Globalstrahlung im nordwestlichen Südamerika ein Vergleich langjähriger Datensätze der mittleren, jährlichen Einstrahlung aus fünf unterschiedlichen Datenquellen Dipl.-Ing. (FH) Matthias Egler Solar Engineering Decker & Mack GmbH Johannssenstr. 2-3, 30159 Hannover, Deutschland Tel.: +49 511 646634 0, Fax: +49 511 646634 9 egler@solar-engineering.de www.solar-engineering.de Einleitung In den letzten Jahren haben immer mehr Länder Südamerikas gesetzliche Einspeisevergütungen nach Vorbild des deutschen Erneuerbare Energie Gesetzes EEG oder andersartige Formen der Unterstützung der Elektrizitätserzeugung aus Erneuerbaren Energien eingeführt. Ziel ist der Aufbau einer kostengünstigen Versorgungsstruktur, auch und besonders für dünn besiedelte, netzferne Gebiete. Neben technischen Fragen zur Verlässlichkeit der Kraftwerke unter den standortspezifischen Umweltbedingungen, spielt dabei insbesondere für Photovoltaik- Anlagen die Verfügbarkeit der solaren Einstrahlung eine entscheidende Rolle. Der vorliegende Beitrag konzentriert sich auf die langjährige, mittlere Globalstrahlung auf die horizontale Referenzebene, die für die Prognose der mittleren, jährlichen Elektrizitätserzeugung von netzgekoppelten und/oder netzfernen Photovoltaiksystemen von entscheidender Bedeutung ist. Hierfür werden die Jahreswerte von standort- oder regionsspezifischen Datensätzen der mittleren Einstrahlung aus fünf verschiedenen Datenbanken miteinander verglichen. Die jeweiligen Einstrahlungswerte beruhen dabei einerseits auf unterschiedlichen Mittelungszeiträumen und andererseits entweder auf langjährigen Messungen am Boden oder der Herleitung aus Satellitenüberwachungen. Insgesamt werden dabei 38 Standorte in Panama (2), Kolumbien (2), Venezuela (20), Ecuador (5) und Peru (9) in Betracht gezogen. Die Auswahl der Standorte erfolgte unter der Voraussetzung, dass mehrjährige Messungen am Boden stattgefunden haben und die Werte verfügbar sind. Neben dem standortspezifischen Vergleich der langjährigen Datensätze der mittleren, jährlichen Einstrahlung aus unterschiedlichen Datenquellen in Form von Abweichungen zum Mittelwert und daraus resultierender Standardabweichung soll anhand von langfristigen Änderungen der mittleren, jährlichen Globalstrahlung eine weiterführende Betrachtung erfolgen.
Arbeits- und Datengrundlage Es werden die Jahreswerte von standort- oder regionsspezifischen Datensätzen der mittleren, jährlichen Globalstrahlung aus fünf unterschiedlichen Datenbanken miteinander verglichen. Die jeweiligen (monatlichen) Einstrahlungswerte beruhen dabei entweder auf langjährigen Messungen am Boden oder der Herleitung aus Satellitenüberwachungen. Die in Betracht gezogenen Datenquellen sind METEO- NORM 6.1, NASA SSE, 3TIER, INPE (BRASIL-SR) sowie NREL CSR und weisen unterschiedliche Mittelungszeiträume auf. Tabelle 1 fasst, in Anlehnung an Šúri et al. [1], die grundlegenden Eigenschaften dieser Datenquellen zusammen. Datenquelle Datengrundlage Mittelungszeitraum Räumliche Auflösung Globalstrahlung horizontale Referenzebene MBD (%) METEONORM 6.1 Wetterstationen Stationsabhängig Wetterstationswerte / interpolierte Daten Wetterstationswerte / 3D invertierte Abstandsinterpolation - Zelenka et al. (1992) und Wald & Lefèvre (2001) oder Interpolation basierend auf Satellitendaten - Lefèvre et. al (2002) ca. ±0 [2] NASA SSE 6 GEWEX / SRB Release 3.0 (NASA / ISCCP & CERES / MODIS; NCAR MATCH; TOMS / TOVS; NASA / GMAO GEOS-4) 1983-2005 ca. 100 km² Pinker & Laszlo (1992) ±1,25 [3] 3TIER GEOS 8-13 / MODIS + weitere satelliten- und bodengestützte Datenquellen 1997-2010 ca. 3 km² 3TIER-Modell ("Cloud index"- / "clear-sky" Globalstrahlung auf die Horizontale-Modell) ±3 [4] INPE (BRASIL-SR) GEOS 8 / GEOS 12 / NCDC 1995-2005 ca. 40 km² Martins (2001) Pereira et al. (2000) Stuhlmann et al. (1990) ca. ±6 [5] NREL CSR GEOS 8 1985-1991 ca. 40 km² Maxwell et al. (1998) Gueymard et al. (2005) ca. ±2 [6] Tabelle 1 Details zu den in Betracht gezogenen Datenquellen zur solaren Einstrahlung
Bei den betrachteten Quellen handelt es sich überwiegend um webbasierte Datenbanken, welche entweder frei zugänglich (NASA SSE, INPE (BRASIL-SR) und NREL CSR u.a. über das Solar and Wind Energy Resource Assessment SWERA des Umweltprogramms der Vereinten Nationen / United Nation Environmental Programm UNEP: http://en.openei.org/apps/swera/) oder über kommerzielle, d.h. kostenpflichtige Portale (3TIER: http://www.3tier.com) zugänglich sind. METEONORM wird von der schweizerischen METEOTEST mit Sitz in Bern entwickelt und vertrieben. Neben einer klimatischen Datenbank, die langjährige Monatswerte von über 8.000 Wetterstationen weltweit umfasst, handelt es sich bei dieser Software um ein Berechnungsprogramm, mit dessen Hilfe Berechnungen für solare Anwendungen durchgeführt werden können. METEONORM kann kostenpflichtig über die produkteigene Website (http://www.meteonorm.ch) bezogen werden. Anhand der in Tabelle 1 zusammengefassten Details zu den betrachteten Datenquellen lässt sich erkennen, dass drei der fünf Datenbanken zumindest in Teilen auf dieselbe Datengrundlage GEOS 8-Satellitendaten zurückgreifen. Gleichzeitig ergibt sich aber auch, dass unterschiedliche Ergebnisse zur Globalstrahlung auf die horizontale Referenzebene zu erwarten sind, da u.a. unterschiedliche weitere Eingangsdaten und Modelle zur Herleitung der Einstrahlung verwendet werden. Auch die räumliche Auflösung, die im Fall der Datenbank NASA SSE eher regions- als standortspezifische Informationen ermöglicht, sowie unterschiedliche Mittelungszeiträume und -zeitspannen führen typischerweise zu Unterschieden. Grundsätzlich sind daher bei der Betrachtung von Datensätzen aus mehreren Datenbanken unterschiedliche Werte zu erwarten, was für Laien eine häufig irritierende Tatsache ist. Für den vorliegenden Beitrag wurden im ersten Halbjahr 2011 (28.01.2011 bis 16.06.2011) standort- bzw. regionsspezifische Informationen in den oben genannten Datenbanken abgerufen. Die in Betracht gezogenen Standorte in Panama, Kolumbien, Venezuela, Ecuador und Peru wurden dabei unter der Voraussetzung ausgewählt, dass mehrjährige Messungen am Boden stattgefunden haben, um ggf. eine zusätzliche Bewertung anhand dieser Daten vor nehmen zu können. Dafür wurde insbesondere der Datenbestand des World Radiation Data Centre WRDC genutzt. Insgesamt ergeben sich aus dieser Betrachtung 38 Standorte für den Vergleich der Datensätze zur solaren Einstrahlung unterschiedlicher Datenquellen.
In Tabelle 2 sind die geographischen Daten, die Höhe über Null und die Klimazonenklassifikation nach Troll und Paffen [7] der 38 ausgewählten Standorte in Panama, Kolumbien, Venezuela, Ecuador und Peru zusammengefasst. Land Standort Geo. Breite* [ ] Geo. Länge** [ ] Höhe (ü. Seelevel) [m] Klimazone Panama David 8,24-82,25 29 V,2 Tocuman 9,03-79,22 45 V,1 Kolumbien Bogota / El Dorado 4,42-74,08 2.547 V,2 Gaviotas 4,33-70,55 167 V,2 Barcelona 10,07-64,41 7 V,3 Barquisimeto 10,04-69,19 614 V,3 Caracas / La Carlota 10,3-66,53 835 V,1 Caracas / Maiquetia 10,36-66,59 43 V,1 Ciudad Bolivar 8,09-63,33 50 V,2 Coro 11,25-69,41 20 V,4 Guiria 10,35-62,19 8 V,2 Maracaibo 10,39-71,36 40 V,3 Maracay / Mariscal Sue 10,15-67,39 442 V,1 Venezuela Maturin 9,45-63,11 70 V,2 Merida 8,36-71,11 1.479 V,1 Puerto Ayacucho 5,36-67,3 74 V,2 San Antonio 7,51-72,27 404 V,1 Santa Elena 4,36-61,07 907 V,1 San Fernando 7,54-67,25 73 V,2 Tumeremo 7,18-61,27 180 V,1 Acarigua 9,33-69,14 225 V,1 Guanare 9,01-69,44 163 V,1 Guasdualito 7,14-70,48 131 V,2 Piarco Airport 10,37-61,21 15 V,1 El Puyo -1,3-77,57 950 V,1 Izobamba / S. Catalina -0,22-78,33 3.058 V,2 Ecuador La Clementina -1,4-79,21 20 V,1 Pichilinque -1,06-79,28 73 V,1 Portoviejo -1,02-80,26 44 V,3 Arequipa -16,19-71,33 2.539 V,5 Cajamarca -7,08-78,28 2.620 V,3 Cosmos -12,09-75,35 4.600 V,3 Cuzco -13,33-71,59 3.248 V,2 Peru Huancayo -12,07-75,2 3.380 V,3 Huayao -12,02-75,19 3.350 V,3 Pampa de Majes -16,21-72,1 1.440 V,5 Piura -5,11-80,36 30 V,5 Puno -15,5-70,01 3.812 V,2 Tabelle 2 Ausgewählte Standorte für den Vergleich unterschiedlicher Datenbanken (*Geo. Breite: Nord = positiv / **Geo. Länge: Ost = positiv)
Ergebnisse Auf Basis der Datensätze der unterschiedlichen Datenquellen wird für jeden Standort ein Mittelwert gebildet. In die Mittelung fließt dabei der mittlere, langjährige Einstrahlungswert jeder Datenbank gleichberechtigt ein, d.h. es findet keine Gewichtung nach Anzahl der zugrundeliegenden Jahre o.ä. statt. Mit Bezug zu diesem Mittelwert wird anschließend die Standardabweichung der in Betracht gezogenen Datenquellen ermittelt. Außerdem wird deren Streuung bestimmt. Tabelle 3 fasst die resultierenden, standortspezifischen Ergebnisse des Vergleichs der Datensätze zur mittleren, jährlichen Einstrahlung unterschiedlicher Datenbanken zusammen. Der Mittelwert aus allen in Betracht gezogenen Datenquellen der langjährigen Globalstrahlung auf die horizontale Referenzebene beträgt in Panama, d.h. für den Standort David und Tocuman, 1.828 kwh/(m² a) bzw. 1.810 kwh/(m² a). Für Bogota / El Dorado und Gaviotas in Kolumbien resultieren entsprechende Werte von 1.775 kwh/(m² a) und 1.785 kwh/(m² a). Die langjährige Einstrahlung in Venezuela, wo die Betrachtung insgesamt 20 Standorte umfasst, liegt im Mittel zwischen 1.713 kwh/(m² a) und 2.084 kwh/(m² a). Für Ecuador ergeben sich Mittelwerte der Globalstrahlung auf die horizontale Referenzebene von 1.697 kwh/(m² a) und 1.877 kwh/(m² a) und für Peru zwischen 2.012 kwh/(m² a) und 2.295 kwh/(m² a). Die betrachteten Datenquellen weisen in Panama eine insgesamt verhältnismäßig homogene und geringe Streuung von im Mittel 15,5 % auf. Die Streuungswerte im südlich benachbarten Kolumbien sind im Vergleich dazu deutlich unterschiedlicher 28,7 % für Bogota / El Dorado und 16,1 % für Gaviotas, so dass auf Basis von zwei betrachteten Standorten ein deutlich höheres Landesmittel von 22,4 % resultiert. Für Venezuela ergeben sich insgesamt als typisch für die Region zu bezeichnende Streuungen der in Betracht gezogenen Datenquellen von 8,8 % bis 32,7 %. Im Mittel über alle Standorte resultiert hier ein Landeswert von 17,9 %. Im Gegensatz dazu weist Ecuador, mit standortspezifischen Werten zwischen 33,2 % und 44,8 % sowie einem Landesmittel von 37,4 %, die höchsten Streuungswerte basierend auf den betrachteten Datenquellen auf. Für Peru, das zwar den geringsten Wert für einen einzelnen Standort aufweist Piura mit 7,6 % ergibt sich insgesamt, als Mittelwert für das Land, ein Wert von 22,7 %.
Land Standort Globalstrahlung horizontale Referenzebene [kwh/(m² a)] Mittelwert der Datenquelle Streuung Standardabweichung Standort Landesmittel Standort Landesmittel Panama David 1.828 17,6% 7,4% 15,5% Tocuman 1.810 13,5% 4,9% 6,1% Kolumbien Bogota / El Dorado 1.775 28,7% 9,9% 22,4% Gaviotas 1.785 16,1% 6,0% 7,9% Barcelona 2.010 32,7% 12,4% Barquisimeto 1.953 8,8% 3,4% Caracas / La Carlota 1.901 22,4% 8,3% Caracas / Maiquetia 2.009 10,4% 3,6% Ciudad Bolivar 1.895 20,2% 6,8% Coro 2.084 14,2% 4,8% Guiria 1.979 11,3% 4,3% Maracaibo 1.813 30,6% 10,9% Maracay / Mariscal Sue 1.938 14,6% 4,9% Venezuela Maturin 1.840 23,2% 7,9% 17,9% Merida 1.828 26,4% 8,8% 6,4% Puerto Ayacucho 1.846 21,7% 7,3% San Antonio 1.713 17,3% 5,7% Santa Elena 1.944 15,5% 5,0% San Fernando 1.930 13,8% 4,7% Tumeremo 1.847 16,8% 6,1% Acarigua 1.829 11,6% 5,1% Guanare 1.818 16,6% 6,3% Guasdualito 1.814 11,6% 4,8% Piarco Airport 1.915 19,1% 7,6% El Puyo 1.706 44,8% 14,6% Izobamba / S. Catalina 1.877 36,0% 13,8% Ecuador La Clementina 1.704 35,1% 37,4% 12,9% 13,3% Pichilinque 1.697 37,8% 13,6% Portoviejo 1.754 33,2% 11,6% Arequipa 2.295 24,0% 8,9% Cajamarca 2.012 20,5% 8,4% Cosmos 2.215 25,4% 10,2% Cuzco 2.156 22,6% 10,2% Peru Huancayo 2.234 27,3% 22,7% 10,3% 9,0% Huayao 2.226 25,7% 10,0% Pampa de Majes 2.223 21,2% 8,7% Piura 2.044 7,6% 3,1% Puno 2.270 30,4% 11,2% Tabelle 3 Mittelwert der Globalstrahlung auf die horizontale Referenzebene sowie standort- und landesspezifische Streuung und Standardabweichung auf Basis der betrachteten Datenquellen
Für die jeweils zwei betrachteten Standorte in Panama und Kolumbien, die hier untersucht wurden, ergibt sich eine mittlere Standardabweichung von ±6,1 % (±4,9 % bis ±7,4 %) bzw. ±7,9 % (±6,0 % bis ±9,9 %). Der entsprechende Wert für Venezuela (insgesamt 20 Standorte) beträgt ±6,4 % und basiert auf einer standortspezifischen Variation von ±4,3 % bis ±12,4 %. Für Ecuador (5 Standorte) ist die mittlere Standardabweichung ±13,3 % (±11,6 % bis ±14,6 %). In Peru, das nach Venezuela mit neun Standorten über das zweitdichteste Netz an Bodenmessungen verfügt, ergibt sich ein Mittelwert von ±9,0 % bei standortspezifischen Werten zwischen ±3,1 % und ±11,2 %. Insgesamt wurde die geringste Standardabweichung auf Basis der Datensätze der unterschiedlichen Datenquellen für Piura, Peru (±3,1 %) und der größte Wert für El Puyo, Ecuador (±14,6 %) festgestellt. Anmerkung: Die Datenbank INPE (BRASIL-SR) deckt nicht alle hier betrachteten Staatsgebiete ab, so dass für Panama, das genaugenommen in Zentralamerika liegt, keine Informationen abrufbar sind und an den panamaischen Standorten daher lediglich vier Datenquellen (METEONORM 6.1, NASA SSE, 3TIER und NREL CSR) in den Betrachtungen berücksichtigt werden konnten. Diskussion Die oben dargestellten Befunde legen zunächst den Eindruck einer ausgeprägten Abweichung der betrachteten Datensätze nahe. Tatsächlich liegen die ermittelten Unterschiede in derselben Ausprägung vor, wie in anderen Regionen der Welt üblich, z.b. Europa (siehe [1]). Bei Messungen ist grundsätzlich die Messunsicherheit des verwendeten Messgeräts zu berücksichtigen. Von meteorologischen Diensten, wie bspw. dem Deutschen Wetterdienst, werden dabei für die Bestimmung der Globalstrahlung am Boden typischerweise Pyranometer verwendet. Diese weisen eine Messunsicherheit von ca. ±2 % bis ±5 % [8] auf, womit bestenfalls eine Gesamtunsicherheit, d.h. inkl. möglicher Fehlerquellen im Feld, von rund ±5 % erreicht werden kann [9]. Im Gegensatz zur in-situ - bzw. Bodenmessung, die jeweils nur Werte für einen Ort abbildet, ermöglichen Satelliten flächendeckende Informationen. Allerdings handelt es sich dabei um ex-situ -Verfahren, d.h. dass die Globalstrahlung auf die horizontale Referenzebene indirekt über die von der Erde reflektierte und vom Satelliten gesehene Strahlung sowie verschiedene physikalische, empirische oder aus beidem kombinierte Modelle hergeleitet wird. Für die im Rahmen dieses Beitrags in Betracht gezogenen und auf Satellitenüberwachungen aufbauenden Datenbanken wurden die in Tabelle 1 angegebenen Unsicherheiten dargestellt als jahreswertbezogene
Mean Bias Difference (MBD) im Zuge von entsprechenden Untersuchungen festgestellt. Anhand der MBD-Werte für diese Datenquellen ist demnach eine methodische Unsicherheit von bis zu ±6 % für diese Art der Einstrahlungsbestimmung zu erwarten. Insgesamt ist daher festzuhalten, dass Abweichungen zwischen Datensätzen von 10 % bis zu 12 % durchaus als plausibel betrachtet werden können. Aufgrund von langfristigen Änderungen der mittleren, jährlichen Einstrahlung bekannt u.a. unter den Begriffen global dimming und global brightening können darüber hinaus, selbst bei Zeitreihen konstanter Qualität, unterschiedliche Mittelungszeiträume zu deutlichen Differenzen zwischen den Mittelwerten führen. Bei der Bewertung von Datensätzen unterschiedlicher Datenquellen ist eine Berücksichtigung dieses Aspekts demnach sinnvoll. Im Folgenden soll für die oben genannten und herangezogenen Datensätze unterschiedlicher Datenquellen und unter Berücksichtigung der genannten Unsicherheiten sowie langfristigen Änderungen der mittleren, jährlichen Einstrahlung eine entsprechende Betrachtung für den Standort Caracas, Venezuela beispielhaft dargestellt werden. Hierfür ist es zunächst zielführend, Kenntnis über mögliche langfristige Variationen zu erlangen. Die mittlere, jährliche Globalstrahlung auf die horizontale Referenzebene hat im Zeitraum 1963 bis 1998 an den Standorten Caracas und Coro, Venezuela deutlich abgenommen [10]. Diese abnehmende Tendenz wird insbesondere für die 10-jährige Periode von 1991 bis 2000 durch Daten für 26 Standorte des meteorologischen Dienstes der venezuelischen Luftwaffe bestätigt [11]. Außerdem wird an dieser Stelle ausgeführt, dass in diesem Zeitraum sowohl die Werte zur Sonnenscheindauer als auch zur täglichen Temperaturspreizung ( Diurnal Temperature Range DTR) ähnliche Änderungen aufweisen beides Größen, die eng korreliert mit der Globalstrahlung aber messtechnisch unabhängig sind (siehe [12] und für DTR insbesondere [13]). Die dort ebenfalls angegebene Abnahme der Sichtweite ( visibility ), die für den Zeitraum von Ende der 1970er Jahre bis Mitte der 2000er Jahre auch von Wang et al. [14] für Südamerika beobachtet wurde, ist ein weiteres Indiz für die Vertrauenswürdigkeit der beobachteten, abnehmenden Tendenz der langjährigen, mittleren Einstrahlung. Für den vorliegenden Beitrag wurde auf Basis von Tages- und Monatswerten der Globalstrahlung auf die horizontale Referenzebene G hor, Monatswerten der Sonnenscheindauer SD sowie Tageswerten der minimalen und maximalen Umgebungs-
temperatur T amb die in Abbildung 1 dargestellte Variation der jährlichen Einstrahlung im Zeitraum 1951 bis 2012 für den Standort Caracas, Venezuela hergeleitet. Die verwendeten Daten stammen aus dem World Radiation Data Center WRDC (http://wrdc.mgo.rssi.ru G hor ), vom venezuelanischen Wetterdienst Instituto Nacional de Meterología e Hidrología INAMEH (http://www.inameh.gob.ve G hor und SD) sowie dem National Climatic Data Center NCDC der National Oceanic and Atmospheric Administation NOAA (http://gis.ncdc.noaa.gov T amb ) und wurden an verschiedenen Wetterstationen in Caracas sowie dem näheren Umland aufgezeichnet. Auf Grundlage dieser Daten wurde zunächst separat für jede Zeitreihe und jede Station die Verfügbarkeit der Werte der einzelnen Jahre erfasst und mittlere, jährliche Tageswerte bei Überschreitung eines definierten Verfügbarkeitswertes gebildet. Anschließend erfolgte eine Normierung der verbleibenden Jahresmittelwerte auf ein Referenzjahr, die Bildung eines verifizierten, regionalen Mittels und ein Kreuzvergleich der an diesem Punkt vorliegenden, meteorologischen Zeitreihen. Der finale Datensatz beruht schließlich auf den übereinstimmenden Relativwerten von zwei der drei betrachteten Größen (G hor, SD und DTR) oder dem einzig vorliegenden Wert. Die Zeitreihen mehrerer Standorte sowie die unterschiedlichen, meteorologischen Daten dienen demnach einerseits der Bildung eines qualifizierten Datensatzes sowie der Kompensation von Datenlücken und andererseits der Qualitätssicherung. Eine ausführliche Darstellung der Herleitungsmethodik ist in Kürze auf http://www.solar-engineering.de abrufbar. Abbildung 1 Langfristige Variation der Jahreseinstrahlung am Standort Caracas, Venezuela
Die hergeleitete, langfristige Variation der jährlichen Einstrahlung weist eine qualitative Übereinstimmung mit den verfügbaren, oben genannten Literaturstellen auf. Werden nun zum Einen die Datensätze der unterschiedlichen Datenquellen und zum Anderen die unterschiedlichen Mittelungszeiträume in Bezug zueinander gestellt, so ergibt sich der in Tabelle 4 dargestellte Kreuzvergleich hier für die beiden venezuelanischen Standorte Caracas / La Carlota (links) und Caracas / Maiquetia (rechts). Referenz: Datenquelle METEONORM 6.1 NASA SSE NREL CSR INPE (BRASIL-SR) 3TIER METEONORM 6.1 0,791 0,919 0,867 0,931 0,808 0,900 0,802 0,916 NASA SSE 1,264 1,088 1,096 1,013 1,022 0,979 1,015 0,996 NREL CSR 1,153 1,074 0,912 0,987 0,932 0,967 0,925 0,984 INPE 1,237 1,111 0,978 1,022 1,073 1,034 0,993 1,018 3TIER 1,246 1,092 0,986 1,004 1,081 1,016 1,007 0,982 Referenz: langjähriger Trend METEONORM 6.1 NASA SSE NREL CSR INPE (BRASIL-SR) 3TIER METEONORM 6.1 1,026 1,031 1,021 1,024 NASA SSE 0,975 1,005 0,995 0,998 NREL CSR 0,970 0,995 0,990 0,993 INPE 0,980 1,005 1,010 1,003 3TIER 0,977 1,002 1,007 0,997 KREUZ-VERGLEICH METEONORM 6.1 NASA SSE NREL CSR INPE (BRASIL-SR) 3TIER METEONORM 6.1-22,9% -10,4% -15,9% -9,7% -20,8% -11,9% -21,6% -10,5% NASA SSE 29,7% 11,6% 9,1% 0,8% 2,7% -1,6% 1,7% -0,2% NREL CSR 18,9% 10,8% -8,3% -0,8% -5,8% -2,4% -6,8% -0,9% INPE 26,3% 13,4% -2,6% 1,6% 6,2% 2,4% -1,0% 1,5% 3TIER 27,6% 11,8% -1,6% 0,2% 7,3% 0,9% 1,0% -1,5% Mean Bias Difference 25,6% 11,9% -8,9% -2,3% 1,7% -1,4% -5,7% -4,3% -6,9% -2,5% Standardabweichung 12,7% 5,9% Tabelle 4 Kreuzvergleich der Datensätze unterschiedlicher Datenbanken unter Berücksichtigung der Abweichungen entsprechend der langjährigen Einstrahlungsvariation (links: Caracas / La Carlota; rechts: Caracas / Maiquetia) Anmerkung: Der Mittelungszeitraum der Datensätze der Stationen Caracas / La Carlota und Caracas / Maiquetia in METEONORM 6.1 ist 1964 bis 1998, während die standort- bzw. regionsspezifischen Einstrahlungswerte der weiteren vier Datenquellen die Perioden 1983 bis 2005 (NASA SSE), 1985 bis 1991 (NREL CSR), 1995 bis 2005 (INPE (BRASIL-SR)) und 1997 bis 2010 (3TIER) einschließen (vgl. Tabelle 1).
Demnach beträgt der Erwartungswert der Einstrahlungsänderung der unterschiedlichen Datenquellen zueinander anhand der langfristigen Variation bis zu 3,1 %, während tatsächlich, ohne eine Anpassung für die verschiedenen Mittelungszeiträume, typischerweise Werte bis etwa 9 %, im Extremfall aber bis zu 26,4 % auftreten. Im Kreuzvergleich, unter Berücksichtigung der dargestellten langjährigen Änderungen, reduziert sich in der Regel die festgestellte Differenz. Im Normalfall ergibt sich damit eine um zwischen 0,5 % und 1,0 % verringerte Abweichung der Datensätze zueinander. Unabhängig vom dargestellten Kreuzvergleich ist beim bloßen Vergleich der Daten unterschiedlicher Quellen feststellbar, dass die Werte aus METEONORM 6.1 deutlich von den anderen Informationen abweichen. Grundsätzlich können die hier betrachteten Datenquellen, bedingt durch den verschiedenen Datenursprung und die variierenden methodischen Ansätze als weitestgehend unabhängig angesehen werden. Bei der Vorlage von Datensätzen aus mehreren, unterschiedlichen Datenbanken kann daher auf Basis eines Kreuzvergleichs sowie definierte Toleranzen eine Datenquelle als nicht-plausibel ausgeschlossen werden. Im betrachteten Beispiel gilt dies für die Informationen aus METEONORM 6.1 toleriert man eine maximale Abweichung von ±10 %. Anmerkung: Für andere Standorte sind, begründet durch die standortspezifische Situation, andere Rückschlüsse zu erwarten. Das hier dargestellte Ergebnis ist rein auf den betrachteten Standort bezogen und erlaubt keine generellen Aussagen zur Qualität der betrachteten Datenquellen. Tabelle 5 stellt die Ergebnisse des verifizierten Kreuzvergleichs dar, d.h. unter Ausschluss der Werte aus METEONORM 6.1. KREUZ-VERGLEICH INPE NASA SSE NREL CSR 3TIER (verifiziert) (BRASIL-SR) NASA SSE 9,1% 0,8% 2,7% -1,6% 1,7% -0,2% NREL CSR -8,3% -0,8% -5,8% -2,4% -6,8% -0,9% INPE -2,6% 1,6% 6,2% 2,4% -1,0% 1,5% 3TIER -1,6% 0,2% 7,3% 0,9% 1,0% -1,5% Mean Bias Difference -4,2% 0,3% 7,5% 1,4% -0,7% -1,8% -2,0% 0,1% Standardabweichung 4,4% 1,2% Tabelle 5 Verifizierter Kreuzvergleich (d.h. ohne METEONORM 6.1) der Datensätze unterschiedlicher Datenbanken unter Berücksichtigung der Abweichungen entsprechend der langjährigen Einstrahlungsvariation (links: Caracas / La Carlota; rechts: Caracas / Maiquetia)
Für Caracas / La Carlota resultiert damit, auf Basis der verifizierten Datenquellen, eine Standardabweichung von 4,4 % und für Caracas / Maiquetia ein Wert von 1,2 %. Das entspricht in etwa einer Reduzierung um den Faktor 3 (vgl. Tabelle 4). Schlussbemerkung Die hier betrachteten, verfügbaren Datenquellen zur solaren Einstrahlung im nordwestlichen Südamerika zeigen eine mit europäischen Verhältnissen vergleichbare Streuung und Standardabweichung der Datensätze unterschiedlicher Datenquellen. Im Hinblick auf die Bewertung der einzelnen Daten wurde unter Berücksichtigung langfristiger Änderungen dargestellt, dass sich damit die Unsicherheit werden die Abweichungen der einzelnen Datensätze zueinander als solche verstanden um bis zu 1 % reduziert. Des Weiteren wurde gezeigt, wie sich mittels Kreuzvergleich und unter Einbezug langjähriger Einstrahlungsvariationen nicht-plausible Daten ausschließen lassen. In den beiden Beispielfällen (Caracas / La Carlota und Caracas / Maiquetia) wurde damit die standortspezifische Standardabweichung um etwa den Faktor 3 reduziert. [1] Šúri, M.; Remund, J.; Cebecauer, T.; Dumortier, D.; Wald, L.; Huld, T.; Blanc, P.: First Steps in the Cross-Comparison of Solar Resource Spatial Products in Europe; Proceeding of the EUROSUN 2008, 1 st International Conference on Solar Heating, Cooling and Buildings; Lisbon, Portugal; October 7 th to October 10 th, 2008 [2] Remund, J.; Kunz, S.; Schilter, C.: METEONORM Version 6.0 Handbook part II: Theory; METEOTEST, Fabrikstraße 14, CH-3012 Bern, Schweiz; Version 6 (Software Version 6.1 vom 15. Dezember 2008) [3] NASA: Surface meteorology and Solar Energy (SSE) Release 6.0 Methodology; March 1 st, 2012; version 3.1; http://eosweb.larc.nansa.gov/sse/ [4] 3TIER Inc.: 3TIER Global Solar Dataset: Methodology and Validation; October 3 rd, 2010; version 1.1 / 10.11.2010; www.3tier.com [5] Pereira, E. B.; Martins, F. R.; de Abreu, S. L.; Rüther, R.: ATLAS BRASILERO DE ENERGIA SOLAR (BRAZILIAN ATLAS OF SOLAR ENERGY); São José de Campos; INPE; 2006 [6] Renné, R.; George, R.; Marion, B.; Perez, R.; Schillings, C.; Trieb, F.; Meyer, R.; Pereira, E. B.; Martins, F. R.; de Abreu, S. L.; Colle, S.; Vipradas, M.; Stackhouse, P.; Gueymard, C. A.; Hamlin, T.: Results of Solar Resource Assessments in the UNEP/SWERA Project; Proceedings of the Solar World Congress 2005; Orlando / Florida, USA; August 8 th to August 12 th, 2005 [7] Troll, C.; Paffen, K.: Jahreszeitenklimate der Erde (Reduced scale reproduction of wall chart 1:16.000.000); Berlin 1969; 1980 [8] Lorenz, E.: MESoR Seminar Part 2: Overview on Solar Resources Products; Munich, Germany; May 27 th, 2009 [9] Badescu, V. (Hrsg.): Modeling Solar Radiation at the Earth Surface / Gueymard, C. A.; Myers, D. R.: Solar Radiation Measurement: Progress in Radiometry for Improved Modeling; 2008 Springer-Verlag Berlin Heidelberg; ISBN: 978-3-540-77454-9 [10] Ohmura, A.: OBSERVED LONG-TERM VARIATONS OF SOLAR IRRADIANCE AT THE EARTH S SURFACE; Space Science Reviews (2006) 125: 111-128; DOI: 10.1007/s11214-006-9050-9
[11] Quintana-Gomez, R. A.: INCREASED AIR POLLUTION IN VENEZUELA DURING THE LAST DECADE (1991-2000) OF THE TWENTIETH CENTURY; 13 th World Clean Air and Environmental Protection Congress 2004; London, United Kingdom; August 22 nd to August 27 th, 2004 [12] Wild, M.: Global dimming and brightening: A review; JOURNAL OF GEOPHYSICAL RESEARCH, VOL. 114, DOI: 10.1029/2008JD011470, 2009 [13] Makowski, K.: The daily temperature amplitude and surface solar radiation; Diss. ETH No. 18319; ETH Zurich; Zurich 2009 [14] Wang, K.; Dickinson, R. E.; Liang, S.: Clear Sky Visibility Has Decreased over Land Globally from 1973 to 2007; Science 323, 1468 (2009); DOI: 10.1126/science.1167549 Notizen