以2009年 1， 4， 7， 10和12月全球GFS预报场资料为初值场， 对新疆达坂城\_\_小草湖风区进行风能预报建模的同时， 也对周边辐射气候各异的吐鲁番、 乌鲁木齐和焉耆站的辐射预报效果进行了检验。结果表明： （1）大多数情况下， 模式中的逐时向下短波曝辐量能预报出各地总辐射的日变化趋势， 两者的平均绝对误差百分率存在上午大、 午后小, 以及日出时刻的平均绝对误差百分率一般是日落时刻的3倍～4倍以上的特点。（2）当吐鲁番、 乌鲁木齐站的日总辐射与日天文总辐射比>0.4时， 预报的日平均绝对误差百分率在25%以内； 而<0.4时， 模式预报便无参考价值。焉耆站辐射预报的偏差大小对这一比值却不敏感。（3）对于吐鲁番站而言， 10月预报效果最佳， 4月次之； 对于乌鲁木齐、 焉耆站而言， 则是4月预报效果最佳， 10月次之； 各地冬季月份的预报偏差均最大， 主要与冬季的散射辐射与总辐射之比为一年最大和模式对冬季冰雪效应的预报不足有关， 全年不宜采用同一套参数化方案或同一套统计订正方程进行辐射预报。（4）辐射预报场偏差的季节变化特征和日变化特征与风场预报的偏差特征一致， 两者紧密相关。
Based on the historical weather forecasts adopting WRF model driven by GFS initial field in January, April, July, October and December of 2009 at Dabancheng\_Xiaocaohu wind farm where wind power prediction model was established according to the combination of dynamic and statistical methods, the forecast accuracy of downward short wave radiant exposure (SWREDOWN) replacing global horizontal irradiance (Eg) was also examined at Turpan, Urumqi and Yanqi meteorological stations. The results are as follows: (1) Mostly, the hourly SWREDOWN in WRF model can display the variation tendency of Eg on surface. The mean absolute percentage error (MAPE) of hourly Eg prediction is smaller in afternoon, second in morning, and the bias at sunrise is more than 3～4 times larger as compared to sunset. (2) At Turpan and Urumqi station, the MAPE of daily Eg prediction is less than 25% on the condition that the ratio of the Eg on surface to the horizontal extraterrestrial irradiance is more than 0.4, otherwise the prediction is worthless, while it is not sensitive to the ratio at Yanqi station.(3) At Turpan station, the best forecast effect of Eg is in October, second in April, while at Urumqi and Yanqi stations, the best is in April, second in October, and the worst are all in winter months, because during the period there exist the biggest ratio of scatter irradiance to Eg on surface through a year and shortage of predicting ice and snow effect in model, so it is improper to adopt a same set of parameterization scheme or MOS equation on predicting Eg. (4) There is some closed co-relationship between the irradiance and wind field because their seasonal and diurnal bias variation characteristics are similar.
[1]宋爱国, 王福然. 北京地区晴天太阳辐射模型初探[J]. 太阳能学报, 1993, 14（3）: 251-255.
[2]邱国全, 夏艳君, 杨鸿毅. 晴天太阳辐射模型的优化计算[J]. 太阳能学报, 2001, 22（4）: 456-460.
[3]苏高利, 柳钦火, 邓芳萍, 等. 基于LS-SVM方法的晴空逐时太阳辐射模型[J]. 北京师范大学学报（自然科学版）, 2007, 43（3）: 274-278.
[4]徐维. 基于时间序列分析的短时间尺度太阳辐射模型研究[J]. 常州工学院学报, 2009, 22（1/2）: 41-44.
[5]曹双华, 曹家枞. 太阳逐时总辐射混沌优化神经网络预报模型研究[J]. 太阳能学报, 2006, 27（2）: 164-169.
[6]张紊宁, 田胜元. 太阳辐射逐时模型的建立[J]. 太阳能学报, 1997, 18(3): 273-277.
[7]林媛. 太阳辐射强度模型的建立及验证[J]. 安徽建筑工业学学报（自然科学版）, 2007, 15（5）: 44-46.
[8]张礼平, 陈正洪, 成驰, 等. 支持向量机在太阳辐射预报中的应用[J]. 暴雨灾害, 2010, 29（4）: 334-337.
[9]潘守文. 现代气候学原理[M]. 北京: 气象出版社, 1994, 5: 54, 105-137.
[10]申彦波, 赵宗慈, 石广玉. 地面太阳辐射的变化、 影响因子及其可能的气候效应最新进展[J]. 地球科学进展, 2008, 23（9）: 915-923.
[11]盛裴轩, 毛节泰, 李建国, 等. 大气物理学[M]. 北京: 北京大学出版社, 2003: 91-107.
[12]中国气象局. 地面气象观测规范[M]. 北京: 气象出版社, 2003: 24-25, 70-71.
[13]沈钟平, 张华. 影响地面太阳辐射及其谱分布的因子分析[J]. 太阳能学报, 2009, 30（10）: 1389-1395.
[14]朱志辉. 太阳辐射时空分布的多因子计算[J]. 地理学报, 1982, 37（1）: 27-34.
[15]Ricardo Marquez, Carlos F M Coimbra. Forecasting of global and direct solar irradiance using stochastic learning methods, ground experiments and the NWS database[J]. Solar Energy, 2011, 85: 746-756.
[16]Lara-Fanego V, Rriz-Arias J A, Pozo-Vazquez D, et al. Evaluation of the WRF model solar irradiance forecasts in Andalusia (southern Spain)[J]. Solar Energy, 2011, doi:10.1016/j.solener.2011.02.014.
[17]Elke Lorenz, Johannes Hurka, Detlev Heinemann, et al. Irradiance Forecasting for the Power Prediction of Grid-Connected Photovoltaic Systems[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2009, 2(1): 2-10.
[18]Patrick Mathiesen, Jan Kleissl. Evaluation of numerical weather prediction for intra-day solar forecasting in the continental United States [J]. Solar Energy, 2011, 85: 967-977.
[19]Ineichen P, Perez R. A new airmass independent formulation for the Linke turbidity coefficient[J]. Solar Energy, 2002, 73(3): 151-157.
[20]辛渝, 赵逸舟, 毛炜峄, 等. 新疆太阳总辐射资料的均一性检验与气候学估算式的再探讨[J]. 高原气象, 2011, 30（4）: 878-889.
[21]李霞, 陈勇航, 胡秀清, 等. 乌鲁木齐大气气溶胶的光学特性分析[J]. 中国环境科学, 2005, 25（增刊）: 22-25.
[22]王澄海, 隆霄, 杨毅, 等. 大气数值模式及模拟[M]. 北京: 气象出版社, 2011: 143-155.
[23]白永清, 陈正洪, 王明欢, 等. 基于WRF模式输出统计的逐时太阳总辐射预报初探[J]. 大气科学学报, 2011, 34（3）: 363-369.
[24]杨金焕, 于化丛, 葛亮. 太阳能光伏发电应用技术[M]. 北京, 电子工业出版社, 2011: 27-28, 31.
[25]辛渝, 汤剑平, 赵逸舟, 等. 模式不同分辨率对新疆达坂城-小草湖风区地面风场模拟结果的分析[J]. 高原气象, 2010, 29（4）: 884-893.
[26]胡玉峰. 自动气象站原理与测量方法[M]. 北京: 气象出版社, 2004: 45-49.
[27]辛渝, 陈洪武, 江远安, 等. 基于MM5模拟试验的新疆风能资源统计订正初探[J]. 干旱区地理, 2012, 35（1）: 32-45.
[28]文小航, 吕世华, 尚伦宇, 等. WRF模式对金塔绿洲-戈壁辐射收支的模拟研究[J]. 太阳能学报, 2011, 32（3）: 346-353.
[29]李霞. 乌鲁木齐气象要素对大气气溶胶光学特性的影响[J]. 干旱区研究, 2006, 23（3）: 484-488.
[30]胡列群, 吉海燕. 新疆区域大气透明度研究[J]. 中国沙漠, 2008, 28（2）: 332-337.
[31]吴彦. 乌鲁木齐市污染物浓度的时问分布特征[J]. 新疆气象, 1999, 26（1）: 16-17.
[32]杨慧玲, 肖辉, 洪延超. 气溶胶对云宏微观特性和降水影响的研究进展[J]. 气候与环境研究, 2011, 16（4）: 525-542.
[33]史玉光, 孙照渤. 新疆水汽输送的气候特征及其变化[J]. 高原气象, 2008, 27（2）: 310-319.
[34]叶瑜, 李秀央, 陈坤, 等. 大气气溶胶光学厚度与大气污染特征及气象因素关系的时间序列研究[J]. 气候与环境研究, 2011, 16（2）: 169-176.
