Aunque pueda parecer mentira medir la radiación solar supone una acción costosa, así como todas las tareas relacionadas con el mantenimiento y la calibración de los sensores más empleados: piranómetros y radiómetros.

Al mismo, sería muy interesante disponer de datos fiables y por ello un grupo de investigación de la Universidad de Córdoba (UCO) en España ha desarrollado y evaluado varios modelos de aprendizaje automático para predecir la radiación solar en nueve ubicaciones (del sur de España y de Carolina del Norte en Estados Unidos), las cuales presentan diferentes condiciones geoclimáticas (aridez, distancia al mar y elevación sobre el nivel del mar).

Una de las principales innovaciones de los modelos que han creado es que solamente necesitan datos térmicos para estimar la radiación solar diaria lo que es muy interesante ya que la mayoría de las estaciones meteorológicas en la actualidad disponen de sensores térmicos y pluviométricos, pero muy pocas miden radiación solar.

En la investigación cordobesa han utilizado un algoritmo automático denominado Optimización Bayesiana (basado en la teoría de Bayes), que se encarga de buscar de manera eficiente y rápida parámetros adecuados para que los modelos obtengan resultados eficientes y precisos.

Cuando se evalúa la eficiencia de los modelos entrenados en nuevas ubicaciones cuyos datos no han sido utilizados durante el mismo se producen mejoras significativas en todas las ubicaciones.

Por ejemplo, los entrenados con series temporales de Cabra (Córdoba) y luego aplicados en El Campillo (Huelva) presentan una mejora considerable.

Otro de los puntos fuertes del trabajo es que los modelos están a disposición de cualquier investigador en el repositorio de libre acceso GitHub, por lo que su uso puede extenderse a cualquier zona del planeta, en función de su aridez.

Además, desde el punto de vista agronómico resulta decisiva la estimación precisa de radiación solar ya que es una variable clave para el desarrollo de los cultivos agrícolas.