Aplicación de un modelo de machine learning para clasificar la nubosidad a partir de datos de irradiancia global horizontal

Abstract

 La radiación solar que alcanza la superficie terrestre está modulada por diversos factores, siendo la nubosidad el de mayor impacto y el que presenta las variaciones más rápidas. Las diferentes clases o tipos de nubes pueden generar patrones característicos en los niveles de irradiancia medidos, los cuales pueden aprovecharse para determinar la clasificación de la propia nubosidad. En este estudio se aplica un modelo de machine learning sobre una base de datos de GHI y un modelo de cielo claro, para clasificar la nubosidad en el sitio de Villa Martelli perteneciente a la red Saver-Net, durante los años 2015 a 2024. Se encontró que la mayor frecuencia relativa corresponde a situaciones de cielo despejado, seguida por la clase mezcla, mientras que la clase de nubes menos frecuente fue Stratocumulus-Stratus-Altocumulus. Esta distribución puede estar relacionada con la precisión del modelo para discriminar cada grupo. Este trabajo representa un avance en la clasificación de nubosidad y aporta información valiosa para estudios orientados a evaluar tendencias y cambios a largo plazo.