基于MODIS数据用两步法构建四川省地面太阳辐射计算模型*

成 驰，孙朋杰，崔 杨

基于MODIS数据用两步法构建四川省地面太阳辐射计算模型*

成 驰，孙朋杰，崔 杨

（湖北省气象服务中心/湖北省气象能源技术开发中心，武汉 430074）

以MODIS遥感资料为基础数据，采用统计模型反演的方法，构建了两步法计算高分辨率地面太阳辐射量的计算模型。第一步基于遥感云量与地面日照百分率的相关关系，计算格点各月日照百分率值；第二步基于日照百分率与太阳辐射量的相关关系，计算格点太阳辐射量。应用本方案对四川省1km格点分辨率地面太阳辐射量进行计算，并利用6个辐射站总辐射实测值对计算结果进行检验。结果表明：四川省年总辐射量在3102～6659MJ·m−2，最低值出现在四川盆地东南部，最高值出现在川西高原西部。利用地面辐射站观测资料进行检验，结果表明各站各月太阳辐射量计算值与实际观测结果基本一致，年辐射量计算绝对误差均小于100MJ·m−2，相对误差均小于2%，表明该模型模拟精度较高，可用于四川省地面太阳辐射量计算。

太阳辐射；MODIS数据；四川省

到达地面的太阳辐射是地球能量的最主要来源，对地表辐射平衡、能量交换、水文循环、植物光合作用，以及天气气候的形成具有决定性的意义。地面太阳辐射量主要通过观测和计算两种方式获得。其中太阳辐射的观测一般应用光热或光电太阳辐射计开展，但由于辐射测量设备成本相对较高，测量技术要求也较复杂，因此目前国内仅有122个气象台站开展了常年太阳辐射观测项目。以四川省为例，157个国家气象站中仅有7个开展了太阳辐射观测，占比不到5%。因此，要了解一个地区地面太阳辐射量的精细化空间分布状况，就需要通过其他方式计算得到。自1924年Angstrom[1]提出总辐射的计算公式以来，迄今为止，国内外已经建立了大量的太阳总辐射、直接辐射及散射辐射估算模型[2−6]。国内的计算模型大多是在左大康等[7−8]建立的以日照百分率为基础的辐射模型上发展的，如蔡元刚等[9]将四川省总辐射计算模型的时间尺度从月精确到日，申彦波等[10]利用晴天总辐射替代天文辐射作为辐射模型初始值，提升了地形气候复杂区域的辐射量计算精度。

近年来，许多研究将目标转向利用卫星遥感数据计算地面太阳辐射量或日照百分率上，这些研究可以分为两类，第一类为采用辐射传输模型的计算方案，如刘军建等[11]采用FY-2E气象卫星数据反演地面太阳辐射产品，黎微微等[12]利用MODIS气溶胶和云产品结合大气辐射传输模式计算地面太阳辐射；第二类为经验统计模型计算方案，如李净等[13]采用MODIS遥感资料构建神经网络模型模拟地面站点太阳辐射，王怀清等[14]利用FY-2C资料与地面日照时数数据建模，反演5km分辨率逐时日照百分率。这些研究基本解决了农业气象、太阳能利用等需求领域对气象站点所在地太阳辐射计算的需求，但由于这些模型或是基于辐射数据与气象站日照百分率数据相关关系建立，或基于卫星遥感数据与地面辐射观测建模，其计算结果空间精度和准确率均受制于辐射站点密度。

本研究采用统计模型反演的思路，同时利用卫星遥感产品高分辨率的特性以及地面观测数据高准确率的信息，采用两步法计算地面太阳辐射。第一步利用MODIS卫星遥感云量产品与地面观测日照百分率之间的相关关系建模，计算各格点上各月日照百分率；第二步采用日照百分率反演地面太阳辐射量经典模型，计算各格点各月太阳总辐射量。

四川省是省内海拔、地形和气候差异最显著的省级行政区之一，省内各地日照和太阳辐射差异巨大，因此，研究太阳辐射计算模型在四川省不同气候类型区域的适用性十分有价值[15]。利用本研究建立的模型对四川省各月和全年地面太阳辐射量进行计算，并利用辐射站观测数据检验模型计算效果，以期提高地面太阳辐射计算的空间精度，为四川省太阳能资源利用提供准确依据。

1 资料与方法

1.1 研究区概况

四川省位于中国西南，面积约48.6万km2，海拔188～7556m，省内地形地貌类型丰富，气候特征复杂。不同的海拔高度使得太阳辐射穿过的大气光学厚度不同，从而影响到达地面太阳辐射量，而不同的气候特征，尤其是气溶胶和云量上的差异也会显著影响地面太阳辐射量。根据地面观测数据分析，四川盆地是中国地面接收到年太阳辐射量最小的地区，在4000MJ·m−2以下，川西高原年总辐射大部在6000MJ·m−2以上，川西南地区河谷纵横，地形崎岖导致该地区气候特征随海拔变化显著，年总辐射在4000～6000MJ·m−2。建立太阳辐射计算模型时经验系数取值很大程度上依赖于建模区内气候特征的一致性，因此，对于省内气候特征差异极大的四川省，采用分区建模的方案能提升模型的计算精度[16]。

1.2 数据来源与处理

中分辨率成像光谱仪（MODIS）搭载在Terra和Aqua两颗极轨卫星上，共36个通道，光谱覆盖范围为0.405～14.385μm，不同波段数据空间分辨率为250m、500m和1km。MODIS资料为美国航天局（NASA）网站（https://modis.gsfc.nasa.gov）提供的Terra和Aqua的MOD/MYD06云量产品，数据覆盖时间2016−2018年。有研究对比分析了MODIS云量和地面观测资料，证明在温带MODIS云量比其他卫星云量产品更接近真实值[17]。将MODIS单幅总云量影像数据经过几何校正、图像镶嵌、影像叠加求平均处理获得四川全省范围1km空间分辨率各月平均总云量数据。

地面太阳辐射观测数据选取四川省内6个（甘孜、红原、绵阳、成都、攀枝花和纳溪）有辐射观测的国家气象站1994−2018年逐月总辐射量数据，以及对应的日照时数、日照百分率月值数据。地面气象数据选取四川省内152个国家气象站1994−2018年逐月日照时数、日照百分率数据。地面数据来源于中国气象科学数据共享服务网（http://data. cma.cn），在模拟计算前对各要素数据进行了基本质量控制。

1.3 两步法计算模型

1.3.1 日照百分率计算模型

第一步，根据MODIS遥感云量和地面气象站实测日照百分率之间的负相关关系，分不同区域建立格点日照百分率计算模型。

（1）月平均日照百分率建模

云是直接影响地气系统辐射平衡、热量平衡和温湿分布的重要因子，云的生成和变化会引起地面日照、太阳辐射、气温等的变化[18]。日照百分率为日照时数与可照时数的比值，用百分比表示。日照百分率和云量呈负相关关系，即云量增加，日照百分率减少；反之，云量减少，日照百分率增加。云量和日照百分率之间可以采用统计关系来构建模型[14]，但卫星观测的云量与地面观测的云量具有不同的物理意义，为使卫星观测云量数据和地面日照百分率观测数据在采样面积上达到匹配，根据曹芸等[19]的研究，以气象站为中心取边长为15km的正方形范围内提取的平均MODIS云量值与气象站观测数据的相关性最好。

根据日照百分率与云量良好的负相关关系，建立日照百分率遥感计算模型，为一元线性拟合，以总云量作为日照百分率的影响因子。模型式为

式中，SRg为气象站日照百分率观测资料；CLp为以气象站所在位置为中心的15km×15km正方形区域内的平均总云量值；a、b为模型待定系数，利用某个区域内各个气象站日照百分率观测月值数据与对应的月平均遥感云量数据采用最小二乘法拟合得到。

（2）建模分区方案

考虑到四川省地形复杂、各气象要素垂直差异大，因此，使用K均值聚类分析的方法，基于四川各气象站日照百分率月值和海拔高度数据将四川省分为三个区域，分别为四川盆地、川西高原和川南山地，各区域分界线及气象站点分布见图1。其中四川盆地各站海拔均在800m以下，区内包括98个气象站，其中成都、绵阳、纳溪三站为辐射站；川西高原海拔在3000m以上，区内包括34个气象站，其中甘孜、红原两站为辐射站；川南山地大部地区海拔在1000−2000m，区内包括20个气象站，其中攀枝花站为辐射站。

图1 基于四川各气象站日照百分率月值和海拔高度数据的建模分区方案（3个）

（3）格点日照百分率计算

分别对四川省3个区域，利用日照百分率遥感计算模型即式（1）计算各格点逐月日照百分率值。对于各分区内部的格点，直接采用所在分区的a、b系数进行计算；而对位于分区之间的格点，即最近的三个气象站分属于不同分区的格点，则采用反距离权重法将系数插值到所在格点处，再代入模型进行计算。

1.3.2 太阳总辐射量计算模型

第二步，利用日照百分率和太阳总辐射量观测值，通过相关分析建立格点逐月太阳总辐射量计算模型。

（1）月平均总辐射量建模

水平面太阳总辐射的计算采用最典型的Angstrom模型，即

式中，E为水平面太阳总辐射量，E0为计算起始辐射，SRg为日照百分率，a1、b1为模型待定系数，采用分站点建模确定，即利用各站点的逐月日照百分率及对应的月太阳总辐射量拟合得到各自系数。依据相关研究[20]，E0采用天文辐射作为计算起始值计算简便，相对误差较小，因此本研究的起始值E0也采用天文辐射，其计算方法详见文献[20]。

（2）格点太阳总辐射计算

将拟合计算得到的各站a1、b1系数值采用反距离权重法插值到四川省1km分辨率各格点上，再应用总辐射量计算模型，以各格点日照百分率为基础计算得到各格点各月水平面总辐射值。在进行模拟和观测对比检验时，辐射观测站点的总辐射模拟值利用最临近4个格点的总辐射值采用双线性插值的方法得到。

1.4 数据处理

处理数据和绘制图表采用Microsoft Excel 365和Python 3.7，模型参数拟合和检验采用SPSS 24.0，分布图绘制采用 ArcGIS 10.2。

2 结果与分析

2.1 分区域日照百分率模型构建与模拟

2.1.1 月平均遥感总云量数据分析

对2016−2018年涵盖四川省范围的MOD/MYD06数据进行处理，获得了四川省各月平均遥感总云量分布。分别选取1、4、7和10月作为冬春夏秋四个季节的代表月进行分析，结果见图2。由图可见，冬季代表月（1月）四川省内云量差异最为显著，四川盆地大部平均云量在80%以上，最大可达98%，在盆地边缘地区月平均云量值具有很显著的跳跃变化；川西高原南部平均云量很小，大部30%以下，最小的为16%，北部云量多在30%～50%；川南山地大部云量在30%～40%。春季代表月（4月）省内云量变化范围在34%～97%，其中四川盆地大部在70%～95%；川西高原在60%左右；川南山地云量最小，为34%～40%。夏季代表月（7月）是全省整体云量最高的季节，川西高原中、南部和川南山地在90%左右，川西高原北部地区云量在40%～50%；四川盆地云量在70%～80%。秋季代表月（10月）四川盆地云量在80%～95%，川西高原在23%～50%，川南山地在40%左右。

从各个区域季节变化情况来看，四川盆地秋冬季节云量较高，春夏季节云量相对较低；该区域云量季节差异较小，最大与最小月份差异在20%以内。川西高原和川南山地云量则呈现与四川盆地季节变化相反的夏高冬低变化趋势，且这两区域云量季节差异较大，从1月约20%到7月的90%，其季节变化达70个百分点。

2.1.2 日照百分率计算模型与检验

将四川省每个区域内所有站点2016−2018年逐月遥感总云量值，按照式（1）与气象站日照百分率逐月实测值进行线性拟合，分别获得各区域的日照百分率遥感计算模型系数a、b。以均方根误差（RMSE）、平均绝对误差（MAE）以及相关系数（R）作为评估指标评价模型拟合的效果，结果见表1。各区云量与日照百分率相关关系如图3所示。

四川省3个区域气象站的海拔、云量、日照和辐射条件存在明显差异，四川盆地各月平均云量均大于60%，日照百分率则均小于65%；川西高原和川南山地两区域日照百分率和月平均云量年内变化均较大。从模型参数上看，3个区域的b参数即拟合趋势线的斜率差别也较明显，表明3个区域云量对日照百分率的影响权重存在一定差异。

由图3可知，3个区域的遥感云量与日照百分率月值负相关关系均较好，各区域日照百分率计算模型的相关系数R值均大于0.88。从模型的计算误差上看，川西高原的RMSE最大，四川盆地次之，川南山地误差最小。

2.1.3 日照百分率模拟结果

利用表1中3个分区的a、b系数，应用格点日照百分率计算模型，计算得到四川省各月格点日照百分率分布。图4给出了4个代表月的月平均日照百分率分布，由图可见，其基本空间分布特征和季节变化趋势与遥感云量基本一致。冬季代表月（1月）四川盆地大部日照百分率小于20%，川西高原南部和川南山地在70%以上；春季代表月（4月）各气候区日照百分率在40%～60%；最大值出现在川南山地南部；夏季代表月（7月）日照百分率分布空间差异相对较小，最大值约65%出现在四川盆地东部，其他地区在30%～50%；秋季代表月（10月）川西高原和川南山地地区在50%左右，四川盆地在15%～30%。

2.2 分区域总辐射量模型构建与模拟

2.2.1 总辐射量计算模型与检验

采用四川省6个国家辐射站自建站以来的月总辐射量数据，以及各站对应的观测日照百分率月值数据分站点进行线性拟合，得到各辐射站a1、b1系数值，采用均方根误差（RMSE）、归一化均方根误差（NRMSE）以及相关系数（R）评估总辐射量拟合效果，各系数值和效果参数见表2。四川省各站月日照百分率与总辐射量相关系数R均在0.89以上，说明各站建模数据相关性均较好。计算得到各站月总辐射量的RMSE均在30MJ·m−2以下，从NRMSE来看，各站均在10%以下。位于川西高原的甘孜、红原和川南山地的攀枝花站三站NRMSE在5%左右，拟合误差较小；位于四川盆地的纳溪、绵阳和成都站NRMSE略高，在7%～10%。

表1 三个区域日照百分率计算模型参数及模型拟合效果

图3 三区域卫星遥感云量与站点日照百分率相关关系（2016−2018年）

图4 四川省四季代表月（1、4、7、10月）月平均日照百分率分布（2016−2018年）

表2 四川省内6个辐射站总辐射量计算模型参数及模型拟合效果

2.2.2 总辐射量模拟结果

利用插值到格点的a1、b1系数以及各月格点日照百分率值，通过模型计算得到四川省各月格点总辐射量分布。图5给出了四川省四个季节代表月及全年的总辐射量计算结果。由图可见，冬季代表月（1月）是全年辐射量最小的月份，空间分布上呈东少西多且差异较大，最大值在川西高原甘孜西南部约457MJ·m−2，最小值在四川盆地东南部约110MJ·m−2，省内最大值是最小值的4倍左右；春季代表月（4月）辐射量最大仍在川西高原西南部，约648MJ·m−2，最小值在四川盆地西部，约290MJ·m−2；夏季代表月（7月）是全年辐射量最大的月份，空间分布差异较小，最大值在川西高原北部，约717MJ·m−2，最小值在四川盆地西部约366MJ·m−2，省内最大值是最小值的2倍左右；秋季代表月（10月）最大值在川西高原西部约562MJ·m−2，最小值在四川盆地南部，约180MJ·m−2。

图5 四川省四季代表月（1、4、7、10月）和年总辐射量分布（2016−2018年）

四川省年总辐射量在3102～6659MJ·m−2，从四川盆地东南部向川西高原西部递增，随着海拔的变化具有明显空间分布差异。与其他采用地面气象站数据为基础得到的四川省总辐射量研究结果[10,16]相比，不同区域的总辐射量基本相当，但其精细化程度明显较高，能够反映出海拔高度变化和较大山体影响导致的空间变化。年总辐射量大值区出现在川西高原西部，在6200MJ·m−2以上；川西高原北部次之，年总辐射量在5000～6200MJ·m−2；川南山地年总辐射量在4800～5900MJ·m−2；四川盆地总辐射量最小，大部在3100～4000MJ·m−2。

2.2.3 模拟值与实测值对比

利用四川省6个辐射站2016−2018年总辐射实测值对模拟值进行检验。由表3可见，分布在不同区域的6个辐射站年总辐射量计算绝对误差均小于100MJ·m−2，相对误差均小于1.60%；其中攀枝花站相对误差最大，为1.59%，绵阳站最小，为0.65%。说明模拟结果与实际观测值偏差较小。

图6给出了6个辐射站月平均总辐射模拟值与同期实测值的对比情况。由图可见，各站月平均辐射计算值与实测值变化曲线均较为接近，大多数月份的模拟绝对误差在20MJ·m−2以下，表明模型计算结果基本能反映实际太阳总辐射的月变化情况。四川盆地的成都、绵阳、纳溪三站月辐射模拟最大绝对误差分别为43.21、29.94和27.02MJ·m−2，分别出现在8月、7月和8月，均在夏季；川西高原的甘孜、红原两站月辐射模拟最大绝对误差分别为22.25和21.51MJ·m−2，出现在秋季的9月和10月；川南山地的攀枝花站月辐射模拟最大绝对误差为51.89MJ·m−2，出现在秋季的10月。

表3 四川省6个辐射站年总辐射量实测值与模拟值对比（2016−2018年）

图6 四川省6个辐射站月总辐射量变化计算值与实测值对比（2016−2018年）

3 结论与讨论

3.1 结论

（1）四川省3个海拔和气候差异较大的区域各站点日照百分率与卫星遥感云量相关关系均良好，其中川南山地的相关系数R最大，为0.895，四川盆地和川西高原相关系数R接近0.88。从日照百分率模型的计算误差来看，川西高原区域的计算误差略大，RMSE为13.897%；四川盆地次之，为9.754%；川南山地最小，为8.417%。

（2）四川省6个站点月总辐射量与月日照百分率的相关系数R值除成都站略低于0.9外，其他站点的R值均大于0.92，说明总辐射量计算模型的建模数据相关良好。从模型建模误差来看，四川盆地的成都、纳溪和绵阳站误差相对较大，分别为9.95%、8.79%和7.44%；川南山地的攀枝花站和川西高原的甘孜、红原站相对较小，分别为5.57%、4.29%和5.76%。

（3）四川盆地地区四季遥感云量均较大，日照百分率和月总辐射量均较低；川西高原和川南山地云量夏高东低，日照百分率则夏低冬高。四川省年总辐射在3102～6659MJ·m−2，四川盆地东南部最低，最高值出现在川西高原西部。

3.2 讨论

本研究采用基于卫星遥感云量数据的两步法计算方案，第一步利用遥感云量计算日照百分率，将四川省内152个气象站依据海拔高度和日照气候特征分为3个不同区域进行建模。与曹芸等[19]的研究不同，没有利用气象站云量对MODIS云量数据开展订正，而是将两种云量数据存在的系统性偏差带入地面日照百分率模型中进行了修正。模型计算误差为8.417%（川南山地）＜9.754%（四川盆地）＜13.897%（川西高原）。模型产生计算误差的可能原因之一是同一气候区内遥感云量和日照百分率的相关关系一致性存在差异，因此，面积较小的川南山地区域计算误差最小，而川西高原涵盖面积较大，且站点空间分布稀疏，因此计算误差也较大。

第二步利用日照百分率反演地面太阳辐射量的模型相对成熟，对于较小的研究区域如四川省范围采用分站点建模的方式，计算精度较高，如果研究区域较大，且站点气候特征相似度较高，也可考虑采用分区域建模的方式，如周秉荣等[4]对青海省太阳总辐射的估算研究。从模型模拟误差NRMSE来看，位于川西高原和川南山地的站点模拟误差相对较小，而四川盆地站点误差相对大。总体而言，总辐射计算模型拟合精度较高，与已有研究成果[20−22]相比拟合误差偏低。模拟得到的四川省年总辐射量值分布与同类研究[10,16]相比较为接近，空间分布的精细化程度优于已有研究。

利用地面辐射观测数据对四川省太阳辐射量模拟结果进行检验发现，各站年总辐射量模拟绝对误差小于100MJ·m−2，相对误差均小于1.6%；模拟的各月太阳辐射量各站点大部分月份模拟绝对误差小于20MJ·m−2，而绝对误差较大的月份多出现在7−10月，可能是由于这些月份日内天气变化较复杂和快速，卫星资料与地面观测在时间上不匹配造成的。

本研究建模采用的MODIS资料属于极轨卫星资料，空间分辨率比静止卫星高，但时间分辨率较低，每天仅有上午和下午两次获得目标区遥感图像，因此与地面每日连续的日照百分率观测在时间上存在一定的偏差，不能完全真实反映观测站上空全天云量变化对地面辐射的影响，因此本研究利用两者之间的统计相关关系建立的计算模型更适用于月以上的时间尺度，未来可考虑应用更高时间分辨率的静止卫星资料开展月以下时间尺度的太阳辐射量模拟研究。

[1] Angstrom A.Solar and terrestrial radiation[J].Quarterly Journal of the Royal Meteorological Society,1924,50: 121- 126.

[2] 刘可群,陈正洪,梁益同,等.日太阳总辐射推算模型[J].中国农业气象,2008,29(1):16-19.

Liu K Q,Chen Z H,Liang Y T,et al.Calculation model for daily global solar radiation[J].Chinese Journal of Agrometeorology, 2008,29(1):16-19.(in Chinese)

[3] 陈艳英,邱新法,高阳华,等.太阳辐射直接透射率的推算[J].中国农业气象,2009,30(4):492-495.

Chen Y Y,Qiu X F,Gao Y H,et al.A study on calculation of direct solar radiation transmission rata[J].Chinese Journal of Agrometeorology,2009,30(4):492-495.(in Chinese)

[4] 周秉荣,李凤霞,颜亮东,等.青海省太阳总辐射估算模型研究[J].中国农业气象,2011,32(4):19-23.

Zhou B R,Li F X,Yan L D,et al.Research on model of solar radiation estimation in Qinghai province[J].Chinese Journal of Agrometeorology,2011,32(4):19-23.(in Chinese)

[5] 毛洋洋,赵艳霞,张祎,等.五个常见日太阳总辐射模型在华北地区的有效性验证及分析[J].中国农业气象,2016, 37(5):520-530.

Mao Y Y,Zhao Y X,Zhang W,et al.Validation and analysis of five general daily solar radiation estimation models used in northern China[J].Chinese Journal of Agrometeorology, 2016,37(5):520-530.(in Chinese)

[6] 吴立峰,王娟,张富仓,等.几种模型在南方地区总辐射量估算中的精度分析[J].中国农业气象,2017,38(3):150-162.

Wu L F,Wang J,Zhang F C,et al.Accuracy analysis of several global solar radiation models based on empirical and GRNN methods in South China[J].Chinese Journal of Agrometeorology,2017,38(3):150-162.(in Chinese)

[7] 左大康,王懿贤,陈建绥.中国地区太阳总辐射的空间分布特征[J].气象学报,1963,33(1):78-96.

Zuo D K,Wang Y X,Chen J S.Spatial distribution characteristics of global solar radiation in China[J].Acta Meteorologica Sinica,1963,33(1):78-96.(in Chinese)

[8] 翁笃鸣.试论总辐射的气候学计算方法[J].气象学报,1964,34(3):304-315.

Weng D M. Discussion on the method of calculating total radiation in climatological study[J]. Acta Meteorologica Sinica,1964,34(3):304-315.(in Chinese)

[9] 蔡元刚,王明田,蔡怡亨,等.利用地面气象资料建立四川省日总辐射计算模型[J].中国农业气象,2019,40(9):543- 556.

Cai Y G,Wang M T,Cai Y H,et al.Using surface meteorological data to establish daily total solar radiation calculation model for Sichuan province[J].Chinese Journal of Agrometeorology,2019,40(9):543-556.(in Chinese)

[10] 申彦波,张顺谦,郭鹏,等.四川省太阳能资源气候学计算[J].应用气象学报,2014,25(4):493-498.

Shen Y B,Zhang S Q,Guo P,et al.Climatology calculation of solar energy resource in Sichuan province[J].Journal of Applied Meteorological Science,2014,25(4):493-498.(in Chinese)

[11] 刘军建,师春香,贾炳浩,等.FY-2E地面太阳辐射反演及数据集评估[J].遥感信息,2018,33(1):104-110.

Liu J J,Shi C X,Jia B H,et al.Retrieval and evaluation of downward surface solar radiation derived from FY-2E[J]. Remote Sensing Information,2018,33(1):104-110.(in Chinese)

[12] 黎微微,胡斯勒图,陈洪滨,等.利用MODIS资料计算不同云天条件下的地表太阳辐射[J].遥感技术与应用,2017, 32(4):643-650.

Li W W,Husiletu,Chen H B,et al.Estimation of surface solar radiation using MODIS satellite data and RSTAR Model[J].Remote Sensing Technology and Application, 2017,32(4):643-650.(in Chinese)

[13] 李净,王丹,冯姣姣.基于MODIS遥感产品和神经网络模拟太阳辐射[J].地理科学,2017,37(6):912-919.

Li J, Wang D, Feng J J. Simulation of solar radiation based on neural network and MODIS remote sensing products[J]. Scientia Geographica Sinica,2017,37(6):912-919.(in Chinese)

[14] 王怀清,李三妹.FY-2C云分类资料估算日照百分率[J].遥感学报,2013,17(5):1295-1310.

Wang H Q,Li S M.Estimating of sunshine percentage using the cloud classification data from FY-2C[J].Journal of Remote Sensing,2013,17(5):1295-1310.(in Chinese)

[15] 邹清垚,崔宁博,龚道枝,等.四川省不同区域地表太阳总辐射模型适用性评价[J].中国农业气象,2021,42(7): 537- 551.

Zou Q Y,Cui N B,Gong D Z,et al.Applicability evaluation of global solar radiation models in different zones of Sichuan province[J].Chinese Journal of Agrometeorology, 2021,42(7): 537-551.(in Chinese)

[16] 熊燕琳,周筠珺.四川地区地面太阳总辐射时空分布及气象影响因素研究[J].太阳能学报.2020,41(12):162-171.

Xiong Y L,Zhou Y J.Temporal-spatial distribution of ground surface total solar radiation and meteorological influencing factors for Sichuan area[J].Acta Energiae Solaris Sinica,2020,41(12):162-171.(in Chinese)

[17] Andrzej Z,Kotarba.A comparison of MODIS-derived cloud amount with visual surface observations[J].Journal of Atmospheric Research,2009,92:522-530.

[18] Eerme K.Changes in spring-summer cirrus cloud amount over Estonia,1958-2003[J].International Journal of Climatology 2004, 24(12):1543-1549.

[19] 曹芸,何永健,邱新法,等.基于地面观测资料的MODIS云量产品订正[J].遥感学报,2012,16(2):325-342.

Cao Y,He Y J,Qiu X F,et al.Correction methods of MODIS cloud product based on ground observation data[J].Journal of Remote Sensing,2012,16(2):325-342.(in Chinese)

[20] 和清华,谢云.我国太阳总辐射气候学计算方法研究[J].自然资源学报,2010,25(2):308-319.

He Q H,Xie Y.Research on the climatological calculation method of solar radiation in China[J].Journal of Natural Resources,2010,25(2):308-319.(in Chinese)

[21] 梁玉莲,申彦波,白龙,等.华南地区太阳能资源评估与开发潜力[J].应用气象学报,2017,28(4):481-492.

Liang Y L,Shen Y B,Bai L,et al.Assessment of solar energy resource and its exploitation potential in South China[J]. Journal of Applied Meteorological Science,2017(4):481- 492.(in Chinese)

[22] 申彦波.我国太阳能资源评估方法研究进展[J].气象科技进展,2017,7(1):77-84.

Shen Y B.Development of the solar energy resource assessment methods in China[J].Advances in Meteorological Science and Technology,2017,7(1):77-84.(in Chinese)

Two Step Calculation Model of Surface Solar Radiation in Sichuan Province Based on MODIS Data

CHENG Chi, SUN Peng-jie, CUI Yang

(Hubei Provincial Meteorological Service Center/Meteorological Energy Development Center of Hubei Province, Wuhan 430205, China)

A two-step model based on MODIS remote sensing data and statistical inversion method for calculation of high resolution ground solar radiation is constructed. Firstly, monthly solar radiation percentage of grid points is calculated based on the correlation between remote sensing cloud cover and percentage of sunshine at ground level; secondly, the solar radiation of grid point is calculated based on the correlation between percentage of sunshine and solar radiation. Finally, this model is used to calculate the surface solar radiation with 1km grid resolution in Sichuan province, and the results are evaluated by actual total radiation from six representative radiation stations. The results show that the annual total radiation in Sichuan province ranges from 3102MJ·m−2to 6659MJ·m−2. Among it, the lowest value occurs in the southeast of Sichuan Basin and the highest value occurs in the Western Sichuan Plateau. The calculated monthly solar radiation of the six representative stations are basically consistent with the observation results. Specifically, the absolute errors of calculated annual radiation are less than 100MJ·m−2and the relative errors are less than 2%, which shows that the proposed model has high simulation accuracy and can be used to calculate the surface solar radiation in Sichuan province.

Solar radiation; MODIS data; Sichuan province

10.3969/j.issn.1000-6362.2022.12.002

成驰,孙朋杰,崔杨.基于MODIS数据用两步法构建四川省地面太阳辐射计算模型[J].中国农业气象,2022,43(12):969-979

2022−01−04

国家重点研发计划项目（2018YFB1502801）；中国气象局创新发展专项（CXFZ2022J036）

成驰，硕士，高级工程师，主要从事风能太阳能资源评价和预测研究，E-mail:chc8108@126.com