At kende tegnene på klimaændringer er afgørende for at skabe forudsigelsesmodeller og skabe forebyggelsespolitikker for de katastrofer, det kan forårsage. Derfor foretog en undersøgelse foretaget af departementet URJC Signal- og kommunikationsteori (Spanien) har udviklet en klyngealgoritme (gruppering af noder) kaldet SODCC (Second-Order Data-Coupled Clustering), der hjælper med at analysere klimadata for at lede efter nye tegn og tegn på klimaændringer.
Med denne information er det meningen planlægge og forbedre vindmølleparker, øge ydeevnen ved energiproduktion og undgå igen en større mængde drivhusgasemissioner, der bidrager til klimaændringer.
Nyt værktøj
Det er et værktøj designet til brug i massive sensornetværk. De data, der er registreret i de meteorologiske stationer rundt om i verden, kan forbindes til hinanden og udveksle variabler og parametre, der er registreret fra de fænomener, der har fundet sted i løbet af ti år, de er blevet installeret.
Takket være de data, som disse infrastrukturer har indsamlet gennem årtier, har forskergruppen været i stand til at udføre analysen af temperaturdataene på den iberiske halvø fra 1940. Blandt de registrerede og analyserede data er der fundet en ændring i de rumtemporale mønstre af miljøtemperaturer i områderne, hvilket peger på et muligt tegn på klimaændringer.
Forbedre vindmølleparker
Når dataene først er indhentet og analyseret, er de blevet kontrasteret for at kende forholdet, som disse ændringer i temperaturmønstre har med genereringen af vindkraft. Hvis du kan forudsige, at vindene skal gøres mere præcist, og hvor det vil blæse mest, kan vi lette og øge præstationen af vindmølleparkplanlægning.
Denne undersøgelse dannes en del af OMEGA-CM-projektet, finansieret af Undervisningsministeriet i Madrid-regionen. Forskningsgruppen, ledet af lægerne Antonio Caamaño og Sancho Salcedo-Sanz, består af forskere fra tre universiteter: Rey Juan Carlos University, Alcalá University og Madrid Polytechnic University.