📄 地球科学

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

本研究は、月スケールにおいて予測変数間の高い共線性があるにもかかわらず、相対的な日照時間を気温および湿度に基づくモデルに加えることが、アルジェリアのテベッサにおける月平均日射量の推定精度の向上および系統的なバイアスの低減に大きく寄与することを実証している。

原著者： Tidjani Boutora

公開日 2026-09-22

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Tidjani Boutora

原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

太陽の力を利用するためには、エンジニアはまず、特定の場所にどれだけのエネルギーが地上に到達しているのかを正確に知る必要があります。全天日射量として知られるこの測定値は、日光を電気や熱に変換するあらゆるシステムを設計するための基礎となります。理想的な世界であれば、科学者たちは専用の機器であるピラノメーターをあらゆる潜在的な場所に設置して、直接データを記録すればよいのですが、これらの装置は購入、設置、維持に多額の費用がかかるため、アルジェリアの大部分を含む世界の広大な地域では直接的な記録が不足しています。これらの空白を埋めるために、研究者は半経験的モデル、すなわち、気温、湿度、日照時間といった、より収集が容易な気象変数を用いて太陽エネルギーを推定する数学的な関係性に頼っています。課題は、特に乾燥した地形や標高の高い地域において、正確かつ信頼できる推定値を生成するために、これらの変数の最適な組み合わせを見つけ出すことにあります。

アルジェリア東部の高地において、ある研究者がテベッサ市の予測精度を向上させるべく取り組みました。彼らはまず、気温と湿度のみを用いて日射量を推測する、別の都市向けに以前開発したモデルから着手しました。この手法はある場所ではうまく機能しましたが、テベッサのような高標高で大陸性気候の地域では、エネルギーレベルを正確に予測することに失敗しました。研究者は、気温と湿度は太陽に対して反応するものであり、大気の透明度を測定するものではないため、これらだけでは不十分であると考えました。これを解決するために、彼らは第3の要素として「相対日照時間」を導入しました。これは、実際の日の長さと、最大可能日照時間の比率に過ぎません。太陽が実際にどれくらいの時間輝いているかというこの直接的な指標を加えることで、彼らはテベッサの寒冷で半乾燥した気候に特化した、新しい4つの要素からなる公式を作り上げました。

研究者は、この新しい公式を10年間の記録された気象データに対してテストし、その予測値を国家太陽監視センターによる実測値と比較しました。その結果、新しいモデルが確かに改善されていることが示されました。このモデルは、旧来の手法と比較して、系統誤差（常に高めに、あるいは低めに予測してしまう一貫した傾向）を半分以下に減少させました。また、予測値と実測値の平均的な差が非常に小さな値まで低下したことで、全体的な精度も向上しました。モデルは、日照データの追加によって以前の過大評価が修正された、より温暖で晴天が多い月において、特に優れた性能を発揮しました。しかし、空の状態が月ごとにほとんど変化しない冬季においては、どの変数を用いても期間を区別することが難しいため、改善の効果はそれほど顕著ではないことも研究者は発見しました。

新しい公式の成功にもかかわらず、この研究はデータの挙動における微妙ながらも重要な限界を明らかにしました。モデルで使用された3つの気象変数（日照、気温、湿度）は、月間平均において互いに非常に密接に関連していたため、統計分析によってそれぞれの個別の影響を明確に分離することができませんでした。テベッサのような乾燥した高地の気候では、これら3つの要因は季節とともに完璧に同期して増減します。つまり、日が長くなり空が晴れるにつれて、空気は暖まり、同時に乾燥していくのです。これらが足並みを揃えて動くため、モデルはどの単一の変数が最も大きな役割を果たしているのかを決定的に証明することができませんでした。たとえ日照時間が最も敏感な要因であることがテストされたとしても、月間平均を見る限りでは、日照データと気温データのどちらにどれほどの功績を与えるべきかを、研究者は完全には特定できなかったのです。

本研究は、テベッサや同様の高地地域における実用的な工学的目的においては、この新しい4変数公式が利用可能な最良のツールであり、従来の手法よりも正確で偏りの少ない推定を提供するものであると結論付けています。しかし研究者は、日照時間の独自の寄与を真に理解するためには、将来の研究において月間平均ではなく日次データを使用する必要があると警告しています。日単位であれば、天候は十分に変動するため、日照と気温の間の完璧な連動を断ち切ることができ、科学者は各要素がどれほど重要であるかを正確に見極めることが可能になります。そのような詳細な日次データの分析が行われるまでは、この新しいモデルは、直接的な測定が乏しい地域において太陽エネルギーを推定するための信頼できる方法を提供すると同時に、太陽、空気、そして地面の間の複雑な相互作用を浮き彫りにする、重要な一歩として位置づけられます。

技術要約：テベッサ（アルジェリア）における月間平均日射量を推定するための、日照時間・気温・湿度のハイブリッドモデル

問題提起
全天日射量（ $H$ ）の信頼できる推定は、太陽エネルギーシステムの設計において不可欠な前提条件であるが、アルジェリア全域において直接的な全天日射計による測定データは極めて少ない。ルーチン的な気象データを用いた半経験的な相関式は実用的な代替案となるが、著者の先行研究では、気温（ $T$ ）と相対湿度（ $RH$ ）のみに基づく二変数モデルを、テベッサのような大陸性高地サイトに適用した場合、精度が低下すること（誤差約6.82%）が示された。著者は、熱的な予測因子だけでは、半乾燥地帯の高地における大気の透過率を捉えきれないと仮定した。なぜなら、それらは入射放射を決定するものではなく、むしろ放射に反応して変化するものだからである。本研究は、大気の透明度を示す直接的な記述子、具体的には日照時間の欠如が、この精度の劣化を引き起こしていると断じている。

手法
本研究は、テベッサ（北緯35.404度、東経8.124度、海抜850 m）、すなわち寒冷半乾燥（BSk）気候に焦点を当てている。データセットは、再生可能エネルギー開発センター（CDER）による10年間（2015–2024年）の月間気候学的標準値の日射量データで構成され、これに日照時間、気温、および湿度の記録を補完している。

核心となる手法は以下の通りである：

モデルの定式化： 前述の二変数相関式（ $H/H_0 = aT^2 + bRH + c$ ）を、第三の予測因子として相対日照時間（ $\sigma = S/S_0$ ）を導入することで、四パラメータのハイブリッドモデルへと拡張した：
$H/H_0 = a\sigma + bT^2 + cRH + d$
候補モデルの比較： 前述の熱的変数のみのモデルから、提案されたハイブリッドモデル、古典的なアングストローム・プレスコット（Ångström–Prescott）モデル、および相互作用項や二次的な日照項を含むバリエーションに至るまで、6つの候補モデルを較正・比較した。
較正と検証： 係数は12個の月間値に対して最小二乗法（OLS）を用いて推定された。データが気候学的標準値（年間の変動が無視できるもの）を代表しているため、有効サンプルサイズは120ではなく12である。したがって、外挿推定の妥当性を確保するため、**一ヶ月抜き取り交差検証（leave-one-month-out cross-validation）**を用いて性能を評価した。
統計的厳密性： RMSE、MBE、およびスチューデントの $t$ 統計量を含む10個の統計指標を用いた。極めて重要な点として、予測因子の独立性を評価するために、分散拡大係数（VIF）を用いた多重共線性診断を実施した。

主な結果
提案されたハイブリッドモデル（M3）は、テベッサにおいて以下の性能指標を示した：

精度： RMSE = 0.243 MJ·m⁻²·day⁻¹ (nRMSE = 1.31%)、および $R^2$ = 0.9984。
バイアスの低減： 前述の熱的変数のみのモデルと比較して、系統的バイアス（MBE）が56%減少した（+0.0072 から +0.0032 MJ·m⁻²·day⁻¹ へ）。Stoneの $t$ 統計量は0.094から0.043へと改善し、非有意なバイアスであることを示した。
比較： ハイブリッドモデルは、古典的なアングストローム・プレスコットの相関式よりもRMSEにおいて31.5%向上した。
感度： 感度分析により、相対日照時間（ $\sigma$ ）が最も影響力のある予測因子であることが明らかになった。 $\sigma$ の ±10% の摂動は、明瞭度指数を ±1.78% 変化させた（ $RH$ は ±1.31%、 $T$ は ±1.24% の変化）。

多重共線性の診断
本研究の重要な知見は、月間気候学的標準値を使用する場合、予測因子の間に深刻な多重共線性が見られることである。予測因子（ $\sigma$ , $T^2$ , $RH$ ）はほぼ完全に相関しており（例： $\sigma$ と $RH$ の相関は −0.962）、その結果、極めて高い分散拡大係数（ $\sigma$ で181、 $T^2$ で633、 $RH$ で142）を示した。

帰結： 日照項は全体的なバイアスと精度を大幅に改善する一方で、四パラメータモデルにおける $\sigma$ の回帰係数は5%水準で統計的に有意ではない（ $p = 0.234$ ）。データは、月間標準値においては、三つの変数がすべて同一の年間太陽サイクルによって駆動されているため、日照の寄与を気温や湿度から一意に区別することができない。

意義と主張
本論文は、主に以下の3つの貢献を主張している：

検証されたハイブリッドモデル： テベッサにおいて、従来の熱的変数のみの定式化よりも正確でバイアスが少ない、較正済みの四パラメータ相関式を提供した。これは半乾燥高地サイトに特化したものである。
定量的診断： 改善がなぜ緩やか（RMSEの4.2%減少）であり、なぜ日照係数の個別の有意性が欠如しているのかという点について、単なる仮定を超えて定量化した。すなわち、月間気候学的標準値における多重共線性が、予測因子の分離を妨げているのである。
実用的な推奨： 工学的な用途において系統的バイアスを低減するためには日照項を保持すべきであるが、予測因子の効果を決定的に分離するには、日照と気温が独立して変動する日次データ（または個別の年次月次データ）に基づいた較正が必要であると結論付けた。著者は、衛星由来の日次日照プロダクト（例：CM SAF SARAH-3）を用いた将来的な精緻化を推奨しており、当該地域においてそのようなデータが現在利用可能であることに触れている。

著者は、大規模なデータセットを用いた機械学習アプローチがより高い精度を実現する可能性があることを認めつつも、月間の気候学的標準値のみが利用可能なサイトにおいては、提案された簡潔で解釈性の高い相関式が適切なツールであるとの控えめな立場を維持している。

関連論文