Red de Revistas Científicas de América Latina, el Caribe, España y Portugal

Sistema de Información Científica

Ocampo, Dora; Rivas, Raúl

ESTIMACIÓN DE LA RADIACIÓN NETA DIARIA A PARTIR DE MODELOS DE REGRESIÓN LINEAL
MÚLTIPLE
Revista Chapingo. Serie Ciencias Forestales y del Ambiente, vol. 19, núm. 2, mayo-agosto, 2013, pp. 263-271
Universidad Autónoma Chapingo
Chapingo, México

Disponible en: http://www.redalyc.org/articulo.oa?id=62927563007

Revista Chapingo. Serie Ciencias Forestales y

del Ambiente,
ISSN (Versión impresa): 2007-3828
rforest@correo.chapingo.mx
Universidad Autónoma Chapingo
México

¿Cómo citar? Número completo Más información del artículo Página de la revista

www.redalyc.org
Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
 ESTIMACIÓN DE LA RADIACIÓN NETA DIARIA A PARTIR
DE MODELOS DE REGRESIÓN LINEAL MÚLTIPLE

ESTIMATING DAILY NET RADIATION FROM MULTIPLE LINEAR

REGRESSION MODELS

Dora Ocampo*; Raúl Rivas

Comisión de Investigaciones Científicas de la Provincia de Buenos Aires. Instituto de Hidrología de
Llanuras, UNCPBA. Pinto 399, Tandil, República Argentina. C. P. 7000.
Correo-e: dora.ocampo@rec.unicen.edu.ar (*Autor para correspondencia).

RESUMEN

E
l conocimiento a escala diaria de la radiación neta (Rn) permite cuantificar la energía que es
utilizada en los diferentes procesos que ocurren a nivel de la superficie, como la evapotranspi-
ración. En este estudio se aplica un Modelo de Regresión Lineal Múltiple (MRLM) para la es-
timación de la Rn en una zona subhúmeda-húmeda de Argentina. En el modelo se utilizaron
datos meteorológicos de radiación solar global o total, temperatura, humedad relativa del aire, radiación
neta (medida con un radiómetro neto Kipp & Zonen) y el valor del inverso de la distancia relativa tierra-
sol o factor de excentricidad. Como resultado, se obtuvieron ocho ecuaciones de estimación de la Rn.
PALABRAS CLAVE: Los MRLM se evaluaron a partir de los estadísticos desviación media del error (MBE) y raíz cuadrada
Variables meteorológicas, del cuadrado medio del error (RMSE). Los resultados mostraron un buen ajuste y un bajo error a escala
evapotranspiración, radiómetro diaria, destacándose los modelos que involucraron la radiación solar, temperatura, humedad relativa del
neto, zona subhúmeda-húmeda. aire e inverso de la distancia tierra-sol, permitiendo cálculos de la Rn con errores inferiores a 19 W·m-2..

ABSTRACT

K
nowledge of daily net radiation (Rn) is basic to quantifying energy used in various proces-
ses occurring at the surface level such, as evapotranspiration. This study applies a Multiple
Linear Regression Model (MRLM) for the estimation of Rn in a subhumid-humid zone of
Argentina. In the model we used weather data of solar radiation, temperature and relative
humidity, Rn (measured with a Kipp & Zonen net radiometer) and inverse relative distance earth-sun.
As a result, eight estimation equations of Rn were obtained. The MRLM models were evaluated using
the statistics Mean Bias Error (MBE) and Root Mean Square Error (RMSE). The results showed good
KEYWORDS: Meteorological adjustment and low error at daily scale, highlighting those equations involving solar radiation, tem-
variables, evapotranspiration, net perature, relative humidity and inverse distance earth- sun, allowing calculation of Rn with errors less
radiation, subhumid-humid zone. than 19 W∙m-2.

Recibido: 26 de abril de 2012

Aceptado: 17 de junio de 2013
doi: 10.5154/r.rchscfa.2012.04.031
http://www.chapingo.mx/revistas
 Estimación de la radiación... Ocampo & Rivas

INTRODUCCIÓN INTRODUCTION

El conocimiento a escala diaria de la radiación neta (Rn) Knowledge of the daily scale of net radiation (Rn) allows
permite cuantificar la energía que es utilizada en los dife- quantification of energy used in different processes that oc-
rentes procesos que ocurren a nivel de superficie, como la cur at the surface, such as evapotranspiration (ET). In ge-
evapotranspiración (ET). En general, la Rn es la variable neral Rn is the main input variable in ET models. In humid
principal de entrada en los modelos de ET. En regiones de climate regions, such as large part of the Argentine Pampa,
clima húmedo, como lo es gran parte de la Pampa Argenti- the largest proportion of Rn is used in the ET process (50 %
na, la mayor proporción de la Rn se emplea en el proceso de and 60 % in humid and subhumid climates, respectively, ac-
ET (entre el 50 y 60 % en climas húmedos y subhúmedos, cording to Jensen, Burman, & Allen [1990]). Allen, Pereira,
respectivamente, según lo expresado por Jensen, Burman, & Raes and Smith (1998) define Rn as the difference between
Allen [1990]). Allen, Pereira, Raes y Smith (1998) definen la incoming and outgoing short and long-wave radiation. The
Rn como la diferencia entre la radiación entrante y saliente following equation represents the general expression of the
de longitudes de onda corta y larga. La siguiente ecuación radiation balance:
representa la expresión general del balance de radiación:

264 Where:
Donde:
= Incoming shortwave radiation
= Radiación de onda corta entrante = Outgoing shortwave radiation
= Radiación de onda corta saliente = Incoming longwave radiation
= Radiación de onda larga entrante = Outgoing longwave radiation
= Radiación de onda larga saliente
Generally, measurements of these four components are
Generalmente, la medida de estos cuatro componentes no not always available. Although measurements are more
siempre está disponible, siendo más rutinarias las medi- routine, Alados, Foyo-Moreno, Olmo and Alados-Arbole-
das de . En este sentido, Alados, Foyo-Moreno, Olmo y das (2003) state that measurements of longwave radiation
Alados-Arboledas (2003) expresan que las medidas de ra- are difficult to obtain. For this reason, models for estima-
diación de onda larga son difíciles de obtener, y por ello los ting Rn are focused on the relationship between Rn and
modelos para estimar la Rn se centran en la relación entre . Moreover, instruments that measure Rn are costly
Rn y . Por otra parte, el instrumental que permite la me- and therefore, there are very few measurement points on
dición de la Rn resulta costoso, y por lo tanto se dispone the Argentine Pampa (El Instituto Nacional de Tecnología
de escasos puntos de medida a escala de la Pampa Argen- Agropecuaria and universities have plans for installation
tina (el Instituto Nacional de Tecnología Agropecuaria y over the next few years). As an alternative, the scientific
universidades han programado planes de instalación en los community has applied models of estimation that involve

CUADRO 1. Modelos de estimación de la radiación neta (Rn).

TABLE 1. Net radiation (Rn) estimation models.

Referencia / Reference Modelos de estimación / Estimation models

Brutsaert (2010) (1)

Allen et al. (1998)

(2)
EWRI-ASCE (2005)

Donde : Radiación de onda corta, αs: Albedo de la superficie (adimensional), : Radiación de onda larga entrante (o radiación atmosférica), εs: Emisividad
de la superficie, : Radiación de onda larga saliente, σ: Constante de Stefan Boltzmann (4.903 x 10-9 MJ·K-4·m-2·d-1), Tmax: Temperatura máxima (°K), Tmin:
Temperatura mínima (°K), ea: Presión real de vapor de agua (KPa), a1, b1, ac y bc: Coeficientes ajustados a condiciones locales, ·Rso-1: Radiación relativa de
onda corta, donde Rso es la radiación solar de un día despejado estimada a partir de Rso= (0.75 + 2.10-5·z)·Ra (z: elevación sobre el nivel de mar [m], Ra: Radiación
extraterrestre). Para más detalles de los procedimientos pueden consultarse los trabajos de Allen et al. (1998), EWRI-ASCE (2005) y Ocampo y Rivas (2011).

Where : shortwave radiation, αs: surface albedo (adimensional), : entering longwave radiation, (or atmospheric radiation), εs: emissivity from the
surface, : exiting longwave radiation, σ: Stefan Boltzmann constant (4.903 x 10-9 MJ∙K-4∙m-2∙d-1), Tmax: maximum temperature (°K), Tmin: minimum
temperature (°K), ea: real water vapor pressure (KPa), a1, b1, ac and bc: coefficients ajusted to local conditions, ∙Rso-1: relative shortwave radiation, where
Rso is solar radiation on a clear day estimated from Rso= (0.75 + 2.10-5∙z)∙Ra (z: elevation above sea level [m], Ra: extraterrestrial radiation). For more details
on the procedures, consult the work of Allen et al. (1998), EWRI-ASCE (2005) and Ocampo and Rivas (2011).
 Revista Chapingo Serie Ciencias Forestales y del Ambiente

próximos años). Como alternativa, la comunidad científica meteorological information. Of the different estimation
ha aplicado modelos de estimación que involucran infor- models existing, two are of generalized application and are
mación meteorológica. De los diferentes modelos de esti- shown in Table 1.
mación existentes, dos son de aplicación generalizada, los
cuales se muestran en el Cuadro 1. The Brutsaert (2010) equation considers three of the four
components of radiation balance. The fourth is included in-
La ecuación de Brutsaert (2010) considera tres de los cua- directly using albedo values. Application is limited by the
tros componentes del balance de radiación, e indirecta- availability of longwave radiation measurements. Moreover,
mente el cuarto a partir de los valores de albedo. Las limi- Rn FAO 56 PM (equation 2) is a method for estimating Rn
taciones de aplicación se centran en la disponibilidad de that has been widely used and recommended to determine
medidas de radiación de onda larga. Por otro lado, Rn FAO evapotranspiration of the reference crop (ET0) (Irmak, Ir-
56 PM (ecuación 2) conforma un método de estimación de mak, Jones, Howell & Jacobs, 2003). Procedures for appli-
la Rn, que ha sido utilizado ampliamente y recomendado cation of the method are described in manual 56 of the
para la obtención de la evapotranspiración del cultivo de United Nations Food and Agriculture Organization (Allen
referencia (ET0) (Irmak, Irmak, Jones, Howell & Jacobs, et al., 1998; Environmental and Water Resources Institute
2003). Los procedimientos para la aplicación del método of the American Society of Civil Engineers [EWRI-ASCE],
se describen en el manual 56 de la Organización de las Na- 2005). For its application, the method requires not only a set
ciones Unidas para la Agricultura y la Alimentación (Allen of meteorological data but also the use of ad hoc equations, 265
et al., 1998; Environmental and Water Resources Institute to estimate parameters such as real water vapor pressure (ea)
of the American Society of Civil Engineers [EWRI-ASCE], and solar radiation on an uncloudy day (Rso).
2005). El método requiere para su aplicación no sólo de
un conjunto de datos meteorológicos sino también del em- In the face of the difficulties in obtaining Rn measurements
pleo de ecuaciones ad hoc, para estimar parámetros como and of the limitations in applying estimation methods (Ta-
la presión real del vapor de agua (ea) y la radiación solar de ble 1), it is possible to derive estimation equation from mi-
un día despejado (Rso). nimum, easily accessed meteorological information. In this
sense, MRLM can be applied using meteorological data
Ante las dificultades para disponer de medidas de la Rn (Kjaersgaard et al., 2009). Irmak et al. (2003) developed
y las limitaciones encontradas al aplicar métodos de esti- two Rn estimation equations for humid and arid regions of
mación (Cuadro 1), es posible derivar ecuaciones de esti- southeastern United States. The first considers maximum
mación a partir de información meteorológica mínima de and minimum temperature, measured solar radiation and
fácil acceso. En este sentido, los MRLM pueden aplicarse the inverse of the relative distance earth-sun, or factor of ex-
a partir de datos meteorológicos (Kjaersgaard et al., 2009). centricity, as input variables. The second, in contrast, parts
Irmak et al. (2003) desarrollaron dos ecuaciones de esti- from data on relative humidity, maximum and minimum
mación de la Rn para regiones húmedas y áridas del sudes- air temperature, and solar radiation estimated from extra-
te de Estados Unidos. La primera considera la temperatura terrestrial radiation (Ra). The authors used MRLM to obtain
máxima y mínima, la radiación solar medida y el inverso the equations.
de la distancia relativa tierra-sol o factor de excentricidad
como variables de entrada. La segunda, en cambio, par- Considering the above, the objectives of this study were a) to
te de datos de humedad relativa, temperatura máxima y derive Rn estimation equations for a region with subhumid-
mínima del aire, y radiación solar estimada a partir de humid climate in the Argentine Pampa using typical regis-
la radiación extraterrestre (Ra). Los autores utilizaron un ters from meteorological stations, b) compare estimated Rn
MRLM para la obtención de las ecuaciones. values with those observed from a Kipp & Zonen net radio-
meter; c) classify the equations from statistical indexes; and
Considerando lo expresado en los párrafos anteriores, los finally, d) incorporate the Rn estimated with the Rn FAO
objetivos de estudio fueron a) derivar ecuaciones de estima- 56 PM method to compare the equations. This allows esti-
ción de la Rn para una zona de clima subhúmedo-húmedo mation of Rn with a small error and it can be applied to a
de la Pampa Argentina, a partir de registros típicos de esta- large number of localities where only is measured. The
ciones meteorológicas, b) comparar los valores de la Rn es- method is included in FAO Manual 56 (Allen et al., 1998)
timada con los observados desde un radiómetro neto Kipp as one of the procedures required to estimate ET, valid for
& Zonen, c) clasificar las ecuaciones a partir de índices esta- humid and arid climate regions.
dísticos y, por último, d) incorporar la Rn estimada, a partir
del método Rn FAO 56 PM, como método de comparación MATERIALS AND METHODS
de las ecuaciones. Éste permite estimar la Rn con bajo error
y puede aplicarse a un gran número de localidades donde Study area and experimental data
sólo se mide la . El método está incluido en el manual 56
de la FAO (Allen et al., 1998) como uno de los procedimien- In this study local measurements registered by an energy
tos requeridos para la estimación de la ET, siendo válido balance station (BE) located in the subhumid-humid region
para regiones de clima húmedo y árido. of the Argentine Pampa (Tandil, Buenos Aires, Argentina:
 Estimación de la radiación... Ocampo & Rivas

MATERIALES Y MÉTODOS 37° 14’ S and 59° 15’ W, 175 m), with average annual pre-
cipitation of 912 mm (Servicio Meteorológico Nacional de
Área de estudio y datos experimentales Argentina, period 2000-2010). The BE station was installed
over different crop covers (oats, grass, soybeans) during
En el presente estudio se procesaron y analizaron medidas the period 2006-2010. Average albedo of these surfaces va-
locales registradas por una estación de balance de energía ried between 0.18 and 0.24 (for more details on equipment,
(BE) ubicada en una zona subhúmeda-húmeda de la Pampa consult Carmona, Rivas, Ocampo, Schirmbeck, & Holz-
Argentina (Tandil, Buenos Aires, Argentina: 37° 14’ S y 59° man, 2011). The station comprises a CR10X data recorder
15’ O, 175 m), con precipitación promedio anual de 912 mm (Campbell Scientific, Inc., Logan, Utah, USA) with reading
(Servicio Meteorológico Nacional de Argentina, periodo intervals of 15 min, a CNR1 net radiometer (Kipp & Zo-
2000-2010). La estación de BE fue instalada sobre diferentes nen, Inc., Logan, Utah, USA), a CS215 sensor (Campbell
cubiertas de cultivo (avena, pastura, soya) durante el perio- Scientific, Inc., Logan, Utah, USA) to record air tempera-
do 2006-2010. El albedo promedio de estas superficies varió ture and relative humidity with a precision of ± 4 %, as well
entre 0.18 y 0.24 (más detalles sobre los equipos consultar as other sensors that were not used in this study. The CNR1
Carmona, Rivas, Ocampo, Schirmbeck, & Holzman, 2011). net radiometer is composed of two CM3 pyranometers,
La estación está formada por un registrador de datos CR10X one that records radiation incoming the surface ( ) and
(Campbell Scientific, Inc., Logan, Utah, USA) con interva- another that measures radiation reflected from the surface
266 los de lectura cada 15 min, un radiómetro neto CNR1 (Kipp ( ), with a spectral range of 0.305-2.8 μm; there are two
& Zonen, Inc., Logan, Utah, USA), un sensor CS215 (Cam- CG3up pyrgeometers, one that records radiation emitted by
pbell Scientific, Inc., Logan, Utah, USA) para registrar la the atmosphere ( ) and another that measures radiation
temperatura y humedad relativa del aire con una precisión emitted by the surface ( ), with a spectral range of 5-50
de ± 4 %, y otros sensores que no se utilizaron en este es- μm, thus ,it was possible to measure daily Rn with a precision
tudio. El radiómetro neto CNR1 está constituido por dos of ± 10 %. Fritschen and Fritschen (2005) mention that 95 %
piranómetros CM3, uno que registra la radiación entrante of the signal received by a radiometer is representatitve for a
a la superficie ( ) y el otro que mide la radiación reflejada circular area with a diameter nine times the height at which
por la superficie ( ), de rango espectral 0.305-2.8 μm; y the instrument is installed (generally 1.5 m). For application
dos pirgeómetros CG3up, uno que registra la radiación emi- of MRLM, daily data comprehended dates between February
tida por la atmósfera ( ) y el otro que mide la radiación 5, 2008, and April 30, 2009 (n = 364) and, to validate the Rn
emitida por la superficie ( ), de rango espectral 5-50 μm, estimation equations, from May 1, 2009, to April 5, 2010 (n
pudiéndose medir la Rn diaria con una precisión de ± 10 %. = 199).
Fritschen y Fritschen (2005) mencionan que el 95 % de la
señal recibida por un radiómetro es representativa para un Multiple Linear Regression Model (MRLM)
área circular con diámetro de nueve veces la altura a la cual
el instrumento se encuentra instalado (generalmente 1.5 m). Selection of the variables to be incorporated into the MRLM
Para la aplicación del MRLM, se utilizaron datos diarios del was based on two criteria. First, the variables implicated in
periodo comprendido entre el 5 de febrero de 2008 y el 30 de the equations of Table 1 were considered independent, and
abril de 2009 (n = 364), y para la validación de las ecuacio- second, we took into account the availability of the infor-
nes de estimación de la Rn, desde el 1 de mayo de 2009 hasta mation generally collected in the meteorological stations
el 5 de abril de 2010 (n = 199). (whether conventional, agrometeorological or automatic)
installed in the Argentine Pampa. These stations do not
Modelo de Regresión Lineal Múltiple (MRLM) have net radiation sensors, and in exceptional cases, is
recorded. In summary, considering these criteria, the selec-
La selección de las variables a incorporar en el MRLM se ted variables were mean, maximum and minimum tempe-
hizo con base en dos criterios. Por un lado, las variables ratures (Ta, Tmax, Tmin), air relative humidity (RH) and solar
implicadas en las ecuaciones del Cuadro 1 se consideraron radiation. Also, the inverse of the relative distance earth-
independientes, y por otro, se tomó en cuenta la disponibi- sun (dr) parameter, or factor of excentricity, was taken into
lidad de la información que generalmente presentan las es- account; this was calculated from the following equation,
taciones meteorológicas (sean convencionales, agrometeo- where DJ is the number of Julian day (Irmak et al., 2003):
rológicas o automáticas) instaladas en la Pampa Argentina.
Éstas no presentan sensores de radiación neta, y en casos
excepcionales la es registrada. En resumen, consideran-
do estos criterios, las variables seleccionadas fueron tempe- An MRLM was applied that would establish a relationship
raturas media, máxima y mínima (Ta, Tmax, Tmin), humedad between a set of independent variables X1, X2,…, Xn and a
relativa del aire (HR) y radiación solar. También se tomó en dependent variable Y. The MRLM is represented by the fo-
cuenta el parámetro del inverso de la distancia relativa tie- llowing general expression (Salinas & Silva, 2007):
rra-sol (dr) o factor de excentricidad, calculado a partir de
la siguiente ecuación, donde DJ es el número de día juliano
(Irmak et al., 2003):
 Revista Chapingo Serie Ciencias Forestales y del Ambiente

Where:

Se aplicó un MRLM que permite establecer relación entre Y = Estimated Rn (dependent variable)
un conjunto de variables independientes X1, X2,… Xn y una X1 = Independent variables ( , Ta, Tmax, Tmin, HR and dr)
variable dependiente Y. El MRLM está representado por la β1 = Coefficients obtained following the minimum squares
siguiente expresión general (Salinas & Silva, 2007): criterion
e = Typical error generated in the prediction of Y

The type of model applied was predictive; it was expected

Donde: that, from the MRLM, the value of Y would be estimated
once the Xi. values were known. We parted from a model
Y = Rn estimada (variable dependiente) that incorporates the highest possible number of input va-
X1 = Variables independientes ( , Ta, Tmax, Tmin, HR y dr) riables until reaching a minimum number, covering the di-
β1 = Coeficientes obtenidos siguiendo el criterio de míni- fferent possibilities of data availability from each site. When
mos cuadrados MRLM is applied, a statistical summary is obtained for each
e = Error típico generado en la predicción de Y Rn estimation equation. This summary considers the coeffi-
cient of multiple determination (R2) and the typical error, 267
El tipo de modelo aplicado fue predictivo ya que se espera- which is necessary to quantify the error in the prognostic of
ba, a partir del MRLM, estimar el valor de Y una vez conoci- the Y value for each X value.
dos los valores de Xi. Se partió de un modelo que incorpora
la mayor cantidad de variables de entrada hasta llegar a una Data analysis
mínima cantidad, cubriendo las diferentes posibilidades de
disponibilidad de datos de cada lugar. Aplicado el MRLM, How well the equation functioned was assessed by compa-
se obtiene un resumen estadístico para cada ecuación de es- ring the Rn flows observed from the net radiometer CNR1
timación de la Rn. Dicho resumen considera el coeficiente with those of estimated Rn. The comparison was analyzed in
de determinación múltiple (R2) y el error típico, siendo este function of dispersion graphs of both Rn. Besides the values
último necesario para cuantificar el error en el pronóstico of the b slope and R2, the Mean Bias Error (MBE), the mean
del valor de Y para cada valor de X. deviation of the error and the Root Mean Squared Error
(RMSE) were used, allowing comparison of the flows (Will-
Análisis de los datos mott, 1982). From the statistical analysis, a classification of
the equations was carried out to identify in detail which of
El funcionamiento de las ecuaciones se evaluó mediante la them achieved the best fit and the smallest error in Rn estima-
comparación de los flujos de la Rn observada desde el ra- tion. Finally, the comparison of the Rn values estimated by the
diómetro neto CNR1, con los de la Rn estimada. La com- equations with those obtained by the Rn FAO 56 PM (equa-
paración se analizó en función de gráficos de dispersión de tion 2) method is added to the analysis. This method allowed
ambas Rn. Además del valor de la pendiente b y de R2, se estimation of Rn with minimal errors and it can be applied to
utilizaron la desviación media del error (Mean Bias Error, a large number of localities where only solar radiation is mea-
MBE) y la raíz del cuadrado medio del error (Root Mean sured (Jensen et al., 1990). The coefficients used in equation
Squared Error, RMSE) que permitieron la comparación de 2 were a1 = 0.34 and b1 = -0.14, representative for mean at-
los flujos (Willmott, 1982). Del análisis estadístico, se de- mospheric conditions, and ac = 1 and bc = 0, corresponding to
terminó una clasificación de las ecuaciones para conocer coefficients fit for humid zones (Jensen et al., 1990). The fit of
en detalle cuáles logran el mejor ajuste y el menor error en these coefficients for the zone under study provided the same
la estimación de la Rn. Finalmente, se añade al análisis la values as those fit by Jensen et al. (1990) and Kjaersgaard et al.
comparación de los valores de la Rn estimada a partir de las (2009) for the set of data used in this study.
ecuaciones, con la obtenida a partir del método Rn FAO 56
PM (ecuación 2). Este método permite estimar la Rn con RESULTS AND DISCUSSION
mínimos errores y puede aplicarse a un gran número de lo-
calidades donde sólo se mide la radiación solar (Jensen et Net radiation estimation equations
al., 1990). Los coeficientes utilizados en la ecuación 2 fue-
ron a1 = 0.34 y b1 = -0.14, representativos para condiciones Analysis of MRLM between the dependent variable and
atmosféricas medias, y ac = 1 y bc = 0, correspondientes a the independent variables derived eight Rn estimation
coeficientes de ajuste para zonas húmedas (Jensen et al., equations (Rn1-Rn8). In each equation the interception
1990). El ajuste de estos coeficientes, para la zona en aná- values and the coefficients determined according to the
lisis, proporcionó los mismos valores que los ajustados por minimum squares criterion are described. Equations Rn1
Jensen et al. (1990) y Kjaersgaard et al. (2009) para el con- to Rn4 considered Tmax, Tmin and la as common input
junto de datos utilizados en el trabajo. variables, while equations Rn5 to Rn8 considered Ta and
 Estimación de la radiación... Ocampo & Rivas

RESULTADOS Y DISCUSIÓN (Table 2). The equations showed an R2 between 0.85

and 0.93 and a typical error between 14 and 20 W∙m-2.
Ecuaciones de estimación de la radiación neta Particularly, equations Rn1, Rn2, Rn5 and Rn6 had an R2
between 0.92-0.93 and a small error en the estimation bet-
El análisis del MRLM entre la variable dependiente y las va- ween 14 and 15 W∙m-2 (Table 2). In each MRLM, the βi is
riables independientes derivó en ocho ecuaciones (Rn1-Rn8) istatistically significant (P < 0.05).
de estimación de la Rn. En cada ecuación se describen los
valores de la intercepción y los coeficientes determinados Comparison of observed and estimated net radiation
según el criterio de mínimos cuadrados. Las ecuaciones Rn1
a Rn4 consideraron la Tmax, Tmin y la como variables de Table 3 shows the input data of the multiple linear regres-
entrada comunes. En cambio, las ecuaciones Rn5 a Rn8 con- sion equations, the parameters of the fit function and the
sideraron la Ta y (Cuadro 2). Las ecuaciones mostraron calculated statistics.
un R2 entre 0. 85 y 0. 93 y un error típico entre 14 y 20 W·m-2.
Particularmente, las ecuaciones Rn1, Rn2, Rn5 y Rn6 presen- Also in Table 3, the classification of the equations in function
taron un R2 entre 0.92-0.93 y un bajo error en la estimación of RMSE and R2 can be observed. The Rn1 model, which had
entre 14-15 W·m-2 (Cuadro 2). En cada MRLM, los βi fueron the best fit, corresponds to that which requires the maxi-
estadísticamente significativos (P < 0.05). mum quantity of variables (RMSE: 18 W∙m-2). However, it
268 should be pointed out that models Rn5 and Rn6, which re-
Comparación entre la radiación neta observada y estimada quire fewer input variables, have results similar to those of
Rn1 (RMSE: 18 and 19 W∙m-2). The equations that had the
El Cuadro 3 muestra los datos de entrada de las ecuaciones poorest performance are those that did not consider RH. It
de regresión lineal múltiple, los parámetros de la función de is observed that most of the models do not exhibit a defined
ajuste y los estadísticos calculados. trend (MBE < 13 W∙m-2). One detail to consider is that, if

CUADRO 2. Coeficientes βi para cada variable y resumen estadístico de cada modelo de regresión.
TABLE 2. βi coefficients for each variable and statistical summary for each regression model.

Ecuación / Equation Rn1 Rn2 Rn3 Rn4 Rn5 Rn6 Rn7 Rn8
β0 -458.25 -126.96 -577.78 -28.01 -512.38 -148.28 -851.16 -46.16
βTmax -0.71 0.66 -2.33 -2.45 .. .. .. ..
βTmin 1.29 1.87 3.03 4.25 .. .. .. ..
βTa .. .. .. .. 0.41 1.12 -0.04 1.57
βHR 0.97 1.04 .. .. 1.08 1.21 .. ..
βdr 353.45 .. 574.00 .. 394.15 .. 846.30 ..
β 0.60 0.65 0.52 0.59 0.58 0.64 0.43 0.51
R2 0.93 0.92 0.90 0.89 0.93 0.92 0.88 0.85
Error típico / Standard error 14 14 17 18 14 15 18 20

.. Variable no considerada en la ecuación de radiación.

.. Variable not considered in the radiation equation.

CUADRO 3. Pendiente, coeficiente de determinación y estadísticos de los valores de la radiación neta (Rn) observada y estimada.
TABLE 3. Slope, coefficient of determination and statistics of the net radiation (Rn) values observed and estimated.

Ecuación / Equation Datos de entrada / Input data b R2 MBE RMSE Clasificación /

(W·m-2) (W·m-2) Classification

Rn1 Tmax, Tmin, HR, dr, 0.88 0.95 2 18 1

Rn2 Tmax, Tmin, HR, 0.87 0.94 6 20 4
Rn3 Tmax, Tmin, dr, 0.84 0.92 7 24 5
Rn4 Tmax, Tmin, Rs 0.83 0.91 10 26 7
Rn5 Ta, Hr, dr, 0.87 0.95 2 18 2
Rn6 Ta, HR, 0.88 0.95 3 19 3
Rn7 Ta, dr, 0.81 0.92 8 25 6
Rn8 Ta, 0.79 0.91 13 28 8
Rn FAO 56 PM Tmax, Tmin, Rs, ea, αs 0.86 0.92 38 45 9
 Revista Chapingo Serie Ciencias Forestales y del Ambiente

Además, en el Cuadro 3 se observa la clasificación de las the Rn values are converted to equivalent evaporation va-
ecuaciones en función de la RMSE y el R2. El modelo Rn1, lues, the error in the estimation is less than 0.7 mm∙day-1 for
que fue el que mejor ajustó, corresponde al que requiere la equations Rn1 to Rn6, and for Rn8, it is 1 mm∙d-1.
máxima cantidad de variables (RMSE: 18 W·m-2). Sin em-
bargo, hay que destacar que los modelos Rn5 y Rn6, que Figure 1 shows the dispersion of the data of observed and es-
requieren menor cantidad de variables de entrada, presen- timated values for each MRLM next to the adjustment line
tan resultados semejantes al Rn1 (RMSE: 18 y 19 W·m-2). Las (crosses). Also, in each dispersion the result of the application
ecuaciones que peor funcionaron corresponden a aquellas que no of the Rn FAO 56 PM model (equation 2) was added to its
tomaron en cuenta la HR. Se observa que la mayor parte de los respective fit function (circles). For the set of data analyzed,
modelos no muestran tendencia definida (MBE < 13 W·m-2). Un equation 2 (Rn FAO 56 PM) shows an MBE of 38 W∙m-2 and
detalle a considerar es que si los valores de Rn son converti- RMSE of 45 W∙m-2 (error equivalent to 1.5 mm∙d-1). In gen-
dos a valores de evaporación equivalente, el error en la esti- eral, in all cases MRLM yields better results than the Rn FAO
mación es menor de 0.7 mm·día-1 para las ecuaciones Rn1 a 56 PM model.
Rn6, y para la Rn8, es de 1 mm·día-1.
MRLM overestimates low Rn values and underestimates
La Figura 1 muestra la dispersión de los datos de los valores high values; this behavior is maintained throughout the set
observados y estimados para cada MRLM junto a la recta of equations. Equation Rn FAO 56 PM underestimates Rn at
de ajuste (cruces). Además, en cada dispersión se agregó both low and high values; the error, however, is systematic 269
el resultado de la aplicación del modelo de Rn FAO 56 PM and can be eliminated by applying coefficients. Regarding
(ecuación 2) con su respectiva función de ajuste (círculos). the functioning of the equations, Irmak et al. (2003) found
Para el conjunto de datos analizados, la ecuación 2 (Rn FAO similar results with an MRLM equation that requires mea-
56 PM) muestra una MBE de 38 W·m-2 y RMSE de 45 W·m-2 sured for its application. These authors demonstrated
(error equivalente a 1.5 mm·día-1). En general, se denota que that Rn predictions with measured were as good as or
en todos los casos los MRLM arrojan mejores resultados que better than the Rn FAO 56 PM method in most of the cases
el modelo Rn FAO 56 PM. studied in arid and humid zones in southeastern United
States. Of the eight equations developed, those with better
Los MRLM presentan una sobrestimación para valores de fit and smaller error in the estimation are equations Rn1, Rn5
Rn bajos y una subestimación para valores elevados, man- and Rn6 (Table 3), which have input variables that are gen-
teniendo dicho comportamiento en el conjunto de las ecua- erally taken into account in Rn estmation models (Ortega-
ciones. La ecuación de Rn FAO 56 PM subestima la Rn tan- Farías, Antonioletti, & Olioso, 2000).
to para valores bajos como altos; sin embargo, presenta un
error sistemático que podría eliminarse con la aplicación de Keeping in mind the low RMSE of the equations, it is
coeficientes. Con respecto al funcionamiento de las ecua- possible to observe that the Rn6 model is precise, making
ciones, Irmak et al. (2003) encontraron resultados similares it a good option for application in zones that have climate
a partir de una ecuación de MRLM que requiere, para su conditions similar to those of the study area and vegetation
aplicación, de la medida. Estos autores demostraron que cover with albedos between 0.18 and 0.24. Furthermore,
las predicciones de la Rn con medida fueron tan bue- the equation stands out because it requires fewer entry data
nas o mejores con relación al método Rn FAO 56 PM, en la than the method proposed by Allen et al. (1998). Also, when
mayoría de los casos estudiados en zonas áridas y húmedas the multiple linear fit is performed, the coefficients contain,
del sudeste de Estados Unidos. De las ocho ecuaciones de- intrinsically, the effects of dr, and therefore, its incorporation
sarrolladas, las de mejor ajuste y menor error en la estima- as an input datum is not relevant.
ción son las ecuaciones Rn1, Rn5 y Rn6 (Cuadro 3), las cuales
presentan variables de entrada que generalmente se toman CONCLUSIONS
en cuenta en los modelos de estimación de la Rn (Ortega-
Farías, Antonioletti, & Olioso, 2000). This study confirms that multiple linear regression models
are an option for estimating net radiation. Estimation was
Teniendo en cuenta la baja RMSE de las ecuaciones, es posi- best with the models that consider air temperature and rela-
ble observar que el modelo Rn6 es preciso y se convierte en tive humidity, solar radiation and the inverse of the relative
una buena alternativa de aplicación para el área de influen- distance earth-sun or factor of excentricity, obtaining RMSE
cia y para zonas con condiciones climáticas similares a las values below 19 W∙m-2. However, if the eight models are
del estudio, en coberturas vegetales con albedos entre 0.18 compared with the Rn FAO 56 PM model, it is concluded
y 0.24. Además, la ecuación destaca porque requiere menor that all yield better results (in MBE and RMSE) and consti-
cantidad de datos de entrada con relación al método pro- tute an alternative for improving precision in the estimation
puesto por Allen et al. (1998). Por otro lado, al realizarse el of evapotranspiration. Improvement in the estimation of net
ajuste lineal múltiple, los coeficientes tienen intrínsecamen- radiation is achieved because the regression models consid-
te contenidos los efectos de la dr, y por lo tanto su incorpo- ered introduce the local effect of cloud cover (parting from
ración como dato de entrada no es relevante. solar radiation) and the emission of the atmosphere (by ef-
fect of air humidity).
 Estimación de la radiación... Ocampo & Rivas

400 400

Rn estimada / estimated (W∙m-2)

Rn estimada / estimated (W∙m-2)

300 300

Rn estimada (W∙m-2)

Rn estimada (W∙m-2)
200 200
Rn FAO 56 PM Rn FAO 56 PM
R2 = 0.92 R2 = 0.92
100 100 Rn2
Rn1
R2 = 0.95 R2 = 0.94
0 0
-100 0 100 200 300 400 -100 0 100 200 300 400
-100 -100
Rn observada
Rn observada (W∙m-2(W∙m
/ observed ) -2
) Rn observada / observed
Rn observada (W∙m-2(W∙m
) -2
)

400 400

Rn estimada / estimated (W∙m-2)

Rn estimada / estimated (W∙m-2)

300 300
Rn estimada (W∙m-2)

Rn estimada (W∙m-2)
270 200 Rn FAO 56 PM 200 Rn FAO 56 PM
R2 = 0.92 R2 = 0.92
100 Rn3 100 Rn4
R2 = 0.92 R2 = 0.91
0 0
-100 0 100 200 300 400 -100 0 100 200 300 400
-100 -100
Rn Rn observada
observada (W∙m-2(W∙m
/ observed ) -2
) Rn observada / observed
Rn observada (W∙m-2(W∙m
) -2
)

400 400
Rn estimada / estimated (W∙m-2)
(W∙m-2) (W∙m )
-2

300 300
/ estimated

Rn estimada (W∙m-2)

200 Rn FAO 56 PM 200

Rn FAO 56 PM
R2 = 0.92
estimada

R2 = 0.92
estimada

100 Rn5 100 Rn6

R2 = 0.95 R2 = 0.95
RnRn

0 0
-100 0 100 200 300 400 -100 0 100 200 300 400
-100 -100
RnRn
observada / observed
observada (W∙m-2) (W∙m-2) Rn
Rnobservada
observada/ observed
(W∙m-2) (W∙m )
-2

400 400
Rn estimada / estimated (W∙m-2)
Rn estimada / estimated (W∙m-2)

300 300
Rn estimada (W∙m-2)

Rn estimada (W∙m-2)

200 Rn FAO 56 PM 200 Rn FAO 56 PM

R2 = 0.92 R2 = 0.92
100 Rn7 100 Rn8
R2 = 0.92 R2 = 0.91
0 0
-100 0 100 200 300 400 -100 0 100 200 300 400
-100 -100
Rn observada
Rn observada (W∙m-2(W∙m
/ observed ) -2
) Rn observada
Rn observada (W∙m-2(W∙m
/ observed ) -2
)

FIGURA 1. Comparación entre la radiación neta (Rn) observada y la Rn estimada a partir de las ecuaciones (Rn1 a Rn8) y el método Rn
FAO 56 PM (línea continua recta de regresión, línea punteada recta 1:1, Rn1 a Rn8 (×), Rn FAO 56 PM (o).
FIGURE 1. Comparison of observed net radiation (Rn) and Rn estimated from the equations (Rn1 to Rn8) and the method Rn FAO 56
PM (straight continuous regression line, straight dotted line 1:1, Rn1 to Rn8 (×), Rn FAO 56 PM (o).
 Revista Chapingo Serie Ciencias Forestales y del Ambiente

CONCLUSIONES
ACKNOWLEDGEMENTS
En el presente trabajo se confirma que los modelos de re-
gresión lineal múltiple son una alternativa para estimar la The authors thank la �������������������������������������
Comisión de Investigaciones Científi-
radiación neta. La estimación de ésta fue mejor con los mo- cas de la provincia de Buenos Aires, Argentina, for funding
delos que consideran la temperatura del aire, la humedad this study (Grant resolution number 1360/2012).
relativa, la radiación solar y el inverso de la distancia relativa
tierra-sol o factor de excentricidad, obteniendo valores de End of English Version
RMSE inferiores a 19 W·m-2. Sin embargo, si se comparan
los ocho modelos con el de Rn FAO 56 PM, se concluye
que todos arrojan mejores resultados (en MBE y RMSE) y
conforman una alternativa para mejorar la precisión de la (2011). Sensores para la medición y validación de variables
estimación de la evapotranspiración. La mejora en la esti- hidrológicas. Revista Aqua-LAC, 3(1), 26–36. Obtenido de:
mación de la radiación neta se logra dado que los modelos http://www.unesco.org.uy
de regresión considerados introducen los efectos locales de Fritschen, L. J., & Fritschen, C. L. (2005). Bowen ratio energy
cobertura de nubes (a partir de la radiación solar) y la emi- balance method. In Hatfield, J. L., & Baker, J. M. (Eds.),
sión de la atmósfera (por efecto de la humedad del aire). Micrometeorology in agricultural systems (pp. 397–405).
Madison, USA: American Society of Agronomie. 271
AGRADECIMIENTOS Irmak, S., Irmak, A., Jones, J. W., Howell, T. A., & Jacobs, J. M.
(2003). Predicting daily net radiation using minimum
A la Comisión de Investigaciones Científicas de la provincia climatological data. Journal of Irrigation and Drainage
de Buenos Aires, Argentina, por los fondos otorgados para Engineering, 129(4), 256–269. doi: 10.1061/(ASCE)0733-
desarrollar esta investigación (Beca de perfeccionamiento 9437(2003)
Resolución Núm. 1360/2012). Jensen, M. E., Burman, R. D., & Allen. R. G. (1990). Evapotranpiration
and irrigation water requeriments. Manual and reports on
REFERENCIAS engineering practices N° 70. New York, USA: American
Society of Civil Engineers.
Alados, I., Foyo-Moreno, I., Olmo, F. J., & Alados-Arboledas, Kjaersgaard, J. H., Cuenca, R. H., Martínez-Cob, A., Gavilán,
L. (2003). Relationship between net radiation and solar P., Plauborg, F., Mollerup, M., & Hansen, S. (2009).
radiation for semi-arid shrub-land. Agricultural and Comparison of the performance of net radiation calculation
Forest Meteorology, 116, 221–227. doi: 10.1016/S0168- models. Theoretical and Applied Climatology, 98(1-2), 57–
1923(03)00038-8 66. doi: 10.1007/s00704-008-009-8
Allen, R. G., Pereira, L. S., Raes, D., & Smith, M. (1998). Crop Ocampo, D., & Rivas, R. (2011). Evaluación de métodos de
evapotranspiration-Guidelines for computing crop water estimación de la evapotranspiración a escala mensual y
requirements-FAO Irrigation and Drainage Paper 56. Rome, anual en Argentina: Aplicación en zonas húmedas y áridas.
Italy: Food and Agriculture Organization of the United Cuadernos del Curiham, 17, 33–41.
Nations. Obtenido de: http://www.fao.org/docrep/X0490E/ Ortega-Farías, S., Antonioletti, R., & Olioso, A. (2000). Net radiation
X0490E00.htm model evaluation at hourly time step for mediterranean
Environmental and Water Resources Institute of the American Society of conditions. Agronomie, 20, 157–164. doi: 10.1051/agro:
Civil Engineers (EWRI-ASCE). (2005). The ASCE standardized 2000116
reference evapotranspiration equation. Report of the task Salinas, M. F., & Silva, C. Z. (2007). Modelos de regresión y
committee on standardization of reference evapotranspiration. correlación II. Regresión lineal múltiple. Ciencia & Trabajo,
Virginia, USA: Autor. Obtenido de http://www.kimberly. 23, 39–41. Obtenido de http://www.cienciaytrabajo.cl/pdfs/23/
uidaho.edu/water/asceewri/ascestzdetmain2005.pdf pagina%2039.pdf
Brutsaert, W. (2010). Evaporation into the atmosphere. Theory, Willmott, C. J. (1982). Some comments on the evaluation of model
history and applications (1a ed.). Dordrecht, Holland: performance. Bulletin of the American Meteorological
Reidel Publishing Company. Society, 63(11), 1309–1369. Obtenido de http://climate.
Carmona, F., Rivas, R., Ocampo, D., Schirmbeck, J., & Holzman, M. geog.udel.edu