Departamento de Física Teórica, Atómica y Óptica - Quantalab ...

Si incluimos el efecto del Hot Spot y observamos las gráficas de la reflectancia
de la cubierta en función del ángulo cenital solar, Figura 2-13, vemos como aparece un
máximo justo cuando la dirección de iluminación y observación coinciden. En general
también se aprecia un incremento de la reflectancia fuera de la zona de máxima
influencia del Hot Spot.
Reflectancia de la cubierta vegetal
a
0.50
0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00
-90 -60 -30 0 30 60 90
Ángulo cenital solar
HotSpot = 1.0
HotSpot = 0.5
HotSpot = 0.0
Reflectancia de la cubierta vegetal
b
0.60
0.50
0.40
0.30
0.20
HotSpot = 1.0
0.10
0.00
HotSpot = 0.5
HotSpot = 0.0
-90 -60 -30 0 30 60 90
Ángulo cenital solar
Figura 2-13 Simulación mediante SAILH de la reflectancia en función del ángulo cenital solar
para diferentes valores de HotSpot y para un ángulo cenital de observación de 0º (a) y de 40º (b).
2.4.3 Análisis cuantitativo de sensibilidad de los modelos.
El objetivo de un análisis de sensibilidad es establecer cómo un modelo dado
depende de sus factores de entrada (Saltelli et al., 1999). Un análisis de sensibilidad
cuantitativo nos puede ser útil para la identificación de los parámetros más importantes
de un modelo, a fin de elegir de forma correcta las variables que podremos llegar a
obtener mediante métodos de inversión. Estas variables serán las que tengan un efecto
mayor en la salida del modelo.
En este trabajo se ha utilizado una metodología propuesta por Saltelli (2002), la
cual nos permite ordenar los parámetros de entrada. Según éste, podemos considerar
que un criterio para ordenar estos parámetros es la varianza incondicional V(Y), siendo
Y el resultado del modelo, cuando dejamos variar todos los parámetros entre unos
ciertos límites, salvo un parámetro Xi, que lo fijamos en su valor verdadero Xi * . Es decir,
el parámetro mas importante será aquel Xi para el cual V(Y|Xi=Xi * ) sea mínimo.
El problema está en que en general no vamos a saber cuál es el valor verdadero
Xi * . La solución aportada por Saltelli (2002) es tomar como indicador de la importancia
de los parámetros el promedio de las varianzas cuando fijamos el parámetro Xi a una
serie de valores comprendidos en un determinado rango, es decir, E(V(Y|Xi)), siendo E
el valor esperado. La estadística nos dice que V = V(E(Y|Xi) + E(V(Y|Xi)), así que
alternativamente y de cara a simplificar el proceso, podremos tomar como criterio para
ordenar los parámetros, que un parámetro es más importante cuanto mayor sea
V(E(Y|Xi)), o normalizando, Si = V(E(Y|Xi))/V(Y). Éste es el criterio seguido en nuestro
trabajo para realizar el análisis cuantitativo de la sensibilidad de los modelos.
35