Conclusões

A análise da radiação solar é um passo fundamental na construção de qualquer tecnologia de aproveitamento da energia solar, em virtude de obter uma viabilidade técnica e económica. O trabalho desenvolvido na presente dissertação contribui como uma mais valia para a caracterização do recurso solar, dado que, no continente africano foram realizadas poucas análises do comportamento da radiação solar ao longo do presente e projeções futuras, e as observações terrestres são escassas. No entanto, existem diversas análises radiativas realizadas por diferentes autores, contudo, são em determinadas regiões ou cidades.

Na presente dissertação, a radiação solar foi simulada, no continente africano, a partir da combinação de diferentes modelos regionais de clima. Foram utilizados os resultados de simulações (Africa- CORDEX sincronizado com a reanálise ERA-Interim (hindcast) e Africa-CORDEX não sincronizado (Histórico)) para o clima presente e foram realizadas projeções futuras considerando dois cenários distintos (RCP 4.5 e RCP 8.5), com a finalidade de compreender a evolução futura da radiação solar tendo em conta as alterações climáticas. Para tal, foram gerados ensembles multimodelo, de forma a que a radiação solar fosse representada o mais próximo da realidade possível. Deste modo, os ensembles do clima presente foram confrontados e validados com observações provenientes do CM-SAF, de modo a perceber o seu desempenho. A partir dos ensembles foram calculadas as anomalias existentes na radiação solar entre o futuro e o clima presente.

A validação dos ensembles apresentou uma subestimação dos valores de radiação solar por parte dos dados simulados pelo Africa-CORDEX quer a nível anual quer a nível sazonal, no entanto, em certas regiões verifica-se um erro que não ultrapassa os ± 2,5%. De um modo geral, os ensembles apresentam erros semelhantes, entre 5 e 7,5%. No entanto, o ensemble Histórico, não sendo sincronizado e ser forçado por diferentes GCMs, apresenta erros médios mais baixos, ou seja, a radiação é representada mais próximo da realidade através do ensemble Histórico. Contudo, os erros existem e mesmo sendo pequenos, existe uma justificação para tal, a representação das nuvens por parte dos modelos, dado que, a radiação solar é influenciada por esta. No entanto, é possível afirmar que os ensembles Africa- CORDEX revelam boas capacidades na representação da radiação solar.

Após realizada a validação dos ensembles multimodelo utilizados, estes foram comparados entre si. O

ensemble do Histórico do Africa-CORDEX apresenta valores de radiação mais baixos que o ensemble

sincronizado com a reanálise. Estas diferenças são na ordem dos 10% no que diz respeito a ganho ou perda de recurso, e em certas regiões observa-se diferenças de 15%, que se devem a erros existentes nos modelos e sobretudo ao facto do Histórico não ser sincronizado e ser forçado por modelos de circulação geral. A estação JJA é a que apresenta diferenças entre os ensembles mais acentuadas, na zona da linha do Equador. Tendo em conta a Figura A.1 presente nos Anexos, verifica-se que a zona de convergência intertropical ocorre acima da linha equatorial no mês de agosto, assim sendo, uma possível causa para as discrepâncias entre os ensembles, é a dificuldade na representação da ZCIT no ensemble Histórico. Porém, como foi referido anteriormente, ainda assim este ensemble apresenta poucos erros na sua validação, dado que é composto por vinte modelos regionais de clima.

Considerando o principal objetivo desta dissertação, e tendo em conta o primeiro cenário de alterações climáticas (RCP 4.5), conclui-se que existem diferenças nos valores de radiação solar ao analisar as projeções futuras, no entanto, essas diferenças não são relevantes, dado que a nível anual nas zonas onde existem anomalias mais acentuadas, estas são projetadas com uma redução na ordem de 3%, e noutras regiões onde é verificado um aumento, este é de 3%. Por outro lado, e sabendo que o cenário RCP 8.5 é caracterizado por níveis de emissões mais elevados, este apresenta anomalias um pouco maiores, em

certas regiões existirá um aumento de 6% e noutras zonas uma diminuição na mesma ordem, ou até superior (8% – estação DJF).

As zonas em que se projetam anomalias mais acentuadas na radiação média foram analisadas a nível regional. Sendo assim, a região mais afetada em ambos os cenários, relativamente a um aumento de recurso, está localizada no Sul de Africa, apresentando valores na ordem dos 5%, no cenário RCP 8.5. No que diz respeito à zona em que se verifica uma maior diminuição nos valores de radiação média, esta situa-se no norte de África Oriental, apresentando anomalias entre o futuro e o clima presente na ordem dos 5%. O recurso solar na região sul africana foi analisado por diversos autores (Fant et al., 2016), estes concluíram que esta região apresenta uma diminuição por volta dos 10% na estação DJF e um aumento na mesma ordem na estação JJA. No entanto, estes autores concluem que o potencial médio do recurso solar permanece inalterado até 2050. Tendo em consideração as anomalias projetadas no presente trabalho, é possível concluir que estas são pouco relevantes e estão concordantes com o que foi concluído no estudo anteriormente mencionado.

Desta forma, a principal conclusão que se retira deste trabalho é que as alterações climáticas criam um impacto na radiação solar, contudo, os cenários utilizados provocam alterações pouco revelantes, como foi observado em diferentes estudos realizados para certas regiões. No ponto de vista de aproveitamento solar, não se verificam alterações substanciais no potencial médio do recurso solar, dado que um aumento/diminuição de 5% nos valores de radiação média anual, não irá afetar significativamente a produção de energia por parte de um painel fotovoltaico, no entanto, se existir um aumento muito elevado nos valores de radiação leva a que exista um aumento de temperatura, diminuindo a eficiência de um painel fotovoltaico. Sendo assim, a construção de tecnologias que visam gerar energia a partir do recurso solar em África, torna-se num procedimento seguro e viável a longo prazo.

Referências Bibliográficas

Bartholomè E., Belward A., Bódis K., Bouraoui F., Dallemand J.-F., Huld T., Gaetani M., Jaeger- Waldau A., Mayaux P., Moner-Girona M., Monforti F., Motola V., Ossenbrink H., Pozzoli L., Russo S., Scarlat N., Skøien J., Szabó S., Thielen J., Vignati E., (2013) The availability of renewable energies in a changing Africa, European Union, ISSN 1018-5593, http://dx.doi.org/10.2790/88194

Bralower T., Bice D., Module 4: Introduction to General Circulation Models, College of Earth and Mineral Science, The Pennsylvania State University, Disponível em: https://www.e- education.psu.edu/earth103/node/524

Brands S., Herrera S., Fernández J., Gutiérrez J.M., (2013) How well do CMIP5 Earth System Models simulate present climate conditions in Europe and Africa? Clim Dyn. 41: 803, ISSN 1432 - 0894, https://doi.org/10.1007/s00382-013-1742-8

Chineke T.C., Ezike F.M., (2010) Political will and collaboration for electric power reform through renewable energy in Africa, In Energy Policy, Volume 38, Issue 1, pp. 678-684, ISSN 0301-4215, https://doi.org/10.1016/j.enpol.2009.10.004

Climate Limited-area Modelling Community, CORDEX Africa, http://www.clm- community.eu/index.php?menuid=218&reporeid=302

Dee D.P., Uppala S.M., Simmons A.J., Berrisford P., Poli P., Kobayashi S., Andrae U., Balmaseda M.A., Balsamo G., Bauer P., Bechtold P., Beljaars A.C.M., van de Berg L., Bidlot J., Bormann N., Delsol C., Dragani R., Fuentes M., Geer A.J., Haimberger L., Healy S.B., Hersbach H., Hólm E.V., Isaksen L., Kållberg P., Köhler M., Matricardi M., McNally A.P., Monge-Sanz B.M., Morcrette J.J., Park B.K., Peubey C., de Rosnay P., Tavolato C., Thépaut J.N., Vitart F., (2011) The ERA-Interim reanalysis: configuration and performance of the data assimilation system. Q J Roy Meteorol Soc 137:553–597. https://doi.org/10.1002/qj.828

Fant C., Schlosser C. A., Strzepek K., (2016) The impact of climate change on wind and solar resources in southern Africa, Applied Energy, Volume 161, pp. 556-564, ISSN 0306-2619, http://dx.doi.org/10.1016/j.apenergy.2015.03.042

Flato G., Marotzke J., Abiodun B., Braconnot P., Chou S.C., Collins W., Cox P., Driouech F., Emori S., Eyring V., Forest C., Gleckler P., Guilyardi E., Jakob C., Kattsov V., Reason C., Rummukainen M., (2013) Evaluation of climate models. In Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. T.F. Stocker, D. Qin, G.-K. Plattner, M. Tignor, S.K. Allen, J. Doschung, A. Nauels, Y. Xia, V. Bex, and P.M. Midgley, Eds. Cambridge University Press, pp. 741-882, https://doi.org/10.1017/CBO9781107415324.020

Giorgi F., GutowskiJr. W.J., (2015) Regional Dynamical Downscaling and the CORDEX Initiative, Annual Review of Environment and Resources, Volume 40, pp. 467-490, https://doi.org/10.1146/annurev-environ-102014-021217

Giorgi F., Jones C., Asrar G.R., (2009) Addressing climate information needs at the regional level: the CORDEX framework, World Meteorological Organization Bulletin 58 (3), pp. 175-183

Huld T., Müller R., Gambardella A., (2012) A new solar radiation database for estimating PV performance in Europe and Africa, Solar Energy, Volume 86, Issue 6, pp.1803-1815, ISSN 0038-092X, http://dx.doi.org/10.1016/j.solener.2012.03.006

IPCC, 2007: Climate Change 2007: Synthesis Report. Contribution of Working Groups I, II and III to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, Pachauri, R.K and Reisinger, A.(eds.)]. IPCC, Geneva, Switzerland, 104 pp.

IRENA (2015), Africa 2030: Roadmap for a Renewable Energy Future. IRENA, Abu Dhabi. Disponível em: www.irena.org/map

Lupo A., Kininmonth W., (2013) Global Climate Models and Their Limitations. Climate Change Reconsidered II: Physical Science and its Summary for Policymakers, published by The Heartland Institute in September 2013 for the Nongovernmental International Panel on Climate Change (NIPCC). www. nipccreport.org/reports/ccr2a/pdf/Chapter-1-Models.pdf

Nicholson S.E., (2009) A revised picture of the structure of the “monsoon” and land ITCZ over West Africa. Climate Dynamics 32 (7–8), pp. 1155–1171, https://doi.org/10.1007/s00382-008-0514-3 Perez R., Seals R., Zelenka A., (1997) Comparing satellite remote sensing and ground network measurements for the production of site/time specific irradiance data. Sol. Energy 60 (2), pp. 89–96. http://dx.doi.org/10.1016/S0038-092X(96)00162-4.

Posselt R., Mueller R.W., Stöckli R., Trentmann J., (2012) Remote sensing of solar radiation for climate monitoring – the CM-SAF retrieval in international comparison. Remote Sensing of Environment, Volume 118, pp. 186-198, ISSN 0034-4257, https://doi.org/10.1016/j.rse.2011.11.016

Psomopoulos C.S., Ionnidis G.C., Kaminaris S.D., Mardikis K.D., Katsikas N.G., (2015) A Comparative Evaluation of Photovoltaic Electricity Production Assessment Software (PVGIS, PVWatts and RETScreen), Environmental Processes Volume 2, Supplement 1, pp. 175-189, ISSN 2198-7505, https://doi.org/10.1007/s40710-015-0092-4

Randall D.A., Wood R.A., Bony S., Colman R., Fichefet T., Fyfe J., Kattsov V., Pitman A., Shukla J., Srinivasan J., Stouffer R.J., Sumi A., Taylor K.E., (2007) Climate Models and Their Evaluation, Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge University Press, pp. 589-662 Rehman S., Ghori S.G., (2000) Spatial estimation of global solar radiation using geostatistics. Renew. Energy 21, pp. 583–605. http://dx.doi.org/10.1016/S0960-1481(00)00078-1

REN21, (2017), Renwables 2017 Global Status Report, ISBN 978-3-9818107-6-9

Riebeek, H. (2010). Global Warming, NASA Earth Observatory.

https://earthobservatory.nasa.gov/Features/GlobalWarming/printall.php

Ruiz-Arias J.A., Quesada-Ruiz S., Fernández E.F., Gueymard C.A., (2015) Optimal combination of gridded and ground-observed solar radiation data for regional solar resource assessment, Solar Energy, Volume 112, pp. 411-424, ISSN 0038-092X, https://doi.org/10.1016/j.solener.2014.12.011.

Rummukainen M., (2010) State-of-the-art with regional climate models. Wiley Interdisciplinary Reviews: Climate Change, Volume 1, pp. 82–96, ISSN 1757-7799, http://dx.doi.org/10.1002/wcc.8 Schneider T., Bischoff T., Haug G.H., (2014) Migrations and dynamics of the intertropical convergence zone. Nature, Volume 513, pp. 45–53, https://doi.org/10.1038/nature13636

Schulz J., Albert P., Behr H.D., Caprion D., Deneke H., Dewitte S., Dürr B., Fuchs P., Gratzki A., Hechler P., Hollman R., Johnston S., Karlsson K.G., Manninen T., Müller R., Reuter M., Riihelä A., Roebeling R., Selbach N., Tetzlaff A., Thomas W., Werscheck E., Wolters E., Zelenka A., (2009)

Operational climate monitoring from space: The EUMETSAT Satellite Application Facility on Climate Monitoring (CMSAF). Atmos. Chem. Phys., 9, pp. 1687–1709, https://www.atmos-chem- phys.net/9/1687/2009/

Solargis (2017), Free maps, https://solargis.com/products/maps-and-gis-data/free/overview/

Taylor K.E., Stouffer R.J., Meehl G.A., (2012) An overview of CMIP5 and the experiment design. Bull. Am. Meteorol. Soc., 93, pp. 485–498, https://doi.org/10.1175/BAMS-D-11-00094.1

van Vuuren D.P., Edmonds J. K. M., Riahi K., Thomson A., Hibbard K., Hurtt G.C., Kram T., Krey V., Lamarque J., Masui T., Nakicenovic N., Smith S.J., Rose S.K., (2011) The representative pathways: an overview, Climate Change, 109:5, ISSN 1573-1480, https://doi.org/10.1007/s10584-011-0148-z Wayne G.P., (2014) The Beginner’s Guide to Representative Concentration Pathways. Skeptical Scince, http://www.leif.org/research/RCP_Guide.pdf

Zelenka A., Perez R., Seals R., Renne´ D., (1999) Effective accuracy of satellite-derived hourly irradiances. Theory Appl. Clim. 62 (3–4), pp. 199–207. http://dx.doi.org/10.1007/s007040050084.

Anexos

Figura A.0.3- Radiação média sazonal (estação DJF) para cada modelo RCM conduzidos pelo CMIP5 no período Histórico [kWh/m2_].

Figura A.0.4- Radiação média sazonal (estação MAM) para cada modelo RCM conduzidos pelo CMIP5 no período Histórico [kWh/m2_].

Figura A.0.5- Radiação média sazonal (estação JJA) para cada modelo RCM conduzidos pelo CMIP5 no período Histórico [kWh/m2_].

Figura A.0.6- Radiação média sazonal (estação SON) para cada modelo RCM conduzidos pelo CMIP5 no período Histórico [kWh/m2_].