مدل سازی و پهنه بندی انرژی خورشیدی دریافتی در سطح زمین در مناطق خشک و نیمه خشک مرکزی ایران

آب و خاک

مقاله 4، دوره 30، شماره 4 - شماره پیاپی 48، آبان 1395، صفحه 1294-1308  

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.v30i4.44412

نویسندگان

اعظم غلام نیا ¹؛ محمدحسین مبین²؛ عاطفه جبالی²؛ حمید علیپور²

¹داشگاه یزد

²دانشگاه یزد

چکیده

در دهه های اخیر برآورد انرژی خورشیدی دریافتی در سطح زمین (Rs) برپایه ی متغیرهای هواشناختی اهمیت زیادی یافته است. یکی از روش های متداول برای تخمین انرژی خورشیدی رسیده به زمین، استفاده از متغیرهای دمایی در هر مکان است. هدف اصلی در این پژوهش تخمین و پهنه‌بندی میزان انرژی خورشیدی دریافتی در چهار استان یزد، اصفهان، کرمان و خراسان جنوبی است. بدین منظور با استفاده از دماهای پنجگانه در مقیاس زمانی روزانه، ابتدا از یک مدل ریاضی معتبر برای مناطق خشک و نیمه خشک ایران 50 ایستگاه هواشناسی که میزان تابش خورشیدی ثبت نمی‌گردید میزان Rs برآورد شد، سپس روش مناسب درون یابی با استفاده از نرم افزار GS+ انتخاب و نقشه های فصلی Rs با نرم افزار GISترسیم گردید. نتایج نشان می دهد به طور کلی در منطقه مورد مطالعه به تبعیت از تأثیر عرض جغرافیایی در تغییرات مکانی Rs، میانگین انرژی تابشی دریافتی در سطح زمین در همه فصول از شمال به جنوب افزایش یافته و در فصول گرم، مقادیر Rs بیشتر از فصول سرد است. منحنی های هم ارزش تابشی در زمستان نسبت به فصول دیگر منطبق با عرض های جغرافیایی از نظم و توازی بیشتری برخوردارند. این وضعیت در قسمت های جنوبی چشمگیر، اما در بخش های شمالی‌ بعلت تاثیر عوامل دیگر جغرافیایی و اقلیمی تغییر می کند. در فصل گرم مقادیر بالای Rs علاوه بر بخش-های جنوبی در قسمت هایی از مرکز منطقه هم مشاهده می شود. استان کرمان به طور میانگین با دریافت 25/27 (Mj m-2. d-1)، بیشترین و استان اصفهان با 54/21 (Mj m-2. d-1)، کمترین میزان انرژی تابشی را در طی فصل تابستان دریافت نموده است.

کلیدواژه‌ها

مناطق مرکزی ایران؛ تابش خورشیدی؛ مدلسازی؛ زمین آمار؛ سلول های خورشیدی

مراجع

1- Ajayi O.O., Ohijeagbon O.D., Nwadialo C.E., and Olumide O. 2014. New model to estimate daily global solar radiation over Nigeria. Sustainable Energy Technologies and Assessments, 5: 28–36.

2- Almorox J., Benito M., and Hontoria C. 2005. Estimation of monthly Angstrom–Prescott equation coefficients from measured daily data in Toledo, Spain. Renewable Energy. 30: 931–6.

3- Bahadori A., and Nwaoha C. 2013. A review on solar energy utilisation in Australia. Renew Sustainable Energy. Rev; 18: 1-5.

4- Bohling G. 2005. Introduction to GeoStatistics and Variogram Analysis, Assistant Scientist Kansas Geological Survey Ferro, V., Giordano, G. and Lovino, M. 1991. Isoerosivity and erosion risk map for Sicily. Hydrology Science Journal, 36(6): 549–564.

5- Gholamnia A., Mobin M., and Sodaeizade H. 2014. Provide a general model for estimating daily solar energy in Yazd. First National Conference on Environmental Health, safety and environmental sustainability, Hamadan. (In Persian with English abstract(.

6- Haurant P., Muselli M., Pillot B., and Oberti P. 2012. Disaggregation of satellite derived irradiance maps: evaluation of the process and application to Corsica. Sol Energy; 86: 68-82.

7- Heydari M. 2004. Locating build solar power plants in Iran. Oil and Energy, 38-49. (In Persian with English abstract(.

8- Hirsche K., Boerner S., Kalkomey C., and Gastaldi C. 1998. Avoiding pitfalls in geostatistical reservoir characterization: A survival guide: The leading Edge, 17: 493-504.

9- Hohn M.E. 1998. Geostatistics and petroleum geology, Kluwer Academic Publisher, Netherlands.

10- Johnston K., Ver Hoef J.M., Krivoruchko K., and Lucas N. 2001. Using Geostatistical Analyst, Environmental Systems Research Institute, Inc (ESRI).

11- Khalid A., and Junaidi H. 2013. Study of economic viability of photovoltaic electric power for Quetta-Pakistan. Renewable Energy. 50: 25-38.

12- Khosravi M., Jahanbakhsh asl S., and Derakhshi J. 2012. Estimation and mapping of solar radiation received on a horizontal surface using climatic parameters in GIS: A Case Study of East Azerbaijan Province. geographical space Journal, 43: 43-63. (In Persian with English abstract(.

13- Lahvanian H. 2007. Solar-Photovoltaic-in power supply of agricultural water wells. Eleventh Conference on Electricity Distribution Network. (in Persian with English abstract(

14- Li M.F., Li F., BinLiu H., Tao Guo P., Wuc Wei. 2013. A general model for estimation of daily global solar radiation using air temperatures and site geographic. Parameters in Southwest China. Journal of Atmospheric and Solar-Terrestrial Physics. 92, 145–150.

15- Lu G.Y., and Wong D.W. 2008. An Adaptive Inverse-Distance Weighting spatial Interpolation Technique. Comp. Geosci. 34: 1044-1055.

16- Mogheri A., and Tavoosi T. 2013. Feasibility and zoning potential sites for the deployment of solar Panel relying based on Climate variables in Sistan-Baluchistan province. Energy Planning and Policy Journal, 1, Journal, 1: 99-114. (In Persian with English abstract(.

17- Musavi baigi M., and Ashraf B. 2012. Identify areas with the least amount of cloud to throw the mapping areas with highe solar radiation. Journal of Soil and Water (Agricultural Science and Technology), 25: 665-675. (in Persian with English abstract(

18- Myers KS., Klein SA., and Reindl DT. 2010. Assessment of high penetration of solar photovoltaics in Wisconsin. Energy Policy; 38: 73, 38-45.

19- Rivas D., Saleme-Vila S., Ortega-Izaguirre R., Chale-Lara F., and Caballero-Briones F. 2013. A climatological estimate of incident solar energy in Tamaulipas, northeastern Mexico. Renewable Energy. 60, 293-301.

20- Sabziparvar A., and Aliaiee A. 2012. Performance evaluation of artificial neural network in prediction of total daily solar radiation and comparison with model results Å (Case study: Tabriz synoptic). Journal of Geophysical, 5: 42-30. (In Persian with English abstract(.

21- Toklu E. 2013. Overview of potential and utilization of renewable energy sources in Turkey. Renew Energy. 50: 456-463.

22- Webster R., and Oliver M.A. 2000. Geostatistics for environmental scientists, Wiley press. 271 pp.