CHAPITRE 4 : MODÈLE DE CIEL CLAIR MCCLEAR
4.4.2. Validation
La validation de McClear a été faite en comparant les données d'éclairement par ciel clair intégré sur une minute issues de BSRN et les valeurs calculées par McClear pour les mêmes instants, pour chacune des stations. Nous avons calculé les écarts et caractérisé ces écarts par leurs biais, erreur quadratique moyenne (EQM), et le carré du coefficient de corrélation. Les valeurs relatives sont exprimées par rapport à la valeur moyenne observée. Les quantités statistiques sont calculées pour les éclairements globaux et directs horizontaux G et B, KT et KTb, site par site, tous les instants confondus.
Les tableaux 4.4 et 4.5 montrent des quantités statistiques sur les écarts pou l’é lai e e t glo al et direct horizontal et pour les 11 stations. Des tableaux similaires pour KT et KTb ainsi que des discussions supplémentaires sont présentés dans Lefèvre et al. (2013).
Station Nombre d’échantillons Moyenne d’o se vatio (W m-2 ) Biais (W m-2 ) Biais rel. (%) EQM (W m-2 ) EQM rel. (%) Carré du coeff. de corrél. Barrow 69114 494 5 1 % 15 3 % 0,990 Palaiseau 62801 570 14 2 % 24 4 % 0,991 Carpentras 315061 624 21 3 % 28 5 % 0,992 Payerne 127802 646 28 4 % 33 5 % 0,992 Xianghe 109206 617 12 2 % 32 5 % 0,975 Tateno 152242 597 14 2 % 24 4 % 0,988 Sede-Boqer 355644 830 12 1 % 25 3 % 0,985 Tamanrasset 380887 818 9 1 % 20 2 % 0,994 Brasilia 306592 785 11 1 % 22 3 % 0,992 Alice-Springs 497766 758 13 2 % 22 3 % 0,993 Lauder 235137 702 15 2 % 22 3 % 0,994
Tableau 4.4 : statisti ues su l’é lai e e t glo al ho izo tal par ciel clair (mesure : BSRN, estimation : McClear)
Le carré du coefficient de corrélation pou l’esti atio de l’é lai e e t glo al est t s élevé ² ≥ 0,97 pour toutes les stations (tableau 4.4). Les biais sont compris entre 5 W m-2 et 28 W m-2, soit
moins de 4 % de la valeur moyenne observée. Les biais les plus grands en valeur relative se trouvent à Payerne (Suisse), et Carpentras (France). L’EQM est o p is e t e W m-2 et 33 W m-2 et est
inférieur à 5 % de la valeur moyenne observée dans tous les cas.
Les quantités statistiques varient légèrement d'une année à l'autre. Par exemple, le biais de l’esti atio de l’é lai e e t glo al pour Payerne est de 27 W m-2 en 2004, 26 W m-2 en 2005,
23 W m-2 en 2006, 29 W m-2 en 2007, 31 W m-2 en 2008 et 31 W m-2 en 2009. Dans l'ensemble, nous
’avo s o se vé au u e te da e temporelle claire entre ces quantités. Cependant, il semble que les résultats sont généralement meilleurs pour les mois d'été que pour les mois d'hiver.
77 Station Nombre d’é ha tillo s Moyenne d’o se vatio (W m-2) Biais (W m- 2 ) Biais rel. (%) EQM (W m-2) EQM rel. (%) Carré du coeff. de corrél. Barrow 69114 402 -7 -2 % 31 8 % 0,945 Palaiseau 62801 471 3 1 % 33 7 % 0,967 Carpentras 315061 530 2 0 % 33 6 % 0,969 Payerne 127802 551 12 2 % 38 7 % 0,958 Xianghe 109206 579 0 0 % 52 9 % 0,889 Tateno 152242 492 -9 -2 % 35 7 % 0,955 Sede-Boqer 355644 710 -46 -7 % 60 8 % 0,938 Tamanrasset 380887 687 12 2 % 44 6 % 0,939 Brasilia 306592 663 15 2 % 44 7 % 0,945 Alice-Springs 497766 679 5 1 % 30 4 % 0,979 Lauder 235137 631 -11 -2 % 35 6 % 0,974
Tableau 4.5 : statisti ues su l’é lai e e t di e t ho izo tal pa iel lai (mesure : BSRN, estimation : McClear)
Le carré du coefficient de corrélation pour l’esti atio de l’é lai e e t di e t ho izo tal (tableau 4.5) est également élevé (r² ≥ 0,93) pour toutes les stations sauf Xianghe (r² = 0,889). Les biais sont compris entre -46 W m-2 et 15 W m-2, et sont inférieurs à 7 % de la valeur moyenne observée. Les biais en valeur absolue les plus faibles, moins de 6 W m-2, se trouvent en Europe (Palaiseau, Carpentras, Payerne) et en Australie (Alice-Springs), tandis que la valeur le plus grande se trouve à Sede Boqer (Israël, -46 W m-2). L’EQM est faible dans tous les cas et varie de 31 W m-2 et 60 W m-2,
soit moins de 8% des moyennes observées. La plus grande valeu d’EQM (60 W m-2) se trouve pour la
station de Sede Boqer qui montre déjà un biais important.
Comme le montre dans une étude sur la qualité des données des aérosols fournies par le projet MACC/MACC-II sur la région des Emirats Arabes Unis, les données de MACC montrent des écarts types relativement faibles par rapport aux mesures au sol du éseau d’AERONET (Oumbe et al., 2012). Les bonnes performances sur l'éclairement direct horizontal B sont donc probablement dues à la représentation relativement précise des propriétés des aérosols et leur évolution dans le temps par les données de MACC.
De même que pour l’é lai e e t glo al, les quantités statistiques varient légèrement d'une année à l'autre. Nous ’avons cependant pas observé une tendance claire des performances suivant une perspective interannuelle. Il est aussi à noter que les résultats d'estimation de McClear sur l'éclairement direct horizontal sont généralement meilleurs pour les mois d'hiver que pour l'été, contrairement à ceux relatifs à l'éclairement global horizontal.
Nous n'avons pas pris en compte le rayonnement circumsolaire pour o ige l’é lairement direct horizontal estimé par McClear par rapport à des mesures de direct issues de pyrhéliomètres dont l'angle d'ouverture est de l'ordre de 5°. Ce rayonnement circumsolaire dans ces conditions de ciel clair est, dans la plupart des cas, inférieur à 10 W m-2 (Oumbe et al., 2012). Il peut expliquer en partie
le biais en cas de sous-estimation.
La composante diffuse horizontale, D, est calculée e soust a a t l’é lai e e t di e t ho izo tal B de l’é lai e e t glo al G. Par conséquent, le biais pour l’é lai e e t diffus peut être calculé à partir des tableaux 4.4 et 4.5. Il varie de -8 W m-2 à 60 W m-2. Dans l'ensemble, l’é lai e e t diffus est
78
Le site web SoDa (www.soda-is.org) fournit les i fo atio s su l’é lai e e t issues de la base de données HelioClim-3v3 (HC3v3, Blanc et al. 2010, Espinar et al. 2012). La base de données de HelioClim provient des images de la série des satellites Météosat en utilisant la méthode Heliosat-2 (Rigollier et al. 2004) et le modèle de ciel clair ESRA (Wald et al., 2000, Rigollier et al. 2000) modifié par Geiger et al. (2002) avec la climatologie du facteur de trouble de Linke de Remund et al. (2003) comme entrées. Cette climatologie de facteur de trouble de Linke produite par Remund et al. (2003) consiste en 12 cartes, une par mois, couvrant le monde avec une résolution en latitude et longitude de 5 arcmin. Le modèle de ciel clair ESRA est en mesure de fournir, notamment des moyennes sur 1 minute des éclairements globaux, directs et diffus par ciel clair qui ont été comparées aux mesures issues de BSRN pour les instants de ciel clair, pour les 11 stations dans le tableau 4.3 réparties dans le monde entier.
Figure 4.4 : Co pa aiso e t e l’é lai e e t glo al ho izo tal pa iel lai esu é pa B“RN et l’é lai e e t glo al ho izo tal esti é pa les od les de iel lai M Clea et E“RA.
Les figures 4.4 et 4.5 montrent le biais, l’EQM, l’é a t t pe et le carré du coefficient de corrélation des modèles de ciel clair McClear et ESRA en comparant avec les mesures au sol. Il apparaît clairement que la performance de McClear est meilleure que celle d’E“RA dans la plupart des cas. Nous observons une dispersion moindre et un meilleur coefficient de corrélation tant pour l’é lai e e t glo al ue pou l’é lai e e t di e t ho izo tal. Le iais pou M Clea est lég e e t positif mais reste faible pour toutes les stations. Sachant que HC3v3, qui utilise ESRA comme modèle de ciel clair, est exploitée par de nombreuses entreprises et chercheurs en énergie solaire,
79 puis u’environ 2 millions de séries temporelles de HC3v3 ont été fournies par le Service SoDa en 2011, nous pouvons mesurer l'intérêt potentiel de McClear dans cette communauté.
Figure 4.5 : Co pa aiso e t e l’é lai e e t di e t ho izo tal pa iel lai esu é pa B“RN et l’é lai e e t di e t ho izo tal esti é pa les od les de iel lai M Clea et E“RA.
4.5. Conclusion
Le nouveau modèle d'éclairement sous condition de ciel clair McClear montre des résultats très satisfaisants. La comparaison entre les estimations de McClear et les mesures de l’é lai e e t glo al et direct horizontal pour les 11 stations dans le monde montre des coefficients de corrélation élevés. Pour les valeu s o e ées de l’é lai e e t glo al, espe tive e t l’é lai e e t di e t ho izo tal, sur 1 min, le coefficient de corrélation varie entre 0,95 et 0,99, respectivement 0,84 et 0,99. Les biais sont compris entre -14 W m-2 et 25 W m-2 pour l'éclairement global et entre -49 W m-2 et 33 W m-2 pour l'éclairement direct. L’EQM varie entre 20 W m-2 (3% de l'éclairement moyen observé) et
36 W m-2 (5%), respectivement 33 W m-2 (5%) et 64 W m-2 (10%). De manière générale, 95% des
écarts entre les estimations et les mesures sont inférieures à environ 50 W m-2pou l’é lai e e t
80
Les comparaisons de McClear avec la base de données HelioClim3v3 montrent que McClear la dépasse, en particulier en ce qui concerne l’EQM et le coefficient de corrélation. Ces résultats satisfaisants démontrent la qualité du modèle McClear et indirectement la qualité des propriétés des aérosols modélisées par la ré-analyse de MACC.
La nouveauté du modèle McClear est l'inclusion de différentes propriétés optiques des aérosols, de la vapeu d'eau et de l’ozone avec une période temporelle élevée de 3 heures comparée à celle proposées par les climatologies mensuelles précédemment utilisés dans des modèles d'éclairement par ciel clair. Le coefficient de corrélation élevé et le faible écart-type, démontrent que McClear offre des estimations précises de l’é lai e e t.
Le modèle de ciel clair McClear peut être d'ailleurs utilisé pour améliorer la performance des modèles tout ciel, comme par exemple Heliosat-2 utilisé pour construire la base de données HelioClim3. La méthode Heliosat-2 utilise le modèle de ciel clair ESRA ayant pour entrée une climatologie mensuelle du trouble de Linke. En utilisant le modèle McClear, nous pouvons introduire dans Heliosat- l’i flue e de la va iatio i te -journalière des paramètres de ciel clair afin d’a élio e la pe fo a e du od le tout iel. La o e tio de HelioCli -3v3 par le modèle McClear est présentée da s l’a exe 3.
M Clea peut t e aussi utilisé da s des od les de t a spositio ui dé o pose t l’é lai e e t glo al e l’é lai e e t di e t et diffus. Ces od les sont généralement obtenus par une régression d'une fonction paramétrique empirique sur des mesures concomitantes de l’é lai e e t glo al et direct faites à quelques stations. Ils sont donc adaptés à une région. Nous avons proposé une nouvelle méthode utilisant le modèle McClear pour fournir les informations sur le ciel clair afin de mieux discriminer les effets des aérosols et des autres constituants atmosphériques de ciel clair de ceux dus aux nuages. Comme le modèle McClear ’est pas un modèle empirique, il peut donc être facilement appliqué à n'importe quelle région climatique. Ceci rend le nouveau modèle de transposition plus applicable à différentes régions. Cette nouvelle méthode est présentée dans l’a exe 4. Elle este toutefois u t avail p éli i ai e u’il faud a affi e .
Comme le projet MACC fournira également des prévisions des propriétés des aérosols et de la quantité de l'ozone, et que divers services météorologiques fournissent la prévision de la quantité de vapeur d'eau, McClear pourrait également être utilisé pour la prévision de l’é lai e e t. Cette piste
81