INNOVARE CIENCIA Y TECNOLOGÍA VOL. 11, NO. 3, 2022
Disponible en CAMJOL
INNOVARE Ciencia y Tecnología
Sitio web: www.unitec.edu/innovare/
1
Autor corresponsal: ricardoroussel@unitec.edu, Universidad Tecnológica Centroamericana, Campus Tegucigalpa
Disponible en: http://dx.doi.org/10.5377/innovare.v11i3.15332
© 2022 Autores. Este es un artículo de acceso abierto publicado por UNITEC bajo la licencia http://creativecommons.org/licenses/by-nc-nd/4.0
Artículo Original
Estimación del potencial de la agrovoltaica en Honduras a partir de
modelos y datos geoespaciales
Estimation of the potential of agrivoltaics in Honduras utilizing models and geospatial data
Ricardo Roussel
1
, Víctor Samperi , Cristian Andrés Cruz Torres
Facultad de Ingeniería, Universidad Tecnológica Centroamericana, UNITEC, Tegucigalpa, Honduras
Historia del artículo:
Recibido: 13 agosto 2022
Revisado: 5 septiembre 2022
Aceptado: 26 noviembre 2022
Publicado: 8 diciembre 2022
Palabras clave
Agricultura
Agrovoltaica
Energía fotovoltaica
Energía renovable
Honduras
Keywords
Agriculture
Agrovoltaics
Photovoltaic energy
Renewable energy
Honduras
RESUMEN. Introducción. El incremento de la demanda de energía limpia y sostenible, la cual se estima que su
principal oferta
provendrá de la energía
solar
fotovoltaica, tiene el
potencial
de incrementar
la competencia por terrenos
entre la energía
y la producción de alimentos. Honduras tiene un índice de electrificación bajo y padece de inseguridad
alimentaria en todo su territorio, especialmente en los departamentos del corredor seco. Para reducir la futura
competencia entre la generación de electricidad y el crecimiento de cultivos, y mejorar la resiliencia de la población
hondureña ante los efectos del cambio climático; se propone la agrovoltaica como una solución. Métodos. Se
utilizaron modelos de simulación de cultivos y de módulos fotovoltaicos para calcular el LER (Razón Equivalente
de la Tierra). Resultados. Se determinó un LER de 124.92% para una instalación agrovoltaica de 1 hectárea, utilizando
papas como el cultivo, en San Andrés, Lempira. Adicionalmente, el LER para un cultivo C3 genérico, en base a un
modelo de fotosíntesis, se calculó para toda la extensión territorial de Honduras, lo cual resultó en un rango entre
135.45% hasta 149.34%. Conclusión. Los modelos indican que el territorio hondureño posiblemente se presta para
un alto aprovechamiento de la agrovoltaica.
ABSTRACT. Introduction. The increasing demand for clean and sustainable electrical energy, which is likely to be
supplied by photovoltaic energy, has the potential to accelerate the competition for land between energy and food
production. Honduras has a low access to electricity of 85.22% and suffers from food insecurity throughout its
territory, especially in the departments of the Dry Corridor. To reduce future competition between electricity
generation and crop growth and improve the resilience of the Honduran population against the effects of climate
change, agrivoltaics is proposed as a solution. The study aim was to calculate and model the agrovoltaic potential in
Honduras. Methods. Crop and photovoltaic simulation models were used to calculate the Land Equivalent Ratio.
Results. A LER of 124.92% was calculated for an agrivoltaic system of 1 hectare, using potatoes as the crop, in San
Andrés, Lempira. Additionally, the LER for a generic C3 crop, based on a photosynthesis model, was calculated for
the entirety of Honduras, which resulted in a range between 135.45% and 149.34%. Conclusion. The models indicate
that Honduras possibly has a high potential for agrivoltaics.
1. Introducción
El Corredor Seco describe la zona tropical
centroamericana donde se han observado periodos
prolongados de sequías. El área del Corredor Seco que se
encuentra en Honduras padece de inseguridad alimentaria
crónica, mientras que el resto del país se encuentra en un
estado de inseguridad alimentaria aguda. En gran parte,
esto se debe al cambio climático y su efecto de alterar las
zonas que son aptas para el crecimiento de cultivos
(Integrated Food Security Phase Classification [IPC],
2018). La intermitencia de las lluvias y el alza en
temperaturas se puede mitigar implementando sistemas
que sean capaces de brindar un mejor ambiente para los
cultivos, especialmente los cultivos de la canasta básica.
Una de las soluciones que se han empezado a implementar
en los últimos años es la agrovoltaica, en la cual se utilizan
módulos fotovoltaicos para generar electricidad y brindar
sombra a los cultivos. El rubro agrícola está en necesidad
de desarrollar soluciones innovadoras que tengan la
capacidad de mejorar la calidad de vida de las personas en
el estrato rural, cubriendo cada una de las necesidades del
nexo agua-energía-alimento.
R. Roussel, et al.
INNOVARE Revista de Ciencia y Tecnología Vol. 11, No. 3, 2022
2
Honduras es un país con un alto potencial fotovoltaico,
tiene una irradiancia horizontal global diaria entre 4.37 y
6.12 kWh/m2 (Global Solar Atlas, 2020). La mayoría de
la energía fotovoltaica proviene principalmente de la parte
sur del país, donde incide la mayor cantidad de radiación.
No obstante, en gran parte del Corredor Seco incide una
radiación comparable y el resto del territorio cuenta con
suficiente radiación para que instalaciones a pequeña
escala sean viables. La matriz energética de Honduras no
cuenta con la infraestructura necesaria para asegurar el
acceso a un gran porcentaje de la población, evidenciado
el índice de cobertura eléctrica de 85.22%, especialmente
en zonas rurales (Secretaría de Energía [SEN], 2021). En
los últimos años, ha habido iniciativas de implementación
de microrredes para poder otorgarle el servicio a las zonas
más alejadas (Sistema de la Integración Centroamericana
[SICA], 2018). Sin embargo, la electricidad solo es una de
las muchas necesidades que la población hondureña no
logra suplir.
Las instalaciones agrovoltaicas utilizan un solo terreno
para producir comida y energía, teniendo la capacidad de
proteger los cultivos ante la reducción de la precipitación
y el incremento de la temperatura causadas por el cambio
climático. Se han realizado estudios sobre agrovoltaica en
Alemania y Chile, en los cuales se ha llegado a aplicar el
concepto de manera práctica, obteniendo resultados bajo
condiciones reales. En el estudio realizado en Chile se
determinó que la agrovoltaica puede ser una opción
económicamente viable para agricultores (Jung et al.,
2021). Además, en Alemania, se notó un beneficio en el
uso de la agrovoltaica, ayudando en la resiliencia de los
cultivos en lugares con alta radiación solar y acceso
limitado al agua (Trommsdorff et al., 2021). La siguiente
investigación tiene como fin determinar el potencial de la
agrovoltaica en todo el territorio hondureño con el
propósito de ubicar las zonas idóneas para su
implementación, utilizando datos meteorológicos y
modelos matemáticos. La métrica utilizada para
determinar el potencial es la eficiencia con la que se usa
un solo terreno en términos del rendimiento de los cultivos
y la energía fotovoltaica.
2. Métodos
Esta investigación está basada en la información
disponible de instalaciones agrovoltaicas simuladas y
reales. Se recopilaron datos de diferentes investigaciones
y se encontraron los modelos y simulaciones que se
utilizaron para determinar el rendimiento teórico de los
cultivos y módulos fotovoltaicos utilizando bases de datos
geográficas.
Los datos de radiación, elevación y temperatura fueron
obtenidos de Solargis. Las mediciones de radiación
utilizadas por Solargis provienen de satélites,
representando mayor precisión al estimar niveles de
radiación solar histórica, reciente y futura (Solargis,
2022).
El Land Equivalent Ratio (LER) es el indicador
utilizado para medir la eficacia de los sistemas
agrovoltaicos (Figura 1). Toma la efectividad con la que
se usa un mismo espacio de terreno calculando la razón
entre la producción de cultivos, sin módulos fotovoltaicos
encima y la producción de cultivos en una instalación
agrovoltaica. Seguidamente, se suma la razón entre la
generación de electricidad por su cuenta y la generación
de electricidad en una instalación agrovoltaica. Esta
investigación se centró en calcular el LER para todo el
territorio geográfico hondureño, encontrando cada
término en la ecuación. Se utilizó el modelo de Farquhar,
von Caemmerer y Barry modificado por Yin y Struik para
determinar el rendimiento de los cultivos. Mientras que el
rendimiento fotovoltaico fue calculado utilizando la
biblioteca de Python PVLIB (Holmgren et al., 2018).
Las variables de la ecuación del LER se interpretaron
de la siguiente manera: (I) es la irradiancia [µmol m-2 s-
1(D) es el porcentaje de irradiancia disponible, el
rendimiento fotovoltaico [kWh] se calcula utilizando el
rendimiento de una planta agrovoltaica variando el azimut
a 180° (considerado ideal para sistemas fotovoltaicos) o
130° (considerado ideal para sistemas agrovoltaicos).
Adicionalmente, se multiplica con un factor de corrección
(FC) basado en la reducción de densidad de los módulos
en instalaciones agrovoltaicas. El valor de (FC) es el
resultado del promedio de la densidad de módulos
(Dupraz et al., 2011), la reducción de área cubierta por los
módulos (Jung et al., 2021), y la proporción entre la
separación de los módulos fotovoltaicos en sistemas
convencionales y agrovoltaicos (Trommsdorff et al.,
2021).
2.1. Modelo de fotosíntesis FvCB
Farquhar, von Caemmerer y Barry publicaron un
modelo bioquímico para la tasa de fotosíntesis de plantas
C3 en 1980 (Yin & Struik, 2009). Yin y Struik realizaron
una serie de modificaciones para mejorar el modelo.
Los datos de irradiancia [µmol m-2 s-1], elevación [m]
y temperatura [°C] fueron introducidos en el modelo
FvCB. Los resultados luego fueron utilizados en la
ecuación del LER.
R. Roussel, et al.
INNOVARE Revista de Ciencia y Tecnología Vol. 11, No. 3, 2022
3
Figura 1. Proceso para el cálculo de LER a lo largo del territorio hondureño.
R. Roussel, et al.
INNOVARE Revista de Ciencia y Tecnología Vol. 11, No. 3, 2022
4
2.2. Cálculo de irradiancia disponible
El cálculo de la irradiancia disponible se obtuvo
simulando módulos fotovoltaicos utilizando la versión de
Radiance desarrollada por los científicos de National
Renewable Energy Laboratory (NREL) (Deline & Ayala,
2017).
Se simuló la radiación en los módulos para un año
entero. Debido a que la simulación requeriría bastante
tiempo para realizar en cada punto geográfico de
Honduras, se decidió realizar la simulación en el centroide
de Honduras (coordenadas: 14.821, -86.617), el cuál fue
calculado utilizando QGIS (QGIS, s.f.). La imagen fue
analizada utilizando Scikit-image (Scikit-image, s.f.), el
cual permitió hacer un conteo de pixeles por su opacidad,
siendo los pixeles más oscuros los que menos recibieron
radiación y los más claros los que más recibieron
radiación.
2.3. Producción de energía fotovoltaica
La producción de energía fotovoltaica anual se calculó
en el centroide de los 298 municipios de Honduras. Los
puntos afuera de estos se calcularon utilizando la
herramienta de interpolación de QGIS, con el método de
ponderación inversa a la distancia. Se utilizó la biblioteca
de Python PVLIB, la cual permite obtener los datos
meteorológicos necesarios para cada punto
automáticamente, la aplicación del modelo de eficiencia
en relación con la temperatura del módulo y fijar el acimut
e inclinación del módulo.
2.4. Aplicación en sitio específico
2.4.1. WOFOST
World Food Studies o WOFOST, es un modelo de
simulación para el análisis del crecimiento y producción
de cultivos anualmente (de Wit, 2021a). Los valores que
describen a los cultivos se obtuvieron de la base de datos
incluida con el software.
2.4.2. System Advisor Model
System Advisor Model, o SAM por sus siglas, es un
programa gratuito de modelaje técnico y económico que
permite desarrollar simulaciones de interés para personas
realizando investigaciones o análisis profesionales en
varias áreas de la energía (National Renewable Energy
Laboratory [NREL], s.f.). Estas áreas incluyen
fotovoltaica, almacenamiento de energía, eólica, celdas de
combustible, geotérmica, etc.
3. Resultados
3.1. Cálculo de irradiancia disponible debajo del
módulo
Para conocer si el cambio de acimut de la
configuración de los paneles tendría un efecto notable
en la irradiancia que incide en los cultivos, se realizó
una comparación entre 180° y 130°, basado en un
análisis realizado en Chile (Jung et al., 2021). Al
analizar los pixeles de las imágenes exportadas en
blanco y negro, se observó que había mayor incidencia
de radiación solar al usar un acimut de 130°. Al
promediar los resultados de irradiancia disponible
debajo del módulo, se obtuvo 53.25% para el acimut de
180° y 56.13% para el acimut de 130°.
3.2. Producción de energía fotovoltaica
Mediante la biblioteca PVLIB de Python y QGIS, se
logró obtener mapas de la generación de energía para
ambos casos de acimut, 180° y 130°. Para el acimut de
180°, se observó un rango de 276 a 429kWh y para el
acimut de 130° se observó un rango de 278 a 421kWh.
3.3. Mapa de LER
Usando mapas de temperatura, radiación y altitud,
se substituyeron los datos para cada punto del mapa en
la Ecuación 1 para determinar el componente de
cultivos en el LER (Figuras 2 y 3). Para el componente
fotovoltaico del LER, se utilizó PVLIB que únicamente
necesitaba el ingreso de los datos de altitud, obteniendo
los demás datos necesarios de bases de datos en línea.
En el histograma generado para un acimut de 180°,
se observó una frecuencia poco uniforme para los
valores de LER, teniendo un pico entre 1.385 y 1.395.
Luego esta frecuencia disminuyó rápidamente después
de 1.42-1.425. Caso opuesto en el histograma generado
para un acimut de 130°, en el cual se observó una
uniformidad en los rangos de 1.395 a 1.44,
disminuyendo rápidamente luego de este último valor.
Inmediatamente se observó que bajo un acimut de 130°
se poseen mejores valores de LER y una distribución
más informe de los valores.
R. Roussel, et al.
INNOVARE Revista de Ciencia y Tecnología Vol. 11, No. 3, 2022
5
Figura 2. LER Total en Honduras, Acimut=180°.
3.4. Aplicación en sitio específico
3.4.1. Selección de sitio de estudio
Teniendo una radiación favorable, rangos aceptables
de fotosíntesis, estando en el corredor seco y siendo el
décimo quinto municipio con menor índice de
cobertura (SEN, 2021), se escogió San Andrés,
Lempira. Usando imágenes satelitales del municipio, se
identificó un terreno que permitiría la instalación de un
sistema agrovoltaico en las coordenadas (14.2195, -
88.5477). Se escogió la papa como cultivo debido a la
disponibilidad de los datos.
3.4.2. Análisis de los cultivos
Utilizando WOFOST, se calculó el indicador Total
Above Ground Production (TAGP), el cual indica los
kilogramos de cultivo por hectárea a lo largo de la vida
del cultivo (de Wit, 2021b). El TAGP de la papa con
toda la radiación del sitio resultó en 17,633.96 kg ha-1,
mientras que con la sombra resultó en 14,129.51 kg/ha-
1. Se determinó que el término del LER de los cultivos
es del 80.12%.
Además de obtener el TAGP, se obtuvo la
Transpiration Rate (TRA). Este indicador permitió
conocer indirectamente que tan eficientemente se está
utilizando el agua por el cultivo. Se determinó que la
TRA de los cultivos bajo la radiación completa del sitio
fue de 313.151 m3 ha-1, mientras que bajo sombra
resultó en 206.096 m3 ha-1. Al dividir el TAGP entre
la TRA, se obtuvo un indicador en kg/m3 el cual nos
indicó cuantos kilogramos de papa crecieron por metro
cuadro de agua.
3.4.3. Análisis fotovoltaico
3.4.3.1. Simulación en System Advisor Model
Para el cálculo del LER fotovoltaico se utilizó SAM,
dimensionando el sistema en 1 hectárea. Primero, se
observó el caso con acimut de 180° y separación de
módulos de 2.2 metros. En este caso se obtuvo una
generación anual de 1,558,381 kWh al llenar la
hectárea con módulos Canadian Solar Inc. CS3W-405P.
En el segundo caso, se cambió el acimut a 130° y la
separación entre módulos a 5 metros. Se obtuvieron
como resultados 697,110 kWh, llenando
completamente la hectárea con la nueva separación. Al
conocer ambos valores, se calculó un LER fotovoltaico
de 44.80%. También, se analizó el comportamiento de
la generación de energía a lo largo del año con
propósitos de investigar excedentes y baterías.
3.4.3.2. Análisis de curva y generación de demanda
Se utilizó los datos horarios promedio del mes de
septiembre, el cual se seleccionó como la base del
dimensionamiento, ya que es el mes con la generación
fotovoltaica más baja de todo el año, se obtuvo la curva
de generación de la energía fotovoltaica.
Adicionalmente, se utilizó la curva de demanda
promedio de un hogar clase media en Colombia
(Hernández Hernández & Carrillo Cruz, 2017), debido
a que no hay un estudio disponible que caracterice la
curva de demanda del sector residencial en Honduras.
R. Roussel, et al.
INNOVARE Revista de Ciencia y Tecnología Vol. 11, No. 3, 2022
6
Figura 3. LER Total en Honduras, Acimut=130°.
Con el objetivo de obtener los valores que se
multiplicarían a las curvas, se analizó el
comportamiento diario tanto de la generación como la
demanda. Para la generación, se analizaron los perfiles
de energía generada por mes obtenidos de SAM. Al
encontrar que el mes con la menor producción de
energía era septiembre, se realizó la curva escala
tomando como referencia el valor máximo de un día
promedio de septiembre, siendo este 229.646 kWh. En
el caso de la curva de demanda, se trabajó con el
consumo mensual por habitante en Honduras (57.83
kWh/hab/mes) (Secretaría de Energía [SEN], 2019).
Junto con este valor y la cantidad de habitantes a
considerar, se logró calcular un valor de 94.83 kWh
máximo al día.
Utilizando las diferentes bibliotecas de análisis de
datos de Python se realizó una regresión polinomial de
ambas curvas para obtener una función continua. Esto
permitió que se pudiese integrar la función para
encontrar la energía en cualquier punto en el tiempo, al
igual que encontrar la intersección entre ambas curvas.
Se utilizó el código de Perkier Energy para obtener
dicha regresión (Sá, 2019).
El error de aproximación entre la suma de los
valores para la curva de generación real y su regresión
resultó en 1.2237e-06, y 8.203e-11 para la curva de
demanda.
Los puntos en los cuales la demanda y generación se
intersecan se obtuvieron, esto ocurriendo a las 6:51 AM
y 3:52 PM. El déficit de energía se calculó integrando
la curva de demanda desde la hora 0 hasta la hora
6.8569 y desde la hora 15.8669 hasta la hora 23, el cual
resultó en 932.384 kWh. El excedente se obtuvo
integrando la curva de generación entre la hora 6.8559
y 15.8669, y restando la integral de la curva de
demanda bajo los mismos intervalos, esto resultó en
932.796 kWh. Calculando la diferencia entre el
excedente y déficit, se obtuvo un excedente total de
0.412 kWh. Esto significó que se puede alimentar un
banco de baterías con la energía solar para que supla la
demanda durante las 24 horas. Los picos para la curva
de demanda que se observaron entre las horas 0 y 5,
junto a las horas 19 y 23, se igualaron a 0 al momento
del cálculo del déficit. Estos picos resultaron de la
regresión polinomial y no representaron la producción
de manera precisa dentro de esos intervalos.
3.4.4. Dimensionamiento y LER del sistema
agrovoltaico en San Andrés, Lempira
El análisis de LER de este terreno se pudo realizar
con métodos más específicos. Para el
dimensionamiento del sistema y proyecciones de
generación de energía, se utilizó SAM. Se realizan dos
casos, (1) una hectárea que consiste solamente de
módulos a 180° de acimut y a una distancia de 2.2
metros; y (2) una hectárea con módulos a 130° de
acimut y a una distancia de 5 metros. Luego, para la
biomasa de papa generada y la evapotranspiración, se
utilizó el Modelo de Simulación de Cultivos WOFOST.
Realizando primero una simulación a radiación
completa y otra a radiación multiplicada por el factor
de sombra. Una vez aplicada la metodología, se obtuvo
un LER en el sitio de San Andrés de 124.92%.
R. Roussel, et al.
INNOVARE Revista de Ciencia y Tecnología Vol. 11, No. 3, 2022
7
4. Discusión
Las zonas centro y occidentales tuvieron los valores de
LER más altos. No obstante, es importante considerar que
estos valores no necesariamente indicaron que una
ubicación es mejor que la otra. El LER mide la eficiencia
del uso del terreno en cada sitio, lo cual ilustra en sí que
tanto se perdería en el rendimiento de los cultivos y
rendimiento fotovoltaico relativo al mismo sitio al
implementar un sistema agrovoltaico.
Para determinar las mejores ubicaciones también hay
que tomar en consideración la fotosíntesis y la irradiancia
por aparte, junto a otros factores como la ubicación de las
tierras cultivables (estos datos únicamente se pueden
visualizar y no es posible descargarlos fácilmente (Global
Croplands, 2015). Las bases de datos hondureñas son
difíciles de acceder. Igualmente, el LER calculado en esta
investigación describió el término de los cultivos con un
modelo para plantas C3 con parámetros promedio (Yin &
Struik, 2009). Para incrementar la precisión del modelo,
sería necesario utilizar parámetros bioquímicos para los
cultivos particulares que se encuentran en las diferentes
zonas de Honduras. Sin embargo, estos resultados
muestran que la agrovoltaica puede ofrecer un gran
beneficio al Corredor Seco, por lo cual se recomienda
hacer estudios experimentales en estas zonas.
En la aplicación de los modelos en San Andrés, se
observó un LER de 124.92%, el cual se considera
favorable, aunque se haya reducido la producción de
papas por 3504.45 kg/ha o 19.87%. Esta reducción era
esperada, ya que en otro estudio también se observó una
reducción en la producción de cultivos (Schindele et al.,
2020). Adicionalmente, se observó como favorable
tomando en cuenta que se redujo en un 21.75% el uso del
agua, debido a la sombra generada por los módulos. Para
realizar una interpretación que demuestra el beneficio de
la propuesta, se puede considerar dos hectáreas de terreno,
una dedicada al uso de agricultura y la otra a la producción
de energía fotovoltaica. Si ambas hectáreas se reemplazan
por un sistema agrovoltaico, se incrementaría la
producción total de papa por 160% y se reduciría por un
10.4% la generación de energía fotovoltaica.
Por último, ya que se tienen pocos datos sobre el sector
agropecuario de Honduras, se recomienda realizar censos
respecto a la producción de los diferentes cultivos y la
ubicación exacta de las tierras, para poder aplicar un
modelo que represente de manera más directa la
producción de cultivos en unidades de masa.
5. Conclusión
De acuerdo con los resultados, el territorio de
Honduras se presta para un alto aprovechamiento de la
agrovoltaica. Observando los mapas generados, se puede
determinar que los municipios con los promedios de LER
más altos se encuentran en la zona suroeste del país,
estando estos en: Ocotepeque, Lempira, Intibucá y La Paz;
extendiéndose hacia el centro del país. Este resultado es
favorable ya que esta zona coincide con el Corredor Seco,
una de las partes del país con mayor inseguridad
alimentaria.
En San Andrés Lempira, el sistema agrovoltaico con
papas como cultivo obtuvo un LER que indica un mayor
aprovechamiento de la tierra. La reducción de radiación
debido a la sombra de los módulos redujo la producción
de papas. No obstante, la eficiencia del uso del agua del
cultivo mejoró. El sistema tiene la capacidad de dar
electricidad a 850 habitantes durante 24 horas, asumiendo
un consumo de 57.83 kWh/habitante/mes y almacenando
el excedente en un banco de baterías.
6. Contribución de los Autores
RR, VS y CC contribuyeron de manera sustancial a la
concepción, investigación, análisis, redacción y
aprobación final del manuscrito.
7. Conflictos de Interés
Los autores declaran no tener ningún conflicto de
interés.
8. Referencias Bibliográficas
Deline, C., & Ayala, S. (2017, 17 de diciembre). Bifacial_Radiance.
[Computer Software]. https://dx.doi.org/10.11578/dc.20180530.16
de Wit, A. (2021a). WOFOST – World Food Studies. Wageningen
University & Research. https://www.wur.nl/en/Research-
Results/Research-Institutes/Environmental-Research/Facilities-
Tools/Software-models-and-databases/WOFOST.htm
de Wit, A. (2021b). PCSE. GitHub. https://github.com/ajwdewit/pcse
Dupraz, C., Marrou, H., Talbot, G., Dufour, L., Nogier, A., & Ferard, Y.
(2011). Combining solar photovoltaic panels and food crops for
optimising land use: towards new agrivoltaic schemes. Renewable
Energy, 36, 2725-2732.
https://dx.doi.org/10.1016/j.renene.2011.03.005
Global Croplands. (2015). Global croplands data.
https://www.croplands.org/app/map?lat=14.41872&lng=-
85.52856445312501&zoom=8
Global Solar Atlas. (2020). Global photovoltaic power potential by
country. The World Bank. https://globalsolaratlas.info/global-pv-
potential-study
Hernández Hernández, K. A., & Carrillo Cruz, J. S. (2017). Análisis de
la curva de demanda eléctrica para usuarios residenciales estrato 4
en la ciudad de Bogotá ante diferentes escenarios de los hábitos de
consumo. Universidad Distrital Francisco José De Caldas.
https://repository.udistrital.edu.co/bitstream/handle/11349/5838/He
rnandezHernandezKellyAlexandra2017.pdf?sequence=1&isAllowe
d=y
Holmgren, W. F., Hansen, C. W., & Mikofski, M. A. (2018). pvlib
python: a python package for modeling solar energy systems.
Journal of Open Source Software, 3(329), 884.
https://dx.doi.org/10.21105/joss.00884
Integrated Food Security Phase Classification [IPC]. (2018, 4 de enero).
Honduras: chronic food insecurity situation 2018-2023.
R. Roussel, et al.
INNOVARE Revista de Ciencia y Tecnología Vol. 11, No. 3, 2022
8
http://www.ipcinfo.org/ipc-country-analysis/details-
map/en/c/1143346/?iso3=HND
Jung, D., Salmon, A., & Gese, P. (2021). Agrivoltaics for farmers with
shadow and electricity demand: results of a prefeasibility study under
net billing in central Chile. AIP Conference Proceedings, 2361.
https://dx.doi.org/10.1063/5.0054962
National Renewable Energy Laboratory [NREL]. (s.f.). System Advisor
Model (SAM). U.S. Department of Energy, Office of Energy
Efficiency and Renewable Energy. https://sam.nrel.gov/
QGIS. (s.f.). QGIS. A free and open source geographic information
system. https://www.qgis.org/en/site/
Sá, D. (2019). Perkier energy. GitHub.
https://github.com/perkier/Perkier.Energy
Scikit-image. (s.f.). https://scikit-image.org/docs/stable/overview.html
Schindele, S., Trommsdorff, M., Schlaak, A., Obergfell, T., Bopp, G.,
Reise, C., Braun, C., Weselek, A., Bauerle, A., Högy, P.,
Goetzberger, A., & Weber, E. (2020). Implementation of
agrophotovoltaics: Techno-economic analysis of the price-
performance ratio and its policy implications. Applied Energy, 265,
1-19. https://dx.doi.org/10.1016/j.apenergy.2020.114737
Secretaría de Energía [SEN]. (2019). Informe estadístico anual del
subsector eléctrico. Dirección General de Electricidad y Mercados
(DGEM). Gobierno de Honduras.
Secretaría de Energía [SEN]. (2021). Informe de cobertura y acceso a la
electricidad en Honduras. Gobierno de Honduras. https://sen.hn/wp-
content/uploads/2022/01/INFORME-DE-COBERTURA-Y-
ACCESO-A-LA-ELECTRICIDAD-EN-HONDURAS-V-
211221.pdf
Sistema de la Integración Centroamericana [SICA]. (2018). El BID
invierte 2,55 millones en microrredes fotovoltaicas en Moskitia,
Honduras. https://www.sica.int/noticias/el-bid-invierte-2-55-
millones-en-microrredes-fotovoltaicas-en-moskitia-
honduras_1_111004.html
Solargis. (2022). Methodology - Solar radiation modelling.
https://solargis.com/docs/methodology/solar-radiation-modeling
Trommsdorff, M., Kang, J., Reise, C., Schindele, S., Bopp, G., Ehmann,
A., Weselek, A., Högy, P., & Obergfell, T. (2021). Combining food
and energy production: design of an agrivoltaic system applied in
arable and vegetable farming in Germany. Renewable and
Sustainable Energy Reviews, 140.
https://dx.doi.org/10.1016/j.rser.2020.110694
Yin, X., & Struik, P. C. (2009). C3 and C4 photosynthesis models: an
overview from the perspective of crop modelling. NJAS -
Wageningen Journal of Life Sciences, 57(1), 27-38.
https://dx.doi.org/10.1016/j.njas.2009.07.001