⚡ ingeniería eléctrica

How should machine-learning bias correction of satellite solar irradiance be built and validated? A methodological protocol from a tropical monsoon station network

Este artículo propone un protocolo metodológico de cuatro etapas para la corrección de sesgos mediante aprendizaje automático de la irradiancia solar satelital que revela cómo la validación cruzada estándar puede enmascarar el fallo de un modelo al generalizar entre estaciones, demostrando que los algoritmos flexibles a menudo memorizan características específicas de cada sitio en lugar de aprender relaciones atmosféricas transferibles en redes de monzones tropicales.

Autores originales: Eko Riyanto, Iwan Setiawan, Uky Yudatama

Publicado 2026-09-24

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Eko Riyanto, Iwan Setiawan, Uky Yudatama

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

La luz solar es el motor de la vida moderna, impulsando desde los paneles solares en los tejados hasta los cultivos que alimentan a miles de millones de personas. Para aprovechar esta energía de manera efectiva, los científicos e ingenieros necesitan saber exactamente cuánta luz solar llega al suelo en cualquier ubicación específica. En muchas partes del mundo, especialmente en los trópicos, esta información es difícil de obtener porque las redes de instrumentos terrestres que miden la luz solar son escasas y costosas de mantener. Para llenar estos vacíos, los investigadores dependen de satélites que orbitan la Tierra y estiman los niveles de luz solar desde el espacio. Sin embargo, estas estimaciones satelitales no son perfectas; a menudo contienen errores sistemáticos causados por nubes, polvo o la forma compleja en que la luz solar interactúa con la atmósfera. Para solucionar esto, los científicos utilizan modelos informáticos para ajustar las cifras de los satélites para que coincidan con las pocas mediciones terrestres que existen. Este proceso, conocido como corrección de sesgo, es una práctica estándar, pero un nuevo estudio sugiere que la forma en que se prueban estos modelos podría estar ocultando un fallo crítico.

La investigación, realizada por un equipo de universidades de Indonesia, se centra en un desafío específico: cómo determinar si un modelo informático que corrige los datos satelitales realmente funcionará cuando se aplique a una nueva ubicación. Los científicos construyeron un protocolo para probar cinco tipos diferentes de modelos de aprendizaje automático utilizando datos de cinco estaciones meteorológicas en Java Central. Estas estaciones se encuentran en un clima de monzón tropical, donde el clima cambia rápidamente entre las estaciones seca y húmeda. Las mediciones terrestres no fueron tomadas por sensores de luz solar directa, sino que se calcularon a partir de registros de cuánto tiempo brilló el sol cada día, un método que introduce sus propios pequeños errores. El equipo combinó estos registros terrestres con estimaciones satelitales diarias del proyecto NASA POWER. Debido a que las cinco estaciones se encuentran dentro de la misma gran celda de rejilla satelital, el satélite las ve como si tuvieran exactamente las mismas condiciones de luz solar, a pesar de que los instrumentos terrestres registran cantidades de energía ligeramente diferentes.

Los investigadores probaron sus modelos utilizando dos métodos muy diferentes para ver qué tan bien se desempeñarían en el mundo real. El primer método, que es el más común en la literatura científica, mezcló los datos diarios de todas las estaciones y los dividió aleatoriamente en grupos de entrenamiento y de prueba. Bajo esta configuración, los modelos de aprendizaje automático parecían ser altamente exitosos. El modelo más flexible, un tipo de algoritmo informático conocido como potenciación de gradiente (gradient boosting), redujo el error en los datos satelitales en un veintiuno por ciento. Corrigió con éxito los sesgos estacionales y logró que las cifras de los satélites coincidieran mucho más estrechamente con los registros terrestres. Si un investigador se hubiera detenido aquí, habría concluido que estos modelos inteligentes de computación son la mejor herramienta para mejorar los datos de luz solar en cualquier parte de la región.

Sin embargo, el equipo aplicó luego una segunda prueba, más estricta, diseñada para imitar un escenario del mundo real más difícil: predecir la luz solar para una ubicación donde no existe un instrumento terrestre. En esta prueba, entrenaron los modelos en cuatro estaciones e intentaron predecir la luz solar para la quinta estación, repitiendo este proceso hasta que cada estación hubiera sido excluida. Los resultados fueron sorprendentemente diferentes. Bajo esta prueba estricta, cada uno de los modelos de aprendizaje automático funcionó peor que simplemente usar los datos satelitales brutos, sin corregir. Los modelos que habían parecido tan impresionantes en la primera prueba en realidad aumentaron los errores. Los modelos más flexibles, que habían sido los ganadores en la prueba aleatoria, se convirtieron en los peores ejecutores de todos.

El estudio profundizó para entender por qué los modelos fallaron tan mal en la segunda prueba. Descubrieron que los modelos no estaban aprendiendo la física de la atmósfera o cómo las nubes afectan la luz solar. En su lugar, estaban memorizando la identidad específica de cada estación. Debido a que los datos satelitales eran idénticos para las cinco ubicaciones, los modelos utilizaron otras pistas disponibles, como la presión superficial, para averiguar qué estación estaban observando. La presión superficial cambia ligeramente con la elevación, actuando como una huella dactilar para cada ubicación. Los modelos aprendieron a aplicar una corrección específica para la "Estación A" y una diferente para la "Estación B", memorizando efectivamente las peculiaridades del instrumento terrestre en lugar de comprender los errores del satélite. Cuando se le pidió al modelo que predijera para una estación que no había visto antes, no tenía memoria en la cual confiar y falló por completo.

Este hallazgo obliga a un cambio en la forma en que los científicos deben reportar su trabajo. El estudio concluye que no hay un único "mejor" modelo para todas las situaciones. Si el objetivo es mejorar los datos para una estación que ya cuenta con un instrumento terrestre, los modelos de aprendizaje automático flexibles son excelentes y deben usarse. Pero si el objetivo es estimar la luz solar para una nueva ubicación no instrumentada dentro de la misma área, estos modelos complejos no deben usarse en absoluto; los datos satelitales brutos son en realidad más fiables. Los investigadores proponen un nuevo estándar de validación que requiere probar los modelos de ambas maneras: una para verificar si funcionan para las estaciones existentes, y otra para verificar si realmente pueden generalizar a nuevos lugares. Al hacer esto, evitan el despliegue de herramientas que parecen inteligentes en el laboratorio pero fallan en el campo, asegurando que las decisiones sobre la energía solar y la agricultura se basen en datos honestos y precisos.

Resumen Técnico: Corrección de Sesgo mediante Aprendizaje Automático de la Irradiancia Solar Satelital en Redes Monzónicas Tropicales

Planteamiento del Problema
El aprendizaje automático (ML) se utiliza cada el cada vez más para corregir errores sistemáticos en la irradiación global horizontal (GHI) derivada de satélites, mapeándolos con observaciones terrestres. Sin embargo, persiste una falla metodológica crítica en la literatura: los diseños de validación suelen basarse en la validación cruzada $k$ -fold aleatoria o en exclusiones temporales únicas. Estos enfoques asumen que los datos excluidos son intercambiables con las condiciones de despliegue. En redes de observación agrupadas, como en los trópicos donde las estaciones terrestres son escasas y a menudo comparten una única celda de cuadrícula satelital, esta suposición falla. La validación aleatoria prueba la capacidad de un modelo para interpolar dentro de las estaciones conocidas, mientras que los profesionales a menudo requieren la transferencia espacial a ubicaciones no instrumentadas. Ignorar esta distinción puede conducir a métricas de rendimiento infladas, clasificaciones de modelos invertidas y al despliegue de modelos que degradan la precisión cuando se aplican a nuevos sitios.

Metodología: Un Protocolo de Cuatro Etapas
Los autores proponen y demuestran un protocolo de cuatro etapas utilizando 5,075 observaciones diarias de cinco estaciones climatológicas en Java Central, Indonesia (2022–2024), emparejadas con estimaciones de satélite de NASA POWER.

Control de Calidad de la Red:
- Verificación de Coordenadas: Asegurar que las coordenadas de la estación coincidan con los puntos de recuperación del satélite para evitar errores de emparejamiento.
- Tamizaje Físico: Eliminar valores implausibles (por ejemplo, irradiación negativa).
- Consistencia de la Red: Comparar la distribución de cada estación contra la media de la red. Esto identificó una anomalía significativa en la estación SEMPU, donde un registrador de insolación que subestimaba la lectura generó un falso "sesgo satelital" de +21.7%, mientras que las estaciones vecinas en el mismo píxel satelital mostraron sesgos entre -3.2% y +4.6%.
Construcción de Predictores Informados Físicamente:
- Se construyó un conjunto de 24 predictores, que incluyen GHI satelital, índices de cielo despejado, propiedades de las nubes, densidad óptica de aerosoles, presión superficial y variables meteorológicas (temperatura, humedad, viento).
- Crucialmente, se excluyeron las variables medidas en tierra para asegurar que los modelos sigan siendo desplegables en ubicaciones sin instrumentos.
- La variable objetivo es la GHI de referencia diaria (derivada mediante la relación de Angström–Prescott a partir de la duración de la insolación), permitiendo que la estimación satelital no corregida sirva como una línea base natural.
Comparación de Modelos Multi-familia:
- Se compararon cinco regresores de flexibilidad creciente: Regresión de Mínimos Cuadrados Ordinarios (OLS), Regresión Ridge, Bosque Aleatorio (Random Forest), Gradient Boosting y un Ensamblaje Apilado (Stacked Ensemble).
- Los hiperparámetros se mantuvieron en configuraciones moderadas y regularizadas en todos los diseños para asegurar que las diferencias reflejaran las estrategias de validación y no los esfuerzos de ajuste.
Validación Dual:
- CV 5-fold Aleatoria: Prueba la interpolación dentro de los días-estación observados.
- Exclusión Temporal (2024): Prueba el pronóstico de datos futuros en estaciones calibradas.
- Leave-One-Station-Out (LOSO): Prueba la transferencia espacial a estaciones completamente nuevas.
- El rendimiento se midió mediante RMSE, MAE, MBE y $R^2$ .

Resultados Clave
El estudio revela una marcada divergencia en el rendimiento del modelo dependiendo del diseño de validación:

Rendimiento Dentro de la Red (Aleatorio y Temporal): Bajo la validación cruzada aleatoria y la exclusión temporal de 2024, los modelos de ML flexibles superaron al producto satelital no corregido. El gradient boosting logró los mejores resultados, reduciendo el RMSE agrupado de 3.25 a 2.55 MJ m⁻² d⁻¹ (una mejora del 21%) y eliminando las estructuras de sesgo estacional. Notablemente, el modelo corrigió con éxito la estación anómala SEMPU, reduciendo su RMSE de 4.20 a 2.02 MJ m⁻² d⁻¹.
Rendimiento de Transferencia Espacial (LOSO): Cuando se validó usando LOSO, la clasificación se invirtió. Cada modelo de ML funcionó peor que el producto satelital no corregido. Los aprendices más flexibles (Gradient Boosting) se degradaron más, aumentando el RMSE a 3.68 MJ m⁻² d⁻¹ frente a los 3.26 MJ m⁻² d⁻¹ del producto no corregido. Los modelos lineales, aunque también se degradaron, fueron los que "menos mal" lo hicieron.
Mecanismo de Falla: Dos diagnósticos confirmaron que los modelos flexibles no estaban aprendiendo relaciones atmosféricas transferibles, sino que estaban memorizando la identidad de la estación.
- Estudio de Ablación: Cuando se eliminó SEMPU del conjunto de entrenamiento, la capacidad del modelo para corregir a SEMPU en 2024 colapsó (el RMSE aumentó a 4.78 MJ m⁻² d⁻¹), demostrando que la corrección dependía del historial propio de la estación.
- Importancia por Permutación: La presión superficial emergió como el segundo predictor más importante. Dado que la presión es un proxy de la elevación, el modelo la utilizó para identificar la estación específica y aplicar un desfase específico de la estación, recurriendo efectivamente a desfases locales en lugar de corregir la física del satélite.

Contribuciones Clave

Protocolo Metodológico: El artículo establece un protocolo de cuatro etapas que separa explícitamente el control de calidad de la red, la construcción de predictores, la comparación de modelos y la validación dual.
Necesidad de Validación Dual: Demuestra que un único diseño de validación es insuficiente para datos agrupados. Reportar solo resultados de validación temporal/aleatoria conduce a la conclusión falsa de que los modelos de ML flexibles son universalmente superiores, mientras que reportar solo resultados de LOSO podría descartar modelos que son altamente efectivos para su uso previsto (llenado de vacíos en estaciones existentes).
Herramientas de Diagnóstico: Los autores muestran cómo diagnósticos simples (ablatión del conjunto de entrenamiento e importancia por permutación) pueden distinguir entre el aprendizaje atmosférico genuino y la memorización de la identidad de la estación (por ejemplo, mediante huellas de elevación).
Lista de Verificación de Reporte: Se propone una lista de verificación de cinco ítems para futuros estudios, enfatizando la necesidad de reportar la estructura de la red, la procedencia de la referencia, la concordancia entre diseño y afirmación, la disciplina de la línea base y los diagnósticos de identidad.

Significancia y Afirmaciones
El artículo sostiene que la elección del diseño de validación no es un detalle técnico, sino una elección de modelado sustantiva que determina la respuesta a la pregunta de despliegue.

Para estaciones existentes: Si el objetivo es extender, llenar vacíos o armonizar registros en estaciones instrumentadas, la validación temporal gobierna. El estudio recomienda usar gradient boosting regularizado, que ofrece una reducción del RMSE del 21% y eliminación de sesgo.
Para ubicaciones no instrumentadas: Si el objetivo es mapear la irradiación a nuevas ubicaciones no instrumentadas dentro de la misma celda de cuadrícula satelital, la validación LOSO gobierna. La recomendación honesta es usar el producto satelital no corregido, ya que las correcciones aprendidas degradan la precisión en este escenario.

Los autores concluyen que, en entornos de observación agrupados, el diseño de validación es parte del modelo mismo. Reportar resultados en pares coincidentes —un diseño por cada afirmación de despliegue— evita los errores simétricos de desplegar correcciones que degradan la precisión y de descartar correcciones que funcionan para su contexto específico. El estudio no afirma que las correcciones de ML sean generalmente inútiles, sino que su transferibilidad es una cuestión empírica invisible para los diseños de validación estándar, y este protocolo hace que esa respuesta sea visible.

Más como este