MétaCan
Menu
Retour à la cohorte
Enregistrement W2803683606

Are re-analyses from ERA or MERRA suitable to assess surface solar irradiance in solar energy applications?

2013· preprint· en· W2803683606 sur OpenAlexaff
Alexandre Boilley, Lucien Wald

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2013
Typepreprint
Langueen
DomaineComputer Science
ThématiqueSolar Radiation and Photovoltaics
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésOvercastCloud coverEnvironmental scienceIrradianceSolar irradianceInterimMeteorologySolar energySatelliteSkyAtmospheric sciencesRemote sensingCloud computingComputer scienceGeographyEngineeringAerospace engineeringGeologyPhysicsOptics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Meteorological re-analyses such as the ERA-Interim and the MERRA ones provide surface solar irradiance (SSI) for long periods of time. This capability is appealing in solar energy as it may help in determining the potential of a given site in any part of the world. The present study presents a comparison made between ground measurements of daily means of the SSI with the same quantity extracted from the ERA-Interim and the MERRA respectively for the period 1985 to 2009. 40 stations with no marked orographic features were retained located in Europe and Africa. It was found that the SSI from re-analyses exhibit a strong bias, most often an over-estimation of the measured SSI. The correlation coefficient is low compared to what is usually observed when comparing satellite-derived assessments and ground measurements. Further analyses demonstrate that the cloud cover of the ERA-Interim and the MERRA re-analyses is not reliable in case of cloudy skies. The ERA-Interim and MERRA re-analyses often underestimate the cloud cover and therefore predict clear skies while the sky is actually overcast. It is concluded that the SSI derived from the ERA-Interim and MERRA re-analyses should not be recommended for use in solar energy applications.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,030
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0030,004
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,003

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,065
Tête enseignante GPT0,293
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)Même sujetSolar Radiation and PhotovoltaicsTravaux en français237 207