📄 scienze della terra

A Hybrid Sunshine–Temperature–Humidity Model for Estimating the Monthly Mean Daily Global Solar Radiation of Tébessa, Algeria

Questo studio dimostra che l'aggiunta della durata relativa dell'insolazione a un modello basato su temperatura e umidità migliora significativamente l'accuratezza e riduce il bias sistematico delle stime mensili della radiazione solare globale giornaliera media per Tébessa, Algeria, nonostante l'elevata collinearità dei predittori alla scala mensile.

Autori originali: Tidjani Boutora

Pubblicato 2026-09-22

📖 4 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

Autori originali: Tidjani Boutora

Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Per sfruttare la potenza del sole, gli ingegneri devono prima sapere esattamente quanta energia raggiunge il suolo in una specifica località. Questa misurazione, nota come radiazione solare globale, è la base per la progettazione di qualsiasi sistema che converta la luce solare in elettricità o calore. In un mondo ideale, gli scienziati posizionerebbero semplicemente uno strumento specializzato chiamato piranometro in ogni potenziale sito per registrare direttamente questi dati. Tuttavia, questi dispositivi sono costosi da acquistare, installare e mantenere, lasciando vaste aree del mondo, inclusa gran parte dell'Algeria, prive di registrazioni dirette. Per colmare queste lacune, i ricercatori si affidano a modelli semi-empirici: relazioni matematiche che stimano l'energia solare utilizzando variabili meteorologiche molto più facili da raccogliere, come la temperatura dell'aria, l'umidità e il numero di ore in cui splende il sole. La sfida consiste nel trovare la giusta combinazione di queste variabili per creare una stima che sia allo stesso tempo accurata e affidabile, specialmente in regioni dove il clima è secco e il terreno è elevato.

Nelle alture orientali dell'Algeria, un ricercatore si è dato come obiettivo quello di migliorare queste stime per la città di Tébessa. Ha iniziato con un modello che aveva precedentemente sviluppato per una città diversa, il quale utilizzava solo la temperatura dell'aria e l'umidità per indovinare la quantità di radiazione solare. Sebbene questo approccio funzionasse bene in alcuni luoghi, non riusciva a prevedere accuratamente i livelli di energia a Tébessa e in altri siti continenti ad alta quota. Il ricercatore sospettava che la temperatura e l'umidità da sole non fossero sufficienti perché rispondono al sole piuttosto che misurare la trasparenza dell'atmosfera ad esso. Per risolvere il problema, ha introdotto un terzo ingrediente: la durata relativa del soleggiamento, che è semplicemente il rapporto tra le ore di sole effettive e le ore massime possibili di luce diurna. Aggiungendo questa misura diretta di quanto tempo il sole splenda effettivamente, ha creato una nuova formula a quattro parti progettata specificamente per il clima semi-arido e freddo di Tébessa.

Il ricercatore ha testato la sua nuova formula confrontandola con dieci anni di dati meteorologici registrati, paragonando le sue previsioni alle misurazioni effettive prese dai centri nazionali di monitoraggio solare. I risultati hanno dimostrato che il nuovo modello era effettivamente un miglioramento. Ha ridotto l'errore sistematico, ovvero la tendenza costante a stimare troppo alto o troppo basso, di oltre la metà rispetto al vecchio metodo. Anche l'accuratezza complessiva è aumentata, con la differenza media tra i valori previsti e quelli reali che è scesa a un margine molto piccolo. Il modello ha performato particolarmente bene durante i mesi più caldi e limpidi dell'anno, dove l'aggiunta dei dati sul soleggiamento ha aiutato a correggere le precedenti sovrastime. Tuttavia, il ricercatore ha riscontrato che il miglioramento era meno evidente durante l'inverno, quando le condizioni del cielo cambiano pochissimo da un mese all'altro, rendendo difficile per qualsiasi variabile distinguere un periodo dall'altro.

Nonostante il successo della nuova formula, lo studio ha rivelato un limite sottile ma importante nel modo in cui i dati si comportano. Le tre variabili meteorologiche utilizzate nel modello — soleggiamento, temperatura e umidità — erano così strettamente legate tra loro nelle medie mensili che l'analisi statistica non è riuscita a separare chiaramente i loro effetti individuali. Nel clima secco e di alta quota di Tébessa, questi tre fattori salgono e scendono insieme in perfetta sincronia con le stagioni: man mano che le giornate si allungano e il cielo si schiarisce, l'aria si scalda e diventa più secca, tutto contemporaneamente. Poiché si muovono all'unisono, il modello non è riuscito a dimostrare in modo definitivo quale singola variabile stesse facendo il lavoro maggiore, sebbene la durata del soleggiamento si sia rivelata il fattore più sensibile durante i test. Ciò significava che, sebbene la nuova formula funzionasse meglio, il ricercatore non poteva essere del tutto certo di quanto credito dare ai dati del soleggiamento rispetto ai dati della temperatura quando si osservano le medie mensili.

Lo studio conclude che, per scopi ingegneristici pratici a Tébessa e in regioni simili di alta quota, la nuova formula a quattro variabili è lo strumento migliore disponibile, offrendo una stima più accurata e meno distorta rispetto ai metodi precedenti. Tuttavia, il ricercatore avverte che, per comprendere veramente il contributo unico della durata del soleggiamento, studi futuri dovrebbero utilizzare dati giornalieri anziché medie mensili. Su base giornaliera, il tempo può variare abbastanza da rompere il legame perfetto tra soleggiamento e temperatura, permettendo agli scienziati di vedere esattamente quanto conta ciascun fattore. Fino a quando non verranno analizzati dati giornalieri così dettagliati, il nuovo modello rappresenta un passo avanti significativo, fornendo un modo affidabile per stimare l'energia solare in una regione dove le misurazioni dirette sono scarse, evidenziando al contempo l'interazione complessa tra il sole, l'aria e il suolo.

Sintesi Tecnica: Un Modello Ibrido Sole–Temperatura–Umidità per la Stima della Radiazione Solare Globale Media Giornaliera Mensile a Tébessa, Algeria

Problematica
La stima affidabile della radiazione solare globale ( $H$ ) è un prerequisito per la progettazione di sistemi di energia solare, eppure le misurazioni dirette tramite piranometri sono scarse in tutta l'Algeria. Sebbene le correlazioni semi-empiriche che utilizzano dati meteorologici di routine offrano un'alternativa pratica, un precedente lavoro dell'autore ha dimostrato che un modello a due variabili basato esclusivamente su temperatura ( $T$ ) e umidità relativa ( $RH$ ) ha fornito prestazioni scarse quando trasferito in siti continentali ad alta quota come Tébessa (errore ~6,82%). L'autore ha ipotizzato che i predittori termici da soli non riescano a catturare la trasmissività atmosferica nelle zone semi-aride d'alta quota perché rispondono alla radiazione incidente, anziché determinarla. Lo studio postula che l'assenza di un descrittore diretto della trasparenza atmosferica — specificamente la durata del soleggiamento — sia la causa di tale degradazione.

Metodologia
Lo studio si concentra su Tébessa, Algeria (35,404°N, 8,124°E, 850 m s.l.m.), un sito con un clima semi-arido freddo (BSk). Il set di dati comprende una normale climatologica mensile di dieci anni (2015–2024) di irraggiamento globale dal Centro per lo Sviluppo delle Energie Rinnovabili (CDER), integrata dai record di durata del soleggiamento, temperatura e umidità dell'Ufficio Nazionale Meteorologico Algerino (ONM).

L'approccio metodologico centrale prevede:

Formulazione del Modello: Estensione della precedente correlazione a due variabili ( $H/H_0 = aT^2 + bRH + c$ ) a un modello ibrido a quattro parametri introducendo la durata relativa del soleggiamento ( $\sigma = S/S_0$ ) come terzo predittore:
$H/H_0 = a\sigma + bT^2 + cRH + d$
Confronto tra Candidati: Sei modelli candidati sono stati calibrati e confrontati, spaziando dal precedente modello puramente termico al proposto modello ibrido, un classico modello di Ångström–Prescott, e variazioni che includono termini di interazione o termini quadratici del soleggiamento.
Calibrazione e Validazione: I coefficienti sono stati stimati utilizzando i Minimi Quadrati Ordinari (OLS) sui 12 valori mensili. Poiché i dati rappresentano una normale climatologica (dove la varianza interannuale è trascurabile), la dimensione effettiva del campione è 12, non 120. Di conseguenza, le prestazioni sono state valutate tramite cross-validazione "leave-one-month-out" per garantire stime fuori campione.
Rigore Statistico: Sono stati utilizzati dieci indicatori statistici, tra cui l'Errore Quadratico Medio (RMSE), l'Errore di Bias Medio (MBE) e il statistico $t$ di Student. Fondamentalmente, lo studio ha eseguito una diagnosi di multicollinearità utilizzando i Fattori di Inflazione della Varianza (VIF) per valutare l'indipendenza dei predittori.

Risultati Chiave
Il modello ibrido proposto (M3) ha prodotto i seguenti indicatori di prestazione per Tébessa:

Accuratezza: RMSE = 0,243 MJ·m⁻²·giorno⁻¹ (nRMSE = 1,31%) e $R^2$ = 0,9984.
Riduzione del Bias: Il bias sistematico (MBE) è stato ridotto del 56% rispetto al precedente modello puramente termico (da +0,0072 a +0,0032 MJ·m⁻²·giorno⁻¹). Lo statistico $t$ di Stone è migliorato da 0,094 a 0,043, indicando un bias non significativo.
Confronto: Il modello ibrido ha migliorato la correlazione classica di Ångström–Prescott del 31,5% in termini di RMSE.
Sensibilità: L'analisi di sensibilità ha rivelato che la durata relativa del soleggiamento ( $\sigma$ ) è il predittore più influente; una perturbazione del ±10% in $\sigma$ altera l'indice di chiarezza del ±1,78%, rispetto al ±1,31% per $RH$ e al ±1,24% per $T$ .

Diagnosi della Multicollinearità
Un risultato critico dello studio è la presenza di una severa multicollinearità tra i predittori quando si utilizzano le normali climatologiche mensili. I predittori ( $\sigma$ , $T^2$ e $RH$ ) sono quasi perfettamente correlati (ad esempio, la correlazione tra $\sigma$ e $RH$ è -0,962), con Fattori di Inflazione della Varianza estremamente elevati (181 per $\sigma$ , 633 per $T^2$ , 142 per $RH$ ).

Conseguenza: Sebbene il termine del soleggiamento migliori significativamente l'accuratezza e il bias complessivo della stima, il coefficiente di regressione per $\sigma$ non è statisticamente significativo al livello del 5% ( $p = 0,234$ ) nel modello a quattro parametri. I dati non possono distinguere univocamente il contributo individuale del soleggiamento da quello della temperatura o dell'umidità perché, in una normale mensile, tutte e tre le variabili sono guidate dallo stesso ciclo solare annuale.

Significatività e Rivendicazioni
Il documento rivendica tre contributi primari:

Un Modello Ibrido Validato: Fornisce una correlazione calibrata a quattro parametri per Tébessa che è più accurata e meno distorta rispetto alle precedenti formulazioni puramente termiche, specificamente per i siti di alta quota semi-aridi.
Diagnosi Quantitativa: Va oltre l'ipotesi per quantificare perché il miglioramento è modesto (riduzione del 4,2% dell'RMSE) e perché il coefficiente del soleggiamento manca di significatività individuale: la multicollinearità inerente alle normali climatologiche mensili impedisce la separazione dei predittori.
Raccomandazione Pratica: Lo studio conclude che, sebbene il termine del soleggiamento debba essere mantenuto per le applicazioni ingegneristiche per ridurre il bias sistematico, una separazione definitiva degli effetti dei predittori richiede la calibrazione su dati giornalieri (o mensili di singoli anni) dove soleggiamento e temperatura possono variare indipendentemente. L'autore raccomanda di utilizzare prodotti di soleggiamento giornalieri derivati da satellite (ad esempio, CM SAF SARAH-3) per futuri affinamenti, notando che tali dati sono ora disponibili per la regione.

L'autore mantiene una posizione modesta, riconoscendo che, sebbene gli approcci di machine learning possano offrire un'accuratezza maggiore con grandi set di dati, la correlazione parsimoniosa e interpretabile proposta rimane lo strumento appropriato per i siti in cui sono disponibili solo normali climatiche mensili.

Articoli simili