Investigadores de la Universidad Rey Juan Carlos han creado un algoritmo de agrupamiento de nodos con el que han observado un cambio en los patrones espacio-temporales de los datos de temperatura ambiental registrados en la Península Ibérica desde 1940. La herramienta puede ayudar en los estudios sobre el cambio climático, aunque está enfocada a mejorar la planificación de los parques eólicos.
Miembros del departamento de Teoría de la Señal y Comunicaciones de la Universidad Rey Juan Carlos (URJC) han desarrollado un algoritmo de clustering (agrupamiento de nodos) llamado SODCC (Second-Order Data-Coupled Clustering) con el objetivo de analizar datos climáticos para buscar nuevos indicios del cambio climático y mejorar la planificación de parques eólicos.
Esta herramienta ha sido diseñada para su uso en redes de sensores masivas. Los detalles se publican en la revista Renewable and Sustainable Energy Reviews.
“Las estaciones meteorológicas se modelan como nodos de una red de sensores masiva con el beneficio añadido de que muchas de ellas llevan instaladas decenas de años”, explica Mihaela Chidean, investigadora de la URJC y coautora del trabajo. Gracias a los datos que han recopilado estas infraestructuras durante décadas, el grupo de investigación ha podido realizar el análisis de los datos de temperatura de la Península Ibérica a partir de 1940.
“Hemos sido capaces de detectar un cambio en los patrones espacio-temporales de los datos de temperatura ambiental en esta zona, lo cual apunta a un posible indicio de un fenómeno de cambio climático. Este resultado ha sido contrastado con estudios previos de la literatura científica”, añade la investigadora.
Por otro lado, este trabajo les ha permitido relacionar los patrones espacio-temporales de los datos de viento con la producción de energía eólica, cuyo resultado es relevante “porque puede facilitar la planificación de los parques eólicos”, explica Mihaela Chidean.
Aplicar el algoritmo muchas veces
Para cada uno de los conjuntos de datos considerados, la metodología empleada ha sido idéntica. En ambos casos han aplicado el algoritmo SODCC múltiples veces para obtener resultados independientes de las inicializaciones aleatorias y se han analizado los diferentes conjuntos de clústeres obtenidos empleando un modelo probabilístico.
Además, se ha tenido en cuenta tanto la evolución temporal (cómo cambian las estadísticas de los datos a medida que transcurre el tiempo) como la evolución espacial (cómo cambian las estadísticas de los datos en diferentes regiones geográficas) de los resultados.
Esta investigación forma parte del Proyecto OMEGA-CM, financiado por la Consejería de Educación de la Comunidad de Madrid. El grupo de investigación, dirigido por los doctores Antonio Caamaño y Sancho Salcedo-Sanz, está formado por investigadores de tres universidades: Universidad Rey Juan Carlos, Universidad de Alcalá y Universidad Politécnica de Madrid.
Referencia bibliográfica:
Mihaela I. Chidean, Antonio J. Caamaño, Julio Ramiro-Bargueño, Carlos Casanova-Mateo, Sancho Salcedo-Sanz. “Spatio-temporal analysis of wind resource in the Iberian Peninsula with data-coupled clustering”. Renewable and Sustainable Energy Reviews, 2017. DOI: https://doi.org/10.1016/j.rser.2017.06.075
¿Cómo el clima terrestre puede afectar el espacial? El pasado septiembre, el Experimento de Ondas Atmosféricas de la NASA registró enormes oleadas en la atmósfera, producidas por el huracán Helene. Esta información es clave para entender cómo estos fenómenos pueden interrumpir satélites y otras tecnologías.
Investigadores de Países Bajos han desarrollado una estrategia de seguimiento de rutas basada en estos insectos para aplicarla en robots ligeros, que pueden así recorrer largas distancias sin necesitar grandes exigencias computacionales.
