Tema 7–Radiación solar y clima

COMPARACION DE DATOSDE RADIACIÓN SOLAR GLOBAL MENSUAL

ESTIMADOS POR SATÉLITE Y GENERADOS POR LA RED DE ESTACIONES
METEOROLÓGICASDE LA EEAOC, TUCUMÁN – ARGENTINA

Jorge D. Forciniti1, Juan C. Ceballos2, María L. Molina3, Ángel M. Leal1, Federico J. Soria4y
María Lorena Soulé Gómez1
1
Sección Agrometeorología, Estación Experimental Agroindustrial Obispo Colombres. CC
Nº 9 (4101) Las Talitas –Tucumán - Argentina
2
Divisão de Satélites e Sensores Meteorológicos – DISSM, Coordenação Geral de Ciências
da Terra – CGCT, Instituto Nacional de Pesquisas Espaciais – INPE, Cachoeira Paulista, São Paulo,
Brasil
3
Laboratorio de Ionosfera, Atmósfera Neutra y Magnetosfera – LIANM, Facultad de Ciencias Exactas
y Tecnología, Universidad Nacional de Tucumán
4
Sección Sensores Remotos y SIG, Estación Experimental Agroindustrial Obispo Colombres.

Tel. 0381-4521060 – Fax 0381-4521000 e-mail: jorgeforciniti@gmail.com

RESUMEN: El registro continuo de radiación solar, de estaciones meteorológicas automáticas, de la

Estación Experimental Agroindustrial Obispo Colombres (EEAOC) en Tucumán y zonas aledañas,
permitió comparar estos datos con los obtenidos mediante el modelo físico GL versión 1.2. Dicho
modelo proporciona estimaciones de irradiancia solar a nivel de superficie, a partir de imágenes del
canal VIS (visible) de satélite geoestacionario GOES-East.

Fueron comparados los valores absolutos y normalizados de las series de radiación solar comprendidas
entre enero 2017 y diciembre 2021 provenientes de 16 estaciones meteorológicas.
La alta correlación (entre 0,90 y 0,99)y coeficiente de determinación(entre 0,80 y 0,97)así como el
sesgo relativamente pequeño (-12 Wm -2 a 34 Wm-2) encontrados entre los datos medidos y el modelo
satelital fuertemente sugieren que éste último se puede utilizar para estimar el recurso solar en
regiones del noroeste argentino (NOA), circundando Tucumán en localidades carentes de estación
solarimétrica.

Palabras clave: radiación solar, satélite, modelo GL, red solarimétrica, Tucumán

INTRODUCCIÓN

La variación temporal y espacial del recurso solar es de gran importancia en aspectos tan diversos
como los sistemas de conversión de energía solar, las ciencias del medio ambiente, la climatología y la
ecología. Ante la escasez de mediciones de radiación solar en un determinadolugar, se puede recurrir a
la estimación a partir de información de satélites meteorológicos o de modelos físicos, o numéricos,
entre otros.
Dada la complejidad topográfica y el costo de instalación y mantenimiento de redes solarimétricas, el
Noroeste Argentino carece de monitoreo de la radiación solar en escala temporal y espacial detallada.
Una alternativa de gran interés y factibilidad actual es la combinación (sinergia) de datos de superficie
y estimaciones satelitales confiables, que permita por un lado el control de manutención y calidad de
la red, y por otro la estimación del recurso energético en un área geográfica mayor y más detallada.

La EEAOC, ubicada en la provincia de Tucumán, en el Noroeste Argentino, dispone de una red de

más de 40 estaciones meteorológicas automáticas instaladas a lo largo de la provincia de Tucumán y
en áreas de influencia, la cual es administrada por la Sección Agrometeorología de esta institución.
Esta red genera información meteorológica de forma automática desde el año 1994. A partir del año
2006 y por medio de un sistema de telesupervisión permite obtener datos en tiempo real de distintas
variables meteorológicas, entre ellas la radiación solar global (Lamelas et al, 2006).

La medición de la radiación solar global se realiza mediante solarímetros fotovoltaicos con sensores de
fotodiodo de silicio (Grossi Gallegos y Righini, 2007), sensibles en la banda espectral 300-1100 nm
pero calibrados para indicar valores de radiación solar comprendida en el intervalo 300-3000 nm.
Estos sensores están incorporados en estaciones meteorológicas automáticas Davis Vantage Pro y las
especificaciones del fabricante indican una resolución de 1 Wm -2 y una precisión del 5% a plena
escala. Periódicamente se realiza una limpieza y control del estado de funcionamiento de los sensores.

Adicionalmente, la EEAOC dispone de un piranómetro Kipp&Zonen CM6B, el cual cumple con las
especificaciones de las Normas ISO 9060-1990 para ser un instrumento de Primera Clase y fue
calibrado por el grupo Gersolar de la División Física del Departamento de Ciencias Básicas de la
Universidad Nacional de Luján (Molina et al, 2012).

Para el período 2017-2021, se contrastaron los datos mensuales de radiación global diaria del
Kipp&Zonen (IKZ) con los del solarímetro fotovoltaico Davis (ID), ambos instalados en el observatorio
meteorológico central de la EEAOC en la localidad de El Colmenar (código 2049 en la Fig. 1),
obteniéndose la recta de correlación que se muestra en la Ec. (1).
❑
❑❑ ❑❑❑ (1)
350

300

250

200
ID

150

100

50

0
0 50 100 150 200 250 300 350
IKZ

Figura 1. Irradiancia solar global mensual del solarímetro fotovoltaico de El Colmenar (I D) vs

Kipp&Zonen (IKZ).

La alta correlación avala el uso de datos de los sensores fotovoltaicos para medición de radiación
global sometidos a una corrección simple.
El modelo GL versión 1.2 es un modelo físico que produce estimaciones de irradiancia solar a nivel de
superficie, a partir de imágenes del canal VIS (visible) de satélite geoestacionario (en este caso, la
serie GOES-East). La integración temporal de la serie de estimaciones para la serie de imágenes de un
día permite evaluar la irradiancia media diaria. El modelo deduce flujos de radiación superficiales a
partir de la reflectancia observada en una escala de 4 km, de algunos parámetros de superficie y
troposfera, y de las propiedades de propagación de radiación solar en la atmosfera; fue desarrollado
por la Universidad Federal da Paraíba (UFPb) y por el Instituto Nacional de Pesquisas Espaciais
(INPE), Brasil (Ceballos y Moura 1997; Ceballos et al. 2004). Básicamente, considera que 1) por
encima de la troposfera (alturas superiores a 15 km), el ozono absorbe parcialmente la radiación
directa en el UV; 2) la radiación solar en la troposfera no es absorbida en el intervalo UVVIS
(ultravioleta + visible, <0,70 µm); 3) el vapor de agua y dióxido de carbono absorben parcialmente
en el infrarrojo solar (>0,70 µm), al pasar entre nubes de tipo cumuliforme (cobertura parcial). La
incidencia sobre nubes cumuliformes o estratiformes tiene transmitancia nula. Cabe mencionar que
este es un modelo físico, no necesitando de “calibración” con datos de redes superficiales; sus errores
son inherentes a las hipótesis y parametrizaciones físicas de propiedades atmosféricas y de superficie.
Detalles de los algoritmos se encuentran en Ceballos et al. (2004).

El modelo produce datos para el área de América del Sur al norte de 50ºS desde 1998, con resolución
espacial de 0,04º (aproximadamente 4 km). El análisis de desempeño para la región surde Brasil en
2016 (Porfirio et al. 2020) mostró sesgos de 3 y 14 Wm -2 y desvíos estándar típicos de 8 a 15 Wm -2,
mientras que para la Pampa Húmeda argentina en 2011/2017 (Ceballos et al. 2022) fueron de 5 a -10
Wm-2 y 7 a 14 Wm-2respectivamente.

Una primera comparación de datos EEAOC/GL fue comunicada a ASADES en 2011 (Ceballos et al.
2011). La calidad y disponibilidad de resultados sugiere continuar estas comparaciones en períodos
más extensos. En este trabajo, son presentados resultados preliminares para datos mensuales del
quinquenio 2017-2021.

DATOS Y METODOLOGIA

En la Fig. 2 se muestra la distribución geográfica de 30 estaciones de la red de estaciones

meteorológicas automáticas de la EEAOC con registros de radiación solar. Se utilizaron promedios
mensuales de irradiancia media (Wm-2) para un periodo 5 años que va desde enero de 2017 a
diciembre de 2021.

Las estaciones generan datos con una periodicidad de 15 minutos, obteniendo la radiación media
diaria como promedio de los registros generados en 24 horas. Se desecharon todos aquellos registros
diarios que no contaran, por lo menos, con un 95% de los datos totales de 15 minutos. Con los
registros diarios se generaron los promedios mensuales y se descartaron todos aquellos valores
mensuales que no estuvieran completos, es decir que les faltaran por lo menos un día de datos.
Posteriormente se seleccionaron aquellas estaciones que cumplieran con la condición de disponer por
lo menos de un 75% de datos, o sea por lo menos 45 meses con datos promedio de los 60 posibles.
Como resultado quedaron seleccionadas 16 estaciones que cumplían con estos requisitos. No se
desecharon datos por sombreamiento.
 Figura 2. Distribución geográfica de las estaciones meteorológicas de la EEAOC. Con amarillo se
marcan las estaciones seleccionadas para este trabajo, con su número de estación.

La Divisão de Satélites e Sensores Meteorológicos/Coordenação Geral de Ciênciasda Terra/Instituto

Nacional de Pesquisas Espaciais(DISSM/CGCT/INPE) procesa operacionalmente el modelo GL
versión 1.2,generando estimaciones para América del Sur, basado en imágenes de satélite
geoestacionario GOES (Ceballos et al., 2004). Los datos diarios de GL son obtenidos por integración
temporal de estimaciones del modelo GL 1.2 cada 30 minutos (GOES 13, en 2017) o a cada 10-15
minutos (GOES 13, sensor ABI, 2018-2021). Son presentados en una matriz de 1800×1800 pixeles,
cubriendo América del Sur y área oceánica vecina con resolución espacial de 0,04° (en torno de 4 km,
latitud mínima 50ºS y longitud inicial 100ºW), cada pixel representa el promedio de valores en 3 x3
pixeles en Wm-2.

En la Tabla 1 se muestran las estaciones mencionadas con sus coordenadas geográficas, así como
también el promedio y desvío estándar tanto de los valores medidos como de los estimados y el
número de meses que se utilizaron para hacer el análisis. Es importante notar que el desvío estándar de
G o de GL representa una medida de la variación anual de la variable, acumulando el efecto de ciclo
anual, de fluctuaciones meteorológicas y climáticas, y de ruido en el registro de radiación.
 Tabla 1. Estaciones meteorológicas georreferenciadas, valor medio (Prom) y desvío estándar (Std)
de los valores medidos (G) y estimados (GL) y cantidad de registros mensuales utilizados (Cnt).
Códig Latitud Longitud Altura Prom(G) Std(G) Prom(GL) Std(GL) Cnt
Estación
o (º dec.) (º dec.) (msnm) (Wm-2) (Wm-2) (Wm-2) (Wm-2) (meses)
18 Bajastine -27,872 -65,554 471 182,6 53,6 198,5 57,4 57
1025 Benjamín Paz -26,394 -65,300 781 178,4 48,6 206,6 55,0 50
3 Casas Viejas -27,775 -65,504 384 180,6 52,3 193,4 56,5 60
Colalao del
31 -26,377 -65,965 1710 233,2 43,4 220,9 47,3 48
Valle
2049 El Colmenar -26,800 -65,200 481 164,4 46,3 186,5 52,2 60
13 Ingas -27,410 -65,360 319 161,9 54,5 188,0 61,1 45
21 La Argentina -26,537 -64,653 425 187,8 51,4 201,6 59,2 46
17 La Cruz -26,635 -64,835 493 185,7 51,0 200,9 55,2 56
19 Las Faldas -27,286 -65,589 389 168,5 47,5 193,6 55,5 53
Los
27 -27,229 -65,220 324 160,4 59,4 194,1 56,9 50
Quemados
Monte
5 -26,820 -64,854 394 175,5 54,6 196,6 57,3 60
Redondo
14 Monte Toro -27,636 -65,338 312 176,4 54,3 201,5 60,0 58
Pinar de los
11 -26,815 -65,723 2437 190,6 34,8 198,6 39,1 51
Ciervos
1 Pueblo Viejo -27,202 -65,619 435 154,6 43,6 185,1 52,4 58
2 Santa Ana -27,471 -65,672 391 157,4 50,1 191,3 55,6 59
15 Viclos -27,172 -64,874 401 182,3 55,2 196,8 56,0 57
‍
❑ ❑
❑❑ ❑ ❑❑ ❑ DesvEst ( G ) : Desvío estandar (STD )de la serie para la localidad
❑
Los resultados son presentados según dos criterios: 1) comparación entre valores GL (modelo) × G
(observación EEAOC), evaluando los parámetros usuales para la serie de diferencias GL-G entre
estimador GL y medida G (sesgo: desvío medio; desvío estándar y desvío cuadrático medio)), así
como la linealidad de la relación GL|G (regresión lineal, coeficientes de correlación y de
determinación); 2) comparación entre valores GLN × GN, donde “N” indica valor normalizado para el
período considerado. Una serie temporal Xn, ya sea de la secuencia Gn de observaciones o de la serie
GLn del modelo, tiene su valor normalizado para XNn según la expresión de la Ec. (2)

❑❑ ❑
❑❑
❑
donde:
❑❑
❑
SX : Desvío estandar de la serie para lalocalidad

La variable normalizada XN es relevante porque contribuye a eliminar o minimizar problemas de

comparación entre medidas/estimaciones no calibradas. Sean G y GL las series temporales de
observación y de estimación, siendo que G=α G0, GL=β GL 0, donde Go ,GLo son los valores
correctos y α , β las constantes (multiplicativas) de calibración para cada variable. Claramente, un
diagrama de dispersión GL∨G será afectado por las calibraciones de G y GL; por otro lado, la
calibración afecta igualmente las variables y parámetros G n,G y SG en la Ec. (2) de forma que las
variables corregidas Go n y las observadas G n tienen la misma secuencia normalizada: G n=GNo n. Lo
mismo ocurre con las secuencias L❑ y L❑. Así, al comparar GLN ∨GN los problemas de calibración
(multiplicativa) serán filtrados y otros problemas presentes pueden ser mejor analizados.Los
coeficientes de correlación r y determinación r 2 resultan especialmente útiles, porque: a) las variancias
de GNn y GLNn son unitarias; b) el coeficiente de correlación coincide con la pendiente de la recta de
regresión (a), c) los valores de la recta GLN n* = a GNn acumulan una variancia r2; d) la variancia de la
dispersión (“ruido”) de valores GLN con relación a la recta GLN* (“señal”) acumula fracción 1-r 2 de
la variancia.

RESULTADOS

Como se observa en la Tabla 2, las rectas de correlación entre los valores proporcionados por el
modelo GL y los medidos (G) en todas las estaciones presentan coeficientes de correlación mayores
que 0,95 (excepto Los Quemados y Pinar de los Ciervos), y pendientes comprendidas entre 0,80 ≤ m ≤
0.96.La pendiente similar para todas las estaciones, similar a la mencionada en la Ec. (1), sugiere
comportamiento semejante de todas ellas con relación a la calibración, y que el modelo GL describe la
radiación solar regional coherentemente con el piranómetro Kipp&Zonen.

Tabla 2. Regresión lineal de los valores diarios de irradiancia estimada por el modelo (GL) con
relación a los medidos (G) (GL* = a. G + b), donde a es la pendiente y b la ordenada al origen.
Sesgo, Desvío estándar (STD) y RMSE están calculados para la diferencia entre GL y G.
b Sesgo STD RMSE
Código Estación r R2 a
(Wm-2) (Wm-2) (Wm-2) (Wm-2)
18 Bajastiné 0,98 0,97 0,92 6,4 16,0 10,7 19,2
1025 Benjamín Paz 0,96 0,91 0,84 13,5 28,2 16,6 32,7
3 Casas Viejas 0,97 0,95 0,90 3,4 12,8 13,1 18,3
31 Colalao del Valle 0,99 0,97 0,91 -29,7 -12,3 8,2 14,8
2049 El Colmenar 0,97 0,94 0,86 6,2 22,1 13,2 25,8
13 Ingas 0,97 0,94 0,87 12,1 26,1 15,7 30,4
21 La Argentina 0,98 0,96 0,85 -10,8 13,8 13,2 19,1
17 La Cruz 0,99 0,97 0,91 2,7 15,2 9,6 17,9
19 Las Faldas 0,97 0,94 0,83 2,8 25,2 15,2 29,4
27 Los Quemados 0,92 0,84 0,96 53,0 33,7 23,7 41,2
5 Monte Redondo 0,98 0,95 0,93 17,1 21,2 12,8 24,7
14 Monte Toro 0,98 0,95 0,88 11,3 25,1 13,7 28,6
11 Pinar de los Ciervos 0,90 0,80 0,80 6,2 8,0 17,3 19,1
1 Pueblo Viejo 0,98 0,95 0,81 3,9 30,5 13,6 33,4
2 Santa Ana 0,95 0,91 0,86 24,6 33,9 16,9 37,9
15 Viclos 0,98 0,96 0,96 15,8 14,5 11,6 18,5

En la estación de Colalao del Valle se obtiene un valor negativo en la ordenada al origen, lo que
probablemente estaría indicando un valor alto de radiación difusa que llega al sensor, debido a la alta
reflectancia del terreno que no se tiene en cuenta en el modelo. El error cuadrático medio (RMSE), nos
da un error absoluto de 14,8 Wm -2 y 41,2 Wm-2. Como se puede observar en la Fig.3, existe una
elevada correlación y coeficiente de determinación entre G y GL. La tendencia en la distribución de
los puntos en general es similar a la de la diagonal principal con un error sistemático que se visualiza
de precisión intermedia. Los datos estimados por satélite están en general por encima de los valores
medidos (salvo, como ya se adelantó, para la estación de Colalao del Valle). En promedio las
estimaciones del modelo GL está un 10% por encima de G para el conjunto de todas las localidades,
con un máximo de 17,7% en la localidad de Santa Ana y un mínimo de -5,5% en Colalao del Valle.
 350

300

250

200
2)
GL (w/m

150

100

50

0
0 50 100 150 200 250 300 350
G (w/m2)

Figura 3. Dispersión de datos mensuales para valores medidos (abscisas) y estimados

(ordenadas) en el período 2017-2021

La Figura 4 ilustra la comparación de valores GN, GLN normalizados según la Ec. 2; El hecho de que
todas ellas se agrupen ajustándose a una relación cercana a 1:1 indica que la principal influencia en
desvíos de los valores Gn medidos con relación a un valor “real” o adecuado, es un factor
multiplicativo de calibración. Pocas estaciones (Pinar de los Ciervos y Los Quemados) tienen r<0,95.
La misma observación sobre calibración cabe a los valores GLn estimados por el modelo GL 1.2.
Claramente, el conjunto de los puntos muestra una coherencia estricta (a menos de factor de
calibración) entre las series temporales medidas y estimadas en la red EEAOC. La variancia asociada a
las diferencias GLN = GLN – a GN es 1-R2 y por lo tanto significa menos de 6% para la mayoría de
las estaciones. Considerando que los desvíos estándar de las mediciones y estimaciones está en el
intervalo S = 50-60 Wm-2 (Tabla 1)esta dispersión o “ruido” significa valores típicos menores que
0,061/2 S 13.5 Wm-2; en la hipótesis de un “ruido gaussiano”, 2 veces ese intervalo contiene 95% de
las fluctuaciones aleatorias (causadas por limitaciones del modelo de estimativa y por imperfecciones
del proceso de medición).
 3.0

2.0

1.0

0.0
GL

-3.0 -2.0 -1.0 0.0 1.0 2.0 3.0

-1.0

-2.0

-3.0
G
Figura 4. Dispersión de datos mensuales para valores medidos normalizados (abscisas) y
estimados normalizados (ordenadas) en el período 2017/-2021.

CONCLUSIONES

La comparación del modelo GL versión 1.2 con las mediciones de la red solarimétrica de la EEAOC
comprende un conjunto de 868 pares de puntos durante 5 años, pertenecientes a 16 localidades
distribuidas a lo largo de toda la provincia de Tucumán. Las estimaciones del modelo oscilan en el
rango de los 99 Wm-2 y 325 Wm-2mientras que las mediciones lo hacen en un rango de 59 Wm -2 y 294
Wm-2. La alta correlación encontrada indicaría que los valores proporcionados por el modelo GL
representa el valor mensual de la radiación solar de la región. El sesgo (entre -12,3Wm -2 y +33,9 Wm-
2
) y los valores de la dispersión y error cuadrático (STD y RMSE) no superan los 41 Wm -2, sugiriendo
que las aproximaciones asumidas por el modelo GL en la región son física y cuantitativamente
aceptables. El ajuste de los datos GL|G y la comparación GLN|GN entre datos normalizados sugieren
un error sistemático esencialmente multiplicativo, del orden de 0,9 (semejante al encontrado para la
estación El Colmenar)para las estaciones y probablemente menor para el modelo GL, posibles de
calibrar (ya sean los datos de superficie o los de satélite).

De lo expuesto, se infiere que el modelo GL 1.2 puede ser utilizado para monitorear de forma
sistemática y detallada el desempeño de la red y que, a su vez, esta última puede avalar al modelo
satelital para describir el régimen de radiación solar en el área del Noroeste Argentino.

AGRADECIMIENTOS

Los autores reconocen el aporte de la Sección Agrometeorología de la EEAOC, difundiendo datos

meteorológico y solarimétricos en la URL https://agromet.eeaoc.gob.ar/, así como del grupo G-STAR
de la DISSM/CGCT/INPE contribuyendo a la difusión de datos del modelo GL 1.2. Las series
mensuales para América del Sur están disponibles (formato geotiff) en la URL
http://satelite.cptec.inpe.br/radiacao/  medias mensais.
Promedios mensuales del modelo GL 1.2 desde 2000 hasta la actualidad están accesibles en versión
geotiff, en la página web de la División de Satélites y Sensores Meteorológicos de la Coordenação
Geral de Ciências da Terra, DISSM/CGCT/INPE (http://satelite.cptec.inpe.br/radiacao/, en la sección:
Solar Global / Media Mensual).

REFERENCIAS

Ceballos, J.C. y Moura, G.B.A. (1997). Solar radiation assessment using Meteosat-4 VIS imagery.
Solar Energy vol. 60, 209-219. https://doi.org/10.1016/S0038-092X(97)00001-7.
Ceballos, J. C., Bottino, M. J. y Souza, J.M. (2004). A simplified physical model for assessing
solarradiation over Brazil using GOES 8 visible imagery. J. Geophys. Research 109:
D02211,https://doi.org./10.1029/2003JD003531.
Ceballos, J.C., Lamelas, C. M., Forciniti, J. D. y Rodrigues, M.L. (2011). Radiación Solar en
laProvincia de Tucumán: Una Comparación Entre Valores Estimados por Satélite y Medidos por
una Red Solarimétrica. XXXIV Reunión de ASADES 2011. Avances en Energías Renovables y
Medio Ambiente Vol. 15, 2011. Área: Radiación Solar y Clima- 71 – 78. ISSN 0329-5184
Accesible en https://www.researchgate.net/project/Satellite-estimation-of-surface-radiative-fluxes;
también
https://repositoriosdigitales.mincyt.gob.ar/vufind/Record/SEDICI_d60a0f4ecc5825f35b2c6e804b9
4ce6d.
Ceballos, J.C., Porfirio, A.C.S, Oricchio, P.A. y Posse, G. (2022).Characterization of the annual
regime of surface solar irradiance over Argentine Pampean Region using GL1.2 satellite-based
data. Renewable Energy 194: 526-537. https://doi.org/10.1016/j.renene.2022.05.038.
Grossi Gallegos, H. y Righini, R. (2007). Atlas de Energía Solar de la República Argentina.
Universidad Nacional de Luján y Secretaría de Ciencia y Tecnología, Buenos Aires, Argentina,
ISBN978-987-9285-36-7.
Lamelas, C.M., Forciniti, J.D. y Soulé Gómez, M.L. (2006). Provincia de Tucumán: Desarrollo e
instalación de un sistema de telesupervisión y comando para estaciones meteorológicas
automáticas. XI Reunión Argentina de Agrometeorología. Trabajos Presentados- Área
Agrometeorología: 13 – 16.
Molina, M.L., Ortiz de Adler, N., Lamelas, C.M., Forciniti, J.D. y Leal, A.M. (2012). Instalación de
un piranómetro de primera clase en Tucumán. Análisis preliminar de datos. Investigaciones en
Facultades de Ingeniería del NOA, Tomo I, pp 38-42. ISSN 1853-7871. Ed. Grupo Loza
Impresiones S.R.L. Con referato. Tucumán. 2012.
Porfirio, A.C.S., Ceballos, J.C., Britto J.M.S. y Costa S.M.S. (2020): Evaluation of Global Solar
Irradiance Estimates from GL1.2 Satellite-Based Model over Brazil Using an Extended
Radiometric Network. Remote Sensing 12, no. 8: 1331. https://doi.org/10.3390/rs12081331.

COMPARISON OF GLOBAL SOLAR RADIATION DATA ESTIMATED BY SATELLITE AND

GENERATED BY THE NETWORK OF METEOROLOGICAL STATIONS OF THE EEAOC,
TUCUMAN - ARGENTINA

ABSTRACT
The continuous recording of solar radiation from automatic meteorological stations at the Obispo
Colombres Agroindustrial Experimental Station (EEAOC) in Tucumán and surrounding areas,
allowed comparison of these data with those obtained from the GL physical model version 1.2. This
model provides estimates of solar irradiance at surface level, based on images of the VIS (visible)
channel of the GOES-East geostationary satellite.
Absolute and normalized values of solar irradiance series comprised between January 2017 and
December 2021 from 16 meteorological stations were compared. The high correlation (0.90 to 0.99)
and determination coefficient (0.80 to 0.97) as well as moderately low bias (-12 to 34 Wm-2) found
for surface measures and satellite-estimated values strongly suggest that the GL version 1.2 model
allows to infer quite accurately the solar resource in regions where there are no solar radiation
measurements, especially in the northwestern region of Argentina (NOA) because it is where the
province of Tucumán and other areas with records of weather stations are located.

Keywords: solar radiation, satellite, GL model, solarimetric network Tucuman