FY-4A地面太阳辐射产品在贵州高原山区的适用性研究

  • 丁立国 ,
  • 申彦波 ,
  • 马勋丹 ,
  • 朱军 ,
  • 谭娅姮
展开
  • 1. 南京信息工程大学应用气象学院,江苏 南京 210044
    2. 中国气象局公共气象服务中心,北京 100081
    3. 贵州省气候中心,贵州 贵阳 550002
    4. 中国气象局风能太阳能中心,北京 100081

丁立国(1990 -), 男, 山东诸城人, 工程师, 从事气候资源开发利用研究. E-mail:

收稿日期: 2021-09-08

  修回日期: 2022-03-02

  网络出版日期: 2022-09-08

基金资助

第二次青藏高原综合科学考察研究项目(2019QZKK0804)

Applicability of the Solar Radiation Products from FY-4A in Plateau Mountainous Areas of Guizhou

  • Liguo DING ,
  • Yanbo SHEN ,
  • Xundan MA ,
  • Jun ZHU ,
  • Yaheng TAN
Expand
  • 1. School of Applied Meteorology,Nanjing University of Information Science and Technology,Nanjing 210044,Jiangsu,China
    2. Public Weather Service Center,China Meteorological Administration,Beijing 100081,China
    3. Climate Center of Guizhou Province,Guiyang 550002,Guizhou,China
    4. Center for Wind and Solar Energy,China Meteorological Administration,Beijing 100081,China

Received date: 2021-09-08

  Revised date: 2022-03-02

  Online published: 2022-09-08

本文引用格式

丁立国 , 申彦波 , 马勋丹 , 朱军 , 谭娅姮 . FY-4A地面太阳辐射产品在贵州高原山区的适用性研究[J]. 高原气象, 2022 , 41(4) : 1041 -1050 . DOI: 10.7522/j.issn.1000-0534.2022.00016

1 引言

太阳辐射为地球表面提供能量来源(申彦波等, 2013), 在“双碳”目标背景下, 中国清洁能源利用规划中的太阳能光伏发电发展迅速, 已逐渐成为新能源行业的主力军, 事实证明, 对地面太阳辐射的精准测算能够为气象、 农业、 光伏发电等行业领域发展提供科技支撑(石广玉, 2007王香云等, 2020; 袁建刚和高旭娜, 2020; 刘淳等, 2021; 吴川东等, 2021李培都和高晓清, 2021Tang et al, 20182010)。在我国, 地面辐射站数量少且地域分布不均, 目前推算地面太阳辐射大多通过采用地面观测的日照时数、 气温等气象要素推算或通过基于日照百分率的气候学方法来间接计算(申彦波等, 201420162017王炳忠和申彦波, 2012), 研究成果满足了诸多行业的对地面辐射数据的需求, 推动了相关行业领域技术发展。近年来, 相关行业领域发展迅速, 但地面气象观测站点并未明显增加, 地面太阳辐射产品的时空分辨率越来越不能满足各行业发展需求。
随着卫星遥感观测手段的日渐成熟, 卫星遥感数据因其时空连续性方面优势明显而被广泛应用在飑线预报、 台风应用研究、 太阳辐射资源评估和预报等领域(钟强, 1989钟强和眭金娥, 1989梁进秋等, 2020王传辉等, 2020翁笃鸣等, 1997刘军建等, 2018许健民等, 2014黄守友和徐国强, 2020崔林丽等, 2020徐丽娜等, 2021Prasad and Kay, 2020)。2016年我国成功发射了新一代气象卫星风云四号A星(FY-4A), 搭载世界领先水平的静止轨道辐射成像仪、 闪电成像仪、 静止轨道干涉式红外探测仪等探测仪器(张志清等, 2017Yang et al, 2017鲍艳松等, 2017董瑶海等, 2016), 其主要的定量反演产品之一就是地面太阳辐射产品, 包括总辐射、 直接辐射、 散射辐射3个要素, 空间分辨率为4 km, 时间分辨率一般为1 h, 最高可达15 min, 为下一步开展高时空分辨率的地面太阳辐射产品研发提供了基础数据支撑。
贵州地处我国西南部, 从地形分布看, 贵州横亘于四川盆地和广西丘陵之间, 地势西高东低, 山高谷深, 平均海拔为1100 m, 土地资源92.5%的面积为山地和丘陵, 下垫面地形复杂。为获得贵州高原山区高时空分辨率的地面辐射数据, 开展FY-4A-GSRP在贵州高原山区的适用性研究意义重大, 本研究利用贵州省7个辐射站的观测数据, 对FY-4A-GSRP进行检验和订正, 可提高该产品的精度, 为该产品在贵州高原山区的应用提供科学依据。

2 数据资料及处理方法

2.1 地面辐射站观测数据

本文选取贵州省境内贵阳站、 从江站、 三穗站、 桐梓站、 威宁站、 沿河站和紫云站作为代表站, 站点位置见图1[该图是基于国家测绘地理信息局标准地图服务系统下载的审图号为GS(2017)3320号的标准地图制作, 底图无修改], 7个站点分布匀称, 代表性较好。7个站均按照一级辐射站标准建设, 其中贵阳、 威宁、 桐梓、 三穗站为国家基准站, 紫云、 从江、 沿河站为国家一般站。本文采用该7个辐射站2018 -2019年逐时总辐射观测数据, 数据来源于贵州省气象信息中心。
图1 贵州省太阳辐射观测站分布

Fig.1 Distribution of solar radiation observation stations in Guizhou Province

2.2  FY-4A地面太阳辐射产品

FY-4A地面太阳辐射产品(Ground Solar Radiation Products, 以下简称FY-4A-GSRP)每天除了整点的观测时次外, 每3 h整点前后15 min各有一次观测, 共计40个观测时次, 其空间分辨率为4 km, 时间分辨率最高可达15 min, 输出要素包含总辐射、 直接辐射和散射辐射, 光谱范围为0.2~5.0 μm。FY-4A-GSRP算法模型在辐射传输理论的基础上, 通过统计分析建立, 其中包含了地面太阳入射辐射与成像仪多通道辐射之间的关系方程式, 反演输出瞬时地面太阳辐射值。算法针对无云的晴天大气, 首要考虑水汽及臭氧的吸收作用、 大气分子的瑞利散射作用、 气溶胶的多次散射和吸收作用以及地面和大气直接的反射作用。针对有云层的大气状况, 同时考虑云滴的多次散射和吸收作用。本文采用距离辐射站点最近的7个FY-4A-GSRP格点上2018 -2019年逐时总辐射数据, 数据来源于国家卫星气象中心。

3 检验结果分析

3.1 小时总辐射

以贵阳辐射站为代表, 检验小时、 日、 月、 年时间尺度下FY-4A-GSRP质量, 并分析其特征。FY-4A-GSRP是一种定量遥感产品, 其质量验证方法可以通过与地面观测数据对比分析来进行(尹延通等, 2017), 采用的评价指标有相关系数(Correlation Coefficient, 以下用R表示)、 相对误差(Relative Error, RE)等(吴琼等, 2020), 该指标均能反映出反演结果和实际观测结果的差别。
从2018 -2019年贵阳辐射站观测和FY-4A-GSRP小时总辐射曝辐量随时间的变化[图2(a)]中可以看出, FY-4A-GSRP总辐射与地面观测数据变化趋势一致, 但同时次地面观测值总体偏小, 考虑到地面观测主要反映气象因素的变化, 因此FY-4A-GSRP总辐射能够较好地反映出气象因素变化对总辐射的影响。从数值上来看, FY-4A-GSRP的小时总辐射曝辐量在0.5~4.2 MJ·m-2, 而地面观测在0.01~3.7 MJ·m-2, 其中FY-4A-GSRP总辐射曝辐量最小值是地面观测数值的50倍, 这与FY-4A-GSRP反演算法中太阳高度角阈值的设定有一定关系, 为确保计算精度, 在反演算法中, 将太阳高度角的阈值设为20°, 当太阳高度角小于20°时, 不输出辐射产品, 这导致每天早晚低总辐射时刻, FY-4A-GSRP总辐射无数据。
图2 2018 -2019年贵阳辐射地面观测站和FY-4A-GSRP时序图(a)及其相关关系(b)

Fig.2 Hourly time series (a) and the correlation (b) of ground radiation observation at Guiyang and FY-4A-GSRP total irradiance from 2018 to 2019

从贵阳辐射站和FY-4A-GSRP小时总辐射曝辐量相关关系[图2(b)]可见, 两者相关系数R值为0.868, 相关性显著。从全年小时平均总辐射曝辐量来看, FY-4A-GSRP为1.992 MJ·m-2, 贵阳辐射站观测值为0.856 MJ·m-2, 反演结果偏高1.33倍。从两者相对误差RE值区间分布(图3)可见, 近60%数据RE绝对值在200%以内, 其中30%以上的数据在50%以内, 负偏差占比仅5.3%, FY-4A-GSRP比辐射站总辐射数值总体偏高。
图3 2018 -2019年贵阳辐射站和FY-4A-GSRP小时总辐射曝辐量相对误差RE区间分布

Fig.3 The distribution of relative errors RE for hourly total irradiance between ground radiation observation at Guiyang and FY-4A-GSRP from 2018 to 2019

从2018 -2019年贵阳辐射站和FY-4A-GSRP小时平均总辐射曝辐量及误差变化(图4)可以发现, FY-4A-GSRP的小时平均总辐射曝辐量高于贵阳辐射站观测数据, 两者绝对误差各时刻在0.65~1.0 MJ·m-2波动变化, 两者RE值随时间也呈现规律性变化, RE值早晚较大, 中午偏小, 16:00(北京时, 下同)过后, FY-4A-GSRP总辐射曝辐量RE值超过100%, 12:00 -13:00, 则只偏高40%左右。RE值的变化特征与总辐射曝辐量的日变化特征呈相反趋势, 总辐射数值较低时, FY-4A-GSRP与地面观测数据RE值较大, 而在总辐射数值较高时, RE值较小。
图4 2018 -2019年贵阳辐射站地面观测和FY-4A-GSRP平均小时总辐射曝辐量及误差变化

Fig.4 Variations of annual mean hourly total irradiance and their errors between ground radiation observation at Guiyang and FY-4A-GSRP from 2018 to 2019

此外, 地面辐射站受城镇化发展影响, 被四周楼房、 大树等物体遮挡, 导致早晚时刻地面观测数据偏小, 但卫星观测基本不受地面遮挡因素的影响, 在一定程度上也是早晚时刻FY-4A-GSRP误差较大的原因。

3.2 日总辐射

从2018 -2019年贵阳辐射站与FY-4A-GSRP日总辐射曝辐量数据日序图[图5(a)]可以发现, 两者的变化趋势基本一致, FY-4A-GSRP总辐射在数值上总体偏高。图5(b)为两者相关关系图, R值为0.901。在数值上, FY-4A-GSRP年平均日总辐射曝辐量为17.5 MJ·m-2, 地面观测值为11.2 MJ·m-2RE值为56.3%, 比小时数据有所减小。从两者逐日RE值的分布区间图(图6)可以发现, 72.9%的数据RE值集中在0~200%, 比逐时数据偏高, 22.9%的数据RE值超过200%, 比逐时数据偏低。
图5 2018 -2019年贵阳辐射站与FY-4A-GSRP日总辐射曝辐量日序图(a)及其相关关系(b)

Fig.5 Daily time series (a) and the correlation (b) of ground radiation observation at Guiyang and FY-4A-GSRP total irradiance from 2018 to 2019

图6 2018 -2019年贵阳辐射站与FY-4A-GSRP日总辐射曝辐量相对误差RE区间分布

Fig.6 The distribution of relative errors RE for daily total irradiance between ground radiation observation at Guiyang and FY-4A-GSRP from 2018 to 2019

3.3 月、 年总辐射

从2018 -2019年贵阳辐射站和FY-4A-GSRP月总辐射数据及误差变化(图7)可以发现, 两者的变化趋势基本一致, 地面观测总辐射曝辐量低于FY-4A-GSRP数据, 两者的绝对误差各月份在142.2~236.9 MJ·m-2波动变化, 两者的RE值在 3 -9月偏低、 10月至次年2月偏高, 分析原因是3 -9月的观测值本身偏高, 而各月绝对误差偏差不大。月最大值出现在1月, FY-4A-GSRP偏高174%, 月最小值出现在8月, FY-4A-GSRP偏高28%。从年总辐射数值上来看, FY-4A-GSRP为6387.8 MJ·m-2, 贵阳辐射站为4093.5 MJ·m-2, 反演结果偏高56%。
图7 2018 -2019年年贵阳辐射站和FY-4A-GSRP月总辐射曝辐量及误差随时间变化

Fig.7 Variations of annual mean monthly total irradiance and their errors between ground radiation observation at Guiyang and FY-4A-GSRP from 2018 to 2019

3.4 贵州7个辐射站比对分析

上述章节对贵阳辐射站和FY-4A-GSRP小时、 日、 月、 年总辐射数据的相关性和误差分布特征进行了详细分析, 通过统计发现, 从江、 三穗、 桐梓、 威宁、 沿河和紫云6站的相关性和误差分布特征与贵阳站相似, 从小时数据来看, 在10:00 -16:00, 相关系数R值高, 大都均在0.7以上, 相对误差较低, 在200%以内(图8)。从观测总辐射曝辐量具体数值(图8)来看, 贵阳、 从江、 三穗、 桐梓、 威宁、 沿河和紫云小时平均观测总辐射曝辐量分别为1.004 MJ·m-2、 1.078 MJ·m-2、 0.764 MJ·m-2、 0.859 MJ·m-2、 1.479 MJ·m-2、 0.935 MJ·m-2和1.172 MJ·m-2, 相对误差RE平均值分别为98%、 92%、 157%、 123%、 43%、 111%和78%, 相关系数R平均值分别为0.868, 0.856, 0.883, 0.859, 0.809, 0.886和0.857。从各站观测总辐射曝辐量和其相对误差数值(图8)可以看出, 观测总辐射曝辐量数值越大, RE值越小, 但7个站的R平均值均很高, 沿河站R值最高为0.886, 其次为三穗站, R值为0.883, 其相关性并未受到低总辐射曝辐量的影响, 究其原因是在地球外太阳辐射穿过大气层到达地表的过程中会受到云、 气溶胶等外界因素影响, 而FY-4A-GSRP在反演算法中综合考虑了这些参数的影响, 提高了卫星反演产品与观测数据的一致性, 使得地面辐射观测和FY-4A-GSRP数据的相关性很好。但是, FY-4A-GSRP与地面辐射观测数据仍然存在较大误差, 分析原因主要是与云、 气溶胶等参数有关的辐射物理过程非常复杂, 要想精确地计算太阳辐射从地外穿过大气层到达地表传输路径上的大气状况十分困难, 从而影响反演数据的精准度。
图8 2018 -2019年贵阳、 从江、 三穗、 桐梓、 威宁、 沿河和紫云辐射站观测与FY-4A-GSRP小时平均总辐射曝辐量的相关系数(实线)及相对误差RE(虚线)随时间变化

Fig.8 Time series of correlation coefficient (solid line) and relative errors (dotted line) for annual mean hourly total irradiance between ground radiation observation at Guiyang, Congjiang, Sansui, Tongzi, Weining, Yanhe, Ziyun and FY-4A-GSRP from 2018 to 2019

由于从江、 沿河和紫云辐射站部分月份有缺测, 月和年统计分析仅采用贵阳、 三穗、 桐梓和威宁辐射站, 从月数据来看, 相对误差RE值与观测总辐射曝辐量的月变化特征亦呈相反趋势, 观测总辐射越大, RE值越小(图9)。从总辐射曝辐量年数据(图9)来看, 2018 -2019年观测总辐射曝辐量结果分别为4093.54 MJ·m-2、 3117.20 MJ·m-2、 3504.60 MJ·m-2和6012.12 MJ·m-2, FY-4A-GSRP总辐射曝辐量结果分别为6387.84 MJ·m-2、 6212.40 MJ·m-2、 6137.31 MJ·m-2和6777.63 MJ·m-2, 其年总辐射数据相对误差RE值分别为56%, 99%, 75%和13%, 从各站观测总辐射曝辐量和其相对误差数值(图9)可以看出, 辐射站的年总辐射数值越高, 两者RE值也越低。
图9 2018 -2019年贵阳、 三穗、 桐梓、 威宁辐射站地面观测总辐射曝辐量(实线)及相对误差(虚线)随时间变化

Fig.9 Time series of annual mean monthly total irradiance(solid line)and relative errors (dotted line)between ground radiation observation at Guiyang, Sansui, Tongzi, Weining and FY-4A -GSRP from 2018 to 2019

4 反演总辐射订正

研究发现, 卫星反演数据精准度一定程度与地表覆盖类型相关(Sharifi et al, 2018), 同时FY-4A-GSRP受反演算法以及云、 气溶胶等外界因素的影响, 其产品数据存在明显的系统误差, 需要通过地面观测资料的修订来提高精度(徐丽娜等, 2021)。王传辉等(2020)利用一元线性回归模型对安徽FY-4A星地面太阳辐射产品进行订正, 可以较好降低误差, 贵州辐射站观测数据与FY-4A-GSRP总辐射曝辐量数据一致性较好, 在小时尺度和日尺度同期数据上具有显著的相关性, 因此, 本节采用一元线性回归模型对小时尺度和日尺度数据进行初步订正, 并对其订正后数据的累加值的月尺度和年尺度数据进行误差分析, 订正过程中选取2018年数据作为训练集, 2019年数据作为验证集, 由于从江、 沿河、 紫云辐射站数据验证集数据有缺测, 本节只对贵阳、 三穗、 桐梓和威宁4个辐射站反演总辐射进行订正。利用验证集计算得到小时尺度和日尺度数据订正后平均相对误差RE值见表1
表1 贵阳、 三穗、 桐梓、 威宁辐射站2019年验证集反演总辐射曝辐量误差分析

Table 1 Analysis of errors from inversed total irradiance based on validity in 2019 at GuiyangSansuiTongzi and Weining stations

辐射站 变量 订正时间尺度 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 年值
贵阳 未订正FY-4A-GSRP/(MJ·m-2 347.6 358.0 496.7 616.4 556.6 646.5 660.8 727.0 594.7 461.2 393.5 380.4 6239.4
辐射站/(MJ·m-2 122.1 184.0 322.3 450.7 357.8 414.9 440.1 580.3 494.1 301.6 198.4 240.2 4106.5
订正后FY-4A-GSRP/(MJ/·m-2 逐时订正累加 143.4 157.1 250.2 383.2 284.1 361.5 373.6 486.6 373.6 239.1 183.3 182.6 3418.3
逐日订正累加 101.6 143.5 276.8 427.5 347.2 462.9 469.7 547.6 402.0 235.2 165.5 140.2 3719.7
订正前相对误差/% 184.6 94.5 54.1 36.8 55.6 55.8 50.1 25.3 20.4 52.9 98.3 58.4 51.9
订正后相对误差/% 逐时 17.4 -14.6 -22.4 -15.0 -20.6 -12.9 -15.1 -16.2 -24.4 -20.7 -7.6 -24.0 -16.8
逐日 -16.8 -22.0 -14.1 -5.2 -2.9 11.6 6.7 -5.6 -18.6 -22.0 -16.6 -41.6 -9.4
三穗 未订正FY-4A-GSRP/(MJ·m-2 343.1 325.8 479.2 522.0 529.7 610.2 664.8 739.6 604.7 450.7 409.4 353.1 6032.2
辐射站/(MJ·m-2 81.8 106.3 234.2 247.8 246.3 336.2 404.3 455.9 363.5 223.3 172.7 168.4 3040.7
订正后FY-4A-GSRP/(MJ·m-2 逐时订正累加 176.5 167.6 246.5 268.5 272.4 313.8 341.9 380.4 311.0 231.8 210.5 181.6 3102.4
逐日订正累加 75.2 83.5 208.2 258.4 257.5 344.6 389.5 462.7 339.2 180.3 148.3 84.9 2832.3
订正前相对误差/% 319.5 206.4 104.6 110.7 115.1 81.5 64.4 62.3 66.4 101.8 137.0 109.6 98.4
订正后相对误差/% 逐时 115.7 57.6 5.2 8.4 10.6 -6.7 -15.4 -16.6 -14.4 3.8 21.9 7.8 2.0
逐日 -8.1 -21.5 -11.1 4.3 4.6 2.5 -3.7 1.5 -6.7 -19.3 -14.1 -49.6 -6.9
桐梓 未订正FY-4A-GSRP/(MJ·m-2 340.4 336.6 474.2 544.6 524.0 594.9 691.9 727.9 554.7 431.3 364.1 359.8 5944.3
辐射站/(MJ·m-2 90.7 153.8 276.9 371.2 293.6 350.3 460.9 554.8 377.3 234.7 129.6 168.1 3461.8
订正后FY-4A-GSRP/(MJ·m-2 逐时订正累加 122.7 128.2 205.8 275.4 223.5 275.2 384.0 456.1 304.3 190.0 140.1 144.9 2850.3
逐日订正累加 78.1 103.5 229.5 319.0 285.8 376.0 475.9 516.6 330.5 180.9 114.8 100.0 3110.7
订正前相对误差/% 275.5 118.9 71.2 46.7 78.4 69.8 50.1 31.2 47.0 83.8 180.9 114.1 71.7
订正后相对误差/% 逐时 35.4 -16.6 -25.7 -25.8 -23.9 -21.4 -16.7 -17.8 -19.4 -19.1 8.1 -13.7 -17.7
逐日 -13.9 -32.7 -17.1 -14.1 -2.7 7.3 3.3 -6.9 -12.4 -22.9 -11.4 -40.5 -10.0
威宁 未订正FY-4A-GSRP/(MJ·m-2 424.3 486.5 572.6 675.8 652.1 688.5 660.7 707.5 579.4 499.4 411.1 396.4 6754.4
辐射站/(MJ·m-2 459.9 592.6 555.7 688.1 543.4 563.8 512.1 690.2 489.9 395.2 321.4 378.6 6191.0
订正后FY-4A-GSRP/(MJ·m-2 逐时订正累加 315.5 397.3 448.7 589.7 493.7 537.5 501.6 601.9 462.4 370.7 295.6 278.4 5293.0
逐日订正累加 312.9 404.3 487.6 615.1 581.3 630.1 591.3 646.4 501.6 401.4 303.4 280.1 5755.7
订正前相对误差/% -7.8 -17.9 3.0 -1.8 20.0 22.1 29.0 2.5 18.3 26.4 27.9 4.7 9.1
订正后相对误差/% 逐时 -31.4 -33.0 -19.3 -14.3 -9.2 -4.7 -2.1 -12.8 -5.6 -6.2 -8.0 -26.5 -14.5
逐日 -32.0 -31.8 -12.2 -10.6 7.0 11.8 15.5 -6.3 2.4 1.6 -5.6 -26.0 -7.0
从年RE绝对值来看, 贵阳、 三穗和桐梓订正后误差水平明显降低, 威宁站日数据订正结果误差水平略有降低; 除三穗逐时数据订正RE值为正外, 其他均为负RE值; 4个站的逐日订正和三穗站的逐时订正误差水平均能控制在10%以内。
从月RE绝对值来看, 冬季误差大, 夏季误差小, 日数据和小时数据订正结果各月各有优劣, 贵阳站1月和3 -10月逐日订正结果误差水平低于逐时订正结果, 三穗站1 -2月和4 -9月逐日订正结果误差水平低于逐时订正结果, 桐梓站1月和3 -9月逐日订正结果误差水平低于逐时订正结果, 威宁站2 -5月和8 -12月逐日订正结果误差水平低于逐时订正结果。
以上分析可见, 基于小时尺度和日尺度数据的一元线性回归模型订正结果都能较好地降低误差水平, 但除了三穗站的日订正结果外, 其他均存在过订正问题。考虑原因一是与训练集和验证集资料的选取有关, 不同年份辐射呈现不同变化特征, 这种变化差异会直接影响数据订正模型, 从而影响订正结果; 二是贵州是个多云天的省份, 相关研究表明FY-4A-GSRP有对云天高估的缺陷(徐丽娜等, 2021), 云的影响本文采用的订正模型并未消除。如何选择合适的订正模型提高FY-4A-GSRP精度将是今后产品订正研究的重点内容。

5 结论

利用贵州贵阳、 威宁等7个辐射站的实测数据, 对FY-4A-GSRP数据质量进行验证分析, 再进一步对其总辐射进行订正, 结果表明:
(1) FY-4A-GSRP与地面观测总辐射曝辐量数据的相关性显著, 但FY-4A-GSRP总辐射数值总体偏高, 两者均呈现中午高早晚低, 夏春高冬秋低的变化特征, 相对误差RE值随地面观测总辐射曝辐量的增加而减小, 早晚误差大, 中午误差小。
(2) 贵州7个辐射站比对分析来看, 辐射站总辐射数值越高, RE水平越低, 但总辐射数值的大小对数据的相关性影响不明显, 究其原因是在地球外太阳辐射穿过大气层到达地表的过程中会受到云、 气溶胶等外界因素影响, 而FY-4A-GSRP在反演算法中综合考虑了这些参数的影响, 提高了反演产品与观测数据的一致性。
(3) 采用一元线性回归模型对FFY-4A-GSRP进行订正, 小时尺度和日尺度订正结果都能较好地降低误差水平, 从年RE绝对值来看, 贵阳、 三穗和桐梓订正后误差水平明显降低, 威宁站日数据订正结果误差水平略有降低; 从月RE绝对值来看, 冬季误差大, 夏季误差小; 但订正结果存在过订正问题, 考虑原因一是训练集和验证集资料的选取影响订正结果, 二是订正模型未消除辐射传输过程中云的影响, 如何选择合适的订正模型提高FY-4A-GSRP精度将是今后产品订正研究的重点内容。

参考文献

null
Prasad A A Kay M2020.Assessment of simulated solar irradiance on days of high intermittency using WRF-Solar[J].Energies13(2): 385.
null
Sharifi E Steinacker R Saghafian B2018.Multi time-scale evaluation of high-resolution satellite-based precipitation roducts over northeast of Austria[J].Atmospheric Research, 206: 46-63.DOI: 10.1016/j.atmosres.2018.02.020 .
null
Tang W J Yang K He J, et al, 2010.Quality control and estimation of global solar radiation in China [J].Solar Energy84(3): 466-475
null
Tang W J Yang K Qin J, et al, 2018.First effort for constructing a direct solar radiation data set in China for solar energy applications[J].Journal of Geophysical Research-Atmospheres123(3): 1724-1734.DOI: 10.1002/2017jd028005 .
null
Yang J Zhang Z Q Wei C Y, et al, 2017.Introducing the new generation of Chinese geostationary weather satellites, Fengyun-4[J].Bulletin of the American Meteorological Society98(8): 1637-1658.
null
鲍艳松, 汪自军, 陈强, 等, 2017.FY-4A星GIIRS大气温度廓线反演模拟试验研究[J].上海航天34(4): 28-37.
null
崔林丽, 郭巍, 葛伟强, 等, 2020.FY-4A卫星云顶参数精度检验及台风应用研究[J].高原气象39(1): 196-203.DOI: 10.7522/j.issn.1000-0534.2019.00065 .
null
董瑶海, 2016.风云四号气象卫星及其应用展望[J].上海航天33(2): 1-8.
null
黄守友, 徐国强, 2020.FY-4A 的LMIE闪电数据对云信息初始化的影响及数值试验[J].高原气象39(2): 378-392.DOI: 10. 7522/j.issn.1000-0534.2019.00110 .
null
李培都, 高晓清, 2021.光伏电站对生态环境气候的影响综述[J].高原气象40(3): 702-710.DOI: 10.7522/j.issn.1000-0534. 2020.00020 .
null
梁进秋, 申彦波, 胡丽琴, 等, 2020.FY-4A地表太阳入射辐射产品在山西高原的适用性研究[J].气象46(12): 1575-1585.
null
刘淳, 任立清, 李学军, 等, 2021.1990-2019 年中国北方沙区太阳能资源评估[J].高原气象40(5): 1213-1223.DOI: 10.7522/j.issn.1000-0534.2021.00058 .
null
刘军建, 师春香, 贾炳浩, 等, 2018.FY-2E地面太阳辐射反演及数据集评估[J].遥感学报33(1): 104-110.
null
申彦波, 2017.我国太阳能资源评估方法研究进展[J].气象科技进展7(1): 77-84.
null
申彦波, 程兴宏, 赵东, 2013.气象与太阳能生态城[M].北京: 中国建筑工业出版社, 16-25.
null
申彦波, 张顺谦, 郭鹏, 等, 2014.四川省太阳能资源气候学计算[J].应用气象学报25(4): 493-498.
null
申彦波, 张顺谦, 郭鹏, 等, 2016.基于SMARTS 模式的太阳能资源计算——以四川省为例[J].太阳能学报37(2): 482-488.
null
石广玉, 2007.大气辐射学[M].北京: 科学出版社, 12-14.
null
王炳忠, 申彦波, 2012.自然环境条件对太阳能资源计算影响的再思考[J].应用气象学报23(4): 505-512.
null
王传辉, 申彦波, 翟振芳, 等, 2020.FY-4A星地面太阳辐射产品检验与订正——以安徽省为例[J].太阳能学报42(9): 159-169.
null
王香云, 申彦波, 李利秋, 2020.中国太阳能资源领域标准的制定综述[J].太阳能 (12): 17-23.
null
翁笃鸣, 高庆先, 刘 艳, 1997.应用ISCCP云资料反演青藏高原地面总辐射场[J].南京气象学院学报20(1): 42-46.
null
吴川东, 苏泽兵, 刘鹄, 等, 2021.干旱、 半干旱区光伏发电设施的生态-水文效应研究评述[J].高原气象40(3): 690-701.DOI: 10.7522/j.issn.1000-0534.2020.00065 .
null
吴琼, 窦芳丽, 郭杨, 等, 2020.FY-3C微波成像仪海上大气可降水产品质量检验[J].气象46(1): 73-79.
null
徐丽娜, 申彦波, 李忠, 等, 2021.基于概率密度匹配方法的FY-4A地表入射太阳辐射订正[J].高原气象40(4): 932-942.DOI: 10.7522/j.issn.1000-0534.2020.00080 .
null
许健民, 郭强, 陆其峰, 等, 2014.风云气象卫星数据处理算法的若干创新[J].气象学报72(5): 1023-1038.
null
尹延通, 刘高飞, 关吉平, 等, 2017.基于探空和SSMI/S资料的 AM-SR-2 海上大气可降水产品检验与评估[J].海洋科学41(4): 65-74.
null
袁建刚, 高旭娜, 2020.城市建筑太阳能资源评估信息系统及其工作方法[P].中国专利: CN111639381A, 2020-09-08.
null
张志清, 陆风, 方翔, 等, 2017.FY-4卫星应用和发展[J].上海航天34(4): 8-19.
null
钟强, 1989.青藏高原地区地气系统太阳辐射能收支的研究[J].高原气象8(1): 1-12.
null
钟强, 眭金娥, 1989.利用Nimbus-7行星反射率观测资料估算青藏高原地区的总辐射[J].气象学报47(2): 165-172.
文章导航

/