Att känna till tecken på klimatförändringar är viktigt för att skapa förutsägelsesmodeller och skapa förebyggande politik för de katastrofer som det kan orsaka. Därför har en undersökning utförts av avdelningen för URJC Signal- och kommunikationsteori (Spanien) har utvecklat en klusteralgoritm (gruppering av noder) som heter SODCC (Second-Order Data-Coupled Clustering) som hjälper till att analysera klimatdata för att leta efter nya tecken och bevis på klimatförändringar.
Med denna information är den avsedd planera och förbättra vindkraftsparkerna, öka prestandan i kraftproduktion och undvika i sin tur en större mängd växthusgasutsläpp som bidrar till klimatförändringarna.
Nytt verktyg
Det är ett verktyg som är utformat för användning i massiva sensornätverk. De data som registrerats i meteorologiska stationer runt om i världen kan kopplas till varandra och utbyta variabler och parametrar som registrerats från de fenomen som har inträffat under de tiotals år som de har installerats.
Tack vare de uppgifter som dessa infrastrukturer har samlat in under årtionden har forskargruppen kunnat genomföra analysen av temperaturdata för den iberiska halvön från 1940. Bland de data som registrerats och analyserats har en förändring upptäckts i de rumstemperaturmönster för omgivningstemperaturer i områdena, vilket pekar på ett möjligt tecken på klimatförändringar.
Förbättra vindkraftparker
När data väl har inhämtats och analyserats har de kontrasterats för att veta förhållandet som dessa förändringar i temperaturmönster har med genereringen av vindenergi. Om du kan förutsäga att vindarna ska göras mer exakt och där det kommer att blåsa mest kan vi underlätta och öka prestanda för vindkraftsplanering.
Denna undersökning bildas del av OMEGA-CM-projektet, finansierad av utbildningsdepartementet i regionen Madrid. Forskargruppen, ledd av läkare Antonio Caamaño och Sancho Salcedo-Sanz, består av forskare från tre universitet: Rey Juan Carlos University, Alcalá University och Madrid Polytechnic University.