气象模型数据

Solargis 提供的气象模型数据

Solargis 从全球气象模型获取气温、风、湿度、降水、积雪、大气压和紫外辐射数据，随后进行后处理，将其精化至最高约 1 km 的分辨率，用于光伏模拟、监测和预报。 共使用两类模型：用于未来数小时至数天预报的业务化数值天气预报（NWP）模型，以及用于生成跨越数十年一致历史数据的再分析模型。本文介绍这两类模型、Solargis 从每类模型中采用的具体模型，以及数据进入 Solargis 产品前所应用的后处理。

全球气象模型通过数学建模在全球尺度上模拟大气行为。它们是在任何项目场址、在短期和长期时间尺度上表征太阳能应用所需气象与环境条件的唯一可行手段。

业务化 NWP 模型与再分析模型的比较

Solargis 使用业务化 NWP 模型处理未来数据，使用再分析模型处理历史数据。

在短期预报方面，数值天气预报（NWP）模型生成未来数小时至数天的天气预报。Solargis Forecast 利用这些预报支持实时运营和即时决策，使运营人员能够规划和安排运维工作、管理储能并有效平衡供需。在此语境下，这类模型通常称为业务化 NWP 模型。

在长期历史分析方面，则采用不同的气象模型提供再分析数据：一种将历史观测数据融合进全球模型输出的综合数据集。Solargis Prospect、Solargis Evaluate 和 Solargis Monitor 使用这些再分析数据提供历史和近期数据服务，为分析人员提供准确详尽的历史天气信息，从而对太阳能项目做出更可靠的评估。

图 1：全球再分析模型降水数据的地图表示

影响光伏资产的气象参数

Solargis 提供的气象与环境参数服务于三种不同用途：光伏性能模拟、光伏风险与衰减分析，以及作为其他 Solargis 模型的输入。 光伏（PV）资产受不断变化的场址条件影响，因此上述每种用途所依赖的参数组合各不相同。

用于光伏性能模拟的参数

Solargis 气象数据对于模拟光伏系统的预期性能至关重要。 气温（TEMP）和风速（WS）是决定光伏电池温度的关键因素，而电池温度直接影响其转换效率。相对湿度（RH）和可降水量（PWAT）用于评估电池的光谱响应，降水（PREC）和雪深水当量（SDWE）则用于估算环境因素造成的电量损失 —— 参见雪损模型。

用于光伏风险与衰减分析的参数

Solargis 气象参数还用于能源资产的风险分析。紫外辐射（UVA、UVB）以及极端气温（TEMP）驱动的热循环，对于评估光伏组件加速衰减的风险十分重要。在易发生恶劣天气的地区，太阳能设施的物理完整性面临更大威胁，需要使用阵风（WG）等参数加以表征。

作为其他 Solargis 模型输入的参数

除性能和风险方面的考虑外，某些气象与环境参数还可作为其他 Solargis 模型的输入。 臭氧含量、水汽（WV）和气溶胶光学厚度（AOD）信息是运行半经验太阳辐照度模型所必需的，而基于 NWP 的太阳辐照度对太阳能发电预报至关重要。其他参数则用于 Solargis 地面反照率模型（参见基于卫星的反照率数据）和 Solargis 积灰损失估算（参见土壤损失模型），二者均依赖准确而全面的气象数据。

Solargis Forecast 中的业务化 NWP 数据

Solargis Forecast 由业务化数值天气预报（NWP）预报驱动，可提供未来数小时至数天大气条件的实时信息。 该数据用于 Solargis Forecast 服务，并在小范围内用于 Solargis Monitor。

业务化 NWP 预报的生成方式

Solargis 所使用的业务化 NWP 预报分两个阶段生成：

• 实时大气数据采集自多种来源，包括气象站、卫星、飞机、浮标和无线电探空仪（探空气球）。

• 随后，这些原始数据被同化为适合数值模型使用的一致格式。同化后的数据用于初始化 NWP 模型。模型基于物理定律（如流体动力学和热力学）的数学方程，模拟大气的未来状态。地球大气被划分为三维网格，并对每个网格点进行计算。计算结果按固定间隔（例如每 6 小时）输出，并覆盖不同的预报时效（例如未来 12 小时、24 小时、7 天）。

Solargis Forecast 使用的业务化 NWP 模型

表格说明：

• D+0 表示交付预报的当天。

• D+n 表示交付后第 n 天的预报。

Solargis Prospect、Evaluate 和 Monitor 中的再分析气象数据

气象模型再分析通过将历史观测数据与固定版本的气象模型相结合，重建长历史时期内的过去大气状况。Solargis Prospect、Solargis Evaluate 和 Solargis Monitor 均使用再分析数据。

气象再分析的生成方式

Solargis 所使用的再分析数据集分两个阶段生成：

• 历史天气数据采集自多种来源，包括地面观测、卫星记录和存档气象数据。由于历史数据可能存在缺失和不一致，需经过严格的质量控制和预处理以纠正误差并实现标准化。与业务化预报类似，这些历史数据会被同化进全球模型。关键区别在于，整个再分析时期始终使用同一版本的模型和同化系统，以确保一致性。

• 气象模型利用同化后的历史数据进行回算，生成能够表征大气随时间演变状态的综合数据集。此步骤采用固定的模型物理过程和参数设置，以避免不一致。再分析由此生成长期数据集，为数十年间的各类大气参数提供连续的格点化表达。

这些数据集包含光伏太阳能应用的关键参数，如温度、风（风速和风向）、相对湿度、降水、可降水量、累积雪深水当量、紫外辐射和雪密度。

再分析模型也可提供历史太阳辐照度数据，但其分辨率和精度低于基于卫星的模型。因此 Solargis 的历史太阳辐照度来自卫星观测，而非再分析 —— 参见Solargis 卫星模型。

Solargis Evaluate 和 Monitor 使用的再分析与 NWP 模型

表格说明：

• D-n 表示交付当前时间之前的天数。

Solargis 气象模型数据的后处理

Solargis 对气象模型的原始输出进行后处理，以在数据用于太阳能应用之前精化其空间分辨率。气象模型的原始分辨率通常为 0.1° 至 0.25°，代表的是大范围地理区域而非具体场址。

利用温度递减率和 SRTM-3 对气温进行空间降尺度

Solargis 通过应用计算得到的温度递减率并结合 SRTM-3 数字高程模型，将气温降尺度至约 1 km 分辨率。 这提升了长期分析的精度和一致性，在地形复杂的区域尤为明显。

天气模型不仅提供地表层温度数据（例如地面以上 2 米处），还提供从地表到大气层顶多个大气层次的垂直温度廓线，通过分析这些廓线，可建立温度随高度变化的简化参数化方案。一般而言，温度随高度升高而降低，但近地面常出现逆温现象（温度随高度升高而上升），在冷下垫面上尤为常见。

为反映垂直方向的温度变化，需计算温度递减率，即温度随高度的变化率。该递减率随时间和地点变化，受天气形势、局地小气候和地形特征影响。通过应用温度递减率，温度数据被空间降尺度至更精细的分辨率，从而在地形复杂区域获得更高精度。借助 SRTM-3 数字高程模型，Solargis 气温数据的空间分辨率被精化至约 1 km，显著提升了其在局地应用中的精确性。关于 Solargis 更广泛地使用数字高程模型的方式，参见地形模型。

由模型输出派生的次级参数

部分 Solargis 气象参数并非直接取自模型，而是由模型输出派生而来。派生参数包括 UVA 和 UVB 辐射、露点温度（TD）、湿球温度（WBT）、真实累积雪深（TSD），以及制冷度日和采暖度日（CDD、HDD）。这些附加参数对专项太阳能分析与应用至关重要。

后处理后的气象参数与分辨率

下表列出 Solargis 提供的每个气象参数，及其单位、模型原生分辨率、经 Solargis 后处理后的分辨率，以及其所依据的模型。

Solargis 近期气象数据的更新方式（DAY-1 至 DAY-3）

Solargis 气象数据在 DAY-3 及更早时段可视为最终数据。 DAY-1 和 DAY-2 的数值取自基于 NWP 的预报，以保持近期数据的时效性，之后会替换为再分析存档中的数值。

注意： 由于 DAY-1 和 DAY-2 的 Solargis 气象数值来自预报而非再分析，这些数值为临时值，在存档更新后可能发生变化。关于 Solargis Monitor 和 Solargis Forecast 背后完整的数据交付模型，参见监测与预报数据来源。

Solargis 气象数据的精度

Solargis 在全球 12,000 至 14,000 个站点，将其气象模型数据与高质量地面实测数据进行比对验证。 气温（TEMP）、风速（WS）和相对湿度（RH）分别在所有气候带的地面站点进行比对，精度以偏差、标准差和 RMSE 表示，并给出小时、日和月尺度的结果。

在这三个参数上，RMSE 均随时间聚合尺度增大而持续降低，且太阳能发电时段的精度高于夜间。在山地和沿海等地形复杂区域，以及 NWP 模型输入数据稀疏的地区，偏差较大，因为大尺度模型无法刻画局地小气候。各参数的完整统计结果，参见气象参数的验证。

相关文章

• 预报建模 —— Solargis 如何将 CMV 临近预报模型与 NWP 模型结合，生成太阳能发电预报。

• 时间序列和 TMY 数据 —— Solargis 气象参数如何以时间序列和 TMY 数据集的形式交付。

• 太阳辐射度地面测量 —— 当模型数据不足时，如何在现场测量相同的参数。

• 太阳能、气象和环境数据 —— Solargis 处理的所有数据类型概览，以及气象模型在其中的定位。