hora concreta. Tras
eso se genera un informe que nos indicar una posible anomala.
Ahondando ms en el mtodo Heliosat-2 se puede decir que est basado en los mismos
principios fsicos que el Heliosat-1. Sin embargo los parmetros empricos, ndice de nubosidad
(relacionado con el ndice de claridad), albedo aparente a nivel del suelo y en nube, que se
empleaban en el Heliosat-1 son expresados en el Heliosat-2 mediante leyes fsicas. ste hecho
abre las posibilidades a emplear modelos atmosfricos conocidos, es decir, no tener que emplear
parmetros definidos empricamente. Las motivaciones principales para la creacin
de esta nueva versin son mejorar la capacidad del mtodo para procesar cualquier tipo de datos
obtenidos en el rango de banda ancha visible por los satlites meteorolgicos geoestacionarios,
incluidas las grandes series temporales de imgenes tomadas por diferentes sensores, y para
mejorar la aplicacin del mtodo al reducir el nmero de parmetros empricos.
Tras una comparacin de medidas obtenidas con Heliosat-2 frente a las de superficie, se ve
que el error es similar al que arroja el Heliosat-1. El mtodo genera problemas en los momentos
en los que el sol no est muy elevado y debe mejorarse en ese aspecto. Adems el Heliosat-2 no
funciona correctamente en zonas donde las escalas de variabilidad de la irradiacin son ms
pequeas que 2 o 5 veces el tamao del pxel. Esto afecta a las zonas montaosas, por ejemplo.
Adems el mtodo ha de ser mejorado en varios aspectos: el modelo de claridad del cielo no
tiene en cuenta la parte de radiacin difusa que ha sido reflejada una o ms veces por la
superficie antes de incidir en la zona de estudio (para altas elevaciones del sol y grandes
tamaos de pixel no afecta mucho, pero s para pequeas elevaciones del sol y pequeos
tamaos de pxel), para pequeas elevaciones de sol y tamaos de pxel de menores de 1km
debe ser tenido en cuenta. Otro aspecto importante a mejorar es la relacin empleada entre el
ndice de nubosidad e ndice de claridad (se emplea el propuesto por Rigollier and Wald
(1998)). El mejor modelado de cielos nubosos es fundamental para obtener una mejora notable
en el mtodo. El ndice de turbidez de Linke es de vital importancia en el mtodo de Helioclim2 pues gobierna los valores de irradiacin para un cielo claro. El hecho de que ste ndice sea
conocido en pocos sitios plantea un problema para el mtodo.
Para calcular la intensidad de la radiacin en una atmsfera, ya sea con bruma o vapor de
agua, o ambos simultneamente, Linke estableci un factor de turbidez.
8

Considerando = 0
= exp
( )
Donde Sg es el coeficiente medio para todas las longitudes de onda, que corresponde a la
atenuacin debida a la difusin por los gases de una atmsfera pura y seca; T es el factor de
turbidez de Linke, que se puede interpretar como el nmero de atmsferas puras y libres de
polvo necesarias para obtener la atenuacin observada.

En definitiva, las bases de datos de radiacin solar (irradiacin e irradiancia) que ofrece
HelioClim provienen de un procesado de imgenes del satlite Meteosat. Estas bases de datos
existen desde el 1985 y son accesibles a travs del SoDa. HelioClim cubre Europa, frica, el
Mediterrneo, el ocano Atlntico y parte del ndico.
La Escuela de Minas de Pars recibe los datos del Meteosat a travs de Eumetsat y los procesa
en tiempo real. Como ya se ha dicho se puede acceder a esos datos obtenidos a travs del
servicio de SoDa. Actualmente existen tres bases de datos en la familia de HelioClim: HC-1,
HC-2, HC-3. Actualmente se trabaja en el HC-4.
A continuacin adjuntamos las especificaciones de cada una de las versiones,

Propiedades comunes a las bases de datos de HelioClim: HC-1, HC-2, HC-3

Lat (): -66; +66
Lon (): -66; +66

Cobertura geogrfica (aprox.)

Parmetros

Irradiancia, irradiacin, global en la superficie horizontal,

radiacin total (integracin en todo el espectro)

Mtodo de procesamiento de
imgenes del MeteSat

Heliosat-2

Tabla 5-2. Propiedades comunes de HelioClim

Propiedades especficas para cada base de datos de HelioClim

HC1

HC2

HC3

Status

Version 4

Version 1.0.1

Version beta

Resolucin Espacial

Aprox. 20
km

Aprox. 10 km

Aprox. 5 km

Perodo de operacin

1985 2005

Desde Feb. 2004 en

adelante

Desde Feb. 2004 en adelante

Resolucin Temporal

Diaria

Horaria

15 min

Actualizacin

Ninguna

Todos los das

Todos los das

No
aplicable

Final del siguiente da.

Siempre que exista
acuerdo con
EUMETSAT

Final del siguiente da.

Siempre que exista acuerdo
con EUMETSAT

Disponibilidad de
datos despus de la
adquisicin por satlite

Tabla 5-3. Propiedades especficas de HelioClim

Concretaremos un poco ms en el HC3, el ms moderno. Para evaluar la incertidumbre de

HC-3 se compara con medidas obtenidas en diversas estaciones Europeas: Francia (3
estaciones),
Alemania (10 estaciones), Italia (1 estacin), Moldavia (1 estacin), Noruega (1 estacin) y
Suiza (6 estaciones). En total se han empleado 142329 valores horarios y 12019 valores diarios.
Los resultados obtenidos despus de la comparacin para esas estaciones arrojan una
desviacin cuadrtica media del 31% para valores horarios y del 15% para valores diarios.
Algn ejemplo concreto:
Carpentras (Meteo-France)
Valor horario promedio medido en superficie: 426.7 W/m2
Valor horario promedio de HC-3: 427.7 W/m2
Error cuadrtico medio: 98.6 W/m2 (23 %)
Coeficiente de correlacin: 0.9375

10

Figura 5-2 Medias horarias de irradiancia [W/m2]

11

Tipo de
informacin

Mes

Valor
medio

Sesgo

RMSE

Coeficien
te de
correlacin

Nmero de
observacion
es

Irradiacin
horaria

Enero 95

137

-31 (-23%)

62 (45%)

0.83

5028

Abril 95

361

2 (0%)

96 (27%)

0.90

8248

Julio 94

569

1 (0%)

103 (18%)

0.87

8150

Media
mensual de
la
irradiacin
horaria

Enero 95

142

-33 (-23%)

41 (29%)

0.91

160

Abril 95

361

1 (0%)

41 (11%)

0.94

280

Julio 94

568

1 (0%)

48 (8%)

0.93

272

Irradiacin
diaria

Enero 95

987

-54 (-5%)

199 (20%)

0.95

344

Abril 95

3366

175 (5%)

534 (16%)

0.95

1044

Julio 94

5817

143 (2%)

566 (10%)

0.94

887

Media
mensual de
la
irradiacin
diaria

Enero 95

891

-128 (-14%)

215 (24%)

0.88

20

Abril 95

3367

175 (5%)

243 (7%)

0.97

35

Julio 94

5776

192 (3%)

307 (5%)

0.92

34

Irradiacin
de 5 das (al
menos con
un 60% de
das vlidos)

Enero 95

4607

-333 (-7%)

898 (19%)

0.94

75

Abril 95

16826

878 (5%)

1794 (11%)

0.96

209

Julio 94

28736

1151 (4%)

2419 (8%)

0.91

202

Irradiacin
de 10 das
(al menos
con un 60%
de das
vlidos)

Enero 95

8788

-742 (-8%)

1836 (21%)

0.93

43

Abril 95

33675

1773 (5%)

3285 (10%)

0.96

104

Julio 94

57680

2021 (4%)

3454 (6%)

0.92

101

Tabla 5.4. Diferencias entre valores medidos y valores estimados en Whm-2. El valor medio es aquel de
medidas terrestres. Los porcentajes son expresados en funcin de este valor medio

12

5.1.3

SODA ESRA

www.soda-is.com
Soda Service es una aplicacin Web diseada para responder a las necesidades de la
industria y la investigacin para obtener informacin sobre varios recursos solares. Una serie de
bases de datos establece series de tiempo a largo plazo de irradiacin o radiacin (tambin
llamada radiacin de onda corta hundimiento), temperatura, precipitacin, radiacin de onda
larga, el factor de turbidez Linke, turbidez atmosfrica, las propiedades de cielos claros, PAR
(radiacin fotosintticamente activa), la distribucin espectral.
Desde la pgina principal, todas las siguientes bases de datos son accesibles a travs del
"Servicio" elemento. Todas las bases de datos de trabajo con una interfaz similar. De datos
comunes de entrada son:
Longitud y latitud en grados y decimales de grados. Longitudes oeste y las latitudes del norte
son positivas. La bsqueda puede hacerse por las ciudades o el uso de un mapa.
Altitud sobre el nivel del mar en metros. Si se omite, se toma la altitud media de la red de los
5. Formato de los resultados: HTML o CSV. Sin embargo, es difcil de copiar los resultados de
la pgina Web en otro archivo. Algunas de las bases de datos son de libre acceso, mientras que
algunos requieren de registro.
Los promedios mensuales de radiacin global diaria como resultado de la interpolacin de
las mediciones realizadas en la red meteorolgica
Este recurso proporciona los valores mensuales de radiacin global para todo el mundo. Los
valores mensuales se toman de la base de datos climatolgicos METEONORM. El error de la
interpolacin depende de la densidad de la red. En Europa, con una densa red el error es de
aproximadamente 6%. Esta es una base de datos gratuita. Los promedios mensuales de
temperatura del aire como resultado de la interpolacin de las mediciones realizadas en la red
meteorolgica
El recurso proporciona los valores mensuales de la temperatura ambiente para todo el
mundo. Los valores mensuales se toman de la base de datos climatolgicos METEONORM,
que se basa en la OMM CLINO 1961-1990 (1998).Valores horarios de la temperatura ambiente
se interpolan en la herramienta de interpolacin de SODA. Los datos de las estaciones
meteorolgicas son interpolados en lnea. La interpolacin tiene un RMSE de aproximadamente
2 C de los valores mensuales.
Los valores mensuales del factor de turbidez Linke
Este recurso sirve valores climatolgicos mensuales de turbidez Linke, es la atenuacin de la
radiacin solar producida por las partculas slidas y lquidas en el aire que es un indicador de
la densidad ptica del medio hmedo y brumoso en relacin a una atmsfera limpia y seca, de
masa de aire 2, vapor de agua, beta Angstroem y el ozono estratosfrico en una escala global. Se
calcula los valores medios mensuales para cualquier ubicacin geogrfica, cualquier mes y
cualquier elevacin. La altitud del lugar geogrfico de la simulacin puede ser extrado de la
orografa de los recursos (si se pone a 0) o forzados por el usuario mediante la introduccin de
un valor mayor o igual a 1. Unidad es el metro. El recurso orografa tiene una celda de la
cuadrcula de 5' de ngulo en el vrtice y utiliza la base de datos TerrainBase (TerrainBase,
13

Worldwide Digital Terrain Data. Documentation Manual, CD-ROM Release 1.0, April 1995.
NOAA, National Geophysical Data Center, Boulder, Colorado, USA). La turbidez Linke que
aqu se presenta se basa en la informacin global de varios satlites, como la radiacin global
cielo despejado (SRB), vapor de agua precipitable (NVAP), aerosol profundidad ptica
(Pathfinder) y la informacin del suelo sobre la turbidez de la radiacin o las mediciones de
aerosoles (AERONET). La turbidez se ha calculado con mediciones globales radiacin en el
suelo con la ayuda de la ESRA claro modelo de radiacin de cielo. Por satlite y la informacin
del suelo se han colocado juntos. La cobertura es en todo el mundo. La forma de construir la
base de datos se explica en el HelioClim sitio Web. Los parmetros de otra atmsfera: vapor de
agua (WV) o agua de precipitacin total se ha tomado de NVAP y corresponde a los valores
promedio de 1988-97.
Das-grado por debajo de una temperatura determinada
Das-grado por debajo de la temperatura (tambin llamado Calefaccin das-grado) se
corresponden con el nmero total de grados que la temperatura media diaria cae por debajo de
una temperatura determinada, llamada la "temperatura de base". Base de temperaturas de entre
12 C a 22 C estn disponibles. Los grados da de calefaccin para un da en particular se
basan en la temperatura media del da (la suma de las temperaturas altas y bajas, dividido por
dos). Si la temperatura media es superior a la temperatura base, no hay das-grado de
calentamiento ese mismo da. Si es inferior a la temperatura base, la temperatura base se resta de
ella para dar el nmero de das-grado de calentamiento. El servidor de Satel-Light ofrece la luz
del da y la informacin de la radiacin solar en Europa occidental y central, con una alta
resolucin espacial y temporal (cada 5 kilmetros, cada media hora).
Grado-das por encima de una temperatura determinada
Das-grado por encima de la temperatura (tambin llamado da de refrigeracin grado) se
corresponden con el nmero total de grados que la temperatura media diaria se eleva por encima
de una temperatura determinada, llamada la "temperatura de base". Base de temperaturas entre 5
C a 25 C estn disponibles. Los grados da de refrigeracin para un da en particular se basan
en la temperatura media del da (la suma de las temperaturas altas y bajas, dividido por dos).Si
la temperatura media es inferior a la temperatura base, no hay das-grado de enfriamiento de ese
da. Si es superior a la temperatura base, que se resta de la temperatura de base para dar el
nmero de das-grado de enfriamiento. El servidor de Satel-Light ofrece la luz del da y la
informacin de la radiacin solar en Europa occidental y central, con una alta resolucin
espacial y temporal (cada 5 kilmetros, cada media hora).
Frecuencia de los tipos de cielo
La frecuencia de cada una de estas condiciones del cielo en un lugar determinado indica
cmo cada uno es representativo del clima en ese lugar.
Tres tipos de cielo estn disponibles: nublado, medio y soleado, para Europa occidental y
central. Las frecuencias se basan en el anlisis de las imgenes producidas por el satlite
Meteosat cada media hora, durante cinco aos: 1996 a 2000. La clasificacin se basa en el cielo
de la gama de valores de brillo en la imagen de METEOSAT: corresponde a las nubes los tonos
ms brillantes, corresponde a la soleada los tonos ms oscuros, intermedio entre ambos. Las
frecuencias estn disponibles en dos horarios diarios: el amanecer hasta la puesta de sol y de

14

8:00 a 18:00 (hora local), que corresponde a las horas de funcionamiento de los edificios de
oficinas.
La radiacin UV - Europa
El recurso sirve valores mensuales, da u hora de los rayos UV y de toda la radiacin del
cielo en una escala global. Los valores por hora se calculan y se suman a los valores diarios o
mensuales para Europa. Los valores diarios de radiacin global se han tomado de base de datos
de MARS.
Los datos de la base de datos MARS se interpolan a partir de las estaciones meteorolgicas
ms adecuadas para reflejar la radiacin global diaria para una cuadrcula 50 por 50 km. Los
datos se utilizan principalmente para el modelado de rendimiento de los cultivos.

Los datos que obtenemos son:

Parte del espectro de los rayos UV: UVA, UVB o el cielo claro de eritema (cs) y todo el
cielo (como) la radiacin.

La capa de ozono [DU] (valor fijo), si no se establece, los valores medios se toman.

Angstrom Beta (valor fijo), si no se establece, los valores se toman.

El vapor de agua [cm] (valor fijo), si no se establece, los valores se toman.

Tipo de terreno para el albedo

Esta es una base de datos gratuita.

Los valores diarios de radiacin UV desde 1985 - Europa, frica (modelo ESRA)
Esta herramienta nos da valores mensuales, da u hora de los rayos UV y de toda la radiacin
del cielo en una escala global. Los valores por hora se calculan y se suman a los valores diarios
o mensuales.
Las variables de salida son:

Parte del espectro de los rayos UV: UVA, UVB o el cielo claro de eritema (cs) y todo el
cielo (como) la radiacin.

La capa de ozono [DU] (valor fijo), si no se establece, los valores medios se toman.

Angstrom Beta (valor fijo), si no se establece, los valores se toman.

El vapor de agua [cm] (valor fijo), si no se establece, los valores se toman.

Angstrom Beta (opcional).

La capa de ozono (opcional).

El vapor de agua (opcional).

Turbidez Linke (Es la atenuacin de la radiacin solar producida por las partculas
slidas y lquidas en el aire. Es un indicador de la densidad ptica del medio hmedo y brumoso
en relacin a una atmsfera limpia y seca) de masa de aire 2 (opcional).

Da: Da del mes (si la salida de un solo da se desea).

Valores horarios de radiacin solar - Europa - frica

Esta base de datos proporciona informacin sobre:

15


Series de tiempo de los valores de radiacin: a partir de hora (slo HelioClim-2) a los
valores mensuales. Los valores son la irradiancia en W/m2, as como la radiacin en Wh/m2 y el
J/cm 2

Radiacin en la parte superior de la atmsfera

Radiacin en cielo despejado

Incertidumbre valores

Informacin sobre el nmero de datos utilizados para calcular el valor de la radiacin

Los datos son proporcionados por el satlite HelioClim-2 de febrero de 2004 en adelante.
Los datos de los satlites se reciben en la Ecole des Mines de Pars por medio de una estacin de
recepcin y se procesan inmediatamente. Estn disponibles en 2-3 minutos despus del final de
la adquisicin. Por razones legales, se difunden slo 24 horas despus. Los datos de HelioClim1 se utilizan para el perodo 1985-2005.
La precisin ha sido evaluada por las comparaciones con las mediciones realizadas en varias
estaciones de las redes de la OMM radiomtricas en Europa y frica. La variabilidad natural de
la radiacin debe ser alejada de los valores por debajo (aproximadamente 10-15%) para evaluar
la exactitud de la base de datos. Esto no es una base de datos gratuita.
Los valores diarios de radiacin solar - Europa - frica
Esta base de datos proporciona informacin sobre:

Series de tiempo de los valores de radiacin: a partir de hora (slo HelioClim-2) a los
valores mensuales.--Los valores son la irradiancia en W/m2, as como la radiacin en Wh / m2 y
el J / cm2.

Radiacin en la parte superior de la atmsfera

Radiacin en cielo despejado

Los valores de incertidumbre

Informacin sobre el nmero de datos utilizados para calcular el valor de la radiacin

Los datos son proporcionados por el satlite HelioClim-2 de febrero de 2004 en adelante.
Los datos de los satlites se reciben en la Ecole des Mines de Pars por medio de una estacin de
recepcin y se procesan inmediatamente. Estn disponibles en 2-3 minutos despus del final de
la adquisicin. Por razones legales, se difunden slo 24 horas despus. Los datos de HelioClim1 se utilizan para el perodo 1985-2005.
La precisin ha sido evaluada por las comparaciones con las mediciones realizadas en varias
estaciones de las redes de la OMM radiomtricas en Europa y frica. La variabilidad natural de
la radiacin debe ser alejada de los valores por debajo (aproximadamente 10-15%) para evaluar
la exactitud de la base de datos.

16

NCEP / NCAR re-anlisis de los valores diarios de radiacin, temperatura, precipitaciones

Esta base de datos de los archivos del NCEP / NCAR (National Center for Environmental
Predictions / National Center for Atmospheric Research USA) de 1958. Los datos disponibles
son los siguientes:

A la baja radiacin de onda corta

Radiacin de onda corta
Radiacin de onda larga descendente
Radiacin de onda larga neta
Temperatura media
La temperatura mnima
La temperatura mxima
Tasa de precipitacin.

Los datos de este nuevo anlisis tambin se

de http://www.cdc.noaa.gov/cdc/reanalysis/reanalysis.shtml .

pueden

obtener

travs

Marte base de datos de radiacin solar - Europa

Esta base de datos proporciona datos de punto de irradiacin diaria desde 1975 hasta 2004
para las zonas de 50 * 50 km 2 .Los valores se calculan a partir de la interpolacin de los
resultados observados por las redes meteorolgicas.
Previsin de los parmetros meteorolgicos - el tamao de la cuadrcula 21 km - Europa
Este servicio ofrece las previsiones meteorolgicas de varios parmetros meteorolgicos,
incluidos los componentes de la radiacin, durante 3 das cada 3 horas. Son otorgadas por los
Departamentos de Fsica de la Universidad de Gnova y Bolonia, Italia, utilizando el modelo
Bolam para la prediccin numrica del tiempo. Previsin de los parmetros meteorolgicos - el
tamao de la cuadrcula 10 km - con centro en Italia regin

5.1.4

PVGIS

5.1.4.1 Definicin del proyecto PVGIS

Re.jrc.ec.europa.eu/pvgis
PVGIS (Photovoltaic Geographical Information System) es un proyecto de investigacin y
desarrollo de un instrumento de polticas de apoyo para la evaluacin geogrfica
de los recursos de energa solar en el contexto de la gestin integrada de generacin de energa.
PVGIS combina los resultados de laboratorio con la monitorizacin y estudio de los datos
geogrficos para analizar los factores tcnicos, medioambientales y econmicos de la
generacin de energa elctrica fotovoltaica.
PVGIS forma parte de los desarrollos de SOLAREC, que es una compaa que se dedica a
la produccin de energa a partir del sol, en la unidad de Energas Renovables de la JRC (Joint
Research Center) de la Unin Europea.
17

Datos que engloba

La base de datos GIS engloba las siguientes regiones:

Europa
Cuenca mediterrnea, frica y el Sur-oeste de Asia.

La base de datos europea contiene tres grupos de grados con una resolucin de 1 km x 1
km. Datos geogrficos: modelo elevacin digital, los lmites administrativos CORINE cobertura
del suelo y cobertura global del suelo, ciudades, etc.
Series de datos climatolgicos espacialmente continuos representados mensual y
anualmente de:

Irradiacin global diaria en el plano horizontal [Wh/m2]

ndice de turbidez atmosfrica [adimensional]
Ratio de irradiacin global difusa [adimensional]
ngulo de inclinacin ptimo para los paneles fotovoltaicos [grados]

Promedios regionales para zonas construidas:

Irradiacin anual global total (horizontal, vertical y para el plano ptimo) [kWh]
Estimacin de la energa elctrica generada en un ao (para plano horizontal, vertical y
el ptimo) [kWh]

En la cuenca mediterrnea, frica y el sur-oeste de Asia, la base de datos contiene los

mismos grupos de grados con una resolucin de 2 km x 2 km:
Datos geogrficos: modelo digital de elevacin, lmites administrativos, cobertura global del
suelo, ciudades, etc.
Datos climatolgicos espacialmente continuos representados mensual y anualmente de:

Irradiacin global diaria en el plano horizontal [Wh/m2]

ndice turbidez atmosfrica [adimensional]
Ratio de irradiacin global difusa [adimensional]
Inclinacin optima de los paneles fotovoltaicos [grados]

18

5.1.4.2 Proyeccin del mapa y medidas geogrficas

Continente europeo
Proyeccin: Lambert azimutal igual rea
Unidades: metros
Esferoide: WGS 84
Longitud del centro de la proyeccin: 180000
Latitud del centro de la proyeccin: 480000
Falso este: 0.0
Falso norte: 0.0
Unidades: metros
Grado de medida de la base de datos: 4500 filas x 5000 columnas
Grado de resolucin: 1000 metros

Cuenca mediterrnea, frica y Sur-oeste de Asia

Proyeccin: Lambert azimutal igual rea
Unidades: metros
Esferoide: WGS 84
Longitud del centro de la proyeccin: 00000
Latitud del centro de la proyeccin: 480000
Falso este: 0.0
Falso norte: 0.0
Unidades: metros
Grado de medida de la base de datos: XXX filas x XXX columnas
Grado de resolucin: 2000 metros

19

5.1.4.3 Datos primarios usados para la base de datos PVGIS

Europa:
Las medias mensuales de las cantidades diarias de la irradiacin global y difusa, medida o
calculada para 566 estaciones meteorolgicas de tierra distribuidas en la regin. Los promedios
representan el perodo 1981-1990, los datos fueron recogidos en el proyecto ESRA.

Ilustracin 5.1. Estaciones meterolgicas ESRA terrestres en Europa

ndice de turbidez derivado de la base de datos mundial (Remond et al. 2003), disponible
tambin en el SoDa.

20

Modelo de elevacin digital con una resolucin 1x1 km: derivados de los datos de USGS
SRTM.

Ilustracin 5.2. Resolucin espacial de PVGIS

CORINE suelo cubierto con una resolucin 100x100 metros

Ilustracin 5.3. Cobertura global del suelo 2000 con una resolucin de 1x1 km

21

Ilustracin 5.4. Base de datos GISCO (EuroGeographics Association for the administrative boundaries)

Ilustracin 5.5. VMAP0 y datos ESRI

22

Cuenca mediterrnea, frica y el sur-oeste de Asia

Base de datos de HelioClim-1, consistentes en la irradiacin solar diaria calculada a partir de
imgenes del Meteosat. Los valores representan un periodo de entre 1985-2004, la resolucin
espacial es 15x15, en el ecuador 30x30 km, los datos son procesados por el mtodo del
Heliosat-2. El ndice de turbidez deriva de la base de datos global (Remund et al. 2003),
disponible tambin en SoDa. El modelo digital de elevacin se obtiene con una resolucin 1x1
km, derivados de datos de USGS SRTM.Global Land Cover 2000 con la resolucin original de
1x1 km.
Mtodos y herramientas de GIS:
La base de datos de la radiacin solar est desarrollada usando herramientas integradas en
GIS GRASS, principalmente con los modelos de radiacin solar r.sun y con tcnicas de
interpolacin s.surf.rst y s.vol.rst. La base de datos fue completada en tres medidas:
Modelizacin de la irradiacin global directa en el plano horizontal
Clculo e interpolacin espacial del ndice de irradiacin solar directa y el clculo de los
mapas de irradiacin global en el plano horizontal.
Derivando en los componentes de la irradiacin difusa y los componentes del ndice de
cielo despejado y compilando los datos en mapas de irradiacin global en planos inclinados.

5.1.4.4 Mapas GIS

Los mapas muestran la heterogeneidad espacial y temporal de los fenmenos climatolgicos
dentro de una regin. Los mapas de irradiacin, ndice de turbidez, y los coeficientes de global y
difusa representados en promedios anuales. Los mapas del ngulo de inclinacin ptimo de los
paneles fotovoltaicos para captar la mxima irradiacin solar posible durante el ao teniendo en
cuenta las posibles sombras (consideradas en la resolucin espacial del modelo de elevacin
digital). Los mapas fotovoltaicos muestran la generacin elctrica para un panel con una
configuracin de 1 kWp, asumiendo una relacin de calidad de 0.75 (valor tpico para un
montaje en techo con mdulos tanto mono- como policristalinos de Silicio). El nombre que
aparece de la ciudad ms cercana al punto marcado se basa en datos de un polgono de Thiessen
de la capa generada en GIS.

23

Precisin de la base de datos PVGIS:

En el continente europeo, la raz del error cuadrtico medio (RMSE), comparada con la
primera medida de irradiacin (de las estaciones meteorolgicas) que presenta los valores
modelados. El RMSE de los promedios de los datos PVGIS muestra un mejor rendimiento en el
periodo de Octubre a Abril. Su ventaja es la vinculacin de las caractersticas del terreno con los
cambios en los campos de radiacin y teniendo en cuenta los efectos de las sombras.
Para obtener la precisin de este sistema se presenta una comparativa con la base de datos
ESRA (Scharmer and Grei 2000), esta base de datos contiene datos de irradiacin primaria
medida o calculada para las estaciones meteorolgicas de la comunidad europea (566 de ellas
estn en nuestra regin). Los mapas de rastreo de promedios mensuales de radiacin global
diaria en el plano horizontal fueron creados con datos primarios con un kriging (cf. Beyer et al.
1997). Los mtodos de co-kriging hechos con datos satelitales no dan una gran precisin para
bajas resoluciones de los datos del satlite y no satisfacen una correlacin con las medidas de
campo, particularmente en invierno.
El modelado de la precisin de los valores del PVGIS en la base de datos fueron evaluados
con los datos de entradas meteorolgicas usados en el clculo. Comparando los promedios
anuales de la irradiacin global diaria en el plano horizontal, la media del error (MBE) es 8.9
Wh/m2 (0,3%) y la raz del error cuadrtico medio (RMSE) es 118 Wh/m2 (3,7%).
El clculo del RMSE comparndolo con los datos de las estaciones meteorolgicas de
irradiacin primaria con PVGIS (versin 2) y ESRA respectivamente, representada en los
grficos anteriores. Las pruebas se realizaron utilizando las mediciones de la radiacin
horizontal de 563 estaciones en toda la regin. La raz del error cuadrtico medio de los
resultados de las mediciones originales de la irradiacin global diaria que se utilizaron para la
interpolacin del ndice kc se produce dentro del intervalo de 68 a 209 Wh/m2. En trminos
relativos, se encuentra dentro del intervalo del 3,2% al 7,8%, el pico de los valores RMSE est
en los meses de invierno. La comparacin de la muestra enfoque de la interpolacin en ESRA, a
pesar de la precisin global es prcticamente el mismo (el promedio anual de la RSME para
ESRA es de 113 Wh/m2, es decir, 3,5%), los valores modelados de PVGIS son ligeramente
mejores en el periodo de octubre a abril y los ms pobres en los meses de verano.
Este anlisis proporciona informacin acerca de los errores slo en lugares para los cuales
las medidas son conocidas. Por lo tanto, una validacin cruzada se aplic con el fin de estimar el
valor predictivo del enfoque de modelado que mejor explica la distribucin de los errores ms
lejos de los lugares con las medidas conocidas. El error de validacin cruzada muestra el error
mximo posible que puede ocurrir en el punto dado si no se tuvo en cuenta en la interpolacin.
La media del error (MBE) promedio anual de la validacin cruzada es menor: 1Wh/m2 (0,03%),
pero el rango de los promedios mensuales de la MBE es mayor de 3 Wh/m2 de enero al 4
Wh/m2 en agosto. El RMSE de la validacin cruzada es mayor, en el intervalo de 97 a 299
Wh/m2/da (4,7 a 11,2%), y el promedio anual es de 146 Wh/m2 (4,5%).

24

La ventaja de este enfoque es la vinculacin de las caractersticas del terreno con los cambios
de radiacin y teniendo en cuenta los efectos de sombreado, en las imgenes de arriba se puede
ver la radiacin media anual en el plano horizontal calculado por ESRA y r.sun. El spline
multivariable regularizado con la tensin que proporciona kc mapas raster que mejor se adapten
a las especificaciones regionales del clima de radiacin en las zonas montaosas a condicin de
que un patrn ms denso de mediciones sobre terreno estuviese disponible. La influencia de la
sobra del terreno es ms visible con datos de mayor resolucin. Como se puede ver la resolucin
de la celda raster es de 1 km2, lo cual es demasiado spera para revelar los patrones reales de las
sombras en un paisaje montaoso.

ESRA

PVGIS

Diferencia ESRA-PVGIS

Ilustracin 5.6. ESRA vs. PVGIS

Modelo de radiacin solar:

Se ha desarrollado una base GIS para el clculo de la irradiancia/irradiacin obtenida en un
plano inclinado para cualquier regin geogrfica y para cualquier tiempo o intervalo. Este
enfoque esta implementado en un software de GIS denominado GRASS, que est basado en el
uso del modelo de radiacin solar r.sun y para las tcnicas de interpolacin espacial s.surf.rst y
s.vol.rst
El algoritmo del modelo r.sun, conceptualmente est basado en las ecuaciones publicadas en
ESRA. Esto estima la irradiancia/irradiacin, directa y difusa, y los componentes reflejados
tanto para el plano horizontal como para planos inclinados. La irradiacin total diaria [Wh.m-2]
es calculada con la integracin de los valores irradiancia [W.m-2] calculada a intervalos
regulares durante el da. En cada clculo se tiene en cuenta la obstruccin de las nubes y las
sombras debidas al terreno, que son calculadas a partir de modelos digitales de elevacin.

25

5.1.4.5 Aplicaciones de la Web

La Web tiene cuatro partes:
Los datos de irradiacin solar: herramienta que te permite navegar por la base de datos de
GIS y consultar los valores actualizados en el punto del mapa donde pinches o el definido
explcitamente por el usuario (escogiendo pas/ciudad o metiendo la latitud y la longitud). Los
valores anuales y mensuales estn dispuestos en una ventana a parte con tablas y grficos. Uno
de los principales inconvenientes para nuestro proyecto es la imposibilidad de bajar datos
masivos de la web sino que el nico acceso a los datos es de manera puntual para una
localizacin concreta.
Usando los datos de irradiancia solar podemos seleccionar la inclinacin del mdulo y la
orientacin, un usuario puede obtener el perfil diario de la irradiancia para un mes determinado.
El promedio de variacin diaria es estimada para medias mensuales con sistema de clculo
independiente (extrado de r.sun). El sistema de clculo usa los datos del PVGIS y tiene en
cuenta las sombras del terreno en cuestin.
Con el sistema de clculo de energa elctrica es posible calcular la potencia de salida de
nuestra instalacin fotovoltaica gracias a la irradiacin solar anual, definida por la potencia
nominal de los mdulos fotovoltaicos, el ngulo de inclinacin y la relacin de calidad del
sistema (valor tpico 0.75). El sistema de clculo permite a los usuarios establecer para una
localizacin dada, el ngulo de inclinacin ptimo para los mdulos fotovoltaicos teniendo en
cuenta la orientacin del mismo. Este usa la base de datos de PVGIS para incluir los efectos de
las sombras del terreno, lo cual es la razn por la que la orientacin ptima no sea el Sur.
Con la herramienta de fotovoltaica por regiones puedes ver datos de irradiacin anual y el
potencial de produccin para instalaciones de este tipo, y puedes presentarla en las
administraciones europeas. Los datos han sido calculados para zonas construidas con su pas
/regin. SE muestra el rea total y el rea construida para la regin elegida. Los datos mnimos,
medios y mximos de la irradiacin solar y de la potencia estimada son mostrados para las
zonas edificadas de la regin. Los valores estn calculados para el plano horizontal y para la
orientacin sur, inclinacin vertical y ptima. Se muestran los valores mnimos, medios y
mximos para la inclinacin optima de la regin.

5.1.5

NASA SSE (Surface meteorology and Solar Energy )

Eosweb.larc.nasa.gov/cgi-bin/sse/grid.cgi
Desde la NASA tenemos a disposicin el producto SSE creado para el uso de la energa
renovable solar. Pero los datos solares de dicho producto provienen a su vez de otro producto de
la NASA, el SRB (Surface Radiation Budget).
El objetivo del proyecto del proyecto NASA/GEWEX SRB es producir y archivar un
registro a largo plazo de datos globales de onda corta (SW) y onda larga (LW) sobre una malla
adems de una serie de parmetros en la superficie de la atmsfera (TOA). Para ello se establece
una red de 1x1 con una serie de algoritmos, algoritmo primario de GEWEX y algoritmo de
control de calidad, conjuntados con una serie de fuentes de datos de entrada. El algoritmo
primario de SW (onda corta) es una adaptacin de Pinker y Laszlo (Modeling Surface Solar
26

Irradiance for Satellite Applications on a Global Scale, J. Appl. Met., 31, 194-211, 1992) y el
principal algoritmo de LW es una adaptacin de Fu et al ., (JAS, vol. 54, 2799-2812, 1997).
Adems existe un algoritmo de control de calidad para SW y se conoce como el algoritmo de
Langley con parmetros de onda corta (LPSA, Gupta et al - NASA/TP-2001-211272, diciembre
de 2001; Se desarroll en el Centro de Investigacin Langley de WF Staylor. Adems para la
obtencin de resultados se emplean valores de nubosidad provenientes del proyecto
International Satellite Cloud Climatology Project (ISCCP) y datos meteorolgicos de
GLOBAL MODELING AND ASSIMILATION OFFICE (GMAO).
GEWEX (Global energy and water cycle experiment) es un programa de WCRP (World
Climate Research Programme) para desarrollar un modelo del ciclo hidrolgico y flujos de
energa en la atmsfera, superficie terrestre y ocenos. Las principales reas de investigacin de
GEWEX son: radiation, hidrometeorologa y modelizacin y prediccin.
La resolucin de los parmetros de salida de SRB depende en gran medida, como no puede
ser de otra manera, de la precisin de los datos de entrada. Los datos de salida se generan en una
rejilla global que contiene 44016 celdas. La rejilla inicial tiene una resolucin latitudinal de 1 a
nivel mundial, y una longitudinal de 1 en las zonas tropicales y subtropicales y de 120 en los
polos. Esto, a su vez, es reanidado por una subrutina de modo que, en el que todo el globo,
tengamos regiones de 1x1.
Los resultados del modelo SRB 3.0 y consecuentemente los del SSE 6.0, han sido validados
ampliamente. Comparando resultados con las medidas terrestres obtenidas de la Baseline
Surface Radiation Network (BSRN), el Swiss Federal Institute of Technology's Global
Energy Balance (GEBA) y NOAA's Climate Montitoring and Diagnostics Laboratory
(CMDL).Los resultados de un promedio mensual de onda corta y los flujos de radiacin onda
larga muestran que los errores estn por lo general dentro de los 10 W/m2. Se han encontrado
errores ms grandes donde hay grandes incertidumbres en los datos de entrada como en las
superficies de nieve / hielo. Comparando los valores de SRB 3.0 con los valores de estaciones
terrestres de BSRN.
De onda corta (1992-2007)
Norte

Algoritmo
primario

Algoritmo de control de
calidad

Promedio temporal

Bias

RMS

Bias

RMS

Mensual

-4,3

23.1

-6,7

18.7

Diario

-3,2

35.7

-6,4

37.7

Cada 3 horas
mensuales

-6,7

41.0

N/A

N/A

Cada 3 horas

-5,9

87.9

N/A

N/A

Tabla 5.5. Errores tipo asociados a medida de radiacin de onda corta

27

En la siguiente figura podemos ver la ubicacin de las estaciones de tierra de la red BSRN.

Figura 5.3. Ubicacin de las estaciones terrestres de la red BSRN

La NASA ha apoyado durante mucho tiempo los sistemas de satlite y la investigacin con
el fin de proporcionar datos importantes para el estudio del clima y los procesos climticos.
Estos datos incluyen estimaciones a largo plazo de cantidades meteorolgicas y los flujos de
superficie de energa solar. Estos productos basados en datos satelitales han demostrado ser lo
suficientemente precisos para proporcionar datos fiables sobre los recursos solares y
meteorolgicos en regiones donde las mediciones de la superficie son escasos o inexistentes, y
ofrece dos caractersticas nicas - la informacin es global y, en general, contigua en el tiempo.
Estas dos caractersticas importantes, sin embargo, tienden a generar unos archivos de datos
muy grandes que pueden ser demasiado engorrosos para los usuarios comerciales,
especialmente para los nuevos usuarios con poca experiencia o pocos recursos para tratar con
estos grandes conjuntos de datos.
La prediccin del recurso energtico a escala mundial (Prediction Of Worldwide Energy
Resource, POWER) se inici en el ao 2003, tanto para mejorar las versiones posteriores de la
SSE, como para crear nuevos conjuntos de datos aplicables a otras industrias. La web de
POWER abarca el conjunto de datos de SSE, adaptadas a la industria de energa renovable, as
como los parmetros de medida para la comunidad de edificios sostenibles, y las industrias bioenergy/agricultural.
Para fomentar el uso comercial, la NASA desarroll el producto de datos Surface
meteorology and Solar Energy (SSE) que se ha formulado especficamente para las
necesidades de energa fotovoltaica y renovables. De igual importancia es el acceso a estos
datos, para lo cual los parmetros de SSE estn disponibles a travs de fciles aplicaciones web
en funcin de las necesidades del usuario. En la web de SSE podemos encontrar adems de los
28

datos de radiacin, valores de temperatura (mxima, mnima, media, de roco), humedad

relativa, presin atmosfrica, velocidad del viento a 10m de altura, documentacin de apoyo y
colaboraciones con fuentes comerciales como RETScreen y HOMER.
La primera aplicacin web de datos de SSE , destinado a facilitar el acceso a los parmetros
necesarios en la industria de las energas renovables (por ejemplo, energa solar y elica), fue
lanzado al pblico en 1997. Los datos meteorolgicos y solares contenidos en esta primera
versin se basaron en el programa SRB (Surface Radiation Budget) de la NASA/World Climate
Research y TOVS de la ISCCP (International Satellite Cloud Climatology Project). Este
enfoque de diseo inicial demostr tener un valor limitado debido a la utilizacin de unos
parmetros cientficos no empleados en el mundo de las energas renvable. Despus de
consultas con la industria, SSE Release 2 se hizo pblico en 1999 con los parmetros
especficamente adaptados a las necesidades de la comunidad de las energas renovables. Las
versiones posteriores de SSE se han continuado construyendo incluyendo nuevos parmetros,
ms los datos revisados de la NASA. Como ya hemos dicho SSE es desarrollado por POWER
de la Nasa, pero adems cuenta con una serie de apoyos del sector de las renovables que han
contribuido a una mejora del proyecto. Hablamos, entre otros, de BP Solar, GPCo, NREL, SEI,

Nosotros nos centraremos en la ltima versin de SSE, la 6.0 sus limitaciones y precisiones
con base en la informacin disponible en la NASA. En general, la meteorologa y la radiacin
solar para SSE versin 6.0 se obtuvieron a partir de satlites de la NASA y re-anlisis de los
programas de investigacin. Versin 6.0 ampla la cobertura temporal de los datos solares y
meteorolgicos de 10 aos a ms de 22 aos (por ejemplo, julio 1983 y junio de 2005) con la
mejora de los datos de la NASA, e incluye nuevos parmetros y estudios de validacin.

Tratamos de presentar estimaciones de los niveles de incertidumbre de la insolacin

(radiacin solar) a travs de comparaciones con los datos de medicin de tierra. En general se
considera que la calidad de los datos de medicin son ms exactos que los valores obtenidos por
satlite
Estimaciones SSE se compararon con los datos del sitio de tierra sobre una base global.
Parmetros de radiacin se compararon con los datos de la Baseline Surface Radiation
Network (BSRN) pertenecientes al World Climate Research Programme (WCRP).

29

Parmetro

Regin

Bias (%)

RMS (%)

Insolacin
horizontal

Global

-0.1

10.25

60 hacia el
polo

-1.18

34.37

0.29

8.71

Global

7.49

29.34

60 hacia el
polo

11.29

54.14

6.86

22.78

Global

-4.06

22.73

60 hacia el
polo

-15.66

33.12

2.40

10.93

60 ecuador
Radiacin
difusa horizontal

60 ecuador
Radiacin
directa normal

60 ecuador
Tabla 5.6. Anlisis de regresin de la SSE frente a valores de BSRN, promediado mensualmente

Respecto de la versin 5.1 de SSE se ha mejorado en que los datos de energa solar se
extienden ahora a los 24 aos a partir de 1 de julio 1983 a junio 31 de 2007, los datos de
radiacin solar se deriva de un algoritmo de inversin mejorada que proporciona una mejora
general en la estimacin de la radiacin en la superficie solar de alrededor del 2,8%

30

5.1.6

Discusin y conclusiones sobre datos satelitales

A continuacin, adjuntamos una tabala que recoge las caractersticas ms importantes de

cada una de las bases de datos satelitales. De este modo tratamos de facilitar la comparativa
entre ellas para poder tomar as una decisin sobre la base escogida para el proyecto de una
forma ms visual y sencilla.

Perodo de
tiempo

Resolucin
Espacial (km)

Cobertura
Espacial

Carcter

Europa

Gratuito

CM SAF

2005

15 x 15

NASA SSE

1983

100 x 100

Todo el
mundo

Gratuito

Meteonorm

1981

1x1

Todo el
mundo

Pago

Solemi

1991

1x1

Lat (deg.): 66; +66

Lon (deg.): -66;
+66

Pago

HELIOCLIM

1985

5x5

Lat (deg.): 66; +66

Lon (deg.): -66;
+66 min

Pago

Satel-light

1996

6x6

Europa

Gratuito

PVGIS Europe

1986

1x1

Europa

Gratuito

ESRA

1981

10 x 10

Europa

Pago

Tabla 5.7.a. Comparativa entre bases de datos satelitales

31

Parmetros

Proveedor

CM SAF

Global,Directa,
Difusa

Servicio meteorolgico de Dinamarca,

Alemania, Suiza, Bgica, Finlandia y Holanda.

NASA SSE

Global,Directa,
Difusa

NASA

Meteonorm

Global,Directa,
Difusa

Meteotest

Solemi

Global,Directa

DLR

HELIOCLIM

Global,Directa

Mines-Paris Tech

Satel-light

Global,Directa,
Difusa

Ecole nationales des travaux publics dEtat

(ENTPE)

PVGIS Europe

Global, Difusa

Joint Research Center

JRC

ESRA

Global,Directa,
Difusa

Mines-Paris Tech

Tabla 5.7.b. Comparativa entre bases de datos satelitales

Una vez explorados todas las bases de datos posibles y teniendo en cuenta todos y cada uno
de los parmetros, mtodos, dispersin hemos de tomar una decisin sobre la base con la que
trabajaremos. Optamos por la base de datos de CM SAF, a continuacin explicamos cules han
sido las razones principales de dicha decisin.
Si nos restringimos a los valores expresados anteriormente puede parecer que no es una
buena opcin frente a casos, por ejemplo, como MeteoNorm, Solemi o Helioclim que cuentan
con una mayor resolucin espacial. No obstante hemos de tener en cuenta el carcter pblico o
de pago de cada una de las dichas bases. En ese sentido, CM SAF es la mejor base de datos.
Como ya hemos dicho, quizs no cuente con los mejores parmetros de resolucin o cobertura
espacial pero cuenta con una poltica o visin de compartir datos de un modo que facilita
superlativamente el trabajo del investigador. No slo ponen a disposicin los datos mediante
una ftp de modo que puedas descargarlos de un modo gil y rpido sino que lo hacen sin
imponer ninguna restriccin posterior al investigador. Adems, los datos masivos se descargan
de una nica peticin, lo que nos permite la generacin de mapas.
En definitiva, con CM SAF se puede solicitar la cantidad de datos que se desee teniendo
asegurado una buena calidad de los mismos y una forma gil de suministro. Adems se podr
trabajar con dicha informacin sin ningn tipo de restriccin por parte de CM SAF.
32

Como hemos podido comprobar a lo largo de los anteriores apartados, actualmente existe
gran variedad de oferta en lo que a bases de datos satelitales se refiere. No obstante, existen
importantes discrepancias y heterogeneidades entre ellas. Esto dificulta de un modo no
despreciable la labor del investigador. Sera, por tanto, deseable una poltica comn o, de algn
modo, una labor que garantizara un manejo y explotacin gil del recurso solar.
Pues bien, ese esfuerzo ya existe. Hablamos del proyecto MESOR que se encarga, a grandes
rasgos, de unificar polticas y visiones. Hemos de recalcar que se trata de un proyecto en
elaboracin y sin an productos destacables.

5.1.6.1 MESOR (Management and Exploitation of Solar Resource Knowledge)

En los ltimos aos han sido desarrollados una serie de bases de datos con informacin sobre
recursos de energa solar, algunas de ellas son ESRA, SoDa, Satel-Light, PVGIS, PVSAT,
PVSAT-2 o Heliosat-3 y el proyecto Envisolar de la Agencia Espacial Europea (ESA). Adems
los servicios nacionales como Meteonorm de Meteotest en Suiza y SOLEMI de la DLR en
Alemania han desarrollado bases de datos. Esto ha llevado a la situacin de que varias bases de
datos diferentes existen en paralelo, cada una con un enfoque diferente, con diferentes
coberturas espaciales y temporales y resoluciones diferentes. Los usuarios han de comparar, por
tanto, informacin de diferentes fuentes lo que es difcil de tratar.
Por tanto, con la situacin actual contamos con una fragmentacin y falta de coordinacin de
acceso: las diferentes fuentes de informacin y productos de la radiacin solar ya estn
disponibles, pero se mantiene la incertidumbre sobre su calidad. Al mismo tiempo, las
comunidades de usuarios carecen de un entendimiento comn de cmo explotar el conocimiento
desarrollado.
El proyecto MESoR se inici en junio de 2007 y pretende eliminar la incertidumbre y la
mejora de la gestin del conocimiento de los recursos energticos solares. Los resultados del
pasado y futuro en Europa, tratarn de integrarse, estandarizados y difundidos de manera
armonizada para facilitar su explotacin.
Dicho proyecto, como ya hemos dicho, se encuentra en estado de construccin y no cuenta
an con resultados ntidos y claros. No obstante, slo el esfuerzo titnico que supone el tratar de
homogeneizar todas las bases de datos existentes merece de aprecio y seguimiento.

33

5.2 BASES DE DATOS TERRESTRES

5.2.1

Introduccin a datos agroclimticos de Red Siar

El Ministerio de Agricultura, Pesca y Alimentacin, al amparo de la Iniciativa Comunitaria

INTERREG II-C: Lucha contra la sequa, ha venido desarrollando durante los aos 1998 - 2001,
un proyecto consistente en la instalacin de un Sistema de Informacin Agroclimtica para el
Regado (SIAR) en las CC.AA. Andaluca, Canarias, Castilla-La Mancha, Castilla y Len,
Extremadura, Murcia y Valencia.
En el marco del Plan Nacional de Regados se encuentra actualmente en ejecucin la
ampliacin del SIAR a aquellas CC. AA. en las cuales no fue posible su instalacin por no estar
incluidas en zonas Objetivo 1 y que cuenten con una superficie bajo riego que justifique su
implantacin.
El Sistema se estructura en tres niveles: 395 estaciones agroclimticas automticas, 12
Centros Zonales y un Centro Nacional. Los Centros Zonales, uno por Comunidad Autnoma,
obtienen diariamente y de forma automtica mediante telefona GSM, los datos capturados por
cada una de las estaciones de la C.A., siendo transmitida dicha informacin al Centro Nacional,
que acta como concentrador de la informacin as como coordinador general del SIAR. Es en
estos centros, tanto Zonales como Nacional, donde se produce la explotacin de la informacin,
para lo que se han desarrollado los oportunos programas de gestin y calculo.
Se trata de una infraestructura que captura, registra y tramite los datos necesarios para el
clculo de la demanda hdrica de cada zona de regado, que son temperatura y humedad del aire,
velocidad y direccin del viento, radiacin solar y precipitacin, de forma que se puedan extraer
conclusiones acerca de las necesidades de riego basadas en datos reales de las propias zonas.
Esta fiabilidad de los datos, unida a la aplicacin de la frmula de clculo de la
evapotranspiracin de referencia ms ajustada para cada zona, proporciona una mayor exactitud
en la determinacin de las necesidades de riego de los cultivos.
El Sistema de Informacin Agroclimtica para el Regado (SIAR) ha sido, en bastantes
casos, el germen de lo que en la actualidad son los Servicios de Asesoramiento al Regante de las
Comunidades Autnomas. Es el punto de partida de la mayor parte de la informacin de
carcter especficamente agroclimtico que en la actualidad se est facilitando, tanto por parte
del Ministerio como de las Comunidades Autnomas. El sistema tiene la siguiente estructura.
5.2.2

Estacin agroclimtica

Un total de 395 estaciones repartidas en 12 CC.AA.: 20 en Canarias, 87 en Andaluca, 43 en

Castilla-La Mancha, 42 en Castilla y Len, 18 en Murcia, 20 en Extremadura, 45 en la
Comunidad Valenciana, 4 en Galicia, 11 en las Islas Baleares, 16 en Navarra, 6 en Madrid y 49
en Aragn. La estacin ha sido diseada para obtener los datos necesarios para el clculo de la
evapotranspiracin potencial segn al mtodo de Pennman-Monteith (recomendado por la
FAO). En caso necesario, su sistema de registro permite la instalacin de otros sensores, sin
modificar su configuracin bsica.
5.2.3

Centro zonal

Existe uno por cada Comunidad Autnoma y estn gestionados directamente por
responsables de cada una de ellas. Cada Centro Zonal obtiene diariamente y de forma
automtica mediante GSM, los datos de las estaciones de la C.A. correspondiente. Se trata
34

bsicamente, de un servidor sobre el que corre una aplicacin (VRIA) desarrollada

especficamente para el Proyecto. Esta aplicacin es la encargada de la adquisicin de datos,
almacenamiento y posteriormente, el clculo de diferentes parmetros y variables (ETo, ETc,
dosis de riego). Esta aplicacin tambin permite su interaccin con otras coberturas de
informacin y su representacin grfica. Con toda esta informacin se pueden realizar tareas de
asesoramiento al regante y de publicacin y distribucin de los datos, va Internet, teletexto,
peridicos locales, etc.
5.2.4

Centro nacional

Est instalado en las dependencias de la Direccin General de Desarrollo Rural y aglutina los
datos de todas las estaciones de la Red, pudiendo sustituir a un centro zonal en caso de cada
temporal del mismo. Ejerce funciones de coordinacin general, con el fin de mantener la
homogeneidad de la red, estableciendo un modelo lgico y una cobertura conceptual de datos
mnima, que se mantiene en cada uno de los centros zonales, independientemente de los
modelos de datos y aplicaciones que cada centro zonal desarrolla por sus aplicaciones
especficas.. As mismo analiza y explota estos datos, realizando clculos de la ETo y demandas
hdricas a nivel de zona regable, unidad de gestin del agua o cuenca hidrogrfica para tareas de
planificacin
5.2.5

Instalacin de las estaciones meteorolgicas

Para la correcta instalacin del sensor se recomienda usar un nivelador. Se deben evitar
elementos que produzcan sombras a su alrededor. El SKYE SP1110 puede trabajar de dos
modos. El primer modo consiste en que dar un salida de tensin, que ser usada con
dataloggers de Campbell Scientific. Para conseguirlo, el cable rojo y azul deben conectarse al
mismo punto de manera diferencial. No se darn voltajes externos al dispositivo para evitar que
se pierda la precisin de los elementos resistivos. El segundo modo consiste en que el
dispositivo dar una diferente corriente de salida.

35

Figura 5.7. Mtodos de cableado del SKYE SP1110

Rango de entrada
El rango de salida del dispositivo es de 1mV/100W/m2.
El rango de entrada del dispositivo se realiza del siguiente modo:
1. Estimar el voltaje mximo esperado a la entrada dividiendo la radiacin mxima
esperada entre 100W/m2.
2. Elegir el menor rango de entrada que sea mayor que el voltaje mximo de entrada. Este
rango suele ir entre los 15mV a los 25mV.
3. El multiplicador convierte la lectura de mV a unidades de ingeniera.
Mantenimiento
El nico mantenimiento regular requerido es la limpieza de la superficie del cristal con un
trapo limpio, aire seco o un cepillo suave una vez cada 1-3 meses, dependiendo del ambiente.
La recalibracin est recomendada cada dos aos, debiendo enviar el sensor a Campbell
Scientific para esto.

36

5.2.5

Piranmetros

Se presentan los dos piranmetros ms empleados en SIAR. A pesar de que en la web

nacional se especifica que todos los piranmetros son SKYE SP1110, se ha corroborado que
muchos de los piranmetros empleados son KIPP&ZONEN CMP6. El objetivo de este apartado
es estudiar la dispersin y error de estos dispositivos a efecto de conocer cul ser el error de los
datos proporcionados.

KIPP&ZONEN CMP6
Como se expone en el estudio realizado de la RED SIAR, en la prctica totalidad de las
estaciones meteorolgicas los piranmetros utilizados son SKYE SP1110. Sin embargo, en la
Comunidad de Murcia de las 11 estaciones enmarcadas en RED SIAR solo 1 la TP52 de San
Javier (El mirador) dispone de un piranmetro Campbell SKYE SP1110. Las otras 10
estaciones disponen de radimetros KIPP&ZONEN CMP6.

Ilustracin 5.8. KIPP&ZONEN CMP6

El sensor CMP 6 cumple la ISO-9060 para piranmetros de primera clase con una unin de
64 termopares conectados en serie. El sensor est cubierto con una cobertura de carbn
altamente estable con base no orgnica, que proporciona una excelente absortividad espectral y
un buen comportamiento de estabilidad a largo plazo.
El piranmetro no requiere potencia, suministra un voltaje bajo de 0-20mV en relacin a la
radiacin recibida. Si se requiere un voltaje mayor o una seal de 4-20mA, el AMPBOX es una
buena alternativa. El sistema consta de un cartucho de secado fcil de eliminar y reemplazar si
es necesario.

37

Especificaciones tcnicas:
-

Rango espectral: 285-2800nm

Sensibilidad: 5-20V/W/m2
Tiempo de respuesta: 18s.
Zero offset A: < 12 W/m
Zero offset B: < 4 W/m
Error direccional de coseno (hasta 80 con 1000W/m2): < 20 W/m
Influencia de la temperatura en la sensibilidad (-10C a 40C): <4%
Rango operativo de temperatura: -40 a 80C

Irradiacin solar mxima: 2000W/m2

Campo de vista: 180

SKYE SP1110
Es una fotoclula de silicio sensible a la radiacin entre 350 y 1100nm. Va montada sobre un
brazo soporte con nivel, debiendo estar orientada al sur.

Fotografa 5.1. Piranmetro SKYE SP1110

Tabla 5.8. Especificaciones tcnicas piranmetro SKYE SP1110

38

Comparacin entre SKYE SP1110-KIPP&ZONEN CMP6

Se realiza la comparacin de los dos dispositivos empleados en la RED SIAR, a efecto de
conocer cul es la precisin ms grosera de los dos, para poder establecer rangos de precisin
en el conjunto del proyecto de investigacin.
La sensibilidad del KIPP & ZONEN CMP6 es de 5-20V/W/m2 y la del SKYE SP1110 es
10V/W/m2.
La precisin de los sensores est sujeta a las siguientes variables:
-

Tiempo

La re calibracin debe hacerse como mnimo cada dos aos para evitar errores estimados en
1%/ao para ambos piranmetros.

Direccionalidad de la radiacin (coseno)

Dependiendo del ngulo con el que entre la radiacin al piranmetro, el sensor va a tener un
error de medicin. Este factor afecta de manera diferente a cada uno de los piranmetros. El
SKYE SP1110 tiene un comportamiento extremadamente bueno para ngulos menores a 85.
Sin embargo, para ngulos de entrada entre 85 y 90, el error puede ser hasta el 10%. Se debe
recalcar que inclinaciones de radiacin tan extremas son poco habituales en las latitudes
peninsulares y por lo tanto, su afeccin no va a ser tan crtica. El sensor KIPP & ZONEN CMP6
presenta una desviacin de 20W/m2 cuando se considera una irradiacin de 1000W/m2, lo que
equivale a un 2% de error.
-

Temperatura

La temperatura va a tener una afeccin sobre las medidas recogidas. En el caso del KIPP &
ZONEN CMP6 su influencia va a ser de 4% en el rango de temperaturas que va de -10C a
40C.
-

Linealidad

Este factor afecta a la medicin de la radiacin dependiendo del valor de la misma. En el

caso del modelo SKYE SP1110 es extremadamente lineal y para el KIPP & ZONEN CMP6 esta
linealidad es de 1% entre 100W/m2 y 1000W/m2.
En el caso del modelo SKYE SP1110 se define cul es su precisin absoluta en sus
especificaciones y es de un 5% aunque tpicamente es inferior al 3%.
El modelo KIPP & ZONEN CMP6 est determinado por una precisin del 5%, tomando un
intervalo de confianza del 95% en valores de irradiacin diarios.

39

5.2.6

Consecucin de coordenadas de estaciones

En primer lugar, cabe destacar que en el portal web institucional a nivel nacional no se
facilitan las coordenadas de manera conjunta, de modo que pasamos a analizar cada uno de los
portales web de las comunidades autnomas.
Contactamos con el jefe de grupo y actuaciones en Tragsatec, empresa que se encarga del
suministro, gestin y mantenimiento de los instrumentos de medida de las estaciones CR10X
(pertenecientes a Siar). Gracias a l, concluimos que todas las estaciones de SIAR cumplen los
requisitos que tericamente se exponen anteriormente, con una desviacin mxima de los
piranmetros del 5% de error y una calibracin de una vez al ao, no certificada, realizada con
dos piranmetros CMP6 KIPP&ZONEN.
A continuacin, contactamos con la presidenta del Grupo Tragsa con el objetivo de obtener
una tabla detallada de las coordenadas de las estaciones.
Pese a los esfuerzos intentados por conseguir toda la informacin de manera estndar de una
sola vez, concluimos el proceso tomando los datos de las pginas de cada comunidad autnoma,
realizando un nico documento Excel en la que se exponen las coordenadas de cada estacin.
Para las comunidades cuyos portales web no muestran esta informacin, que son Comunidad de
Madrid, Galicia y Comunidad Valenciana, hemos ubicado una a una manualmente las
coordenadas de cada una de las estaciones.
Para el caso concreto de Castilla y Len cuyos datos no se recogen tampoco en el portal web,
contactamos con el encargado de SIAR para dicha CCAA y facilit la informacin en forma de
tabla con las coordenadas.
Dada la heterogeneidad de los datos conseguidos, se tuvo que proceder a una conversin de
UTM a latitud/longitud, para estandarizar los datos y confeccionamos una sola base de datos
donde ser recogiese la ubicacin exacta de cada una de las estaciones. Este proceso tuvo una
complicacin aadida al existir 3 husos en la Espaa peninsular y no disponer de dichos husos
en las coordenadas. Se tuvo que analizar estacin por estacin para establecer su huso en
funcin de su ubicacin (29-30-31).
Una vez analizadas las ubicaciones y los datos disponibles de todas las estaciones
pertenecientes a Red Siar, desestimamos por su valor anmalo algunas de ellas de las provincias
de Badajoz, Ciudad Real y Salamanca.

40

6. ANLISIS COMPARATIVO
El estudio de la variabilidad espacial de la radiacin es una operacin que puede requerir
mucho tiempo de mediciones y esta condicin no siempre se alcanza. Uno de los objetivos de
este proyecto es conocer la variabilidad de la radiacin solar a lo largo de la Espaa peninsular.
El estudio de radiacin rene tres tipos de emplazamientos.
Lugares con baja variabilidad con respecto a las medidas terrestres. En general
presentan una tendencia identificable. Es tpica de lugares con climas muy soleados.
Lugares con alta variabilidad de errores mes a mes. Este tipo de variabilidad es comn
en zonas con nubosidad muy variable ya que dicha nubosidad presenta una alta variacin
espacial. Este tipo de emplazamientos pueden recoger una baja profundidad ptica de aerosol
(AOD) o incluso una AOD muy variable.
Lugares con una importante correlacin estacional.
Cuestiones interesantes a resolver
1. Tiempo hasta que los componentes de radiacin solar temporales convergen hacia su
valor de largo plazo.
La velocidad de convergencia se puede resolver de varias maneras. En el peor de los casos se
puede hacer con las estaciones con mayor periodo temporal de registro de datos. En general, las
anomalas para largos perodos de tiempo tienden a reducirse, convergiendo hacia la media. En
general la irradiacin global directa en relacin a la media se mantiene en un +/- 5% de esa
media larga temporal.
2. La variacin interanual cambia significativamente de un sitio a otro dependiendo de la
estacin o de condiciones climticas?
Las estaciones disponibles en SIAR renen emplazamientos con diferentes climas. En
general, la interaccin del clima se hace atendiendo al coeficiente de variacin (COV),
calculado a partir de la desviacin tpica [r t] de las anomalas anuales divididas de la media de
radiacin [Ep] de los aos (10, 15 20 aos a estudiar). El COV expresa la probabilidad del
emplazamiento de presentar una radiacin alrededor de la media.
Asumiendo Ep+rt y una distribucin Gaussiana de los datos, se considera que los datos se
encontrarn con un 66% entre la distancia a la media establecida. Si se considera una distancia
de doble desviacin tpica Ep+2rt. En trminos de radiacin directa la variabilidad es mayor por
la influencia directa de la nubosidad y de los aerosoles.

41

6.1 PROCESO DE CLCULO MEDIANTE R

El clculo y anlisis de los datos procedentes de las estaciones meteorolgicas de Siar y de
imgenes satelitales de CM-SAF se realiza con el programa de clculo R.
La programacin ha sido diseada y efectuada por el Dr. scar Perpin Lamigueiro,
profesor de la Escuela de Organizacin Industrial y de la Universidad Politcnica de Madrid.
En primer lugar se activan las libreras de R que permiten el trabajo con datos espaciales y se
activa la base de datos solaR referente a radiacin solar.
library(sp)
library(raster)
library(gstat)
library(lattice)
library(latticeExtra)
library(maptools)
library(solaR)##instalar version 0.24

6.1.1 Representacin de las fronteras autonmicas

Se usa el siguiente cdigo para proyectar los datos terrestres y as mismo se descarga en un
shapefile la informacin de las fronteras de las Comunidades Autnomas para poder
representarlas sobre el mapa de Espaa (http://biogeo.ucdavis.edu/data/diva/adm/ESP_adm.zip).
Dicho shapefile se abre y procesa en la variable mapaSHP. Utiliza longitud, latitud y elevacin
en una proyeccin elipsoidal
proj <- CRS('+proj=latlon +ellps=WGS84')
old <- getwd()
setwd('/Documents and Settings/feantona/Escritorio/R/ESP_adm')
mapaSHP <- readShapeLines('ESP_adm2.shp', proj4string=proj)
setwd(old)

6.1.2 Ubicacin de las estaciones meteorolgicas

Por razones de seguridad de Siar, la ubicacin (longitud-latitud y altitud) de las estaciones

agrometeorolgicas no es de pblico acceso. Aunque esta es la doctrina central del Ministerio
de Medio Ambiente y Rural y Marino, la gestin autonmica de la informacin de SIAR es
publicada en webs regionales y en algunas de ellas se puede acceder a la localizacin de estas
estaciones. Este es el caso de las siguientes Comunidades Autnomas: Andaluca, Murcia,
Castilla La Mancha, Extremadura, Aragn, Galicia y Canarias.
Por lo tanto, se considera oportuno desarrollar un script que busque a travs de la aplicacin
libre de Internet, geonames, aquellas estaciones cuyos nombres pueda encontrar esta web.
Mediante esta aplicacin se han conseguido ubicar 224 estaciones de las 361 que componen
42

SIAR. Los datos se almacenan en un SpatialPointsDataFrame, que es un objeto de R en el que

se pueden almacenar informacin asociada a los diferentes puntos. Se dice cul es el punto
load('/Documents
andSettings/feantona/Escritorio/R/redGN.RData')
spRedGN

<-

SpatialPointsDataFrame(coords=redGN[c('lng',

'lat')],
data=redGN[c('NomProv', 'NomEst')],
proj4string=proj)

6.1.3 Obtencin de datos meteorolgicos de SIAR

El siguiente paso es obtener los datos meteorolgicos a travs de SIAR. Se crea un script que
recoge los datos medidos desde 2004 hasta 2010. En caso de que no existan datos medidos se
comenzar a recopilar datos desde el primer dato medido.
spainMeteo <- apply(redGN[, 1:4], 1,
function(x){
readSIAR(prov=x[3], est=x[4],
start='01/01/2004',
end='31/12/2010',
lat=x[1])
}
)

O en caso de tener los datos ya ordenados se cargarn (spainMeteo.RData).

old <- getwd()
setwd('/Documents and
Settings/feantona/Escritorio/R/MAPA_SIAR'))
load('spainMeteo.RData')
setwd(old)

43

6.1.4 Obtencin del promedio anual de la irradiacin diaria de las estaciones SIAR

Se crea una funcin cuyo objetivo es realizar la media ao a ao de la irradiacin global

diaria en el plano horizontal de cada una de las estaciones agrometeorolgicas de SIAR. Se
aplicar esta funcin a cada estacin y se pasar a trabajar con datos de medias anuales de
irradiacin diarias. Se pasarn los datos a kWh dividiendo los datos del vector entre mil. Como
el objeto del estudio es la Espaa peninsular se excluyen las Islas Canarias mediante la
condicin de que la latitud sea superior a los 30.
meanYearlySums <- function(x)mean(aggregate(getG0(x), year,
sum, na.rm=1))
spainG0y <- sapply(spainMeteo, meanYearlySums)/1000
spRedGN$G0y=spainG0y

spRedGN <- spRedGN[coordinates(spRedGN)[,2]>30,]

6.1.5

Creacin ao tipo de estudio a partir de CMSAF

Se dispone de los datos de irradiacin de CMSAF para el ao 2008. Se compone un objeto

stack de la librera raster con la condicin de que sea de datos de 2008. Los datos de irradiacin
se multiplican por 24 para pasar de W/m2 de irradiancia media a Wh/m2, irradiacin media.
old <- getwd()
setwd('/Documents and Settings/feantona/Escritorio/R/CMSAF')
listFich <- dir(pattern='2008')
listNC <- lapply(listFich, raster)
stackSIS <- do.call(stack, listNC)
stackSIS <- stackSIS*24
setwd(old)

Los datos de irradiacin diaria se deben multiplicar por los das de cada mes (en funcin del
mes) y finalmente se sumarn todas las capas y se dividirn entre mil para obtener los datos en
kWh/m2.
DiasMes <- c(31, 28, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31)
G0yCMSAF <- calc(stackSIS*DiasMes, sum)/1000
levelplot(G0yCMSAF)

44

Figura 6.1. Mapa de irradiacin mediante satlites CM-SAF

Se incorpora una capa ms en el SpatialPointsDataFrame que incorpore los datos del

CMSAF en las posiciones de cada de una de las estaciones SIAR. Esto se har con la funcin
extract de raster. El siguiente paso es calcular la diferencia entre ambos datos (SIAR y CMSAF
de 2008).
Se estudian qu estaciones tienen una diferencia de irradiacin global superior a 500kWh/m2,
ya que estas estaciones es probable que estn o mal ubicadas o los datos que vierten a SIAR
estn sujetos a errores de medicin-calibracin
spRedGN$CMSAF <- extract(G0yCMSAF, spRedGN)
spRedGN$dif <-spRedGN$G0y-spRedGN$CMSAF

datG0y <- as.data.frame(spRedGN)

datG0y[abs(datG0y$dif)>500,]
En un principio, se observa que hay tres estaciones que superan estos 500kWh/m2. Se
estudiar que ocurre en estas tres estaciones a posteriori.
NomProv
P38

NomEst

G0y

Avila Munogalindo

CMSAF

dif

lng

874.218 1612.725 -738.5072 -

4.900000 40.6
P111 Ciudad Real

Manzanares 1188.930 1708.822 -519.8927 -

3.366667 39.0
P112 Ciudad Real

Montiel 1185.038 1729.391 -544.3529 -

2.866667 38.7

45

lat

Se diferencia frente a la latitud para cinco grupos de G0y y cinco grupos de CMSAF. Se
compara G0y frente a CMSAF para los cinco grupos de latitud.

xyplot(dif~lat, groups=cut(G0y, 5), data=datG0y,

auto.key=list(space='right'))

Figura 6.2. Relacin de los 5 grupos de SIAR con la latitud

46

xyplot(dif~lat, groups=cut(CMSAF, 5), data=datG0y,

auto.key=list(space='right'))

Figura 6.3. Relacin de los 5 grupos de CMSAF con la latitud

xyplot(G0y~CMSAF, groups=cut(lat, 5), data=datG0y)

47

Figura 6.4. Relacin CMSAF con SIAR

48

6.1.6

Anlisis estadstico

Se comienza el anlisis estadstico. Se hace un ajuste partiendo de un variograma.

vgmG0y <- variogram(G0y~1, data=spRedGN)
plot(vgmG0y)

Figura 6.5. Relacin de la semivarianza con la distancia entre estaciones

A partir de la grfica anterior se comprueba cmo cuando la distancia entre estaciones

aumenta, la relacin en la semivarianza se mantiene prcticamente constante. Esto implica que
la influencia de una estacin sobre otra solo afecta en el variograma si esta es reducida.
El ajuste del variograma se hace aplicando el modelo esfrico ya que por inspeccin se ve
que se ajusta bien. Se usan los valores 25000 y 1 y se usa un nugget (valor inicial) de 10000.
49

fitvgmG0y <- fit.variogram(vgmG0y, vgm(25000, 'Sph', 1, 10000))

plot(vgmG0y, fitvgmG0y)

Figura 6.6. Ajuste esfrico del variograma (semivarianza-distancia)

A continuacin, se preparan los datos para el proceso de kriging. Se crea una rejilla para la
interpolacin conteniendo la latitud y la longitud.
latLayer <- raster(G0yCMSAF)
latLayer[] <- yFromCell(G0yCMSAF, 1:ncell(G0yCMSAF))
lonLayer <- raster(G0yCMSAF)
lonLayer[] <- xFromCell(G0yCMSAF, 1:ncell(G0yCMSAF))
grd <- as(stack(lonLayer, latLayer, G0yCMSAF),
'SpatialGridDataFrame')
names(grd) <- c('lng', 'lat', 'CMSAF')##, 'elev')
proj4string(grd) <- proj

50

6.1.7

Inverse Distance Weighted Interpolation (IDW)

La interpolacin de puntos de dispersin mediante la distancia inversa ponderada, es una de

las tcnicas ms utilizadas, consiste en que en una superficie de interpolacin deben tener ms
influencia los puntos ms cercanos. La superficie de la interpolacin es un promedio ponderado
de los puntos de dispersin y el peso asignado, que disminuye de valor a medida que aumenta la
distacia al punto de dispersin. Existen diferentes metodos para llevar a cabo este mtodo::
Mtodo de Shepard
Este mtodo es el ms sencillo, y utiliza la siguiente ecuacin:

Donde n es el nmero de puntos de dispersin en el conjunto, fi son los valores de la funcin

asignada a los puntos de dispersin y wi es el peso asignado a cada punto de dispersin, que
sigue la siguiente funcin:

Donde p es un nmero real positivo arbitrario llamado parmetro de potencia (comnmente

P=2) y h es la distancia desde el punto de dispersin hasta el punto de interpolacin o

Donde (x,Y) son las coordenadas del punto de dispersin y (xi,yi) son las coordenadas de
cada punto de dispersin. La funcin de peso vara en el intervalo [0,1], tomando un valor
aproximado a cero en puntos alejados del punto de dispersin y aproximados a 1 para puntos
muy cercanos. Esta funcin esta normalizada para que la suma de todos los peso sea igual a la
unidad.
El efecto de la funcin de peso es generar mayor influencia en los puntos cercanos y menor
en los ms alejados.
Aunque la funcin de peso se muestra ms arriba, sta se muestra en su forma clsica, la
ecuacin que se utiliza en los SMS es:

51

Donde hi es la distancia desde el punto de interpolacin al punto de dispersin i, R es la

distancia desde el punto de interpolacin hasta el punto de dispersin mas distante y n es el
numero total de puntos de dispersin. Esta ecuacin da mejores resultados que la clsica
(Franke y Nielson, 1980).
La funcin de peso es radialmente simtrica con respecto a cada punto de dispersin. Como
resultado, la superficie de la interpolacin es un tanto simtrica respecto a cada punto, y tiende
hacia el valor medio de los puntos de la dispersin entre los puntos de dispersin. Este mtodo
ha sido muy utilizado gracias a su simplicidad.
Clculo de los coeficientes de la funcin nodal
Con el mtodo IDW es posible el uso de subconjuntos de los puntos de dispersin en el
clculo de los coeficientes del ndulo y en el clculo de las ponderaciones de la interpolacin.
Se utiliza un subconjunto de los puntos de dispersin distantes de la consideracin, ya que es
posible que tengan una gran influencia en la funcin del ndulo o en los pesos de interpolacin.
Por otro lado, se aceleran los clculos ya que hay menos puntos involucrados.
Hay dos opciones disponibles para definir que puntos estn incluidos en el subconjunto. En
el primero, solo los puntos ms cercaanos N se utilizan. En el segundo, solo los puntos ms
cercanos N en el cuadrante se utilizan como se muestra a continuacin. Este enfoque da mejores
resultados si los puntos de dispersin tienden a agruparse.

Los cuatro cuadrantes que rodean un punto de interpolacin.

Si utilizamos un subconjunto de puntos de dispersin, debemos encontrar un esquema para
encontrar los N puntos ms cercanos, para ello tenemos dos mtodos el global y el local.

52

Mtodo Global
Con el mtodo global, se buscan para cada uno de los puntos de dispersin en el conjunto,
cuales son los N puntos ms cercanos. sta tcnica es rpida para pequeos conjuntos de
dispersin, pero puede ser lento para grandes conjuntos.

Mtodo Local
Con los mtodos locales, los puntos de dispersin son triangulados para formar un TIN
temporal antes de que comience el proceso de interpolacin. Para el clculo de los N puntos ms
cercanos, se encuentra el triangulo que contiene el punto de interpolacin y la topologa del
triangulo se utiliiza para barrer desde el punto de interpolacin de forma sistemtica hasta los N
puntos ms cercanos. Este mtodo suele ser mucho ms rpido en grandes conjuntos de
dispersin.

Clculo de las ponderaciones de interpolacin

Cuando se clculan los pesos de interpolacin, existen tres opciones disponibles para
determinar que puntos estn incluidos en el subconjunto de los puntos utilizados para calcular
los pesos y realizar la interpolacin del subconjunto, todos los puntos y que encierran un
triangulo.

Subgrupo de puntos
Si se elige utilizar la opcin subconjunto de lso puntos, el dialogo de la definicin de
subconjunto se puede utilizar para definir un subconjunto de los puntos del local.

Todos los Puntos

Si elegimos la opcin todos los puntos, el peso se calcula para cada punto y todos los puntos
se utilizan en la interpolacin.

Adjuntando Tringulo
El uso de los vrtices del triangulo hace que el proceso de interpolacin de un esquema local
aproveche la topologa de TIN (Franke y Nielson, 1980). Con esta tcnica, el subconjunto de los
puntos utilizados para la interpolacin consiste en los tres vrtices del triangulo que contiene el
punto de interpolacin. La funcin de peso o la funcin de mezcla es una funcin cbica en
forma de S, la funcin se muestra en la parte A de la figura que representa a continuacin. El
hecho de que la pendiente de esta funcin de peso tienda a la unidad en sus lmites asegura que
la pendiente de la superficie de la interpolacin es continua a travs de las fronteras del
tringulo.

53

A) en forma de S funcin de peso y (b) Grupo Punto de Delaunay para el punto A.

La influencia de la funcin de peso se extiende sobre los lmites del grupo de puntos de
Delaunay del punto de dispersin. El grupo de puntos de Delaunay es la vecina natural del
punto de dispersin, como se muestra en la parte B. La funcin de peso vara de un peso de la
unidad en el punto de dispersin a cero en el permetro del grupo. Por cada punto de
interpolacin en el interior de un tringulo, hay tres funciones de ponderacin cero (las
funciones de peso de los tres vrtices del tringulo). Para una T tringulo con vrtices i, j, k y,
los pesos para cada vrtice se determina como sigue:

Donde ||ei || es la longitud del lado opuesto vrtice i, y bj bi, libro son el rea de las
coordenadas del punto (x, y) con respecto a las coordenadas del tringulo rea de T. son las
coordenadas que describen la posicin de un punto en el interior de un tringulo con respecto a
los vrtices del tringulo. Las coordenadas se basan nicamente en la geometra del
tringulo. Coordenadas de la zona a veces se denominan "coordenadas baricntrico". La
magnitud relativa de las coordenadas corresponde a las relaciones de la zona, como se muestra a
continuacin:

54

Baricntrico coordenadas de un punto en un tringulo.

Las coordenadas XY del punto interior se pueden escribir en trminos de las coordenadas
XY de los vrtices utilizando el rea de las coordenadas de la siguiente manera:

La solucin de las ecuaciones anteriores para bi, bj, y los rendimientos bk:

Uso de las funciones de peso se ha definido anteriormente, la superficie de la interpolacin

en los puntos dentro de un tringulo se calcula como:

Donde wi, wj, y semanas son las funciones de peso y Qi, Qj y Qk son las funciones nodales de
los tres vrtices del tringulo.

55

Aplicacin con R
idwG0y <- krige(G0y~1, spRedGN, grd)
levelplot(idwG0y['var1.pred']) +
layer(sp.points(spRedGN, pch=19, cex=0.7, col='black')) +
layer(sp.lines(mapaSHP))

Figura 6.7. Inverse Distance Weighted Interpolation aplicando red estaciones SIAR

56

6.1.8

Ajuste por superficie

El ajuste por superficie realiza un ajuste por bandas basadas en los diferentes intervalos de
radiacin que no se adapta bien al modelo peninsular. Este mtodo realiza un ajuste polnomico
de primer y segundo grado, no es un mtodo estadstico propiamente.
surfG0y <- krige(G0y~1, spRedGN, grd, degree=2)
levelplot(surfG0y['var1.pred']) +
layer(sp.points(spRedGN, pch=19, cex=0.7, col='black')) +
layer(sp.lines(mapaSHP))

Figura 6.8. Ajuste superficial teniendo en cuenta Siar

57

6.1.9 Ordinary kriging

El primer paso en el kriging ordinario es la construccin de un variograma desde el punto de
dispersin dispuesto a ser interpolado. Un variograma consta de dos partes: un variograma
experimental y un modelo de variograma. Supongamos que el valor a interpolar se conoce como
f. el variograma experimental se encuentra mediante el clculo de la varianza (g) de cada punto
del conjunto con respecto a cada uno de los otros puntos y trazar las variaciones frente a la
distancia (h) entre los puntos. Varias formulas se pueden utilizar para calcular la varianza, pero
normalmente se calcula como la mitad de la diferencia en el cuadrado de f.

Ilustracin 6.1 Variograma experimental frente a ajuste

Aplicacin con R
okrigG0y <- krige(G0y~1, spRedGN, grd, model=fitvgmG0y)
levelplot(okrigG0y['var1.pred']) +
layer(sp.points(spRedGN, pch=19, cex=0.7, col='black')) +
layer(sp.lines(mapaSHP))

58

Figura 6.9. Ordinary kriging

59

6.1.10 Universal kriging

El universal kriging tiene en cuenta datos de una variable explicativa, por ejemplo la latitud
y longitud para ajustar el modelo, el propio modelo y los datos de estaciones SIAR.
Z(S)=M(S)+Y(S)+E(S)
S

Localizacin

Media ajustada con variable explicativa

Estacionaria de 2 grado (ajuste de variograma)

Residuo final: ruido sin estructura espacial.

Explicacin del modelo Universal Kriging

Tanto el universal kriging, kriging con una variable externa y kriging de regresin son
bsicamente la misma tcnica. Esta tcnica puede ser tomada como un kriging generalista
cuando la media es modelada como una funcin de coordenadas. Algunos expertos solo usan el
trmino universal kriging cuando las coordenadas se usan como predictores. Si la parte
determinista (variable explicativa) est definida externamente como una funcin lineal, se
denomina al mtodo kriging con variable externa.
El universal kriging realiza predicciones con la matriz de residuos de las covarianzas
extendida con la ayuda de las variables predictivas. Sin embargo, la variable externa y los
residuos pueden ser tambin estimados de forma separada y posteriormente sumados. Este
procedimiento es conocido como kriging de regresin.

0 ( )

0 =
=1

Para

0 = 0

; = 1, . ,

=1

o en notacin matricial,
0 = 0
Donde z es la variable objetivo, qk son las variables predictoras como por ejemplo valores en
una nueva localizacin (s0), 0 es el vector de los pesos de KED (kriging with external drift), p
es el nmero de predictores y z es el vector de n observaciones en localizaciones primarias. Los
pesos KED se resuelven con matrices extendidas.

= {1 0 , , 0 , 0 0 , , (0 )}
0

60

Ajustando una conjunto de puntos con una funcin (s), si se resta esta funcin de los puntos
se obtienen los errores (s). La media de todos estos errores es 0. Se realiza la auto correlacin
de los errores (s), que en lugar de ser considerados como independientes se consideran auto
correlacionados.

Ilustracin 6.2. Ajuste para ordinary/universal kriging

El universal kriging puede usar semivariogramas de covarianzas (que son los modelos
matemticos para expresar la autocorrelacin) o usar transformadas.
Semivariograma
El semivariograma est definido por
varianza.

, =

, donde var es la

Si dos localizaciones, si y sj estn cercanas una de la otra en trminos de distancia d(s i,sj), se
puede esperar de ellas que sean similares. Conforme se alejan sern menos parecidas, as que la
diferencia de sus valores Z(si)-Z(sj) aumentar. Esto se puede ver en la siguiente figura.

61

Ilustracin 6.3. Semivariograma

Se puede apreciar como la varianza de la diferencia aumenta con la distancia, as que el

semivariograma se puede considerar como una funcin de diferenciacin. La altura que el
semivariograma alcanza cuando se vuelve asinttico se denomina sill (umbral). Se compone de
dos partes: una discontinua en el origen denominado efecto nugget y el sill parcial. El efecto
nugget se puede dividir en error de medicin y variacin de microescala. La distancia a la que es
semivariograma alcanza el umbral se denomina range.
LLkrigG0y <- krige(G0y~lat+lng, spRedGN, grd, model=fitvgmG0y)
levelplot(LLkrigG0y['var1.pred']) +
layer(sp.points(spRedGN, pch=19, cex=0.7, col='black')) +
layer(sp.lines(mapaSHP))

62

Figura 6.10. Universal kriging utilizando como variable explicativa la latitud y la longitud

6.1.11 Universal kriging ajustado con CMSAF

Se ajusta nuevamente el variograma pero esta vez con datos de CMSAF.

vgmCMSAF <- variogram(G0y~CMSAF, spRedGN)
fitvgmCMSAF <- fit.variogram(vgmCMSAF, vgm(20000, 'Sph', 1, 10000))
plot(vgmCMSAF, fitvgmCMSAF)

63

Figura 6.11. Ajuste esfrico de variograma usando como variable datos de CMSAF

CMSAFkrigG0y <- krige(G0y~CMSAF, spRedGN, grd, model=fitvgmCMSAF)

levelplot(CMSAFkrigG0y['var1.pred']) +
layer(sp.points(spRedGN, pch=19, cex=0.7, col='black')) +
layer(sp.lines(mapaSHP))

64

Figura 6.12. Universal kriging tomando como variable explicativa valores de irradiacin de CMSAF

65

7. RESULTADOS
7.1 ANLISIS PUNTUAL
Pasamos ahora a comentar las grficas obtenidas con R para cada uno de los epgrafes explicados
anteriormente. Partamos del anlisis tanto obtenido mediante CM-SAF y los valores puntuales de los
datos obtenidos para radiacin horizontal de Siar.

Figura 7.1. Mapa de irradiacin obtenido mediante bases satelitales: CM-SAF. Unidades kWh/m

Como era de esperar, los valores son mayores en el sur y dentro de un rango razonable.
Analizamos ahora los emplazamientos que tanto esfuerzo nos ha tomado encontrar, para cada una
de las estaciones terrestres pertenecientes a Siar, representndolas en el mapa peninsular con las
fronteras administrativas.

66

Figura 7.2. Situacin de las diferentes estaciones terrestres pertenecientes a Siar

Una vez dicho esto, comparamos las variaciones para las mismas latitudes de diferentes grupos de
estaciones de Siar, obteniendo la siguiente figura.

67

Figura 7.3. Diferencias de G0y entre grupos de igual latitud con Siar. Unidades kWh/m2

Observamos en diferentes colores los cinco grupos de intervalos de radiacin, a menores latitudes
mayores rangos de radiacin como era de esperar. El grupo de menor horquilla de radiacin presenta
mayores diferencias entre valores puntuales. Sin embargo, la media se mantiene en diferencia nula, lo
que era de esperar, siendo el grueso de la grfica los puntos contenidos en la variacin [-200, 200]
kWh/m2. Quedando excluidos de la tendencia general los puntos salientes de estos lmites.
En segundo lugar, comentamos lo anterior pero tomando como fuente de datos CM-SAF.

68

Figura 7.4. Diferencias de G0y entre grupos de igual latitud con CM-SAF. Unidades kWh/m2

De igual forma, la conclusin ms importante es la variacin nula de la media de los puntos, dando
por bueno los datos. Tambin vemos como para menores latitudes es mayor la densidad de puntos que
pertenecen a intervalos de mayor valor de radiacin, como era de esperar. Sin embargo, observamos
una ligera mayor dispersin de los datos en CM-SAF que en Siar, pero no es concluyente al tomarse
puntos aleatorios. Estas grficas deben ser interpretadas como lnea general y en ningn caso como
tendencia ms concreta.
Comparemos datos de CM-SAF y de Siar, como se aprecia en la siguiente figura.

69

Figura 7.5. Comparativa entre CM-SAF y Siar para iguales latitudes. Unidades kWh/m2

Lo tericamente obtenido debe ser una recta lineal que para cada valor de abscisas se corresponde
el mismo de ordenadas, a modo de recta lineal y=x. Efectivamente, la tendencia general es de ese tipo
lo que nos lleva a validar los valores de CM-SAF versus Siar y viceversa (a priori, no sabemos cul es
el verdadero luego no hablaremos de error absoluto en ningn caso).
Vemoslo mejor en el siguiente boxplot de la figura.

70

Figura 7.6. Boxplot comparativa Siar con CM-SAF

Donde se observa el valor mximo obtenido, el valor mnimo obtenido, el punto representa
el valor medio y el rectngulo da informacin sobre la varianza de los datos, respecto de diez
intervalos de latitud en que separamos la Pennsula Ibrica. El norte, al tener menor densidad de
estaciones, se observa mayores varianzas y una media muy alejada de la diferencia nula. Los
puntos en azul son descartados por no representativos. Concluimos como antes la horquilla de [200; 200] kWh/m2 donde al que pertenece toda la dispersin de datos.

71

7.2
ANLISIS DE IRRADIACIN GLOBAL ANUAL EN EL PLANO
HORIZONTAL
7.2.1 Mtodo Inverse Distance Weighted (IDW)
Se analiza la irradiacin aplicando el mtodo IDW, basado en una ponderacin sobre el
inverso de la distancia. Se comprueba que el ajuste es bastante suave pero existen
irregularidades en zonas perifricas como Galicia. Sin embargo, se pretende buscar un ajuste
que suavice mejor dichos puntos de la geografa peninsular con valores ms extremos.

Figura 7.7. Anlisis de radiacin global anual en el plano horizontal Inverse Distance Weighted (IDW) de Siar.
Unidades kWh/m2

72

7.2.2 Mtodo ordinary kriging

El ordinary kriging relaciona el variograma de la semivarianza de dispersin de la irradiacin
de una estacin respecto al resto de estaciones con la distancia, para intentar explicar la
variacin espacial. Por esta razn lo primero que se hace es realizar el variograma. Se busca un
ajuste que linearice dicho variograma, en este caso un ajuste esfrico. Como se puede
comprobar existe un nugget prximo a 5000. Esto significa que a pesar de que la distancia entre
una estacin y otra fuese nula existira una dispersin cuya semivarianza es de 5000kWh2/m4.
Se puede comprobar cmo a partir de distancias de 200-300uds. la influencia de una estacin
respecto a otra se reduce totalmente.

Figura 7.8. Variograma de radiacin global anual en el plano horizontal con ajuste esfrico para ordinary kriging
de Siar

Como se puede comprobar en la siguiente figura el ordinary kriging penaliza de forma

severa, aunque ms suave que el IDW, la dispersin de estaciones con valores extremos. Como
se observa, las estaciones con valores que se separan de la tendencia sufren crculos
concntricos, que se alejan de la realidad de irradiacin peninsular. Se requiere por tanto, un
sistema que suavice estas tendencias.

73

Figura 7.9. Anlisis de radiacin global anual en el plano horizontal Ordinary Kriging de Siar. Unidades kWh/m2

Es interesante estudiar qu ocurre con la varianza de forma espacial para entender cmo se
distribuye la irradiacin. Las zonas ms oscuras tienen desviaciones tpicas menores que las ms
claras. Se observa que zonas del Sistema Ibrico, oeste de Ciudad Real, Murcia y zona
Cantbrica tienen varianzas superiores. Esto se debe a que la presencia de estaciones SIAR en
estas zonas es inferior y por lo tanto, el ajuste por ordinary kriging se separa ms de la media.
Cuanto ms uniforme sea este mapa mejor distribuidas estarn las estaciones y mayor fiabilidad
tendr el modelo.

74

Figura 7.10. Anlisis de varianzas de radiacin global anual en el plano horizontal de ordinary kriging para Siar.

75

7.2.3 Mtodo de ajuste por superficie

Se estudia si el sistema se puede ajustar mediante un ajuste por superficie, que intente
simular la irradiacin con modelos polinmicos. Si se observa la figura siguiente se observa un
ajuste lineal para la latitud y un ajuste parablico para la longitud. Este ajuste desprecia la
realidad de las estaciones meteorolgicas y no se considera vlido para la Pennsula Ibrica.

Figura 7.11. Anlisis de de radiacin global anual en el plano horizontal con ajuste por superficie de Siar.
Unidades kWh/m2

En la siguiente figura se observa la distribucin de las semivarianzas. Se comprueba que es

bastante uniforme, algo que se busca pero no a consecuencia de perder la precisin del modelo
de irradiacin.

76

Figura 7.12. Anlisis de radiacin global anual en el plano horizontal de semivarianzas con ajuste por superficie
de Siar.

77

7.2.4 Mtodo universal kriging con latitud y longitud como variables explicativas
El siguiente anlisis que se realiza es universal kriging con ajuste de latitud y longitud. Este
universal kriging emplea el mismo variograma del ordinary kriging y intenta suavizar el sistema
aadiendo una capa de influencia de latitud y longitud. Se considera que la irradiacin va a
depender en cierto modo de la latitud y de la longitud. Es por esta razn que se vea cmo la
irradiacin crece de Oeste a Este y de Norte a Sur.

Figura 7.13. Anlisis de radiacin global anual en el plano horizontal con universal kriging con latitud y longitud
de variables explicativas para Siar. Unidades kWh/m2

El anlisis de semivarianzas en el espacio es similar al obtenido para el mtodo IDW. Se

considera que el universal kriging con ajuste de latitud y longitud no es del todo preciso para
explicar la irradiacin peninsular. Del grfico siguiente se deduce que para el centro peninsular
las semivarianzas son inferiores que para el exterior de la Pennsula.

78

Figura 7.14. Anlisis de radiacin global anual en el plano horizontal de semivarianzas para universal kriging con
ajuste de latitud y longitud. Unidades kWh/m2

79

7.2.5 Mtodo universal kriging con CMSAF como variable explicativa

Se considera que la ptima variable explicativa es un mapa de irradiacin por satlite de alta
fiabilidad como es el mapa de CMSAF. Se utilizar esta variable para intentar suavizar el
kriging de las estaciones SIAR.
El primer paso es obtener el variograma de las semivarianzas de la irradiacin de las
estaciones respecto al resto de estaciones en relacin a la distancia entre ellas. En este
variograma CMSAF tambin influir. En el variograma el nugget es de 5000kWh2/m4 y la
asntota se alcanza para una distancia de 200uds.

Figura 7.15. Variograma con ajuste esfrico de radiacin global anual en el plano horizontal con influencia de
CMSAF sobre estaciones SIAR

El siguiente mapa muestra el modelo ptimo de ajuste. Relaciona la variable explicativa de

CMSAF, con el variograma de la semivarianza de irradiacin entre estaciones y distancia. Se
puede observar cmo los valores de irradiacin ms bajos se encuentran en Galicia y el norte
peninsular con clima ocenico as como los Pirineos. Adems son estas zonas con menor
nmero de estaciones SIAR, sin apenas regado donde la varianza entre estaciones es mayor por
su mayor distancia entre ellas. Son destacables diversas zonas de Ciudad Real y Extremadura
donde existen irradiaciones inferiores a las esperables. Esto puede ser debido a errores en la
medicin, fallos de calibracin de dispositivos o de procesamiento de datos. Como se puede
comprobar la latitud tiene una clara influencia sobre la irradiacin.
Este mapa se considera como el ptimo de la simulacin por la suavidad de sus curvas y su
mayor similitud al obtenido con imgenes de satlite con CMSAF. Representa la irradiacin
anual en el plano horizontal medida a travs de la red de estaciones de Siar.

80

Figura 7.16. Anlisis de radiacin global anual en el plano horizontal universal kriging con ajuste de CMSAF para
Siar. Unidades kWh/m2

Sobre este modelo, se analizar cul es la relacin entre la irradiacin inducida con su
varianza. Se observa un hecho interesante: para valores de irradiacin elevados se obtienen
varianzas de distribucin elevadas. Adems, para valores de irradiacin medios (entre 1300 y
1700 kWh/m2) la varianza se mantiene en valores reducidos.

81

Figura 7.17. Relacin de radiacin global anual en el plano horizontal Predecible vs. Varianza

El siguiente grfico relaciona en forma de densidad la latitud con la irradiacin. Como se

puede observar, para menores latitudes (Sur) se obtienen valores de irradiacin anuales
superiores que para mayores latitudes.

82

Figura 7.18. Grfico de dispersin entre latitud y irradiacin global en el plano horizontal.

Sin embargo, la distribucin de la varianza es diferente. Se muestra cmo la varianza se

mantiene en un rango entre 4500 y 9000 con una mayor densidad de variabilidad para 41 de
latitud.

83

Figura 7.19. Grfico de dispersin de varianza de radiacin global anual en el plano horizontal respecto a latitud.

En el siguiente diagrama se intenta agrupar la varianza y la radiacin estimada para seis

intervalos de latitud. Se comprueba cmo para menores latitud la radiacin es superior y la
varianza se distribuye entre 5500 y 9000 kWh2/m4. Sin embargo, para mayores latitudes la
irradiacin es ms variable y su varianza tambin. Esto se debe a una mayor complejidad
geogrfica y climtica en el Norte peninsular.

84

Figura 7.20. Grfico de dispersin para radiacin global anual en el plano horizontal entre radiacin predecible y
varianza para seis intervalos de latitud. Unidades kWh/m2

85

8. CONCLUSIONES
En el presente trabajo se ha descrito las diferencias y los diversos parmetros de ajuste
estadstico asociado a cada mtodo que relaciona las medidas de irradiacin solar de Red Siar
con CM-SAF. La metodologa que se ha averiguado est basada en la gratuidad de la obtencin
de datos con lo que, salvo las ubicaciones de las estaciones Siar por motivos de consentimiento
por parte del Gobierno de Espaa, se puede disponer tanto del cdigo de programacin como de
la informacin hallada de manera libre.
Respecto del propio tratamiento de los datos aqu mostrados, como ya se ha explicado
anteriormente, el objetivo del estudio era el trazado de una metodologa y no la consecucin de
precisin en las grficas concretas, de modo que el siguiente paso en la lnea de trabajo es evitar
los diversos errores que se pueden asociar a razones concretas que exponemos a continuacin.

Para el clculo de irradiacin efectiva utilizamos valores diarios, de los que

procedemos a calcular los valores anuales en el cdigo de programacin, mientras
que para la comparativa con CM-SAF y para kriging valores anuales directamente.

Offset: es decir, que los valores de CM-SAF tengan un valor siempre mayor que los
de Red Siar, de modo que sea un error estndar e incluso modelable para ser
corregido. Un estudio interesante es la razn de los valores siempre superiores de las
bases satelitales, si bien puede atribuirse a la siguiente razn expuesta.

Influencia temporal: en el anlisis se toman datos de irradiacin de CM-SAF para

2008, slo hemos podido contar con datos de este ao por lo intratable de la cantidad
de datos proporcionados y la limitacin de herramientas informticas, pero existe la
posibilidad de ampliar el estudio cuanto se desee. Sin embargo, no se hace lo mismo
con Red Siar al tomar datos de irradiacin de varios aos, desde 2004, y realizar una
media aritmtica por no tener valores mensuales de algunas de las estaciones, se ha
tenido que proceder a hacer un ao tipo para poder hacerlo comparable. Ahora
bien, tal y como fue 2008 un ao extremadamente soleado (dcimo ms soleado
desde mediados del siglo XIX segn la OMM, Organizacin Meteorolgica
Mundial) los valores se encuentran por encima de la media y este hecho puede
explicar que CM-SAF aporte siempre valores superiores a Red Siar. Un anlisis
mejorado es la comparacin del mismo ao de ambas fuentes siempre y cuando se
disponga de todos los datos necesarios, o bien, la comparativa de medias mensuales
o de das concretos de uno frente a otro, donde podremos ver en verdadera magnitud
la diferencia de las medidas obtenidas.

Tratamiento de datos: es diferente de una a otra. En CM-SAF se toman valores

mensuales para posteriormente calcular la irradiacin anual. Sin embargo, en Siar se
toman valores diarios para el clculo de irradiacin anual. Este hecho puede tener su
influencia en la solucin final.

Dependencia no lineal: para los la irradiacin global efectiva es una funcin no

lineal de la irradiacin horizontal, as la variabilidad de la efectiva es mayor que la
misma de la irradiacin horizontal.

Respecto de las fuentes de datos tomadas, hay que recalcar que las bases terrestres y
la resolucin satelital llevan un error asociado a los propios piranmetros y pxeles
de fotografas del satlite, pero ambos campos constituyen de por s el objeto de sus
propios estudios.

86

9. BIBLIOGRAFA
Libros

Manual de R-project

BIVAND R.S., PEBESMA E.J. & GMEZ-RUBIO V., 2008, Aplied spatial data anlisis
with R, Springer.

HENGI T., 2009, A practical Guide to Geostatistical zapping, lulu.com.

COWPERTWAIT P.S.P & METCALFE A.V, 2009, Introductory time series with R,
Springer

Enlaces de inters

Blog scar Perpin Lamigueiro http://procomun.wordpress.com/

Geonames: http://www.geonames.org/

R-spatial: http://r-spatial.sourceforge.net/

Spatial-analyst: http://spatial-analyst.net/wiki/index.php?title=Main_Page

Artculos de inters

BEYER H. G, CZEPLAK G., TERZENBACH U. & PERGAMON L.W, 1997,

Assessment of the method used to construct clearness index maps for the new European
solar radiation atlas (ESRA), Pergamon.

BEYER H.G., HEINEMANN D., HOYER C., REISE C., WIEMKEN E. &
MUSIKOWSKI H.D., Accuracy of the estimation of monthly performance figures of
grid-connected PV Systems base don remote data sources

GUEYMARD C.A., & WILCOX S.M., 2011, Assessment of spatial and temporal
variability in the US solar resource from radiometric measurements and predictions
from models using ground-based or satellite data, ScienceDirect.

HAY J.E, 1986, Errors associated with spatial interpolation of mean solar irradiances,
Solar Energy (Vol 37).

HULD T., SURI M. & DUNLOP E.D, 2007, Comparison of potencial solar electricity
output from fixed-inclined and two-axis Trucking photovoltaic modules in Europe,
Progress in photovoltaics: research and applications.

87

HULD T., SRI M. & DUNLOP E.D, 2008, Geographical variation of the conversion
efficiency of crystalline silicon photovoltaic modules in Europe, Progress in
photovoltaics: research and applications.

JOURNE M. & BERTRAND C., 2010, Improving the spatial-temporal distribution of

surface solar radiation data by merging ground and satellite measurements, Remote
sensing of environment.

LEFEVRE M., REMUND J., ALBUISSON, M. & WALD L., 2002, Study of effective
distances for interpolation schemes in meteorology, Geophysical Research Abstracts
(vol 4).

PERPIN O., 2009, Statistical analysis of the performance and simulation of a twoaxis tracking PV system, ScienceDirect.

SURI M., HULD T., DUNLOP E.D., ALBUISSON M., LEFEVRE M. & WALD L.,
2007, Uncertainties in photovoltaic electricity Yield prediction from fluctuation of solar
radiation.

SURI M., REMUND J., CEBECAUER T., WALD L., HULD T. & BLANC P., 2008,
First steps in the cross-comparison of solar resource spatial products in Europe,
Eurosun.

88

10. ANEXOS
ANEXO I: Cdigo R
Gef_CMSAF_SIAR.R

library(sp)
library(maptools)
library(raster)
library(gstat)
library(lattice)
library(latticeExtra)
library(solaR)##instalar version 0.24
##########

CMSAF

#################

##Datos de 2008 de CMSAF

##compongo un objeto stack de la librera raster
old <- getwd()
setwd('/home/oscar/Datos/CMSAF')##Cambiar!!!
listFich <- dir(pattern='2008')
listNC <- lapply(listFich, raster)
stackSIS <- do.call(stack, listNC)
stackSIS <- stackSIS*24 ##para pasar de W/m2 (irradiancia media) a
Wh/m2
setwd(old)
idx <- fBTd('prom', year=2008)
SISmm <- setZ(stackSIS, idx)
layerNames(SISmm) <- as.character(idx)
##Calculation of yearly effective irradiation
##A latitude layer for calculations with solaR::calcGef
latLayer <- init(SISmm, v='y')
##The function to be applied to each cell of the 13 layers
foo <- function(x, ...){
gefFixed <- calcGef(lat=x[1], dataRad=list(G0dm=x[2:13]),
modeTrk='fixed')
gef2x <- calcGef(lat=x[1], dataRad=list(G0dm=x[2:13]),
modeTrk='two')
gefHoriz <- calcGef(lat=x[1], dataRad=list(G0dm=x[2:13]),
modeTrk='horiz')
resultFixed <- as.numeric(as.data.frameY(gefFixed)$Gefd)
result2x <- as.numeric(as.data.frameY(gef2x)$Gefd)
resultHoriz <- as.numeric(as.data.frameY(gefHoriz)$Gefd)
result <- c(resultFixed, result2x, resultHoriz)
result
}
##calc applies the function to the stack of latitude and irradiation
gefS <- calc(stack(latLayer, SISmm), foo,
filename='/home/oscar/Datos/CMSAF/gefCMSAFTracking',##change to your
folder
overwrite=TRUE, progress='text')

89

layerNames(gefS)=c('Fixed', 'Two', 'Horiz')

gefS <- stack('/home/oscar/Datos/CMSAF/gefCMSAFTracking')
layerNames(gefS)=c('Fixed', 'Two', 'Horiz')
##########
SIAR
#################
##Recuperamos datos obtenidos en UTMLonLat.R
load('spainMeteo.RData')
load('redSIAR.RData')
spainMeteoOK <- spainMeteo[idxMeteo]
###Clculo de radiacin efectiva
foo <- function(x){
gefFixed <- calcGef(lat=getLat(x), dataRad=x, modeRad='bd',
modeTrk='fixed')
gef2x <- calcGef(lat=getLat(x), dataRad=x, modeRad='bd',
modeTrk='two')
gefHoriz <- calcGef(lat=getLat(x), dataRad=x, modeRad='bd',
modeTrk='horiz')
resultFixed <- mean(as.data.frameY(gefFixed)$Gefd)
result2x <- mean(as.data.frameY(gef2x)$Gefd)
resultHoriz <- mean(as.data.frameY(gefHoriz)$Gefd)
result <- c(resultFixed, result2x, resultHoriz)
result
}
###NO EJECUTAR, recuperar con load()
gefSIAR <- lapply(spainMeteoOK, foo)
gefSIAR <- as.data.frame(do.call(rbind, gefSIAR))
names(gefSIAR) <- c('Fixed', 'Two', 'Horiz')
redSIARGef <- cbind(redSIAROK, gefSIAR)
spSIARGef <- spCbind(SPlonlatOK, gefSIAR)
spplot(SPlonlatOK[c('Fixed', 'Two', 'Horiz')])
save(redSIARGef, spSIARGef, gefSIAR, file='gefSIAR.RData')
######################################################################
########

UTMLonLat.R

library(sp)
library(rgdal)
library(maptools)
##Leo fronteras administrativas
old <- getwd()
setwd('/home/oscar/Datos/ESP_adm')##Cambiar!!!
proj <- CRS('+proj=longlat +ellps=WGS84')
mapaSHP <- readShapeLines('ESP_adm2.shp', proj4string=proj)
setwd(old)
datos <read.csv2('/home/oscar/Investigacion/solar/drafts/UTM_latlon_3.csv',
colClasses=c('factor', 'factor',

90

'integer', 'integer', 'character',

'numeric', 'numeric', 'numeric',
'integer', 'character', 'character', 'character')
)
datos <- subset(datos, subset=!(is.na(Huso) & Latitud=='' &
Longitud==''))
datosUTM29 <- subset(datos, Huso==29, select=-c(Latitud, Longitud,
SignoLongitud))
datosUTM30 <- subset(datos, Huso==30, select=-c(Latitud, Longitud,
SignoLongitud))
datosUTM31 <- subset(datos, Huso==31, select=-c(Latitud, Longitud,
SignoLongitud))
datosLonLat <- subset(datos, is.na(Huso), select=-c(UTMX, UTMY, Huso))
datosLonLat$Latitud <- sub("''", "\"", datosLonLat$Latitud)
datosLonLat$Latitud <- sub("", "", datosLonLat$Latitud)
datosLonLat$Latitud <- gsub(" ", "", datosLonLat$Latitud)
datosLonLat$Longitud <- sub("''", "\"", datosLonLat$Longitud)
datosLonLat$Longitud <- sub("", "", datosLonLat$Longitud)
datosLonLat$Longitud <- gsub(" ", "", datosLonLat$Longitud)
datosLonLat$Latitud <- with(datosLonLat, as.numeric(char2dms(Latitud,
chd="", chm="'", chs="\"")))
datosLonLat$Longitud <- with(datosLonLat,
as.numeric(char2dms(Longitud, chd="", chm="'", chs="\"")))
datosLonLat$Longitud <- ifelse(datosLonLat$SignoLongitud=='-0', datosLonLat$Longitud, datosLonLat$Longitud)
datosLonLat$SignoLongitud <- NULL
##datos[is.na(datos)] <- 0
projUTM30 <- CRS('+proj=utm +zone=30')
projUTM31 <- CRS('+proj=utm +zone=31')
projUTM29<- CRS('+proj=utm +zone=29')
SPUTM29 <- SpatialPointsDataFrame(coords=datosUTM29[c("UTMX",
"UTMY")],
data=datosUTM29[c('Altitud',
'N_Estacion', 'Estacion',
'N_Provincia', 'Provincia',
'Comunidad')],
proj4string=projUTM29)
SPUTM30 <- SpatialPointsDataFrame(coords=datosUTM30[c("UTMX",
"UTMY")],
data=datosUTM30[c('Altitud',
'N_Estacion', 'Estacion',
'N_Provincia', 'Provincia',
'Comunidad')],
proj4string=projUTM30)
SPUTM31 <- SpatialPointsDataFrame(coords=datosUTM31[c("UTMX",
"UTMY")],
data=datosUTM31[c('Altitud',
'N_Estacion', 'Estacion',
'N_Provincia', 'Provincia',
'Comunidad')],

91

proj4string=projUTM31)
##Transformo de UTM a long-lat
SPlonlat29 <- spTransform(SPUTM29, proj)
SPlonlat30 <- spTransform(SPUTM30, proj)
SPlonlat31 <- spTransform(SPUTM31, proj)
SPlonlatNoUTM <SpatialPointsDataFrame(coords=datosLonLat[c("Longitud", "Latitud")],
data=datosLonLat[c('Altitud',
'N_Estacion', 'Estacion',
'N_Provincia', 'Provincia',
'Comunidad')],
proj4string=CRS("+proj=longlat"))
SPlonlat <- spRbind(SPlonlat29, SPlonlat30)
SPlonlat <- spRbind(SPlonlat, SPlonlat31)
SPlonlat <- spRbind(SPlonlat, SPlonlatNoUTM)
coordnames(SPlonlat) <- c('lon', 'lat')
##Primera representacin.
## spplot(SPlonlat['Comunidad'], key.space='right') +
layer(sp.lines(mapaSHP))
## ##Elimino estas estaciones errneas y vuelvo a representar
## ##Compruebo que algunas estaciones se salen de su comunidad
## idxError1 <- which(coordinates(SPlonlat)[,2]<30)
## SPlonlat[idxError1,]
## SPlonlat2<- SPlonlat[-idxError1,]
trellis.device(pdf, file='RedEstaciones20110630.pdf')
spplot(SPlonlat['Comunidad'], col.regions=brewer.pal(n=12, 'Paired'),
key.space='right', scales=list(draw=TRUE),
type=c('p','g')) + layer(sp.lines(mapaSHP))
dev.off()
##Estaciones con longitud superior a 0.9
## idxError2 <- which(coordinates(SPlonlat)[,1]>0.5)
## SPlonlat[idxError2,]
##Hay dos de Extremadura fuera de sitio
## extr <- SPlonlat[SPlonlat$Comunidad=='Extremadura',]
## idxExtr <- rev(order(coordinates(extr)[,2]))[1:2]
## extr[idxExtr,]
##
##
##
##

##Y tambin una de Andalucia

andal <- SPlonlat[SPlonlat$Comunidad=='Andalucia',]
idxAndal <- rev(order(coordinates(andal)[,2]))
andal[idxAndal,]

redSIAR <- as.data.frame(SPlonlat)

##En la llamada a APPLY hay que eliminar las columnas con caracteres
##para que no convierta todo a character
###NO EJECUTAR, recuperar con load()
spainMeteo <- apply(redSIAR[, c(8, 4, 2)], 1,
function(x){
try(readSIAR(prov=x[2], est=x[3],
start='01/01/2008', end='31/12/2010',
lat=x[1]))
}
)

92

idxMeteo <- sapply(spainMeteo, function(x)class(x)=='Meteo')

spainMeteoOK <- spainMeteo[idxMeteo]
##Das registrados
fooDays <- function(x)as.numeric(diff(range(indexD(x))))
ndays <- sapply(spainMeteoOK, fooDays)
####Medias de sumas anuales
meanYearlySums <- function(x)mean(aggregate(getG0(x), year, sum,
na.rm=1))
##aplico la funcin a cada una de las estaciones que componen la lista
spainMeteo
##divido entre 1000 para pasar a kWh
spainG0y <- sapply(spainMeteoOK, meanYearlySums)/1000
redSIAROK <- redSIAR[idxMeteo,]
SPlonlatOK <- SPlonlat[idxMeteo,]
##aado el resultado como una capa ms al SpatialPointsDataFrame
redSIAROK$G0y=spainG0y
redSIAROK$ndays=ndays
SPlonlatOK$G0y=spainG0y
SPlonlatOK$ndays=ndays
save(redSIAR, redSIAROK, SPlonlat, SPlonlatOK, file='redSIAR.RData')
save(spainMeteo, idxMeteo, file='spainMeteo20110701.RData')
####FIN DE CALCULOS###########################################

kriging.R
library(sp)
library(maptools)
library(raster)
library(rasterVis)## se instala con install.packages("rasterVis",
repos="http://R-Forge.R-project.org")
library(gstat)
library(lattice)
library(latticeExtra)
library(solaR)##instalar version 0.24
##Funcin para hacer kriging con Raster
##Devuelve un RasterStack
##La primera capa es la prediccin y la segunda es la varianza
krigeRaster <- function(formula, data, raster, ...){
latLayer <- init(raster, v='y')
lonLayer <- init(raster, v='x')
grd <- as(stack(lonLayer, latLayer, raster), 'SpatialGridDataFrame')
names(grd) <- c('lon', 'lat', deparse(substitute(raster)))
proj4string(grd) <- proj
resSP <- krige(formula, data, grd, ...)
res <- as(resSP, 'RasterStack')
layerNames(res) <- c('pred', 'var')
res
}
######

RECUPERAMOS DATOS

######################################

93

###Obtenidos en UTMLonLat.R
##Contiene una lista de objetos Meteo (spainMeteo) y el ndice de los
##que sirven (idxMeteo). De esta forma, trabajamos con
##spainMeteoOK<-spainMeteo[idxMeteo]
load('spainMeteo20110701.RData')
##Obtenidos en Gef_CMSAF_SIAR.R
##Contiene los datos de la red SIAR en formato data.frame y en
##SpatialPointsDataFrame junto con los resultados de clculo de
##radiacin efectiva anual
load('gefSIAR.RData')
##proyeccin de todos los datos
proj <- CRS(proj4string(spSIARGef))
#####

RADIACION HORIZONTAL

###########

##Datos de 2008 de CMSAF

##compongo un objeto stack de la librera raster
old <- getwd()
setwd('/Users/Federico Caizares/Desktop/Formacin/Mster MERME/20102011/PFM/R/CMSAF')##Cambiar!!!
listFich <- dir(pattern='2008')
listNC <- lapply(listFich, raster)
stackSIS <- do.call(stack, listNC)
stackSIS <- stackSIS*24 ##para pasar de W/m2 (irradiancia media) a
Wh/m2
setwd(old)
##Para calcular el valor anual de cada celda debo multiplicar cada
capa
##por el nmero de das de cada mes
DiasMes <- c(31, 28, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31)
##y sumar todas las capas, nuevamente dividiendo entre mil
G0yCMSAF <- calc(stackSIS*DiasMes, sum)/1000
levelplot(G0yCMSAF)
##
##
##
##
##

#Creo una rejilla para la interpolacin

##necesito que contenga la latitud y longitud
##para el universal kriging
latLayer <- init(G0yCMSAF, v='y')
lonLayer <- init(G0yCMSAF, v='x')

## grd <- as(stack(lonLayer, latLayer, G0yCMSAF),

'SpatialGridDataFrame')
## names(grd) <- c('lon', 'lat', 'G0yCMSAF')
## proj4string(grd) <- proj
##Descargo y descomprimo un zip de
http://biogeo.ucdavis.edu/data/diva/adm/ESP_adm.zip
##Contiene un Shapefile con informacin de las fronteras entre
provincias de espaa.
old <- getwd()
setwd('/Users/Federico Caizares/Desktop/Formacin/Mster MERME/20102011/PFM/R/ESP_adm')##Cambiar!!!
##Leo el contenido:
mapaSHP <- readShapeLines('ESP_adm2.shp', proj4string=proj)
setwd(old)

94

###Trabajaremos slo con aquelas estaciones con al menos dos aos

###completos y 1000 kWh/m2 anuales de radiacin
#spGef <- spSIARGef[spSIARGef$ndays>=730 & spSIARGef$G0y>=1000,]
spGef <- spSIARGef[spSIARGef$ndays>=730 & spSIARGef$G0y>=1000 &
spSIARGef$Estacion!="Manzanares" & spSIARGef$Estacion!="Montiel" &
spSIARGef$Estacion!="Arabayona" & spSIARGef$Estacion!="Ejema" &
spSIARGef$Estacion!="Don Benito" & spSIARGef$Estacion!="AlmendralejoDon Rodrigo" & spSIARGef$Estacion!="Villafranca de los Barros" &
spSIARGef$Estacion!="Valdesalor",]
idxNms <- which(names(spGef) %in% c('G0y', 'Fixed', 'Two', 'Horiz'))
names(spGef)[idxNms] <- paste(names(spGef)[idxNms], 'SIAR', sep='')
##Ahora incorporo al SpatialPointsDataFrame una capa ms
##con los valores de CMSAF en las posiciones de las estaciones
##con la funcin extract de raster
spGef$G0yCMSAF <- extract(G0yCMSAF, spGef)
##y tambin calculo la diferencia entre ambas
spGef$difG0y <-spGef$G0ySIAR-spGef$G0yCMSAF
###Anlisis de valores (sin considerar caracter espacial)
datGef <- as.data.frame(spGef)
##Ejemplos...
##diferencia frente a la latitud para grupos de G0ySIAR
xyplot(difG0y~lat, groups=cut(G0ySIAR, 5), data=datGef,
auto.key=list(space='right'))
##y 5 grupos de CMSAF
xyplot(difG0y~lat, groups=cut(G0yCMSAF, 5), data=datGef,
auto.key=list(space='right'))
##G0y frente a CMSAF para cinco grupos de latitud
xyplot(G0ySIAR~G0yCMSAF, groups=cut(lat, 5), data=datGef,
auto.key=list(space='right'))
## difG0y G0YSIAR-G0YCMSAF
bwplot(difG0y~cut(lat, 10), data=datGef)
###etc, etc,
####Empieza el anlisis estadstico
##Ajuste del variograma
vgmG0y <- variogram(G0ySIAR~1, data=spGef)
plot(vgmG0y)
##por inspeccin parece que el modelo esfrico ajusta bien
modelG0y <- vgm(psill=17000, model='Sph', range=200, nugget=5000)
fitvgmG0y <- fit.variogram(vgmG0y, modelG0y)
plot(vgmG0y, fitvgmG0y)
##Tipos de Interpolacin:
##En primer lugar, el mtodo IDW
idwG0y <- krigeRaster(G0ySIAR~1, spGef, G0yCMSAF)
#trellis.device(pdf, file='IDW_Rad_Horizontal.pdf')
levelplot(idwG0y, layer='pred') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
#dev.off()
##En segundo lugar un ajuste de superficie
surfG0y <- krigeRaster(G0ySIAR~1, spGef, G0yCMSAF, degree=2)

95

levelplot(surfG0y, layer='pred') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
levelplot(surfG0y, layer='var')+
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
##En tercer lugar, un ordinary kriging usando el variograma
okrigG0y <- krigeRaster(G0ySIAR~1, spGef, G0yCMSAF, model=fitvgmG0y)
levelplot(okrigG0y, layer='pred') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
levelplot(okrigG0y, layer='var') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
##En cuarto lugar, universal kriging usando la latitud y longitud
LLkrigG0y <- krigeRaster(G0ySIAR~lat+lon, spGef, G0yCMSAF,
model=fitvgmG0y)
levelplot(LLkrigG0y, layer='pred') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
levelplot(LLkrigG0y, layer='var') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
##Diagnostico
surf <- krige.cv(G0ySIAR~1, spGef, degree=2)
LL <- krige.cv(G0ySIAR~lat+lon, spGef, model=fitvgmG0y)
ord <- krige.cv(G0ySIAR~1, spGef, model=fitvgmG0y)
surfPlot <- bubble(surf, 'residual')
llPlot <- bubble(LL, 'residual')
ordPlot <- bubble(ord, 'residual')
##En quinto lugar, universal kriging usando datos de CMSAF
##Primero hay que ajustar nuevamente el variograma
vgmCMSAF <- variogram(G0ySIAR~G0yCMSAF, spGef)
plot(vgmCMSAF)
fitvgmCMSAF <- fit.variogram(vgmCMSAF, vgm(psill=12000, model='Sph',
range=100, nugget=5000))
plot(vgmCMSAF, fitvgmCMSAF)
CMSAFkrigG0y <- krigeRaster(G0ySIAR~G0yCMSAF, spGef, G0yCMSAF,
model=fitvgmCMSAF)
levelplot(CMSAFkrigG0y, layer='pred') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))

####Diferencias entre CMSAF y UniKrig con CMSAF####

A <- subset(CMSAFkrigG0y, 'pred')

96

levelplot((G0yCMSAF-A)*100/G0yCMSAF) +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
levelplot(CMSAFkrigG0y, layer='var',par.settings=BTCTheme) +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
##Ms representacin de resultados
##ms ejemplos en http://rastervis.r-forge.r-project.org/
histogram(CMSAFkrigG0y)
splom(CMSAFkrigG0y)
xyplot(var~pred|cut(y, 6), CMSAFkrigG0y)
xyplot(pred~y, CMSAFkrigG0y)
xyplot(var~y, CMSAFkrigG0y)
##### RADIACION EFECTIVA #######
################################
################################
##Resultados de 2008 de CMSAF
##compongo un objeto stack de la librera raster
old <- getwd()
setwd('/Users/Federico Caizares/Desktop/Formacin/Mster MERME/20102011/PFM/R/CMSAF')##Cambiar!!!
gefCMSAF <- stack('gefCMSAFTracking')
layerNames(gefCMSAF) <- c('Fixed', 'Two', 'Horiz')
setwd(old)
gefExtract <- as.data.frame(extract(gefCMSAF, spGef))
names(gefExtract) <- paste(layerNames(gefCMSAF), 'CMSAF', sep='')
spGef <- spCbind(spGef, gefExtract)
datGef <- as.data.frame(spGef)
####Sistemas Estticos###################
#########################################
##Se trata de sustituir G0y por Fixed utilizando
##el cdigo anterior para radiacin horizontal
FixedCMSAF <- raster(gefCMSAF, layer='Fixed')
vgmFixed <- variogram(FixedSIAR~1, data=spGef)
plot(vgmFixed)
##COMPROBAR QUE LOS VALORES SIGUEN SIENDO ADECUADOS
modelFixed <- vgm(psill=17000, model='Sph', range=200, nugget=5000)
fitvgmFixed <- fit.variogram(vgmFixed, modelFixed)
plot(vgmFixed, fitvgmFixed)
##En primer lugar, el mtodo IDW Fixed
idwFixed <- krigeRaster(FixedSIAR~1, spGef, FixedCMSAF)
levelplot(idwFixed, layer='pred') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
##En segundo lugar un ajuste de superficie Fixed

97

surfFixed <- krigeRaster(FixedSIAR~1, spGef, FixedCMSAF, degree=2)

levelplot(surfFixed, layer='pred') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
levelplot(surfFixed, layer='var')+
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
##En tercer lugar, un ordinary kriging Fixed usando el variograma
okrigFixed <- krigeRaster(FixedSIAR~1, spGef, FixedCMSAF,
model=fitvgmFixed)
levelplot(okrigFixed, layer='pred') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
levelplot(okrigFixed, layer='var') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
##En cuarto lugar, universal kriging Fixed usando la latitud y
longitud
LLkrigFixed <- krigeRaster(FixedSIAR~lat+lon, spGef, FixedCMSAF,
model=fitvgmFixed)
levelplot(LLkrigFixed, layer='pred') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
levelplot(LLkrigFixed, layer='var') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
##Diagnostico Fixed
surf <- krige.cv(FixedSIAR~1, spGef, degree=2)
LL <- krige.cv(FixedSIAR~lat+lon, spGef, model=fitvgmFixed)
ord <- krige.cv(FixedSIAR~1, spGef, model=fitvgmFixed)
surfPlot <- bubble(surf, 'residual')
llPlot <- bubble(LL, 'residual')
ordPlot <- bubble(ord, 'residual')
##En quinto lugar, universal kriging Fixed usando datos de CMSAF
##Primero hay que ajustar nuevamente el variograma
vgmCMSAF <- variogram(FixedSIAR~FixedCMSAF, spGef)
plot(vgmCMSAF)
fitvgmCMSAF <- fit.variogram(vgmCMSAF, vgm(psill=12000, model='Sph',
range=100, nugget=5000))
plot(vgmCMSAF, fitvgmCMSAF)
CMSAFkrigFixed <- krigeRaster(FixedSIAR~FixedCMSAF, spGef, FixedCMSAF,
model=fitvgmCMSAF)
#####Dieferencias
B <- subset(CMSAFkrigFixed, 'pred')
levelplot((FixedCMSAF-B)*100/FixedCMSAF) +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))

98

levelplot(CMSAFkrigFixed, layer='pred') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
levelplot(CMSAFkrigFixed, layer='var', par.settings=BTCTheme) +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
##Ejemplos de representacin de resultados
##ms ejemplos en http://rastervis.r-forge.r-project.org/
histogram(CMSAFkrigFixed)
splom(CMSAFkrigFixed)
xyplot(var~pred|cut(y, 6), CMSAFkrigFixed)
xyplot(pred~y, CMSAFkrigFixed)
xyplot(var~y, CMSAFkrigFixed)
#### Caso Eje horizontal (Horiz) ########################
#########################################################
HorizCMSAF <- raster(gefCMSAF, layer='Horiz')
vgmHoriz <- variogram(HorizSIAR~1, data=spGef)
plot(vgmHoriz)
##COMPROBAR QUE LOS VALORES SIGUEN SIENDO ADECUADOS
modelHoriz <- vgm(psill=17000, model='Sph', range=200, nugget=5000)
fitvgmHoriz <- fit.variogram(vgmHoriz, modelHoriz)
plot(vgmHoriz, fitvgmHoriz)
##En primer lugar, el mtodo IDW Horizontal
idwHoriz <- krigeRaster(HorizSIAR~1, spGef, HorizCMSAF)
levelplot(idwHoriz, layer='pred') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
##En segundo lugar un ajuste de superficie Horizontal
surfHoriz <- krigeRaster(HorizSIAR~1, spGef, HorizCMSAF, degree=2)
levelplot(surfHoriz, layer='pred') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
levelplot(surfHoriz, layer='var')+
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
##En tercer lugar, un ordinary kriging horizontal usando el variograma
okrigHoriz <- krigeRaster(HorizSIAR~1, spGef, HorizCMSAF,
model=fitvgmHoriz)
levelplot(okrigHoriz, layer='pred') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
levelplot(okrigHoriz, layer='var') +

99

layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +

layer(sp.lines(mapaSHP))
##En cuarto lugar, universal kriging horizontal usando la latitud y
longitud
LLkrigHoriz <- krigeRaster(HorizSIAR~lat+lon, spGef, HorizCMSAF,
model=fitvgmHoriz)
levelplot(LLkrigHoriz, layer='pred') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
levelplot(LLkrigHoriz, layer='var') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
##Diagnostico Horizontal
surf <- krige.cv(HorizSIAR~1, spGef, degree=2)
LL <- krige.cv(HorizSIAR~lat+lon, spGef, model=fitvgmHoriz)
ord <- krige.cv(HorizSIAR~1, spGef, model=fitvgmHoriz)
surfPlot <- bubble(surf, 'residual')
llPlot <- bubble(LL, 'residual')
ordPlot <- bubble(ord, 'residual')
##En quinto lugar, universal kriging Horiz usando datos de CMSAF
##Primero hay que ajustar nuevamente el variograma
vgmCMSAF <- variogram(HorizSIAR~HorizCMSAF, spGef)
plot(vgmCMSAF)
fitvgmCMSAF <- fit.variogram(vgmCMSAF, vgm(psill=12000, model='Sph',
range=100, nugget=5000))
plot(vgmCMSAF, fitvgmCMSAF)
CMSAFkrigHoriz <- krigeRaster(HorizSIAR~HorizCMSAF, spGef, HorizCMSAF,
model=fitvgmCMSAF)
levelplot(CMSAFkrigHoriz, layer='pred') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
###Diferencia entre CMSAFHoriz- CMSAFkrigHoriz
C <- subset(CMSAFkrigHoriz, 'pred')
levelplot((HorizCMSAF-C)*100/HorizCMSAF) +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
levelplot(CMSAFkrigHoriz, layer='var', par.settings=BTCTheme) +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
##Ejemplos de representacin de resultados
##ms ejemplos en http://rastervis.r-forge.r-project.org/
histogram(CMSAFkrigHoriz)
splom(CMSAFkrigHoriz)
xyplot(var~pred|cut(y, 6), CMSAFkrigHoriz)
xyplot(pred~y, CMSAFkrigHoriz)
xyplot(var~y, CMSAFkrigHoriz)
#### Caso Doble eje (Two) ########################

100

##################################################
TwoCMSAF <- raster(gefCMSAF, layer='Two')
vgmTwo <- variogram(TwoSIAR~1, data=spGef)
plot(vgmTwo)
##COMPROBAR QUE LOS VALORES SIGUEN SIENDO ADECUADOS
modelTwo <- vgm(psill=17000, model='Sph', range=200, nugget=5000)
fitvgmTwo <- fit.variogram(vgmTwo, modelTwo)
plot(vgmTwo, fitvgmTwo)
##En primer lugar, el mtodo IDW Two
idwTwo <- krigeRaster(TwoSIAR~1, spGef, TwoCMSAF)
levelplot(idwTwo, layer='pred') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
##En segundo lugar un ajuste de superficie Two
surfTwo <- krigeRaster(TwoSIAR~1, spGef, TwoCMSAF, degree=2)
levelplot(surfTwo, layer='pred') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
levelplot(surfTwo, layer='var')+
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
##En tercer lugar, un ordinary kriging Two usando el variograma
okrigTwo <- krigeRaster(TwoSIAR~1, spGef, TwoCMSAF, model=fitvgmTwo)
levelplot(okrigTwo, layer='pred') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
levelplot(okrigTwo, layer='var') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
##En cuarto lugar, universal kriging Two usando la latitud y longitud
LLkrigTwo <- krigeRaster(TwoSIAR~lat+lon, spGef, TwoCMSAF,
model=fitvgmTwo)
levelplot(LLkrigTwo, layer='pred') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
levelplot(LLkrigTwo, layer='var') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
##Diagnostico Two
surf <- krige.cv(TwoSIAR~1, spGef, degree=2)
LL <- krige.cv(TwoSIAR~lat+lon, spGef, model=fitvgmTwo)
ord <- krige.cv(TwoSIAR~1, spGef, model=fitvgmTwo)
surfPlot <- bubble(surf, 'residual')
llPlot <- bubble(LL, 'residual')
ordPlot <- bubble(ord, 'residual')

101

##En quinto lugar, universal kriging Two usando datos de CMSAF

##Primero hay que ajustar nuevamente el variograma
vgmCMSAF <- variogram(TwoSIAR~TwoCMSAF, spGef)
plot(vgmCMSAF)
fitvgmCMSAF <- fit.variogram(vgmCMSAF, vgm(psill=12000, model='Sph',
range=100, nugget=5000))
plot(vgmCMSAF, fitvgmCMSAF)
CMSAFkrigTwo <- krigeRaster(TwoSIAR~TwoCMSAF, spGef, TwoCMSAF,
model=fitvgmCMSAF)
###Diferencia entre CMSAFTwo- CMSAFkrigTwo
D <- subset(CMSAFkrigTwo, 'pred')
levelplot((TwoCMSAF-D)*100/TwoCMSAF) +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
levelplot(CMSAFkrigTwo, layer='pred') +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
levelplot(CMSAFkrigTwo, layer='var', par.settings=BTCTheme) +
layer(sp.points(spGef, pch=19, cex=0.3, col='black')) +
layer(sp.lines(mapaSHP))
##Ejemplos de representacin de resultados
##ms ejemplos en http://rastervis.r-forge.r-project.org/
histogram(CMSAFkrigTwo)
splom(CMSAFkrigTwo)
xyplot(var~pred|cut(y, 6), CMSAFkrigTwo)
xyplot(pred~y, CMSAFkrigTwo)
xyplot(var~y, CMSAFkrigTwo)

102

ANEXO II: Estaciones Siar

ESTACIN DE MEDIDA TIPO CR10X CAMPBELL
La estacin Agroclimtica automtica est diseada para medir y registrar de modo
automtico y continuo diferentes variables meteorolgicas, que en este caso por su aplicacin
agrcola se denominan agroclimticas.
La estacin agroclimtica automtica consta de una serie de elementos que recogen
datos fsicos del medio: temperatura y humedad del aire, velocidad y direccin del viento,
radiacin y precipitacin utilizada para el clculo de las necesidades de riego.
En el caso de las estacin Agroclimtica tipo de la Red SIAR, su configuracin y
ubicacin se han elegido teniendo en cuenta las recomendaciones de la Organizacin Mundial
Meteorolgica (OMM), el Instituto Nacional de Meteorologa (INM), la Organizacin para la
Agricultura y la Alimentacin (FAO), y la 'American Society of Agricultural Engineers
(ASAE)' para obtener la informacin necesaria para la realizacin de los clculos y que sea
representativa de la zona en la que se encuentra.
La Red SIAR est compuesta por estaciones de medida agro meteorolgicas, cuya estacin
tipo es la CR10X de la firma Campbell. Las dimensiones tipo de estos centros de medicin es
de 10x10 metros.

Fotografa 1. Estacin CR10X Campbell

Esta estacin se compone de los siguientes elementos:

103

Unidad central (datalogger).

Incorpora un panel de conexiones sin teclado ni visualizador. Est compuesto de 12 canales

analgicos SE (6 diferenciales), 2 de pulsos, 3 de excitacin (+/- 2,5V) y 8 digitales, con una
frecuencia de muestreo de 64Hz (aunque permite una configuracin especial Burst Mode que
tolera muestrear hasta 750Hz) y una resolucin de 13 bits. El rango de entrada de canales
analgicos es de +/- 2.500mV.
Tiene una memoria RAM respaldada por una batera de litio y lleva implementada un
sistema de tiempos de muestreo y almacenamiento programables.
Est diseado para trabajar en temperaturas en el rango de -25 a 50C.

Fotografa 2. Unidad central

Memoria

El sistema tiene dos tipos de memoria:

Memoria Flash (EEPROM): de 128kb (memoria PROM borrable) para cargar el sistema
operativo (98kb) y programas de datalogger (32kb).
Memoria circular estndar (SRAM): de 128kb RAM para almacenamiento de datos y para la
ejecucin de programas de hasta 16kb, que permite almacenar hasta 62.000 valores.
La memoria de tipo circular, que queda en funcin del tipo y del nmero de datos a
almacenar tolera calcular la frecuencia mnima de extraccin de datos para que no se pierdan
lecturas.

104

Panel de conexiones

Fotografa 3. Panel de conexiones

Tiene los siguientes elementos:

- Entradas analgicas: consta de 12 entradas analgicas en 'single-ended' (referenciada a
tierra) 6 en modo diferencial
- Entradas de pulsos: con 2 entradas digitales, P1 y P2.
- Canales de excitacin: las salidas etiquetadas como E1 a E3 son canales de proporcionan
un voltaje de excitacin a los elementos resistivos.
- Puertos digitales de control: son 8, de C1 a C8. Pueden ser configurados como entradas o
salidas. Tres de ellos (C6 a C8) pueden ser utilizados como contadores de pulsos de baja
frecuencia (<40Hz).
- Tierras analgicas: denominadas AG, utilizadas como referencia para las medidas en
'single-ended' de las entradas analgicas y como va de retorno de las corrientes de excitacin.
- Tomas de fuerza y tierra: denominadas 12V y G respectivamente. El resto alimenta elementos
externos que requieran este voltaje para su funcionamiento. Las tomas de tierra se emplean
como referencia para los contadores de pulsos y entradas binarias.
- Toma de 12V controlada y puerto control: para alimentacin de sensores. Se controla la
activacin del sensor.
- Tomas de 5V: salidas denominadas 5V para alimentar perifricos.

105

Alimentacin

Funciona a una tensin nominal de 9,6 a 16V. Por debajo de 9,6V la CR10X suspende la
ejecucin del programa para evitar la toma de medidas errneas manteniendo la informacin
almacenada y conservando la energa restante de la batera, adems permite la comunicacin
con el datalogger.
Como fuente de alimentacin externa se emplea, generalmente, una batera de 12V para
alimentacin del datalogger y mdulo de comunicaciones, con conexin a un panel solar 20W
que sirve para la recarga de sta.
-

Caja de intemperie

El modelo ENC 12/14 es una caja de dimensiones internas 355x300x145 mm que permite
alojar la unidad de proceso, modem y regulador de batera. Est construida en polister
reforzada con fibra de vidrio, resistente al agua, la corrosin y totalmente protegido de la
entrada de polvo (grado de proteccin IP68), no requiriendo proteccin adicional para lluvia y
radiacin.

Sensores

A continuacin se explican los diferentes sensores de la estacin tipo SIAR.

a.

Temperatura y humedad relativa (sonda VAISALA HMP45C)

Fotografa 2 Sonda VAISALA HMP45C

La medida de la temperatura se realiza con un sensor de temperatura Pt1000, que se basa en

la variacin de la resistencia del Platino con la temperatura. La humedad relativa se mide
mediante un dispositivo capacitivo de estado-slido (sensor HUMICAP 180, polmero plstico
que tiende a absorber humedad), que cambia sus caractersticas elctricas respondiendo a
variaciones de humedad, de tal manera que al absorber humedad disminuye la capacidad. Estos
cambios son detectados, linealizados y amplificados por un circuito electrnico situado en la
sonda, que adems, compensa la HR con la temperatura.
106

Tabla 1. Caractersticas tcnicas sonda de temperatura VAISALA HMP45C

b.

Precipitacin (Pluvimetro ARG100)

Se trata de un dispositivo de cazoletas basculantes que mide el volumen de precipitacin.

Est formado por dos partes, una base y un embudo superior para la recogida. La base alberga
en su interior el mecanismo de cazoletas basculantes. Ambas partes son de plstico resistente a
radiacin UV; el diseo del embudo evita las prdidas debidas a deriva por efecto del viento. El
mecanismo de medida es muy sencillo, la precipitacin recogida por el embudo pasa a una de
las cazoletas situadas en uno de los extremos del brazo del balancn, cuando se llena vuelca
vaciando la cazoleta y posiciona la otra cazoleta bajo el embudo, comenzando a llenarse sta.
En cada volcado el brazo balancn provoca el contacto de un rel. La cantidad de agua de lluvia
cada se mide por el nmero de contactos, equivalente cada uno a 0.20 mm.

Fotografa 3. Pluvimetro ARG100

107

c.

Velocidad y direccin del viento (Anemoveleta RM YOUNG 05103)

Fotografa 4. Anemoveleta RM YOUNG 05103

- Medida de la velocidad del viento: La rotacin de la hlice de 4 palas produce una seal
elctrica en corriente alterna, de frecuencia proporcional a la velocidad del viento. Esta seal es
inducida en una bobina estacionaria por el giro de un imn permanente de 6 polos, solidario al
eje de las hlices. Por cada revolucin provoca tres ciclos completos de una seal sinusoidal.
- Medida de la direccin del viento: La posicin de la veleta es convertida por un
potencimetro de plstico conductivo de alta precisin de 10 K de valor nominal, cuyo cursor
es solidario al eje de la veleta. Cuando se aplica un voltaje constante, la seal de salida es una
seal continua proporcional al ngulo medido

Tabla 2. Especificaciones tcnicas Anemoveleta RM YOUNG 05103

d.

Radiacin solar (Piranmetro SKYE SP1110)

Es una fotoclula de silicio sensible a la radiacin entre 350 y 1100nm. Va montada sobre un
brazo soporte con nivel, debiendo estar orientada al sur.

108

Fotografa 5 Piranomtro SKYE SP1110

Tabla 3. Especificaciones tcnicas piranmetro SKYE SP1110

Trpode

Estructura de acero galvanizado de 2 m de altura, con sus tres patas sujetas al suelo con
piquetas enterradas e instalado con vientos y tres brazos que sirven de suporte a estos tres
elementos:
-

Sensores de T y humedad.
Sensores de viento orientados al norte.
Sensor de radiacin orientado al sur.

109

ANEXO III: Tratamiento de datos y especificaciones tcnicas de CM-SAF

Procesamiento bsico para datos AVHRR
Actualmente, los productos basados en datos AVHRR de satlites de rbita polar son
definidos exclusivamente sobre una Zona Inicial de Lnea Base. La Zona Inicial de Lnea Base
es definida dentro de latitudes entre 30 y 80 grados y +/- 60 grados de longitud en un rea de
igual proyeccin sinusoidal con una resolucin espacial de 15 km x 15 km.
Los conjuntos de datos AVHRR son recogidos de tres maneras diferentes. Las
diferentes maneras se aprecian a travs de su numeracin.
1. Para datos previos hasta datos de la versin NOAA 310 AVHRR cuya recepcin fue
directamente conseguida con una sola estacin HRPT en Offenbach.
2. Empezando desde los datos de versin NOAA 310 AVHRR provistos por el servicio
EARS-AVHRR.
3. Los datos METOP AVHRR provistos de PDUs de un 1-km global conseguidos en
UMARF (empezando con una versin 310)
Esto implica que tenemos completa cobertura METOP sobre las zonas de procesado, pero
que la cobertura de satlites NOAA depende de las estaciones HRPT disponibles en el servicio
de distribucin EARS-AVHRR.

Adems, cabe destacar que para versiones de producto AVHRR anteriores hasta la 310 la
Zona de Lnea Base Inicial estaba cubierta exclusivamente usando datos recibidos de estaciones
HRPT en Offenbach. Esto significa que la cobertura de datos dentro de la Zona de Lnea Base
est limitada, con la mejor cobertura en la posicin media (visualizada en la figura 3).

Figura 1. Proyeccin sinusoidal de zona de linea base CM-SAF (zona amarilla). El crculo marca la zona dentro de la
zona de lnea base CM-SAF, la cual puede ser vista con estacin de recepcin HRPT en Offenbach, Alemania. Los
lmites de cuadrcula de procesado de AVHRR estn indicados. Por motivos de practicidad, tambin se aplican

110

subdivisiones ms detalladas en la direccin longitudinal. Cabe destacar que la informacin es vlida para versiones
de AVHRR anteriores a 310.

Figura 2. Zona de Lnea Base Inicial definida en mapa de proyeccin sinusoidal de igual rea. La figura muestra
territorios USGS usando diferentes categoras en colores.

Para definir productos con una resolucin horizontal fijada se transfieren a un mapa con
propiedad de igual rea proyectada. La figura 4 muestra un ejemplo del territorio USGS usando
categoras de reas rectangulares, en las cuales se define el mallado de CM-SAF. El carcter
especial del mapa de proyeccin sinusoidal lleva a una distorsin mayor en la mayora de las
regiones del norte de la figura 4. Incluso algunas partes (i.e., cercanas a las esquinas superiores
izquierda y derecha) de la zona se volvern borrosas. De este modo, el usuario debera descartar
estas zonas extradas de los campos de malla y concentrarse en las regiones coincidentes con las
reas originales (segn la Figura 2-1).
Detalles del procesado AVHRR hasta la versin 300

Los productos AVHRR son creados usando radiaciones preprocesadas (Nivel 1b) provistos
por paquetes pre-preprocesados ATOVS y AVHRR (AAPP) para satlites NOAA. Para todos
los productos de versiones anteriores a 310 las franjas AVHRR cubriendo la zona est
subdividida en 36 subregiones fijas (unidad cuadrada, vase figura 3). Solo para aquellas
cuadrculas con un significativo nmero de datos han sido procesadas (umbral dispuesto a un
5% de los pxeles por cuadrcula). Despus del clculo de todos los productos en esas
cuadrculas, todas las cuadrculas diarias o mensuales son combinadas para el producto final de
zona de lnea base.
Detalles de procesado AVHRR desde versiones 310
Los productos AVHRR son creados usando radiaciones preprocesadas (Nivel 1b) provistos
por paquetes ATOVS y AVHRR (APP) para satlites NOAA. Los datos AVHRR de MetOp son
directamente recibidos como datos de nivel 1b.
Los productos AVHRR son primero creados por satlites de modo proyeccin (franjas)
donde la longitud de la franja es definida tal que todas las lneas puedan ser confinadas en el
mismo GME tiempo de anlisis. Es ms, algunas adaptaciones prcticas se realizan para
optimizar el procesado en la zona de procesamiento. En conclusin, la cobertura de franja
111

completa de la Zona Inicial de Lnea Base puede ser subdividida en dos o tres segmentos. En la
fase de media final, los productos son re mapeados de modo franja a cada regin respectiva
definida en la proyeccin de igual rea.
Procesamiento bsico para datos geoestacionarios
Para los datos SEVIRI, el procesamiento es primero hecho como proyeccin del satlite y los
resultados transferidos a la representacin de proyeccin sinusoidal. El mismo algoritmo es
usado para la recuperacin de los productos de radiacin superficial de satlites geostacionarios.
Adems despus de la extensin del procesamiento SEVIRI al disco completo SEVIRI
en 2007 (versin de 300 en adelante) estaba asegurado que la Zona de Lnea Base est bien
definida en el subconjunto del producto del disco completo SEVIRI.
Detalles del procesamiento
Los productos de radiacin superficial SEVIRI son creados desde su formato HRIT original
y usando la definicin de radiacin nueva de SEVIRI (para todos los productos SEVIRI desde
Mayo 2008, versin 310 en adelante). El procesado de productos MSG (i.e., antes de hacer las
medias) est hecho en el nivel de pixel para el disco completo en un paso. Estos datos son
temporalmente tratados como medias y finalmente espacialmente se hace la media de secciones
de 15 km x 15 km de resolucin espacial sinusoide.
En las siguientes sub secciones una breve descripcin de cada producto de radiacin
superficial individual ser dado en asociacin con la informacin de los mtodos de media,
procedimientos de validacin y limitaciones conocidas.
a.

Radiacin solar superficial entrante (SIS)

Definicin de producto
Esta radiacin solar superficial entrante (SIS) es el flujo de radiacin (irradiancia)
alcanzando el plano horizontal en la superficie terrestre de longitud de onda comprendida entre
0,2 4 m. Est expresado en Wm-2.
Enfoque bsico
El algoritmo para la reparacin de SIS para pixeles de cielos nubosos fue desarrollado
basado en el algoritmo de Pinker (e.g. Pinker y Laszlo, 1992). La asuncin subyacente del
algoritmo es la relacin entre el ancho de la banda de longitudes de onda (0.2 4 m), la
transmitancia atmosfrica T y la reflectancia en estratos altos de la atmsfera que s existe. Una
vez la transmitancia est determinada del albedo TOA, la irradiancia superficial SIS puede ser
computada de los flujos de radiacin solar en las capas altas de la atmsfera E0 y la
transmitancia atmosfrica T:
= 0 cos 0

(1)

0 es el ngulo cenital del son. Con el modelo de transferencia radiante, la relacin entre la
transmitancia atmosfrica de banda ancha y el albedo TOA de banda ancha es calculada para
variedad de condiciones atmosfricas y superficiales.
La irradiacin superficial se computa en dos tramos. Primero, el albedo de banda ancha
TOA se determina con medidas satelitales. Entonces la transmitancia se determina del albedo
112

TOA junto con la informacin de la atmsfera y las condiciones superficiales de tablas pre
programadas.
Determinacin del albedo TOA de banda ancha
Para SEVIRI, el albedo TOA banda ancha es obtenido por cada pixel de la recuperacin
operacional de radiacin CM-SAF TOA (ver RD. 4.).
Para AVHRR, el albedo TOA de banda ancha es calculado usando la conversin de
fino a ancho de banda de Hucek y Jacobowitz (1995) y los modelos de distribucin angular de
Suttles et al. (1988) para la conversin de radiacin a flujo (Kryvobok y Hollmann, 2003).
Preparacin de Tablas de Bsqueda (LUT)
El modelo de transferencia radiante (RTM) libRadtran (Mayer y Kylling, 2005) fue usado
para la generacin de LUT nuboso. Los LUTs contienen valores de SIS para un amplio rango de
estados atmosfricos. El valor SIS para el estado atmosfrico real se calcula por interpolacin
entre los diferentes estados. Los diferentes estados atmosfricos cubren distintos valores de
vapor de agua, ozono, profundidad de aerosol ptico, dispersin albedo de aerosol simple y
parmetro de asimetra.
Aqu, los clculos RTM nos conducen a 24 bandas espectrales para mltiples estados de
estados atmosfricos, cubriendo un amplio rango de valores de vapor de agua, ozono, grosor de
aerosol ptico y albedo superficial. Varios tipos de aerosol se incluyeron (Hess et al., 1998). Las
nubes de agua se fijaron a una altitud fija y los clculos fueron hechos con un rango de valores
para radios efectivos y grosores pticos de nubes. Las propiedades pticas de las nubes de hielo
no son actualmente consideradas.
Cielo despejado
Los usos del algoritmo de cielo despejado, como el algoritmo de cielo nuboso, RTM basado
en LUTs para los clculos de SIS. Adems, para reducir el efecto de las incertidumbres de
albedo superficial, SIS no se calcula usando el albedo TOA. Adicionalmente, se usa Ley de
Lambert Beer modificada (MLB)-LUTs (Mueller et al, 2004).
Para cada pixel satelital, se selecciona un conjunto de LUTs, lo que se corresponde con
la distribucin espectral de albedo superficial con respecto a las clases de terreno asignado. Un
grosor especfico de aerosol ptico y tpico puede ser asignado a cada pixel dependiendo del
mapa de fondo de aerosol del que se dispone. Dos mapas de fondo de aerosol diferentes estn
disponibles y actualmente se usa uno despus de Hess et al. 1998. La cantidad de vapor de agua
se toma de un modelo NWP. La interpolacin de LUTs se hace con un modelo lineal.
Detalles del procesamiento, mallado y promediado
Las medias diarias son calculadas siguiendo un mtodo de Mser (1983) (tambin publicado
en Diekmann et al. 1988).
=

113

=1

=1

(2)

 es el promedio diario de SIS. es el promedio diario de SIS en cielo

despejado, es el SIS calculado por la imagen i del satlite y es el clculo
correspondiente de SIS. N es el nmero de imgenes disponibles durante el da.
A mayor nmero de imgenes disponibles por da, mejor cobertura del ciclo diario de nubes
puede ser resuelta, aumentando la precisin del promedio de SIS diario. Un nmero mnimo de
tres pixeles disponibles por da se requiere para hacer la media diaria de un pixel especfico. La
media mensual se calcula a partir de las medias diarias de ese mes en una base de pxeles como
la media aritmtica con un nmero mnimo de 20 medias diarias existentes. Despus del tiempo
de promediado, se obtiene un promedio espacial de 15 km x 15 km.

114

Productos ejemplo
La figura 5 nos da ejemplos del producto media mensual SIS para marzo 2009 y octubre
2009.

Figura 3. Ejemplos de productos de media mensual SIS para marzo 2009 desde MSG (arriba) y octubre 2009
desde AVHRR (abajo).

115

Validacin
El Documento de Servicio de Especificacin (SeSp) [AD. 1] lista los requerimientos
concretos de producto los cuales tienen que ser cubiertos por los productos. Los requerimientos
para el producto SIS se muestran a continuacin.
Producto
SIS para AVHRR
(rea de lnea base inicial)

SIS para SEVIRI

Requerimientos en error medio (absoluto)

90 % de los sesgos de los valores por debajo
de 10 W/m2 (+ incertidumbre de las medidas
terrestres) para las medias mensuales.
Sesgos de 20 W/m2 para medias diarias, resp..
Sesgos con valores ms altos ocurren en los
Alpes y otras regiones montaosas, e.g., debido a
las imprecisiones en la zona para hacer
comparaciones.
90 % de los sesgos de los valores por debajo
de 10 W/m2 (+ incertidumbre de las medidas
terrestres) para las medias mensuales.
Sesgos de 20 W/m2 para medias diarias, resp..
Sesgos con valores ms altos ocurren en los
Alpes y otras regiones montaosas, e.g., debido a
las imprecisiones en la zona para hacer
comparaciones.

La incertidumbre de la dispersin de los productos es evaluada cada ao en base a estos

requerimientos y los resultados se resumen en el Informe de Validacin Anual de CM-SAF
[AD.2, AD.3].
Limitaciones
A continuacin se expone una lista con algunas de las deficiencias conocidas y las
limitaciones del producto SIS:
Los valores diarios de SIS son solo calculados si se sobrepasan tres momentos del da
con datos disponibles. En muchas reas, el nmero de veces al da que ocurre en
NOAA/AVHRR es ms bajo. Como consecuencia, la cobertura espacial de los valores diarios
est fragmentada en algunas zonas. La media mensual es solamente calculada si al menos 20
valores diarios estn disponibles. Se averiguar si el mnimo nmero de datos disponibles por
da/mes puede ser reducido sin degradar significativamente la precisin de SIS. Esto puede ser
combinado con la dotacin de una marca de informacin, la cual indique el nmero de imgenes
usadas.
El algoritmo de SIS ha sido desarrollado para nubes de agua. El efecto de nubes de hielo
an no es considerado.
Los Cuatro Modelos de Distribucin Angular (ADM) pueden ser elegidos dependiendo
de las condiciones de la nube. Los ADMs describen la anisotropa de las diferentes tipos de
escenas como funcin del satlite y de la geometra solar y son usadas para convertir las
medidas radiantes satelitales en valores de flujos hemisfricos. El esquema de nube actual que
se consigue prev solo tres clases: cielo despejado, cielo contaminado y cielo cubierto. En la
versin actual del algoritmo SIS, ADMs parcialmente nubosos se usan para pxeles que son
marcados como ADMs de nube contaminada que se usan para los pxeles de cielo cubierto. Los
116

ADM correspondientes a la mayora de las condiciones nubosas no son usados en la obtencin

de SIS. Estos resultados inducen ruido y pueden conducir a un error sistemtico en la
conversin angular de radiacin a flujo. Chang et. al. (2000) encontr que el promedio del flujo
obtenido con los dos ADMs (mayoritariamente nuboso y nuboso) diferan en 8 W/m2 con
ngulos cenitales solares de aproximadamente 33 y de 30 W/m2con ngulos cenitales de
aproximadamente 60. El efecto de la ambigedad en la asignacin de ADM en el efecto de la
validacin de resultados tiene que ser investigada ms en profundidad.
La versin actual del algoritmo usa los ADMs, los cuales derivan de Suttles et al. (1986)
y se aplican para Experimento de Balances de Radiacin Terrestre (ERBE). Recientes
publicaciones e investigaciones han mostrado que la correccin ADM es demasiado burda para
las clases de nubes, superficies terrestres etc. y conduce a sesgos del orden de 10-15 W/m2 para
valores instantneos de SIS. Ser investigado si la aplicacin de ADMs que se deriva del
proyecto CERES aumentar la precisin de SIS de CM-SAF.

La precisin de SIS desde AVHRR depende de la calidad de la medida de radiacin

extra atmosfrica en canales AVHRR 1 y 2. Hasta el momento, solo ha sido usado el pre
lanzamiento de coeficientes de calibracin.
Debido a los detectores ausentes de instrumentos GERB, los cuales se usan para valores
de alberdo TOA-MSG, hay falta de datos en las lneas de datos sobre el campo de visin de
MSG en el rea de 35S y 60S.
b. Irradiacin directa (SID) para MSG
Definicin de producto
La irradiacin directa (SID) es el flujo de radiacin (irradiancia) que alcanza el plano
horizontal de la tierra en la superficie terrestre de una longitud de onda comprendida entre 0.2
4 m directamente sin dispersin. Se expresa en W/m2.
Aproximacin bsica
Condiciones de cielo despejado
El algoritmo para la recuperacin de SID se describe en detalle en Mueller et al., 2009 y
tambin se documenta en detalle dentro de la licencia pblica del proyecto gnu-MAGIC,
http://sourceforge.net/projects/gnu-magic. Es un mtodo rpido para calcular irradiancia solar
(incluyendo rayos) para zonas grandes, el cual usa un auto vector hbrido de aproximacin LUT
para un clculo ms preciso y rpido del clculo de SID. Un aerosol ptico de grosor y tipo
especfico puede ser asignado a cada pixel dependiendo del mapa de fondo de aerosol
disponible. Dos mapas estn disponibles, despus de Hess et al. 1998 solo uno se usa. La
atmsfera puede ser tomada en funcin de la temperatura superficial y de el contenido de vapor
de agua. La cantidad real de vapor de agua se toma de un modelo NWP. La interpolacin con
LUTs se hace en una base lineal.
Situaciones de cielo nuboso
Para un pixel completamente cubierto por nubes, la irradiancia directa se iguala a cero. Para
un pixel con una fraccin cubierta por nubes se usa la frmula de Mller et al. (2009) la cual
describe la relacin entre la irradiancia directa (todo el cielo) y la irradiancia de cielo
descubierto .
= ( 0,38 1 )0,25

117

(3)

Donde k es el ndice de cielo descubierto. Esta frmula es una adaptacin del modelo difuso
de Skartveith et al. (1998). El ndice de cielo descubierto k es el ratio entre la irradiaciancia
solar superficial para todo el cielo y para el cielo descubierto y se deriva de la recuperacin de
SIS y se provee dentro de las cadenas operacionales de CM-SAF.
Detalle del procesamiento, mallado y promediado
El clculo de la irradiacin directa superficial (SID) tiene lugar en la base de pixel SEVIRI
usando imgenes instantneas (al menos una por hora). El promedio diario SID se calcula con
un promediado aritmtico:
=

=1

(4)

es el promedio diario de SID y es el valor de SID para la imagen i del satlite, n

es el nmero de imgenes disponibles durante un da.
El promedio mensual de SID se calcula de las medias diarias en base de pixel como una
media aritmtica si al menos 20 medias diarias al mes estn disponibles. Despus del
promediado temporal, se promedia espacialmente y se obtiene una malla de 15 x 15 km2.
Ejemplos de producto

Figura 4. Ejemplo de producto de irradiancia directa para disco MSG completo. Las unidades de la barra de
colores son W/m2

118

Validacin
El Documento de Especificacin de Servicio (SeSp) [AD.1] lista los requerimientos del
producto especfico el cual tiene que ser cubierto por los productos. Los requerimientos de el
producto SID se muestran seguidamente.

Producto
SID para SEVIRI

Requerimientos sobre error

medio
(absoluto)
90 por ciento del valor del sesgo absoluto
por debajo de 15 W/m2 (+ incertidumbre de
las medidas terrestres) para medias mensuales.
Sesgos de 25 W/m2 para medias diarias.
Valores de sesgos ms altos pueden ocurrir
en los Alpes as como otras regiones
montaosas, e.g. debido a las incertidumbres
en las zonas para ajustar comparacin.

La incertidumbre de las dispersiones de los productos es evaluada cada ao para verificar los
requerimientos y los resultados se resumen en el Informe de Validacin Anual de CM-SAF
[AD.2, AD.3].
Limitaciones
Se cita debajo una lista con algunas de las deficiencias conocidas y limitaciones del producto
SID:
Para situaciones de nubosidad SID confa en la calidad de SIS tanto en cuanto SIS es
usado para calcular la irradiancia de cielo descubierto necesitado para las situaciones de cielo
nuboso. Por consiguiente, las limitaciones discutidas para SIS se mantienen tambin para SID
en situaciones de cielo nuboso.
SID es bastante sensible a AOD en situaciones de cielo descubierto, las cuales presentan
una incertidumbre determinada tanto como la precisin de AOD, puede esperarse que sea un +/0,1.
c. Radiacin superficial de onda larga (SDL)
Definicin de producto
La radiacin superficial de onda larga (SDL) se define como la irradiancia trmica (i.e,
integrando todas las longitudes de onda mayores de 4 m) desde la atmsfera y las nubes
alcanzando el terreno y es expresada en W/m2.
Aproximacin bsica
Para el clculo del flujo de radiacin superficial de onda larga, el algoritmo usado est
descrito por Gupta (1989) y Gupta et al. (1992).
El algoritmo se basa en la asuncin de la existencia de una relacin lineal entre el flujo de
cielo abierto 1 y el flujo de condiciones nubosas 2 multiplicado por un ndice de fraccin de
cobertura por nube .

119

 = 1 + 2 (5)
La parametrizacin para 1 y 2 se basan en los clculos de transferencia radiante
cubriendo un rango de variables meteorolgicas de entrada para hacer que el algoritmo se
factible para aplicaciones globales. 1 es una funcin del agua precipitable de la atmsfera en
mm, V, y la temperatura efectiva de emisin de la atmsfera, T e.
1 = 0 + 1 + 2 2 + 3 3 3,7 (6)
La temperatura efectiva de emisin es una media ponderada de las temperaturas en la baja
troposfera; 0 , 1 , 2 y 3 son coeficientes de regresiones como se dan en Gupta, 1989.
El bajo flujo para el caso nuboso 2 se calcula como una funcin del contenido de agua total
debajo de la nube y la temperatura de la base de la nube . La temperatura de la base de la
nube se estima sabiendo la altura de la nube con la asuncin del grosor de la misma. La presin
en la base de la nube, , se obtiene aadiendo 50 hPa a la presin en cresta de nube
(Telegadas y Londres, 1954). Se asume que las nubes tienen una emisividad de uno. Para
niveles medios y altos de nubosidad (( ) > 200 ) se usa la siguiente expresin:

2 =

(0 +1 +2 2 +3 3 )

(7)

Donde 0 , 1 , 2 y 3 son coeficientes de regresin tomados de Gupta et al. 1992.

Para nubes bajas, i.e, ( ) 200 , Gupta et al. (1992) modifican el clculo de 2
para corregir por sobreestimacin de 2 en la presencia de bajo nivel de nubes. Cuando la base
de la nube est situada en la superficie, 0 se calcula de la siguiente frmula:
T4

s
0 = T 4 C
s

(8)

Detalles Donde es la constante de Stefan-Boltzman. Para condiciones de nubosidad esto

fuerza a SDL a asumir un valor de 4 . Para valores de ( ) entre 0 y 200 hPa, el
coeficiente de regresin se obtiene de interpolacin lineal entre 0 y 0 .
Detalles de procesamiento, mallado y promediado
La media diaria es calculada de los datos instantneos de este da en base de pixel como la
media aritmtica con un nmero mnimo de 3 pxeles vlidos requeridos por dia. Los datos de
media temporal son promediados espacialmente a una malla de 15 x 15 km2.
La media mensual es calculada a partir de los valores de media diaria de ese mes en base de
pixel como la media aritmtica que requiere un nmero mnimo de 20 pixeles vlidos. Despus
del promediado temporal, un promediado espacial se confecciona con una malla de 15 x 15 km2.

120

Ejemplo de producto
La figura 7 nos aporta ejemplos de producto SDL de Marzo y Octubre 2009.

Figura 5. Ejemplos de productos de SDL medias mensuales para marzo 2009 de MSG (arriba) y octubre 2009
para AVHRR (abajo)

121

Validacin
El Documento de Servicio de Especificacin (SeSp) [AD.1] nos da una lista de
requerimientos para el producto los cuales deben ser cubiertos por los productos. Estos
requerimientos para el producto SDL son los mostrados a continuacin.
Producto
SDL para AVHRR (Area de lnea
base inicial)

SDL para SEVIRI

Requerimientos en error medio (absoluto)

90% del valor del sesgo absoluto por debajo
de 10 W/m2 (+ incertidumbre debida a las
medidas terrestres) para medias mensuales.
Mayores valores de sesgos pueden ocurrir en
los Alpes y otras regiones montaosas debido a
la indeterminacin en el rea para ser
comparado.
90% del valor del sesgo absoluto por debajo
de 10 W/m2 (+ incertidumbre debida a las
medidas terrestres) para medias mensuales.
Mayores valores de sesgos pueden ocurrir en
los Alpes y otras regiones montaosas debido a
la indeterminacin en el rea para ser
comparado.

La incertidumbre de la dispersin de los productos es evaluada cada ao para cumplir los

requerimientos y los resultados se adjuntan en el Documento de Validacin Anual CM-SAF
[AD.2, AD.3].
Limitaciones
Uno de los parmetros de entrada del algoritmo SDL, la presin en superficie superior de
nube, no es calculado para unas nubes multi-capa por el CM-SAF. Si la presin no se provee,
SDL no compila. Esto conduce a un incremento de datos perdidos de SDL. El uso de valores
climatolgicos para la presin en la parte superior de la nube en caso de datos perdidos ser
investigado.
As como el algoritmo de la presin en la parte superior de la nube usa segmentos para
concluir la presin, los cuales usan como informacin de entrada la bsqueda SDL, cuadriculas
no definidas aparecern en la proyeccin sinusoidal del producto SDL como esquinas (Figura 26).
Los resultados de validacin disponibles para SDL no dan ninguna prueba de que los
productos obtenidos no cumplen con la precisin objetivo en el rea extendida (frica).
Adems, una conclusin definitiva en la precisin no es posible debido al nmero limitado de
medidas disponibles in-situ en frica.

122

d. Radiacin saliente superficial de onda larga (SOL)

Definicin del producto
La radiacin superficial saliente de onda larga (SOL) se define como el flujo radiante
integrado emitido por la superficie de la tierra con una longitud de onda mayor de 4 m. Se
expresa en W/m2.

Figura 6. Ejemplo del producto media mensual SOL para marzo 2009 de MSG (arriba) y octubre 2009 de AVHRR
(abajo).

123

Aproximacin bsica
La radiacin superficial saliente de onda larga se calcula usando la ley de Stephan
Boltzmann:
= 4

(9)

Donde la TB es la temperatura de brillo superficial, es la emisividad de la superficie y es

la constante de Stefan-Boltzmann. La reflexin superficial en la superficie descendente de
radiacin de onda larga (SDL) no se ha considerado.
Detalles del procesamiento, mallado y promediado
Para asegurar la consistencia del producto SDL con base satelital, SOL solo se obtiene para
aquellos momentos en los que la imagen del satlite est disponible, aunque el producto en si
mismo est puramente basando en un modelo. La media diaria de SOL es calculada para los
datos instantneos del da en base de pixel como una media aritmtica con el nmero mnimo de
3 pixeles validos requeridos. Despus de que el promediado se haga, se confecciona el
promediado espacial de 15 x 15 km2.
La media mensual es calculada para las medias diarias de aquel mes que en base de pixel,
como media aritmtica aporte un mnimo de 20 valores vlidos por pixel. Despus del
promediado temporal, se realiza el promediado espacial de 15 x 15 km2.

124

Ejemplo de producto
La figura 8 nos aporta ejemplos del producto SOL para marzo 2009 y octubre 2009.
Validacin
El Documento de Servicio de Especificacin (SeSp) [AD.1] nos da una lista de
requerimientos para el producto los cuales deben ser cubiertos por los productos. Estos
requerimientos para el producto SOL son los mostrados seguidamente.
Producto
SDL para AVHRR (Area de lnea base
inicial)

SDL para SEVIRI

Requerimientos en error medio (absoluto)

90% del valor del sesgo absoluto por
debajo de 10 W/m2 (+ incertidumbre debida a
las medidas terrestres) para medias mensuales.
Mayores valores de sesgos pueden ocurrir
en los Alpes y otras regiones montaosas
debido a la indeterminacin en el rea para ser
comparado.
90% del valor del sesgo absoluto por
debajo de 10 W/m2 (+ incertidumbre debida a
las medidas terrestres) para medias mensuales.
Mayores valores de sesgos pueden ocurrir
en los Alpes y otras regiones montaosas
debido a la indeterminacin en el rea para ser
comparado.

La incertidumbre de la dispersin de los productos es evaluada cada ao para cumplir los

requerimientos y los resultados se adjuntan en el Documento de Validacin Anual CM-SAF
[AD.2, AD.3].
Limitaciones
La temperatura superficial para el clculo de SOL se toma de NWP. La calidad del producto
SOL depende por lo tanto de la precisin de los datos NWP. Adems, la precisin de SOL est
continuamente monitorizada con la validacin de los flujos superficiales para que posibles
efectos (como modas artificiales o escalones) puedan ser detectados.
La validacin de los resultados disponible para SOL no da evidencias de que los
productos que se extraigan no tengan la precisin objetivo en el rea extendida (frica).
Adems, una conclusin definitiva en la precisin no es posible debido al nmero limitado de
medidas disponibles in-situ en frica.
e. Radiacin superficial neta de onda corta (SNS)
Definicin del producto
El flujo neto superficial (SNS) se define como la parte del flujo solar entrante superficial la
cual es absorbida por la superficie terrestre. Se expresa en W/m2.

125

Aproximacin bsica
Puede ser obtenida directamente de SIS y SAL:
= (1 ) (10)
Los valores positivos indican una energa ganada de la superficie, negativos indican prdida
de energa.
Producto
SDL para AVHRR (rea de lnea base
inicial)

SDL para SEVIRI

Requerimientos en error medio (absoluto)

90% del valor del sesgo absoluto por
debajo de 15 W/m2 (+ incertidumbre debida a
las medidas terrestres) para medias mensuales.
25 W/m2 para medias diarias, resp.
Mayores valores de sesgos pueden ocurrir
en los Alpes y otras regiones montaosas
debido a la indeterminacin en el rea para ser
comparado.
90% del valor del sesgo absoluto por
debajo de 15 W/m2 (+ incertidumbre debida a
las medidas terrestres) para medias mensuales.
25 W/m2 para medias diarias, resp.
Mayores valores de sesgos pueden ocurrir
en los Alpes y otras regiones montaosas
debido a la indeterminacin en el rea para ser
comparado.

Detalles del procesamiento, mallado y promediado

La media diaria de SNS se calcula en base de pixel sobre medias diarias de SIS y de medias
semanales de albedo en la superficie. Despus, un promedio espacial se confecciona de 15 x 15
km2.
La media mensual se calcula de medias diarias del mes en base de pixel como una
media aritmtica con el requerimiento de 20 valores vlidos en el pixel. Despus de la media
temporal, se realiza una espacial de 15 x 15 km2.

126

Figura 7. Ejemplo del producto media mensual SNS para marzo 2009 de MSG (arriba) y octubre 2009 de AVHRR
(abajo).

Ejemplo de producto
La figura 9 nos aporta ejemplos del producto SNS para marzo 2009 y octubre 2009.

127

Validacin
El Documento de Servicio de Especificacin (SeSp) [AD.1] nos da una lista de
requerimientos para el producto los cuales deben ser cubiertos por los productos. Estos
requerimientos para el producto SOL son los mostrados ya anteriormente.
La incertidumbre de la dispersin del producto es evaluada cada ao para cumplimentar los
requisitos y los resultados se resumen en el Informe de Validacin Anual de CM-SAF [AD.2,
AD.3].
Limitaciones
Como el producto SAL no puede ser extrado de amplia observacin y ngulos cenitales
solares, se necesita un mapa de fondo de albedo en superficie para extraer SNS para aquellos
pxeles donde no hay valores de SAL disponibles. Esto induce una lnea de borde artificial al
producto SNS con altos ngulos cenitales solares de MSG de aquellos donde el mapa de fondo
de albedo es usado.
La calidad de SNS depende de la calidad de SAL. Para mayor informacin en la precisin
del producto albedo de superficie, vase RD.5.
f.

Radiacin neta superficial de onda larga (SNL)

Definicin del producto

La radiacin neta superficial de onda larga (SNL) se define como el flujo radiante neto de
onda larga de la superficie integrando aquellas longitudes de onda mayores a 4 m. Se expresa
en W/m2.
Aproximacin bsica
El SNL puede ser calculado directamente de SOL y SDL:
=

(11)

Valores positivos indican una ganancia de energa por parte de la superficie, valores
negativos indican una prdida de energa trmica.
Detalles de procesamiento, mallado y promediado
La media diaria SNL se calcula partiendo de medias diarias de SOL y SDL en una base de
pixel. La media mensual es por lo tanto calculada a partir de las medias diarias de cada mes en
base de pixel como una media aritmtica con un requerimiento de 20 pixeles validos al menos.
Despus de promediar el tiempo, se promedia espacialmente en una cuadrcula de 15 x 15 km2.

128

Ejemplos del producto

La figura 10 nos facilita ejemplos del producto SNL para marzo 2009 y octubre 2009.
Validacin
El Documento de Servicio de Especificacin (SeSp) [AD.1] nos da una lista de
requerimientos para el producto los cuales deben ser cubiertos por los productos. Estos
requerimientos para el producto SNL son los mostrados en la tabla 7.

Figura 8. Ejemplo del producto media mensual SNL para marzo 2009 de MSG (arriba) y octubre 2009 de AVHRR
(abajo)

129

Producto
SNL para AVHRR (rea de lnea base
inicial)

Requerimientos en error medio (absoluto)

90% del valor del sesgo absoluto por
debajo de 15 W/m2 (+ incertidumbre debida a
las medidas terrestres) para medias mensuales.
Mayores valores de sesgos pueden ocurrir
en los Alpes y otras regiones montaosas
debido a la indeterminacin en el rea para ser
comparado.
90% del valor del sesgo absoluto por
debajo de 15 W/m2 (+ incertidumbre debida a
las medidas terrestres) para medias mensuales.

SNL para SEVIRI

Mayores valores de sesgos pueden ocurrir

en los Alpes y otras regiones montaosas
debido a la indeterminacin en el rea para ser
comparado.

La incertidumbre de la dispersin de los productos es evaluada cada ao para cumplir los

requerimientos y los resultados se adjuntan en el Documento de Validacin Anual CM-SAF
[AD.2, AD.3].
Limitaciones
Debido al uso del producto presin en parte superior de la nube extrado de SDL, cuadrculas
aparecern como indefinidas en la proyeccin sinusoidal como esquinas (e.g., Figura 10, arriba;
vase Seccin 2.4.5).
La calidad de SNL depende de SDL y SOL.
g.

Balance de radiacin superficial (SRB)

Definicin de producto
El balance de radiacin superficial (SRB) se define como la suma de los flujos netos de
radiacin de onda corta y de onda larga en la superficie terrestre. Se expresa en W/m 2.
Aproximacin bsica
El SRB se puede calcular directamente de SNS y SNL:
= +

(12)

Valores positivos indican ganancia de energa en la superficie, valores negativos indican

prdida de energa de la superficie.
Detalles del procesamiento, mallado y promediado
No se hace ningn promedio temporal, SRB se calcula directamente de las medias mensuales
de SNL y SNS.

130

Ejemplos de producto
La figura 11 nos da una visin del producto SRB para marzo 2009 y octubre 2009.

Figura 9. Ejemplo del producto media mensual SRB para marzo 2009 de MSG (arriba) y octubre 2009 de AVHRR
(abajo).

Validacin
El Documento de Servicio de Especificacin (SeSp) [AD.1] nos da una lista de
requerimientos para el producto los cuales deben ser cubiertos por los productos. Estos
requerimientos para el producto SRB son los mostrados seguidamente.

131

Producto
SRB para AVHRR (Area de lnea base
inicial)

SRB para SEVIRI

Requerimientos en error medio (absoluto)

90% del valor del sesgo absoluto por
debajo de 20 W/m2 (+ incertidumbre debida a
las medidas terrestres) para medias mensuales.
Mayores valores de sesgos pueden ocurrir
en los Alpes y otras regiones montaosas
debido a la indeterminacin en el rea para ser
comparado.
90% del valor del sesgo absoluto por
debajo de 20 W/m2 (+ incertidumbre debida a
las medidas terrestres) para medias mensuales.
Mayores valores de sesgos pueden ocurrir
en los Alpes y otras regiones montaosas
debido a la indeterminacin en el rea para ser
comparado.

La incertidumbre de la dispersin de los productos es evaluada cada ao para cumplir los

requerimientos y los resultados se adjuntan en el Documento de Validacin Anual CM-SAF
[AD.2, AD.3].
Limitaciones
Debido al uso del producto presin en la parte superior de la nube extrado de SDL, quedarn
cuadrculas indefinidas en las esquinas de la proyeccin sinusoidal (e.g., Figura 11, arriba; vase
seccin 2.4.5).
A alta visin de ngulo cenital de MSG existe una lnea borde de la cual se extrae SNS a
partir de los mapas de fondo de albedo y por lo tanto apareciendo tambin en SRB.
h. Productos radiacin superficial especfica MSG: medias diarias de un ciclo
diurno.
MSG observa la tierra con una resolucin temporal de 15 minutos. Aprovechando esto, la
media mensual del ciclo diurno se calculara para todos los productos de radiacin superficial
excepto el albedo.
Definicin del producto
La media mensual del ciclo diurno se define como la media mensual de valores horarios.
Aproximacin bsica
La media mensual del ciclo diurno consiste en las medias de los valores horarios y se calcula
directamente de los productos valores horarios promediando.
Detalles del procesamiento, mallado y promediado
Los productos MSG estn calculados como una media aritmtica de los espacios horarios. La
media mensual de un espacio horario solo ser calculada si existen 20 valores vlidos dados por
pixel, de lo contrario se fija su valor a cero. Despus de un promediado temporal, se realiza un
promediado espacial y una proyeccin en mallada de 15 x 15 km2 sinusoidal.

132

Ejemplos de producto
La figura 12 nos da un ejemplo de la media mensual de ciclo diurno de SIS.

Figura 10. Ejemplo de media mensual de ciclo diurno, para SIS.

Validacin
La validacin se consigue a partir de datos instantneos. El requerimiento del producto es
igual a aquellos productos que ofrezcan medias mensuales.
Limitaciones
La calidad de SRB depende de SIS, SAL, SDL y SOL.
i. Productos basados en la unin de las medias mensuales de MSG y AVHRR
Para ofrecer al usuario con productos que cubran el mayor rea observada por diferentes
satlites, se crea la unin de productos de balance de radiacin superficial. Ya que la precisin
de MSG y NOAA en medias mensuales es un valor comparable, unir los datos para zonas de
transicin para razonable.
Definicin del producto
Los productos son una combinacin de las medias mensuales de MSG y NOAA, vase la
seccin 2.11.2 para mayor detalle.
133

Aproximacin bsica
A una latitud de 60N la precisin de los datos de radiacin basados en MSG son an
aceptables, pero la precisin se convierte en menor para latitudes medias, por consiguiente los
datos MSG sern remplazados paso por paso en direccin norte de 55N por datos AVHRR.
Uniendo los parmetros de radiacin aplicados para el promediado (15 km x 15 km) de
medias mensuales en la siguiente metodologa:
1. De 55N en latitud en adelante, solo se usarn datos MSG.
2. Entre 55N y 65N los productos sern la conjuncin de MSG con AVHRR. La unin se
llevar a cabo ponderando mediante la siguiente ecuacin funcin de la latitud:

(1 )
10

/10

(13)

con x=1:10; lat(x)=55N+xN (13)

Donde RAD es el flujo de radiacin respectivo. Ejemplo: a 56N el peso de MSG es del 90%
y el de AVHRR es de 10%.
3. Al norte de 65N solo se usarn AVHRR.
4. Al norte de 55N los valores unidos sern puestos a valor indefinido donde quiera que o
bien AVHRR o MSG den valores indefinidos.

Figura 11. Ejemplo de producto de medias mensuales combinadas SRB para octubre 2009

134

ANEXO IV: Anlisis de la irradiacin efectiva

1. Anlisis de irradiacin efectiva anual en el plano ptimo en sistema fijo
MTODO INVERSE DISTANCE WEIGHTED (IDW):

Figura 1. Anlisis de radiacin efectiva anual en el plano ptimo Inverse Distance Weighted (IDW) de Siar. Unidades kWh/m2

Mediante el mtodo IDW (Inverse Distance Weight) establecemos valores de radiacin por
ponderacin inversa de los puntos que conocemos. Se puede comprobar que en la zona de
Galicia es donde ms perjudicada esta la radiacin.

135

MTODO AJUSTE SUPERFICIAL

Figura 2. Anlisis de radiacin efectiva anual en el plano ptimo mediante ajuste superficial de Siar. Unidades
kWh/m2

En esta prediccin por superficie, se puede observar como la latitud afecta

considerablemente a la radiacin, su tendencia es lineal, al aumentar la latitud disminuye la
radiacin. Con respecto a la longitud la relacin es parablica, observndose que la radiacin en
el centro es mayor y disminuye a medida que nos acercamos al este y al oeste peninsular.

136

Figura 3. Varianzas del ajuste por superficie de radiacin efectiva anual en el plano ptimo de Siar.

La varianza pretende definirnos la fiabilidad de nuestras medidas, aunque en este caso, el

diagrama que se representa anteriormente es poco representativo dado que no presenta una
nitidez digna de la calidad que pretendemos.

137

MTODO ORDINARY KRIGING

Figura 4. Anlisis de radiacin efectiva anual en el plano ptimo Ordinary Kriging de Siar. Unidades kWh/m2

El ordinary kriging es un mtodo de aproximacin bastante mejor que el anterior, prueba de

ello es la suavidad que ofrece en los cambios de una radiacin a otra, exceptuando lugares como
Galicia donde carecemos radiacin y adems se ve afectada por las pocas estaciones que tiene.
Como se puede observar la tendencia sigue siendo la misma que en el mtodo de superficie,
aunque ya no de forma tan lineal.

138

Figura 4. Varianzas del ajuste Ordinary Kriging de radiacin efectiva anual en el plano ptimo de Siar.

La varianza nos muestra cmo afecta la dispersin de las estaciones a nuestras medidas de
radiacin, vemos como en lugares como Catalua y Galicia donde tenemos un menor nmero de
estaciones la varianza aumenta, y con ella el error de medida. Por el contrario en lugares como
Andaluca el gran nmero de estaciones nos da unos valores de varianza bastante buenos.

139

Figura 5. Variograma de ajuste esfrico del mtodo Ordinary Kriging de irradiacin efectiva sobre plano ptimo

En este caso nuestro nugget, es algo menor de 4000 lo cual significa que a pesar de que super
posicionemos dos estaciones estas seguiran teniendo una semivarianza de un valor aproximado
de 3500. Tambin observamos que a partir de las 275 unidades de longitud, la distancia deja de
afectar a nuestra medida de radiacin, es por lo que a partir de esta distancia podramos
subestimar los datos de radiacin.

140

MTODO UNIVERSAL KRIGING CON LATITUD Y LONGITUD DE VARIBLES

EXPLICATIVAS

Figura 6. Anlisis de radiacin efectiva anual en el plano ptimo Universal Kriging de con influencia de latitud y
longitud Siar. Unidades kWh/m2

En este caso, el universal kriging usa la misma metodologa que el ordinary kriging, solo que
en este caso se le aade la variable explicativa de la latitud y la longitud, como se observa en el
diagrama la radiacin aumenta de oeste a este y de norte a sur.

141

Figura 7. Varianza del ajuste de radiacin efectiva anual en el plano ptimo Universal Kriging con influencia de
latitud y longitud de Siar.

Una vez ms la varianza nos muestra su mejora en las zonas donde existe una mayor
densidad de estaciones.

142

MTODO UNIVERSAL KRIGING CON CMSAF COMO VARIABLE EXPLICATIVA

Figura 8. Anlisis de radiacin efectiva anual en el plano ptimo Universal Kriging con influencia de CM-SAF de
Siar. Unidades kWh/m2

El universal kriging complementado con los datos del CMSAF es la mejor aproximacin que
tenemos dado que a los datos de las estaciones implementamos los del satlite, se puede
observar que la variacin de la radiacin sigue teniendo una distribucin lineal, disminuyendo
esta a medida que aumenta la latitud. Con respecto a la variacin en relacin con la longitud la
radiacin es mayor en el centro de la pennsula disminuyendo esta a medida que nos
aproximamos tanto al este como al oeste de la pennsula.

143

Figura 9. Variograma con ajuste esfrico de radiacin efectiva anual en el plano optimo con influencia de CMSAF
sobre estaciones SIAR

Podemos observar que el nugget es aproximadamente 5000, lo cual significa que aunque la
distancia entre dos estaciones fuera cero la semivarianza entre ellas sera 5000, por otro lado a
partir de las 200 unidades la distancia a la estacin no afecta.

Figura 10. Histograma de irradiacin predecible y varianzas para irradiacin efectiva en plano ptimo con
Universal Kriging influenciado como CM-SAF

144

Este histograma contabiliza las veces que se obtiene un determinado valor de radiacin, en
su grfico de la izquierda, en cambio en el grfico de la derecha representa el valor de la
varianza para cada caso. En esta relacin, se observa que una alta radiacin le corresponde un
valor alto de varianza.

Figura 11. Grfico de dispersin de la varianza respecto a la irradiacin efectiva en el plano ptimo para seis
intervalos de latitud

En latitudes ms pequeas, es decir, en la zona sur de la pennsula nos encontramos con

valores altos de radiacin con poca variabilidad y con una horquilla de varianza muy
densificada. En cambio, en los valores de latitud ms altos, zona norte, muestran una mayor
dispersin de los datos de radiacin con una varianza menos densificada y con una mayor
horquilla de valores, lo cual significa que no tenemos un valor tan asegurado como en el sur.

145

Figura 12. Grfico de dispersin entre irradiacin efectiva sobre plano ptimo respecto a la latitud

Nuevamente, observamos que la radiacin disminuye a medida que aumenta la latitud, en

este grfico se ve claramente la enorme diferencia existente entre lugares de Andaluca y otros
situados al norte. Por otro lado, la horquilla de valores que nos ofrecen las latitudes pequeas es
mucho menor y ms densificada, lo que nos sugiere una productividad bastante ms asegurada.

146

Figura 13. Grfico de dispersin de la varianza de irradiacin en plano ptimo respecto a la latitud

Como se puede apreciar, para altas latitudes existe una mayor dispersin de irradiacin que
para el Sur peninsular. De los siguientes grficos se pueden deducir un par de hechos. Del mapa
de la izquierda se deduce que entre el Sur y Norte peninsular existe una variacin de al menos
400kWh/m2 y que existe una relacin modelable entre la latitud y la irradiacin global anual.
Del mapa de la derecha se entiende que para el Norte existe un aumento y densificacin de la
varianza en torno a 9000kWh2/m4 y que para el resto de la Pennsula hay dos franjas de alta
densidad: 4500 y 8500 kWh2/m4.

147

2. Anlisis de irradiacin efectiva anual con seguimiento en eje horizontal

INVERSE DISTANCE WEIGHTED
Se puede comprobar cmo el mtodo IDW para seguidores de un solo eje proporciona un
ajuste muy agresivo para aquellas zonas con poca presencia de estaciones SIAR. Se observa que
aquellas estaciones con valores de irradiacin diferentes a los de sus estaciones ms cercanas
aparecen como puntos oscuros. Caben destacar las estaciones de Montiel (Ciudad Real) o
Valdesalor (Badajoz). Del mismo modo, el ajuste para Galicia es muy diferente al resto por no
tener demasiadas estaciones para comparar, solo cuatro, y no representa bien la situacin de la
irradiacin en el norte Peninsular.

Figura 14. Anlisis IDW para radiacin efectiva con un solo eje de seguimiento. Unidades kWh/m

148

MTODO AJUSTE SUPERFICIAL

Figura 15. Anlisis de ajuste superficial para radiacin efectiva con un solo eje de seguimiento. Unidades kWh/m

Figura 16. Varianza del ajuste superficial de irradiacin efectiva para seguimiento en un solo eje

149

MTODO ORDINARY KRIGING

Al igual que para otros valores de irradiacin, para el ordinary kriging se calcula el
variograma de la semivarianza respecto a la distancia. A diferencia de para otros modelos, la
radiacin efectiva tiende a estabilizarse con un ajuste esfrico para distancias superiores a las
300uds. El nugget de 7000kWh2/m4 tambin es superior al de irradiacin global en el plano
horizontal.

Figura 17. Variograma con ajuste esfrico para radiacin efectiva con ordinary kriging

Como se observa en el siguiente mapa los valores de irradiacin en el plano efectivo

(ptimo) son superiores a los del plano horizontal. Aquellas estaciones que se desviaban con el
ajuste IDW se suavizan y no destacan tanto con este tipo de ajuste.

150

Figura 18. Anlisis ordinary kriging para radiacin efectiva con un solo eje de seguimiento. Unidades kWh/m2

Se analiza las varianzas para conocer las zonas con mayor variabilidad espacial, son aquellas
con menor presencia de estaciones.

Figura 19. Anlisis varianzas de radiacin efectiva para ordinary kriging con un solo eje de seguimiento

151

UNIVERSAL KRIGING CON LATITUD Y LONGITUD COMO VARIABLE

EXPLICATIVA

Figura 20. Anlisis universal kriging con latitud y longitud como variable explicativa para radiacin efectiva con
seguimiento en doble eje. Unidades kWh/m2

Observamos groso modo los mismos resultados que se comentan anteriormente, salvando
las diferencias de rango de irradiacin, lgicamente mayores para seguimiento en doble eje
que para eje horizontal.

Figura 21. Anlisis varianzas de radiacin efectiva para universal kriging con latitud y longitud como variable
explicativa con seguimiento en doble eje.

152

UNIVERSAL KRIGING CON CMSAF COMO VARIABLE EXPLICATIVA

Se pasa directamente al ajuste por universal kriging con variable explicativa de CMSAF por
ser el que mejor trabaja para estos casos, tal y como se ha probado en los casos anteriores. El
primer paso es la obtencin de variograma de la distribucin que relaciona la semivarianza con
la distancia.

Figura 22. Variograma para universal kriging con ajuste de CMSAF

El siguiente grfico recoge el universal kriging con variable explicativa de CMSAF para
radiacin efectiva y seguimiento de un solo eje. El ajuste es muy fino y a partir del mismo se
podr estudiar en qu zonas merecer la pena instalar este tipo de instalaciones.

153

Figura 24. Anlisis de irradiacin efectiva anual con anlisis de universal kriging con ajuste CMSAF para un solo
eje de seguimiento. Unidades kWh/m2

Se vuelve a analizar con un mapa de densidad cmo se distribuye la irradiacin relacionada

con la latitud. Se ve cmo para menores latitudes la horquilla de irradiacin es mucho menor y
los valores estn ms densificados que para mayores latitudes donde la densidad es menor y la
horquilla mayor.

154

Figura 25. Grfico de dispersin entre irradiacin efectiva con un solo eje de seguimiento respecto a la latitud

A continuacin se relaciona la varianza con la latitud y se distinguen dos regiones

densificadas para 16000 y para 10000. Se aprecia como para latitudes cercanas a 44 se produce
un aumento significativo de la varianza, tanto de su mximo como de su mnimo, con una
tendencia creciente. Esto demuestra de nuevo cmo la zona del norte peninsular, con clima
ocenico ms variable y montaoso presenta una mayor dispersin de los valores de irradiacin
efectiva.

155

Figura 26. Grfico de dispersin de la varianza de irradiacin efectivo con un solo eje de seguimiento respecto a
la latitud

El siguiente mapa demuestra que para menores latitudes la irradiacin es ms constante y su

varianza menos variable que para mayores latitudes, donde la irradiacin efectiva y su varianza
son ms dispersas.

156

Figura 27. Grfico de dispersin de la varianza respecto a la irradiacin efectiva con un solo eje de seguimiento
para seis intervalos de latitud

157

3. Anlisis de irradiacin efectiva anual con seguimiento en doble eje

A continuacin, mostramos las figuras obtenidas para seguimiento con doble eje con
conclusiones anlogas a las extradas para seguimiento en eje horizontal.
INVERSE DISTANCE WEIGHTED

Figura 28. Anlisis IDW para radiacin efectiva con seguimiento en doble eje. Unidades kWh/m2

158

MTODO AJUSTE SUPERFICIAL

Figura 29. Anlisis de ajuste superficial para radiacin efectiva con seguimiento en doble eje. Unidades kWh/m2

159

MTODO ORDINARY KRIGING

Figura 30. Variograma con ajuste esfrico para radiacin efectiva con ordinary kriging

160

Figura 31. Anlisis ordinary kriging para radiacin efectiva con seguimiento doble eje. Unidades kWh/m2

161

Figura 32. Anlisis varianzas de radiacin efectiva para ordinary kriging con seguimiento en doble eje.

162

UNIVERSAL KRIGING CON LATITUD Y LONGITUD COMO VARIABLE

EXPLICATIVA

Figura 33. Anlisis universal kriging con latitud y longitud como variable explicativa para radiacin efectiva con
seguimiento en doble eje. Unidades kWh/m2

163

Figura 34. Anlisis varianzas de radiacin efectiva para universal kriging con latitud y longitud como variable
explicativa con seguimiento en doble eje.

164

UNIVERSAL KRIGING CON VARIABLE EXPLICATICA CMSAF

En primer lugar, se realiza el variograma de la varianza respecto a la distancia, para poder

realizar la interpolacin/extrapolacin espacial. El nugget es de 8000, lo que implica que existe
una varianza de 8000 aun incluso si la distancia entre estaciones fuese nula.

Figura 35. Variograma de universal kriging con ajuste CMSAF para seguimiento a doble eje

El siguiente paso es elaborar el mapa de irradiacin efectiva para la Pennsula.

165

Figura 36. Anlisis de irradiacin efectiva con universal kriging con ajuste CMSAF para seguimiento a doble eje.
Unidades kWh/m2

En las siguientes grficas se analiza la irradiacin efectiva y varianza con la latitud. Los
resultados que se obtienen son similares a los obtenidos para sistemas fijos y para sistemas con
un solo eje de seguimiento, que suponen mayor variabilidad para mayores latitudes y menor
variabilidad para menores latitudes.

166

Figura 37. Grfico de dispersin de irradiacin efectiva anual respecto a la latitud

167

Figura 38. Grfico de dispersin de varianza para seguimiento en doble eje

168

Figura 39. Anlisis de irradiacin efectiva con seguimiento a doble eje respecto a la varianza para seis intervalos
de latitud

169

4.

Anlisis de irradiacin efectiva anual en trminos porcentuales

Veamos ahora grficos obtenidos anteriormente pero en trminos porcentuales, tomando

como valor nominal el valor de irradiacin satelital.

Figura 40. Diferencia de valores en irradiacin horizontal entre Universal Kriging a partir de Siar con CM-SAF

Observamos mucho ms claramente el rango de variacin entre los valores obtenidos entre el
mtodo kriging universal teniendo como variable explicativa el valor de CM-SAF y el propio
valor de CM-SAF. Una horquilla de entre -15 y 15 % con valores mayores de Siar ms al sur y
al oeste, y menores en el centro de la pennsula y al norte.
Para la siguiente figura vemos el mapa de irradiacin en el plano ptimo para sistemas fijos.

170

Figura 41. Diferencia de valores en irradiancia en el plano ptimo para sistemas fijos entre Universal Kriging a
partir de Siar con CM-SAF

En este caso, las variaciones estn por encima del valor nulo, observando una horquilla
mayor en Galicia donde las estaciones terrestres son mucho menores en nmero. Alcanzamos
unas variaciones menores en el centro peninsular como es de esperar por el mejor ajuste
espacial del mtodo.
Veamos ahora el mapa de irradiancia efectiva en un sistema con seguimiento horizontal, es
de esperar que los resultados obtenidos se parezcan al mapa anterior.

171

Figura 42. Diferencia de valores en irradiancia en el sistema de seguimiento horizontal entre Universal Kriging a
partir de Siar con CM-SAF

Destacamos que son las estaciones problemticas en los focos de mayor variacin. stas son
principalmente Valdesor y Montiel. Ahora tenemos valores mximos por encima de 25% como
en Galicia.
Finalmente, en un sistema con seguimientos en doble eje, se representa las variaciones entre
los datos obtenidos en la siguiente figura.

172

Figura 43. Diferencia de valores en irradiancia en el sistema de seguimiento en doble eje entre Universal Kriging
a partir de Siar con CM-SAF

Ntese que existe mayor horquilla de variacin pese a que el juego de colores se ha adaptado
al nuevo mapa. Ahora los valores extremos pasan del 35 % y en este caso se restringe tambin
la zona de precisin mayor al Pirineo navarro. A medida que se mejora el seguimiento,
aumentan las discrepancias entre CM-SAF y Siar.

173

ANEXO V: Ubicacin de las estaciones Red Siar

A continuacin, se redactarn las siguientes tablas que recogen todas las localizaciones
conseguidas de las estaciones que forman parte de la Red Siar. Estos datos que se presentan a
continuacin han recopilados provincia por provincia y en ningn caso pueden publicarse ni
distribuirse por expreso deseo del Ministerio de Agricultura, Pesca y Alimentacin.
Se presenta toda la informacin que se ha podido recavar, siendo Galicia una excepcin ya
que pese a conseguir los datos que se muestran, no se han podido usar para la realizacin de
este proyecto por no estar adscrito a Red Siar.
Andaluca
Cdiz
Nmero
1
5
101
2
7
10
8
9
6
4

Estacin
Basurta-Jerez de la Frontera
Conil de la Frontera
IFAPA Centro de Chipiona
Jerez de la Frontera
Jimena de la Frontera
Puerto de Santa Mara
Puerto de Santa Mara
Sanlcar de Barrameda
Vejer de Frontera
Villamartn

174

Altitud
60
26
7
32
53
20
20
22
24
171

UTMX
766377
757532
732243
767119
286186
753735
754761
204391,3
245032
266228

UTMY
4072277
4025267
4070604
4059604
4032550
4055018
4056297
4075859,2
4019509
4081004

Sevilla
Nmero
5
9
17
19
21
101
20
10
7
8
12
2
3
4
15
16
1
11
18
13
6
22
14

Estacin
Aznalczar
Ecija
Guillena
IFAPA Centro Las Torres-Tomejil
IFAPA Centro de Los Palacios
IFAPA Centro Las Torres-Tomejil, Finca Tomejil
Isla Mayor
La Luisiana
La Puebla del Ro
La Puebla del Ro II
La Rinconada
Las Cabezas de San Juan
Lebrija I
Lebrija 2
Lora del Ro
Los Morales
Los Palacios y Villafranca
Osuna
Puebla Cazalla
Sanlcar La Mayor
Villafranco del Guadalquivir
Villanueva del Ro y Minas
Villanueva del Ro y Minas

175

Altitud
4
125
191
11
21
79
35
188
25
41
37
25
25
40
68
90
21
214
229
88
45
38
38

UTMX
742264
316742
759588
238115
238591
271069
755917
303201
754404
762644
241387
243428
755906
766472
276058
262802
239190
310778
291518
743029
753295
262609
263221

UTMY
4115401
4162890
4156231
4156016
4119785
4142690
4111564
4155652
4124003
4108077
4149790
4100700
4096340
4088031
4171237
4117969
4118995
4125500
4121868
4145411
4109806
4164005
4166507

Jan
Nmero
6
11
1
104
15
103
12
9
7
16
10
13
2
4
3
14
5
101
8
102

Estacin
Alcaudete
Chiclana de Segura
Huesa
IFAPA Centro MEngibar
Jan
Jdar
La Higuera de Arjona
Linares
Mancha Real
Marmolejo
Marmolejo
Mengbar
Pozo Alcn
Sabiote
San Jos de los Propios
Santo Tom
Torreblascopedro
Torreperogil
Ubeda
Villacarrillo

Altitud
645
510
793
292
299
488
267
443
436
208
208
373
893
822
509
571
291
536
358
650

UTMX
404875
504003
494672
430902
432285
470716
411556
443111
447686
396245
400901
427706
506267
479441
479835
492827
439562
478684
473694
482519

UTMY
4159665
4239630
4177995
430902
4194160
4192610
4200824
4212750
4196913
4211908
4212858
4202345
4169627
4214871
4190273
4209275
4204997
4203206
4199725
4213079

Almera
Nmero
10
2
8
5
1
11
4
12
6

Estacin
Adra
Almera
Cuevas de Almanzora
Fiana
La Mojonera
Njar
Tabernas
Tjola
Virgen de Ftima-Cuevas de Almanzora

Altitud
42
22
20
971
142
182
435
796
185

Utmx
500710
553334
606478
514418
526472
575091
562095
547943
608951

Utmy
4066978
4076947
4124237
4112459
4071536
4089921
4105449
4137207
4138960

176

Crdoba
Nmero
2
8
1
6
5
4
101
102
9
7

Estacin
Adamuz
Baena
Blmez
Crdoba
El Carpio
Hornachuelos
IFAPA Centro de Cabra
IFAPA Centro de Hinojosa del Duque
Palma del Ro
Santaella

Altitud
90
334
523
117
165
157
547
543
55
207

Utmx
373219
384952
306747
341642
367901
309705
373628
315628
303825
333494

Utmy
4206727
4172611
4236499
4192085
4197541
4177125
4151309
4263208
4177917
4154701

Granada
Nmero
11
1
7
101
5
6
3
10
4
2
8

Estacin
Almuecar
Baza
Cdiar
IFAPA Centro Camino del Purchil
Iznalloz
Jerez del Marquesado
Loja
Padul
Pinos Puente
Puebla de Don Fabrique
Zafarraya

Altitud
14
814
950
630
935
1212
487
781
594
1110
905

Utmx
438973
520628
483724
443423
451312
486806
399051
446712
431534
554482
397421

Utmy
4066413
4157712.0
4086564
4114357
4141428
4116224
4114478
4097327
4124395
4192456
4094617

Huelva
Nmero
10
6
8
1
3
101
102
9
7
2
4
5

Estacin
Almonte
Aroche
El Campillo
El Tojalillo-Gibralen
Gibralen
IFAPA Centro Las Torres-Tomegil. Finca El Cebollar
IFAPA El Cebollar Bajo plastico
La Palma del Condado
La Puebla de Guzmn
Lepe
Moguer
Niebla

Altitud
18
299
406
52
169
63
63
192
288
74
87
52

Utmx
724620
680649
711868
674879
671800
162785
162886
717814
654836
655814
696178
700713

Utmy
4114778
4203384
4171123
4132208
4142595
4128508
4128606
4138619
4157771
4123108
4113619
4135997

177

Mlaga
Nmero
10
5
9
101
7
1
8
6
2

Estacin
Antequera
Archidona
Crtama
IFAPA Centro de Campanillas
IFAPA Churriana
Mlaga
Pizarra
Sierra Yeguas
Vlez-Mlaga

Altitud
457
516
95
60
32
68
84
464
49

Utmx
360377
372960
350221
360742
365802
362843
347015
337035
399138

Utmy
4100109
4104563
4064985
4066161
4059951
4069159
4070556
4112001
4073067

Zaragoza
Nmero
3
4
5
6
7
8
28
29
30
31
32
33
34

Estacin
Sdaba
El Bayo
Ejea de los Caballeros
Luna
Tauste
Santa Engracia
Tarazona
Borja
Torres de Bellern
pila
Almonacid de la Sierra
Zuera
Montaana

35

Pastriz

36

Osera de Ebro

37

Quinto

Altitud
438
379
317
409
361
253
516
366
209
321
393
302
222
524
253
239
175
246
518
328
753
245

Utmx
639535
644736
649276
670788
653910
638544
604106
623985
660624
643200
639593
686739
680982
612376
705581
707573
745309
261253
615956
690709
632372
645276

Utmy
4681057
4670972
4662411
4662687
4651678
4642591
4641438
4634978
4626529
4604933
4590498
4637927
4620427
4576711
4602408
4585050
4576848
4561304
4580234
4580358
4552156
4634116

Aragn

38

Caspe

39

Fabara

40

Calatayud

41

Belchite

43

Daroca

49

Boquieni

178

Huesca
Nmero
1
2
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

Estacin
Santa Cilia de Jaca
Banastn
Gurrea de Gllego
Barbastro
Selgua
Alfntega
Alcolea de Cinca
San Esteban de Litera
Tamarite de Litera
Tardienta
Gran
Huerto
Sodeto
Lanaja
Sariena
Valfarta
Monte Julia
Zaidn
Fraga
Candasnos

Altitud
666
562
363
420
410
304
246
227
315
221
361
312
415
312
368
283
352
274
175
81
320

Utmx
687216
267097
688023
716924
261015
261866
263211
256708
276412
282122
706628
719275
737390,00
727666,00
721315,00
734771,00
738048,00
269905,00
274292,00
279238,00
257420,00

Utmy
4715191
4697206
4651685
4665025
4655478
4647275
4634139
4625361
4640493
4628985
4649593
4647006
4648171
4640742
4629695
4628457
4601902
4625084
4613236
4597307
4594099

Numero

Nombre

Altitud

m Utmx

m Utmy

42

Hjar

300

707220

4565812

44

Monreal del campo

955

638881

4515921

45

Alcaiz

315

731896

4553190

46

Calanda

433

734842

4538189

47

Villarquemado

1004

644971

4487707

48

Teruel

928

655845

4468111

Huesca

Teruel

179

Castilla la Mancha
Albacete
Nmero
AB01
AB02
AB03
AB04
AB05
AB06
AB07
AB08
AB09
AB10

Estacin
TARAZONA
JUANACO
ALMANSA
HELLN
ALBACETE
Ontur
Pozo Caada
La Gineta
Motilleja
Caudete

Altitud
722
677
698
579
677
682
872
722
695
531

UTMX
593280
529692
664184
612300
595314
630940
608291
585335
606389
675774

UTMY
4345926
4346583
4307954
4260690
4311962
4276220
4295449
4328526
4336016
4289496

Ciudad Real
Nmero
CR01
CR02 (1)
CR03
CR04
CR05
CR06 (2)
CR07
CR08
CR09
CR101
CR10
CR11

Estacin
ALCZAR DE SAN JUAN
Manzanares
PORZUNA
CIUDAD REAL
Bolaos
Villahermosa-Tajoneras
Argamasilla de Alba
Herencia
Daimiel
Entresierra
MANZANARES
Montiel

Altitud
658

727
659
622
640
652
887

UTMX
482750
469241
393935
414460
446262
517494
495118
471647
440113
418027
469542
510388

UTMY
4340164
4327718
4343618
4322127
4311560
4299012
4325438
4359110
4318157
4320835
4330684
4283371

Cuenca
Nmero
CU01
CU02
CU03
CU04
CU05
CU06
CU07
CU08
CU09

Estacin
EL SANCHN
PEDERNOSO
El Picazo
Barajas de Melo
Caete
Mariana
Villaconejos de Trabaque
Villnueva de la Jara
Mariana

Altitud
698
720
728
707
1053
963
810
820
940

UTMX
560784
520780
578256
505513
615300
573328
557380
599384
573223

UTMY
4357796
4369517
4367851
4440733
4432004
4447007
4474087
4362528
4445249

180

615
662
710

Guadalajara
Nmero
GU01
GU02
GU03
GU04
GU05
GU06
GU09

Estacin
Finca El Serranillo
JADRAQUE
Armua de Tajua
Alovera
Prados Redondos
Illana
Marchamalo

Altitud
665
808
759
664
1129
589
692

UTMX
485399
504592
498931
479188
601457
501226
482375

UTMY
4501042
4530893
4486844
4493565
4517023
4451203
4503550

Toledo
Nmero
TO01
TO02
TO02
TO03
TO04
TO05
TO06
TO06
TO07
TO08
TO09
TO10

Estacin
VEGAS DE SAN ANTONIO
MAGN
MAGN
CALERA Y CHOZAS
Los Navalmorales
Alcolea del Tajo
Mora
Mora
Recas
Villarrubia de Santiago
La Rinconada
La Puebla de Almoradiel

Altitud
400
507
471
387
725
371
754
738
609
573
432
698

UTMX
354961
419481
419893
331720
358149
316876
434087
433809
416683
471590
379987
488433

UTMY
4424690
4420988
4421506
4415390
4398519
4409523
4392395
4391038
4434672
4431896
4410264
4384582

vila
Nmero

Estacin

Altitud

UTMX

UTMY

AV01

Nava de Arvalo

921,00

351519,19

4539902,16

AV101

Muogalindo

1128,00

338844,00

4495807,06

AV102

Losar del Barco

1024,00

284881,13

4474923,07

Burgos
Nmero

Estacin

Altitud

UTMX

UTMY

BU02

Valle de Valdelucio

479,00

411485,45

4730709,45

BU03

Lerma

976,00

436764,82

4648563,90

BU04

Tardajos

840,00

432940,00

4689307,85

BU05

Vadocondes

822,00

452310,49

4608675,56

BU07

Santa Gadea del Cid

811,00

491172,89

4725735,69

BU101

Valle de Losa

491,00

482037,74

4759479,20

BU102

Condado de Trevio

562,00

525362,87

4729698,72

Castilla y Len

181

Len
Nmero

Estacin

Altitud

UTMX

UTMY

LE01

Carracedelo

463,00

193498,06

4717644,02

LE02

Mansilla Mayor

791,00

299027,31

4709548,68

LE03

Cubillas de los Oteros

772,00

293294,00

4694836,98

LE04

Zotes del Paramo

776,00

274743,31

4682744,66

LE05

Quintana del Marco

750,00

263732,67

4676029,85

LE06

Hospital de Orbigo

818,00

262997,24

4705231,43

LE07

Bustillo del Pramo

850,00

269678,64

4702275,02

LE08

Sahagn

839,00

334820,74

4692702,52

LE09

Santas Martas

879,00

307171,32

4702756,60

Nmero

Estacin

Altitud

UTMX

UTMY

P01

Torquemada

741,00

392418,24

4654977,36

P02

Villamuriel de Cerrato

737,00

374988,91

4645558,83

P03

Fuentes de Nava

742,00

353826,65

4661300,96

P04

Villoldo

804,00

368165,08

4679393,41

P05

Lantadilla

793,00

392713,06

4687445,63

P06

Herrera de Pisuerga

810,00

392375,88

4711510,79

P07

Villaluenga de la Vega

916,00

354099,93

4709648,60

P101

Villaeles de Valdavia

885,00

372118,10

4714887,91

Nmero

Estacin

Altitud

UTMX

UTMY

SA01

Ciudad Rodrigo

635,00

204573,79

4502227,77

SA03

Aldearrubia

815,00

290353,64

4542200,49

SA101

Arabayona

847,00

298869,59

4546765,17

SA102

Ejeme

816,00

286867,81

4516157,31

Nmero

Estacin

Altitud

UTMX

UTMY

SG01

Gomezserracn

812,00

391213,46

4571448,79

SG02

Nava de la Asuncin

802,00

375256,65

4555430,42

Palencia

Salamanca

Segovia

182

Soria
Nmero

Estacin

Altitud

UTMX

UTMY

SO01

Almazn

947,00

537067,60

4592465,24

SO02

San Esteban de Gormaz

852,00

481638,85

4598219,73

SO03

Fuentecantos

1011,00

547014,85

4632539,51

SO101

Hinojosa del Campo

1043,00

576390,90

4621675,62

Nmero

Estacin

Altitud

UTMX

UTMY

VA01

Mayorga

749,00

309995,48

4671436,34

VA02

Torrecilla de la Orden

774,00

309956,98

4565555,36

VA03

Olmedo

740,00

356214,44

4572634,75

VA05

Encinas de Esgueva

800,00

409296,16

4623036,20

VA06

Tordesillas

671,00

334010,84

4597224,48

VA07

Valbuena de Duero

740,00

393137,77

4613082,68

VA08

Medina de Rioseco

739,00

331603,87

4639433,80

VA101

Valladolid

714,00

355036,90

4609692,15

VA102

Medina del Campo

726,00

340613,68

4575992,40

VA103

Rueda

751,00

334380,00

4585701,00

Nmero

Estacin

Altitud

UTMX

UTMY

ZA01

Quiruelas de Vidriales

707,00

266390,47

4655185,92

ZA02

Villaralbo

656,00

277148,91

4597326,67

ZA04

Villalpando

686,00

300155,00

4633142,95

ZA05

Pozuelo de Tbara

699,00

258380,37

4629422,78

ZA06

Barcial del Barco

695,00

280775,30

4645951,05

ZA07

Toro

642,00

293817,88

4595955,03

Valladolidid

Zamora

183

Extremadura
Badajoz
Nmero

Cceres
Nmero

Estacin

Altitud

UTMX

UTMY

Puebla de Alcocer

500

390433

50539

PALAZUELO

290

390600

54400

DON BENITO-EFA

260

385800

55400

Don Benito

267

385543

55340

RUEDA CHICA

186

385500

64400

Talavera La Real-Bercial

200

385300

65000

Guadajira-La Orden

186

385100

64000

Arroyo de San Servn

220

385200

62800

Mrida

265

385047

61905

Villagonzalo

266

385017

61105

Olivenza

202

384320

70326

Almendralejo-Don Rodrigo

385

384000

62300

Zalamea de la Serena

459

384048

54123

Monterrubio

499

383535

52255

Villafranca de los Barros

406

383406

20409

Jerez de los Caballeros

261

381658

64409

Fuente de Cantos

600

381235

61823

Azuaga

540

382333

54223

Estacin

Altitud

UTMX

UTMY

Hurdes-Azabal

574

401800

61800

Gargantilla

596

401428

55626

Zarza de Granadilla

383

401225

60243

Moraleja

252

400259

64027

Valdastillas

634

400757

55234

Jarandilla de la Vera

508

400608

53842

Talayuela

277

400047

53347

Tejeda de Tietar

235

395738

55133

Aldehuela del Jerte

262

400034

61339

Coria

235

395816

62617

Peraleda de la Mata

309

395136

52809

Casatejada

274

395209

54037

Mirabel

541

395116

61232

ALCANTARA

327

394452

65348

Aliseda

327

391634

63756

Valdesalor

382

392209

61937

Madroera

625

392758

54539

GUADALUPE

740

392318

52048

Madrigalejo

297

390813

53540

184

Galicia
GALICIA
Nmero

Estacin
Castro de Rei
Momforte de Lemos

Altitud
428
645

UTMX
623222
623277

A Capela

372

Boimorto

480

4326'2.12"N
43
0'28.80"N

UTMY
4779463
4703623
8
4'10.16"O
8
7'37.20"O

A Corua
Nmero

Estacin

Altitud

UTMX

UTMY

19001

Rus

134

525700

4778424

19002

POrtigueira

125

547130

4735542

19003

PGalegos

225

546355

4737289

19004

Val

69

564469

4822905

19005

Gusamo

176

558515

4795645

19006

Xanceda

419

559811

4770390

19007

Muxa

81

483417

4771037

19008

Paramos

369

524636

4761290

19009

Maroxo

316

569560

4748778

19010

Lesende

157

513457

4738994

19011

Costa

163

523801

4738289

19012

Cespn

59

512035

4724917

19061

Capela

371

576632

4811225

19062

Boimorto

411

570045

4765137

185

Lugo
Nmero

Estacin

Altitud

UTMX

UTMY

19013

Xusts

398

623377

4782478

19014

Vilamor

115

634409

4813115

19015

Labrada

662

621411

4807150

19016

Lanzs

470

609917

4803531

19017

Saavedra

414

612044

4778063

19018

Fontaneira

917

647041

4766600

19019

Sobrecedo

414

603852

4725233

19020

Mourelle

416

632472

4739726

19021

San Fiz

391

605239

4719015

19022

Millara

340

606475

4710252

19023

San Clodio

257

640942

4702837

19024

Olveda

647

595785

4730646

19025

Lourenz

103

639376

4811033

19063

Castro

416

623212

4779462

19064

Monforte

324

623231

4707365

Ourense
Nmero

Estacin

Altitud

UTMX

UTMY

19026

Leiro

105

572716

4690255

19027

Xinzo

615

604861

4659551

19028

Ombra

376

628182

4640320

19029

Vilamartn

307

657923

4696167

19030

Larouco

524

651939

4690732

19031

PFontefiz

403

595830

4698343

19032

Prado

122

577030

4685097

19033

PonteBoga

469

629191

4694218

19034

Rubi

519

669698

4702188

19035

Tioira

548

613954

4681506

19036

Montederramo

956

623462

4681107

19037

Corzos

1217

665889

4675388

19038

Laza

575

626493

4658587

19039

Ris

830

642127

4648807

19040

Trabe

778

650427

4640279

19041

Mezquita

1025

661665

4653774

19042

Calvos

890

591657

4646327

19043

Barxes

611

586672

4647423

19044

Remuo

120

571829

4676992

186

Pontevedra
Nmero

Estacin

Altitud

UTMX

UTMY

19045

AGranxa

41

539352

4670134

19046

Tremoedo

72

517820

4709967

19047

As Eiras

52

517400

4643155

19048

Cequelios

187

560980

4665145

19049

Mouriscade

480

570898

4718571

19050

Camanzo

211

555850

4736730

19051

PonteCalderas

285

540211

4693469

19052

Louredo

220

534039

4673658

19053

Gondomar

29

520038

4661990

19054

Entenza

92

536320

4657785

19055

Areas

74

527050

4653471

19056

Torrequintns

52

523431

4709674

19057

Meder

150

546192

4663306

19058

Soutomaior

169

535683

4686409

19059

Couselo

17

514294

4642779

19060

Areeiro

100

527029

4694945

187

Navarra
NAVARRA
Nmero
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

Estacin
Arazuri
Adis
Lumbier
Ancin
Artajona
Aibar
San Martin de Unix
Miranda de Arga
Lerin
Bargota
Olite
Falces
Murillo del fruto
Traibuenas
Sartagudas
San Adrin
Bardenas Reales (El Plano)
Funes
Bardenas Reales (El Barranco)
Cadreita
Corella
Tudela
Fitero
Cascante
Ablitas
Los Arcos
Sesma

188

Altitud
396
444
484
469
353
421
447
343
354
375
375
290
393
312
307
385
425
371
298
267
392
258
450
330
338
419
438

UTMX
604479
602726
641412
567977
599328
638318
614143
597966
584216
557811
611257
59945
624623
61413
578235
591511
622302
598594
61098
605909
596016
618468
595987
605832
612462
567173
572005

UTMY
4740699
4726970
4725301
4723118
4715487
4713350
4707871
4707438
4706412
4703462
4699457
4697636
4693814
4691051
4690609
4688335
4684074
4681430
4680207
4673851
4663472
4658470
4655954
4654795
4650683
4710398
4703134

Valencia
Alicante
Estacin
Agost
Almorad
Altea
Callosa d`en Sarri
Camp de Mirra
Castalla
Catral
Crevillente
Dnia Gata
Elx EEA
Monforte del Cid
Novelda
Ondara
Orihuela
Orihuela la
Murada
Pilar de la
Horadada
Pinoso
Planes
Vila Joiosa
Villena

Castelln
Estacin
Benicarl
Burriana
Castell Benadresa
Nules
Onda
Ribera de Cabanes
San Rafael del Ro
Segorbe
Vall d`Uix
Vila-real EEA

Latitud
3826'28.21"N
38 6'34.65"N
3836'1.14"N
3839'4.77"N
3841'12.15"N
3835'42.68"N
38 9'39.41"N
3814'49.32"N
3850'25.40"N
3816'1.83"N
3822'45.24"N
3823'7.09"N
3849'33.86"N
38 5'2.22"N

Longitud
038'22.37"O
047'31.21"O
0 2'57.02"O
0 7'21.12"O
046'37.34"O
040'20.10"O
048'5.40"O
048'12.57"O
0 6'30.99"E
041'42.79"O
043'45.25"O
045'55.39"O
0 0'57.25"E
056'41.22"O

Altura
337
7
83
259
601
680
5
122
13
88
222
245
36
22

3810'23.38"N

057'53.06"O

85

3751'55.38"N
3824'4.03"N
3847'7.80"N
3830'27.90"N
3838'10.85"N

047'33.03"O
1 2'29.68"O
020'40.32"O
013'57.41"O
051'58.10"O

17
613
439
32
573

Latitud
4025'7.34"N
3953'23.53"N
40 0'56.80"N
3951'9.33"N
3957'55.08"N
40 8'7.25"N
4036'22.69"N
3951'11.79"N
3949'23.99"N
3956'18.07"N

Longitud
025'23.17"E
0 5'1.30"O
0 8'6.86"O
0 9'30.62"O
015'45.53"O
0 8'55.35"E
020'59.62"E
029'5.98"O
013'57.22"O
0 6'6.58"O

Altura
15
17
178
17
192
8
246
340
120
44

189

Valencia
Estacin
Algemes
Benavites
Benifai
Btera
Bolbaite
Campo Arcs
Carcaixent EEA
Carcaixent EEA
Invernadero
Carlet CE Coop
Carlet malla
Cheste
Chulilla
Gandia
Marxuquera
Llria
Llutxent EEA
Manises
Moncada IVIA
Moncada malla
Montesa
Navarrs
Pedralba
Picassent
Pobla del Duc
Poliny de Xquer
Puig
Requena Cerrito
Requena Roma
Sagunt
Sagunto
Tavernes de
Valldigna
Turs
Villalonga
Villanueva de
Castelln
Xtiva

Latitud
3911'37.92"N
3944'25.94"N
3917'6.88"N
3935'18.54"N
39 3'45.60"N
3925'55.20"N
39 7'16.40"N

Longitud
026'5.13"O
015'26.49"O
025'37.48"O
027'31.91"O
040'28.60"O
110'2.82"O
026'58.86"O

Altura
24
36
19
121
270
587
25

39 7'16.40"N
3913'39.76"N
3913'39.76"N
3929'42.39"N
3939'22.73"N

026'58.86"O
031'23.26"O
031'23.26"O
041'4.20"O
053'30.72"O

25
51
51
225
523

3858'5.84"N
3937'28.50"N
3856'33.57"N
3929'26.64"N
3932'43.95"N
3932'43.95"N
3856'58.83"N
39 6'4.35"N
3936'17.45"N
3921'36.00"N
3854'12.53"N
3911'45.84"N
3935'24.55"N
3929'16.36"N
3929'16.36"N
3940'48.50"N
3940'48.50"N

014'51.54"O
035'41.13"O
021'23.97"O
027'21.18"O
023'36.46"O
023'36.46"O
039'3.97"O
041'37.28"O
043'35.50"O
027'45.46"O
025'2.49"O
022'10.63"O
018'7.55"O
1 6'1.16"O
1 6'1.16"O
016'41.80"O
016'41.80"O

102
178
297
108
34
34
255
253
201
47
240
11
46
648
648
51
51

39 4'18.00"N
3923'23.20"N
3853'5.54"N

016'3.77"O
042'41.08"O
012'33.71"O

51
277
132

39 4'46.35"N
3859'19.93"N

030'50.98"O
030'56.21"O

34
115

190

Madrid
MADRID
Estacin
Aranjuez
Arganda
Chinchn
Fuentiduea de
Tajo
San Martn de la
Vega
Villa del Prado

latitud
40 1'55.53"N
4018'3.42"N
40 8'24.68"N

longitud
336'11.84"O
326'17.09"O
324'56.46"O

Altitud
551
648
749

40 7'5.49"N

3 9'34.38"O

559

4012'28.07"N
4016'36.42"N

334'6.76"O
418'20.31"O

515
513

191