Solar radiation transfer in the atmosphere: the effect of aerosols and clouds on solar resource and nowcasting

Abstract

The aim of this Ph.D. dissertation is to investigate the effects of aerosols and clouds on solar resource and nowcasting in the atmosphere. Aerosols and clouds are the substances with the highest uncertainty in the estimations of the energy budget of the Earth’s−Atmosphere system that configures the Earth’s climate.In Chapter 1, a brief introduction of solar radiation transfer in the atmosphere is given, focusing on the role of aerosols and clouds in the Earth’s climate and solar resource studies. Fundamental concepts and definitions of solar radiation are presented, like Planck’s and Stefan-Boltzmann laws, spectral irradiance, and actinic flux. The role of the absorption and scattering effects in the total extinction within the atmosphere by various substances is also examined, expressing the Rayleigh and Mie scattering theories as well as the initial form and the parts of the radiative transfer equation. Finally, the effect of the most influential atmospheric constituents on the energy budget of the Earth−Atmosphere system is discussed, quantitating their impact along with their uncertainties on Earth’s climate change.In Chapter 2, the various datasets that were used for this Ph.D. are described briefly. The datasets are divided into two primary sources based on the measurement’s origin. The first category of the datasets is derived from ground-based measurements and satellite instruments, and the second category is derived from models. The aerosol information is derived from AERONET, MODIS, MERRA-2, CAMS, and MIDAS datasets, whereas information about solar radiation is derived either directly from BSRN and McClear clear-sky model or indirectly from all-sky imager-based systems.Aerosol studies often require accurate information about aerosol type due to different aerosol origins leading to different aerosol sizes, which have different chemical compositions, optical properties, and removal processes. These differences should be considered by climate models in order to assess accurately the direct aerosol effect on the climate. In Chapter 3, the aerosol optical properties from AERONET Version 3 are used to classify the aerosol types in Europe, Middle East North Africa (MENA), and the Arabian Peninsula, during 2008–2017. Quality-assured data of SSA, FMF, and AE from 39 stations is used to classify the aerosol types based on the threshold limits of these optical properties. The aerosol type depends on the location and the sources of each region of study; for example, in the Atlantic, Arabian Peninsula, and MENA, the dominant aerosol type is coarse absorbing due to dust from the Sahara and Arabian deserts. However, in the Arabian Peninsula, fine particles are also observed in autumn and winter. In addition, the lower percentages of coarse absorbing particles across MENA are observed in the East because of increased fine particle emissions from human activities. In southern Europe, the stations of Group A (southern stations), a bimodal size distribution is revealed, and the dominant aerosol types are fine slightly absorbing and non-absorbing, followed by coarse absorbing due to Sahara dust outbreaks. In the stations of Group B in South Europe (northern stations), fine slightly absorbing and non-absorbing particles are primarily observed since the stations are located in urban/industrial regions. In Central and East Europe, the prevailing aerosol type is fine-non-absorbing, which is followed by the fine, slightly absorbing aerosols from urban/industrial sites. In Chapter 4, the results from the aerosol classification scheme in Chapter 3 are used to quantify the influence of aerosol type on the radiative balance of the Earth’s climate within the same study period. The impacts of SZA, SA, AOD and single SSA on DARF and DARFeff at the BOA and TOA are investigated. Fine slightly absorbing particles show the highest positive gradient of DARFeffBOA with SA and the highest negative gradient of DARFeffTOA with SZA. The mixed absorbing particles provide the highest alteration for DARF at the BOA with the increase of AOD. The analysis of aerosol absorptivity is performed by dividing SSA into six-subgroups. Coarse absorbing particles provide the highest (in magnitude) DARFeff values at the TOA under absorbing aerosol conditions (SSA < 0.89), whereas similar behavior is revealed by the fine absorbing particles for DARFeff values at the BOA. Furthermore, the long-term averages of radiative forcing metrics are analyzed for all aerosol types among the regions of study. At the TOA, fine non-absorbing particles show the highest absolute values for DARFeff (from −75 W m−2 to −79 W m−2) and DARF (from −38 W m−2 to −48 W m−2). At the BOA, coarse and mixed absorbing clusters indicate the highest absolute values for DARF (from −66 W m−2 to −79 W m−2) and DARFeff (from −135 W m−2 to −149 W m−2), respectively.Aeolian dust aerosols affect the Earth’s energy budget through interactions with solar radiation, atmospheric chemistry, and clouds. Erroneous estimations about the historical, present, and future dust aerosol burden in the atmosphere reflect to wrongly estimated aerosol radiative forcing and projection of future climate change. In Chapter 5, the global, regional and seasonal temporal dust changes as well as the effect of dust particles on total aerosol loading using the MIDAS fine-resolution dataset are investigated. MIDAS delivers DOD at fine spatial resolution (0.1° x 0.1°) spanning from 2003 to 2017. Within this study period, the dust burden increased across the central Sahara (up to 0.023 yr−1) and Arabian Peninsula (up to 0.024 yr−1). Both regions observed their highest seasonal trends in summer (up to 0.031 yr−1). On the other hand, declining DOD trends are encountered in the western (down to −0.015 yr−1) and eastern (down to − 0.023 yr−1) Sahara, the Bodélé Depression (down to −0.021 yr−1), the Thar (down to −0.017 yr−1) and Gobi (down to −0.011 yr−1) deserts, and the Mediterranean Basin (down to −0.009 yr−1). In spring, the most negative seasonal trends are recorded in the Bodélé Depression (down to −0.038 yr−1) and Gobi Desert (down to −0.023 yr−1), whereas they are in the western (down to −0.028 yr−1) and the eastern Sahara (down to −0.020 yr−1) and the Thar Desert (down to −0.047 yr−1) in summer. Over the western and eastern sector of the Mediterranean Basin, the most negative seasonal trends are computed at summer (down to −0.010 yr−1) and spring (down to −0.006 yr−1), respectively. The effect of DOD on the AOD change is determined by calculating the DOD-to-AOD trend ratio. Over the Sahara the median ratio values range from 0.83 to 0.95, whereas in other dust-affected areas (Arabian Peninsula, southern Mediterranean, Thar and Gobi deserts) the ratio value is approximately 0.6. In addition, a comprehensive analysis of the factors affecting the sign, the magnitude and the statistical significance of the calculated trends is conducted. Firstly, the implications of the implementation of the geometric mean instead of the arithmetic mean for trend calculations are discussed, revealing that the arithmetic-based trends are overestimated when compared to the geometric-based trends over both land and ocean. Secondly, an analysis interpreting the differences in trend calculations under different spatial resolutions (fine and coarse) and time intervals is conducted.AOD constitutes a key parameter of aerosols, providing vital information for quantifying the aerosol burden and air quality at global and regional levels. In Chapter 6, a machine learning strategy for retrieving AOD under cloud-free conditions, based on the synergy of machine learning algorithms (MLAs) and solar irradiance data is presented. The retrieval methodology is applied twice, using a) ground-based solar irradiances and b) clear-sky model simulations. The performance of MLAs is investigated by applying different components of solar radiation. The use of direct instead of global irradiance as a model feature led to better performance. Regardless of the underlying climate and aerosol environments, the MLA-based AODs encompassed RMSE between 0.01 and 0.15. Among the MLAs, artificial neural networks outperformed the other algorithms in terms of RMSE at 54% of the measurement sites. Compared to MERRA-2 and CAMS, the ML-AOD retrievals revealed the highest accuracy. The performance of MLAs was also assessed by replacing the ground-based solar irradiance measurements with estimations from McClear model. The MLA performance depends on the underlying climate and aerosol environments with higher deviations in equatorial and arid climate areas as well as in regions dominated by biomass burning and mineral dust particles. Fluctuations of the incoming solar irradiance impact the power generation from photovoltaic and concentrating solar thermal power plants. Accurate solar nowcasting becomes necessary to detect these sudden changes of generated power and to provide the desired information for optimal exploitation of solar systems. In Chapter 7, a benchmarking exercise has been conducted relying on a bouquet of solar nowcasting methodologies by all-sky imagers (ASI). The work of Chapter 7 is conducted in the framework of the International Energy Agency’s Photovoltaic Power Systems Program Task 16, where four ASI systems nowcast the GHI with a time forecast ranging from 1 to 20 minutes during 28 days with variable cloud conditions spanning from September to November 2019 in southern Spain. All ASIs demonstrated their ability to accurately nowcast GHI, with RMSE ranging from 6.9% to 18.1%. Under cloudy conditions, all ASI nowcasts outperform the persistence models. Under clear skies, three ASIs are better than persistence. Discrepancies in the observed nowcasting performance become larger at increasing forecast horizons. The findings of Chapter 7 highlighted the feasibility of ASIs to reliably nowcast GHI at different sky conditions, time intervals, and horizons. Such nowcasts can be used either to estimate solar power at distant times or to detect sudden GHI fluctuations. In Chapter 8, the results from Chapter 7 are used to detect sudden GHI fluctuations based on ASIs' GHI nowcasts. ASIs 1–2 and ASIs 3–5 can capture the true ramp events by 26.0–51.0% and 49.0–92.0% of the cases, respectively. ASIs 1–2 provided the lowest (< 10.0%) falsely documented ramp events while ASIs 3–5 recorded false ramp events up to 85.0%. On the other hand, ASIs 3–5 revealed the lowest falsely documented no ramp events (8.0–51.0%). ASIs 1–2 are developed to provide spatial solar irradiance forecasts and have been delimited only to a small area for the purposes of this benchmark, which penalizes these approaches. These findings show that ASI-based nowcasts could be considered as a valuable tool for predicting solar irradiance ramp events for a variety of solar energy technologies. The combination of physical and deep learning-based methods is identified as a potential approach to further improve the ramp event forecasts.

Τα αιωρούμενα σωματίδια και τα νέφη συντελούν τα συστατικά της ατμόσφαιρας με την υψηλότερη αβεβαιότητα στην εκτίμηση του ενεργειακού ισοζυγίου του συστήματος Ατμόσφαιρα−Γη που καθορίζει το κλίμα της Γης. Για τον λόγο αυτό, η περαιτέρω μελέτη των αιωρούμενων σωματιδίων και των νεφών στον τρόπο με τον οποίο επιδρούν με την ηλιακή ακτινοβολία έχεις ως στόχο την μείωση αυτών των αβεβαιοτήτων και συνεπώς, την καλύτερη κατανόηση του κλίματος της Γης. Η παρούσα διδακτορική διατριβή ασχολείται με την επίδραση των αιωρούμενων σωματιδίων και των νεφών στην εκτίμηση και την βραχυπρόθεσμη πρόγνωση της ηλιακής ακτινοβολίας.Στο Κεφάλαιο 1, δίνεται μια σύντομη εισαγωγή στην θεωρία διάδοσης της ηλιακής ακτινοβολίας, εμβαθύνοντας στον ρόλο των αιωρούμενων σωματιδίων και νεφών στην επίδραση του κλίματος της Γης. Παρουσιάζονται θεμελιώδεις έννοιες της θερμικής ακτινοβολίας που εκλύεται από τον Ήλιο, όπως ο νόμος του Planck και ο νόμος των Stefan−Boltzmann, καθώς και οι ορισμοί της φασματικής ακτινοβολίας και ακτινικής ροής. Αναφέρονται διάφοροι μηχανισμοί που εξασθενούν ή ενισχύουν την ηλιακή ακτινοβολία, κατά την διέλευση της στα στρώματα της Ατμόσφαιρας, όπως η απορρόφηση και η σκέδαση. Επίσης, παρουσιάζεται η αρχική μορφή της εξίσωσης διάδοσης της ηλιακής ακτινοβολίας, καθώς και διάφορες προσεγγίσεις/παραμετροποιήσεις με στόχο την επίλυση της. Στο τέλος του Κεφαλαίου 1, αναφέρονται τα διάφορα συστατικά της ατμόσφαιρας τα οποία επιδρούν κατά κόρον το ενεργειακό ισοζύγιο που καθορίζει το κλίμα της Γης.Στο Κεφάλαιο 2, δίνεται μια σύντομη περιγραφή των επίγειων και δορυφορικών οργάνων, καθώς και των μοντέλων μαζί με την περιγραφή των αλγορίθμων που τα διέπουν, των οποίων τα δεδομένα αντλήθηκαν και χρησιμοποιήθηκαν για την διεκπεραίωση της παρούσας διδακτορικής διατριβής. Πιο συγκεκριμένα, παρουσιάζονται τα δεδομένα που αφορούν τις οπτικές ιδιότητες των αιωρούμενων σωματιδίων καθώς και τα δεδομένα που αφορούν μετρήσεις ή εκτιμήσεις της ηλιακής ακτινοβολίας. Οι εργασίες πού ασχολούνται με την μελέτη των αιωρούμενων σωματίδια συχνά απαιτούν πληροφορία σχετικά με τον τύπο τους. Αυτό οφείλεται στο γεγονός ότι ο τύπος των αιωρούμενων σωματιδίων συνδέεται άμεσα με το μέγεθος, την χημική σύσταση, τις οπτικές ιδιότητες, και τις διαδικασίες απομάκρυνσης τους από την ατμόσφαιρα. Στο Κεφάλαιο 3, πραγματοποιήθηκε η διεξοδική μελέτη των οπτικών ιδιοτήτων των αιωρούμενων σωματιδίων από την έκδοση 3 του AERONET, με σκοπό την κατηγοριοποίηση του τύπου των αιωρούμενων σωματιδίων στην Ευρώπη, Μέση Ανατολή Βόρεια Ευρώπη (MENA) και την Αραβική Χερσόνησο, την χρονική περίοδο 2008−2017. Αναλυτικά, χρησιμοποιήθηκε ο παράγοντας μεμονωμένης σκέδασης (Single Scattering Albedo, SSA), το κλάσμα λεπτόκοκκων σωματιδίων (Fine Mode Fraction, FMF) και ο παράγοντας Ångström (Ångström Exponent, AE), από 39 σταθμούς, με σκοπό την κατηγοριοποίηση του τύπου των αιωρούμενων σωματιδίων που βασίζεται στα όρια των προαναφερθέντων οπτικών ιδιοτήτων. Τα ποσοστά εμφάνισης κάθε τύπου των αιωρούμενων σωματιδίων στον εκάστοτε σταθμό είναι συνδεδεμένα με τις πήγες τους. Συμπερασματικά, προκύπτει ότι τα χονδρόκοκκα απορροφητικά σωματίδια (ερημική σκόνη) είναι ο επικρατέστερος τύπος αιωρούμενων σωματιδίων στην περιοχή του Ατλαντικού, της Αραβικής Χερσονήσου και της MENA. Το παραπάνω οφείλεται κυρίως στη μεταφορά σκόνης από την έρημο Σαχάρα και τις Αραβικές ερήμους. Στην Κεντρική και Ανατολική Ευρώπη ο επικρατέστερος τύπος αιωρούμενων σωματιδίων είναι τα λεπτόκοκκα μη απορροφητικά σωματίδια διότι οι σταθμοί βρίσκονται σε αστικές/βιομηχανικές περιοχές. Η περιοχή της Νότιας Ευρώπης παρουσιάζει διττή φύση. Από την μια πλευρά, οι σταθμοί οι οποίοι βρίσκονται σε βόρειες περιοχές αναδεικνύουν ως επικρατέστερους τύπους σωματιδίων τα λεπτόκοκκα απορροφητικά και τα λεπτόκοκκα μη απορροφητικά. Από την άλλη πλευρά, οι σταθμοί που βρίσκονται νοτιότερα παρουσιάζουν υψηλά ποσοστά σκόνης τα οποία προκύπτουν από την μεταφορά της σκόνης από την έρημο Σαχάρα.Στο Κεφάλαιο 4, χρησιμοποιήθηκαν τα αποτελέσματα από την μέθοδο κατηγοριοποίησης αιωρούμενων σωματιδίων του Κεφαλαίου 3, με σκοπό την μελέτη της επίδρασης του τύπου των αιωρούμενων σωματιδίων στο ενεργειακό ισοζύγιο του συστήματος Ατμόσφαιρα−Γη. Τα μεγέθη τα οποία απεικονίζουν την επίδραση των αιωρούμενων σωματιδίων στην εισερχόμενη ηλιακή ακτινοβολία και συνεπώς στο ενεργειακό ισοζύγιο είναι τα direct aerosol radiative forcing (DARF) και efficiency (DARFeff) στην επιφάνεια και στο όριο της ατμόσφαιρας. Αναλυτικότερα, για κάθε τύπο αιωρούμενων σωματιδίων, διερευνήθηκε η επίδραση διαφόρων γεωμετρικών και οπτικών ιδιοτήτων, όπως η ζενίθια γωνία, η ανακλαστικότητα του εδάφους, το οπτικό πάχος των αιωρούμενων σωματιδίων (aerosol optical depth, AOD) και ο παράγοντας μεμονωμένης σκέδασης, στο DARF και DARFeff. Επιπρόσθετα, πραγματοποιήθηκε η ανάλυση των μακροπρόθεσμων μέσων τιμών για κάθε τύπο αιωρούμενων σωματιδίων και περιοχή. Συμπερασματικά, από τα αποτελέσματα της εργασίας προκύπτει ότι τα λεπτόκοκκα ελαφρώς απορροφητικά σωματίδια παρουσιάζουν την μεγαλύτερη μεταβολή του DARFeff με την ζενίθια γωνία και την ανακλαστικότητα του εδάφους. Επιπρόσθετα, τα αναμειγμένα απορροφητικά σωματίδια μεταβάλλονται περισσότερο με την αύξηση του AOD. Όσον αφορά την απορροφητικά των σωματιδίων, τα λεπτόκοκκα απορροφητικά παρουσιάζουν τις μεγαλύτερες τιμές του DARFeff στην επιφάνεια της Γης κατά την αύξηση των τιμών απορροφητικότητάς τους. Κατά την ανάλυση των μακροπρόθεσμων μέσων τιμών προέκυψε ότι στο όριο της ατμόσφαιρας, τα λεπτόκοκκα μη απορροφητικά σωματίδια έχουν τις πιο αρνητικές τιμές του DARFeff (από −75 έως −79 W m−2) και DARF (από −38 έως −48 W m−2). Στην επιφάνεια της Γης, τα χονδρόκοκκα και αναμειγμένα απορροφητικά σωματίδια παρουσιάζουν τις πιο αρνητικές τιμές του DARF (από −66 έως −79 W m−2) και DARFeff (από −135 έως −149 W m−2), αντίστοιχα.Τα σωματίδια σκόνης επηρεάζουν το ενεργειακό ισοζύγιο του συστήματος Ατμόσφαιρα−Γη, καθώς αλληλοεπιδρούν άμεσα και έμμεσα με την ηλιακή ακτινοβολία, την ατμοσφαιρική χημεία και τα νέφη. Εσφαλμένες εκτιμήσεις των παρελθοντικών-παροντικών-μελλοντικών επιπέδων σκόνης στην ατμόσφαιρα οδηγεί σε εσφαλμένες εκτιμήσεις της επίδρασης των σωματιδίων σκόνης στο κλίμα της Γης. Στο Κεφάλαιο 5, μελετήθηκαν οι χρονικές τάσεις του οπτικού βάθους της σκόνης σε όλο τον κόσμο, χρησιμοποιώντας ένα γραμμικό μοντέλο παλινδρόμησης. Με απώτερο σκοπό την διερεύνηση των αποτελεσμάτων ως προς την στατιστική τους σημαντικότητα, πραγματοποιήθηκαν τρία sensitivity analysis. Αρχικά, μελετήθηκαν οι διαφορές μεταξύ της χωρικής ανάλυσης των 10×10 km και 100×100 km για τον υπολογισμό των τάσεων. Συγκεκριμένα, δεν παρατηρήθηκαν μεγάλες διαφορές μεταξύ των δυο διαφορετικών χωρικών αναλύσεων, υποδεικνύοντας ότι η χρήση της ανάλυσης 10×10 km είναι στατιστικά σημαντική. Έπειτα, κατά την εφαρμογή του μοντέλου γραμμικής παλινδρόμησης, χρησιμοποιήθηκαν δυο διαφορετικοί τρόποι μέσης τιμής, ο αριθμητικός μέσος και ο γεωμετρικός μέσος με στόχο τον εντοπισμό των διαφορών που βασίζονται στην διαφορετική συνάρτηση κατανομής μεγέθους. Η γεωμετρική κατανομή και συνεπώς, η χρήση της γεωμετρικής μέσης τιμής, προβλέπεται να δώσει καλύτερα αποτελέσματα απ’ ότι η χρήση της αριθμητικής μέσης τιμής, καθώς η συνάρτηση κατανομής μεγέθους των αιωρούμενων σωματιδίων τείνει να ακολουθεί περισσότερο την γεωμετρική παρά την κανονική κατανομή. Τέλος, στο τρίτο sensitivity analysis μελετήθηκαν οι πιθανές διαφορές στην στατιστική σημαντικότητα και στο μέγεθος των υπολογισμένων τάσεων όταν χρησιμοποιούνται χρονικά φίλτρα ελέγχου στις χρονοσειρές υπολογισμού των τάσεων. Όπως φάνηκε, τα αποτελέσματα στον υπολογισμό των τάσεων, με την χρήση χρονικών φίλτρων, δίνει καλύτερα αποτελέσματα τα οποία αποφεύγουν τον υπολογισμό μη ρεαλιστικών τάσεων. Έτσι, με την εφαρμογή του μοντέλου γραμμικής παλινδρόμησης και χρησιμοποιώντας την γεωμετρική μέση τιμή, την χωρική ανάλυση 10×10 km και την εφαρμογή χρονικών φίλτρων, θετικές τάσεις παρατηρήθηκαν στις περιοχές της Κεντρικής Σαχάρας (μέχρι +0.023 yr−1) και της Αραβική Χερσονήσου (μέχρι +0.024 yr−1). Αντίθετα, αρνητικές τάσεις σημειώθηκαν στις περιοχές της Δυτικής (μέχρι −0.015 yr−1) και Ανατολικής (μέχρι −0.023 yr−1) Σαχάρας, του Bodélé Depression (μέχρι −0.021 yr−1), Μεσόγειο (μέχρι −0.009 yr−1), έρημο Ταρ (μέχρι −0.017 yr−1) και έρημο Γκόμπι (μέχρι −0.011 yr−1). Στην συνέχεια, πραγματοποιήθηκε η περιοχική μελέτη των τάσεων. Ειδικότερα, στατιστικά σημαντική θετική τάση ήταν φανερή στην Κεντρική Σαχάρα (+0.0021 yr-1), ενώ στατιστικά σημαντικές αρνητικές τάσεις καταγράφηκαν, στην έρημο Ταρ (−0.0053 yr−1) και έρημο Γκόμπι (−0.00071 yr−1). Επιπρόσθετα, πραγματοποιήθηκε η διερεύνηση των εποχικών τάσεων σκόνης. Οι πιο θετικές τάσεις παρουσιάστηκαν κατά την καλοκαιρινή περίοδο για τις περιοχές της Κεντρικής Σαχάρας και της Αραβική Χερσονήσου (μέχρι +0.031 yr-1). Σε αντίθεση, οι πιο αρνητικές τιμές των τάσεων σκόνης παρατηρήθηκαν στις περιοχές του Bodélé Depression (μέχρι −0.038 yr−1) και έρημο Γκόμπι (−0.023 yr−1) την άνοιξη ενώ στην Δυτική (μέχρι −0.028 yr−1) και Ανατολική Σαχάρα (μέχρι 0.020 yr−1), και έρημο Ταρ (μέχρι −0.047 yr−1) το καλοκαίρι.Το AOD αποτελεί σημαντική παράμετρο για τα αιωρούμενα σωματίδια, ανάλογη της αφθονίας τους στην ατμόσφαιρα καθώς και στον χαρακτηρισμό της ποιότητας του αέρα σε παγκόσμια και περιοχική χωρική κλίμακα. Στο Κεφάλαιο 6, πραγματοποιήθηκε η εκτίμηση του AOD, σε συνθήκες ανέφελου ουρανού, με την χρήση τεχνικών μηχανικής εκμάθησης κατά την χρονική περίοδο 2004−2019. Συγκεκριμένα, οι τεχνικές μηχανικής εκμάθησης που χρησιμοποιήθηκαν είναι οι εξής: 1) Light Gradient Boosting Machine, 2) Random Forest, 3) Multivariate Adaptive Regression Splines, 4) K-nearest neighbors και 5) Νευρωνικά Δίκτυα. Τα δεδομένα εισαγωγής στις προαναφερόμενες τεχνικές είναι οι εξής: 1) ο δείκτης αιθριότητας (clearness index) της άμεσης ή ολικής ηλιακής ακτινοβολίας, 2) η αέρια μάζα και 3) η ολική στήλη των υδρατμών. Η παρούσα μεθοδολογία εφαρμόσθηκε δύο φορές χρησιμοποιώντας ως δεδομένα εισαγωγής: 1) επίγειες μετρήσεις της ηλιακής ακτινοβολίας, 2) μετρήσεις της ηλιακής ακτινοβολίας από ένα μοντέλο ανέφελου ουρανού (clear−sky model). Η στατιστική επαλήθευση των εκτιμήσεων του AOD πραγματοποιήθηκε με την χρήση δεδομένων της έκδοσης 3 του δικτύου αναφοράς AERONET. Στο πρώτο μέρος της εργασίας, όπου χρησιμοποιήθηκαν επίγειες μετρήσεις της ηλιακής ακτινοβολίας, παρατηρήθηκε ότι η χρήση της άμεσης από’ τι της ολικής ηλιακής ακτινοβολίας οδηγεί σε καλύτερα αποτελέσματα για την εκτίμηση του AOD από τα μοντέλα μηχανικής εκμάθησης. Συγκεκριμένα, ανεξαρτήτου του κλίματος που χαρακτηρίζει κάθε σταθμό, τα αποτελέσματα των εκτιμήσεων του AOD παρουσιάζουν τιμές της τετραγωνικής ρίζας του μέσου τετραγωνικού σφάλματος (Root Mean Square Error, RMSE) που κυμαίνονται μεταξύ 0.01 και 0.15, αναδεικνύοντας την δυναμική των τεχνικών μηχανικής εκμάθησης για την ακριβή πρόβλεψη του AOD. Μεταξύ των τεχνικών μηχανικής εκμάθησης, τα νευρωνικά δίκτυα εμφάνισαν τα καλύτερα αποτελέσματα στο 54% των σταθμών. Επίσης, τα αποτελέσματα της παρούσας μεθοδολογίας συγκρίθηκαν με μοντέλα (reanalysis) εκτίμησης του AOD, που έχουν ως βάση δορυφορικά δεδομένα. Συγκεκριμένα, οι εκτιμήσεις του AOD χρησιμοποιώντας τις τεχνικές μηχανικής εκμάθησης, οδήγησαν σε καλύτερα αποτελέσματα από τα μοντέλα (reanalysis) σε όλους τους σταθμούς. Στο δεύτερο μέρος της εργασίας, όπου χρησιμοποιήθηκαν δεδομένα ηλιακής ακτινοβολίας από ένα μοντέλο ανέφελου ουρανού, η απόδοση της εκτίμησης του AOD παρουσίασε εξάρτηση από το κλίμα και τον τύπο των αιωρούμενων σωματιδίων. Έτσι, υψηλότερες σχετικά αβεβαιότητες παρατηρήθηκαν σε τροπικά και ξηρά κλίματα, αλλά και σε περιοχές όπου ο επικρατέστερος τύπος αερολυμάτων είναι τα σωματίδια σκόνης και σωματίδια λόγω καύσης βιομάζας. Η ηλιακή ακτινοβολία εμφανίζει σημαντική μεταβλητότητα, ενώ συχνά η αποτίμηση και η πρόβλεψη της που φτάνει στο έδαφος σε βραχυπρόθεσμη και μακροπρόθεσμη χρονική κλίμακα, καθίσταται απαραίτητη. Στο Κεφάλαιο 7, εφαρμόσθηκαν μετρήσεις παρατήρησης του ουράνιου θόλου από κάμερες ψηφιακής απεικόνισης με στόχο την εκτίμηση/πρόγνωση της ολικής ηλιακής ακτινοβολίας σε οριζόντια επιφάνεια. Αναλυτικότερα, χρησιμοποιήθηκαν τα αποτελέσματα από μια εκστρατεία μετρήσεων, η οποία έλαβε μέρος στα πλαίσια του IEA PVPS Task 16 και έχει ως στόχο την αξιολόγηση των εκτιμήσεων/προγνώσεων της ηλιακής ακτινοβολίας με την χρήση διαφόρων all-sky καμερών (ASI). Για την συγκεκριμένη εκστρατεία πραγματοποιήθηκαν μετρήσεις από διάφορους τύπους ASI (σύνολο 4) και σε συνδυασμό με ένα δίκτυο μετρήσεων υψηλής ποιότητας δεδομένων ηλιακής ακτινοβολίας έγινε η στατιστική ανάλυση των αποτελεσμάτων. Τα δεδομένα των χρονοσειρών ηλιακής ακτινοβολίας από κάθε τύπο ASI συγκρίθηκαν με τις χρονοσειρές επίγειων μετρήσεων αλλά και με δυο τυπικά μοντέλα πρόγνωσης ηλιακής ακτινοβολίας, ώστε να εντοπιστεί που υπερέχει ή μειονεκτεί κάθε διαφορετική προσέγγιση πρόγνωσης καθώς και να παρατηρηθεί που εμφανίζονται οι χαμηλότερες αβεβαιότητες. Τα αποτελέσματα της παρούσας ανάλυσης, λαμβάνοντας υπόψιν και τις 28 ημέρες της εκστρατείας, έδειξαν ότι τα σφάλματα των προγνώσεων ηλιακής ακτινοβολίας από τους 5 αλγόριθμους κυμαίνονται μεταξύ 6.9% και 18.1%. Επιπρόσθετα, και με σκοπό την μελέτη της διαφορετικής επίδρασης του τύπου νεφοκάλυψης του ουρανού στην πρόγνωση της ηλιακής ακτινοβολίας, έγινε κατηγοριοποίηση του τύπου νεφοκάλυψης με βάση την παρατήρηση των εικόνων του ουράνιου θόλου από τις all-sky κάμερες σε 6 κατηγορίες νεφοκάλυψης. Συμπερασματικά, η κατηγοριοποίηση της ανάλυσής μας σε διαφορετικούς τύπους νεφοκάλυψης ανέδειξε ότι τουλάχιστον 2 αλγόριθμοι αποδίδουν καλύτερη πρόγνωση σε σχέση με τα δυο τυπικά μοντέλα πρόγνωσης ηλιακής ακτινοβολίας (persistence), ακόμα και σε ανέφελες συνθήκες ουρανού. Στο Κεφάλαιο 8, ύστερα από την επιβεβαίωση της καλής πρόγνωσης της ηλιακής ακτινοβολίας με την χρήση των ASI, τα αποτελέσματα των προγνώσεων χρησιμοποιήθηκαν για την μελέτη της έγκαιρης πρόγνωσης των απότομων βραχυπρόθεσμων αλλαγών της ηλιακής ακτινοβολίας (ramp events). Οι πέντε διαφορετικοί αλγόριθμοι που εφαρμόσθηκαν στην παρούσα εργασία παρουσίασαν διαφορετικά ποσοστά έγκαιρης πρόβλεψης των ramp events. Αναλυτικότερα, οι αλγόριθμοι ASIs 1−2 και ASIs 3−5 εμφάνισαν ποσοστό έγκαιρης πρόβλεψης των ramp events που κυμαίνεται μεταξύ 26.0%−51.0% και 49.0%−92.0% των περιπτώσεων, αντίστοιχα. Επίσης, οι αλγόριθμοι της παρούσας εργασίας εμφάνισαν διαφορετικές τάσεις εσφαλμένων αποτελεσμάτων. Συγκεκριμένα, οι ASIs 1−2 αλγόριθμοι παρουσίασαν τα χαμηλότερα ποσοστά λανθασμένων προβλέψεων των ramp events (< 10.0%) ενώ οι ASIs 3−5 αλγόριθμοι έχουν την τάση να προβλέπουν εσφαλμένα την ύπαρξη των ramp events σε ποσοστό έως 85.0%. Επιπρόσθετα, οι ASIs 3−5 αλγόριθμοι παρουσίασαν τα μικρότερα ποσοστά εσφαλμένων προβλέψεων των μη ramp events (8.0–51.0%).