反照率数据的场地适配

机器翻译，未经校对人员审核，可能存在错误。

在本文件中

本文介绍了Solargis方法，利用现场测量将卫星导出的反照率时间序列适配到本地地面条件。

Solargis 平台的应用
这种方法被用于 Solargis Evalus 和咨询服务中。

概述

卫星来源的反照率数据具有悠久的采集历史，提供了全球覆盖范围，使其成为项目现场长期反照率特征分析的唯一实用来源。然而，与地面测量相比，常常观察到系统性偏差（偏置）。站点适应通过局部调整卫星推算的反照率时间序列来纠正这种偏差，以更好地反映现场观测结果。

准确的长期反照率数据对于双面光伏系统尤为重要，因为反照率直接影响到达模块后侧的反射太阳辐射。统计学上稳健的评估至少需要10年的历史数据。

地面反照率计测量通常比卫星估计更能代表当地地表状况。然而，它们通常只在有限的时间内可用，不足以描述季节性和年际尺度上的长期反照率变异。卫星模型填补这一空白，前提是通过站点调整纠正其系统性偏差。

卫星来源与地面测量反照率之间的偏差由多个因素驱动：

视野（FOV）代表性。地面安装的反照率计（安装在标准高度，通常低于2米）所见的面积，可能无法代表公用事业规模光伏电站的全部范围。卫星像素（约0.5公里空间分辨率）也可能错过细微尺度的空间变异，尤其是在碎片化的陆地覆盖上。对于均匀表面，卫星估计通常接近地面观测。
16天加权平均。 Solargis反照率时间序列使用MODIS卫星数据，其中每日值以16天窗口内的加权平均计算。这种平均方法减少了云量造成的数据缺口，但限制了每日变异的再现。长期趋势，包括月度、季节性和年际变异，都被相当准确地捕捉到了。
短暂的积雪覆盖。降雪事件通常伴随着持续的云层，阻碍卫星观测地面。额外的复杂问题还包括云与雪的误判，以及雪因融化或污垢导致的快速劣化。因此，受雪影响的时期通常在场地适应过程中与无雪期分开处理。

注意：对于没有降雪事件的地点，无需针对特定雪量进行修正。

场地反照率适应要求地面测量满足三个前提条件，才能应用该工艺：

仪器与数据质量。测量必须使用正确安装和维护的反照率计进行，并且必须通过质量评估。不符合质量要求的测量数据无法使用。
测量周期的长度。至少需要一年的测量才能捕捉反照率变异的多重组成部分，包括季节性周期。较短时间内的测量通常无法充分描述长期变异性，且在用于校正卫星时间序列时会产生误差。这些误差会传递到PV能量的计算中。
表层代表性。地面测量和卫星数据必须覆盖相当的表面。观察到的区域显著差异（例如由于卫星像素内土地覆盖极为异质）可能阻碍可靠的站点适应。

重要提示：使用短周期地表测量进行场地适应会引入系统性误差，导致长期反照率估计，应避免。

场地适应过程包括四个连续步骤。

在质量评估后，会进行地面反照率测量，以验证上述三个前提条件均被满足。如果未满足任何先决条件，则无法进行场地适应。

地面测量和卫星数据均被统一到统一的时间分辨率，以便直接比较。日均反照率通常作为通用分辨率，因为它是卫星数据中可用的最低分辨率。来自亚日地面测量的每日平均值作为日内数据的加权平均计算，考虑因缺失记录或质量标记值导致的数据缺口。

均质化后，比较两个时间序列，以识别和排除极端或非系统性情况的时期。排除这些周期可以防止异常事件传播到校正系数中。

对均质化数据进行系统性偏差分析。分析考虑偏差是否具有长期成分，包括月度或季节性结构。基于该分析，选择合适的校正方法和时间尺度。

校正因子是在地面测量数据与卫星数据重叠期间计算的。在选择纠正时间尺度时，需考虑以下因素：

计算出的校正系数随后应用于完整的历史卫星反照率时间序列，生成一个更能反映局部地表状况的站点适配数据集。

图1：站点适应反照率时间序列示例。展示地面观测（绿色）、原始卫星数据（红色）和适配卫星数据（蓝色）以示范时间段。

该站点适配时间序列与原始卫星数据和地面测量进行评估。统计指标用于计算重叠期间，包括：

相较于未校正卫星数据，预计会有所改善。特别是，MBD在场地适应后应接近零。修正后的时间序列还会检查极端值及（适用）受降雪影响时期的处理情况。

图2：卫星导出的反照率与地面观测在（左，红色）和（右，蓝色）站点适应前的散点图。虚线表示1：1的参考。