Zināt klimata pārmaiņu pazīmes ir būtiskas, lai izveidotu prognozēšanas modeļus un izveidotu profilakses politiku katastrofām, kuras tās var izraisīt. Tāpēc izmeklēšana, ko veica Nīderlandes departaments, URJC signālu un sakaru teorija (Spānija) ir izstrādājuši klasterizācijas algoritmu (mezglu grupēšanu) ar nosaukumu SODCC (Second-Order Data-Coupled Clustering), kas palīdz analizēt klimata datus, lai meklētu jaunas klimata pārmaiņu pazīmes un pierādījumus.
Ar šo informāciju tas ir paredzēts plānot un uzlabot vēja ģeneratoru parkus, palielinot veiktspēju enerģijas ražošanā un, savukārt, izvairoties no lielāka siltumnīcefekta gāzu emisiju apjoma, kas veicina klimata pārmaiņas.
Jauns rīks
Tas ir rīks, kas paredzēts izmantošanai masveida sensoru tīklos. Datus, kas reģistrēti meteoroloģiskajās stacijās visā pasaulē, var savienot savā starpā un apmainīties ar mainīgajiem lielumiem un parametriem, kas reģistrēti no parādībām, kas notikušas desmitiem gadu laikā, kopš tās ir uzstādītas.
Pateicoties datiem, ko šīs infrastruktūras ir apkopojušas gadu desmitiem, pētniecības grupa ir spējusi veikt Ibērijas pussalas temperatūras datu analīze no 1940. gada. Starp reģistrētajiem un analizētajiem datiem ir konstatētas izmaiņas apgabalu vides temperatūras laika un laika modeļos, kas norāda uz iespējamām klimata pārmaiņu pazīmēm.
Uzlabot vēja ģeneratoru parkus
Kad dati ir iegūti un analizēti, tie tiek salīdzināti, lai uzzinātu šo temperatūras izmaiņu saistību ar vēja enerģijas radīšanu. Ja jūs varat paredzēt vējus, kas tiks veikti precīzāk un kur tie pūtīs visvairāk, mēs varam atvieglot un palielināt vēja parka plānošanu.
Šī izmeklēšana veidojas daļa no OMEGA-CM projekta, ko finansē Madrides kopienas Izglītības departaments. Pētnieku grupu, ko vada ārsti Antonio Caamaño un Sancho Salcedo-Sanz, veido pētnieki no trim universitātēm: Universidad Rey Juan Carlos, Universidad de Alcalá un Universidad Politécnica de Madrid.