太阳辐照度场地适应

概述

与现场测量相比，从卫星模型中检索到的太阳辐照度具有较低的空间和时间分辨率。精度增强方法能够使卫星衍生的 DNI 和 GHI 数据集（以及衍生参数）适应原始卫星和大气输入中无法记录的当地气候条件。

为了使卫星数据适应项目现场地面测量所代表的条件，通常采用两种主要方法。第一种方法涉及 adaptation of satellite-based GHI and DNI values，纠正偏差（系统偏差）和对齐累积分布函数。第二种方法侧重于太阳辐射模型中使用的 adaptation of the input parameters 和数据，其中调整了更复杂的参数，例如气溶胶光学深度和/或云指数。

当测量数据满足某些 requirements regarding length and quality时，这种适应是可能的。这个过程的结果是构建了一个多年太阳能数据集，提高了准确性并降低了不确定性。

基于卫星的 GHI 和 DNI 值的适应

当地面测量数据和卫星数据之间的偏差小且稳定时，这种方法是有效的。但是，当存在重大不一致时，它就会变得不可靠。通常使用两种主要方法：

• 比率法： 该方法通过纠正系统偏差来调整 DNI 和 GHI 的长期月度和年平均值。计算重叠期的地面测量太阳辐射和卫星太阳辐射之间的比率，并应用于重新校准长期卫星数据集。虽然简单易行，但该方法仅解决均值偏差，并未充分利用地面测量提供的详细信息。此外，它没有考虑分布差异，限制了其纠正更复杂差异的能力。

• 拟合累积分布函数：该方法对齐卫星衍生数据和地面测量数据的累积分布函数 （CDF）。通过将卫星数据的频率分布与地面测量的频率分布相匹配，它改进了典型值和极值的表示。此外，卫星数据的平均值也会进行调整以匹配地面测量的平均值。这种方法通常会降低均方根偏差 （RMSD） 并提高基于卫星的数据的准确性，使其在本地应用中更加可靠。

太阳辐射模型输入参数的适配

该方法侧重于调整太阳辐射模型的输入参数，以提高 GHI、DIF 和 DNI 输出的准确性。采用两种主要方法：

• 清度指数自适应：该方法涉及自适应净度指数，即表示地表辐射与大气顶辐射之比，作为关键模型输入。该过程首先使用太阳辐射模型从地面测量中推导出输入参数。然后使用最小二乘回归（或类似方法）校准净度指数，以对齐地面测量参数和卫星参数之间的每小时或每日差异。最后，使用场地适应的清晰度指数重新计算太阳模型中的GHI、DIF和DNI值。该方法有效减少了均值偏差、RMSD 和 KSI（频率分布差异），使其成为增强模型性能的简单方法。然而，由于它使用单一参数进行适应，因此其处理复杂大气效应的能力有限。

• 模型输入数据的适配：该方法用更详细的参数代替清晰度指数，例如气溶胶光学深度 （AOD） 或云指数。这种高级方法遵循相同的步骤，但重新计算整个模型，确保 GHI、DNI 和 DIF 组件之间的一致性。通过解决 AOD 和云描述中的季节性和区域不准确性，它解决了某些地区常见的特定挑战。该方法减少了平均偏差，与测量仪器的预期不确定度保持一致，同时还最大限度地减少了 RMSD 和 KSI 值。虽然更复杂，但它在气溶胶或云层显着影响太阳辐射的地区（例如半干旱和沙漠地区）尤其有价值。当使用专业知识执行时，该方法为现场适应提供了强大而全面的解决方案。

对测量数据的要求

对卫星数据进行现场适应的能力取决于几个因素或要求，特别是地面测量的质量和持续时间：

进一步阅读

• Site-adaptation of satellite-based DNI and GHI time series: Overview and SolarGIS approach.托马斯·塞贝考尔;马塞尔·苏里。AIP 会议程序 1734， 150002 （2016）。