Machine Learning for Site Adaptation of Satellite-DerivedSolar Irradiance in Northwestern Argentina

Abstract

Accurate estimation of global horizontal irradiance(GHI) is essential for solar energy resource assessment,particularly in regions with limited ground-based measurements.This study evaluates the performance ofthree machine learning models—Simple Linear Regression(SLR), Extreme Gradient Boosting (XGB),and Multilayer Perceptron (MLP)—for the site adaptationof satellite-derived GHI data in five locationsin Northwestern Argentina. Two satellite products,CAMS and LSA-SAF, were used as input data. Themodels were assessed using standard error metrics(MBE, MAE, RMSE), and their residual patterns wereanalyzed. Results show that LSA-SAF data led tolower errors compared to CAMS, especially in highaltitudesites. While complex models like MLP andXGB marginally improved accuracy in some cases,SLR offered comparable results with higher robustness.The analysis also identified systematic biasesand discretization effects in tree-based models. Thesefindings suggest that, under current data conditions,simpler models may offer reliable performance. Enhancinginput data quality and incorporating additionalmeteorological features may yield greater improvementsthan increasing model complexity.La estimación precisa de la irradiancia global horizontal (GHI) es fundamental para evaluar el recurso solar, especialmente en regiones con escasas mediciones terrestres. Este estudio evalua el desempeño de tres modelos de aprendizaje automatico—Regresión Lineal Simple (SLR), Extreme Gradient Boosting (XGB) y Perceptron Multicapa (MLP)—para la adaptación al sitio de datos de GHI obtenidos por satelite en cinco ubicaciones del noroeste argentino. Se utilizaron dos productos satelitales, CAMS y LSA-SAF, como datos de entrada. Los modelos se evaluaron mediante metricas estándar (MBE, MAE, RMSE) y análisis de residuos. Los resultados indican que los datos de LSA-SAF generaron errores menores, especialmente en sitios de gran altitud. Aunque modelos complejos como MLP y XGB mejoraron levemente la precisión en algunos casos, SLR logro resultados comparables con mayor robustez. El analisis también evidenció sesgos sistematicos y efectos de discretización en modélos basados en arboles. Estos hallazgos sugieren que, dadas las condiciones actuales de los datos, modelos simples pueden ofrecer un desempeno confiable. ˜ Mejoras significativas podrían lograrse mediante la incorporacion de variables meteorológicas adicionales y datos de mayor calidad.